Статистические методы контроля и управления качеством. Прикладные программные средства

Статистические методы контроля и управления качеством. Прикладные программные средства
Лариса Александровна Гинис

В учебном пособии содержатся основные сведения и описание видов практического использования инструментария MS Excel для проведения анализа в сфере статистического контроля качества. Учебное пособие предназначено для студентов высших учебных заведений, обучающихся по программам академического и прикладного бакалавриата и магистратуры направления 27.03.01 – «Стандартизация и метрология» и ряда экономических направлений в рамках изучения таких дисциплин, как «Управление качеством», «Статистические методы контроля качества», а также может быть полезно при проведении научно-исследовательских работ и подготовке выпускной квалификационной работы.

Л. А. Гинис

Статистические методы контроля и управления качеством. Прикладные программные средства

Введение

В последнее десятилетие в России все больше внимания уделяется уровню и оценке качества производимой продукции, что напрямую влияет на обеспечение производства конкурентоспособной продукции.

Одной из проблем является налаживание системы информационного обеспечения управлением качества, связанное с работой с большими объемами быстро изменяющейся информации, поэтому создание автоматизированной системы информационного обеспечения, как элемента общей системы управления организацией, является актуальной задачей современного производства, при этом выбор информационного обеспечения зависит от специфики продукции и услуг, от организационной структуры управления предприятием и функциями системы управления качеством.

Решение проблемы видится в применении современных информационных технологиях на различных направлениях в сфере управления качеством:

1. Автоматизированное определение нормативных величин проверяемых признаков.

2. Автоматизированная настройка уровня управления контролем качества.

3. Совершенствования системы менеджмента качества (СМК) на основе CALS-технологий (Continuous Acquisition and Lifecycle Support – непрерывная информационная поддержка поставок и жизненного цикла) для автоматизированных производств.

4. Интеграция системы передачи данных о качестве и мультимедийные компьютерные технологии.

В рамках первого и второго направлений, наиболее важные пути совершенствования информационного обеспечения систем качества связаны с применением статистических методов контроля и управления качеством на основе готовых программных решений, как следствие внедрение автоматизированной системы сбора и обработки информации о надежности.

История развития движения за качество

В 1846 г. российский математик академик Михаил Васильевич Остроградский впервые высказал идею о возможности оценивания качества продукции по выборочным характеристикам, определяемым по малой выборке партии этой продукции. Эта идея и легла в основу современной теории и практики применения статистических методов для контроля и управления качеством [9]. Статистический анализ позволяет исследовать условия и факторы, влияющие на качество производимых товаров и услуг. В первой четверти XX в. стали внедряться нормы и правила для оценки качества труда, в настоящее время возможно применение статистических методов контроля качества труда. Именно внедрение статистических методов позволило значительно сократить трудоемкость операций контроля и значительно снизить численность инспекторов (контролеров).

Джозеф Джуран в своей книге «Качество в истории цивилизации. Эволюция, тенденции и перспективы управления качеством» («A History of Managing for Quality», ASQ. Quality Press, 1995) прослеживает историю менеджмента качества со времен строительства египетских пирамид.

Однако подъем статистических методов контроля качества начинается с приходом эры массового производства, качество изделий стало зависеть от контролеров. Ряд прорывных достижений в сфере контроля качества был достигнут в это время на Готорнском заводе (Hawthorne plant, USA), компании «Western Electronic», подразделение корпорации «American Telephone and Telegraph» (AT&T). Завод стал известен в индустриальной психологии тем, что именно здесь проводился известный Готорнский эксперимент, подтвердивший, что рабочие трудятся лучше, если чувствуют, что руководство интересуется их проблемами. Куда менее известно, что происходило в отделе технического контроля (ОТК) завода в середине 20–х гг. прошлого столетия, когда в этот отдел пришел на работу Джозеф Джуран. Тогда в ОТК завода пытались сформулировать оптимальный план выборочного контроля качества. Но это были планы, а в реальности завод испытывал немало проблем с надежностью контроля [2].

Контролеры ОТК не были в состоянии определить 100 % несоответствующей продукции. Еще одна проблема состояла в том, что даже если удавалось избежать попадания дефектной продукции к потребителю, он все равно за нее платил из-за возросшей цены товара в силу большого количества брака. Дороговизна самого контроля качества также была весомым фактором в формировании цены производимого товара на выходе. Одним словом, на Готорнском заводе полагались на контроль, который «смирился» с убытком от дефектов, взвинчивающих цену для покупателя. Например, когда Джуран пришел на завод, 5 200 рабочих от общего числа в 40 000 работали на ОТК. Большинство из них проверяли и испытывали продукцию. Другие рабочие калибровали всевозможные образцы и контрольно-измерительное оборудование, необходимое для проверки продукции. Качество продукции, которую завод поставлял на рынок, было на довольно высоком уровне, но цена была сравнительно высокой, как раз из-за количества людей, занятых в контроле качества и переделывании дефектных изделий. Харольд Ф. Додж, начавший работать в компании «Western Electronic» с 1917 г. в должности инженера по развитию производства, писал, что «в 20-е гг. промышленность пыталась работать по-научному, опираясь на теорию научного менеджмента Фредерика У. Тейлора и используя диаграммы Ганта». Предприятия пытались найти компромисс между расходами и графиком работы и оказалось, что качество – это тот элемент, который должен быть учтен в этом уравнении.

