วัตถุประสงค์ของวิธีการควบคุมคุณภาพทางสถิติคืออะไร การควบคุมกระบวนการทางสถิติ เงื่อนไขพื้นฐานของการควบคุมทางสถิติ

คำชี้แจงของคำถาม

แนวคิดของวิธีการทางสถิติสำหรับการควบคุมคุณภาพผลิตภัณฑ์คือลักษณะทั่วไปของผลิตภัณฑ์ชุดทดสอบจะถูกตัดสินโดยลักษณะเฉพาะที่เลือกซึ่งกำหนดจากตัวอย่างขนาดเล็กจากชุดนี้ แนวคิดนี้แสดงออกมาครั้งแรกในปี พ.ศ. 2389 โดยนักวิชาการ M.V. Ostrogradsky ในช่วง 15-20 ปีที่ผ่านมา วิธีการทางสถิติสำหรับการควบคุมคุณภาพผลิตภัณฑ์แพร่หลายไปในหลายอุตสาหกรรม ขณะนี้มีวรรณกรรมมากมายเกี่ยวกับปัญหานี้

การควบคุมคุณภาพเชิงสถิติสามารถดำเนินการได้ในระหว่างการผลิต (เรียกว่า "การควบคุมเชิงป้องกันในปัจจุบัน") หรือเมื่อสิ้นสุดการผลิต (เรียกว่าการควบคุม "การยอมรับ")

เนื่องจากการสุ่มตัวอย่าง จึงอาจเกิดข้อผิดพลาดได้เมื่อประเมินผลิตภัณฑ์ทั้งชุดตามคุณลักษณะของตัวอย่าง

ข้อผิดพลาดประเภทที่ 1 คือชุดผลิตภัณฑ์ที่เหมาะสม (มาตรฐาน) ที่ทดสอบแล้วได้รับการประเมินตามผลการสุ่มตัวอย่างว่าใช้ไม่ได้ (ต่ำกว่ามาตรฐาน)

ข้อผิดพลาดประเภท II คือชุดการทดสอบที่ไม่เหมาะสม (ต่ำกว่ามาตรฐาน) ได้รับการประเมินตามผลการสุ่มตัวอย่างตามความเหมาะสม (สอดคล้อง)

ให้เราแสดงความน่าจะเป็นของข้อผิดพลาดประเภทที่ 1 ด้วย α และความน่าจะเป็นของข้อผิดพลาดประเภท II ด้วย β

ในวรรณกรรม ค่า α - ความน่าจะเป็นของการปฏิเสธผลิตภัณฑ์มาตรฐานเมื่อได้รับการยอมรับ - มักเรียกว่าความเสี่ยงของซัพพลายเออร์

ค่า β - ความน่าจะเป็นที่จะขาดข้อบกพร่องเมื่อยอมรับผลิตภัณฑ์ที่ผลิต - มักเรียกว่าความเสี่ยงของผู้บริโภค

เห็นได้ชัดว่าองค์กรที่มีเหตุผลของการควบคุมทางสถิติคือการทำให้ค่า ap ทั้งสองมีขนาดเล็กเพียงพอ (โดยปกติแล้วจะเรียงลำดับที่ 0.05-0.10)

การเลือกขอบเขตที่ถูกต้องระหว่างผลิตภัณฑ์มาตรฐานและต่ำกว่ามาตรฐานถือเป็นสิ่งสำคัญมาก

ต่อไปนี้จะเกิดปัญหาขึ้น ซึ่งเราจะอธิบายพร้อมตัวอย่าง

ตัวอย่าง

ปล่อยให้มีความต้านทานเป็นชุดโดยมีค่าระบุ 100 โอห์มลักษณะคุณภาพคือค่าเบี่ยงเบนมาตรฐาน σ c ของค่าความต้านทานจากค่าที่ระบุ

ให้ถือว่าแบทช์มีข้อบกพร่อง (มีข้อบกพร่อง) ถ้า σ > 10 โอห์ม

เห็นได้ชัดว่าเป็นการยากที่จะหาเหตุผลที่สมเหตุสมผลในการพิจารณาแบทช์ให้อยู่ในสภาพดีหากมี σ = 9.9 โอห์ม

ความยากลำบากนี้มักจะเอาชนะได้ด้วยวิธีต่อไปนี้ มีการกำหนดคุณภาพผลิตภัณฑ์สามประเภท เช่น:

