FEDERAL UTBILDNINGSMYNDIGHET

Statens läroanstalt

högre yrkesutbildning

"VOLGOGRAD STATE TECHNICAL UNIVERSITY"

KAMYSHIN TECHNOLOGICAL INSTITUTE (filial)

VOLGOGRAD STATE TECHNICAL UNIVERSITY

SEMESTER UPPDRAG

i den akademiska disciplinen "Quality Management"

"Sju kvalitetskontrollverktyg"

Avslutad:

student Prytkova E.S.

grupp Kmen-041(v)

Kontrollerade:

lärare

Smelova N.Yu.

KAMISHIN 2009

Inledning________________________________________________ 3

1. kontrollblad ____________________________________ 5

2. histogram__________________________________________ 7

3. spridningsdiagram ____________________________________ 8

4. Paretodiagram ______________________________________________________ 9

5. stratifiering (stratifiering) ____________________________ 10

6. Ishikawa orsak-och-verkan diagram____________________ 11

7. kontrollkort____________________________________________ 12

Slutsats __________________________________________________ 14

Lista över använd litteratur____________________ 15

Introduktion.

I den moderna världen blir problemet med produktkvalitet extremt viktigt. Alla företags och leverantörers välbefinnande beror till stor del på dess framgångsrika lösning. Produkter av högre kvalitet förbättrar avsevärt leverantörens möjligheter att konkurrera om marknader och, viktigast av allt, bättre tillgodose konsumenternas behov. Produktkvalitet är den viktigaste indikatorn på ett företags konkurrenskraft.

Produktkvalitet kommer från processen vetenskaplig forskning, design och tekniska utvecklingen, säkerställs genom en god organisation av produktionen och slutligen upprätthålls den under drift eller konsumtion. I alla dessa stadier är det viktigt att utföra snabb kontroll och få en tillförlitlig bedömning av produktkvaliteten.

För att minska kostnaderna och uppnå en kvalitetsnivå som tillfredsställer konsumenten behövs metoder som inte syftar till att eliminera defekter (inkonsekvenser) hos färdiga produkter, utan att förhindra orsakerna till att de uppstår under produktionsprocessen.

Statistiska metoder är oupplösligt kopplade till utvecklingen av kvalitetsledning, så det är inte möjligt att bortse från de sju enklaste och vanligaste kvalitetskontrollverktygen.

För att acceptera rätt beslut, det vill säga ett beslut baserat på fakta måste vändas till statistiska verktyg som gör det möjligt att organisera processen att söka efter fakta, nämligen statistiskt material.

Några av de enklaste statistiska verktygen att använda inkluderar:

checklista

histogram

spridningsdiagram

Pareto-diagram

stratifiering (stratifiering)

Ishikawa orsak-verkan diagram

kontrollkort.

Sekvensen för tillämpningen av de sju metoderna kan vara olika beroende på det uppsatta målet för systemet. På samma sätt behöver systemet som används inte nödvändigtvis omfatta alla sju metoderna. 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.

1. Checklista

En checklista (eller ett ark) är ett verktyg för att samla in data och automatiskt organisera den för att underlätta vidare användning av den insamlade informationen.

Oavsett vilken typ av statistiska verktyg som används för att lösa det problem som företaget står inför, är det första som måste göras att samla in den initiala informationen på grundval av vilken det eller det verktyget används. Det är känt att antalet personer som är involverade i databehandling har en inverkan på direkt inflytande om tillförlitligheten hos dessa uppgifter. För att eliminera möjligheten till fel i databehandlingen används en checklista.

Ett kontrollblad är ett pappersformulär på vilket kontrollerade parametrar är förtryckta, enligt vilka data kan matas in med hjälp av märken eller enkla symboler. Syftet med att använda checklistor är att underlätta datainsamlingsprocessen och automatiskt organisera data för vidare användning. Oavsett hur många mål ett företag har kan du skapa en checklista för vart och ett av dem.

Vid sammanställning av checklistor är det nödvändigt att se till att bladet ska ange vem som samlat in uppgifterna, i vilket skede av processen och under vilken tidsperiod, samt att bladets form ska vara enkel och begriplig utan ytterligare förklaringar. Det är också viktigt att all data registreras samvetsgrant så att den insamlade informationen kan användas för processanalys.

Fig.2 Exempel på ett checkblad

Dessutom måste varje kontrollblad ha en adressdel, som anger dess namn, uppmätta parameter, namn och artikelnummer, verkstad, sektion, maskin, skift, operatör, material som bearbetas, bearbetningslägen och andra data av intresse för analysvägar. förbättra produktkvaliteten eller arbetsproduktiviteten. Datum för slutförande anges, bladet är undertecknat av den person som direkt fyllt i det, och i de fall där resultaten av beräkningar anges på det, av den person som utförde dessa beräkningar.

2. Histogram

Ett histogram (stapeldiagram) visar fördelningen av data över grupper av värden. Histogram hjälper dig att jämföra datavärden genom en visuell representation. Histogram är användbara när man beskriver en process eller ett system. Man måste komma ihåg att ett histogram kommer att vara effektivt om data för dess konstruktion erhölls på basis av en stabilt fungerande process. Detta statistiska verktyg kan vara ett bra hjälpmedel för att konstruera kontrolldiagram.

Fig.3 Exempel på ett histogram

3. Paretodiagram

Ett Pareto-diagram är ett grafiskt verktyg som låter dig identifiera de viktigaste orsakerna till ett visst problem.