Первое применение научных методов статистического контроля было зафиксировано в 1924 г., когда американский инженер всемирно известной фирмы «Bell Telephone Laboratories» (ныне финско-американская корпорация) Уолтер Эндрю Шухарт (Walter Andrew Shewhart) использовал для определения доли брака продукции контрольные карты. Одновременно с Шухартом, в это же время, инженер этой же фирмы Харольд Ф. Додж (Harold French Dodge) предложил теорию приемочного контроля, получившую вскоре мировую известность [4, 10]. Основы этой теории были изложены в 1944 г. в его совместной с Гарри Ромигом (Romig) работе «Sampling Inspection Tables – Single and Double Sampling».

16 мая 1924 года появилась первая контрольная карта, ныне – контрольные карты Шухарта. Контрольная карта позволила установить является ли производственный процесс стабильным и укладывается ли продукция в заданные нормативами для данных деталей ограничения. При применении контрольных карт используются специальные формулы, дающие возможность определить нижние и верхние пороги допустимых отклонений. Если исследованная деталь выбивается за пороговые значения, то есть основания полагать, что в партии есть несоответствующие детали и нужно проверять каждую. Нестабильный производственный процесс становится сигналом оператору оборудования о том, что станок нужно проверить. В книге Ллойда Добинса и Клэр Кроуфорд Мэйсон «Качество, а не то…» (Quality or Else, Mariner Books, 1993) говорится, что «многие люди считают, что менеджмент качества начал развиваться с того времени, когда Шухарт поведал управленцам о своих контрольных картах». Внедрение контрольных карт Шухарта на Готорнском заводе заняло много лет.

В 1925 г. отдел инженерного контроля Bell Telephone Laboratories и подразделение контроля Готорнского завода сформировали Объединенную комиссию по контролю показателей и эффективности (Joint Committee on Inspection Statistics and Economy). Среди членов новой организации были Уолтер Шухарт и Харольд Додж. На заводе был создан новый «Отдел контроля статистики» (Inspection Statistical Department), Д. Джуран был одним из инженеров, которые вошли в штат нового отдела. Было предложено анализировать статистические выборочные планы, которые были основаны на партиях продукции, и для каждой партии высчитывался отдельный процент дефектных деталей. Индивидуальная случайная выборка использовалась для того, чтобы определить, должна ли партия быть принята или отозвана. Команда, с которой Додж работал в Bell Labs, придумала концепцию среднего выходного уровня дефектности и Додж в сотрудничестве с Ромигом, статистиком из Bell Labs, придумал новые выборочные планы. Додж также оказал помощь в создании выборочного плана армии США после Второй мировой войны, помог он и в разработке военных стандартов 105A-105D, действие которых Министерство обороны США прекратило в 1995 г. Доклад Доджа и Ромига, содержавший таблицы выборочного контроля был опубликован в январе 1941 г. в журнале «The Bell Telephone System Technical Journal», а позже был перепечатан в качестве отдельного издания в 1944: «Однократный и двукратный отбор» (Sampling Inspection Tables: Single and Double Sampling). Эти таблицы выборки известны сейчас, как «Таблицы выборки Доджа и Ромига».

В 1926 г. Джуран пришел к выводу, что дефектных деталей не будет, если производственный процесс будет хорошим, их также не будет, если процесс очень плохой потому, что дефекты будут замечены в ходе случайной выборки и вся партия подвергнется 100 %-ой проверке. А вот если качество производственного процесса будет лежать где-то посередине между двумя крайностями, то некоторые дефектные детали попадут на рынок. Джуран назвал это «средний выходной уровень дефектности». Он думал, что совершил открытие, но затем узнал, что Додж пришел к пониманию этого раньше. Планы выборки Готорнского завода были, наконец, использованы при создании американского правительственного стандарта MIL-STD105A. В 1931 г. Шухарт опубликовал фундаментальный труд «Экономический контроль качества производимой продукции» (Economic Control of Quality of Manufactured Product, репринт ASQ, 1980), редактором которого выступил Уильям Эдвардс Деминг, он тоже работал на Готорнском заводе, но только как практикант, в летние месяцы. В это же время Шухарт начал проводить лекции о пользе статистики в вопросах качества. В 1938 г. Шухарт прочел цикл лекций по качеству в Учебно-научном центре Министерства сельского хозяйства США (Departament of Agriculture’s Graduate School). Эти лекции стали основой для его книги «Статистический метод с точки зрения контроля качества» (Statistical Method From the Viewpoint of Quality Control, Dover Publications reprint, 1986).

