Общая характеристика предприятия. Какая бы задача не стояла перед системой, объединяющей последовательность применения статистических методов
ГЛАВА 1. СТАТИСТИЧЕСКИЕ МЕТОДЫ КОНТРОЛЯ КАЧЕСТВА
Контрольный листок
Какая бы задача не стояла перед системой, объединяющей последовательность применения статистических методов, всегда начинают со сбора исходных данных, на базе которых затем применяют тот или иной инструмент. Контрольный листок — это инструмент для сбора данных и автоматического их упорядочения для облегчения дальнейшего использования собранной информации.
Обычно контрольный листок представляет собой бумажный бланк, на котором заранее напечатаны контролируемые параметры, согласно которым можно заносить в листок данные с помощью пометок или простых символов. Он позволяет автоматически упорядочить данные без их последующего переписывания. Таким образом, контрольный листок — хорошее средство регистрации данных.
Число различных контрольных листков исчисляется сотнями, и в принципе для каждой конкретной цели может быть разработан свой листок. Но принцип их оформления остается неизменным. Например, график температуры больного — один из возможных типов контрольных листков. В качестве другого примера можно привести контрольный листок, применяемый для фиксирования отказавших деталей в телевизорах.
Рисунок 1.Пример контрольного листка
При составлении контрольных листков следует обратить внимание на то, чтобы было указано, кто, на каком этапе процесса и в течение какого времен собирал данные, а также чтобы форма листка была простой и понятной без дополнительных пояснений. Важно и то, чтобы все данные добросовестно фиксировались, и собранная в контрольном листке информация могла быть использована для анализа процесса.
Гистограмма
Для наглядного представления тенденции изменения наблюдаемых значений применяют графическое изображение статистического материала. Наиболее распространенным графиком, к которому прибегают при анализе распределения случайной величины при проведении контроля качества, является гистограмма.
Гистограмма — это инструмент, позволяющий зрительно оценить закон распределения статистических данных.
Гистограмма распределения обычно строится для интервального изменения значения параметра. Для этого на интервалах, отложенных на оси абсцисс, строят прямоугольные столбцы, высоты которых пропорциональны частотам интервалов. По оси ординат откладывают абсолютные значения частот (см. рисунок 2). Аналогичную форму гистограммы можно получить, если по оси ординат отложить соответствующие значения относительных частот. При этом сумма площадей всех столбиков будет равна единице, что оказывается удобно. Гистограмма также очень удобна для визуальной оценки расположения статистических данных в пределах допуска. Чтобы оценить адекватность процесса требованиям потребителя, мы должны сравнить качество процесса с полем допуска, установленным пользователем. Если имеется допуск, то на гистограмму наносят верхнюю (SU) и нижнюю (SL) его границы в виде линий, перпендикулярных оси абсцисс, чтобы сравнить распределение параметра качества процесса с этими границами. Тогда можно увидеть, хорошо ли располагается гистограмма внутри этих границ.
Рис. 2. Пример построения гистограммы.
Диаграмма разброса.
Диаграмма разброса — инструмент, позволяющий определить вид и тесноту связи между парами соответствующих переменных.
Эти две переменные могут относиться к:
· характеристике качества и влияющему на нее фактору
· двум различным характеристикам качества
· двум факторам, влияющим на одну характеристику качества
Для выявления связи между ними и служит диаграмма разброса, которую также называют полем корреляции.
Использование диаграммы разброса в процессе контроля качества не ограничивается только выявлением вида и тесноты связи между парами переменных. Диаграмма разброса используется также для выявления причинно-следственных связей показателей качества и влияющих факторов.
Диаграмма разброса строится в следующей последовательности:
1. Собираются парные данные, которые по предположению являются взаимосвязанными. Желательно, чтобы таких парных данных было не менее 20-25. Это позволит более объективно установить зависимость между данными.
2. Составляется список данных. В списке данных для каждого измерения по порядку указываются значения парных данных.
3. Определяются максимальные и минимальные значения по каждому из типов парных данных.
4. Выбираются шкалы для осей диаграммы разброса на основании разницы между максимальным и минимальным значением каждого из типов парных данных. При необходимости (если отображаемые величины имеют малые размеры) могут применяться коэффициенты масштабирования шкалы.
5. Рисуются горизонтальная (Х) и вертикальная (Y) оси диаграммы. Шкала значений данных, обозначаемая на осях должна увеличиваться при подъеме по вертикальной оси и при движении вправо по горизонтальной. При исследовании корреляции между причиной и следствием (например, после применения диаграммы Исикавы) данные, характеризующие причину, откладываются по горизонтальной оси, а данные, характеризующие следствие - по вертикальной.
6. На диаграмму наносятся парные данные. Если для разных измерений получаются одинаковые значения данных, то для отделения данных друг от друга используется другое обозначение (например, точки и тр).
