Контрольные карты управление качеством кратко
Обновлено: 05.07.2024
ГОСУДАРСТВЕННЫЙ СТАНДАРТ РОССИЙСКОЙ ФЕДЕРАЦИИ
КОНТРОЛЬНЫЕ КАРТЫ ШУХАРТА
Statistical methods.
Shewhart control charts
Дата введения 2000-01-01
1 РАЗРАБОТАН И ВНЕСЕН Техническим комитетом по стандартизации ТК 125 "Стандартизация статистических методов управления качеством", АО "Нижегородский научно-исследовательский центр контроля и диагностики технических систем" (АО НИЦ КД)
2 ПРИНЯТ И ВВЕДЕН В ДЕЙСТВИЕ Постановлением Госстандарта России от 15 апреля 1999 г. N 127
4 ВВЕДЕН ВПЕРВЫЕ
5 ПЕРЕИЗДАНИЕ. Июль 2004 г.
Введение
Традиционный подход к производству, вне зависимости от вида продукции, - это изготовление и контроль качества для проверки готовой продукции и отбраковка единиц, не соответствующих установленным требованиям. Такая стратегия часто приводит к потерям и не экономична, поскольку построена на проверке пост-фактум, когда бракованная продукция уже создана. Более эффективна стратегия предупреждения потерь, позволяющая избежать производства непригодной продукции. Такая стратегия предполагает сбор информации о самих процессах, ее анализе и эффективные действия по отношению к ним, а не к продукции.
Контрольная карта - это графическое средство, использующее статистические подходы, важность которых для управления производственными процессами была впервые показана доктором У.Шухартом в 1924 г. [1]. Теория контрольных карт различает два вида изменчивости.
Первый вид - изменчивость из-за "случайных (обычных) причин", обусловленная бесчисленным набором разнообразных причин, присутствующих постоянно, которые нелегко или невозможно выявить. Каждая из таких причин составляет очень малую долю общей изменчивости, и ни одна из них не значима сама по себе. Тем не менее сумма всех этих причин измерима и предполагается, что она внутренне присуща процессу. Исключение или уменьшение влияния обычных причин требует управленческих решений и выделения ресурсов на улучшение процесса и системы.
Второй вид - реальные перемены в процессе. Они могут быть следствием некоторых определяемых причин, не присущих процессу внутренне, и могут быть устранены, по крайней мере, теоретически. Эти выявляемые причины рассматриваются как "неслучайные" или "особые" причины изменения. К ним могут быть отнесены поломка инструмента, недостаточная однородность материала, производственного или контрольного оборудования, квалификация персонала, невыполнение процедур и т.д.
Цель контрольных карт - обнаружить неестественные изменения в данных из повторяющихся процессов и дать критерии для обнаружения отсутствия статистической управляемости. Процесс находится в статистически управляемом состоянии, если изменчивость вызвана только случайными причинами. При определении этого приемлемого уровня изменчивости любое отклонение от него считают результатом действия особых причин, которые следует выявить, исключить или ослабить.
Задача статистического управления процессами - обеспечение и поддержание процессов на приемлемом и стабильном уровне, гарантируя соответствия продукции и услуг установленным требованиям. Главный статистический инструмент, используемый для этого, - контрольная карта, - графический способ представления и сопоставления информации, основанной на последовательности выборок, отражающих текущее состояние процесса, с границами, установленными на основе внутренне присущей процессу изменчивости. Метод контрольных карт помогает определить, действительно ли процесс достиг статистически управляемого состояния на правильно заданном уровне или остается в этом состоянии, а затем поддерживать управление и высокую степень однородности важнейших характеристик продукции или услуги посредством непрерывной записи информации о качестве продукции в процессе производства. Использование контрольных карт и их тщательный анализ ведут к лучшему пониманию и совершенствованию процессов.
1 Область применения
Настоящий стандарт устанавливает основные положения по применению и интерпретации контрольных карт Шухарта (далее - карт Шухарта) и соответствующих методов статистического управления процессами.
Дополнительный материал, связанный с подходом Шухарта, а именно, использование предупреждающих границ, анализ структур тренда и возможности процессов, лишь упомянут. Кроме того, существуют другие типы контрольных карт [2].
