Пример построения контрольной карты Шухарта в Excel
Контрольные карты Шухарта – один из инструментом менеджмента качества . Используется для контроля за ходом процесса. Пока значения остаются в пределах контрольных границ, вмешательство в процесс не требуется. Процесс статистически управляем . Если значения выходят за контрольные границы , необходимо вмешательство менеджмента для выявления причин отклонений.
Рассмотрим пример построения контрольной карты в Excel в рамках управления дебиторской задолженностью (для наглядности откройте файл Excel ).
Исходные данные содержат информацию о дебиторской задолженности (ДЗ) и просроченной дебиторской задолженности (ПДЗ) по одному клиенту по состоянию на начало указанной недели:
Рис. 1. Исходные данные
В качестве параметра, за которым планируется следить, выбрана доля ПДЗ в суммарной ДЗ. Поскольку уровень бизнеса колеблется в течение года, логичнее использовать именно относительный параметр, так как абсолютные цифры будут отражать не только платежную дисциплину клиента, но и уровень бизнеса.
На контрольную карту наносятся данные по неделям, а также контрольная граница. Последняя равна µ + 3σ, где µ – среднее значение, а σ – стандартное отклонение. Можно использовать µ и σ, определенные по первым 10–15 значениям. Я предпочитаю использовать скользящие значения µ и σ, определяемые по всем значения. Такие µ и σ будут меняться при добавлении новых значений, соответствующих новым неделям.
Для контроля дебиторской задолженности нижняя контрольная граница не используется, так как чем меньше значение, тем лучше. Если же вы осуществляете контроль над каким-то техническим параметром, то в этом случае нижняя граница также имеет физический смысл, и должна наноситься на график. Для наглядности я также люблю наносить на контрольные карты линию среднего значения (рис. 2). В принципе, это делать не обязательно…
Рис. 2. Контрольная карта Шухарта по управлению дебиторской задолженностью.
Почему контрольные границы соответствуют значениям µ ± 3σ? В соответствии с концепцией Шухарта именно такое определение границ позволяет отделить ситуации, когда экономически целесообразно начинать поиски особых причин вариации ; пока такие границы не превышены, процесс остается статистически управляемым, и поиск причин отклонения отдельных значений является экономически нецелесообразным . То есть, не следует искать ответа [на вопрос, почему именно µ ± 3σ] в теории вероятности или статистическом анализе.
Подчеркну еще раз: определение в качестве границ значений µ ± 3σ отражает только практическую полезность именно такого определения. Из этого следует важный вывод: в каждом конкретном случае имеет смысл обращать внимание и на отклонения, выходящие за пределы µ ± 2σ, которые тоже могут быть обусловлены особыми причинами вариаций (просто, вероятность того, что такие отклонения связаны с особыми причинами вариаций, ниже, чем в случае с выходом за µ ± 3σ). Должны ли менеджеры в случае выхода за пределы µ ± 2σ принимать какие-то меры!? Вопрос тонкий. Лично я ограничиваюсь информированием ответственных, что ситуация близка к проблемной, и прошу обсудить ее с клиентом…
4. Примеры построения контрольных карт Шухарта с использованием ГОСТ Р 50779.42–99
Контрольные карты Шухарта бывают двух основных типов: для количественных и альтернативных данных. Для каждой контрольной карты встречаются две ситуации:
а) стандартные значения не заданы;
б) стандартные значения заданы.
Стандартные значения – значения, установленные в соответствии с некоторыми конкретными требованиями или целями.
Целью контрольных карт, для которых не заданы стандартные значения является обнаружение отклонений значений характеристик (например, или какой-либо другой статистики), которые вызваны иными причинами, чем те, которые могут быть объяснены только случайностью. Эти контрольные карты основаны целиком на данных самих выборок и используют для обнаружения вариаций, которые обусловлены неслучайными причинами.
Целью контрольных карт при наличии заданных стандартных значений является определение того, отличаются ли наблюдаемые значения , и т.п. для нескольких подгрупп (каждая объемом наблюдений) от соответствующих стандартных значений (или ) и т.п. больше, чем можно ожидать при действии только случайных причин. Особенностью карт с заданными стандартными значениями является дополнительное требование, относящееся к положению центра и вариации процесса. Установленные значения могут быть основаны на опыте, полученном при использовании контрольных карт на заданных стандартных значениях, а также на экономических показателях, установленных после рассмотрения потребности в услуге и стоимости производства, или указаны в технических требованиях на продукцию .
4.1 Контрольные карты для количественных данных
Контрольные карты для количественных данных – это классические контрольные карты, применяемые для управления процессами в тех случаях, когда характеристики или результаты процесса измеряемы, и измеренные с требуемой точностью фактические значения контролируемого параметра регистрируются.
Контрольные карты для количественных данных позволяют контролировать как расположение центра (уровень, среднее, центр настройки) процесса, так и его разброс (размах, стандартное отклонение). Поэтому контрольные карты для количественных данных почти всегда применяют и анализируют парами – одна карта для расположения, а другая для разброса.
Наиболее часто применяют пары и -карты, а также и -карты . Формулы для расчета положения контрольных границ этих карт приведены в табл. 1. Значения входящих в эти формулы и зависящих от объема выборки коэффициентов приведены в табл. 2 .
Следует подчеркнуть, что приведенные в этой таблице коэффициенты получены в предположении, что количественные значения контролируемого параметра имеют нормальное или близкое к нормальному распределение.
Таблица 1
Формулы контрольных границ для карт Шухарта с использованием количественных данных
| Статистика | Стандартные значения заданы | |||
| Центральная линия | UCL и LCL | Центральная линия | UCL и LCL | |
| Примечание: заданы стандартные значения или , , или . |
||||
Таблица 2
Коэффициенты для вычисления линий контрольных карт
| Число наблюде-ний в под-группе n | Коэффициенты для вычисления контрольных границ | Коэффициенты для вычисления центральной линии | |||||||||||||
| 2 | 2,121 | 1,880 | 2,659 | 0,000 | 3,267 | 0,000 | 2,606 | 0,000 | 3,686 | 0,000 | 3,267 | 0,7979 | 1,2533 | 1,128 | 0,8865 |
| 3 | 1,732 | 1,023 | 1,954 | 0,000 | 2,568 | 0,000 | 2,276 | 0,000 | 4,358 | 0,000 | 2,574 | 0,8886 | 1,1284 | 1,693 | 0,5907 |
| 4 | 1,500 | 0,729 | 1,628 | 0,000 | 2,266 | 0,000 | 2,088 | 0,000 | 4,696 | 0,000 | 2,282 | 0,9213 | 1,0854 | 2,059 | 0,4857 |
| 5 | 1,342 | 0,577 | 1,427 | 0,000 | 2,089 | 0,000 | 1,964 | 0,000 | 4,918 | 0,000 | 2,114 | 0,9400 | 1,0638 | 2,326 | 0,4299 |
| 6 | 1,225 | 0,483 | 1,287 | 0,030 | 1,970 | 0,029 | 1,874 | 0,000 | 5,078 | 0,000 | 2,004 | 0,9515 | 1,0510 | 2,534 | 0,3946 |
| 7 | 1,134 | 0,419 | 1,182 | 0,118 | 1,882 | 0,113 | 1,806 | 0,204 | 5,204 | 0,076 | 1,924 | 0,9594 | 1,0423 | 2,704 | 0,3698 |
| 8 | 1,061 | 0,373 | 1,099 | 0,185 | 1,815 | 0,179 | 1,751 | 0,388 | 5,306 | 0,136 | 1,864 | 0,9650 | 1,0363 | 2,847 | 0,3512 |
| 9 | 1,000 | 0,337 | 1,032 | 0,239 | 1,761 | 0,232 | 1,707 | 0,547 | 5,393 | 0,184 | 1,816 | 0,9693 | 1,0317 | 2,970 | 0,3367 |
| 10 | 0,949 | 0,308 | 0,975 | 0,284 | 1,716 | 0,276 | 1,669 | 0,687 | 5,469 | 0,223 | 1,777 | 0,9727 | 1,0281 | 3,078 | 0,3249 |
| 11 | 0,905 | 0,285 | 0,927 | 0,321 | 1,679 | 0,313 | 1,637 | 0,811 | 5,535 | 0,256 | 1,744 | 0,9754 | 1,0252 | 3,173 | 0,3152 |
| 12 | 0,866 | 0,266 | 0,886 | 0,354 | 1,646 | 0,346 | 1,610 | 0,922 | 5,594 | 0,283 | 1,717 | 0,9776 | 1,0229 | 3,258 | 0,3069 |
| 13 | 0,832 | 0,249 | 0,850 | 0,382 | 1,618 | 0,374 | 1,585 | 1,025 | 5,647 | 0,307 | 1,693 | 0,9794 | 1,0210 | 3,336 | 0,2998 |
| 14 | 0,802 | 0,235 | 0,817 | 0,406 | 1,594 | 0,399 | 1,563 | 1,118 | 5,696 | 0,328 | 1,672 | 0,9810 | 1,0194 | 3,407 | 0,2935 |
| 15 | 0,775 | 0,223 | 0,789 | 0,428 | 1,572 | 0,421 | 1,544 | 1,203 | 5,741 | 0,347 | 1,653 | 0,9823 | 1,0180 | 3,472 | 0,2880 |
| 16 | 0,750 | 0,212 | 0,763 | 0,448 | 1,552 | 0,440 | 1,526 | 1,282 | 5,782 | 0,363 | 1,637 | 0,9835 | 1,0168 | 3,532 | 0,2831 |
| 17 | 0,728 | 0,203 | 0,739 | 0,466 | 1,534 | 0,458 | 1,511 | 1,356 | 5,820 | 0,378 | 1,622 | 0,9845 | 1,0157 | 3,588 | 0,2784 |
| 18 | 0,707 | 0,194 | 0,718 | 0,482 | 1,518 | 0,475 | 1,496 | 1,424 | 5,856 | 0,391 | 1,608 | 0,9854 | 1,0148 | 3,640 | 0,2747 |
| 19 | 0,688 | 0,187 | 0,698 | 0,497 | 1,503 | 0,490 | 1,483 | 1,487 | 5,891 | 0,403 | 1,597 | 0,9862 | 1,0140 | 3,689 | 0,2711 |
| 20 | 0,671 | 0,180 | 0,680 | 0,510 | 1,490 | 0,504 | 1,470 | 1,549 | 5,921 | 0,415 | 1,585 | 0,9869 | 1,0133 | 3,735 | 0,2677 |
| 21 | 0,655 | 0,173 | 0,663 | 0,523 | 1,477 | 0,516 | 1,459 | 1,605 | 5,951 | 0,425 | 1,575 | 0,9876 | 1,0126 | 3,778 | 0,2647 |
| 22 | 0,640 | 0,167 | 0,647 | 0,534 | 1,466 | 0,528 | 1,448 | 1,659 | 5,979 | 0,434 | 1,566 | 0,9882 | 1,0119 | 3,819 | 0,2618 |
| 23 | 0,626 | 0,162 | 0,633 | 0,545 | 1,455 | 0,539 | 1,438 | 1,710 | 6,006 | 0,443 | 1,557 | 0,9887 | 1,0114 | 3,858 | 0,2592 |
| 24 | 0,612 | 0,157 | 0,619 | 0,555 | 1,445 | 0,549 | 1,429 | 1,759 | 6,031 | 0,451 | 1,548 | 0,9892 | 1,0109 | 3,895 | 0,2567 |
| 25 | 0,600 | 0,153 | 0,606 | 0,565 | 1,434 | 0,559 | 1,420 | 1,806 | 6,056 | 0,459 | 1,541 | 0,9896 | 1,0105 | 3,931 | 0,2544 |
Альтернативой картам являются контрольные карты медиан (– карты), построение которых сопряжено с меньшим объемом вычислений по сравнению с картами. Это может облегчить их внедрение в производство. Положение центральной линии на – карте определяется средним значением медиан () для всех проконтролированных выборок. Положения верхней и нижней контрольных границ определяются соотношениями
(4.1)
Значения коэффициента , зависящие от объема выборки, приведены в табл. 3.
Таблица 3
Значения коэффициента
| 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | |
| 1,88 | 1,19 | 0,80 | 0,69 | 0,55 | 0,51 | 0,43 | 0,41 | 0,36 |
Обычно – карта применяется вместе с – картой, объемом выборок
В ряде случаев стоимость или продолжительность измерения контролируемого параметра столь велики, что приходится управлять процессом на основе измерения индивидуальных значений контролируемого параметра. При этом мерой вариации процесса служит скользящий размах, т.е. абсолютное значение разности измерений контролируемого параметра в последовательных парах: разность первого и второго измерений, затем второго и третьего и т.д. На основе скользящих размахов вычисляют средний скользящий размах , который используют для построения контрольных карт индивидуальных значений и скользящих размахов (и –карты). Формулы для расчета положения контрольных границ этих карт приведены в табл. 4.
Таблица 4
Формулы контрольных границ для карт индивидуальных значений
| Статистика | Стандартные значения не заданы | Стандартные значения заданы | ||
| Центральная линия | UCL и LCL | Центральная линия | UCL и LCL | |
| Индивидуальное значение | ||||
| Скользящий | ||||
| Примечание: заданы стандартные значения и или и . |
||||
Значения коэффициентов и косвенно можно получить из таблицы 2 при n=2.
4.1.1 и -карты. Стандартные значения не заданы
В табл. 6 приведены результаты измерений внешнего радиуса втулки. Каждые полчаса делалось четыре измерения, всего взято 20 выборок. Средние и размахи подгрупп также приведены в табл. 5. Установлены предельно допустимые значения внешнего радиуса: 0,219 и 0,125 дм. Цель – определение показателей процесса и управление им по настройки и разбросу так, чтобы он соответствовал установленным требованиям.