Пример (приложение 1)
Диаграмма разброса построена для парных данных – «износ инструмента» и «диаметр отверстия». Данные собирались, чтобы показать влияние износа инструмента на диаметр отверстия. Как предполагалось, чем больше износ инструмента, тем меньше должен быть диаметр отверстия.
Максимальное значение по параметру «износ инструмента» - 1,3 мм.
Минимальное значение по параметру «износ инструмента» - 0,1 мм.
Величина шкалы, на которой будут отображаться данные – 1,2 мм. Для отображения данных на диаграмме применим коэффициент масштабирования 10.
Максимальное значение по параметру «диаметр отверстия» - 12,5 мм.
Минимальное значение по параметру «диаметр отверстия» - 11,2 мм.
Величина шкалы, на которой будут отображаться данные – 1,7 мм. Для отображения данных на диаграмме применим коэффициент масштабирования 10.
Между точками на графике можно провести прямую линию, вдоль которой они концентрируются. Это свидетельствует о корреляции между исследуемыми парными данными. Диаграмма разброса показывается величину и наличие взаимосвязи между двумя переменными. Направление и «сжатость» кластера точек говорит о виде и силе взаимосвязи между двумя переменными. Чем больше этот кластер имеет сходство с прямой линией, тем сильнее корреляция между парными данными.
На основании проведенного анализа, который предоставляет диаграмма разброса, можно принимать дальнейшие решения. В частности, для приведенного примера можно установить допустимый предел износа инструмента в зависимости от разрешенного допуска на диаметр отверстия.
Диаграмма Паретто
В 1897 г. итальянский экономист В. Парето предложил формулу, показывающую, что общественные блага распределяются неравномерно. Эта же теория была проиллюстрирована на диаграмме американским экономистом М. Лоренцом. Оба ученых показали, что в большинстве случаев наибольшая доля доходов или благ (80%) принадлежит небольшому числу людей (20%).
Доктор Д. Джуран применил диаграмму М. Лоренца в сфере контроля качества для классификации проблем качества на немногочисленные, но существенно важные и многочисленные, но несущественные и назвал этот метод анализом Парето. Он указал, что в большинстве случаев подавляющее число дефектов и связанных с ними потерь возникают из-за относительно небольшого числа причин. При этом он иллюстрировал свои выводы с помощью диаграммы, которая получила название диаграммы Парето.
Диаграмма Парето — инструмент, позволяющий распределить усилия для разрешения возникающих проблем и выявить основные причины, с которых нужно начинать действовать.
В повседневной деятельности по контролю и управлению качеством постоянно возникают всевозможные проблемы, связанные, например, с появлением брака, неполадками оборудования, увеличением времени от выпуска партии изделий до ее сбыта, наличием на складе нереализованной продукции, поступлением рекламаций. Диаграмма Парето позволяет распределить усилия для разрешения возникающих проблем и установить основные факторы, с которых нужно начинать действовать с целью преодоления возникающих проблем.
Различают два вида диаграмм Парето:
1. Диаграмма Парето по результатам деятельности. Эта диаграмма предназначена для выявления главной проблемы и отражает следующие нежелательные результаты деятельности:
· качество: дефекты, поломки, ошибки, отказы, рекламации, ремонты, возвраты продукции
· себестоимость: объем потерь, затраты
· сроки поставок: нехватка запасов, ошибки в составлении счетов, срыв сроков поставок
· безопасность: несчастные случаи, трагические ошибки, аварии.
2. Диаграмма Парето по причинам. Эта диаграмма отражает причины проблем, возникающих в ходе производства, и используется для выявления главной из них:
· исполнитель работы: смена, бригада, возраст, опыт работы, квалификация, индивидуальные характеристики;
· оборудование: станки, агрегаты, инструменты, оснастка, организация использования, модели, штампы;
· сырье: изготовитель, вид сырья, завод-поставщик, партия;
· метод работы: условия производства, заказы-наряды, приемы работы, последовательность операций;
· измерения: точность (указаний, чтения, приборная), верность и повторяемость (умение дать одинаковое указание в последующих измерениях одного и того же значения), стабильность (повторяемость в течение длительного периода), совместная точность, т.е. вместе с приборной точностью и тарированием прибора, тип измерительного прибора (аналоговый или цифровой).
· Как построить диаграмму Парето?
Построение диаграммы Парето состоит из следующих этапов.
Этап 1. Решите, какие проблемы надлежит исследовать и как собирать данные.
1. Какого типа проблемы вы хотите исследовать? Например, дефектные изделия, потери в деньгах, несчастные случаи.
2. Какие данные надо собрать и как их классифицировать? Например, по видам дефектов, по месту их появления, по процессам, по станкам, по рабочим, по технологическим причинам, по оборудованию, по методам измерения и применяемым измерительным средствам.