2 Обозначения и сокращения
- объем подгруппы, число выборочных наблюдений в подгруппе;
- измеряемая характеристика качества (индивидуальные значения записываются как (,,…)). Иногда вместо используют ;
- среднее значение для подгруппы, ;
- среднее средних значений подгрупп;
- истинное среднее процесса;
- медиана подгруппы. Для выборки объема , значения , , которой упорядочены по возрастанию или по убыванию, медиана есть центральное значение, если нечетно, и среднее двух центральных значений, если четно;
- среднее значение медиан подгрупп;
- размах подгруппы (разность наибольшего и наименьшего значений в подгруппе);
Примечание - В случае контрольной карты индивидуальных наблюдений представляет собой скользящий размах, то есть абсолютную разность двух последовательных значений , и т.д.
- среднее значение для всех подгрупп;
- выборочное стандартное (среднее квадратическое) отклонение ;
- среднее выборочных стандартных (средних квадратических) отклонений подгрупп;
- истинное внутригрупповое стандартное отклонение;
- оцененное внутригрупповое стандартное отклонение процесса;
- число несоответствующих единиц в подгруппе;
- доля несоответствующих единиц в подгруппе
;
- среднее значение доли несоответствующих единиц
;
- число несоответствий в подгруппе;
- среднее значений для всех подгрупп;
- число несоответствий на единицу в подгруппе;
;
- верхняя контрольная граница;
- нижняя контрольная граница.
3 Основы контрольных карт Шухарта
Карта Шухарта требует данных, получаемых выборочно из процесса через примерно равные интервалы. Интервалы могут быть заданы либо по времени (например ежечасно), либо по количеству продукции (каждая партия). Обычно каждая подгруппа состоит из однотипных единиц продукции или услуг с одними и теми же контролируемыми показателями, и все подгруппы имеют равные объемы. Для каждой подгруппы определяют одну или несколько характеристик, таких как среднее арифметическое подгруппы и размах подгруппы или выборочное стандартное отклонение . Карта Шухарта - это график значений определенных характеристик подгрупп в зависимости от их номеров. Она имеет центральную линию (), соответствующую эталонному значению характеристики. При оценке того, находится ли процесс в статистически управляемом состоянии, эталонным обычно служит среднее арифметическое рассматриваемых данных. При управлении процессом эталонным служит долговременное значение характеристики, установленное в технических условиях, или ее номинальное значение, основанное на предыдущей информации о процессе, или намеченное целевое значение характеристики продукции или услуги. Карта Шухарта имеет две статистические определяемые контрольные границы относительно центральной линии, которые называются верхней контрольной границей () и нижней контрольной границей () (рисунок 1).
Рисунок 1 - Вид контрольной карты
Контрольные границы на карте Шухарта находятся на расстоянии 3 от центральной линии, где - генеральное стандартное отклонение используемой статистики. Изменчивость внутри подгрупп является мерой случайных вариаций. Для получения оценки вычисляют выборочное стандартное отклонение или умножают выборочный размах на соответствующий коэффициент. Эта мера не включает межгрупповых вариаций, а оценивает только изменчивость внутри подгрупп.
Границы ±3 указывают, что около 99,7% значений характеристики подгрупп попадут в эти пределы при условии, что процесс находится в статистически управляемом состоянии. Другими словами, есть риск, равный 0,3% (или в среднем три на тысячу случаев), что нанесенная точка окажется вне контрольных границ, когда процесс стабилен. Употребляется слово "приблизительно", поскольку отклонения от исходных предположений, таких как вид распределения данных, будут влиять на значения вероятности.
Некоторые консультанты предпочитают вместо множителя, равного 3, значение 3,09, чтобы обеспечить номинальное значение вероятности 0,2% (в среднем два вводящих в заблуждение наблюдения на тысячу), но Шухарт выбрал число 3, чтобы не давать поводов к рассмотрению точных вероятностей. Аналогично некоторые консультанты применяют фактические значения вероятностей для карт, основанных на ненормальных распределениях, таких как карты размахов и долей несоответствий, и в этом случае в карте Шухарта также используют границы на расстоянии ±3 вместо вероятностных пределов, упрощая эмпирическую интерпретацию.
Вероятность того, что нарушение границ в самом деле случайное событие, а не реальный сигнал, считается столь малой, что при появлении точки вне границ следует предпринять определенные действия. Так как действие предпринимается именно в этой точке, то 3 контрольные границы иногда называются "границами действий".