Pareto-diagrammet bygger på principen att 80 % av defekterna beror till 20 % på orsakerna som orsakade dem. Dr. D.M. Juran använde detta postulat för att klassificera kvalitetsproblem i få men väsentliga och många oviktiga, och kallade denna metod för Pareto-analys. Med Pareto-metoden kan du identifiera huvudfaktorerna som orsakar ett problem och prioritera deras lösning.

Ris. 4 Exempel på ett Pareto-diagram

4. Orsak och verkan diagram.

Ett orsak-och-verkan-diagram hjälper till att identifiera och visualisera orsakerna till ett visst problem eller resultat (Figur 5). Tanken med metoden är att identifiera och sedan konsekvent eliminera eller minimera effekten av de identifierade orsakerna, vilket kommer att leda till förbättrad kvalitet.

Ris. 5 Orsaksdiagram för tentamen

Systematisk användning av ett orsak-och-verkan-diagram låter dig:

Identifiera alla möjliga orsaker som orsakar ett särskilt problem.

Separera orsaker från symtom.

Analysera den relativa betydelsen av de relevanta orsakerna.

5. Spridningsdiagram.

Ett spridningsdiagram är ett sätt att visa sambandet mellan två variabler (till exempel hastighet och gaskörning, eller arbetade timmar och produktion).

Fig. 6 Exempel på ett spridningsdiagram: det finns ett direkt samband mellan kvalitetsindikatorer

Detta diagram visar tydligt om det finns ett samband mellan två variabler:

Positivt samband - om X ökar så ökar också Y. Negativt samband - om X ökar så minskar Y. Det finns inget samband - en storhet har ingen korrelation med en annan.

Ett spridningsdiagram kan användas i analysfasen för att ytterligare utforska de element som identifierats i orsak-verkan-analysen; till exempel kan ett spridningsdiagram bekräfta orsaken som fastställts med hjälp av ett Ishikawa-diagram. När du konstruerar ett spridningsdiagram måste du vara mycket noga med att säkerställa att det finns ett giltigt förhållande.

6. Stratifiering (stratifiering).

I grund och botten är stratifiering processen att sortera data enligt vissa kriterier eller variabler, vars resultat ofta visas i form av diagram och grafer.

Stratifiering är grunden för andra verktyg som Pareto-analys eller scatterplots. Denna kombination av verktyg gör dem mer kraftfulla.

Figuren visar ett exempel på att analysera källan till defekter. Alla defekter (100%) klassificerades i fyra kategorier - efter leverantör, efter operatör, efter skift och efter utrustning. Från analysen av presenterade bottendata framgår det tydligt att det största bidraget till förekomsten av defekter i detta fall görs av "leverantör 1".

Ris. 7 Exempel på datalager

7. Styrkort.

Ett kontrolldiagram är en speciell typ av diagram för att visuellt presentera resultaten av en process.

För att presentera processresultat är det viktigt att använda den exakta uppsättning kontrolldiagram som bäst matchar den insamlade processdatan.

Användningen av kontrolldiagram är:

Minska processavvikelser,

Kontroll av processresultat,

Etablera ett gemensamt språk för att diskutera processmått

Fig. 8. Allmän vy kontrollkort

Kontrolldiagram för kvantitativa egenskaper är som regel dubbla kartor, varav en visar förändringen i processens medelvärde och den andra - processens spridning.

Spridningen kan beräknas antingen från processområdet R (skillnaden mellan det största och minsta värdet) eller från processstandardavvikelsen S.

För närvarande används x - S-kort ofta, x - R-kort används mer sällan.

Kontrolldiagram för kvalitetsegenskaper:

Karta för andelen defekta produkter (pmap)

Pmap beräknar andelen defekta produkter i provet. Den används när urvalsstorleken är variabel.

Kort för antal defekta artiklar (np-kort)

np-kartan beräknar antalet defekta produkter i provet. Den används när provstorleken är konstant.

Karta för antalet defekter i provet (skarta)

Scart räknar antalet defekter i ett prov.

Karta för antal defekter per produkt (umap)

Umap beräknar antalet defekter per produkt i provet

Slutsats.

Statistiska metoder för kvalitetsledning är en filosofi, policy, system, metodik och tekniska medel kvalitetsstyrning baserad på resultaten av mätningar, analys, testning, kontroll, driftdata, expertbedömningar och all annan information som gör att du kan fatta tillförlitliga, informerade, evidensbaserade beslut.

Användningen av statistiska metoder är ett mycket effektivt sätt att utveckla ny teknik och kvalitetskontroll produktionsprocesser. Många ledande företag är engagerade i deras omfattande användning, och vissa spenderar mer än hundra timmar årligen på intern utbildning i dessa tekniker. Även om kunskap om statistiska metoder är en del av den normala utbildningen för en ingenjör, betyder kunskap ensam inte förmågan att tillämpa den. Förmågan att se händelser ur ett statistiskt perspektiv är viktigare än kunskap om själva metoderna. Dessutom måste man ärligt kunna erkänna brister och förändringar som uppstått och samla in objektiv information. indikatorer kvalitet. De är den viktigaste komponenten i ett komplext system kontrollera General Management Kvalitet. Genomförande sju verktyg kontrollera kvalitet...säg det sju verktyg kontrollera kvalitetär nödvändiga och...

Husbyggnadsteknik, kvalimetri och förvaltning kvalitet

Kurser >> Konstruktion

Analys med hjälp av " sju ny verktyg förvaltning kvalitet". Notera. Använd vid behov " sju verktyg kontrollera kvalitet"- (diagram...

