На выпускную квалификационную работу 3 страница

С момента зарождения статистических методов контроля качества специалисты понимали, что качество продукции формируется в результате сложных процессов, на результативность которых оказывает влияние множество материальных факторов и ошибки работников. Поэтому для обеспечения требуемого уровня качества нужно уметь управлять всеми влияющими факторами, определять возможные варианты реализации качества, научиться его прогнозировать и оценивать потребность объектов того или иного качества.

В послевоенное время и в США, и в Европе появились национальные стандарты по качеству. Центральная роль в разработке нормативных документов в области качества принадлежит Международной организации по стандартизации (ISO). Начиная с 90-х годов, идеи теории вариаций, статистического управления процессами овладели не только специалистами-математиками, но и стали неотъемлемыми инструментами менеджеров и работников служб качества.

Большой толчок дальнейшему развитию принципов управления качеством дал японский учёный Г. Тагути. Он предложил учитывать вариации свойств продукции на разных этапах её разработки, что для менеджмента качества явилось революционной идеей. По Тагути нужно было установить те сочетания параметров изделий и процессов, которые приводили к минимуму вариаций процессов. Эти процессы, которые стали называть робастными, были устойчивы к вариациям входных параметров процессов [32].

Используемые в сегодняшней практике предприятий статистические методы можно подразделить на следующие категории:

- методы высокого уровня сложности, которые используются разработчиками систем управления предприятием или процессами. К ним относятся методы кластерного анализа, адаптивные робастные статистики и др.;

- методы специальные, которые используются при разработке операций технического контроля, планировании промышленных экспериментов, расчётах на точность и надёжность и т.д.;

- методы общего назначения, в разработку которых большой вклад внесли японские специалисты. К ним относятся «Семь простых методов» (или «Семь инструментов качества»), включающие в себя контрольные листки, метод расслоения, графики, диаграммы Парето, диаграммы Исикавы, гистограммы, контрольные карты [35].

1.5 История развития статистических методов качества

Первое восприятие статистических методов качества в виде выборки имеет многовековую историю. Выборка – одна или несколько выборочных единиц, взятых из генеральной совокупности и предназначенных для получения информации о ней [28]. Ещё несколько столетий тому назад покупатели зерна и хлопка проверяли свойства товара, прокалывая мешки с зерном или хлопком, чтобы взять пробу. Можно допустить, что в те времена не было научного расчёта взятия проб, и следует предположить, что это было делом опыта, как продавцов, так и покупателей товара.

До тех пор пока ремесленник совмещал в себе функции и производителя, и контролёра (до середины 19-го века), не было проблем с оценкой качества изготовленной продукции. Всё изменилось с появлением разделения труда. Рабочие первых фабричных мануфактур, способные выполнять простые операции процесса, способные выполнять простые операции процесса, не могли отвечать за качество своего труда, и тем более за качество готовой продукции. Введение должности контролёра привело к необходимости нормирования функций контроля и со временем потребовало разработки научного подхода к оценке качества продукции. Стремление к производству высококачественной продукции привело к развитию на промышленных предприятиях контрольного аппарата.

Применение статистических методов контроля качества труда произошло ещё позже – в первой четверти 20-го века. Именно внедрение статистических методов позволило значительно сократить трудоёмкость операций контроля и значительно снизить численность инспекторов (контролёров). Первое применение научных методов статистического контроля было зафиксировано в 1924 году, когда У. Шухарт использовал для определения доли брака продукции контрольные карты [35].

Уолтер Эндрю Шухарт с 1918 года работал инженером фирмы «Western Electric» (США). В 1925 году она была преобразована в фирму «Bell Telephone Laboratories». Шухарт проработал в ней до 1956 года. Основные его разработки в области статистического контроля внедрялись в первую очередь на этой фирме. Шухарт переключил внимание с допускового подхода к управлению качеством на подход, направленный на обеспечение стабильности процессов и уменьшение их вариаций. Его идеи до настоящего момента сохраняют актуальность. Кроме того, Шухарт высказал идею непрерывного улучшения качества, предложив цикл непрерывного улучшения процессов, носящий сегодня название «Цикл Шухарта – Деминга». В последние годы этот цикл получил дальнейшее развитие под воздействием Деминга и стал использоваться как инструмент командной работы по улучшению качества [35].

Одновременно с Шухартом, в той же фирме в середине 20-х годов инженером Г.Ф. Доджем была предложена теория приёмочного контроля, получившая вскоре мировую известность.

