Навігація
Головна
ПОСЛУГИ
Авторизація/Реєстрація
Реклама на сайті
 
Головна arrow Товарознавство arrow Управління якістю
< Попередня   ЗМІСТ   Наступна >

Приклади застосування

Визначання невизначеності вимірювання

Кількісне подання невизначеності вимірювання може бути корисним для підтримання організацією впевненості замовників (внутрішніх чи зовнішніх) у тому, що її процеси вимірювання здатні належним чином вимірювати рівень якості, який має бути досягнуто. Аналіз невизначеності вимірювання може часто допомогти виявити мінливість у сферах, критичних для якості продукції, і тому стимулювати організацію на виділення ресурсів до цих сфер для поліпшування або підтримування якості.

Вибирання нових засобів вимірювання

Аналіз вимірювання може допомогти у вибиранні нового засобу вимірювання через дослідження частки варіації, пов'язаної із засобом вимірювання.

Визначання характеристик окремого методу (вірогідність, точність, повторюваність, відтворюваність тощо)

Це дає змогу вибирати найприйнятніший(-і) метод(и) вимірювання. використання якого має сприяти забезпеченню якості продукції. Це також може дати змогу організації збалансувати вартість та ефективність різних методів вимірювання залежно від їх впливу на якість продукції.

Перевіряння на якість проведення вимірювання

Систему вимірювання організації можна оцінити та кількісно подати через порівняння її результатів вимірювання з результатами, отриманими в інших системах вимірювання. Поряд із забезпеченням впевненості замовників це також може допомогти організації у поліпшенні її методів або підготовки її персоналу щодо проведення аналізу вимірювання.

Аналіз можливості процесу – це дослідження притаманної мінливості та розподілу процесу задля оцінювання спроможності процесу давати результат, який відповідає діапазону змін, дозволеному технічними умовами.

Якщо дані є вимірними змінними (продукції чи процесу), притаманну мінливість процесу подають як "розкид" процесу, коли останній перебуває в стані статистичного контролю і зазвичай вимірюють як шість середніх квадратичних відхилів (бо) розподілу процесу. Якщо дані процесу є нормально розподіленою ("дзвоноподібною" за формою) змінною, цей розкид охоплюватиме (теоретично) 99,73 % сукупності.

Можливість процесу можна подати як індекс, який пов'язує фактичну мінливість процесу з допуском, дозволеним технічними умовами. Широко використовуваним індексом можливості для змінних даних є Ср (коефіцієнт сукупного допуску, поділений на 6σ), що є мірою теоретичної можливості процесу, який повністю зцентровано між допустимими межами. Ще одним широко використовуваним індексом є Срк, що описує фактичну можливість процесу, який може чи не може бути зцентровано; Срк особливо стосовно до ситуацій, пов'язаних з односторонніми допусками. Існують інші індекси можливості, розроблені для кращого врахування коротко- та довгострокової мінливості, а також коливань навколо передбаченого цільового значення досліджуваної характеристики процесу.

Якщо дані процесу містять "якісні ознаки" (наприклад, відсоток невідповідності або кількість невідповідностей), можливість процесу подають як середню частку невідповідних одиниць або як середній показник невідповідностей.

Призначеність методу. Аналіз можливості процесу використовують для оцінювання можливості процесу давати результати, які постійно відповідають технічним умовам, та для розрахунку кількості невідповідної продукції, яку можна очікувати.

Цю концепцію можна застосовувати до оцінювання можливості будь-якого складника процесу, наприклад, конкретної машини. Аналіз "можливості машини" можна використовувати, наприклад, для оцінювання конкретного устаткування або для оцінювання його внеску до загальної можливості процесу.

Переваги аналізування можливості процесу забезпечує оцінювання притаманної мінливості процесу та розрахунок очікуваного відсотка невідповідних виробів. Це дає змогу організації оцінити витрати, пов'язані з невідповідністю, і може допомогти обґрунтувати рішення щодо поліпшування процесу.

Установлення мінімальних нормативних показників щодо можливості процесу може стимулювати організацію вибирати процеси та устаткування, які б забезпечували виробництво прийнятної продукції.

Обмеження та застороги. Поняття можливості процесу застосовують тільки до процесу в стані статистичного контролю.

Тому аналіз можливості процесу треба никонувати в безпосередньому зв'язку з метолами контролю, щоб забезпечувати постійне перевіряння заходів контролю.

Оцінювання відсотка невідповідної продукції є підставою для висування припущень стосовно нормальноеті закону розподілу. Якщо на практиці це не реалізовано, то до таких оцінок треба ставитися обережно, особливо в разі процесів з високими коефіцієнтами можливості.

