Framväxten och rollen av enkla kvalitetskontrollverktyg. Sju nya kvalitetskontrollverktyg 7 kvalitetsstyrningsverktyg

• verktyg för kvalitetskontroll;
• verktyg för kvalitetsledning;
• verktyg för kvalitetsanalys;
• kvalitetsdesignverktyg.

– vi pratar här om styrverktyg som gör att man kan fatta ledningsbeslut, och inte om tekniska styrmedel. De flesta verktyg som används för kontroll är baserade på metoderna för matematisk statistik. Moderna statistiska metoder och den matematiska apparatur som används i dessa metoder kräver bra utbildning av de anställda i organisationen, vilket inte alla organisationer kan tillhandahålla. Men utan kvalitetskontroll är det omöjligt att hantera kvaliteten, än mindre förbättra kvaliteten.

Av alla de olika statistiska metoderna för kontroll används oftast de enklaste statistiska kvalitetsverktygen. De kallas också de sju kvalitetsinstrumenten eller de sju kvalitetskontrollinstrumenten. Dessa verktyg har valts ut från en mängd olika statistiska metoder. Union of Japanese Scientists and Engineers (JUSE). Det speciella med dessa verktyg ligger i deras enkelhet, tydlighet och tillgänglighet för att förstå de erhållna resultaten.

Kvalitetskontrollverktyg inkluderar - histogram, Pareto-diagram, kontrolldiagram, spridningsdiagram, stratifiering, kontrollblad, Ishikawa (Ishikawa)-diagram.

Användningen av dessa verktyg kräver inte djup kunskap om matematisk statistik, och därför behärskar anställda enkelt kvalitetskontrollverktyg i en kort och enkel utbildning.

Det är inte alltid information som kännetecknar ett objekt kan presenteras i form av parametrar som har kvantitativa indikatorer. I det här fallet, för att analysera objektet och fatta förvaltningsbeslut, är det nödvändigt att använda kvalitativa indikatorer.

Kvalitetsledningsverktyg- det här är metoder som i grunden använder kvalitativa indikatorer om ett objekt (produkt, process, system). De låter dig organisera sådan information, strukturera den i enlighet med några logiska regler och tillämpa den för att fatta välgrundade förvaltningsbeslut. Oftast används kvalitetsledningsverktyg för att lösa problem som uppstår på designstadiet, även om de kan tillämpas i andra skeden av livscykeln.

Kvalitetsledningsverktyg innehåller sådana metoder som affinitetsdiagram, länkdiagram, träddiagram, matrisdiagram, nätverksdiagram (Gantt-diagram), beslutsdiagram (PDPC), prioritetsmatris. Dessa verktyg kallas även de sju nya kvalitetskontrollverktygen. Dessa kvalitetsverktyg utvecklades av en fackförening av japanska forskare och ingenjörer 1979. Alla har en grafisk representation och är därför lätta att uppfatta och förstå.

Kvalitetsanalysverktygär en grupp metoder som används inom kvalitetsledning för att optimera och förbättra produkter, processer, system. De mest kända och vanligaste kvalitetsanalysverktygen är funktionell fysisk analys, funktionell kostnadsanalys, felorsaks- och verkansanalys (FMEA-analys). Dessa kvalitetsverktyg kräver mer utbildning av organisationens anställda än kvalitetskontroll och ledningsverktyg. Vissa av kvalitetsanalysverktygen är formaliserade i form av standarder och är obligatoriska för användning i vissa branscher (i det fall en organisation implementerar ett kvalitetssystem).

Kvalitetsdesignverktyg– det är relativt en ny grupp metoder som används i kvalitetsstyrning för att skapa produkter och processer som maximerar värdet för konsumenten. Av namnet på dessa kvalitetsverktyg är det tydligt att de tillämpas på designstadiet. Vissa av dem kräver djupgående ingenjörs- och matematisk utbildning, vissa kan bemästras på ganska kort tid. Kvalitetsdesignverktyg inkluderar till exempel kvalitetsfunktionsuppbyggnad (QFD), uppfinningsrik problemlösningsteori, benchmarking, heuristiska tekniker.

Kvalitetskontroll är en av huvudfunktionerna i kvalitetsledningsprocessen. Värdet av kontroll ligger i det faktum att den låter dig upptäcka fel i tid, så att du snabbt kan korrigera dem med minimala förluster.

Kvalitetskontroll utförs genom att den planerade kvalitetsindikatorn jämförs med dess faktiska värde. Egentligen består kvalitetskontroll i det faktum att genom att kontrollera kvalitetsindikatorerna för att upptäcka deras avvikelse från de planerade värdena. Om en sådan avvikelse upptäcks är det nödvändigt att hitta orsaken till dess förekomst, och efter att ha justerat processen, kontrollera på nytt att de justerade kvalitetsindikatorerna överensstämmer med deras planerade värden. Det är i denna kontinuerliga cykel som förvaltningen och tillhandahållandet av den erforderliga kvaliteten, och dess ytterligare förbättring, utförs.

Kvalitetskrav fastställs och fastställs i normativa och normativt-tekniska dokument: stat, industri, företagsstandarder, produktspecifikationer etc.

Avvikelsen i produktkvalitet från de angivna parametrarna uppstår som regel till det sämre och har allmänna och speciella manifestationer.

Vanliga är inkurans, fysiskt och moraliskt åldrande av produkter, det vill säga förlusten av ursprungliga egenskaper under drift och åldrande.

Privata kvalitetsavvikelser från de fastställda kraven är extremt olika och beror inte längre på ekonomisk och teknisk natur, utan på externa förhållanden: brott mot driftregler, fel från utvecklare och tillverkare, brott mot produktionsdisciplin, defekter i utrustning med vilken produkter tillverkas och används osv.

Därför kan det hävdas att kvaliteten på produkter är i konstant rörelse. Följaktligen definierar kvalitet sig själv som ett kroniskt instabilt objekt som kräver kontroll.

Den vetenskapliga grunden för modern teknisk kontroll är matematiska och statistiska metoder. Produktkvalitetskontroll kan uppnås på två sätt: genom att sortera ut produkter och genom att öka den tekniska noggrannheten. Sedan urminnes tider har kontrollmetoder som regel reducerats till analys av defekter genom en fullständig kontroll av utgående produkter. I massproduktion är sådan kontroll mycket dyr: kontrollapparaten måste vara fem till sex gånger antalet produktionsarbetare, och även då finns det ingen fullständig garanti mot defekter. Därför övergår de från kontinuerlig kontroll till selektiva med användning av statistiska metoder för att bearbeta resultaten.

En av grundarna till användningen av statistiska metoder i serieproduktion, den amerikanske specialisten W.A. Shewhart skrev: "Under lång tid kommer effektiviteten av statistik att bero på mindre grad från förekomsten av en avdelning av statistiker med utmärkt utbildning än från utbildningen av en hel generation uppvuxen i statistikens anda, med fysiker, kemister, ingenjörer och många andra specialister som på ett eller annat sätt kommer att ansvara för förberedelserna och ledning av nya produktionsprocesser.

Vilka statistiska metoder ska användas? Svaret är till stor del upp till experterna, men det finns en princip om att betydelsen av en statistisk metod är lika med dess matematiska potential multiplicerad med sannolikheten för att den ska tillämpas. Därför, när det kommer till den breda tillämpningen av statistiska metoder, bör endast de som förstås och lätt kan tillämpas av icke-statistiker beaktas.

Japanska experter har samlat in sju metoder från den totala uppsättningen. Deras förtjänst ligger i det faktum att de tillhandahöll enkelhet, synlighet, visualisering av dessa metoder och förvandlade dem till effektiva kvalitetskontrollverktyg:

Checklista - ett verktyg för datainsamling och automatisk beställning för att underlätta vidare användning av den insamlade informationen;

Stratifiering (stratifiering) är ett verktyg som låter dig välja data i enlighet med olika faktorer.

Ett histogram är ett verktyg som låter dig visuellt utvärdera fördelningen av statistisk data grupperad efter frekvensen av data som faller inom ett visst (förinställt) intervall.