Большой вклад в систему обеспечения качества контроля в середине 20-го века внесли американские учёные Д. Нойман, Э. Пирсон, Е. Фишер. Среди их разработок наибольшую известность получила теория проверки статистических гипотез. Без знания теории ошибок первого и второго рода невозможна рациональная оценка выбранного метода статистического контроля [39].

Во время второй мировой войны нехватка ресурсов заставила искать новые методы контроля с возможно малым числом проверяемых изделий, особенно при разрушающем контроле. В 40-х годах 20-го столетия американский математик Абрахам Вальд разработал теорию последовательного анализа и статистическую теорию принятия решений. Применение теории последовательного анализа было настолько эффективно (расходы на контроль при прежней вероятности ошибок снижались до 60 % по сравнению с традиционными методами), что в США она была объявлена секретным документом и опубликована только после окончания войны.

Большое влияние на становление статистических методов контроля, как философии качества, оказал американский учёный Эдвард Деминг. В начале 50-х годов Деминг проводил широкомасштабное обучение японских специалистов новым методам обеспечения качества, особое внимание при этом обращая на статистические методы управления качеством. Его деятельность была настолько успешной, что уже в 60-х годах американцам пришлось уступить японским фирмам значительную часть рынков сбыта, в том числе и в самих США.

Американское научное влияние на совершенствование систем обеспечения качества привело к созданию японской научной школы в области качества, среди представителей которых следует, прежде всего, отметить К. Исикаву и Г. Тагути, внёсших большой вклад в развитие статистических методов в управлении качеством. Каору Исикава впервые в мировой практике предложил оригинальный графический метод анализа причинно-следственных связей, который получил название «диаграмма Исикавы» [35]. Сегодня практически невозможно найти такую область деятельности по решению проблемы качества, где бы не применялась диаграмма Исикавы.

Генити Тагути – известный во второй половине 20-го века японский специалист в области статистики. Он развивал идеи математической статистики, относящиеся, в частности, к статистическим методам планирования эксперимента и контроля качества. Тагути впервые соединил математической зависимостью экономические затраты и качество, введя понятие функции потерь качества. Он первым показал, что потери качества имеют место и в поле допуска – они появляются с момента несовпадения номинального, заданного технической документацией, значения параметра и значения исследуемой случайной величины. Заслуга Тагути также в том, что он сумел найти сравнительно простые аргументы и приёмы, которые сделали робастное планирование эксперимента в области обеспечения качества реальностью. Невнимание к методам Тагути – одна из причин серьёзного отставания российских предприятий в области совершенствования качества процессов и услуг [32].

Внесли свой научный вклад в развитие статистических методов и советские учёные: В.И. Романовский, Е.Е. Слуцкий, Н.В. Смирнов, Ю.В. Линник и др. Так, например, Смирнов заложил основы теории непараметрических рядов, а Слуцкий опубликовал несколько важных работ по статистике связанных стационарных рядов. Особенно интенсивно в СССР разрабатывались статистические методы исследования и контроля качества в массовом производстве, методы планирования эксперимента Юрием Адлером [35].

В 50-70-х годах прошлого столетия на ряде предприятий оборонного комплекса СССР активно проводились (под влиянием японского опыта по повышению качества) работы по внедрению систем управления качеством, в которых статистические методы в области приёмочного контроля и регулирования технологических процессов занимали важное место в предупреждении дефектов продукции.

Российский учёный в области качества В.А. Лапидус опубликовал ряд трудов по теории и практике управления качеством с учётом вариаций и неопределённости, в которых изложен «принцип распределения приоритетов», позволяющий оптимально выстроить отношения поставщика и потребителя с позиции обеспечения качества. Ему же принадлежит новый подход к управлению качеством, названный «гибким методом статистического управления», который математически опирается на теорию нечётных множеств [35].

1.6 Простые инструменты контроля качества

В середине 1960-х годов в Японии получили широкое распространение кружки качества. Чтобы вооружить их эффективным инструментом анализа и управления качеством, японские учёные отобрали из всего множества известных инструментов 7 методов [35].

Эти методы в научно-технической литературе получили название «Семь инструментов контроля качества» и «Семь основных инструментов контроля». В дальнейшем их число увеличилось и, поскольку, общим для них является доступность для всего персонала организации, их стали называть «простые инструменты контроля качества». Достоинствами этих методов является простота, наглядность, визуализация, а также эффективность использования без специальной математической подготовки.