Часто на контрольной карте границы проводят еще и на расстоянии 2. Тогда любое выборочное значение, попадающее за границы 2, может служить предостережением о грозящей ситуации выхода процесса из состояния статистической управляемости. Поэтому границы ±2 иногда называют "предупреждающими".
При применении контрольных карт возможны два вида ошибок: первого и второго рода.
Ошибка первого рода возникает, когда процесс находится в статистически управляемом состоянии, а точка выскакивает за контрольные границы случайно. В результате неправильно решают, что процесс вышел из состояния статистической управляемости, и делают попытку найти и устранить причину несуществующей проблемы.
Ошибка второго рода возникает, когда рассматриваемый процесс не управляем, а точки случайно оказываются внутри контрольных границ. В этом случае неверно заключают, что процесс статистически управляем и упускают возможность предупредить рост выхода несоответствующей продукции. Риск ошибки второго рода - функция трех факторов: ширины контрольных границ, степени неуправляемости и объема выборки. Их природа такова, что можно сделать лишь общее утверждение о величине ошибки.
Система карт Шухарта учитывает только ошибки первого рода, равные 0,3% в пределах границ 3. Поскольку в общем случае непрактично делать полную оценку потерь от ошибки второго рода в конкретной ситуации, а удобно произвольно брать малый объем подгруппы (4 или 5 единиц), целесообразно использовать границы на расстоянии ±3 и сосредоточивать внимание в основном на управлении и улучшении качества самого процесса.
Если процесс статистически управляем, контрольные карты реализуют метод непрерывной статистической проверки нулевой гипотезы о том, что процесс не изменился и остается стабильным. Но поскольку значение конкретного отклонения характеристики процесса от цели, которое могло бы привлечь внимание, обычно нельзя определить заранее, как и риск ошибки второго рода, и объем выборки не рассчитывается для удовлетворения соответствующего уровня риска, то карту Шухарта не стоит рассматривать с точки зрения проверки гипотез [2, 3]. Шухарт подчеркивал именно эмпирическую полезность контрольных карт для установления отклонений от состояний статистической управляемости, а не их вероятностную интерпретацию. Некоторые пользователи применяют кривые оперативных характеристик как средства для интерпретации проверок гипотез.
Применяются везде, где требуется отслеживать состояние процесса во времени и воздействовать на процесс до того, как он выйдет из-под контроля. Контрольные карты - один из основных инструментов статистического контроля качества. Японский союз ученых и инженеров в 1979 г. включил контрольные карты в состав семи методов контроля качества.
Цель метода
Осуществлять оценку управляемости действующего процесса. В случае управляемости процесса - оценку его воспроизводимости. В случае статистически неуправляемого процесса осуществлять проведение корректирующего воздействия и проверку эффективности принятых мер.
В период же запуска процесса осуществлять оценку возможностей процесса, т. е. способности удовлетворять техническим требованиям.
Суть метода
Контрольные карты (КК) - инструмент, позволяющий отслеживать ход процесса и воздействовать на него (с помощью соответствующей обратной связи), предупреждая его отклонения от предъявляемых к процессу требований.
План действий
- Выбор показателя, плана выборки, типа карты.
- Сбор данных.
- Вычисление выборочных статистик, центральной линии, контрольных пределов.
- Построение контрольной карты.
- Оценка управляемости процесса.
- Совершенствование системы.
- Пересчет КК (при необходимости).
Как правило, при анализе процессов метод КК используется совместно с гистограммами и методом расслаивания данных (стратификации).
Особенности метода
Правила построения контрольных карт
При построении КК на оси ординат откладываются значения контролируемого параметра, а на оси абсцисс - время t взятия выборки (или ее номер).
КК состоит обычно из трех линий. Центральная линия (ЦЛ) представляет собой требуемое среднее значение характеристики контролируемого параметра качества. Так, в случае (`x - R)-карты это будут номинальные значения `x и R, нанесенные на соответствующие карты.
Две другие линии, одна из которых находится над центральной - верхний контрольный предел (ВКП), а другая под ней - нижний контрольный предел (НКП), представляют собой максимально допустимые пределы изменения значений контролируемой характеристики (показателя качества).
Дополнительная информация:
- Любая, пусть первоначально неэффективная КК, - необходимое средство для наведения порядка в контроле технологического процесса.
- Для успешного внедрения на практике КК важно не только овладеть техникой их составления и ведения, но, что значительно важнее, научиться правильно "читать" карту.