Pareto-analys är ett verktyg som låter dig objektivt presentera och identifiera de viktigaste faktorerna som påverkar problemet som studeras och fördela ansträngningar för att lösa det.

Ishikawa orsak-och-verkan diagram är ett verktyg som låter dig identifiera de viktigaste faktorerna (orsakerna) som påverkar det slutliga resultatet (konsekvens);

Spridningsdiagrammet är ett verktyg som låter dig bestämma typen och närheten av förhållandet mellan de två betraktade processparametrarna;

Ett kontrolldiagram är ett verktyg som låter dig spåra framstegen i en process och påverka den (med hjälp av lämplig feedback), vilket förhindrar att den avviker från kraven för processen.

Dessa metoder kan ses både som separata verktyg och som ett system av metoder. Sekvensen för tillämpningen av de sju metoderna kan vara olika beroende på målet.

Prof. K. Ishikawa, en välkänd japansk kvalitetsspecialist, sa: "Baserat på min erfarenhet kan jag säga att 95 % av alla företagsproblem kan lösas med dessa sju tekniker." Därför är statistiska metoder det verktyg som behöver studeras för att kunna implementera kvalitetsledning. De är den viktigaste komponenten i det omfattande kontrollsystemet för Total Quality Management.

blockdiagram

blockdiagramär en schematisk representation av stegen som är involverade i exekveringen av en process. Den speglar i vilken ordning de enskilda operationerna följer.

Det finns regler för att upprätta flödesscheman.

Ris. 4.1 Regler för flödesdiagram

Relaterade dokument kan visas med prickade pilar.

Kontrollblad

British Standard BS 7850 betraktar checklistor som en form av informationsinsamling.

Överväg att använda en checklista med exemplet med defektloggning. Var uppmärksam på följande:

Denna specifika blankett rapporterar inte det totala antalet kopior (eller antalet bra kopior), och därför är procentandelen av varje typ av defekt fortfarande oklart.

Checklistan kan användas för att samla in både attribut- och parametrisk (variabel) data.

Ris. 4.2 Checklista

stapeldiagram

Representerar en visuell representation eller generalisering av information som kännetecknar fördelningen av variabler.

Ris. 4.3 Histogram

Pareto-analys (Pareto-principen)

Det finns en metod för att välja en lösningspreferens, allmänt känd som Pareto-principen.

Statistiska data kan presenteras på två sätt - i form av ett histogram och i form av en kumulativ fördelning, där den senare representationen används av Lorenz.

Genom att beskriva problemet på detta sätt är det lätt att fastställa vilka faktorer som har störst effekt och vid vilken tidpunkt, när man går ner i listan, blir en eventuell förbättring improduktiv.

Som ekonom drog han slutsatsen att 20 % av människorna vanligtvis äger 80 % av förmögenheten.

I vårt fall bestämmer 20% av faktorerna 80% av defekterna. Vår uppgift är att hitta dessa 20%.

Pareto-principen visas grafiskt.

Ris. 4.4 Paretodiagram

Ishikawa analys (fiskskelett)

Metoden utvecklades för att identifiera orsakerna till observerade misslyckanden av professor Ishikawa.

Analysen börjar vanligtvis med en brainstorm där alla inblandade försöker identifiera alla möjliga orsaker.

Faktum är att resultatet kan bero på en kombination av flera orsaker, och eliminering av endast en av dem kanske inte löser problemet alls eller minskar sannolikheten för att det inträffar. Detta är kärnan i Ishikawa-analys, det tvingar användaren att kontrollera alla möjliga förklaringar.

Vid utgångspunkten bestämdes typerna av möjliga källor till det observerade resultatet, nämligen: maskiner, metoder, material, arbete etc.

Ris. 4.5 Orsak och verkan diagram

Hjärnattack

Syftet med denna metod är inte att tillåta att möjliga lösningar på problemet utesluts från synen. För att göra detta, följ reglerna för att organisera brainstorming:

Skapa en grupp människor (cirka sex personer) som är bekanta med området där problemet uppstod;

Var inte för specifik om frågan för att diskuteras;

Låt folk skriva ner vad de än tänker på i fem till tio minuter;

Tänk på alla ovanstående överväganden. Tillåt ingen diskussion eller kritik;

Gruppidéer, eliminera dubbelarbete;

Bilda ett "fiskskelett" och starta diskussioner.

Scatterplot

Det används i fall där det är nödvändigt att bygga ett samband mellan två faktorer eller variabler. Om man tittar på diagrammet kan vi prata om positiv, svag, stark negativ korrelation (graden av beroende mellan faktorn och variablerna).

Ris. 4.6 Scatterplot

Utvärdering av produktkvalitet inbegriper överensstämmelse med produktkvalitetsindikatorer med konsumentens krav och val, om nödvändigt, av riktningen för att förbättra dess kvalitet.

Kvalitet bestäms av måttet på överensstämmelse av varor, arbeten, tjänster med villkoren och kraven i konsumenternas önskemål, standarder, avtal, kontrakt.

Kvalitetsindikatorer kan karakteriseras av kontinuerliga eller diskreta värden. De kan vara absoluta eller relativa. Kvantiteternas värde beror på förutsättningarna och metoderna för deras bestämning. Produktkvalitetsindikatorer fastställs med objektiva metoder, såväl som med hjälp av experter.

Produktkvalitetsanalys inkluderar karakterisering av kvalitet enligt fastställda indikatorer eller planer, studie av de viktigaste faktorerna som påverkar kvaliteten, beräkning av kvalitetens inverkan på produktionsvolymen i monetära termer. Hur PEP-analysen kan göras visas i fig. 4.9.

Kvalitetskontroll- detta är en aktivitet som inkluderar mätningar, undersökningar, tester eller utvärdering av parametrarna för ett objekt och jämförelse av de erhållna värdena med de fastställda kraven för dessa parametrar (kvalitetsindikatorer).

Ris. 4.9.

Modern kvalitetskontrollverktygär metoder som används för att lösa problemet med att kvantifiera kvalitetsparametrar. En sådan bedömning är nödvändig för ett objektivt val och ledningsbeslut vid standardisering och certifiering av produkter, planering för att förbättra dess kvalitet m.m.

Kontrollens roll i kvalitetsledningsprocessen. Moderna metoder för kvalitetsstyrning innebär införandet av ett system för att övervaka produktkvalitetsindikatorer i alla skeden av dess livscykel, från design till eftermarknadsservice. Kvalitetskontrollens huvuduppgift är att förhindra uppkomsten av defekter. Under kontrollen utförs därför en konstant analys av de specificerade avvikelserna av produktparametrarna från de fastställda kraven. I händelse av att parametrarna för produkterna inte uppfyller de angivna kvalitetsindikatorerna, kommer kvalitetskontrollsystemet att hjälpa till att snabbt identifiera de mest sannolika orsakerna till avvikelsen och eliminera dem.

Är det nödvändigt att kontrollera alla produkter som företaget producerar? Svaret beror på detaljerna i produktionen. Om den är av enstaka eller småskalig karaktär bör produkten utsättas för kontinuerliga, d.v.s. 100% kontroll. Kontinuerlig kontroll är som regel ganska mödosam och dyr, därför används vanligtvis den så kallade selektiva kontrollen i storskalig och massproduktion, som endast utsätter en del av en sats av produkter (prov) för testet. Om kvaliteten på produkterna i provet uppfyller fastställda krav, då anses hela partiet vara av hög kvalitet, om inte, avvisas hela partiet. Med denna kontrollmetod kvarstår dock sannolikheten för ett felaktigt avslag (leverantörsrisk) eller omvänt erkännande av ett parti produkter som lämpligt (kundens risk). Därför måste deltagarna i transaktionen under selektiv kontroll, när de sluter ett kontrakt för leverans av sina produkter, ange både möjliga misstag uttryckt i procent.

Det finns olika verktyg för produktkvalitetskontroll, bland vilka statistiska metoder intar en särskild plats.