При всей своей простоте эти методы позволяют сохранить связь со статистикой и дают возможность профессионалам пользоваться результатами этих методов и при необходимости совершенствовать их. К простым инструментам контроля качества относятся следующие статистические методы: контрольный листок, гистограмма, диаграмма разброса, диаграмма Парето, стратификация (расслоение), диаграмма Исикавы (причинно-следственная диаграмма), контрольная карта. Эти методы можно рассматривать и как отдельные инструменты, и как систему методов (различную в различных обстоятельствах).

Применение этих инструментов в производственных условиях позволяет реализовать важнейший принцип функционирования системы менеджмента качества (СМК) в соответствии с МС ISO серии 9000 – «принятие решений, основанное на фактах». Инструменты контроля качества дают возможность получить эти факты, достоверную информацию о состоянии изучаемых процессов. Перечисленные инструменты контроля качества используют в основном исполнители (менеджеры) первой линии для контроля и улучшения конкретных процессов. Причём это могут быть как производственные, так и бизнес-процессы (делопроизводство, финансовые процессы, управление производством, снабжением, сбытом и т.п.). Комплексный характер управления качеством на всех этапах жизненного цикла продукции и производства является непременным условием Всеобщего управления качеством [32].

Контроль качества состоит в том, чтобы, проверяя нужным образом подобранные данные, обнаружить отклонение параметров от запланированных значений при его возникновении, найти причину его появления, а после устранения причины проверить соответствие данных запланированным (стандарту или норме). Так реализуется цикл PDCA, или цикл Деминга.

Источником данных при осуществлении контроля качества служат следующие мероприятия.

1. Инспекционный контроль: регистрация данных входного контроля исходного сырья и материалов; регистрация данных контроля готовых изделий; регистрация данных инспекционного контроля процесса (промежуточного контроля) и т.д.

2. Производство и технологии: регистрация данных процесса; повседневная информация о применяемых операциях, регистрация данных контроля оборудования (неполадки, ремонт, техническое обслуживание); патенты и статьи из периодической печати и т.д.

3. Поставки материалов и сбыт продукции: регистрация движения через склады (входная и выходная нагрузка); регистрация сбыта продукции (данные о получении и выплате денежных сумм, контроль срока поставок) и т.д.

4. Управление и делопроизводство: регистрация прибыли; регистрация возвращенной продукции; регистрация обслуживания постоянных клиентов; журнал регистрации продажи; регистрация обработки рекламаций; материалы анализа рынка и т.д.

5. Финансовые операции: таблица сопоставления дебета и кредита; регистрация подсчёта потерь; экономические расчёты и т.д.

Очень редко для заключения о качестве данные используются в том виде, в каком они были получены. Это бывает только в случаях, когда возможно прямое сравнение измеренных данных со стандартом. Чаще при анализе данных проводятся различные операции: находят среднее значение и стандартное отклонение, оценивают разброс данных и т.д.

Решение той или иной проблемы с помощью простых инструментов контроля качества обычно производится по следующей схеме.

1. Оценка отклонений параметров от установленной нормы. Выполняется часто с помощью контрольных карт и гистограмм.

2. Оценка факторов, явившихся причиной возникновения проблемы. Проводят расслоение (стратификацию) по зависимостям между видами брака (дефектами) и влияющими факторами и с помощью диаграммы разброса исследуют тесноту взаимосвязей, применяют также причинно-следственную диаграмму.

3. Определение важнейших факторов, явившихся причиной отклонений параметров. Используют диаграмму Парето.

4. Разработка мероприятий по устранению проблемы.

5. После внедрения мероприятий – оценка их эффективности с помощью контрольных карт, гистограмм, диаграмм Парето.

В случае необходимости цикл повторяют до тех пор, пока проблема не будет решена.

Регистрацию результатов наблюдений выполняют часто с помощью графиков, контрольных листков и контрольных карт.

Рассмотрим суть и методику применения указанных простых методов контроля качества.

1.6.1 Контрольный листок

Контрольный листок – это инструмент для сбора данных и их автоматического упорядочения для облегчения дальнейшего использования собранной информации [47].

Контрольный листок используется как для регистрации опытных данных, так и для предварительной их систематизации. Имеются сотни различных видов контрольных листков. Чаще всего они оформляются в виде таблицы или графика.