Таблица 5
Производственные данные для внешнего радиуса втулки
| Номер подгруппы | Радиус | |||||
| 1 | 0,1898 | 0,1729 | 0,2067 | 0,1898 | 0,1898 | 0,038 |
| 2 | 0,2012 | 0,1913 | 0,1878 | 0,1921 | 0,1931 | 0,0134 |
| 3 | 0,2217 | 0,2192 | 0,2078 | 0,1980 | 0,2117 | 0,0237 |
| 4 | 0,1832 | 0,1812 | 0,1963 | 0,1800 | 0,1852 | 0,0163 |
| 5 | 0,1692 | 0,2263 | 0,2066 | 0,2091 | 0,2033 | 0,0571 |
| 6 | 0,1621 | 0,1832 | 0,1914 | 0,1783 | 0,1788 | 0,0293 |
| 7 | 0,2001 | 0,1937 | 0,2169 | 0,2082 | 0,2045 | 0,0242 |
| 8 | 0,2401 | 0,1825 | 0,1910 | 0,2264 | 0,2100 | 0,0576 |
| 9 | 0,1996 | 0,1980 | 0,2076 | 0,2023 | 0,2019 | 0,0096 |
| 10 | 0,1783 | 0,1715 | 0,1829 | 0,1961 | 0,1822 | 0,0246 |
| 11 | 0,2166 | 0,1748 | 0,1960 | 0,1923 | 0,1949 | 0,0418 |
| 12 | 0,1924 | 0,1984 | 0,2377 | 0,2003 | 0,2072 | 0,0453 |
| 13 | 0,1768 | 0,1986 | 0,2241 | 0,2022 | 0,2004 | 0,0473 |
| 14 | 0,1923 | 0,1876 | 0,1903 | 0,1986 | 0,1922 | 0,0110 |
| 15 | 0,1924 | 0,1996 | 0,2120 | 0,2160 | 0,2050 | 0,0236 |
| 16 | 0,1720 | 0,1940 | 0,2116 | 0,2320 | 0,2049 | 0,0600 |
| 17 | 0,1824 | 0,1790 | 0,1876 | 0,1821 | 0,1828 | 0,0086 |
| 18 | 0,1812 | 0,1585 | 0,1699 | 0,1680 | 0,1694 | 0,0227 |
| 19 | 0,1700 | 0,1567 | 0,1694 | 0,1702 | 0,1666 | 0,0135 |
| 20 | 0,1698 | 0,1664 | 0,1700 | 0,1600 | 0,1655 | 0,0100 |
где – число подгрупп,
Первый шаг: построение –карты и определение по ней состояния процесса.
центральная линия:
Значения множителей и взяты из табл. 2 для n=4. Поскольку значения в табл. 5 находятся внутри контрольных границ, –карта указывает на статистически управляемое состояние. Значение теперь может быть использовано для вычисления контрольных границ карты.
центральная линия: г
Значения множителя берутся из табл. 2 для n=4.
и –карты представлены на рис. 5. Анализ карты показывает, что последние три точки вышли за границы. Это указывает на возможность действия некоторых особых причин вариаций. Если пределы были вычислены на основе предыдущих данных, то должно быть предпринято действие в точке, соответствующей 18-й подгруппе.
Рис.5. Карты средних и размахов
В этой точке процесса следует произвести соответствующее корректирующее действие, чтобы устранить особые причины и предотвратить их повторение. Работа с картами продолжается после установления пересмотренных контрольных границ без исключенных точек, которые вышли за старые границы, т.е. значений для выборок № 18, 19 и 20. Значения и линии контрольной карты пересчитывают следующим образом:
пересмотренное значение 
пересмотренное значение 
пересмотренная карта имеет следующие параметры:
центральная линия: г
пересмотренная –карта:
центральная линия:
(т.к. центральная линия: , то LCL отсутствует).
Для стабильного процесса с пересмотренными контрольными границами можно оценить возможности. Вычисляем индекс возможностей:
где – верхнее предельно допустимое значение контролируемого параметра; – нижнее предельно допустимое значение контролируемого параметра; – оценивают по средней изменчивости внутри подгрупп и выражают как . Значение постоянной берется из таблицы 2 для n=4.
Рис. 6. Пересмотренные и –карты
Поскольку , возможности процесса можно считать приемлемыми. Однако при тщательном изучении можно увидеть, что процесс не настроен правильно относительно допуска и поэтому около 11,8% единиц будут выходить за установленное верхнее предельно допустимое значение . Поэтому, прежде чем установить постоянные параметры контрольных карт, надо попытаться правильно настроить процесс, поддерживая его при этом в статистически управляемом состоянии.
Инструмент применяют тогда, когда обработку производят инструментом, конструкция и размеры которого утверждены ГОСТом и ОСТом или имеются в нормалях промышленности. При разработке технологических процессов изготовления деталей следует использовать нормализованный инструмент как наиболее дешевый и простой. Специальный режущий инструмент применяют в тех случаях, когда обработка нормализованным...
Такой контроль очень дорог. Поэтому от сплошного контроля переходят к выборочному с применением статистических методов обработки результатов. Однако такой контроль эффективен только тогда, когда технологические процессы, будучи в налаженном состоянии, обладают точностью и стабильностью, достаточной для «автоматической» гарантии изготовления бездефектной продукции. Отсюда встает необходимость...
И организации процесса контроля. Статус контроля В данном курсовом проекте техническим заданием предусмотрена разработка этапов процесса приемочного контроля детали редуктора цилиндрического соосного двухступенчатого двухпоточного – зубчатое колесо и активный контроль на операции шлифование отверстия. Методы активного и приемочного контроля взаимно дополняют друг друга, сочетаются. Активный...
Прежде чем приступать к непосредственному построению контрольных карт, ознакомимся с основными этапами поставленной задачи. Итак, ввиду того, что разные авторы преследуют свои цели, описывая построение контрольных карт, ниже будет представлено оригинальное видение этапов построения контрольных карт Шухарта.
