Студопедия

Главная страница Случайная страница

Разделы сайта

АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника






Перенасыщенный цвет ||






||

Избыток лака

|

Наплывы краски | || |

Пузыри   | |   | Всего: Гистограмма, способ представления статистических данных в виде столбчатой диаграммы. Она отображает распределение отдельных измерений параметров изделия или процесса. Гистограмма показывает частоту появления измеренных значений параметров объекта. Высота каждого столбца указывает на частоту появления значений параметров в выбранном диапазоне, а количество столбцов – на число выбранных диапазонов. Порядок построения гистограммы: 1. Собираются статистические данные – результаты измерений параметра объекта. Чтобы оценить вид распределения случайной величины надо не менее тридцати результатов измерений. 2. Выявляется наибольшее и наименьшее значение показателя среди полученных результатов измерений. 3. Определяется ширина диапазона значений показателя: из наибольшего значения вычитается наименьшее. 4. Выбирается число интервалов, в пределах которых необходимо сгруппировать результаты измерений. 5. Устанавливаются границы интервалов так, чтобы значения данных не попадали ни на одну из границ интервала. Если были выбраны интервалы с границами от 0, 5 до 5, 5 от 5, 5 до 10, 5 и т.д., то значение данных 5, 5 будет попадать как в первый, так и во второй интервал- нужно изменить интервалы от 0, 51 до 5, 50 от 5, 51 до 10, 50 и так далее, таким образом ни одно значение данных не попадет на границу интервала. 6. Подсчитывается число попаданий значений результатов измерений в каждый из интервалов. 7. Строится гистограмма – на горизонтальной оси отмечаются интервалы, а на вертикальной оси отмечается частота попаданий результатов измерений в каждый интервал.   Если на контролируемый параметр существует поле допуска, то гистограмма может содержать верхнюю и нижнюю границы поля допуска, чтобы видеть как смещается значение контролируемого показателя Гистограмма, представленная на рисунке выше имеет форму нормального распределения, что говорит о стабильности процесса, но часто бывает, что форма распределения отклоняется от нормального. Это свидетельствует о нарушениях в процессе и необходимости применения управляющих воздействий. Некоторые, часто встречающие отклонения и их причины представлены ниже.   Гистограмма смещена влево (асимметрия влево): Может вызываться смещением процесса к верхней границе допуска, либо из множества измерений отсортированы результаты, которые выпадают за пределы верхней границы допуска, либо природа процесса физически запрещает любые измерения больше чем максимальные значения допуска.     Гистограмма смещена вправо (асимметрия вправо): Может вызываться смещением процесса к нижней границе допуска, либо из множества измерений отсортированы результаты, которые выпадают за пределы нижней границы допуска, либо природа процесса физически запрещает любые измерения меньше чем минимальные значения допуска.   Бимодальность: Гистограмма отображает два совмещенных процесса. Такая ситуация может произойти если результаты измерений получены от двух разных устройств, двух операторов, контролеров, разных измерительных инструментов, или с разных точек измерения.     Гистограмма усечена: Распределение не является нормальным т.к. нет постепенного снижения частоты результатов измерений от центра к границам допуска. Такой вид гистограммы возникает если процесс не способен удовлетворять спецификациям и часть измерений отсортирована с двух сторон при приближении к границам допуска, либо потеряны чересчур малые значения результатов измерений. Гистограмма не имеет центра: Центр распределения был отсортирован из набора данных результатов измерений. Такая ситуация может возникнуть из-за недостаточных требований в инженерной спецификации.   Гистограмма содержит выступы на границах: Часть измерений на удаленных от центра сторонах распределения была изменена, чтобы привести характеристики процесса в соответствие с установленным полем допуска или измерения, выходящие за пределы поля допуска были записаны как входящие в поле допуска.   Сильные стороны гистограммы заключаются в ее наглядности, простоте, возможности быстро представить вид распределения большого числа данных. Недостатки – нет возможности количественно оценить стабильность процесса, нет привязки ко времени, необходимость большого числа данных для точной оценки структуры распределения, возможность различного толкования результатов, некоторая субъективность в представлении формы распределения. Диаграмма разброса - это инструмент качества, который предназначен для выявления зависимости между двумя типами данных. Также с помощью этой диаграммы можно определить корреляцию между каким-либо параметром качества и влияющим на него фактором.   № Износ инструмента (мм) Диаметр отверстия (мм) 1.1 11.6 1.0 11.5 0.9 11.3 0.5 12.0 0.6 11.9 0.9 11.7 1.3 11.2 1.0 11.4 1.1 11.5 0.6 12.0 0.2 12.3 0.9 11.8 0.5 11.9 1.1 11.5 1.0 11.4 0.8 11.7 0.8 11.6 0.5 12.1 0.1 12.5 1.2 11.2 0.7 11.9 0.6 12.1 0.9 11.9 0.3 12.1 0.9 12.0 Между точками на графике можно провести прямую линию, вдоль которой они концентрируются, т.е. есть корреляция между исследуемыми парными данными. Диаграмма разброса показывает тесноту связи между двумя переменными. По диаграмме разброса можно принимать решения - для приведенного примера можно установить допустимый предел износа инструмента в зависимости от разрешенного допуска на диаметр отверстия.  

ВАРИАНТЫ КОРРЕЛЯЦИИ

Форма и расположение кластера точек на диаграмме разброса определяют различные варианты корреляции парных данных. Наиболее часто встречающиеся из них приведены на рисунках ниже.