Контрольный листок может фиксировать как количественные, так и качественные характеристики процесса (место выявленных дефектов на изделии, виды отказов и др.). Необходимо тщательно спланировать сбор данных, чтобы избежать ошибок, которые могут исказить представление об изучаемом процессе. Могут возникать следующие ошибки: недостаточная точность измерений из-за несовершенства средств или методов измерений, из-за плохой информированности сборщиков данных, их низкой квалификации или их заинтересованности в искажении результатов; совмещение измерений, относящихся к разным условиям протекания процесса; влияние процесса измерений на изучаемый процесс. Чтобы избежать этих ошибок, нужно соблюдать следующие правила.

1) Необходимо установить суть изучаемой проблемы и поставить вопросы, нуждающиеся в разрешении.

2) Следует разработать форму контрольного листка, позволяющую с минимальными затратами времени и средств получить достоверную информацию о процессе.

3) Необходимо разработать методику измерений, исключающую получение данных, не учитывающих важные условия протекания процесса. Например, измерения следует производить на одном виде оборудования при использовании определённой оснастки, с указанием режимов процесса, исполнителя, времени и места протекания процесса. Это позволит в дальнейшем учесть влияние этих факторов на процесс.

4) Необходимо выбрать сборщика данных, непосредственно имеющего информацию о процессе в качестве оператора, наладчика или контролёра, не заинтересованного в её искажении, обладающего квалификацией для получения достоверных данных.

5) Со сборщиками данных следует провести инструктаж о методике измерений или обучить их.

6) Средства и методы измерений должны обеспечивать требуемую точность измерений.

7) Следует выполнить аудит процесса сбора данных, оценить его результаты, при необходимости откорректировать методику сбора данных [35].

1.6.2 Гистограмма

Гистограмма – инструмент, позволяющий зрительно оценить закон распределения величины разброса данных, а также принять решение о том, на чём следует сфокусировать внимание с целью улучшения процесса [47].

Этот распространённый инструмент контроля качества используется для предварительной оценки дифференциального закона распределения изучаемой случайной величины, однородности экспериментальных данных, сравнения разброса данных с допустимым, природы и точности изучаемого процесса. Также для этой цели используют полигон – ломаную линию, соединяющую середины столбцов гистограммы.

Гистограмма как метод представления статистических данных была предложена французским математиком А. Гэри в 1833 году. Он предложил использовать столбцовый график для анализа данных о преступности. Работа А. Гэри принесла ему медаль Французской академии, а его гистограммы стали стандартным инструментом для анализа и представления данных.

Основным достоинством гистограммы является то, что анализ её формы и расположения относительно границ поля допуска даёт много информации об изучаемом процессе без выполнения расчётов. Для получения такой информации из исходных данных необходимо выполнить достаточно сложные расчёты. Гистограмма позволяет оперативно выполнить предварительный анализ процесса (выборки) исполнителю первой линии (оператору, контролёру и др.) без математической обработки результатов измерений [35].

1.6.3 Диаграмма разброса

Диаграмма разброса – инструмент, позволяющий определить вид и тесноту связи между парами соответствующих переменных [47]. Это даёт возможность линейному персоналу контролировать ход процесса, а технологам и менеджерам – управлять им.

Этими двумя переменными могут быть:

· характеристика качества процесса и фактор, влияющий на ход процесса;

· две различные характеристики качества;

· два фактора, влияющие на одну характеристику качества.

Рассмотрим примеры использования диаграмм разброса в указанных случаях.

К примерам применения диаграммы разброса для анализа зависимости между причинным фактором и характеристикой (следствием) относятся диаграммы для анализа зависимости суммы, на которую заключены контракты, от числа поездок бизнесмена с целью заключения контрактов (планирование эффективных поездок); процента брака от процента невыходу на работу операторов (контроль персонала); числа поданных предложений от числа циклов (от времени) обучения персонала (планирование обучения); расхода сырья на единицу готовой продукции от степени чистоты сырья (стандарты на сырьё); выхода реакции от температуры реакции; степени деформации от скорости формовки (контроль процессов); размера принятого заказа от числа дней, за которое производится обработка рекламаций (инструкции по ведению торговых операций, инструкции по обработке рекламаций) и т.д.

При наличии корреляционной зависимости причинный фактор оказывает очень большое влияние на характеристику, поэтому, удерживая этот фактор под контролем, можно достичь стабильности характеристики. Можно также определить уровень контроля, необходимый для требуемого показателя качества.