Алгоритм построения контрольных карт Шухарта:
I. Анализ процесса.
В первую очередь необходимо задаться вопросом о существующей проблеме, потому что, при отсутствии оных, проведение анализа не будет иметь смысла. Для большей наглядности, можно воспользоваться причинно-следственной диаграммой Исикавы (упоминалась выше, гл. 2). Для ее составления рекомендуется привлечение сотрудников из разных отделов и использование мозгового штурма. Проведя доскональный анализ проблемы, и выяснив факторы, на нее влияющие переходим ко второму этапу.
II. Выбор процесса.
Прояснив в предыдущем этапе влияющие на процесс факторы, нарисовав детальный скелет «рыбы», необходимо выбрать процесс, который будет подвержен дальнейшему исследованию. Этот этап очень важен, потому что, выбор неверных показателей сделает всю контрольную карту менее эффективной, ввиду исследования малозначительных показателей. На этом этапе стоит осознавать, что выбор соответственного процесса и показателя определяет исход всего исследования и затрат, связанного с ним.
Приведем некоторые примеры, возможных показателей:
Таблица 1. Применение контрольных кар в сервисных организациях
Источник Эванс Дж. Управление качеством: учебн. Пособие/Дж. Эванс.-М.: Юнити-Дана, 2007.
При этом, показатель следует выбирать, руководствуясь главной целью компании, а именно, удовлетворение потребностей покупателей. Когда выбран процесс и показатель, его характеризующий можно переходить к сбору данных.
III. Сбор данных.
Цель данного этапа - сбор данных о процессе. Для этого, необходимо спроектировать наиболее пригодный способ для сбора данных, выяснить, кто и в какое время будет проводить замеры. Если процесс не оснащен техническими средствами, позволяющими автоматизировать занесение и обработку данных, возможно применение одного из семи простых способов Исикавы - контрольных листков. Контрольные листки, фактически, представляют собой бланки, для регистрации исследуемого параметра. Их преимущество заключается в простоте использования и легкости обучения сотрудников. Если же на рабочем месте имеется компьютер, возможно занесение данных через соответствующие программные продукты.
В зависимости от специфики показателя, определяется частота, время сбора и объем выборки для обеспечения репрезентативности данных. Собранные данные являются основой для проведения дальнейших операций и вычислений.
После сбора информации, исследователь должен принять решение о необходимости группировки данных. Разбиение на группы зачастую определяет работоспособность контрольных карт. Здесь, с помощью уже проведенного анализа с применением причинно-следственной диаграммы можно установить факторы, по которым можно будет наиболее рационально сгруппировать данные. Следует учесть, что данные внутри одной группы должны обладать небольшой изменчивостью, в ином случае, данные могут быть ложно интерпретированы. Также, если процесс делится с помощью стратифицирования на части, следует проанализировать каждую их частей в отдельности (пример: изготовление одинаковых деталей, разными работниками).
Изменение способа группирования, будет приводить к изменению факторов, которые образуют внутригрупповые вариации. Следовательно, необходимо изучить факторы, влияющие на изменение показателя, чтобы суметь применить правильную группировку.
IV. Вычисление значений контрольной карты.
Контрольные карты Шухарта делятся на количественные и качественные (альтернативные) в зависимости от измеримости исследуемого показателя. Если значение показателя измеримо (температура, вес, размер, и др.) применяют карты значения показателя, размахов и двойные карты Шухарта. Напротив, если показатель не позволяет применять числовые измерения, используют типы карт, для альтернативного признака. Фактически, показатели, исследуемые по такому признаку, определяются как соответствующие или не соответствующие предъявляемым требованиям. Отсюда и использование карт для доли (числа) дефектов и числа соответствий (несоответствий) на единицу продукции.
Для любого типа карт Шухарта предполагается определение центральной и контрольных линий, где центральная линия (CL-control limit), фактически представляет собой среднее значение показателя, а контрольные границы (UCL-upper control limit; LCL-lower control limit) - допустимые значения допуска.
Значения верхней и нижней контрольных границ определяются по формулам для разных типов карт, как можно видеть из схемы в приложении 1. Для их вычисления, с целью замены громоздких формул, используют коэффициенты из специальных таблиц для построения контрольных карт, где значение коэффициента зависит от объема выборки (приложение 2). Если же объем выборки велик, то используют карты, дающие наиболее полную информацию.
На данном этапе исследователь должен вычислить значения CL, UCL, LCL.
V. Построение контрольной карты.
Итак, мы и подошли к наиболее интересному процессу - графическое отражение полученных данных. Итак, если данные заносились в компьютер, то с помощью среды программ Statistica или Excel, можно, быстро графически изобразить данные. Однако можно построить контрольную карту и, не имея специальных программ, тогда, по оси OY контрольных карт откладываем значения показателя качества, а по OX - моменты времени регистрации значений, в такой последовательности:
1. наносим на контрольную карту центральную линию (CL)
2. наносим границы (UCL; LCL)
3. отражаем, полученные в ходе исследования данные, путем нанесения соответствующего маркера в точку пересечения значения показателя и времени его регистрации. Рекомендуется использование разных типов маркеров для значений, находящихся внутри границ допуска и выходящих за эти границы.
4. в случае использования двойных карт, повторите пункты 1-3 для второй карты.
VI. Проверка стабильности и управляемости процесса.
Этот этап призван показать нам то, ради чего и проводились исследования - стабилен ли процесс. Под стабильностью (статистической управляемостью) понимают состояние, при котором гарантирована повторяемость параметров. Таким образом, процесс будет стабилен, только в том случае, если не происходят нижеперечисленные случаи.
Рассмотрим основные критерии нестабильности процесса:
1. Выход за контрольные границы
2. Серия - определенное число точек, неизменно оказывающееся по одну сторону от центральной линии - (сверху)снизу.
Серия длиной в семь точек рассматривается как ненормальная. Кроме того, ситуацию следует рассматривать как ненормальную, если:
а) не менее 10 из 11 точек оказываются по одну сторону от центральной линии;
б) не менее 12 из 14 точек оказываются по одну сторону от центральной линии;
в) не менее 16 из 20 точек оказываются по одну сторону от центральной линии.
3. тренд - непрерывно повышающаяся или понижающаяся кривая.
4. приближение к контрольным границам. Если 2 или 3 точки оказываются очень близки к контрольным границам, это свидетельствует о ненормальности распределения.
5. приближение к центральной линии. Если значения концентрируются около центральной линии, это может свидетельствовать о неверном выборе способа группировки, что делает размах слишком широким и приводит к смешиванию данных различным распределений.
6. периодичность. Когда, спустя, определенные равные промежутки времени, кривая идет то на «спад», то на «подъем».
VII. Анализ контрольных карт.
Дальнейшие действия основываются на выводе о стабильности или нестабильности процесса. Если процесс не отвечает критериям стабильности, следует уменьшить влияние неслучайных факторов и, собрав новые данные, построить контрольную карту. Но, если процесс отвечает критериям стабильности, необходимо оценить возможности процесса (Cp). Чем меньше разброс параметров внутри границ допуска, тем выше значение показателя возможности процесса. Показатель отражает отношение ширины параметра и степень его разброса. Круглов М.Г., Шишков Г.М. Менеджмент качества как он есть/М.Г. Круглов, Г.М. Шишков.- М.: Эксмо, 2006. Индекс возможности рассчитывается как, где можно вычислить как.
Если вычисленный показатель меньше 1, то исследователю нужно усовершенствовать процесс, либо остановить изготовление продукции, либо изменить требования к продукции. При значении индекса:
Cр<1 возможности процесса неприемлемы,
Cр=1 процесс находится на грани требуемых возможностей,
Cр>1 процесс удовлетворяет критерию возможности.
В случае отсутствия смещения относительно центральной линии Cp=Cpk , где. Два этих показателя используют всегда совместно, для определения статуса процесса, так, в машиностроении считается нормой, что означает, что вероятность несоответствия не превышает 0,00006.
Теперь, рассмотрев алгоритм построения контрольных карт, разберем конкретный пример.
Задание: Контролируется содержание хрома в стальных отливках. Проводят замеры в четырех плавках. В таблице 2 приведены данные по 15 подгруппам. Необходимо построить карту.
Решение: Поскольку уже заранее известно, какой тип карты необходимо построить, вычислим значения
|
номер подгруппы |
||||||
Следующим шагом будет вычисление, где, в соответствии с вышеуказанной схемой, а. Теперь, имея, значения центральной линии, среднего значения показателя и среднего отклонения, найдем значения контрольных границ карт.
Где находится по таблице коэффициентов для вычислений линий контрольных карт и равно 0,729. Тогда UCL=0,880 , LCL=0,596.
Для значений нижние и верхние контрольные границы определяются по формулам:
где и находятся по таблице коэффициентов для вычислений линий контрольных карт и равны 0,000 и 2,282 соответственно. Тогда UCL=0,19*2,282=0,444 и LCL=0,19*0,000=0.
Построим контрольные карты для средних значений и размахов данной выборки, при помощи Excel:
Как мы можем удостовериться, контрольные карты не выявили неслучайные значения, выходы за контрольные границы, серии или тренды. Однако, график средних значений тяготеет к центральному положению, что может свидетельствовать как о неверно выбранных границах допуска, так и о ненормальности распределения и нестабильности процесса. Дабы удостоверится, вычислим индекс возможности процесса. , где можно вычислить как, по таблице коэффициентов, найдем значение, равное;
Так как, вычисленный индекс <1, что свидетельствует о неприемлемости возможностей процесса, его статистической неуправляемости и не стабильности. Необходимо провести усовершенствования процесса, установить контроль над его протеканием, с целью уменьшения влияния не случайных факторов.
Алгоритм:
1. Анализ процесса.
В первую очередь необходимо задаться вопросом о существующей проблеме, потому что, при отсутствии их, проведение анализа не будет иметь смысла. Для большей наглядности, можно воспользоваться причинно-следственной диаграммой Исикавы(упоминалась выше, гл. 2). Для ее составления рекомендуется привлечение сотрудников из разных отделов и использование мозгового штурма. Проведя доскональный анализ проблемы, и выяснив факторы, на нее влияющие переходим ко второму этапу.
2. Выбор процесса.
Прояснив в предыдущем этапе влияющие на процесс факторы, нарисовав детальный скелет «рыбы»,необходимо выбрать процесс, который будет подвержен дальнейшему исследованию. Этот этап очень важен, потому что, выбор неверных показателей сделает всю контрольную карту менее эффективной, ввиду исследования малозначительных показателей. На этом этапе стоит осознавать, что выбор соответственного процесса и показателя определяет исход всего исследования и затрат, связанного с ним.
3. Сбор данных.
Цель данного этапа -- сбор данных о процессе. Для этого, необходимо спроектировать наиболее пригодный способ для сбора данных, выяснить, кто и в какое время будет проводить замеры. Если процесс не оснащен техническими средствами, позволяющими автоматизировать занесение и обработку данных, возможно применение одного из семи простых способов Исикавы - контрольных листков. Контрольные листки, фактически, представляют собой бланки, для регистрации исследуемого параметра. Их преимущество заключается в простоте использования и легкости обучения сотрудников. Если же на рабочем месте имеется компьютер, возможно занесение данных через соответствующие программные продукты.
В зависимости от специфики показателя, определяется частота, время сбора и объем выборки для обеспечения репрезентативности данных. Собранные данные являются основой для проведения дальнейших операций и вычислений.
После сбора информации, исследователь должен принять решение о необходимости группировки данных. Разбиение на группы зачастую определяет работоспособность контрольных карт. Здесь, с помощью уже проведенного анализа с применением причинно-следственной диаграммы можно установить факторы, по которым можно будет наиболее рационально сгруппировать данные. Следует учесть, что данные внутри одной группы должны обладать небольшой изменчивостью, в ином случае, данные могут быть ложноинтерпретированы. Также, если процесс делится с помощью стратифицирования на части, следует проанализировать каждую их частей в отдельности (пример: изготовление одинаковых деталей, разными работниками).
Изменение способа группирования, будет приводить к изменению факторов, которые образуют внутригрупповые вариации. Следовательно, необходимо изучить факторы, влияющие на изменение показателя, чтобы суметь применить правильную группировку.
4. Вычисление значений контрольной карты.
Контрольные карты Шухарта делятся на количественные и качественные (альтернативные) в зависимости от измеримости исследуемого показателя. Если значение показателя измеримо (температура, вес, размер, и др.) применяют карты значения показателя, размахов и двойные карты Шухарта. Напротив, если показатель не позволяет применять числовые измерения, используют типы карт, для альтернативного признака. Фактически, показатели, исследуемые по такому признаку, определяются как соответствующие или не соответствующие предъявляемым требованиям. Отсюда и использование карт для доли (числа) дефектов и числа соответствий (несоответствий) на единицу продукции.
Для любого типа карт Шухарта предполагается определение центральной и контрольных линий, где центральная линия (CL-control limit), фактически представляет собой среднее значение показателя, а контрольные границы (UCL-upper control limit; LCL-lower control limit) -- допустимые значения допуска.
На данном этапе исследователь должен вычислить значения CL, UCL, LCL.
5. Построение контрольной карты.
Итак, мы и подошли к наиболее интересному процессу - графическое отражение полученных данных. Итак, если данные заносились в компьютер, то с помощью среды программ Statistica или Excel, можно, быстро графически изобразить данные. Однако можно построить контрольную карту и, не имея специальных программ, тогда, по оси OY контрольных карт откладываем значения показателя качества, а по OX - моменты времени регистрации значений, в такой последовательности:
- 1) наносим на контрольную карту центральную линию (CL)
- 2) наносим границы (UCL; LCL)
- 3)отражаем, полученные в ходе исследования данные, путем нанесения соответствующего маркера в точку пересечения значения показателя и времени его регистрации. Рекомендуется использование разных типов маркеров для значений, находящихся внутри границ допуска и выходящих за эти границы.
- 6. Проверка стабильности и управляемости процесса.
Этот этап призван показать нам то, ради чего и проводились исследования - стабилен ли процесс. Под стабильностью (статистической управляемостью) понимают состояние, при котором гарантирована повторяемость параметров. Таким образом, процесс будет стабилен, только в том случае, если не происходят нижеперечисленные случаи.
Рассмотрим основные критерии нестабильности процесса:
- 1) Выход за контрольные границы
- 2) Серия - определенное число точек, неизменно оказывающееся по одну сторону от центральной линии -- (сверху)снизу.
Серия длиной в семь точек рассматривается как ненормальная. Кроме того, ситуацию следует рассматривать как ненормальную, если:
- а) не менее 10 из 11точек оказываются по одну сторону от центральной линии;
- б) не менее 12 из 14точек оказываются по одну сторону от центральной линии;
- в) не менее 16 из 20точек оказываются по одну сторону от центральной линии.