1) ผลิตภัณฑ์ที่ดีσ < 5 โอ้,

2) ผลิตภัณฑ์ที่ยอมรับได้ 5< σ < 10 โอ้,

3) ข้อบกพร่องσ 10 โอห์ม

ข้อผิดพลาด α ของประเภทแรกคือความน่าจะเป็นสูงสุดที่จะปฏิเสธชุดผลิตภัณฑ์ในหมวดหมู่แรก

ข้อผิดพลาด β ของประเภทที่สองคือความน่าจะเป็นสูงสุดที่จะยอมรับชุดผลิตภัณฑ์ในประเภทที่สาม

ด้วยแนวทางนี้ เราไม่สนใจความน่าจะเป็นของการยอมรับ (และการปฏิเสธ) ของกลุ่มประเภทที่สอง

ในทางปฏิบัติสิ่งนี้สอดคล้องกับความจริงที่ว่าเทคโนโลยีการผลิตของผลิตภัณฑ์ช่วยให้มั่นใจได้ว่าการผลิตส่วนใหญ่อยู่ที่ระดับประเภทแรก

ดังนั้นขอบเขตของผลิตภัณฑ์ประเภทแรกจึงถูกกำหนดตามระดับการผลิต

ในกรณีของผลิตภัณฑ์อุตสาหกรรมการป้องกันประเทศ ขีดจำกัดนี้กำหนดขึ้นจากการวิเคราะห์เงื่อนไขสำหรับการใช้งานการต่อสู้ของผลิตภัณฑ์ที่เป็นปัญหา และอิทธิพลของพารามิเตอร์ที่มีต่อประสิทธิภาพการต่อสู้

เรื่องการกำหนดมาตรฐานการควบคุม

พิจารณากรณีเมื่อประมาณค่าตัวอย่างจาก nผลิตภัณฑ์ผลิตขึ้นตามพารามิเตอร์ที่กำหนด เอ็กซ์เอ็นตัวอย่างนี้

ให้พารามิเตอร์ตัวอย่างนี้ เอ็กซ์เอ็นสอดคล้องกับพารามิเตอร์ทั่วไปบางอย่าง เอ็กซ์จีบ่งบอกถึงคุณภาพของผลิตภัณฑ์ทั้งชุด

ให้ชุดผลิตภัณฑ์อยู่ในหมวดหมู่แรกที่ระบุ

x 0≤เอ็กซ์ 1 (1)

x 0 ≥ เอ็กซ์ 2 (2)

ที่ไหน เอ็กซ์ 1และ เอ็กซ์ 2- บางส่วนเป็นแบบถาวร

เมื่อใช้วิธีการสุ่มตัวอย่างเดี่ยว จะมีการกำหนดมาตรฐานการควบคุมสองมาตรฐาน: ขนาดตัวอย่าง nและมาตรฐานการประเมิน กับ.ชุดผลิตภัณฑ์ได้รับการยอมรับภายใต้

เอ็กซ์เอ็น≤ วินาที (3)

และถูกปฏิเสธตามเงื่อนไข

เอ็กซ์เอ็น> ด้วย (4)

ในกรณีนี้ความน่าจะเป็นของข้อผิดพลาดประเภทที่หนึ่งและสองจะถูกเขียนดังนี้

α = เวอร์ ( เอ็กซ์เอ็น>กับที่ x 0= เอ็กซ์ 1,) (5)

β = เวอร์ชั่น ( เอ็กซ์เอ็น≤ วินาที ที่ x 0= เอ็กซ์ 2- (ข)

หากทราบค่าα, β (ระบุ) เอ็กซ์ 1และ เอ็กซ์ 2จากนั้นจากสมการ (5) และ (6) คุณสามารถกำหนดมาตรฐานการควบคุมได้อย่างชัดเจน nและ ค- ในช. 17-19 นี้แสดงพร้อมตัวอย่างเฉพาะเจาะจง

เมื่อใช้วิธีการสุ่มตัวอย่างแบบคู่ จะมีการสร้างมาตรฐานการควบคุม 5 มาตรฐาน ได้แก่ ขนาดตัวอย่าง หมายเลข 1และ หมายเลข 2และมาตรฐานการประเมิน ค 1, ค 2และ ค 3.