Примерами применения диаграммы разброса для анализа зависимости между двумя причинными факторами могут служить диаграммы для анализа зависимости между содержанием рекламаций и руководством по эксплуатации изделия (движение за отсутствие рекламаций); между циклами закалки отожжённой стали и газовым составом атмосферы (контроль процесса); между числом курсов обучения оператора и степенью его мастерства (планирование обучения и подготовки кадров) и т.д.

При наличии корреляционной зависимости между отдельными факторами значительно облегчается контроль процесса с технологической, временной и экономической точек зрения.

Применение диаграммы разброса для анализа зависимости между двумя характеристиками (результатами) можно видеть на таких примерах, как анализ зависимости между объёмом производства и себестоимостью изделия; между прочностью на растяжение стальной пластины и её прочностью на изгиб; между размерами комплектующих деталей и размерами изделий, смонтированных из этих деталей; между прямыми и косвенными затратами, составляющими себестоимость изделия; между толщиной стального листа и устойчивостью к изгибам и т.д.

При наличии корреляционной зависимости можно осуществлять контроль только одной (любой) из характеристик [35].

1.6.4 Стратификация (расслоение) данных

Стратификация – метод разделения полученных данных на отдельные группы в зависимости от выбранного стратифицирующего фактора. Если удачно осуществить стратификацию, можно выявить главную причину появления разброса параметров, уменьшить его и в конечном итоге добиться повышения качества продукции [47].

Это один из наиболее простых, эффективных и распространённых методов выявления причин несоответствий, влияния различных факторов на показатели качества процесса. Японские кружки качества выполняют стратификацию данных в среднем до 100 раз при решении одной проблемы.

Расслоение данных заключается в разделении результатов процесса на группы, внутри которых эти результаты получены в определённых условиях протекания процесса.

Данные, разделённые на группы по признаку условий их формирования, называют слоями (стратами), а сам процесс разделения на слои (страты) – расслоением (стратификацией) данных.

Расслоение данных производится часто по следующим признакам:

· оборудование (тип и форма; конструкция; срок службы; расположение, фирма-производитель; состояние и др.);

· человеческий фактор (заказчик; оператор; рабочий, поставленный в замену; мастер; стаж работы; мужчина или женщина; квалификация и др.);

· исходные материалы (изготовитель; тип и торговая марка; партия, качество, производитель и др.);

· методы (методы операции; условия операций – температура, давление и т.д.; система сдачи продукции, метод контроля, средство измерения и др.);

· время (дата; первая или вторая половина дня; день или ночь; день недели, смена работы, время года и др.);

· изделие (тип; сорт; качество; партия, производитель и др.).

Метод расслоения используется практически во всех областях человеческой деятельности для решения проблем материального характера. В частности, он применяется на всех этапах жизненного цикла машин. В процессе изготовления машин его применяют для анализа причин несоответствий при разработке предупреждающих и корректирующих мероприятий: при расчёте стоимости изделия, когда требуется оценка прямых и косвенных расходов отдельно по изделиям и по партиям; при оценке прибыли от продажи изделий отдельно по клиентам и по изделиям; при оценке качества хранения отдельно по изделиям и по партиям и т.п. Кроме того, расслоение используется в случае применения других статистических методов: при построении причинно-следственных диаграмм, диаграмм Парето, гистограмм и контрольных карт.

Наиболее часто используются три способа реализации расслоения данных.

1. Табличный. Результаты процесса, полученные в различных условиях, заносятся в отдельные части таблицы и сравниваются между собой.

2. Графический. Результаты процесса наносятся на график, в котором выделяются зоны, полученные в различных условиях. Результаты для различных условий процесса сравниваются между собой.

3. Дисперсионный анализ. Оценивается доля дисперсии результатов процесса, полученных в данных условиях, в общей дисперсии результатов для различных условий. Если эта доля является существенной, значит, данный фактор влияет на процесс. Метод позволяет количественно оценить степень влияния фактора на процесс [35].

1.6.5 Диаграмма Парето

Диаграмма Парето – инструмент, позволяющий выявить основные причины проблемы. Он представляет собой разновидность столбиковой диаграммы, применяемой для наглядного отображения рассматриваемых факторов в порядке уменьшения (возрастания) их значимости [47].

В 1897 году итальянский экономист В. Парето сформулировал принцип «неправильного распределения благосостояния в обществе». Он показал, что 80 % благ контролируется 20 % людей. В 1907 году эта идея была проиллюстрирована американским экономистом М. Лоренцом с помощью кумулятивной кривой, совмещённой со столбчатым графиком. Это сочетание и называют диаграммой Парето [47].

К числу наиболее характерных проблем в работе предприятия, для решения которых привлекают диаграмму Парето, относятся брак на различных операциях и в готовой продукции, простои оборудования из-за поломок или плохой организации производства, большие запасы готовой продукции на складе предприятия, поступление рекламаций, отказ постоянных партнёров (покупателей) от сотрудничества, задержки поставок сырья и полуфабрикатов, их низкое качество.

Различают два вида диаграмм Парето [32]:

1) Диаграмма Парето по результатам деятельности. Она предназначена для выявления главной проблемы и отражает нежелательные результаты деятельности, связанные: с качеством (дефекты, поломки, ошибки, отказы, рекламации, ремонты, возвраты продукции); с себестоимостью (объем потерь; затраты); сроками поставок (нехватка запасов, ошибки в составлении счетов, срыв сроков поставок); безопасностью (несчастные случаи, трагические ошибки, аварии).

2) Диаграмма Парето по причинам. Отражает причины проблем, возникающих в ходе производства, и используется для выявления главной из них: исполнитель работы: смена, бригада, возраст, опыт работы, квалификация, индивидуальные характеристики; оборудование: станки, агрегаты, инструменты, оснастка, организация использования, модели, штампы; сырье: изготовитель, вид сырья, завод-поставщик, партия; метод работы: условия производства, заказы-наряды, приемы работы, последовательность операций; измерения: точность (указаний, чтения, приборная), верность и повторяемость (умение дать одинаковое указание в последующих измерениях одного и того же значения), стабильность (повторяемость в течение длительного периода), совместная точность, тип измерительного прибора (аналоговый или цифровой).

С помощью диаграммы Парето анализируют также успехи в работе отдельных исполнителей, подразделений или фирм и пропагандируют их достижения. Для оценки эффективности мероприятий по решению какой-либо проблемы строят повторные диаграммы Парето через некоторое время после внедрения мероприятий. Для анализа причин, породивших какую-либо проблему, рекомендуется строить несколько диаграмм Парето для различных групп факторов, влияющих на данный процесс, и различных показателей его протекания. Часто диаграмма Парето используется в сочетании с причинно-следственной диаграммой. Причём причинно-следственная диаграмма может использоваться для выбора причин какой-либо проблемы, которые затем исследуются в диаграмме Парето. Либо диаграмма Парето может применяться для ранжирования важности причин по результатам голосования экспертов.

В основе диаграммы Парето лежит принцип 80/20, согласно которому 20 % причин приводят к 80 % проблем, поэтому целью построения диаграммы является выявление этих причин для концентрации усилий по их устранению.

1.6.6 Причинно-следственная диаграмма Исикавы (схема Исикавы)

Схема Исикавы – инструмент, позволяющий выявить отношение между показателями качества и воздействующими на него факторами. Можно сказать, что это инструмент, обеспечивающий системный подход к определению фактических причин возникновения отказов [47].

Причинно-следственную диаграмму (ПСД) используют для выявления и систематизации факторов (причин), влияющих на определённый результат процесса, вызывающих какую-либо проблему при его реализации. Построение ПСД обычно выполняют на первой стадии анализа процесса. Это качественный анализ, задачей которого является определение причин проблем. Затем определяют степень влияния этих причин (диаграмма Парето, корреляционный и дисперсионный анализ), характер влияния (контрольный листок, диаграмма разброса, гистограмма, регрессионный анализ, графики и др.), намечают мероприятия по устранению или уменьшению влияния причин несоответствий.

ПСД из-за её формы иногда называют ещё «рыбьей костью» или «рыбьим скелетом». Объектом исследования с помощью ПДС может быть проблема (например, «потребители не удовлетворены») или искомый результат (например, «полное удовлетворение потребителей»). Причём последний вариант бывает предпочтительней, так как часто позволяет найти более короткие пути к цели.

ПСД может быть построена индивидуально, но лучше это делать с помощью команды в режиме «мозгового штурма». К основным рекомендациям по организации «мозгового штурма» относятся: состав команды (в неё включают как узких специалистов разного профиля, так и людей, далёких от данной проблемы, но с высоким творческим потенциалом), порядок работы, роль ведущего и др.