Många av de moderna metoderna för matematisk statistik är ganska svåra att förstå, och ännu mer för utbredd användning av alla deltagare i kvalitetsledningsprocessen. Därför har japanska forskare valt ut sju metoder från hela uppsättningen, som är mest användbara i kvalitetskontrollprocesser. Förtjänsten med japanerna är att de tillhandahöll enkelhet, synlighet, visualisering av dessa metoder, förvandlade dem till kvalitetskontrollverktyg som kan förstås och effektivt användas utan speciell matematisk träning. Samtidigt, för all sin enkelhet, låter dessa metoder dig upprätthålla en koppling till statistik och tillåta proffs att förbättra dem vid behov.

Så, de sju huvudsakliga kvalitetskontrollverktygen inkluderar följande statistiska metoder (Fig. 4.10):

• kontrollblad;
• stapeldiagram;
• punktdiagram;
• Paretodiagram;
• stratifiering (stratifiering);
• Ishikawa diagram (orsak och verkan diagram);
• kontrollkort.

Ris. 4.10.

De listade kvalitetskontrollverktygen kan betraktas både som separata metoder och som ett system av metoder som ger en heltäckande kontroll av kvalitetsindikatorer. De är den viktigaste komponenten i det integrerade kontrollsystemet för total kvalitetsledning.

Funktioner för användningen av kvalitetskontrollverktyg i praktiken. Införandet av de sju kvalitetskontrollverktygen bör börja med utbildning av alla deltagare i processen i dessa metoder. Till exempel har det framgångsrika införandet av kvalitetskontrollverktyg i Japan underlättats av utbildning av företagsledning och anställda i kvalitetskontrolltekniker. En stor roll i undervisningen av statistiska metoder i Japan spelades av "kvalitetscirklar" (se kapitel 1), som utbildade arbetare och ingenjörer i de flesta japanska företag.

På tal om de sju enkla statistiska metoderna för kvalitetskontroll bör det betonas att deras huvudsakliga syfte är att kontrollera den pågående processen och förse deltagaren i processen med fakta för att korrigera och förbättra processen. Kunskap och tillämpning i praktiken av sju kvalitetskontrollverktyg ligger till grund för ett av de viktigaste kraven TQM– ständig självkontroll.

Statistiska kvalitetskontrollmetoder används för närvarande inte bara i produktionen, utan även i planering, design, marknadsföring, logistik etc. Sekvensen för att tillämpa de sju metoderna kan vara olika beroende på vilket mål som är satt för systemet. På samma sätt behöver det tillämpade kvalitetskontrollsystemet inte omfatta alla sju metoderna. Det kan finnas färre, eller det kan finnas fler, eftersom det finns andra statistiska metoder.

Men vi kan med full tillförsikt säga att de sju kvalitetskontrollverktygen är nödvändiga och tillräckliga statistiska metoder, vars användning hjälper till att lösa 95% av alla problem som uppstår i produktionen.

Oavsett vilken uppgift systemet står inför, genom att kombinera tillämpningssekvensen för statistiska metoder, börjar de alltid med insamlingen av initiala data, på grundval av vilken det här eller det verktyget sedan används.

Kontrollbladär ett verktyg för att samla in data och automatiskt organisera den för att underlätta vidare användning av den insamlade informationen.

Typiskt är kontrollarket ett pappersformulär på vilket kontrollerade parametrar är förtryckta, enligt vilka data kan matas in på arket med hjälp av märken eller enkla symboler. Det låter dig automatiskt ordna data utan att de ska skrivas om. Därför är checklistan ett bra sätt att registrera data.

Det finns hundratals olika checklistor, för varje specifikt ändamål kan ett blad tas fram. Men principen för deras design förblir oförändrad. Till exempel är ett patienttemperaturdiagram en möjlig typ av checklista. Ett annat exempel är checklistan som används för att fixa trasiga delar i katodstråleenheter (Fig. 4.11).

Baserat på data som samlats in med hjälp av dessa checklistor är det inte svårt att sammanställa en tabell över totala misslyckanden (tabell 4.3).

Tabell 4.3

Checklista Ansvarsfriskrivningstabell

Ris. 4.11.

Vid sammanställningen av checklistorna bör man vara noga med att ange vem, i vilket skede av processen och under hur lång tid uppgifterna samlades in, samt att bladets form är enkel och begriplig utan ytterligare förklaringar. Det är också viktigt att all data registreras i god tro och att informationen som samlas in i checklistan kan användas för att analysera processen.

För en visuell representation av trenden i observerade värden, använd grafisk bild statistiskt material. Den vanligaste plotten som används när man analyserar fördelningen av en slumpvariabel i kvalitetskontroll är histogrammet.

stapeldiagramär ett verktyg som låter dig visuellt utvärdera lagen för distribution av statistiska data.

Fördelningshistogrammet är vanligtvis byggt för intervalländringen av parametervärdet. För att göra detta, på intervallen plottade på x-axeln, byggs rektanglar (kolumner), vars höjder är proportionella mot intervallens frekvenser. De absoluta värdena för frekvenser plottas längs y-axeln (fig. 4.12). En liknande form av histogrammet kan erhållas om motsvarande värden för de relativa frekvenserna plottas längs y-axeln. I det här fallet kommer summan av areorna för alla kolumner att vara lika med en. Histogrammet är mycket användbart för att visuellt utvärdera var statistik är inom tolerans. För att bedöma om processen är lämplig för konsumentens krav måste vi jämföra processens kvalitet med det toleransfält som användaren ställer in. Om det finns en tolerans, då den övre ( S U) och lägre ( S L) dess gränser i form av linjer vinkelräta mot x-axeln, för att jämföra fördelningen av processkvalitetsparametern med dessa gränser. Då kan du se om histogrammet ligger väl inom dessa gränser.

På fig. Figur 4.12 visar ett histogram över förstärkningsvärden för 120 testade förstärkare som ett exempel. Specifikationerna för dessa förstärkare anger det nominella värdet på koefficienten S N för denna typ av förstärkare, lika med 10 dB. Specifikationerna anger också de tillåtna värdena för förstärkningen: den nedre gränsen för toleransen S L = 7,75 dB och toppen S v = 12,25 dB. I det här fallet, bredden på toleransfältet T lika med skillnaden mellan värdena för de övre och nedre toleransgränserna: T=S U/- S L.

Ris. 4.12.

Om du ordnar alla förstärkningsvärden i en rankad serie kommer de alla att ligga inom toleranszonen, vilket kommer att skapa illusionen att det inte finns några problem. När man konstruerar ett histogram blir det omedelbart uppenbart att även om fördelningen av förstärkningsfaktorer ligger inom toleransen är den tydligt förskjuten mot den nedre gränsen, och för de flesta förstärkare är värdet på denna kvalitetsparameter mindre än det nominella värdet. Detta ger i sin tur ytterligare information för vidare problemanalys.

Nästa kvalitetskontrollverktyg är scatterplot.

- ett verktyg som låter dig bestämma typen och närheten av sambandet mellan par av relevanta variabler.

Dessa två variabler kan syfta på:

• - till kvalitetsegenskapen och den faktor som påverkar den;
• – två olika kvalitetsegenskaper.
• – två faktorer som påverkar en kvalitetsegenskap.

För att identifiera sambandet mellan dem används ett spridningsdiagram, som även kallas ett korrelationsfält.

Användningen av ett spridningsdiagram i kvalitetskontrollprocessen är inte begränsat till att identifiera typen och närheten av sambandet mellan par av variabler. Spridningsdiagrammet används också för att identifiera orsak- och verkansamband mellan kvalitetsindikatorer och faktorer som påverkar dem (Fig. 4.13).

Ris. 4.13.

Konstruktionen av ett spridningsdiagram utförs i följande sekvens.

Steg 1. Samla ihop parad data ( x, på) mellan vilka du vill utforska förhållandet och placera dem i en tabell. Helst ns mindre än 25–30 datapar.

Steg 2: Hitta högsta och lägsta värden för X och y. Välj skalorna på de horisontella och vertikala axlarna så att båda längderna på arbetsdelarna är ungefär likadana, då blir diagrammet lättare att läsa. Ta från 3 till 10 graderingar på varje axel och använd runda siffror för enklare läsning. Om en variabel är en faktor och den andra är en kvalitetsegenskap, välj då en horisontell axel för faktorn X, och för att karakterisera kvaliteten - den vertikala axeln y.