В ставшей классикой монографии «Летопись качества» [7] автора Мэтью Барсалоу (инженер по качеству и аудитор) приводится следующая информация: «Перед началом Второй мировой войны В. Шухарт посоветовал Л.Н. Саймону из артиллерийско-технического управления Пентагона использовать статистические методы. Управление опробовало их на Пикатиннском арсенале и Абердинском испытательном полигоне, результаты показали, что статистические методы могут быть полезными в армии. Там пришли к выводу, что нужно либо обучить всех поставщиков статистическому контролю процессов или ввести контроль при приемке. Выбор пал именно на приемочный контроль, из-за большого количества материалов, которые нужно было доставлять в ограниченные сроки. Таблицы выборок, предложенные Г. Доджем и Г. Ромигом, были идеальным вариантом решения проблемы уменьшения затрат на проверки в отрасли, но управлению требовалось что-то простое и практичное. Тогда Додж и его коллеги из Bell Labs создали таблицы приемлемого уровня качества. Это понятие – «максимальное количество дефектов, приходящихся на 100 единиц продукции, которое может рассматриваться как допустимое, определяющее средний показатель качества всей партии». Продукция от производителя в этом случае могла быть принята, если она соответствует приемлемому уровню качества, но если она выбивалась за допустимые значения, то это влекло за собой более серьезные проверки. В начале сороковых годов Деминг выступил на факультете статистики Стэнфордского университета с инициативой об открытии учебной программы по статистическому контролю процессов.

В исследовании Национальной академии наук США 1947 г. отмечалось, что до Второй мировой войны статистические методы были малоизвестны в промышленности, за исключением компании Bell Labs, но многие компании быстро научились использовать статистику для принятия или отклонения поставок на основании статистической выборки. Исследование было подготовлено для компаний, которые еще не внедрили, но могут внедрить статистические методы. По его данным, в частности, Бюро технологических исследований и Комитет военно-промышленного производства начали проводить обучение по статистическому контролю процессов для специалистов промышленности и инженеров в 1943 г.

Ряд компаний создали отделы по контролю качества. К их работе были подключены бывшие сотрудники отделов технического контроля. Примерно в это время отделы качества стали размещаться под менеджментом на организационных диаграммах. Специалисты по качеству начали уделять особое внимание надежности изделия на протяжении его жизненного цикла, появилась специальность инженер по надежности.

Американское научное влияние на совершенствование систем обеспечения качества привело к созданию японской научной школы в области качества, среди представителей которых следует, прежде всего [4], отметить Каору Исикаву (Kaoru Ishikawa) и Генити Тагути (Genichi Taguchi), внесших большой вклад в развитие статистических методов в управлении качеством.

В 50–70 гг. прошлого столетия на ряде предприятий оборонного комплекса СССР активно проводились (под влиянием японского опыта по повышению качества) работы по внедрению систем управления качеством (в Саратове – БИП, в Горьком – КАНАРСПИ, в Ярославле – НОРМ, во Львове – КСУКП и др.), в которых статистические методы в области приемочного контроля и регулирования технологических процессов занимали важное место в предупреждении дефектов продукции [4].

Наиболее широкое распространение во многих отраслях промышленности во всем мире статистические методы контроля качества продукции получили в 70–80 гг. XX в. Сегодня статистический контроль используется как для регулирования хода технологического процесса, т.е. в процессе производства – так называемый текущий предупредительный контроль, так и для оценки качества партий продукции – по окончании производства – приемочный контроль.

Большое влияние на современное видение о всеобщем управлении качеством (TQM) оказывают работы российского ученого в области качества Вадима Аркадьевича Лапидуса. Он опубликовал ряд трудов по теории и практике управления качеством с учетом вариаций и неопределенности, в которых изложен «принцип распределения приоритетов», позволяющий оптимально выстроить отношения поставщика и потребителя с позиции обеспечения качества. Ему же принадлежит новый подход к управлению качеством, названный «гибким методом статистического управления», который математически опирается на теорию нечетких множеств [4].

Классификация статистических методов

В современной практике предприятий все используемые статистические методы можно сгруппировать следующим образом.

Группа 1. Методы высокого уровня сложности, которые используются разработчиками систем управления предприятием или процессами. К ним относятся методы кластерного анализа, адаптивные робастные статистики, многофакторный (дисперсионный) анализ, методы исследования операций и др. Методы этой группы предназначены для ограниченного количества инженеров, поскольку применяются при проведении очень сложных анализов процесса формирования качества.