ขั้นแรก ให้เก็บตัวอย่างตามปริมาตร nxและกำหนดพารามิเตอร์ตัวอย่าง xn1

x n1 ≤ ค 1 (7)

จากนั้นจะยอมรับชุดผลิตภัณฑ์และจะไม่ทำซ้ำตัวอย่าง

xn1 > ค 2, (8)

จากนั้นชุดผลิตภัณฑ์จะถูกปฏิเสธและจะไม่สุ่มตัวอย่างซ้ำ

ค 1< xn1< ค 2, (9)

จากนั้นระดับเสียงจะถูกสุ่มตัวอย่างใหม่ หมายเลข 2ซึ่งกำหนดพารามิเตอร์ตัวอย่าง xp2.

ถ้าสภาพคงอยู่

ฉ( xn1, xn2) ≥ ค 3 (10)

จากนั้นชุดผลิตภัณฑ์จะได้รับการยอมรับ มิฉะนั้นชุดผลิตภัณฑ์จะถูกปฏิเสธ

ในกรณีที่อยู่ระหว่างการพิจารณาก็เขียนได้

α =เบ๊บ( xn1 > ค 2หรือ ฉ( xn1,xn2 ) > ค 2ที่ x 0 = เอ็กซ์ 1) (11)

β =เบ๊บ( xn1≤ค 1หรือ ฉ( xn1,xn2 ) ≤ ค 2ที่ x 0 = เอ็กซ์ 2) , (12)

สมการ (11) และ (12) ไม่เพียงพอที่จะกำหนดปริมาณ หมายเลข 1, หมายเลข 2, ค 1, ค 2และ ค 3ให้ α, β, เอ็กซ์ 1และ เอ็กซ์ 2

โดยปกติแล้วจะมีการเพิ่มเงื่อนไขเพิ่มเติม หมายเลข 1 = หมายเลข 2หรือ หมายเลข 2 — 2 หมายเลข 1.

ในบางกรณีความสัมพันธ์บางอย่างระหว่าง ค 1, ค 2และ ค 3 .

ให้เราพิจารณากรณีของการวิเคราะห์ตามลำดับ ปล่อยให้ความหนาแน่นของการแจกแจงของตัวแปรสุ่ม เอ็กซ์เอ็นที่ x 0= เอ็กซ์ 1และ x 0= เอ็กซ์ 2จะ ฉ(เอ็กซ์เอ็น, เอ็กซ์ 1) และ ฉ(เอ็กซ์เอ็น, เอ็กซ์ 2).

อัตราส่วนความน่าจะเป็นคืออัตราส่วน

ถ้า ณ x 0 = เอ็กซ์ 1ที่ได้รับจากประสบการณ์ เอ็กซ์เอ็น" แล้วความน่าจะเป็นที่จะถึงค่าทดลอง เอ็กซ์เอ็นในช่วงเวลาตั้งแต่ เอ็กซ์เอ็น"ถึง เอ็กซ์เอ็น"+Δ เอ็กซ์เอ็นเท่ากับ ( เอ็กซ์เอ็น",เอ็กซ์ 1)Δ เอ็กซ์เอ็น.

แน่นอนว่าความน่าจะเป็นนี้มักจะมากกว่า ฉ(เอ็กซ์"น,X)Δ เอ็กซ์เอ็นเนื่องจากค่าทดลอง เอ็กซ์เอ็น“เหมาะกับโอกาส. x 0= เอ็กซ์ 1, ไม่ x 0= เอ็กซ์ 2- ดังนั้นตามกฎแล้วเมื่อใด x 0= เอ็กซ์ 1จะเป็น γ n< l. Аналогично легко убедиться в том, что при x 0= เอ็กซ์ 2ตามกฎแล้ว จะเป็น γ n >1

วาลด์ให้เหตุผลแก่วิธีการวิเคราะห์ตามลำดับต่อไปนี้ ประสบการณ์ "เพิ่มขึ้นอย่างต่อเนื่อง nและสำหรับทุกคน nγn ถูกกำหนดโดยสมการ (13)

หากยังมีความไม่เท่าเทียมกันอยู่

จากนั้นการทดสอบจะหยุดลงและยอมรับชุดผลิตภัณฑ์ หากยังมีความไม่เท่าเทียมกันอยู่

จากนั้นการทดสอบจะหยุดลงและชุดผลิตภัณฑ์จะถูกปฏิเสธ

เมื่อตรงตามเงื่อนไข

(16)