Modernt kontrollkoncept kvalitet

Kurser >> Management

Statistiska metoder - den så kallade " sju verktyg kontrollera kvalitet". Dessa sju verktyg kombinera följande metoder: Skiktning. ...sprida ut. Kontrollkort. listad" sju verktyg kontrollera kvalitet"

Förvaltning kvalitet i handeln

Sammanfattning >> Stat och lag

Metoder - den så kallade " sju verktyg kontrollera kvalitet". Dessa sju verktyg kombinera följande metoder: Skiktning. ... Kontrolldiagram (X – R, p, pn, etc.). listad" sju verktyg kontrollera kvalitet" när de löser olika problem kan de...

UKRAINA MINISTERIE FÖR UTBILDNING OCH VETENSKAP

DONETSK NATIONELLA TEKNISKA UNIVERSITET

Institutionen för kvalitetsledning

TESTA

På ämnet "Sju kvalitetskontrollverktyg"

Donetsk

Introduktion

I moderna världen Problemet med produktkvalitet blir oerhört viktigt. Alla företags och leverantörers välbefinnande beror till stor del på dess framgångsrika lösning. Produkter av högre kvalitet förbättrar avsevärt leverantörens möjligheter att konkurrera om marknader och, viktigast av allt, bättre tillgodose konsumenternas behov. Produktkvalitet är den viktigaste indikatorn på ett företags konkurrenskraft.

Produktkvalitet fastställs i processen för vetenskaplig forskning, design och teknisk utveckling, säkerställd genom en god organisation av produktionen och slutligen upprätthålls den under drift eller konsumtion. I alla dessa stadier är det viktigt att utföra snabb kontroll och få en tillförlitlig bedömning av produktkvaliteten.

I åratal hårt arbete specialister isolerade från världserfarenhet, bit för bit, sådana tekniker och tillvägagångssätt som kan förstås och effektivt användas utan särskild utbildning, och detta gjordes på ett sådant sätt att man säkerställde verkliga prestationer för att lösa de allra flesta problem som uppstår i verklig produktion.

Som ett resultat utvecklades ett system praktiska metoder, designad för massbruk. Dessa är de så kallade sju enkla metoder(verktyg), som kommer att diskuteras i denna abstrakta recension.

1. Metod "Sju väsentliga kvalitetskontrollverktyg"

Produktkvalitet är en uppsättning produktegenskaper som avgör dess lämplighet för att möta vissa behov i enlighet med dess avsedda syfte. Kvaliteten på produkter eller tjänster är en av de viktigaste faktorerna framgångsrika aktiviteter i någon organisation eller företag.

En av grundprinciperna för kvalitetsledning är att fatta beslut baserade på fakta. Detta löses till fullo genom metoden för modellering av processer, både produktions- och hanteringsverktyg för matematisk statistik. Moderna statistiska metoder är dock ganska svåra att förstå och ofta använda. praktisk användning utan fördjupad matematisk träning av alla deltagare i processen. År 1979 hade Japanese Union of Scientists and Engineers (JUSE) satt ihop sju ganska lättanvända visuella metoder för processanalys. Trots sin enkelhet upprätthåller de en koppling till statistik och ger proffs möjlighet att använda sina resultat och vid behov förbättra dem.

Syftet med metoden "Sju grundläggande kvalitetskontrollverktyg" är att identifiera problem som måste åtgärdas som en fråga om prioritet, baserat på att övervaka den pågående processen, samla in, bearbeta och analysera inhämtade fakta (statistiskt material) för efterföljande förbättring av kvaliteten på processen.

Kärnan i metoden är kvalitetskontroll (jämför den planerade kvalitetsindikatorn med dess faktiska värde) - detta är en av huvudfunktionerna i kvalitetsledningsprocessen och insamling, bearbetning och analys av fakta - det viktigaste steget denna process.

Av de många statistiska metoderna har endast sju valts ut för utbredd användning, som är begripliga och lätt kan användas av specialister inom olika områden. De låter dig identifiera och visa problem i tid, fastställa de viktigaste faktorerna från vilka du måste börja agera och fördela insatser för att effektivt lösa dessa problem.

Det förväntade resultatet är en lösning på upp till 95 % av alla problem som uppstår i produktionen.

Sju huvud kvalitetskontrollverktyg

Sju grundläggande kvalitetskontrollverktyg är en uppsättning verktyg som gör det lättare att kontrollera pågående processer och ger olika typer av fakta för analys, justering och förbättring av processkvalitet.

1. Checklista- ett verktyg för att samla in data och automatiskt organisera dem för att underlätta vidare användning av den insamlade informationen.

2. Histogram- ett verktyg som låter dig visuellt utvärdera fördelningen av statistiska data, grupperade efter frekvensen av data som faller inom ett visst (förutbestämt) intervall.

3. Pareto-diagram- ett verktyg som gör att du objektivt kan presentera och identifiera de viktigaste faktorerna som påverkar problemet som studeras, och fördela ansträngningar för att effektivt lösa det.

4. Stratifieringsmetod(datastratifiering) - ett verktyg som låter dig dela in data i undergrupper enligt ett visst kriterium.

5. Spridningsdiagram(spridning) - ett verktyg som låter dig bestämma typen och närheten av förhållandet mellan par av motsvarande variabler.

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

7. Styrkort- ett verktyg som låter dig övervaka processens framsteg och påverka den (med hjälp av lämplig feedback), vilket förhindrar dess avvikelser från de krav som presenteras för processen.

Låt oss överväga innehållet i dessa metoder och möjligheterna för deras tillämpning.

2. Sju viktiga kvalitetskontrollverktyg

2.1 Checklista

Checklistor(eller datainsamling) – särskilda formulär för datainsamling. De underlättar insamlingsprocessen, bidrar till datainsamlingens noggrannhet och leder automatiskt till vissa slutsatser, vilket är mycket bekvämt för snabb analys. Resultaten kan enkelt konverteras till ett histogram eller Pareto-diagram. Checklistor kan användas för både kvalitativ och kvantitativ kontroll. Formen på kontrollbladet kan vara annorlunda beroende på dess syfte (fig. 1).

Ris. 1 - Checklista exempel

2.2 Histogram

Histogram– typ av stapeldiagram. Fungerar för att sammanfatta digitala data. Kan användas som ett sätt att grafiskt visa checklistdata. Arten av distributionen av de erhållna uppgifterna kan avslöja kärnan i problemet. Designad för kommunikation direkt med personer som hanterar processen. Histogrammet visar beroendet av frekvensen av kvalitetsparametrarna för en produkt eller process som faller inom ett visst intervall av värden från dessa värden.

Histogrammet är konstruerat enligt följande (fig. 2):

1. Bestäm det högsta värdet på kvalitetsindikatorn.

2. Bestäm det lägsta värdet på kvalitetsindikatorn.

3. Definiera histogramintervallet som skillnaden mellan det största och det minsta värdet.

4. Bestäm antalet histogramintervall. Du kan ofta använda en ungefärlig formel: (antal intervall) = N (antal kvalitetsindikatorvärden) Till exempel, om antalet indikatorer = 50, är antalet histogramintervall = 7.

5. Bestäm längden på histogramintervallet = (histogramintervall) / (antal intervall).

6. Vi delar upp histogramområdet i intervall.

7. Vi räknar antalet träffar av resultat i varje intervall.

8. Bestäm frekvensen av träffar i intervallet = (antal träffar)/(totalt antal kvalitetsindikatorer)

9. Bygg ett stapeldiagram.

Ris. 2 - Bränsleförbrukningshistogram för 100 bilar

2.3 Pareto-diagram

Pareto-analys har fått sitt namn från den italienske ekonomen Vilfredo Pareto, som visade mest kapital (80 %) är i händerna på ett litet antal människor (20 %). Pareto utvecklade logaritmik matematiska modeller, som beskriver denna olikformiga fördelning, och matematikern M.Oa. Lorenz gav grafiska illustrationer.

Pareto-regeln är en "universell" princip som är tillämpbar i många situationer och utan tvekan - för att lösa kvalitetsproblem. Joseph Juran noterade den "universella" tillämpningen av Pareto-principen på alla grupper av orsaker som orsakar en eller annan konsekvens, med de flesta av konsekvenserna orsakade av ett litet antal orsaker. Pareto-analys rangordnar enskilda områden efter betydelse eller betydelse och kräver att man identifierar och först eliminerar de orsaker som orsakar största antal problem (inkonsekvenser).

Paretoanalys illustreras vanligtvis Pareto-diagram, på vilken x-axeln visar orsakerna till kvalitetsproblem i fallande ordning av problemen de orsakar, och y-axeln visar själva problemen i kvantitativa termer, både i numeriska och ackumulerade (kumulativa) procentuella termer.

Diagrammet visar tydligt området för prioriterade åtgärder, och beskriver orsakerna som orsakar det största antalet fel. För det första bör därför förebyggande åtgärder syfta till att lösa problemen med dessa särskilda problem (fig. 3).

Ris. 3 - Paretodiagram

2.4 Stratifieringsmetod

Mestadels, stratifiering- processen att sortera data enligt vissa kriterier eller variabler, vars resultat ofta visas i form av diagram och grafer

Vi kan klassificera en datamängd i olika grupper (eller kategorier) med allmänna egenskaper, kallad variabel stratifiering. Det är viktigt att ställa in vilka variabler som ska användas för sortering.

ALTERNATIV 1:

Teori: Sju kvalitetsverktyg ( grafiska metoder produktkvalitetsbedömning)

Introduktion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

1. Sju enkla verktyg kvalitet. . . . . . . . . . . . . . . . . . . . . . . . . . .3

2. Orsak-och-verkan-diagram (Ishikawa-diagram). . . . 5

3. Checklistor. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

4. Histogram. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

5. Spridningsdiagram. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

6. Paretoanalys. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

7. Stratifiering. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

8. Styrkort. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

Slutsats. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .15

Uppgift. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .16

Litteratur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

Introduktion

Syftet med arbetet är att studera sju verktyg inom området produktkvalitetsledning i ett företag. Forskningsmål: 1) Studie av stadierna för bildandet av metoder för kvalitetskontroll; 2) Studera essensen av de sju kvalitetsverktygen. Syftet med studien är metoder för att studera kostnaderna för produktkvalitet.

1. Sju enkla kvalitetsverktyg

Kontrollmetoder som funnits länge reducerades som regel till att analysera defekter genom en fullständig kontroll av tillverkade produkter. Vid massproduktion är sådan kontroll mycket dyr. Beräkningar visar att för att säkerställa produktkvalitet genom sortering måste företagens kontrollapparat vara fem till sex gånger större än antalet produktionsarbetare.

Å andra sidan garanterar inte kontinuerlig kontroll i massproduktion frånvaron av defekta produkter i de accepterade produkterna. Erfarenheten visar att inspektören snabbt tröttnar, vilket gör att några av de bra produkterna misstas för defekta och vice versa. Praxis visar också att där människor bärs med av fullständig kontroll ökar förlusterna av defekter kraftigt.

Dessa skäl har tvingat produktionen att gå över till selektiv styrning.

Statistiska metoder gör det möjligt att på ett rimligt sätt upptäcka en processstörning även när två eller tre enheter av produkter som valts ut för kontroll visar sig vara lämpliga, eftersom de är mycket känsliga för förändringar i tillståndet för tekniska processer.

Under årens hårt arbete har specialister bit för bit isolerat från världserfarenhet sådana tekniker och tillvägagångssätt som kan förstås och effektivt användas utan särskild utbildning, och detta gjordes på ett sådant sätt att man säkerställde verkliga prestationer för att lösa de allra flesta av problem som uppstår i verklig produktion.

En av grundprinciperna för kvalitetsledning är att fatta beslut baserade på fakta. Detta löses till fullo genom metoden för modellering av processer, både produktions- och hanteringsverktyg för matematisk statistik. Moderna statistiska metoder är dock ganska svåra att förstå och används ofta i praktiken utan djupgående matematisk träning av alla deltagare i processen. År 1979 hade Japanese Union of Scientists and Engineers (JUSE) satt ihop sju ganska lättanvända visuella metoder för processanalys. Trots sin enkelhet upprätthåller de en koppling till statistik och ger proffs möjlighet att använda sina resultat och vid behov förbättra dem.

Dessa är de så kallade sju enkla metoderna:

1) Paretodiagram;

2) Ishikawa-schema;

3) delaminering (stratifiering);

4) kontrollblad;

5) histogram;

6) grafik (på ett plan)

7) kontrolldiagram (Shewhart).

Ibland listas dessa metoder i en annan ordning, vilket inte är viktigt, eftersom de är tänkta att betraktas både som individuella verktyg och som ett system av metoder, där sammansättningen och strukturen av arbetsuppsättningen av verktyg i varje specifikt fall är ska vara specifikt bestämt.

Användningen av statistiska metoder är ett mycket effektivt sätt att utvecklas ny teknik och kvalitetskontroll av produktionsprocesser. Många ledande företag är engagerade i deras omfattande användning, och vissa spenderar mer än hundra timmar årligen på intern utbildning i dessa tekniker. Även om kunskap om statistiska metoder är en del av den normala utbildningen för en ingenjör, betyder kunskap ensam inte förmågan att tillämpa den. Förmågan att se händelser ur ett statistiskt perspektiv är viktigare än kunskap om själva metoderna. Dessutom måste man ärligt kunna erkänna brister och förändringar som uppstått och samla in objektiv information.

2. Orsak-och-verkan-diagram (Ishikawa-diagram)

5M-typdiagrammet tar hänsyn till kvalitetskomponenter som "man", "maskin", "material", "metod", "kontroll", och i 6M-typdiagrammet läggs "miljö"-komponenten till dem. I förhållande till problemet med att kvalimetrisk analys löses, för den "mänskliga" komponenten är det nödvändigt att bestämma faktorer relaterade till bekvämligheten och säkerheten för att utföra operationer; för "maskin" -komponenten - förhållandet mellan de strukturella delarna av den analyserade produkten med varandra i samband med utförandet av denna operation; för "metod" -komponenten - faktorer relaterade till produktiviteten och noggrannheten för den utförda operationen; för "material" -komponenten - faktorer förknippade med frånvaron av förändringar i produktmaterialens egenskaper under utförandet av denna operation; för "kontroll" -komponenten - faktorer förknippade med tillförlitlig igenkänning av fel i processen att utföra en operation; för komponenten "miljö" - faktorer som är förknippade med miljöns påverkan på produkten och produkten på miljön.

Ris. 1 Exempel på Ishikawa-diagram

3. Checklistor

Checklistor kan användas för både kvalitativ och kvantitativ kontroll.

Ris. 2 checklistor

4. Histogram

Histogram är en av varianterna av ett stapeldiagram som visar beroendet av frekvensen av kvalitetsparametrarna för en produkt eller process som faller inom ett visst värdeintervall från dessa värden.

Histogrammet är konstruerat enligt följande:

1. Bestäm det högsta värdet på kvalitetsindikatorn.

2. Bestäm det lägsta värdet på kvalitetsindikatorn.

3. Definiera histogramintervallet som skillnaden mellan det största och det minsta värdet.

4. Bestäm antalet histogramintervall. Du kan ofta använda en ungefärlig formel:

(antal intervall) = N (antal kvalitetsindikatorvärden) Till exempel, om antalet indikatorer = 50, är antalet histogramintervall = 7.

5. Bestäm längden på histogramintervallet = (histogramintervall) / (antal intervall).

6. Vi delar upp histogramområdet i intervall.

7. Vi räknar antalet träffar av resultat i varje intervall.

8. Bestäm frekvensen av träffar i intervallet = (antal träffar)/(totalt antal kvalitetsindikatorer)

9. Bygga ett stapeldiagram

5. Spridningstomter

Spridningsdiagram är grafer som den som visas nedan som visar korrelationen mellan två olika faktorer.

Ris. 3 Spridningsdiagram: Det finns praktiskt taget inget samband mellan kvalitetsindikatorer.

Ris. 4 Spridningsdiagram: Det finns ett direkt samband mellan kvalitetsindikatorer

Ris. 5 Spridningsdiagram: Det finns ett omvänt samband mellan kvalitetsindikatorer

6. Paretoanalys

Pareto-analys har fått sitt namn från den italienske ekonomen Vilfredo Pareto, som visade att det mesta kapitalet (80 %) finns i händerna på ett litet antal människor (20 %). Pareto utvecklade logaritmiska matematiska modeller som beskriver denna heterogena fördelning, och matematikern M.Oa. Lorenz gav grafiska illustrationer.

Paretoanalys illustreras vanligtvis med ett Paretodiagram (Fig. nedan), där x-axeln visar orsakerna till kvalitetsproblem i fallande ordning efter de problem de orsakar, och y-axeln visar själva problemen i kvantitativa termer, både numeriskt och kumulativt (kumulativt) procent.

Ris. 6 Pareto-diagram

7. Stratifiering

I grund och botten är stratifiering processen att sortera data enligt vissa kriterier eller variabler, vars resultat ofta visas i form av diagram och grafer

Vi kan klassificera en datamängd i olika grupper (eller kategorier) med gemensamma egenskaper som kallas variabel stratifiering. Det är viktigt att ställa in vilka variabler som ska användas för sortering.

Stratifiering är grunden för andra verktyg som Pareto-analys eller scatterplots. Denna kombination av verktyg gör dem mer kraftfulla.

Ris. 7 Datastratifiering.

8. Kontrollkort

Kontrolldiagram är en speciell typ av sjökort, som först föreslogs av W. Shewhart 1925. Kontrolldiagram har den form som visas i fig. 4.12. De återspeglar karaktären av förändringar i kvalitetsindikatorer över tid.

Ris. 8 Översikt över kontrolldiagrammet

Kontrolldiagram för kvantitativa egenskaper

Kontrolldiagram för kvantitativa egenskaper är vanligtvis dubbla kartor, varav en visar förändringen i processens medelvärde och den andra - processens spridning. Spridningen kan beräknas antingen från processområdet R (skillnaden mellan det största och minsta värdet) eller från processstandardavvikelsen S.

Nuförtiden används ofta x-S-kort, x-R-kort används mer sällan.

Styrdiagram baserade på kvalitetsegenskaper

Karta för andelen defekta produkter (p - karta)

P-kartan beräknar andelen defekta produkter i provet. Den används när urvalsstorleken är variabel.

Karta för antalet defekta föremål (np - karta)

np-kartan beräknar antalet defekta produkter i provet. Den används när provstorleken är konstant.

Karta för antalet defekter i provet (c - karta)

c-kartan beräknar antalet defekter i provet.

Karta för antalet defekter per produkt (u - karta)

U-kartan beräknar antalet defekter per produkt i provet.

Ris. 9 Styrkortsformulär

Slutsats

Företagspolitiken bör syfta till hög kvalitet. Äktenskap, som är dess motsats, kan förekomma i alla företag. Det måste beaktas.

Analys av kvalitetskostnader görs främst i syfte att identifiera de viktigaste och prioriterade uppgifterna för att förbättra kvaliteten. Beroende på målen, målen för kvalitetsanalysen och förmågan att få nödvändig information kan metoderna för kvalitetsanalys vara olika. Detta påverkas också av produkters passage genom ett visst skede av företagets verksamhet.

En välorganiserad kvalitetsanalys kan vara en källa till betydande besparingar för ett företag, och kan även förbättra företagets image i potentiella kunders ögon.

Uppgift nr 2:

Baserat på metoden för att konstruera en grafisk representation av kvalitetsbedömning, bygg för tillverkningsanläggningen takplåtPareto-diagram enligt följande uppgifter om defekter i produktionen av takplåt (tabell 1):

Tabell 1 - Data om defekter vid tillverkning av takplåt

Använd litteratur:

1. Ilyenkova S.D. Kvalitetsledning: en lärobok för universitetsstudenter - M.: UNITI-DANA, 2007. - 352 sid.

2. Ishikawa K. Japanska metoder för kvalitetsledning. M.: Ekonomi, 1998. – 250 sid.

3. Lapidus V. A. Total kvalitet i ryska företag; Nationell Personalutbildningsfonden. – M.: Nyheter, 2000.- 435 sid.

4. Leonov I. T. Produktkvalitetshantering. M.: Publishing house of standards, 1990.- 375 sid.

5. Mazur I. I., Shapiro V. D. Kvalitetsledning: Lärobok för universitetsstudenter / I. I. Mazur, V. D. Shapiro; Under allmänt Ed. I. I. Mazura. M.: Omega-L, 2005. – 256 sid.

INTRODUKTION 4

1.1. Checklista 5

1.2. Histogram 6

1.3. Stratifieringsmetod (gruppering, stratifiering)

statistiska uppgifter.11

1.4. Ishikawa orsaksdiagram.13

1.5. Paretodiagram.17

1.6. Spridningsdiagram .22

1.7. Styrkort.25

2. NYA OCH SENASTE VERKTYG

KVALITETSSTYRNING .31

2.1. Åtta nya kvalitetsstyrningsverktyg.31

2.2. De senaste verktygen för kvalitetsledning.36

3. KVALITETSEKONOMI .42

3.1. Indikatorer som avgör produktkvalitet.42

3.2. Optimal kvalitetsnivå.45

3.3. Ekonomisk effekt av införandet av en ny

teknik och organisatoriska och tekniska åtgärder,

syftar till att förbättra produktkvaliteten.48

3.4. Kvalitetskostnader.53

4. SEMINARPROGRAM .58

4.1. Grundläggande begrepp inom kvalitetsområdet………..58

4.2. Standarder för kvalitetsledningssystem.
Konceptet Total Quality Management (TQM). Processmetoden……………………………………………………….58

4.3. Utländsk erfarenhet av kvalitetsledning……………….59

4.4. Kvalitetsledning i byggandet (under förhållanden
självreglering)……………………………………………………………….60

BIBLIOGRAFISK LISTA .62

Introduktion

Det största problemet med att säkerställa Rysslands nationella ekonomiska säkerhet är produkternas kvalitet och konkurrenskraft. Detta problem får särskild betydelse i en kris som åtföljs av en förlust av position på den inhemska och utländska marknaden. Den historiska erfarenheten från USA, Japan och ett antal europeiska länder visar att säkerställandet av framsteg inom tillämpningsområdet effektiva system kvalitetsledning (enligt ISO 9000) hjälper till att framgångsrikt övervinna konsekvenserna av krisen och som tidigare ta starka positioner inom många typer av varor på världsmarknaden.