Індекси можливості можуть бути оманливими, якщо розподіл процесу значною мірою не є нормальним. Оцінювання відсотка невідповідних одиниць треба базувати на методах аналізування. розроблених для відповідних розподілів у разі таких даних. Гак само у разі процесів, для яких характерні систематичні невипадкові причини варіації, наприклад, зношення інструментів, треба використовувати спеціалізовані підходи для розрахунку й тлумачення можливості.

Приклади застосування. Можливість процесу використовують для встановлення раціональних інженерних вимог до виготовлюваної продукції, забезпечуючи, щоб коливання характеристик складників узгоджувалися з дозволеним нарощуванням допусків у складної продукції. І навпаки, якщо необхідні жорсткі допуски, від виробника складників вимагають досягнення встановлених рівнів можливості процесу, щоб забезпечувати високий вихід продукції з мінімальними відходами.

Високі рівні можливості процесу (наприклад. Ср > 2) інколи використовують на складниковому та підсистемному рівні для досягнення бажаної сукупної якості та надійності складних систем.

Аналіз можливості машини використовують для оцінювання спроможності машини виробляти продукцію чи функціонувати відповідно до встановлених вимог. Це корисно під час прийняття рішення щодо закупівлі чи ремонту.

Виробники автомобілів, авіаційно-космічної техніки, електронної апаратури, харчових продуктів, фармацевтичної продукції та медичних приладів зазвичай використовують можливість процесу як основний критерій для оцінювання постачальників і продукції. Це дає змогу виробникові звести до мінімуму безпосереднє перевіряння закуповуваних продукції та матеріалів.

Деякі промислові підприємства та підприємства сфери послуг відслідковують індекси можливості процесу, щоб визначати потребу в поліпшуванні процесу або перевіряти результативність такого поліпшення.

Регресійний аналіз виявляє залежність досліджуваної характеристики (зазвичай називають "змінна відгуку") від потенційно причинних чинників (що їх зазвичай називають "пояснювальні змінні"). Такий зв'язок установлюють моделлю, джерелом походження якої можуть бути наука, економіка, техніка тощо, або його можна отримати емпірично. Призначення його – допомогти зрозуміти потенційну причину варіації у відгуку та пояснити, наскільки вагомим є внесок кожного чинника до цієї варіації. Цього досягають статистичним пов'язуванням варіації у змінній відгуку з варіацією в пояснювальних змінних та отриманням найкращої узгодженості через мінімізацію розходження між очікуваним і фактичним відгуком.

Сфера застосування. Регресійний аналіз дає змогу користувачеві:

  • – перевіряти гіпотези стосовно впливу потенційних пояснювальних змінних на відгук та використовувати цю інформацію, щоб описати оцінювану зміну у відгуку для заданої зміни в пояснювальній змінній:
  • – прогнозувати значення змінної відгуку для конкретних значень пояснювальних змінних;
  • – прогнозувати (зі встановленою довірчою ймовірністю) діапазон значень, у межах якого очікують відгук, за наявності конкретних значень для пояснювальних змінних;
  • – оцінити напрям і ступінь зв'язку між змінною відгуку та пояснювальною змінною (хоча такий зв'язок не припускає причинності). Таку інформацію можна використати, наприклад, для визначання впливу змінювання окремого чинника, наприклад, температури, на результат процесу, тоді як інші чинники залишаються сталими.

Переваги регресійного аналізу визначаються тим, що метод дає можливість зрозуміти зв'язок між різними чинниками та досліджуваним відгуком, і таке розуміння може допомогти прийняти рішення, пов'язані із досліджуваним процесом і, зрештою, поліпшити процес.

Регресійний аналіз забезпечує краще розуміння проблем завдяки його здатності стисло описувати типи даних відгуку, порівнювати різні, але пов'язані між собою підмножини даних, та аналізувати потенційні причинно-наслідкові зв'язки. Якщо зв'язки змодельовані добре, регресійний аналіз може забезпечити оцінювання відносних величин впливу пояснювальних змінних, а також відносної сили цих змінних. Ця інформація потенційно корисна для контролювання результатів процесу чи їх поліпшування.

Регресійний аналіз може також забезпечити оцінювання величини та джерел впливів на відгук, зумовлюваних чинниками, які або не виміряні, або не розглянуто під час аналізування. Цю інформацію можна використати для поліпшування системи вимірювання чи процесу.

Регресійний аналіз можна використовувати для того, щоб передбачити значення змінної відгуку для заданих значень одної чи декількох пояснювальних змінних; так само його можна використовувати для прогнозування впливу змін у пояснювальних змінних на наявний чи передбачений відгук. Проведення такого аналізу може бути корисним перед інвестуванням часу чи коштів у розв'язання проблеми, якщо результативність дії невідома.