ควรทำการทดสอบต่อไปจนกว่าจะเกิดสภาวะ (14) หรือ (15) เทคนิคนี้รับประกันความเสี่ยงของซัพพลายเออร์และผู้บริโภคเท่ากับ α และ β ตามลำดับ

โปรดทราบว่าสำหรับ α และ β ที่กำหนด วิธีการวิเคราะห์ตามลำดับจะให้ปริมาตรทดสอบเฉลี่ยน้อยกว่าวิธีการสุ่มตัวอย่างเดี่ยวอย่างมาก

วิธีการสุ่มตัวอย่างแบบคู่ในกรณีนี้จะอยู่ตรงกลางระหว่างสองวิธีที่กล่าวถึงข้างต้น

ดังนั้น เมื่อทำการทดสอบผลิตภัณฑ์แบบอนุกรม ควรใช้วิธีการวิเคราะห์ตามลำดับมากกว่า

การควบคุมทางสถิติเปอร์เซ็นต์ของผลิตภัณฑ์ที่มีข้อบกพร่อง

ลองพิจารณากรณีที่กลุ่มผลิตภัณฑ์ที่มีปริมาณมากเพียงพอถูกควบคุม เอ็น.ทั้งหมด เอ็นผลิตภัณฑ์ที่รวมอยู่ในชุดแบ่งออกเป็นสองกลุ่มตามเกณฑ์บางประการ ได้มาตรฐานและมีข้อบกพร่อง

ให้จำนวนสินค้าที่มีข้อบกพร่องในชุดเท่ากัน ม.

ให้เราแสดงด้วย S ส่วนแบ่งของผลิตภัณฑ์ที่มีข้อบกพร่องในชุด

ตามขนาด S1ชุดผลิตภัณฑ์สามารถแบ่งออกเป็น 3 ประเภท:

1) ส ≤ ส 1,

2) ส 1< S <เอส 2,

3) และด้วย ส≥ เอส 2

ปริมาณ ส 1และ เอส 2ก่อตั้งขึ้นโดยข้อตกลงระหว่างซัพพลายเออร์ของผลิตภัณฑ์และผู้บริโภค

เมื่อติดตามสัดส่วนของผลิตภัณฑ์ที่มีข้อบกพร่องทางสถิติ เราจะสุ่มตัวอย่าง nสินค้าจากชุดและจำนวนจะถูกกำหนด ตสินค้าชำรุดในตัวอย่าง จากนั้นสัดส่วนของผลิตภัณฑ์ที่มีข้อบกพร่องในกลุ่มตัวอย่างจะเป็น

ต่อไปนี้เราจะพิจารณาเฉพาะกรณีเมื่อใด nเล็กน้อยเมื่อเทียบกับ ยังไม่มีข้อความ (n < 0,1เอ็น),

ในกรณีเหล่านี้ เราสามารถสรุปได้ว่าตัวแปรสุ่ม ตมีการแจกแจงแบบทวินาม

ถ้า S ยังเล็กเมื่อเทียบกับ 1 (S< 0,1), то можно принять, что случайная величина m имеет распределение Пуассона.

บทนี้กล่าวถึงการควบคุมทางสถิติของสัดส่วนของผลิตภัณฑ์ที่มีข้อบกพร่องในสองตัวเลือก:

1) การกระจายตัวของ m คือปัวซอง

2) การแจกแจงของ m เป็นแบบทวินาม

โปรดทราบว่าในทั้งสองตัวเลือก ความคาดหวังทางคณิตศาสตร์ของจำนวนผลิตภัณฑ์ที่บกพร่องในตัวอย่างจะเท่ากับ

เมื่อติดตามส่วนแบ่งของผลิตภัณฑ์ที่มีข้อบกพร่องทางสถิติ โดยปกติจะมีการระบุมาตรฐานไว้ในข้อกำหนดทางเทคนิคในลักษณะที่

ม ≤ วิ, (4)

ชุดผลิตภัณฑ์ได้รับการประเมินอย่างน่าพอใจ (ยอมรับ) ในกรณีที่

ชุดผลิตภัณฑ์ได้รับการประเมินอย่างไม่เป็นที่น่าพอใจ (ถูกปฏิเสธ)

เพื่อจัดระเบียบการควบคุมทางสถิติ จำเป็นต้องเลือกขนาดตัวอย่างด้วยค่ามาตรฐานโดยประมาณ c ทางเลือกนี้คำนึงถึงความเสี่ยงของซัพพลายเออร์และความเสี่ยงของผู้บริโภค