Många statistiska metoder för analys och kvalitetskontroll har utvecklats i olika länder. På 1960-talet valde japanska forskare ut sju metoder från en pool som blev känd över hela världen som de "sju enkla kvalitetskontrollverktygen". Dessa verktyg bygger på användningen av matematisk statistikteknik, men samtidigt är de förståeliga för alla deltagare i produktionsprocessen och används i nästan alla stadier av produktens livscykel.

När man skapar en ny produkt uppstår problem främst när det gäller att hantera processer, system och team. För att lösa dem är det nödvändigt att använda resultaten av operationsanalys, optimeringsteori, psykologi, etc., för vilka den japanska union av forskare och kvalitetsspecialister (1979) samlade in och föreslog sju nya kvalitetskontrollverktyg.

Denna workshop hjälper framtida ekonomer-chefer att få praktiska färdigheter i att använda enkla och nya verktyg för kvalitetskontroll och ledning, samt att bedöma kostnaderna för kvalitet och effektiviteten av kvalitetsledningssystem i byggandet. Dessa färdigheter är nödvändiga för framtida specialister vid utveckling och implementering av ett QMS, planering och organisering av kvalitetsarbete, resursallokering, framgångsrikt genomförandeåtgärder för att förbättra organisationens verksamhet.

1. SJU ENKLA (GAMMEL) KVALITETSKONTROLL- OCH HANTERINGSVERKTYG

Bland statistiska metoder och verktyg för ledning och kvalitetskontroll är de mest använda sju metoder som identifierades i början av 50-talet. Japanska specialister under ledning av K. Ishikawa. Med deras hjälp, enligt K. Ishikawa själv, kan upp till 95 % av alla problem som kommer till produktionsarbetarnas kännedom lösas.

1.1. Checklista

Checklista är ett formulär för att systematiskt samla in data och automatiskt organisera dem för att underlätta vidare användning av den insamlade informationen.

Ett testark är ett pappersformulär på vilket namnen och intervallen för de parametrar som övervakas är förtryckta så att mätdata enkelt och exakt kan registreras och organiseras för framtida referens. Analys av checklistdata låter oss svara på frågan "Hur ofta inträffar de händelser som studeras?" Det börjar med att omvandla åsikter och antaganden till fakta.

Konstruktionen av en checklista inkluderar vissa steg som kräver:

1) fastställa vilken händelse som kommer att observeras;

2) komma överens om den period under vilken data kommer att samlas in (timme, dag);

3) konstruera ett formulär som är tydligt och lätt att fylla i;

4) samla in data konstant och ärligt, utan att förvränga informationen.

Formen för checklistan utvecklas i enlighet med den specifika situationen. I alla fall indikerar det: studieobjektet; tabell för registrering av data för den kontrollerade parametern; kontrollplats (verkstad, plats); jobbtitel
och namnet på den anställde som registrerar uppgifterna; datum för datainsamling; observationens varaktighet och namnet på kontrollanordningen (om den användes under observationen).

I registreringstabellen, i motsvarande kolumn, anges symboler som motsvarar antalet observerade händelser. I fig. 1.1 visar ett exempel på en checklista för insamling av information.

Baserat på resultaten av datainsamling som utförts för flera partier med hjälp av kontrollbladet som diskuterats ovan, kan en sammanfattande tabell sammanställas
(Figur 1.2), som kan användas för vidare analys med andra statistiska verktyg.

1.2. Histogram

Histogram är ett verktyg som låter dig visuellt utvärdera distributionslagen för dataspridningen, samt fatta ett beslut om var du ska fokusera uppmärksamheten i syfte att förbättra processerna.

Stadier för att konstruera ett histogram:

1. Utveckling och ifyllning (i färd med att observera den kontrollerade processen) ett formulär för insamling av primärdata - ett kontrollblad.

2. Fastställande av den maximala ( x max) och minimum ( x min) provvärden.

3. Beräkning av provintervall ( R) enligt formeln:

. (1.1)

4. Bestämma antalet intervall på histogrammet ( n). Antalet histogramfack beror på provstorleken ( N), kan det bestämmas med hjälp av tabellen. 1.1.

Ris. 1.1. Checklista

Ris. 1.2. Sammanfattande tabell över informationsinsamlingsresultat

Tabell 1.1

Bestämma antalet fack i ett histogram

Provstorlek ( N)	Antal intervall ( n)

5. Storleken på intervallen bestäms så att spännvidden inklusive max- och minimivärden delas upp i intervall med lika bredd. Intervallbredd ( h) bestäms av formeln:

. (1.2)

6. Bestämning av intervallgränser. Den nedre gränsen för det första intervallet är provets minimivärde, och den övre gränsen för det sista intervallet är maximum.

Första intervallet: ...

Senaste intervallet: .

7. Bestämma antalet data "träffar" i ett visst intervall ( k i).

8. Beräkning av de relativa frekvenserna för data som "träffar" i intervall ( f i)

. (1.3)

9. Rita en histogramgraf.

Gränserna för intervallen måste ritas på den horisontella axeln, medan det på båda sidor (före det första och efter de sista intervallen) ska lämnas utrymme så att du kan indikera topp (USL) Och lägre (LSL) toleransgränser. På vertikal axel plotta den relativa frekvensen. Med hjälp av bredden på intervallen som bas konstrueras rektanglar, vars höjd är lika med frekvensen av observationsresultat som faller in i motsvarande intervall.