Обмеження та застороги. Моделюючи процес, потрібно вміти визначати придатну модель регресії (наприклад, лінійну, експоненційну чи багатомірну) і використовувати діагностику для поліпшування моделі. Наявність неврахованих змінних, похибки(-ок) вимірювання та інших джерел непоясненої варіації у відгуку можуть ускладнити моделювання. Припущення, що лежать в основі регресійної моделі, про яку йдеться мова, та характеристики доступних даних визначають метод оцінювання, придатний для проблеми регресійного аналізу.

Інколи під час розробляння регресійної моделі виникає проблема наявності даних, вірогідність яких є сумнівною. Вірогідність таких даних треба, за можливості, досліджувати, оскільки внесення даних до аналізу чи упущення даних з аналізу може впливати на оцінювання параметрів моделі і, в зв'язку з цим, на відгук.

Під час моделювання важливо спрощувати модель, мінімізуючи кількість пояснювальних змінних. Внесення зайвих змінних може спотворювати вплив пояснювальних змінних і знижувати точність прогнозів на основі моделі. Проте неврахування важливої пояснювальної змінної може суттєво обмежувати модель і корисність результатів.

Регресійний аналіз використовують для моделювання виробничих характеристик, таких як вихід продукції, продуктивність, якість виконання, тривалість циклу, ймовірність невдалого випробування чи перевірки, різні типи невідповідностей у процесах. Регресійний аналіз використовують для визначання найважливіших чинників у цих процесах і величину та характер їх внеску до варіації досліджуваної характеристики.

Регресійний аналіз використовують для прогнозування результатів експерименту або керованого перспективного чи ретроспективного дослідження змін у матеріалах чи в умовах виробництва. Його застосовують для перевіряння заміни одного методу вимірювання іншим, наприклад, замінюючи руйнівний чи тривалий метод на неруйнівний чи пришвидшений.

Прикладами застосування нелінійної регресії є: моделювання концентрації ліків як функції від віку та ваги обстежуваної особи; моделювання хімічних реакцій як функції від часу, температури та тиску.

Аналіз надійностіце застосування технічних і аналітичних методів для оцінювання, прогнозування та забезпечування безвідмовного у часі функціонування досліджуваної продукції чи системи.

Методи, використовувані в аналізі надійності, часто вимагають використання статистичних методів для опрацювання невизначеностей, випадкових характеристик чи ймовірностей виникнення (відмов тощо) у часі. Такий аналіз, зазвичай, передбачає використання відповідних статистичних моделей для характеризування досліджуваних змінних, зокрема напрацювання до відмови або напрацювання між відмовами. Параметри цих статистичних моделей розраховують з емпіричних даних, отриманих під час лабораторного, заводського чи польового випробовування.

Аналіз надійності охоплює й інші методи (зокрема аналіз типу та наслідків відмов), зосереджені на фізичній сутності та причинах відмови і на попередженні чи зменшенні відмов.

Аналіз надійності використовують, щоб:

  • – перевірити дотримання встановлених мір надійності на основі даних обмеженого за часом випробування та охоплення встановленої кількості випробовуваних одиниць;
  • – спрогнозувати ймовірність безвідмовного функціонування або інших мір надійності, таких як інтенсивність відмов або середнє напрацювання між відмовами складників чи систем;
  • – змоделювати розподіли відмов і робочих сценаріїв функціонування продукції чи надання послуги;
  • – забезпечити статистичними даними про проектні параметри, наприклад, пружність і міцність, що корисні для ймовірнісного проектування;
  • – визначити критичні складники або складники підвищеного ризику та ймовірних видів і механізмів відмов, а також для сприяння пошуку причин і запобіжних заходів.

Статистичні методи, використовувані в аналізі надійності, дають змогу додавати статистичні довірчі рівні до розрахунків параметрів розроблюваних моделей надійності, а також до прогнозів на основі цих моделей.

Переваги. Аналіз надійності забезпечує кількісну міру функціонування продукції (надання послуги) до відмови (переривання послуги). Дії в цій сфері тісно пов'язані зі зменшенням ризику під час функціонування системи. Надійність є також впливовим чинником у сприйнятті якості продукції чи послуги, а також у задоволеності замовника.