ความเสี่ยงของซัพพลายเออร์คือความน่าจะเป็น α ที่ชุดของหมวดหมู่แรกที่มี S = S1จะถูกประเมินว่าไม่น่าพึงพอใจอันเป็นผลจากการทดสอบ

α=Ver(m > s โดยที่ S = S 1). (6)

จากสมการ (6) ชัดเจนว่า α คือความน่าจะเป็นสูงสุดที่จะได้เงื่อนไข (5) สำหรับฝ่ายประเภทแรก เนื่องจากสำหรับ S< ส 1ความเสี่ยงของซัพพลายเออร์จะน้อยกว่าด้วย S= S 1

ความเสี่ยงของผู้บริโภคคือความน่าจะเป็น α ที่กลุ่มประเภทที่สามที่มี S = S 2 จะได้รับการประเมินอย่างน่าพอใจอันเป็นผลมาจากการทดสอบ

β= เวอร์ชั่น(ม ≤ ที่ S = S 2). (7).

จากสมการ (7) เห็นได้ชัดว่า β คือความน่าจะเป็นสูงสุดที่จะได้เงื่อนไข (4) สำหรับกลุ่มประเภทที่สาม เนื่องจากด้วย S > S 2 ความเสี่ยงของผู้บริโภคจะน้อยกว่าด้วย S = S 2

องค์กรที่มีเหตุผลของการควบคุมทางสถิติคือการเลือก n และ c ในลักษณะที่ความเสี่ยง α และ β มีน้อยเพียงพอ วิธีแก้ไขปัญหานี้มีให้ในย่อหน้าถัดไป

คำถาม:[บรรยาย – 2 ชั่วโมง]

ความหมายและขอบเขตของวิธีการทางสถิติในการควบคุมคุณภาพ

มีความโดดเด่นดังต่อไปนี้: ขอบเขตของการประยุกต์วิธีการทางสถิติในการผลิต:

· ด้านหนึ่งมีการควบคุมอย่างสมบูรณ์ และการยกเว้นการเปลี่ยนแปลงคุณภาพผลิตภัณฑ์แบบสุ่มในอีกด้านหนึ่ง

· เมื่อควบคุมความก้าวหน้าของกระบวนการทางเทคโนโลยีเพื่อให้อยู่ในกรอบที่กำหนด (ส่วนด้านซ้ายของแผนภาพ)

· เมื่อได้รับผลิตภัณฑ์ที่ผลิตแล้ว (ด้านขวาของแผนภาพ)

รูปที่ 5 – ขอบเขตของการใช้วิธีการทางสถิติของ SCP

เพื่อควบคุมกระบวนการทางเทคโนโลยีปัญหาของการวิเคราะห์ทางสถิติของความแม่นยำและความเสถียรของกระบวนการทางเทคโนโลยีและการควบคุมทางสถิติได้รับการแก้ไข ในกรณีนี้ความคลาดเคลื่อนสำหรับพารามิเตอร์ควบคุมที่ระบุในเอกสารทางเทคโนโลยีถือเป็นมาตรฐานและงานคือการรักษาพารามิเตอร์เหล่านี้อย่างเคร่งครัดภายในขอบเขตที่กำหนด งานอาจเป็นการค้นหาโหมดการทำงานใหม่เพื่อปรับปรุงคุณภาพของการผลิตขั้นสุดท้าย

ก่อนที่จะใช้วิธีการทางสถิติในกระบวนการผลิตจำเป็นต้องเข้าใจวัตถุประสงค์ของการใช้วิธีการเหล่านี้ให้ชัดเจนและประโยชน์ของการผลิตจากการใช้วิธีเหล่านี้ ไม่ค่อยมีการใช้ข้อมูลเพื่ออนุมานเกี่ยวกับคุณภาพตามที่ได้รับ

เครื่องมือควบคุมคุณภาพ"

วิธีการทางสถิติได้รับการยอมรับว่าจำเป็นสำหรับการจัดการคุณภาพที่คุ้มต้นทุน วิธีการที่ใช้แนวทางทางสถิติจะถูกนำมาใช้ในทุกขั้นตอนของวงจรชีวิตผลิตภัณฑ์ ที่ใช้กันมากที่สุดมีดังต่อไปนี้ วิธีการ:

หรือฮิสโตแกรม;