Ethan 3. Rita en graf på ett separat pappersark och rita upp data på den. Om man i olika observationer får samma värden, visa dessa punkter antingen genom att rita koncentriska cirklar eller genom att rita en andra punkt bredvid den första.

Steg 4. Gör alla nödvändiga beteckningar: namnet på diagrammet; tidsintervall; antal datapar; namn och måttenheter för varje axel; namnet (och andra detaljer) på personen som gjorde detta diagram.

Se till att följande data som återspeglas i diagrammet är förståeligt för alla och inte bara den som gjorde diagrammet.

EXEMPEL 4.2

Det krävs att ta reda på effekten av värmebehandling av integrerade kretsar vid T= 120°C för tiden t = 24 timmar för att minska backströmmen sid-n-övergång ( jag arr). För experimentet togs 25 integrerade kretsar (k = 25) och värdena mättes jag arr, som ges i tabell. 4.4.

Tabell 4.4

Mätdata /varv|, integrerade kretsar

• 1. Hitta maximi- och minimivärden enligt tabellen X och på: maximala värden X = 92, på= 88; minimivärden x = 60, på = 57.
• 2. På grafen är värdena plottade längs x-axeln X, längs y-axeln - värden y. I detta fall görs längden på axlarna nästan lika

skillnaden mellan deras högsta och lägsta värden och placeras på skalans divisionsaxel. Utseendemässigt närmar sig grafen en kvadrat. I det aktuella fallet är skillnaden mellan högsta och lägsta värden 32 (92-60) för X och 31 (88-57) för y, därför kan intervallen mellan skalindelningar göras lika.

• 3. Plotta data i ordningsföljd av mätningar och spridningsdiagrampunkter på grafen.
• 4. Grafen anger antalet data, syfte, produktnamn, processnamn, artistnamn, schemadatum, etc. Det är också önskvärt att vid registrering av data vid mätningar även tillhandahålls åtföljande information som är nödvändig för vidare forskning och analys: namnet på mätobjektet, egenskaper, provtagningsmetod, datum, mättid, temperatur, luftfuktighet, mätmetod, typ av mätinstrument, operatörens namn, vem som utförde mätningarna (för detta prov), etc.

Ett exempel på att konstruera och analysera ett spridningsdiagram visas i fig. 4.14.

Ris. 4.14.

Spridningsdiagrammet låter dig visuellt visa arten av förändringen i kvalitetsparametern över tiden. För att göra detta, rita en bisektrik från koordinaternas ursprung. Om alla punkter ligger på bisektrisen betyder det att värdena för denna parameter inte har ändrats under experimentet. Faktorn (eller faktorerna) som övervägs påverkar därför inte kvalitetsparametern. Om huvuddelen av punkterna ligger under bisektrisen, betyder det att värdena för kvalitetsparametrarna har minskat under den senaste tiden. Om punkterna ligger ovanför bisektrisen, har värdena för parametern ökat under den övervägda tiden. Efter att ha dragit strålarna från ursprunget, motsvarande minskningen/ökningen av parametern med 10, 20, 30, 50%, är det möjligt att ta reda på frekvensen av parametervärdena i intervallen genom att räkna punkterna mellan raka linjer.

Pareto-diagram- ett verktyg som låter dig fördela ansträngningar för att lösa uppkommande problem och identifiera deras huvudorsaker, med eliminering av vilka du måste börja agera.

1897 föreslog den italienske ekonomen V. Pareto en formel som visar att kollektiva nyttigheter är ojämnt fördelade. Samma teori illustrerades i ett diagram av den amerikanske ekonomen M. Lorenz. Forskare har visat att i de flesta fall den största andelen av inkomst eller förmögenhet (80 %) tillhör ett litet antal människor (20 %).

Dr. D. Juran använde M. Lorenz-diagrammet för att klassificera kvalitetsproblem i få, men väsentliga, och många, men obetydliga. Han kallade denna metod Paretoanalys och påpekade att i de flesta fall beror de allra flesta defekter och tillhörande förluster på ett relativt litet antal orsaker. Samtidigt illustrerade han sina slutsatser med hjälp av ett diagram, som kallades Pareto-diagrammet.

I den dagliga verksamheten för kvalitetskontroll och ledning uppstår ständigt olika problem, associerade till exempel med utseendet på äktenskap, utrustningsfel, en ökning av tiden från frisläppandet av ett parti produkter till dess försäljning, närvaron av osålda produkter på lagret och reklamationer. Pareto-diagrammet låter dig fördela ansträngningar för att lösa nya problem och fastställa de viktigaste faktorerna från vilka du måste börja agera för att övervinna nya problem.

Det finns två typer av Pareto-diagram.

• 1. Paretodiagram baserat på prestanda. Detta diagram är avsett att identifiera huvudproblemet och återspeglar följande oönskade resultat av aktivitet:
  • kvalitet: defekter, haverier, fel, misslyckanden, klagomål, reparationer, produktretur;
  • primärkostnad: volym av förluster, kostnader;
  • leveranstider: lagerbrist, faktureringsfel, leveransförseningar;
  • säkerhet: olyckor, tragiska misstag, olyckor.
• 2. Paretodiagram av skäl. Detta diagram återspeglar orsakerna till problem som uppstår under produktionen och används för att identifiera de viktigaste:
  • utförare av arbetet: skift, team, ålder, arbetserfarenhet, kvalifikationer, individuella egenskaper;
  • utrustning: verktygsmaskiner, enheter, verktyg, utrustning, organisation av användning, modeller, stämplar;
  • råvaror: tillverkare, typ av råmaterial, leverantörsanläggning, parti;
  • arbetssätt: produktionsförhållanden, arbetsorder, arbetsmetoder, sekvens av operationer;
  • mätningar: noggrannhet (indikationer, avläsningar, instrumentella), trohet och repeterbarhet (förmågan att ge samma indikation i efterföljande mätningar av samma värde), stabilitet (repeterbarhet över en lång period), fognoggrannhet, d.v.s. tillsammans med instrumentets noggrannhet och kalibrering, typen av instrument (analogt eller digitalt).

Konstruktionen av Pareto-diagrammet består av följande steg (Fig. 4.15).

Steg 1: Bestäm vilka problem som ska undersökas och hur data ska samlas in.

• 1. Vilken typ av problem vill du undersöka? Till exempel defekta produkter, förlust av pengar, olyckor.
• 2. Vilka uppgifter ska samlas in och hur ska de klassificeras? Till exempel efter typer av defekter, efter platsen för deras uppkomst, av processer, av maskiner, av arbetare, av tekniska skäl, av utrustning, av mätmetoder och mätinstrument som används.

Notera. Sammanfatta de återstående sällsynta tecknen under den allmänna rubriken "annat".

3. Ställ in datainsamlingsmetod och period.

Notera. Om det är lämpligt, använd en särskild blankett.

Steg 2: Utveckla en checklista för dataregistrering som listar de typer av information som samlats in. Det måste tillhandahålla en plats för grafisk registrering av dessa kontroller.

Steg 3. Fyll i datainmatningsbladet och beräkna totalsummorna.

Steg 4. Utveckla en tom tabell för datakontroller, och tillhandahåll i den kolumner för totalsummorna för varje kontrollerad funktion separat, den ackumulerade summan av antalet defekter, procentandelar av totalen och ackumulerade procentsatser.

Steg 5. Ordna erhållna data för varje testfunktion i ordningsföljd och fyll i tabellen.

Notera. Den "övriga" gruppen ska placeras på sista raden, oavsett hur stort antalet visade sig vara, eftersom den består av en uppsättning funktioner, vars numeriska resultat för var och en är mindre än det minsta värdet som erhållits för funktionen som väljs på en separat rad.

Steg 6. Rita en horisontell och två vertikala axlar.

• 1. Vertikala axlar. Sätt en skala på vänster axel med intervaller från 0 till det tal som motsvarar totalsumman. En skala appliceras på höger axel med intervaller från 0 till 100 %.
• 2. Horisontell axel. Dela upp denna axel i intervall enligt antalet funktioner som ska kontrolleras.

Steg 7. Bygg ett stapeldiagram.