- 3) тренд - непрерывно повышающаяся или понижающаяся кривая.
- 4) приближение к контрольным границам. Если 2 или 3 точки оказываются очень близки к контрольным границам, это свидетельствует о ненормальности распределения.
- 5) приближение к центральной линии. Если значения концентрируются около центральной линии, это может свидетельствовать о неверном выборе способа группировки, что делает размах слишком широким и приводит к смешиванию данных различным распределений.
- 6) периодичность. Когда, спустя, определенные равные промежутки времени, кривая идет то на «спад», то на «подъем».
- 7. Анализ контрольных карт.
Дальнейшие действия основываются на выводе о стабильности или нестабильности процесса. Если процесс не отвечает критериям стабильности, следует уменьшить влияние неслучайных факторов и, собрав новые данные, построить контрольную карту. Но, если процесс отвечает критериям стабильности, необходимо оценить возможности процесса. Чем меньше разброс параметров внутри границ допуска, тем выше значение показателя возможности процесса. Показатель отражает отношение ширины параметра и степень его разброса.
Недавно я публиковал здесь свой слайдкаст с рассказом о 6-сигмах, контрольных картах Шухарта и людях снежинках , где достаточно простым языком, местами злоупотребляя сквернословием, под 20-ти минутный хохот слушателей рассказывал о том, как отделить системные вариации от вариаций, вызванных особыми причинами.
Теперь хочу подробно разобрать пример построения контрольной карты Шухарта на основе реальных данных. В качестве реальных данных я взял историческую информацию о завершенных личных задачах. Эта информация у меня есть благодаря адаптации под себя модели личной эффективности Дэвида Аллена Getting Things (про это у меня тоже есть старый слайдкаст в трех частях: Часть 1 , Часть 2 , Часть 3 + Excel-табличка с макросами для анализа задач из Outlook).
Постановка задачи выглядит так. У меня имеется распределение среднего числа завершенных задач в зависимости от дня недели (ниже на графике) и нужно ответить на вопрос: «есть ли что-то особенное в понедельниках или это всего лишь погрешность системы?»
Ответим на этот вопрос при помощи контрольной карты Шухарта – основного инструмента статистического управления процессами.
Итак, критерий Шухарта наличия особой причины вариации достаточно прост: если какая-то точка выходит за контрольные пределы, рассчитанные особым образом, то она свидетельствует об особой причине. Если точка лежит внутри этих пределов, то отклонение обусловлено общими свойствами самой системы. Грубо говоря, является погрешностью измерений.
Формула для вычисления контрольных пределов выглядит так:
Где
- среднее значение средних значений по подгруппе,
- средний размах,
- некоторый инженерный коэффициент, зависящий от размера подгруппы.
Все формулы и табличные коэффициенты можно найти, например, в ГОСТ 50779.42-99 , где кратко и понятно изложен подход к статистическому управлению (честно, сам не ожидал, что есть такой ГОСТ. Более подробно тема статистического управления и его места в оптимизации бизнеса раскрыта в книге Д. Уилера).
В нашем случае мы группируем количество выполненных задач по дням недели – это и будет подгруппами нашей выборки. Я взял данные о числе завершенных задач за 5 недель работы, то есть, размер подгруппы равен 5. При помощи таблицы 2 из ГОСТа находим значение инженерного коэффициента:
Вычисление среднего значения и размаха (разницы между минимальным и максимальным значениями) по подгруппе (в нашем случае по дню недели) задача достаточно простая, в моем случае результаты такие:
Центральной линией контрольной карты будет являться среднее групповых средних, то есть:
Так же вычисляем средний размах:
Теперь мы знаем, что нижний контрольный предел для числа выполненных задач будет равен:
То есть, те дни, в которые я в среднем завершаю меньшее число задач, с точки зрения системы являются особенными.
Аналогично получаем верхний контрольный предел:
Теперь нанесем на график центральную линию (красная), верхний контрольный предел (зеленая) и нижний контрольный предел (фиолетовая):
И, о, чудо! Мы видим три явно особенные группы, выходящие за контрольные пределы, в которых присутствуют явно не системные причины вариаций!
По субботам и воскресеньям я не работаю. Факт. А понедельник оказался действительно особенным днем. И теперь можно думать и искать что же такого реально особенного в понедельниках.
Однако если бы среднее число выполненных в понедельник задач находилось внутри контрольных пределов и пусть даже сильно выделялось на фоне остальных точек, то с точки зрения Шухарта и Деминга искать какие-то особенности в понедельниках было бы бессмысленным занятием, так как подобное поведение обуславливается исключительно общими причинами. Например, я построил контрольную карту для других 5-ти недель в конце прошлого года:
И вроде как есть какое-то ощущение того, что понедельник как-то выделяется, но согласно критерию Шухарта - это всего-лишь флуктуация или погрешность самой системы. Согласно Шухарту, в данном случае можно сколь угодно долго исследовать особые причины понедельников - их просто нет. С точки зрения статистического управления, на этих данных понедельник ничем не отличается от любого другого рабочего дня (даже воскресенья).