Пример построения диаграммы Парето
Пример (Приложение 2)
Исследуется проблема дефектных изделий – печатных плат. В качестве типа данных для анализа выбраны дефекты, которые детализированы по видам. Единица измерений дефектов – процент от общего числа дефектов.
Стратификация
Одним из наиболее эффективных статистических методов, широко используемых в системе управления качеством, является метод стратификации или расслаивания. В соответствии с этим методом водят расслаивание статистических данных, т.е. группируют данные в зависимости от условий их получения и производят обработку каждой группы данных в отдельности. Данные, разделенные на группы в соответствии с их особенностями, называют слоями (стратами), а сам процесс разделения на слои (страты) — расслаиванием (стратификацией).
Метод расслаивания исследуемых статистических данных — это инструмент, позволяющий произвести селекцию данных, отражающую требуемую информацию о процессе.
Существуют различные методы расслаивания, применение которых зависит от конкретных задач. Например, данные, относящиеся к изделию, производимому в цехе на рабочем месте, могут в какой-то мере различаться в зависимости от исполнителя, используемого оборудования, методов проведения рабочих операций, температурных условий и т.д. Все эти отличия могут быть факторами расслаивания. В производственных процессах часто используется метод 5М, учитывающий факторы, зависящие от человека машины, материала, метода, измерения.
По каким критериям можно выполнять расслаивание?
Расслаивание может осуществляться по следующим критериям:
· расслаивание по исполнителям — по квалификации, полу, стажу работы и т.д.
· расслаивание по машинам и оборудованию — по новому и старому оборудованию, марке, конструкции, выпускающей фирме и т.д.
· расслаивание по материалу — по месту производства, фирме-производителю, партии, качеству сырья и т.д.
· расслаивание по способу производства — по температуре, технологическому приему, месту производства и т.д.
· расслаивание по измерению — по методу, измерения, типу измерительных средств или их точности и т.д.
Однако пользоваться этим методом не так просто. Иногда расслаивание по, казалось бы, очевидному параметру не дает ожидаемого результата. В этом случае нужно продолжить анализ данных по другим возможным параметрам в поисках решения возникшей проблемы.
Рис 3. Стратификация
1.6 Диаграмма Исикавы
Результат процесса зависит от многочисленных факторов, между которыми существуют отношения типа причина — следствие (результат). Диаграмма причин и следствий — средство, позволяющее выразить эти отношения в простой и доступной форме.
Причинно-следственная диаграмма — инструмент, позволяющий выявить наиболее существенные факторы (причины), влияющие на конечный результат (следствие).
Если в результате процесса качество изделия оказалось неудовлетворительным, значит, в системе причин, т.е. в какой-то точке процесса, произошло отклонение от заданных условий. Если эта причина может быть обнаружена и устранена, то будут производиться изделия только высокого качества. Более того, если постоянно поддерживать заданные условия процесса, то можно обеспечить формирование высокого качества выпускаемых изделий.
Важно также, что полученный результат — показатели качества (точность размеров, степень чистоты, значение электрических величин и т.д.) — выражается конкретными данными. Используя эти данные, с помощью статистических методов осуществляют контроль процесса, т.е. проверяют систему причинных факторов. Таким образом, процесс контролируется по фактору качества.
Как собрать данные, необходимые для построения диаграммы Исикавы?
Информация о показателях качества для построения диаграммы собирается из всех доступных источников; используются журнал регистрации операций, журнал регистрации данных текущего контроля, сообщения рабочих производственного участка и т.д. При построении диаграммы выбираются наиболее важные с технической точки зрения факторы. Для этой цели широко используется экспертная оценка. Очень важно проследить корреляционную зависимость между причинными факторами (параметрами процесса) и показателями качества. В этом случае параметры легко поддаются корреляции. Для этого при анализе дефектов изделий их следует разделить на случайные и систематические, обратив особое внимание на возможность выявления и последующего устранения в первую очередь причины систематических дефектов.
Важно помнить, что показатели качества, являющиеся следствием процесса, обязательно испытывают разброс. Поиск факторов, оказывающих особенно большое влияние на разброс показателей качества изделия (т.е. на результат), называют исследованием причин.
Рис. 4. Диаграмма Исикавы
Контрольные карты
Все вышеописанные статистические методы дают возможность зафиксировать состояние процесса в определенный момент времени. В отличие от них метод контрольных карт позволяет отслеживать состояние процесса во времени и более того — воздействовать на процесс до того, как он выйдет из-под контроля.
Контрольные карты — инструмент, позволяющий отслеживать ход протекания процесса и воздействовать на него (с помощью соответствующей обратной связи), предупреждая его отклонения от предъявляемых к процессу требований.