Ett exempel på ett histogram som visas i fig. 1.3.

Ris. 1.3. Ett exempel på att konstruera ett histogram

Histogrammet ska plottas med linjer som representerar: medelvärdet aritmetiskt värde prover ( X ons), toleransgränser ( USL Och LSL) och mitten av toleransfältet ( C).

Aritmetiskt medelvärde X ons observationsresultat x i bestäms av formeln:

. (1.4)

Toleransgränser USL (överst) och LSL (lägre) bestäms enligt kraven i produktkvalitetsstandarder.

Mitten av toleransintervallet eller målvärdet ( C) bestäms av formeln:

. (1.5)

Beräkning av grundläggande kvalitetsegenskaper
process med histogram

För att bedöma kvaliteten på processen med hjälp av ett histogram är det nödvändigt att beräkna följande värden:

Index för processlämplighet för att uppfylla teknisk tolerans utan att ta hänsyn till medelvärdets position ( P sid).

. (1.6)

Bestäms av formeln: P sid Om P sid

≥ 1, då faller histogrammets bredd inom toleransfältets bredd, och processen är kontrollerbar (mer exakt, det är möjligt att utföra processen på ett sådant sätt att 99,73 % av produkterna faller inom toleransfältet ). Om P sid De flesta ryska fabriker verkar på värden P sid≈ 0,95 ... 1,3, och japanska specialister inom produktkvalitetsledning lyckas i många fall upprätthålla värden på processlämplighetsindex hos sina företag

≈ 1,5 ... 4,0, vilket gör det möjligt att begränsa produktdefekter till enheter av defekta produkter per miljon tillverkade produkter. k).

. (1.7)

Index för processlämplighet för att tillfredsställa teknisk tolerans, med hänsyn till positionen för medelvärdet ( P pk) bestäms av formeln:

. (1.8)

För att förbättra kvaliteten på processen (minska nivån av defekter) är det nödvändigt att säkerställa ett högt indexvärde P sid och lågt indikatorvärde k.

Problem 1.1

Att studera kvaliteten på tillverkningsprocessen av stålaxlar på svarv Diametrarna på 90 axlar mättes. Mätresultaten anges i tabell. 1.2.

Tabell 1.2

En av grundprinciperna för kvalitetsledning är att fatta beslut baserade på fakta. Detta löses till fullo genom metoden för modellering av processer, både produktions- och hanteringsverktyg för matematisk statistik. Moderna statistiska metoder är dock ganska svåra att förstå och används ofta i praktiken utan djupgående matematisk träning av alla deltagare i processen. År 1979 hade Japanese Union of Scientists and Engineers (JUSE) satt ihop sju ganska lättanvända visuella metoder för processanalys. Trots sin enkelhet upprätthåller de en koppling till statistik och ger proffs möjlighet att använda sina resultat och vid behov förbättra dem.

Orsak-och-verkan-diagram (Ishikawa-diagram)

Exempel på Ishikawa-diagram

Checklistor

Checklistor kan användas för både kvalitativ och kvantitativ kontroll.

Histogram

Histogrammet är konstruerat enligt följande:

Vi bestämmer det högsta värdet på kvalitetsindikatorn.
Vi bestämmer det lägsta värdet på kvalitetsindikatorn.
Vi definierar intervallet för histogrammet som skillnaden mellan det största och det minsta värdet.
Bestäm antalet histogramintervall. Du kan ofta använda en ungefärlig formel:
(antal intervall) = N (antal kvalitetsindikatorvärden) Till exempel, om antalet indikatorer = 50, är antalet histogramintervall = 7.
Bestäm längden på histogramintervallet = (histogramintervall) / (antal intervall).
Vi delar upp histogramområdet i intervall.
Vi räknar antalet träffar av resultat i varje intervall.
Bestäm frekvensen av träffar i intervallet = (antal träffar)/(totalt antal kvalitetsindikatorer)
Bygga ett stapeldiagram

Spridningstomter

Spridningsdiagram är grafer som den som visas nedan som visar korrelationen mellan två olika faktorer.

Spridningsdiagram: Det finns praktiskt taget inget samband mellan kvalitetsindikatorer.

Scatter plot: Det finns ett direkt samband mellan kvalitetsindikatorer

Scatter plot: Det finns ett omvänt samband mellan kvalitetsindikatorer

Paretoanalys

Pareto-diagram

Stratifiering

I grund och botten är stratifiering processen att sortera data enligt vissa kriterier eller variabler, vars resultat ofta visas i form av diagram och grafer

Stratifiering är grunden för andra verktyg som Pareto-analys eller scatterplots. Denna kombination av verktyg gör dem mer kraftfulla.

Datastratifiering.

Kontrollkort

Översikt över kontrolldiagrammet

Kontrolldiagram för kvantitativa egenskaper

Nuförtiden används ofta x-S-kort, x-R-kort används mer sällan.

Styrdiagram baserade på kvalitetsegenskaper

Karta för andelen defekta produkter (p - karta)

P-kartan beräknar andelen defekta produkter i provet. Den används när urvalsstorleken är variabel.

Karta för antalet defekta föremål (np - karta)

np-kartan beräknar antalet defekta produkter i provet. Den används när provstorleken är konstant.

Karta för antalet defekter i provet (c - karta)

c-kartan beräknar antalet defekter i provet.

Karta för antalet defekter per produkt (u - karta)

U-kartan beräknar antalet defekter per produkt i provet.

Styrkortsformulär