Достоинства метода
- Указывает на наличие потенциальных проблем до того, как начнется выпуск дефектной продукции.
- Позволяет улучшить показатели качества и снизить затраты на его обеспечение.
Недостатки метода
Грамотное построение КК представляет собой сложную задачу и требует определенных знаний.
Ожидаемый результат
Получение объективной информации для принятия решений об эффективности процесса.
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 ).
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:
| День недели | Групповое среднее | Размах |
|---|---|---|
| Понедельник | 10.2 | 8 |
| Вторник | 6.7 | 10 |
| Среда | 7.2 | 11 |
| Четверг | 4.2 | 9 |
| Пятница | 5.0 | 10 |
| Суббота | 0.5 | 2 |
| Воскресенье | 0.5 | 3 |
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).
Проблема текущего мониторинга качества продукции в процессе ее производства всегда остро стояла перед производителями. Если под мониторингом качества понимать не только непосредственную проверку пригодности выпускаемого изделия, но и наблюдение за тенденциями изменения качества, то поставленная задача представляется достаточно трудоемкой.
Для решения подобных вопросов в условиях современного производства менеджеры по контролю качества используют методики и процедуры, основанные на статистическом анализе характеристик изделий.
Одним из таких инструментов являются незаменимые при поточном мониторинге качества контрольные карты (или контрольные карты Шухарта), визуализирующие статистические характеристики исследуемого производственного процесса.
В данном материале рассматриваются модельные примеры контрольных карт и на их основе демонстрируются способы выявления нарушений качества.
Общий подход к текущему контролю качества достаточно прост. В процессе производства проводятся выборочные измерения изделий. После этого на графике (карте) строятся диаграммы изменчивости выборочных значений плановых спецификаций в выборках, и рассматривается степень их близости к заданным значениям. Если диаграммы обнаруживают наличие тренда выборочных значений или оказывается, что выборочные значения находятся вне заданных пределов, то считается, что процесс вышел из-под контроля, и предпринимаются необходимые действия для того, чтобы найти причину его разладки.
Критерии серий служит для выделения систематических тенденций в расположении точек контрольной карты, которые могут указать на разладку контролируемого процесса.
Далее мы рассмотрим основные виды контрольных карт.
Контроль по непрерывному признаку
Для контроля качества по непрерывному признаку (анализа изменчивости параметров) обычно применяются X-bar, R или S карты.
На X-bar карту наносятся значения выборочных средних для того, чтобы контролировать отклонение непрерывной переменной от среднего значения.
На контрольную R-карту наносятся значения размахов выборок для контроля за степенью изменчивости непрерывного параметра, на S и S2 картах строятся соответственно графики выборочных стандартных отклонений и дисперсий.
Далее приводится несколько примеров контроля качества на основе X-bar и R-карт.
Среднее значение шестой выборки находится достаточно близко к нижнему контрольному пределу, однако на фоне общей положительной картины, это не является тревожным событием. Управляемость процесса также подтверждается хорошей подгонкой гистограмм наблюдаемых выборочных средних и размахов теоретическим нормальным распределением (гистограммы в левой части рисунка).
Дополнительно на разладку производственного процесса указывает гистограмма распределения выборочных средних (левый верхний график), показывающая явное отличие распределения средних от нормального.
Стоит также отметить, что при явных выбросах на X-bar карте, значения выборочных размахов (R-карта) лежат в рамках контрольных пределов.
В данном примере контрольных карт (см. Рисунок 3) демонстрируется обратная ситуация. Средние значения по выборкам (точки на X-bar карте) находятся в контрольных пределах, при этом на R-карте размахов имеется выброс (размах второй выборки выше верхнего контрольного предела). Большие значения в выборке с критическим размахом сокращаются с малыми значениями, в результате чего, выборочное среднее значение находится в пределах нормы. Также стоит отметить небольшое систематическое смещение на карте средних, но его при малом количестве выборок и критическом размахе значений такое смещение можно считать не существенным на данном этапе исследования.
В итоге в такой ситуации требуется проведение мероприятий по снижению разброса значений исследуемого параметра, после чего перейти к более глубокому анализу выборочных средних.