Переваги використовування статистичних методів в аналізі надійності:

  • – здатність прогнозувати та кількісно подавати ймовірність відмов та інші міри надійності у встановлених довірчих межах;
  • – розуміння сутності, що сприяє прийняттю рішень стосовно різних альтернатив проектування, використовуючи різні стратегії резервування й послаблення;
  • – розробляння об'єктивних критеріїв приймання чи бракування під час випробовування на відповідність для підтвердження виконання вимог до надійності;
  • – змога планувати оптимальні графіки профілактичного технічного обслуговування та заміни устаткування, на основі аналізу надійності із залученням даних про функціонування продукції, обслуговування та зношення;
  • – можливість поліпшування проектування задля економного досягнення заданого рівня надійності.

Обмеження та застороги. Основне припущення в аналізі надійності полягає у тому, що функціонування досліджуваної системи можна коректно охарактеризувати статистичним розподілом. Тому точність розрахунку надійності залежатиме від вірогідності цього припущення.

Складність аналізу надійності зростає у випадку значної кількості видів відмов, які можуть відповідати чи не відповідати тому самому статистичному розподілу. Крім того, якщо кількість відмов, спостережених під час випробовування на надійність, є малою – це може значно вплинути на статистичну вірогідність і точність, пов'язані з розрахунками надійності.

Умови, за яких виконують випробування на надійність, є критично важливими, особливо якщо випробування передбачає певну форму "пришвидшеної напруженості" (тобто, напруженість, що значно більша за напруженість, яку зазнає продукція за нормальних умов використання). Іноді важко визначити зв'язок між відмовами, що їх спостерігають під час випробовування, і показниками функціонування продукції за нормальних робочих умов, і це може збільшувати невизначеність у прогнозуваннях надійності.

Типові приклади застосування аналізу надійності:

  • – перевіряння того, що складники або продукція можуть задовольняти встановлені вимоги до надійності;
  • – прогнозування витрат упродовж життєвого циклу продукції на основі аналізу надійності, використовуючи дані випробувань нової продукції, перед її освоєнням;
  • – настанови щодо прийняття рішення про виготовлення продукції або закупівлю готової продукції, базуючись на аналізі її надійності й оціненому впливі на плани постачання та вторинні витрати, пов'язані з прогнозованими відмовами;
  • – прогнозування технологічної готовності програмних продуктів, базуючись на результатах випробувань, поліпшенні якості та підвищенні надійності, а також розробляння планів випуску програмного забезпечення відповідно до вимог ринку;
  • – визначання переважаючих характеристик зношеності продукції для сприяння поліпшуванню проектування продукції або для розроблення відповідного графіка технічного обслуговування та планування необхідних ресурсів.

Вибіркові методи це систематична статистична методика отримання інформації про певну характеристику генеральної сукупності через дослідження репрезентативної частки (тобто вибірки) цієї сукупності. Існують різні методи відбирання, що їх можна застосовувати (наприклад, просте випадкове відбирання, розшароване відбирання, систематичне відбирання, послідовне відбирання, відбирання з пропуском партій), і вибирання методу залежить від цілі відбирання та умов, за яких його має бути проведено.

Сфера застосування. Вибіркові методи можна умовно поділити на дві сфери, які не заперечують одна одну: "приймальний вибірковий контроль" і "спостережний вибірковий контроль".

Приймальний вибірковий контроль стосується прийняття рішення щодо приймання чи не приймання "партії" (тобто згрупованих одиниць), базуючись на результаті вибірки, взятої з цієї партії. Існує великий обсяг планів приймального вибіркового контролю для конкретних вимог і застосувань.

Спостережний вибірковий контроль використовують під час перелічувального або аналітичного досліджень для розрахунку значень одної чи декількох характеристик у генеральній сукупності, або для оцінювання того, як ці характеристики розподілено за сукупністю. Спостережний вибірковий контроль часто поєднують з опитуванням, під час якого збирають інформацію про думку людей щодо об'єкта спостерігання, наприклад, опитування замовників. Його можна однаково застосовувати до збирання даних для інших цілей, наприклад, аудитів.

Спеціалізованою формою спостережного вибіркового контролю є дослідницький вибірковий контроль, що його використовують у перелічувальних дослідженнях для отримання інформації про характеристику(-и) генеральної сукупності або підмножини цієї сукупності. Таким є виробничий вибірковий контроль, який можна здійснювати, наприклад, для аналізу можливості процесу.

Іншим застосуванням є об'ємне вибіркове обстеження матеріалів (наприклад, мінералів, рідин і газів), для якого розроблено плани вибіркового контролю.

Переваги. Належним чином побудований план вибіркового контролю забезпечує економію часу, коштів і трудових ресурсів порівняно зі збиранням даних про всю сукупність чи із суцільним контролем партії. Якщо контроль продукції передбачає проведення руйнівного випробовування, то вибірковий контроль стає єдиним практичним способом отримання суттєвої інформації.