Положительная (прямая) корреляция Слабая положительная корреляция Отсутствие корреляции
Отрицательная корреляция Слабая отрицательная корреляция Нелинейная корреляция

Стратификация – инструмент для выявления закономерности в массиве данных за счет их разделения. Стратификация применяется в том случае, когда данные из различных источников сосредоточены вместе и это мешает определить структуру или их системность.

Термин стратификация – расслаивание. Данные разделяются на группы (страты). Если собираются данные о количестве дефектов, возникающих в ходе производства продукции, то стратификация может проводиться по таким факторам как квалификация персонала, виды оборудования, состав сырья и пр. В результате стратификация позволит определить количество дефектов, связанных с квалификацией персонала, с оборудованием, количество дефектов, связанных с компонентами и т.д.

Стратификация данных выполняется следующим образом:

1. Определяются факторы - время, операторы, оборудование, условия производственных операций (температура, влажность, давление, освещенность и т.п.), материалы и средства измерения.

2. Определяется число страт (слоев) в соответствии с количеством факторов. Например, отклонения в показателях продукции могут возникать из-за действий оператора. Если к производству продукта привлечено четыре оператора, то стратификация выполняется по четырем факторам и число страт должно быть четыре; изменения в характеристиках могут возникать в разные периоды времени – смены - по трем факторам.

3. Выбирается инструмент качества для графического представления статистических данных - диаграмма разброса, контрольная карта или гистограмма.

4. Определяется количество статистических данных, попадающих в каждую страту. Для этого необходимо придерживаться двух условий: 1) различия между значениями случайной величины внутри страты должны быть как можно меньше; 2) различия между стратами должны быть как можно больше. Количественно это различие можно определить по разнице средних значений случайной величины в каждой страте.

5. На выбранный графический инструмент качества «наносятся» данные с указанием принадлежности этих данных к каждой из страт.

6. Проводится анализ подмножества данных. Анализ данных проводится для каждой страты отдельно.

ПРИМЕР

Массив данных получен в результате измерений объема заполнения емкости. Факторами выбраны три рабочие смены. Графический инструмент - гистограмма. Результаты стратификации представлены ниже.

 

Распределение случайной величины до того, как применена стратификация данных:

Форма гистограммы показывает распределение близкое к нормальному с выходом части значений случайной величины за пределы поля допуска. Не стратифицированные данные показывают, что процесс осуществляется нормально и не требует корректирующих воздействий.

 

Страта №1:

Статистические данные сгруппированы по принадлежности к первой смене. Анализ показывает, что распределение случайной величины близко к нормальному, однако распределение смещено к нижней границе допуска. Требуется корректирующее воздействие для возврата процесса в пределы поля допуска - недолив.

 

Страта №2:

Стратификация данных проведена по принадлежности ко второй смене. Анализ показывает, что распределение случайной величины близкое к нормальному и находится в пределах поля допуска, но существует асимметрия влево.

Требуется корректирующее воздействие для устранения асимметрии.

 

Страта №3:

Стратификация данных проведена по принадлежности к третьей смене. Анализ показывает, что распределение случайной величины имеет асимметрию вправо и смещено к верхней границе допуска. Кроме того, разброс случайной величины для третьей смены больше чем для первой и второй смены - перелив

В двух первых вариантах пострадает потребитель и репутация производителя. В третьем варианте пострадает производитель, т.к. будет продавать больший объем.

Преимущества связаны с возможностью обработки определенных групп данных по отдельности. Это позволяет выявить зависимости, которые при работе со всей совокупностью могут не проявляться.

К недостаткам можно отнести необходимость предварительного учета факторов стратификации. Если факторы будут выбраны не верно, то стратификация не даст ожидаемого результата. Тогда для расслаивания данных по новым факторам возникает необходимость заново собирать статистические данные.

 

Не всегда информация, характеризующая объект может быть представлена в виде количественных показателей. В таком случае для анализа объекта и принятия управленческих решений приходится использовать качественные показатели.

Инструменты управления качеством – это методы, которые используют качественные показатели об объекте (продукции, процессе, системе). Они позволяют упорядочить информацию, структурировать в соответствии с некоторыми логическими правилами и применять для принятия обоснованных управленческих решений.

Инструменты управления качеством - диаграмма сродства, диаграмма связей, древовидная диаграмма, матричная диаграмма, сетевой график (диаграмма Ганта), диаграмма принятия решений (PDPC), матрица приоритетов. – семь новых инструментов контроля качества. Тоже были разработаны союзом японских ученых и инженеров в 1979 г.

Инструменты анализа качества – группа методов, применяемая в менеджменте качества для оптимизации и улучшения продукции, процессов, систем. Наиболее известные и часто используемые инструменты анализа качества – функционально-физический анализ, функционально-стоимостной анализ, анализ причин и последствий отказов (FMEA -анализ).

Инструменты проектирования качества – сравнительно новая группа методов, применяемая в менеджменте качества с целью создания продукции и процессов, максимально реализующих ценность для потребителя. Применяются на этапе проектирования. К инструментам проектирования качества относятся, например – развертывание функций качества (QFD), бенчмаркинг

 






© 2023 :: MyLektsii.ru :: Мои Лекции
Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав.
Копирование текстов разрешено только с указанием индексируемой ссылки на источник.