В следующем примере (см. Рисунок 4) снова можно наблюдать наличие выбросов на X-bar карте и их отсутствие на карте размахов. Однако наиболее показательным результатом в данном примере является наличие заметного тренда на обеих картах: положительного на карте средних и отрицательного на карте размахов. Систематическое снижение значений выборочных размахов означает сходимость процесса (уменьшение разброса значений). Казалось бы, это – положительное явление. Но, при положительном тренде значений средних, процесс, скорее всего, сходится к значению, лежащему вне контрольных пределов. В итоге, в скором времени, все измерения исследуемого параметра могут оказаться вне значений спецификаций.
Контроль качества по атрибуту
Другим типом контрольных карт являются карты по атрибутивному признаку (атрибуту) – например, по числу дефектных деталей в партии, по числу отклонений характеристик изделия от стандарта в расчете на выборку.
Преимущество контрольных карт по атрибутивному признаку состоит в возможности быстро получить общее представление о различных аспектах качества анализируемого изделия; то есть, на основании различных критериев качества инженер может сразу принять или забраковать продукцию.
Контрольные карты по атрибутивному признаку иногда позволяют обойтись без применения дорогих точных приборов и требующих значительных затрат времени для измерительных процедур. Кроме того, этот тип контрольных карт более понятен менеджерам, которые не разбираются в тонкостях методов контроля качества. Таким образом, с помощью этих карт можно более убедительно продемонстрировать руководству наличие проблем с качеством изделий.
Однако, по сравнению с контрольными картами по атрибутивному признаку, карты для непрерывных переменных обладают большей чувствительностью. Благодаря этому, контрольные карты для непрерывных переменных могут указать на существование проблемы ухудшения качества, прежде чем в потоке продукции появятся настоящие бракованные изделия, выделяемые с помощью контрольной карты по атрибутивному признаку.
Контрольные карты для непрерывных переменных можно считать предвестниками проблем ухудшения качества, которые предупреждают об их наличии задолго до того, как в процессе производства резко возрастет доля бракованных изделий.
Для контроля качества продукции по атрибутивному признаку обычно используются следующие типы карт:
При использовании С- и U-карт принимается предположение о том, что дефекты контролируемой характеристики продукции встречаются сравнительно редко и контрольные пределы для данных типов карт рассчитываются на основе свойств распределения Пуассона (распределения редких событий).
В свою очередь контрольные пределы для Np- и P-карт рассчитываются на основе биномиального распределения, а не распределения редких событий. Поэтому данный тип карт должен использоваться в том случае, когда обнаружение дефекта не является редким событием (например, происходит более чем у 5% проверенных единиц продукции).
При этом на С- и Np-картах отображается число дефектов (в партии, в день, на один станок), а на U- и P-картах отображается относительная частота дефектов, то есть отношение числа обнаруженных дефектов к числу проверенных единиц продукции.
На рисунке выше представлен пример P-карты по атрибуту. На основе визуального анализа графика можно заключить, что данный процесс является управляемым: не наблюдается значений вне контрольных пределов (выбросов), нет заметного тренда, а также не наблюдаются систематические тенденции в расположении точек на карте.
Аналогично продемонстрированным методам проводится визуальный анализ качества на основе других карт по атрибуту. Далее приводятся некоторые примеры текущего контроля качества на основе C-карты.
На этой С-карте показан хорошо управляемый технологический процесс: количество бракованной продукции в каждой выборке находится в рамках контрольных пределов.
А в этом примере (см. Рисунок 9) на C-карте наблюдается выброс (первая выборка). Однако соответствующие статистики по остальным выборкам находятся в рамках контрольных пределов. Таким образом, на основании этой карты, исключив первую выборку, можно считать процесс управляемым. Если проблемная выборка отражает начало реального технологического процесса, то, скорее всего, ее неудовлетворительное качество связано с первоначальной настройкой процесса. В этом случае рекомендуется провести дополнительный анализ качества продукции, выпущенной на начальном этапе и, исключив имеющийся выброс, признать процесс управляемым.
Резюме
В заключение еще раз хочется подчеркнуть высокую эффективность применения контрольных карт в управлении качеством. Используя подходящие средства графического отображения, человеческий глаз способен отлавливать признаки ухудшения качества и тревожные тенденции в режиме поточного конвейерного производства.
При этом мощный аналитический пакет, такой как STATISTICA, способен взять на себе практически всю работу по обнаружению признаков разладки технологического процесса в online режиме, оставив оператору лишь анализ наиболее изощренных критериев визуальной проверки качества (малых трендов).
Читайте также: