Статистические методы управления качеством продукции обладают в сравнении со сплошным контролем продукции таким важным преимуществом, как возможность обнаружения отклонения от технологического процесса не тогда, когда вся партия деталей изготовлена, а в процессе (когда можно своевременно вмешаться в процесс и скорректировать его).

Основные области применения статистических методов управления качеством продукции представлены на рис.1.

Коротко раскроем понятия, используемые на рисунке.

Статистический анализ точности и стабильности технологического процесса - это установление статистическими методами значений показателей точности и стабильности технологического процесса и определение закономерностей его протекания во времени.

Статистическое регулирование технологического процесса - это корректирование значений параметров технологического процесса по результатам выборочного контроля контролируемых параметров, осуществляемое для технологического обеспечения требуемого уровня качества продукции.

Статистический приемочный контроль качества продукции - это контроль, основанный на применении методов математической статистики для проверки соответствия качества продукции установленным требованиям и принятия продукции.

Статистический метод оценки качества продукции - это метод, при котором значения качества показателей качества продукции определяют с использованием правил математической статистики.

Термин статистический приемочный контроль не следует обязательно связывать с контролем готовой продукции. Статистический приемочный контроль может применяться на операциях входного контроля, на операциях контроля закупок, при операционном контроле, при контроле готовой продукции и т.д., т.е. в тех случаях, когда надо решить - принять или отклонить партию продукции.

Область применения статистических методов в задачах управления качеством продукции чрезвычайно широка и охватывает весь жизненный цикл продукции (разработку, производство, эксплуатацию, потребление и т.д.).

Статистические методы анализа и оценки качества продукции, статистические методы регулирования технологических процессов и статистические методы приемочного контроля качества продукции являются составляющими управления качеством продукции.

Оценка качества по плотности распределения

Одним из способов графического изображения является гистограмма (столбиковая гистограмма), которая отражает состояние качества проверенной партии изделий и помогает разобраться в состоянии качества изделий в генеральной совокупности, выявить в ней положение среднего значения и характер рассеивания.

Рис. 2. Гистограмма Парето

Хотя гистограмма позволяет распознать состояние качества партии изделий по внешнему виду распределения, она не дает всей информации о величине широты, симметрии между правой и левой сторонами распределения, наличии или отсутствии центра распределения в количественом выражении.

Оценка точности технологических процессов

После того как были выяснены форма и широта распределения на основании сопоставления с допуском, исследуют, возможно ли по данному технологическому процессу производить качественные изделия. Другими словами, появляется возможность по результатам обследования количественно оценить точность технологических процессов.

С этой целью можно использовать следующую формулу:

где - коэффициент точности технологического процесса;

- допуск изделия;

- среднее квадратическое отклонение.

Точность технологического процесса оценивают исходя из следующих критериев:

- технологический процесс точный, удовлетворительный;

- требует внимательного наблюдения;

- неудовлетворительный. В этом случае необходимо немедленно выяснить причину появления дефектных изделий и принять меры управляющего воздействия.

Чтобы вместе с гистограммой построить кривую нормального распределения, ее надо перевести в тот масштаб, в котором выполнены гистограмма и эмпирическая кривая.

может все это сделать, причем располагая только исходными данными для гистограммы.

Рис. 4. Гистограмма в STATISTICA

На графике красной линией построена подогнанная кривая нормального распределения.

Существуют различные виды распределения случайных величин: нормальное, биномиальное, распределение размаха, распределение Пуассона и др (определения см. в ). Очень часто нормальное распределение используется как модель, так как многие совокупности измерений имеют распределение, приближающееся к нормальному. Условно площадь под кривой нормального распределения относительно равна единице (рис.5.).

В этой таблице представлены величины площади при средних квадратических отклонениях от до Z. Для того чтобы определить величину площади между двумя значениями Z, нужно произвести вычитание соответствующих значений, приведенных в таблице. Например, площадь между

Z=-1 и Z=2 равна 0,9773 - 0,1587 = 0,8186.

Используя таблицы функции нормального распределения, можно определить величину или процент дефектных изделий.

Предположим, что технологический процесс налажен; известно, что = 0,501, = 0,022, кроме того, в соответствии с требованием нормативно-технической документации верхнее и нижнее значения равны 0,500 0,005.

Определим отклонения верхнего и нижнего допускаемых значений от средних, кратных величине:

Вероятности попадания нормально распределенной случайной величины в интервалы 0-1,82 и 0-2,52 соответственно равны 0,9656 - 0,5 = 0,4656 и 0,5 - 0,0059 = 0,4941.

Поэтому ожидается получение примерно следующих данных:

0,4656 + 0,4941 = 0,9597 = 95,97% изделий соответствует установленным требованиям;

0,500 - 0,4656 = 0,0344 = 3,44% изделий имеют размер, превышающий верхний допуск;

0,500 - 0,4941 = 0,0059 = 0,59% изделий имеют размер ниже предусмотренного нижним допуском.

Гистограммы в позволяют подогнать ряд распределний по данным. При построении гистограммы вы просто выбираете нужное распределение из списка.

Рис.6. Окно построения гистограмм в STATISTICA

Изложенная методика позволяет дать оценку любому технологическому процессу, позволяет количественно оценить точность процесса, определить значения параметров, выходящих за допустимые пределы.