Steg 8. Rita en Pareto-kurva. För att göra detta, på vertikalerna som motsvarar de högra ändarna av varje intervall på den horisontella axeln, markera punkterna för de ackumulerade beloppen (resultat eller procent) och anslut dem med raka linjesegment.

Steg 9. Sätt alla symboler och inskriptioner på diagrammet.

• 1. Inskriptioner relaterade till diagrammet (titel, markering av numeriska värden på axlarna, namnet på den kontrollerade produkten, namnet på kompilatorn av diagrammet).
• 2. Datatexter (datainsamlingsperiod, forskningsobjekt och plats, totalt antal kontrollobjekt).

Med hjälp av Pareto-diagrammet kan du analysera de kvalitetsproblem som uppstår i företaget. När man använder den är den vanligaste analysmetoden den så kallade ABC-analys, vars essens vi kommer att överväga på ett exempel.

EXEMPEL 4.3

Antag att ett stort antal färdiga produkter av olika slag har samlats på lagret i ett företag. Samtidigt är alla produkter, oavsett typ och kostnad, föremål för kontinuerlig slutkontroll. På grund av den långa kontrolltiden försenas försäljningen av produkter, och företaget drabbas av förluster på grund av förseningar i leveranserna.

Vi kommer att dela upp alla färdiga produkter som lagras på lagret i grupper beroende på kostnaden för varje produkt (tabell 4.5).

Tabell 4.5

Data om tillgängligheten av produkter i lager

För att bygga ett Pareto-diagram och genomföra DVS-analys kommer vi att bygga en tabell med en ackumulering på upp till 100 % (tabell 4.6).

Tabell 4.6

Tabell över kumulativa frekvenser

Den kumulativa frekvenstabellen är konstruerad enligt följande.

Först hittas den totala kostnaden för produkter som summan av produkterna för värdena för klasscentra och antalet prover, multiplicera värdena i kolumn 1 och 2, dvs. den totala kostnaden är

95 × 200 + 85 × 300 + 75 × 500 + ... + 15 × 5000 + 5 × 12 500 = 465,0 miljoner rubel

Sedan sammanställs data från kolumn 3. Till exempel bestäms värdet från den första raden enligt följande: 95 × 200 = 19 miljoner rubel. Värdet från den andra raden bestäms enligt följande: 95 × × 200 + 85 × 300 = 44,5 miljoner rubel. etc.

Då hittas värdet på kolumn 4, som visar hur stor procentandel av den totala kostnaden som är data för varje rad.

Kolumn 6-data bildas enligt följande. Värdet på 0,8 från den första raden är antalet procentsatser som kan hänföras till det ackumulerade lagret av produkter (200) av det totala antalet prover (25 000). Värdet 2,0 från den andra raden representerar procentandelen av det ackumulerade lagret av produkter (200 + 300) av det totala beloppet.

Efter att ha utfört detta förberedande arbete är det inte svårt att konstruera ett Pareto-diagram. I ett rektangulärt koordinatsystem, längs abskissan, plottar vi produktens relativa frekvens n i /Ν, % (data från kolumn 6), och längs ordinataaxeln - den relativa kostnaden för dessa produkter Сi/St,% (data från kolumn 4). Genom att koppla de erhållna punkterna med raka linjer får vi Pareto-kurvan (eller Pareto-diagrammet), som visas i fig. 4.15.

Pareto-kurvan visade sig vara relativt jämn till följd av ett stort antal klasser. När antalet klasser minskar blir det mer trasigt.

Ris. 4.15.

Från analysen av Pareto-diagrammet kan man se att andelen av de dyraste produkterna (de första 7 raderna i tabellen), som är 20 % av det totala antalet prover som lagras i lagret, står för mer än 50 % av den totala kostnaden för alla färdiga produkter, och andelen av de billigaste produkterna som finns på den sista raden i tabellen och som står för 50 % av det totala antalet produkter i lager, står för endast 13,3 % av det totala värdet.

Låt oss kalla gruppen "dyra" produkter gruppen MEN, en grupp billiga produkter (upp till 10 tusen rubel) - en grupp MED, mellangrupp - grupp PÅ. Låt oss bygga ett bord ABC- analys av de erhållna resultaten (tabell 4.7).

Tabell 4.7

ABC-analys av resultaten från Pareto-diagrammet

Nu är det klart att kontrollen av produkter i lagret kommer att bli mer effektiv om kontrollen av prover av gruppen MEN kommer att vara den strängaste (kontinuerliga), och gruppprovskontrollen Med- selektiv.

En av de mest effektiva statistiska metoderna som ofta används i kvalitetsledningssystemet är metoden stratifiering eller delaminering. I enlighet med denna metod införs stratifieringen av statistiska data, d.v.s. gruppera data beroende på villkoren för deras mottagande och bearbeta varje grupp av data separat. Data indelade i grupper enligt deras egenskaper kallas lager (strata), och processen för indelning i lager (strata) kallas stratifiering (stratifiering).

Metod stratifiering av de statistiska data som studeras är ett verktyg som låter dig göra ett urval av data som återspeglar den information som krävs om processen.

Det finns olika delamineringsmetoder, vars tillämpning beror på specifika uppgifter. Exempelvis kan data relaterade till en produkt tillverkad i en butik på en arbetsplats variera något beroende på entreprenör, utrustning som används, arbetsmetoder, temperaturförhållanden etc. Alla dessa skillnader kan vara delamineringsfaktorer. Används ofta i tillverkningsprocesser metod 5M , som tar hänsyn till faktorer beroende på person ( man), bilar ( maskin), material (material), metod ( metod), mått ( mått).

Delaminering kan utföras enligt följande kriterier:

• stratifiering efter utförare - efter kvalifikationer, kön, arbetslivserfarenhet etc.
• skiktning av maskiner och utrustning - efter ny och gammal utrustning, varumärke, design, tillverkningsföretag, etc.
• delaminering enligt materialet - enligt produktionsplats, tillverkare, parti, kvalitet på råvaror etc.
• delaminering enligt produktionsmetoden - enligt temperatur, teknisk metod, produktionsplats, etc.
• stratifiering genom mätning - enligt mätmetoden, typen av mätinstrument eller deras noggrannhet, etc.

Denna metod är dock inte alltid lätt att använda. Ibland ger delaminering med en till synes uppenbar parameter inte det förväntade resultatet. I det här fallet måste du fortsätta att analysera data för andra möjliga parametrar på jakt efter en lösning på problemet.

Ishikawa-diagram (orsaks- och verkansdiagram)- ett verktyg som låter dig identifiera de viktigaste faktorerna (orsakerna) som påverkar det slutliga resultatet (konsekvensen).

Resultatet av processen beror på många faktorer, mellan vilka det finns relationer av typen: orsak - verkan (resultat). Orsak-effektdiagrammet är ett sätt att uttrycka dessa samband på ett enkelt och lättillgängligt sätt.

1953 sammanfattade en professor vid Tokyos universitet, Kaoru Ishikawa, medan han diskuterade ett kvalitetsproblem i en fabrik, ingenjörers åsikter i form av ett orsak-och-verkan-diagram. När diagrammet användes i praktiken visade det sig vara mycket användbart och blev snart allmänt använt i många företag i Japan, och blev känt som Ishikawa-diagrammet. Det har inkluderats i den japanska industristandarden ( JIS) om terminologin inom kvalitetskontrollområdet och definieras i den enligt följande: orsaks- och verkansdiagram - ett diagram som visar sambandet mellan en kvalitetsindikator och faktorer som påverkar den.

Om kvaliteten på produkten som ett resultat av processen visade sig vara otillfredsställande, då i orsakssystemet, d.v.s. någon gång i processen skedde en avvikelse från de angivna förutsättningarna. Om denna orsak kan hittas och elimineras, kommer endast högkvalitativa produkter att produceras. Dessutom, om du ständigt upprätthåller de angivna processförhållandena, kan du säkerställa bildandet av högkvalitativa produkter.

Det är också viktigt att det erhållna resultatet - kvalitetsindikatorer (dimensionell noggrannhet, renhetsgrad, värdet av elektriska kvantiteter, etc.) - uttrycks av specifika data. Med hjälp av dessa data används statistiska metoder för att styra processen, d.v.s. kontrollera systemet med orsaksfaktorer. Processen styrs alltså av kvalitetsfaktorn.

Schemat för orsak-och-verkan-diagrammet (Ishikawa-diagrammet) visas i fig. 4.16.

Kvalitetspoänginformation för kartläggning samlas in från alla tillgängliga källor; driftloggen, den aktuella styrdataloggen, meddelanden från produktionsanläggningsarbetarna etc. används. När man konstruerar ett diagram väljs de viktigaste faktorerna ur teknisk synvinkel. För detta ändamål används peer review i stor utsträckning. Det är mycket viktigt att spåra sambandet mellan orsaksfaktorer (processparametrar) och kvalitetsindikatorer. I detta fall är parametrarna lätt korrelerade. För att göra detta, när man analyserar produktdefekter, bör de delas in i slumpmässiga och systematiska, med särskild uppmärksamhet på möjligheten att identifiera och sedan eliminera, först och främst, orsakerna till systematiska defekter.

Ris. 4.16.

1 - ett system av orsaksfaktorer: 2 - de viktigaste produktionsfaktorerna; 3 - material; 4 - operatörer; 5 - utrustning; 6 - operationsmetoder; 7 - mätningar; 8 - process; 9 - konsekvens; 10 - kvalitetsparametrar; 11 - kvalitetsindikatorer; 12 - processkontroll genom kvalitetsfaktor

Det är viktigt att komma ihåg att kvalitetsindikatorerna som resultatet av processen kommer att variera. Sökandet efter faktorer som har en särskilt stor inverkan på spridningen av produktkvalitetsindikatorer (d.v.s. på resultatet) kallas forskning om orsakerna.

För närvarande används orsak-och-verkan-diagrammet, som är ett av de sju kvalitetskontrollverktygen, över hela världen i förhållande till inte bara produktkvalitetsindikatorer utan även till andra diagramområden. Proceduren för dess konstruktion består av följande huvudsteg.

Steg 1. Bestäm kvalitetspoängen, d.v.s. det resultat du vill uppnå.

Steg 2. Skriv ditt valda kvalitetsresultat i mitten av den högra kanten på ett tomt papper. Från vänster till höger, rita en rak linje ("ås") och omslut den inspelade indikatorn i en rektangel. Skriv sedan ner huvudorsakerna som påverkar kvalitetspoängen, omslut dem i rektanglar och anslut dem till "ryggraden" med pilar i form av "stora ben på åsen" (de främsta skälen).

Steg 3. Skriv de sekundära orsakerna som påverkar huvudorsakerna ("stora ben") och arrangera dem i form av "mellanben" intill de "stora". Skriv de tertiära orsakerna som påverkar de sekundära orsakerna och ordna dem som "små ben" intill de "mittenta".

Steg 4. Rangordna orsakerna (faktorerna) efter deras betydelse med hjälp av Pareto-diagrammet för detta, och markera de viktigaste som ska ha största inflytande på kvalitetspoängen.

Steg 5. Lägg all nödvändig information på diagrammet: dess namn; namn på produkten, processen eller gruppen av processer; namn på processdeltagare; datum osv.

På fig. 4.17 visar ett diagram byggt för att identifiera möjliga orsaker konsumenternas missnöje.

Ris. 4.17.

När du har slutfört diagrammet är nästa steg att rangordna orsakerna efter deras betydelse. Inte alla skäl som ingår i diagrammet kommer nödvändigtvis att ha en stark inverkan på kvalitetsresultatet. Lista bara de som du tror har störst effekt.

Alla ovanstående statistiska metoder gör det möjligt att fixa tillståndet i processen vid en viss tidpunkt. Däremot låter kontrolldiagrammetoden dig spåra processens tillstånd över tid och dessutom påverka processen innan den blir utom kontroll.

- ett verktyg som låter dig spåra processens förlopp och påverka den (med hjälp av lämplig feedback), vilket förhindrar dess avvikelser från kraven för processen.

Användningen av kontrolldiagram har följande mål:

• hålla värdet av en viss egenskap under kontroll;
• kontrollera processstabilitet;
• vidta omedelbara korrigerande åtgärder;
• kontrollera effektiviteten av de vidtagna åtgärderna.

Det bör dock noteras att de uppräknade målen är specifika för den aktuella processen. Under processens start används styrdiagram för att kontrollera processens möjligheter, d.v.s. dess förmåga att konsekvent upprätthålla de etablerade toleranserna.

Typiskt exempel kontrolldiagram visas i fig. 4.18.

Ris. 4.18.

När du konstruerar kontrolldiagram plottas värdena för den kontrollerade parametern på ordinataaxeln och tiden plottas på abskissaxeln. t provtagning (eller dess antal).

Varje kontrolldiagram består vanligtvis av tre linjer. Den centrala linjen representerar det erforderliga medelvärdet för egenskapen för den kontrollerade kvalitetsparametern. Så i fall ( X – R)-kartor, kommer dessa att vara de nominella (givna) värdena X och R, tillämpade motsvarande kort.

Två andra linjer, varav en är ovanför mitten - den övre kontrollgränsen (Kv eller UCL – Övre kontrollnivå), och den andra är den nedre kontrollgränsen (Kn eller LCL – Lägre kontrollnivå), är de högsta tillåtna gränserna för att ändra värdena för den kontrollerade egenskapen (kvalitetsindikatorn) för att betrakta processen som att den uppfyller kraven för den.

Om alla punkter motsvarar provmedelvärdena för den kontrollerade parametern och dess variabilitet och ligger inom kontrollgränserna utan att visa några trender, anses processen vara i ett kontrollerat tillstånd. Om de tvärtom faller utanför kontrollgränserna eller tar någon ovanlig form av lokalisering, anses processen vara utom kontroll.

Processen anses vara kontrollerad om de systematiska komponenterna i dess fel regelbundet identifieras och elimineras, och endast slumpmässiga komponenter av felen kvarstår, vilka som regel fördelas i enlighet med den normala (gaussiska) distributionslagen.

För en framgångsrik implementering av kontrolldiagram i praktiken är det viktigt att inte bara behärska tekniken för att sammanställa och underhålla dem, utan det är mycket viktigare att lära sig hur man "läser" diagrammet korrekt.

Placering av kontrollpunkter på x-map indikerar en ökning av urvalets medelvärde över tid. Och meningen X i det fjärde provet låg utanför kontrollgränsen, vilket tyder på att processen inte längre uppfyllde kraven vid den tidpunkt då det fjärde provet togs. Detta kunde dock ha undvikits om, på grundval av resultaten från de tre första proverna, när processen fortfarande var inom de fastställda gränserna, trenden för dess förändring redan var synlig, vilket tyder på en tydlig påverkan av systematiska fel, och lämpligt åtgärder vidtogs för att eliminera dem. Ett bra exempel på ett sådant systematiskt fel är skärarens tillstånd, vars rörelse under automatisk bearbetning av en del på en svarv inte tar hänsyn till dess avtrubbning.

Således hjälper kontrolldiagrammet inte bara att identifiera processens bristande överensstämmelse med konsumentens krav, utan också att förutse möjligheten att det inträffar i framtiden.

De verktyg vi har analyserat används i olika metoder för att bedöma produktkvalitet, vilket vi nu överväger.

• Efimov V.V., Bart T.V. Mazur I. I., Shapiro V. D. Fedyukin V.K. Kvalitetsledning av produktionsprocesser: lärobok. ersättning. M.: KnoRus, 2011.
• Gorbashko E.A. Mazur I. I., Shapiro V. D. Kvalitetsledning: lärobok. ersättning. Moskva: Omega-L, 2011; Shestopal Yu. T., Dorofeev V. D. Kvalitetsledning: lärobok. ersättning. Moskva: INFRA-M, 2011; Salimova T.A. Kvalitetsledning: lärobok. Moskva: Omega-L, 2010.
• Tebekin A.V. Kvalitetsledning: lärobok, 2011 Shestopal Yu. T., Dorofeev V.D. Kvalitetsledning: lärobok. ersättning. M. INFRA-M, 2011; Salimova T.A. Kvalitetsledning: lärobok. M. Omega-L, 2010.
• Gorbashko E.A. Kvalitetsledning: lärobok., 2012; Efimov V.V., Bart T.V. Statistiska metoder i produktkvalitetsledning: lärobok. ersättning. Moskva: KnoRus, 2012; Fedyunin V.K. Kvalitetsledning av produktionsprocesser: lärobok. ersättning. Moskva: KnoRus, 2011; Tebekin A.V. Agarkov A.P. Kvalitetsledning: lärobok. ersättning. Moskva: Dashkov i K°, 2009; Gerasimov V.I. Kvalitetsledning: lärobok. ersättning. Moskva: Forum, 2009; Feigenbaum A.V. Produktkvalitetskontroll. M.: Logos, 2004.
• Magomedov Sh. III., Bespalova G. E. Produktkvalitetshantering: lärobok. Moskva: Dashkov i K°, 2012; Freidipa E.V. Kvalitetsledning: lärobok. ersättning. Moskva: Omega-L, 2012; Gorbashko E.A. Kvalitetsledning: lärobok., 2012; Efimov V.V., Bart T.V. Statistiska metoder i produktkvalitetsledning: lärobok. ersättning. M.: KnoRus, 2012.
• Efimov V.V. Medel och metoder för kvalitetsledning: lärobok. ersättning. Moskva: KnoRus, 2012; Gorbashko E.A. Kvalitetsledning: lärobok., 2012; Mazur I. I., Shapiro V. D. Kvalitetskontroll; lärobok ersättning. Moskva: Omega-L, 2011.

Varje produktionsprocess inkluderar nödvändigtvis produktkvalitetskontroll, vars viktiga mål är att fastställa defekten och verifiera processen. Det finns olika tekniker för att göra detta, såsom tester, prövningar, jämförelser och så vidare.

Kvalitetskontroll - vad är det?

Denna term hänvisar till verifiering av kvalitetsindikatorer för överensstämmelse med befintliga krav, som är definierade normativa dokument: standarder, normer, regler och så vidare. Organiseringen av kvalitetskontroll innebär processen att erhålla information om objektet för att bestämma de parametrar som måste ligga inom specificerade gränser. Den består av input, produktion och systematisk styrning samt redovisning av modeller, prototyper och färdiga produkter.

Kvalitetskontrollmetoder

För att bestämma kvaliteten på produkterna används olika tekniker som, när de tillämpas, säkerställer att de önskade kvalitetsindikatorerna uppnås. Det finns olika typer av kvalitetskontroll, till exempel relaterade till identifiering av egenskaper programvara, stimulering av hans arbete, identifiering av kränkningar och så vidare. I de flesta fall används flera metoder i produktionen samtidigt, vilket är viktigt för att få ett högkvalitativt resultat.

Statistiska metoder för kvalitetskontroll

För att erhålla högkvalitativa produkter som ett resultat används ofta statistiska metoder, vars syfte är att eliminera de orsaker som orsakar slumpmässiga förändringar i kvalitetsindikatorer. Statistisk kvalitetskontroll är indelad i flera grupper, som har sina egna fördelar och nackdelar:

• selektiv kontroll genom att ändra egenskaper under mottagning;
• kvalitetskontroll på en alternativ skylt vid tidpunkten för antagning;
• metoder för reglering av den tekniska processen;
• standarder för acceptanskontroll;
• fortlöpande provtagningsplaner.

Teknisk kvalitetskontroll av produkter

För att förstå om en produkt eller process uppfyller befintliga krav utförs teknisk kontroll. Olika typer produktkvalitetskontroller används i olika produktionsled, till exempel under utvecklingen kontrollerar de om en prototyp passar de tekniska specifikationerna eller dokumentationen. Teknisk kontroll omfattar tre huvudsteg:

1. Insamling av primär information om objektet och dess specifika indikatorer.
2. Sekundärinformation visar möjliga avvikelser från de erforderliga parametrarna som anges vid sammanställning av primärinformation, med hänsyn tagen till planerade kriterier, normer och krav.
3. Utarbeta en rapport som innehåller de slutsatser som är nödvändiga för utvecklingen av kontrollåtgärder på det föremål som var under kontroll.

Intralaboratorisk kvalitetskontroll

Denna kontrollmetod förstås som en uppsättning åtgärder som syftar till att genomföra högkvalitativa kliniska prövningar i laboratoriet och förbättra deras egenskaper. Produktkvalitetskontroll görs för att utvärdera om resultatet av experimentet uppfyller de befintliga kriterierna. Det gäller alla typer av forskning.

Den presenterade metodiken syftar till att identifiera problem som löses först. För att göra detta kontrolleras processen, insamling, bearbetning och analys av mottagen information. De utvalda sju kvalitetskontrollverktygen är självförklarande och kan användas av en mängd olika yrkesmän. Tack vare dem kan du snabbt identifiera problemet och fundera över sätt att åtgärda det. Statistik visar att upp till 95 % av misslyckanden löses med deras hjälp. Kvalitetskontroll utförs med följande sju verktyg:

1. Checklistan används för att samla in data och organisera den för att underlätta vidare användning.
2. Histogrammet hjälper till att visuellt utvärdera fördelningen av statistiska data som har fördelats enligt frekvensen av att falla in i ett specifikt intervall.
3. Pareto-diagrammet representerar och identifierar objektivt huvudfaktorn som påverkar problemet som studeras, och fördelar ansträngningar för att utrota det.
4. Stratifieringsmetoden delar in data i undergrupper enligt ett specifikt attribut.
5. En scatterplot definierar typen och sambandet mellan variabler.
6. Ishikawa-diagrammet avslöjar de viktigaste orsakerna som påverkar det slutliga resultatet.
7. Kontrolldiagrammet hjälper till att spåra processens framsteg och inverkan på den. Tack vare detta kan det förhindras att avvika från de krav som ställs.

Organisation av kvalitetskontroll på företaget

För att produktionen av produkter helt ska uppfylla de krav som anges i dokumenten använder företaget ett system med tekniska och administrativa åtgärder. Kvalitetskontrollsystemet på företaget är baserat på följande villkor:

1. Noggrann bearbetning och modifiering av teknisk dokumentation, vilket är viktigt för produktion av högkvalitativa produkter.
2. Utveckling och behärskning av tekniska processer som är viktiga för produktion av produkter som helt kommer att överensstämma med designdokumentationen.
3. Kvalitetskontrollsystemet omfattar utveckling och inkludering i arbetet med åtföljande dokumentation. Den ska innehålla uppgifter om utförandet av kontrollmätningar.
4. Periodisk verifiering av noggrannheten hos mätinstrument och andra enheter som används i arbetet.
5. Inköp av högkvalitativa material och komponenter specificerade i den tekniska dokumentationen.
6. För kvalitetskontroll är det viktigt att den arbetande personalens kvalifikationer motsvarar de krav som ställs för befattningen.

Kvalitetskontrollavdelning

Den organisation som koordinerar kvalitetskontrollarbetet i företaget kallas kvalitetskontrollavdelningen (QC). Strukturen och personalen i denna organisation utvecklas med hänsyn till produktionens art och volym. Kvalitetskontrolltjänsten omfattar i de flesta fall laboratorier som utför analytisk, mikrobiologisk och farmakologisk kontroll. OCC utför följande funktioner:

• utför kontrolloperationer enligt den tekniska processen;
• utför inkommande kvalitetskontroll av material som kommer utifrån;
• upprättar dokument som bekräftar att den färdiga produkten uppfyller kraven;
• deltar i produkttestning;
• analyserar och registrerar äktenskap;
• deltar i beredningen av produkter för certifiering;
• bidrar till utvecklingen av det tekniska styrsystemet och så vidare.

Kvalitetskontrollingenjör

En av nyckelpositionerna i företaget är ingenjören för produktkvalitetskontroll, eftersom det beror på hans korrekta arbete om produkten kommer att accepteras av konsumenten. Kvalitetskontrollspecialisten ska ha en professionell teknisk eller högre utbildning inom branschen. Hans huvudsakliga ansvarsområden är: kontroll av arbetet i företagets divisioner, efterlevnad av säkerhetsföreskrifter, säkerställande av att produkter/tjänster överensstämmer med befintliga krav. Dessutom analyserar han anspråk på kvalitet som kommer från sidan.

Sju kvalitetsstyrningsverktyg (enkla kvalitetsverktyg, sju nya kvalitetsstyrningsverktyg) identifierades 1979 av Union of Japanese Scientists and Engineers (JUSE) som ett komplement till de sju enkla statistiska metoderna. De är logiska verktyg som låter dig analysera eventuella händelser, problem etc. i en visuell, grafisk form.

De sju kvalitetsstyrningsverktygen är:

• affinitetsdiagram;
• länkdiagram;
• träddiagram (beslutsträd);
• matrisdiagram eller kvalitetsdiagram;
• pil (nätverk) diagram;
• processdiagram (PDPC);
• prioritetsmatris (analys av matrisdata).

jag Vad är den viktigaste skillnaden mellan denna grupp av verktyg och de sju enkla statistiska verktygen?

Ett affinitetsdiagram är ett verktyg som låter dig organisera mycket verbala data (idéer, konsumentönskemål, gruppåsikter, etc.) enligt principen om affinitet. Detta diagram kallas ofta för KJ-metoden, efter namnet på dess grundare - Jiro Kawakita. Ett affinitetsdiagram tjänar till att gruppera många liknande eller relaterade idéer, snarare illustrerar det föreningarän logiska samband. Den används när det är nödvändigt att organisera en stor mängd data, samt stimulera den kollektiva kreativa processen.

Ris. 6.18

bibliotek

Procedur för att sammanställa ett affinitetsdiagram:

• 1. definition av objektet för datainsamling;
• 2. datainsamling genom brainstorming. Uppgifter om kvitton registreras på klistermärken och klistras på ett stort ark eller tavla;
• 3. gruppering av relaterade data efter anvisningar. Enligt principen om släktskap kombineras uppgifterna i grupper genom att lägga till klistermärken.

Ett länkdiagram (länkdiagram) låter dig identifiera logiska samband mellan huvudidén, problemet och olika data. Till skillnad från ett affinitetsdiagram, som kräver kreativt, associativt tänkande för att konstruera, är ett länkdiagram logisk verktyg.

Länkdiagrammet används i de fall där:

• ämnet är så komplext att kopplingar mellan olika idéer inte kan etableras genom vanlig diskussion;
• sekvensen av steg i tid är kritisk;
• Det finns en misstanke om att problemet som studeras är en del av ett mer grundläggande problem, som inte berörs i det här fallet Problem.

Det finns två typer av länkdiagram:

• kvalitativ anslutningsgraf;
• kvantitativ graf över samband.

Ris. 6.19

En kvalitativ länkgraf etablerar ett samband mellan olika faktorer. En kvantitativ relationsgraf är utformad för att bestämma inverkan av flera faktorer på varandra. Det används ofta för att bestämma rollen för en faktor (orsak eller verkan): om en faktor har fler utgående pilar än inkommande pilar, så är detta en orsak, annars är det en konsekvens.

Ris. 6.20

Ett träddiagram (målträd, systematiskt diagram) är ett verktyg som ger ett systematiskt sätt att lösa ett betydande problem eller central idé som presenteras på olika nivåer. Till skillnad från affinitetsdiagrammet och länkdiagrammet är detta verktyg mer riktat.

Målträdet är byggt i form av ett flersteg hierarkisk struktur vars element är t.ex. olika medel och sätt att lösa problemet. Proceduren för dess konstruktion liknar den som beskrivs ovan för affinitetsdiagrammet. Men i det här fallet måste föremålet som studeras vara exakt definierat och erkänt.

En variant av att konstruera ett träddiagram för att lösa ett problem kallas orsaksanalys (Five Whys-metoden). Ett träddiagram kan också byggas för att identifiera kundkrav, för att sammanställa en lista över aktiviteter för att förbättra prestanda, etc.

Ris. 6.21

Matrisdiagrammet låter dig identifiera betydelsen av olika relationer. Detta verktyg tjänar till att organisera stora mängder data och låter dig grafiskt visa de logiska relationerna mellan olika element.

Syftet med ett matrisdiagram är att skildra sambanden mellan uppgifter, funktioner och egenskaper, och att identifiera deras relativa betydelse. Därför återspeglar matrisdiagrammet i den slutliga formen överensstämmelsen mellan vissa faktorer och fenomen till de olika orsakerna till deras förekomst och sätten att eliminera deras konsekvenser, och visar också graden av beroende av dessa faktorer på orsakerna till deras förekomst och åtgärder att eliminera dem. Sådana matrisdiagram kallas anslutningsmatriser.

Ris. 6.22

I praktiken används olika former av relationsmatrisen beroende på antalet grupper av variabler som studeras:

• L-former (variabler - 2, direkta anslutningar - 1, indirekt - nej);
• T-former (variabler - 3, direkta anslutningar - 2, indirekta -
• Y-former (variabler - 3, direkta anslutningar - 3, indirekta - nej);
• X-former (variabler - 4, direkta anslutningar - 4, indirekta -
• "tak" (variabler - 1, direkta anslutningar - nej, indirekt - nej).

Det vanligaste är matrisdiagrammet i L-form, som ofta kallas för "kvalitetstabellen". I detta fall presenteras två sammanhängande grupper av komponenter i matrisens rader respektive kolumner, med hjälp av vilka det är nödvändigt att upprätta en koppling mellan de individuella komponenterna.

2 Vilka kvalitetsledningsverktyg som du redan känner använder matrisdiagram?

Ett pildiagram (nätverk) används för att planera den optimala timingen för alla nödvändigt arbete för att uppnå det uppsatta målet. Användningen av detta verktyg är endast möjlig efter att ha identifierat problem, bestämma de nödvändiga åtgärderna, villkoren och stadierna av deras genomförande.

Pildiagrammet är ett diagram över arbetets framsteg med en indikation på sekvensen och tidpunkten för deras implementering och tjänar till att lösa optimeringsproblem. Detta verktyg är lånat från operationsforskningsmetoder och används i stor utsträckning inte bara vid planering utan också i den efterföljande övervakningen av arbetets framsteg.

Det finns flera metoder för att konstruera ett nätverksdiagram, beroende på orienteringen till processer eller händelser:

• CPM-metod (Critical Path Method);
• PERT-metod (Program Evaluation and Review Technique);
• MPM-metoden (Metra Potential Method).

Den vanligaste är den kritiska vägmetoden (CPM-metoden), som kan representeras grafiskt som Gantt-diagram eller nätverksgraf. En nätverksgraf är att föredra, eftersom den tydligare återspeglar sekvensen av åtgärder och effekten av en viss operation på utförandet av efterföljande.

Ris. 6.23

Ris. 6.24

Ett processdiagram (Process Decision Program Chart - PDPC, process flow diagram, Dznro Kondo-metoden) är ett diagram som återspeglar sekvensen av åtgärder och beslut som krävs för att erhålla det önskade resultatet.

Den mest effektiva tillämpningen av processdiagrammet:

• vid utveckling av nya program. I det här fallet låter processdiagrammet dig planera och följa sekvensen av åtgärder, analysera händelsen eventuella problem;
• med möjlighet till större fel i planeringen av processen. Processdiagrammet låter dig analysera alla åtgärder, förutsäga oönskade resultat och utföra lämpliga åtgärder i förväg.

justeringar.

Ris. 6,25

1 Vad är skillnaden mellan situationerna för att använda ett processdiagram och ett pildiagram?

Prioritetsmatris (analys av matrisdata)

är avsedd för bearbetning av stora numeriska arrayer som erhålls under konstruktionen av matrisdiagram. Med hjälp av multivariat statistisk analys identifieras prioriterade data. Denna metod används i de fall det är nödvändigt att presentera numeriska data från matrisdiagram i en mer visuell form. Ett exempel på att använda matrisdataanalys är att identifiera

betydelse specifikationer inom QFD-teknik (Quality Function Deployment).

Ris. 6,26

• Vilket annat kvalitetsstyrningsverktyg använder en liknande datapresentationsprincip? Vad är den väsentliga skillnaden mellan dessa verktyg?