Использование контрольных карт преследует следующие цели:
· держать под контролем значение определенной характеристики;
· проверять стабильность процессов;
· немедленно принимать корректировочные меры;
· проверять эффективность принятых мер.
Однако следует отметить, что перечисленные цели являются характерными для действующего процесса. В период же запуска процесса контрольные карты используют для проверки возможностей процесса, т.е. его возможностей стабильно выдерживать установленные допуски.
Как выглядит контрольная карта?
Типичный пример контрольной карты приведен на рисунке.
Рис. 5. Контрольная карта.
При построении контрольных карт на оси ординат откладываются значения контролируемого параметра, а на оси абсцисс — время t взятия выборки (или ее номер).
Всякая контрольная карта состоит обычно из трех линий. Центральная линия представляет собой требуемое среднее значение характеристики контролируемого параметра качества. Так, в случае (х-R)-карты это будут номинальные (заданные) значения х и R, нанесенные соответствующие карты.
Две другие линии, одна из которых находится над центральной — верхний контрольный предел (Кв или UCL — Upper Control Level), а другая под ней — нижний контрольный предел ( К н или LCL — Lower Control Level), представляют собой максимально допустимые пределы изменения значений контролируемой характеристики (показателя качества), чтобы считать процесс удовлетворяющим предъявляемым к нему требованиям.
Если все точки соответствуют выборочным средним значениям контролируемого параметра и его изменчивости, полученные по результатам обследования выборок, оказываются внутри контрольных пределов, не проявляя каких бы то ни было тенденций, то процесс рассматривается как находящийся в контролируемом состоянии. Если же, напротив, они попадут за контрольные пределы или примут какую-нибудь необычную форму расположения, то процесс считается вышедшим из-под контроля.
Процесс считается контролируемым, если систематические составляющие его погрешности регулярно выявляются и устраняются, а остаются только случайные составляющие погрешностей, которые, как правило, распределяются в соответствии с нормальным (гауссовским) законом распределения.
ГЛАВА 2. СТАТИСЧТИЧСЕКИЕ МЕТОДЫ КОНТРОЛЯ КАЧЕСТВА НА ПРИМЕРЕ ОАО ТРЕСТ «СУРГУТНЕФТЕГЕОФИЗИКА»
Общая характеристика предприятия
ОАО Трест «Сургутнефтегеофизика», начал свою производственную деятельность 10 мая 1964 года.
Первыми шагами в развитии современного Треста «Сургутнефтегеофизики» стало проведенный в декабре 1964 году первый каротаж скважины. Если в первые два года геофизики занималась только каротажем бурящих скважин, то с 1966 года начинают широко развивать исследования по контролю над разработкой нефтяных месторождений. С каждым годом увеличивался комплекс исследований, внедрялись новые приборы, оборудование.
Начиная с конца 90х-годов «СургутНефтегаз» одна из крупнейших нефтегазодобывающих компаний России, имея в своем фонде более 25 тысяч скважин.
В 2008 году по данным журнала «Эксперт» ОАО «СургутНефтегаз» занимал 7 место по объему выручки среди российских компаний.
Так в 2011 году компания занимает 496 место в журнал «Fortune Global 500» по чистой прибыли среди мировых компаний.
В 2013 году чистая прибыль ОАО «СургтуНефтегаз» составила 814,2 миллиарда рублей.
С 2014 года в структуре Треста: геофизическое управление разведочных работ, управления геофизических работ – Сургутское, Фёдоровское, Лянторское, Нижнесортымское, Талаканская геофизическая экспедиция. В них работают 240 партий и отрядов. Обработкой полученных от них материалов занимаются специалисты геофизического цеха цифровой обработки и интерпретации. Доставку геофизиков к месту работы обеспечивает цех хозяйственно-транспортного обеспечения, а ремонт техники и аппаратуры – центральный геофизический цех.
Сегодня Трест «Сургутнефтегеофизика» это высокотехнологичное предприятие, в котором используется более 60 различных методик, как для поиска и разведки запасов, так и для капитального ремонта скважин. Трест «Сургутнефтегеофизика» всегда, делает ставку на достижения научно-технического прогресса. Хорошая оснащенность Треста «Сургутнефтегеофизика» позволила ОАО «СургутНефтегаз» полностью отказаться от услуг сторонних фирм. И обеспечивать 100% промысловых геофизических исследований силами треста.
Отдел автоматизации систем производства – это относительно новый отдел в ОАО Трест «СургутнефтеГеофизика». За время своего существования отдел провел колоссальную работу по автоматизации и унификации работы сотрудников.
Главными задачами отдела являются: создание программных продуктов, поддержание в работоспособном состояние электронных рабочих мест сотрудников, а так же контроль за бесперебойной работой программных комплексов выпущенных отделом.
Все это способствует повышению качества выпускаемой продукции ОАО Трест «Сургутнефтегеофизика».