Группа 2. Методы специальные, которые используются при разработке операций технического контроля, планировании промышленных экспериментов, расчетах на точность и надежность и т.д.

Группа 3. Методы общего назначения, в разработку которых большой вклад внесли японские специалисты. К ним относятся «Семь простых методов» (или «Семь инструментов качества»), включающих в себя контрольные листки; метод расслоения; графики; диаграммы Парето; диаграммы Исикавы; гистограммы; контрольные карты. К. Исикава говорил: «Основываясь на опыте своей деятельности, могу сказать, что 95 % всех проблем фирмы могут быть решены с помощью этих семи приемов».

Группа 4. Промежуточные статистические методы. К ним относят: теорию выборочных исследований; статистический выборочный контроль; методы проведения статистических оценок и определения критериев; методы применения сенсорных проверок (экспертные оценки); методы планирования и расчета экспериментов; корреляционный и регрессионный анализы.

Среди этих представителей можно выделить 15 наиболее распространенных статистических методов, изложенных или отдельно, или сгруппированных в функциональные разделы, в табл. 1 приведены сферы использования статистических методов в соответствии с этими методами.

На рис. 1 представлена классификация информации по управлению качеством с учетом предъявляемых к ней требований.

Рис. 1. Классификация и требования к информации

Применение компьютерных технологий в статистических исследованиях

Владение современными прикладными и методо-ориентированными пакетами программ для использования в профессиональной деятельности основ статистических методов необходимо специалистам, работающим во всех областях инженерных, естественнонаучных и гуманитарных областях. Именно автоматизация статистического анализа при управлении качеством, связанная порой с оперативной обработкой больших объемов информации, дала возможность специалистам принимать оперативные и научно-обоснованные решения по оценке и управлению качеством выпускаемой продукции.

Остановимся на методо-ориентированных пакетах прикладных программ, которые являются мощным современным инструментом, предназначенным для решения задач определённого класса в математической сфере. Методо-ориентированные пакеты прикладных программ отличаются тем, что в их алгоритмической основе реализован определенный математический и/или экономико-математический метод решения задачи, в первую очередь это: математическая статистика, математическое программирование, сетевое планирование и управления и др. Растет интенсивность использования специализированных программных продуктов статистической обработки, обеспечивающих высокую точность и многообразие статистических методов.

Наиболее известные отечественные и зарубежные статистические пакеты: STADIA (статистический анализ данных), СОМИ, STATGRAPHICS, МЕЗОЗАВР (MESOSAUR, анализ временных рядов), Systat (углубленный статистический анализ и эконометрические исследования), SAS, SPSS, STATISTICA, S-PLUS, BMDP, SIGAMD, DataScope, MATHEMATICA и др.

Однако для целей статистического контроля и управления качеством более используются и подходят пакеты STADIA, STATGRAPHICS, SAS, STATISTICA и SPSS. Их популярности способствуют: большое количество реализованных методов; хорошая русификация; наличие учебной и справочной литературы по работе с ними. Рассмотрим их более подробно.

STADIA (http://protein.bio.msu.ru/~akula/Podr2~1.htm) разработан специалистами Московского государственного университета им. М.В. Ломоносова в конце 70-х гг. прошлого столетия. Отличается наличием всех самых распространенных методов одномерного и многомерного статистического анализа, включая проверку различных гипотез и контроль качества.

К числу достаточно мощных универсальных статистических пакетов относится также STATGRAPHICS PLUS. Важнейшим достоинством пакета считаются хорошая интеграция математико-статистического аппарата обработки данных с современной интерактивной графикой и его динамичная эволюция с учетом развития компьютерных технологий. STATGRAPHICS среди прочего позволяет проводить регрессионный анализ.

Универсальная система статистических программ SAS (https://www.sas.com/ru_ru/home.html) – мощный интегрированный комплекс более чем из 20 различных программных продуктов. Основное преимущество данного пакета – его непревзойденная мощность по набору реализованных алгоритмов статистических процедур, хотя по качеству и многообразию тот или иной его раздел может уступать соответствующему разделу специализированного статистического пакета. В России функционирует центр SAS-технологий в МГТУ им. Н.Э. Баумана. Использование системы SAS занимает ведущее место в исследовании качества жизни. Система известна с 1976 г. и остается лидером по мощности и набору статистических алгоритмов.

Демократичная политика компании позволяет использовать следующие бесплатные версии.

SAS

University Edition. Бесплатное ПО, включающее современные методы статистического и количественного анализа.

SAS® OnDemand for Academics. Онлайн-доступ к мощным инструментам статистического анализа, data mining и прогнозирования.