Вибіркові методи забезпечують економний і оперативний спосіб отримання попередньої інформації стосовно значення або розподілу досліджуваної характеристики в сукупності.

Обмеження та застороги пов'язані з тим, що складаючи план вибіркового контролю особливу увагу треба приділяти рішенням щодо обсягу вибірки, частоти відбирання, відбирання проб, основи розподіляння на підгрупи і різних інших аспектів методики вибіркового контролювання.

Вибіркові методи вимагають, щоб вибірку отримували неупереджено, тобто, щоб вибірка була репрезентативною щодо генеральної сукупності, з якої її беруть. Невиконання цієї вимоги призведе до неправильного оцінювання характеристик генеральної сукупності. У разі приймального вибіркового контролю нерепрезентативні вибірки можуть призвести до неспричиненого необхідністю бракування партій прийнятної якості, або до небажаного приймання партій неприйнятної якості.

Навіть якщо вибірки неупереджені, інформація, отримана з вибірок, має певний ступінь похибки. Величину цієї похибки можна зменшити, беручи більший обсяг вибірки, але уникнути її неможливо. Залежно від конкретного випадку й умов проведення вибіркового контролю обсяг вибірки, потрібної для досягнення бажаної довірчої ймовірності та точності, може бути надто великим, щоб мати практичну цінність.

Спостережний вибірковий контроль часто застосовують у дослідженнях ринку для розрахунку частки населення, яка може купити конкретну продукцію. Його також застосовують під час проведення аудитів матеріально-виробничих запасів для розрахунку відсотка виробів, які задовольняють установлені критерії.

Вибіркові методи використовують для проведення технологічних перевірок операторів, машин чи продукції задля моніторингу варіації та визначання коригувальних і запобіжних дій.

Вибіркові методи широко використовують у промисловості для забезпечення певного рівня гарантування того, що вхідні матеріали відповідають заданим вимогам.

За допомогою об'ємного вибіркового обстеження можна провадити розрахункове оцінювання кількості чи властивостей складників у масі матеріалів (наприклад, мінералів, рідин і газів).

Імітаційне моделювання – це збірний термін стосовно процедур, за допомогою яких комп'ютерною програмою математично подають (теоретичну чи емпіричну) систему для розв'язання певної задачі. Якщо подання містить поняття теорії ймовірності, зокрема випадкових змінних, моделювання може бути названо "методом Монте-Карло".

Сфера застосування. У контексті теоретичної науки імітаційне моделювання використовують тоді, коли вичерпна теорія для розв'язання задачі невідома (або відома, але задачу неможливо чи важко розв'язати) і коли розв'язок можна отримати за допомогою комп'ютера. В емпіричному контексті моделювання використовують, якщо систему можна адекватно описати комп'ютерною програмою. Моделювання також є корисним інструментом для викладання статистики.

Завдяки розвитку відносно недорогої обчислювальної техніки застосування моделювання поширюється на ті задачі, що їх раніше не розглядали.

Переваги методу зумовлені тим, що у межах теоретичних наук імітаційне моделювання (зокрема, метод Монте-Карло) використовують, якщо явний розрахунок розв'язків задач неможливий або занадто громіздкий для безпосереднього виконання (наприклад, "-мірне інтегрування). Аналогічно, в емпіричному контексті, моделювання використовують, якщо емпіричні дослідження неможливі чи занадто дорогі. Перевагою моделювання є те, що воно уможливлює розв'язання задач з економією часу та коштів або отримання розв'язку взагалі.

Використання моделювання у викладанні статистики обумовлено його можливістю ефективно ілюструвати випадкову варіацію.

Обмеження та застороги. У межах теоретичної науки докази, основані на концептуальному міркуванні, мають переважати над моделюванням, оскільки моделювання часто не забезпечує розуміння причин результату.

Обмеженість комп'ютерного моделювання емпіричних моделей полягає в тому, що модель може не бути адекватною (тобто не може достатньо представляти задачу). Тому його не можна вважати заміною реально виконуваних емпіричних досліджень та експериментування.

У масштабних проектах (зокрема, космічній програмі) зазвичай використовують метод Монте-Карло. Застосування не обмежено будь-якими конкретними галузями промисловості. Типовими сферами застосування є: побудова довірчих меж, моделювання процесу, оптимізація системи, теорія надійності й прогнозування. Деякі конкретні види застосування:

  • – імітаційне моделювання варіації в механічних складених вузлах;
  • – імітаційне моделювання профілів вібрації в складених вузлах;
  • – визначання оптимальних графіків профілактичного технічного обслуговування;
  • – проведення вартісного та іншого аналізування в процесах проектування й виробництва для оптимізації розподіляння ресурсів.

Карти статистичного контролю процесу (SPC карти) – це графік даних, отриманих із періодично відібраних з процесу вибірок і послідовно нанесених на карту. На SPC карті також наносять "контрольні межі", що описують притаманну мінливість процесу, коли він стабільний. Функція контрольної карти полягає в сприянні оцінюванню стабільності процесу. Це роблять перевірянням нанесених на карту даних стосовно контрольних меж.

На карту може бути нанесено будь-яку змінну (дані вимірювання) або якісну ознаку (дані підраховування), що представляє досліджувану характеристику продукції чи процесу. У разі кількісних даних одну контрольну карту зазвичай використовують для моніторингу змін у центрі процесу і окрему контрольну карту – для моніторингу змін у мінливості процесу.

У разі якісних даних контрольні карти зазвичай упорядковують стосовно кількості чи частки невідповідних одиниць або стосовно кількості невідповідностей, виявлених у вибірках, узятих з процесу.

Стандартну форму контрольної карти для кількісних даних називають "картою Шухарта". Існують інші форми контрольних карт, кожна з яких придатна для застосовування за конкретних обставин. Прикладами є "контрольні карти кумулятивних сум", які уможливлюють підвищену чутливість до незначних зміщень у процесі, "контрольні карти ковзального середнього" (рівномірні чи зважені), призначені згладжувати короткострокові варіації для виявлення сталих трендів.

Сфера застосування. SPC карти використовують для виявлення змін у процесі. Нанесені на карту дані, які можуть бути окремим показом або певною статистикою, наприклад, вибірковим середнім, порівнюють із контрольними межами. У найпростішому вигляді нанесена на карту точка, яка потрапляє поза контрольні межі, сигналізує про можливу зміну в процесі, можливо через певну "невипадкову причину". Це ідентифікує потребу в дослідженні причини "неконтрольованого" показу і, за необхідності, в налагодженні процесу. Це допомагає підтримати стабільність процесу і, зрештою, поліпшувати процеси.

Використання контрольних карт можна вдосконалити для уможливлення швидшого показу змін процесу або підвищення чутливості до незначних змін завдяки використанню додаткових критеріїв у тлумаченні трендів і структури графічних даних.

Переваги методу визначаються тим що, крім можливості подавати користувачеві дані наочно, контрольні карти полегшують відповідний відгук на зміну процесу, допомагаючи користувачеві розрізняти випадкову варіацію, притаманну стабільному процесу, від варіації, яку можуть зумовити "невипадкові причини" (тобто, якій можна приписати конкретну причину), своєчасне виявлення та коригування якої може допомогти поліпшити процес. Нижче наведено приклади ролі та значення контрольних карт у процесі, пов'язаному з певними роботами:

  • – контроль процесу: контрольні карти кількісних ознак використовують для виявлення змін у центрі процесу або мінливості процесу та ініціювання коригувальних дій і, таким чином, для підтримання або відновлення стабільності процесу;
  • – аналіз можливості процесу: якщо процес у стабільному стані, дані з контрольної карти можна використовувати надалі для розрахункового оцінювання можливості процесу;
  • – аналіз системи вимірювання: завдяки введенню контрольних меж, що відображають притаманну мінливість системи вимірювання, контрольна карта може показувати, чи спроможна система вимірювання виявляти мінливість досліджуваного процесу або продукції. Контрольні карти можна також використовувати для моніторингу самого процесу вимірювання;
  • – причинно-наслідковий аналіз: кореляція між подіями процесу і видами контрольних карт може допомагати робити висновок про основні невипадкові причини й планувати результативні дії;
  • – постійне поліпшування: контрольні карти використовують для моніторингу варіації процесу, вони допомагають ідентифікувати й усувати причину(-и) варіації. Визнано, що вони особливо ефективні, коли їх використовують як частину системної програми постійного поліпшування в межах організації.

Обмеження та застороги. Важливо, щоб вибірки процесу брали в спосіб, найкращий для виявлення досліджуваної варіації. Таку вибірку називають "раціональною підгрупою". Це має першочергове значення для ефективного використання й тлумачення SPC карт, а також для розуміння джерел варіацій процесу.

Особливі труднощі становлять короткострокові процеси, оскільки для встановлення належних контрольних меж даних, зазвичай, буває недостатньо.

Під час тлумачення контрольних карт існує ризик "хибних тривог" (тобто ризик зробити висновок про те, що зміна виникла, хоча в дійсності цього не сталося). Також є ризик не виявити зміну, яка виникла. Ці ризики можна зменшити, але неможливо усунути.

Приклади застосування. Підприємства в автомобільній, електронній, оборонній та інших галузях часто використовують контрольні карти (для критичних характеристик), щоб досягати й демонструвати постійну стабільність і можливості процесу. Якщо виявлено невідповідну продукцію, карти використовують, щоб допомогти встановити ризик та визначити сферу коригувальних дій.

Контрольні карти застосовують для розв'язання проблем на робочому місті, на всіх рівнях організації, щоб сприяти усвідомленню проблеми та аналізуванню кореневої причини.

Контрольні карти використовують у машинобудівній промисловості для зменшення незумовленого необхідністю втручання в процес (надмірного налагодження), даючи змогу працівникам розрізняти варіацію, притаманну процесу, і варіацію, яку можна вважати "невипадковою причиною".

Контрольні карти характеристик вибірки, наприклад, середній час відгуку, частоту виникнення похибок і частоту рекламацій, використовують для вимірювання, діагностування та поліпшування роботи у сфері послуг.

Побудова довірчих меж – це основана на певних статистичних принципах процедура, яку використовують для встановлення допусків. Вона передбачає використання статистичних розподілів відповідних розмірів складників задля визначання загального допуску для складаної одиниці.

Сфера застосування. У разі складання багатьох окремих складників в один модуль, критичним чинником чи вимогою з погляду складання й взаємозамінності таких модулів часто є не розміри окремих складників, а сукупний розмір, який досягають унаслідок поєднання.

Екстремальні значення для сукупного розміру (тобто, дуже великі або дуже малі значення) виникають тільки в разі, якщо розміри всіх окремих складників є або на верхній, або на нижній межі відповідних індивідуальних полів допусків. У межах послідовного ряду допусків, коли індивідуальні допуски додають для отримання допуску на сукупний розмір, тоді допуск на сукупний розмір розглядають як арифметичний загальний допуск.

Для статистичного визначання загальних допусків припускають, що в складаних виробах, поєднаних з великої кількості окремих складників, розміри з однієї межі поля індивідуальних допусків збалансовуватимуть розміри з іншої межі полів допусків. Наприклад, окремий розмір, що лежить на нижній межі поля допусків, може збігатися з іншим розміром (чи комбінацією розмірів), що лежить на верхній межі поля допусків. З погляду статистики сукупний розмір матиме за певних обставин приблизно нормальний розподіл. Цей факт є достатньо незалежним від розподілу окремих розмірів і тому його можна використовувати для розрахункового оцінювання поля допусків сукупного розміру складеного модуля. І навпаки, за наявності загального допуску на розмір, його можна використовувати для визначання допустимого поля допусків окремих складників.

Переваги. За наявності набору індивідуальних допусків (які не обов'язково мають бути ті самі), результатом обчислення статистичного загального допуску буде загальний допуск на розмір, який зазвичай буде значно менший від загального допуску на розмір, обчисленого арифметично.

Це означає, що за наявності загального допуску на розмір побудова довірчих меж даватиме змогу використовувати ширші допуски на окремі розміри, ніж ті, що їх обчислили арифметично. З практичного погляду це може становити значну перевагу, оскільки ширші допуски пов'язано з простішими та більш рентабельними методами виробництва.

Обмеження та застороги. Побудова довірчих меж вимагає спочатку встановити частку складаних модулів, яка була б розташована поза полем допусків на сукупний розмір. Потім треба виконати наведені нижче передумови щодо забезпечення реальності побудови довірчих меж (не вимагаючи застосування передових методів):

  • – окремі фактичні розміри можна розглядати як некорельовані випадкові змінні;
  • – розмірний ряд є лінійний;
  • – розмірний ряд має щонайменше чотири складники;
  • – окремі допуски є величинами того самого порядку;
  • – розподіли окремих розмірів розмірного ряду є відомими.

Очевидно, що деякі з цих вимог може бути задоволено

тільки за можливості контролю та постійного моніторингу виробництва окремих складників, яких це стосується. У разі, якщо продукція ще на стадії розробляння, то під час застосування побудови довірчих меж треба керуватися досвідом та інженерними знаннями.

Теорію побудови довірчих меж зазвичай застосовують під час складання деталей, що передбачають адитивні відношення, або у випадках, пов'язаних з простим відніманням (наприклад, вал і отвір). До промислових галузей, в яких використовують побудову довірчих меж, належать машинобудівна, електронна та хімічна. Теорію також застосовують у комп'ютерному моделюванні для визначення оптимальних допусків.

Аналіз часових рядів – це застосування широкого набору методів дослідження добірки спостережень, послідовно виконаних протягом певного часу. Аналіз часових рядів використовують тут у прив'язці до аналітичних методів у таких сферах застосування, як:

  • – пошук моделей "із запізненням" через статистичне оглядання того, як кожне спостереження скорельовано зі спостереженням, що безпосередньо передує йому, і повторення цього для кожного наступного періоду запізнення;
  • – пошук циклічних чи сезонних моделей для того, щоб зрозуміти, як причинні чинники в минулому можуть повторно впливати в майбутньому;
  • – використання статистичних засобів для того, щоб спрогнозувати майбутні спостереження або зрозуміти, які причинні чинники найбільше сприяли варіаціям у часових рядах.

Сфера застосування. Аналіз часових рядів використовують з тим, щоб описати моделі даних часових рядів для ідентифікації "викидів" (тобто, екстремальних значень, вірогідність яких має бути досліджено), щоб або сприяти розумінню моделей, або провести налагодження, а також виявити поворотні точки у тренді. Інше використання має на меті пояснення моделей в одному часовому ряді, використовуючи моделі іншого часового ряду, з усіма завданнями, притаманними регресійному аналізу.

Аналіз часових рядів використовують для того, щоб передбачити майбутнє значення часових рядів, як правило, з певною верхньою або нижньою межами, відомими як проміжок прогнозування. Метод має широке застосування у сфері контролю, його часто застосовують до автоматизованих процесів. У такому разі підбирають ймовірнісну модель до минулого часового ряду, прогнозують наступні значення, а потім налагоджують конкретні параметри процесу з тим, щоб процес залишався цілеспрямованим за якнайменшої варіації.

Переваги. Методи аналізу часових рядів використовують у плануванні, в організації технічного керування, в ідентифікації зміни в процесі, у формулюванні прогнозів та у вимірюванні наслідків деяких зовнішніх втручань або дій.

Аналіз часових рядів також використовують для порівняння запланованих показників процесу з прогнозованими значеннями в часових рядах, якщо має бути введено конкретну змінну.

Методи часових рядів можуть забезпечувати розуміння сутності можливих причинно-наслідкових моделей. Існують методи для відокремлення системагичних (чи невипадкових) причин від випадкових причин і для розділення моделей у часовому ряді на циклічні, сезонні складники та складники трендів. Аналіз часових рядів часто застосовують для того, щоб зрозуміти поведінку процесу за встановлених умов і те, які налагодження (якщо робитимуть) можуть впливати на процес для досягнення певного заданого параметра або які налагодження можуть зменшити мінливість процесу.

Обмеження та застороги, наведені для регресійного аналізу, також застосовують до аналізу часових рядів. Якщо моделювання процесу здійснюють задля визначання причин і наслідків, тоді потрібен значний рівень кваліфікації, щоб вибрати найпридатнішу модель і застосувати діагностичні засоби для поліпшування моделі.

Одне спостереження або невелика низка спостережень, долучені або пропущені під час аналізування, можуть мати значний вплив на модель. Тому впливові спостереження треба розуміти та відрізняти від "викидів" у даних.

Різні методи аналізування часових рядів можна застосувати із змінним успіхом, залежно від моделей у часових рядах та від кількості періодів, для яких прогнозування є бажаним, відповідно кількості періодів часу, для яких існують дані часових рядів. Під час вибирання моделі треба розглянути ціль аналізу, природу даних, відносну вартість, а також аналітичні та очікувані властивості різноманітних моделей.

Аналіз часових рядів застосовують для вивчення протягом певного часу моделей дій, які пов'язано, наприклад, з вимірюваннями процесів, рекламаціями замовників, невідповідностями, продуктивністю та результатами випробування.

Застосування в цілях прогнозування охоплює передбачення необхідної кількості запасних частин, невиходів на роботу, замовлень клієнтів, потребу в матеріалах, споживання електроенергії.

Причинний аналіз часових рядів використовують для розроблення моделей прогнозування попиту. Наприклад, у контексті надійності його використовують для передбачення кількості подій у межах заданого періоду часу та розподілу проміжків часу між подіями, наприклад, простоями устаткування.

 
Якщо Ви помітили помилку в тексті позначте слово та натисніть Shift + Enter
< Попередня   ЗМІСТ   Наступна >
 
Дисципліни
Агропромисловість
Банківська справа
БЖД
Бухоблік та Аудит
Географія
Документознавство
Екологія
Економіка
Етика та Естетика
Журналістика
Інвестування
Інформатика
Історія
Культурологія
Література
Логіка
Логістика
Маркетинг
Медицина
Менеджмент
Нерухомість
Педагогіка
Політологія
Політекономія
Право
Природознавство
Психологія
Релігієзнавство
Риторика
РПС
Соціологія
Статистика
Страхова справа
Техніка
Товарознавство
Туризм
Філософія
Фінанси
Інші