หรืออนุกรมเวลา

o แผนภูมิ Pareto;

แผนภาพเหตุและผล

หรือรายการตรวจสอบ;

o การ์ดควบคุม;

o ไดอะแกรมกระจาย

วิธีการเหล่านี้เรียกว่า “เครื่องมือควบคุมคุณภาพ 7 ประการ”

ฮิสโตแกรมใช้เมื่อจำเป็นต้องนำเสนอการกระจายข้อมูลเกี่ยวกับพารามิเตอร์ผลิตภัณฑ์โดยใช้กราฟแท่ง การเปรียบเทียบฮิสโตแกรมในทฤษฎีความน่าจะเป็นและสถิติทางคณิตศาสตร์คือฟังก์ชันความหนาแน่นของความน่าจะเป็น ซึ่งแสดงความถี่ของการเกิดเหตุการณ์หนึ่งๆ เมื่อใช้ฮิสโตแกรม คุณสามารถรับข้อมูลเกี่ยวกับการจัดหมวดหมู่ของพารามิเตอร์ผลิตภัณฑ์ที่วัดได้ ประเมินระดับความสมมาตรของการกระจายของข้อมูลที่สัมพันธ์กับค่าเฉลี่ย และเลือกการกระจายตามทฤษฎีโดยประมาณ มุมมองที่เป็นไปได้ของฮิสโตแกรมแสดงไว้ในรูปที่ 1 6.

รูปที่ 6 - ฮิสโตแกรม

อนุกรมเวลาใช้เพื่อประเมินการเปลี่ยนแปลงในเหตุการณ์ที่สังเกตได้ในช่วงเวลาหนึ่ง ซีรีส์ดังกล่าวมีภาพที่ชัดเจนและง่ายต่อการสร้างและใช้งาน คะแนนจะถูกพล็อตตามลำดับที่ได้รับ เส้นโค้งที่สร้างขึ้นในรูปแบบของกราฟเชิงเส้นแสดงให้เห็นช่วงเวลาของกระบวนการ และทำให้สามารถระบุการเบี่ยงเบนที่มีนัยสำคัญของกระบวนการนี้ เช่น จากค่าเฉลี่ยหรือขีดจำกัดความคลาดเคลื่อน กราฟเวลาทั่วไปจะแสดงในรูป 7.

รูปที่ 7 – อนุกรมเวลา

แผนภูมิพาเรโตใช้ในสถานการณ์ที่จำเป็นต้องแสดงถึงความสำคัญของปัญหาหรือเงื่อนไขทั้งหมด เพื่อเลือกจุดเริ่มต้นในการแก้ปัญหา แผนภูมิพาเรโตเป็นกราฟแท่งแนวตั้งที่ระบุปัญหาที่กำลังพิจารณาและลำดับในการแก้ไข การสร้างไดอะแกรมดังกล่าวช่วยดึงดูดความสนใจไปยังประเด็นที่สำคัญอย่างแท้จริง ขั้นตอนการสร้างไดอะแกรมประกอบด้วยขั้นตอนต่อไปนี้:

o การเลือกปัญหามาเปรียบเทียบ

o การกำหนดเกณฑ์การเปรียบเทียบหน่วยการวัด

o การเลือกช่วงเวลาเรียน

รูปที่ 8 – แผนภาพพาเรโต

แผนภาพสาเหตุและผลกระทบใช้ในการตรวจสอบและวิเคราะห์สาเหตุหรือเงื่อนไขที่เป็นไปได้ทั้งหมด

แผนภาพดังกล่าวได้รับการพัฒนาเพื่อแสดงความสัมพันธ์ระหว่างผลกระทบ ผลลัพธ์ และสาเหตุที่เป็นไปได้ทั้งหมดที่มีอิทธิพลต่อสิ่งเหล่านี้

ผลกระทบ ผลลัพธ์ หรือปัญหามักจะระบุไว้ทางด้านขวาของแผนภาพ และอิทธิพลหลัก (สาเหตุ) จะอยู่ทางด้านซ้าย (รูปที่ 9)

รูปที่ 9 – แผนภาพสาเหตุและผลกระทบ

จากการเปรียบเทียบกับโครงกระดูกของปลา แผนภาพดังกล่าวเรียกอีกอย่างว่า "โครงกระดูกปลา" หรือแผนภาพ K. Ishikawa - เพื่อเป็นเกียรติแก่นักวิทยาศาสตร์ชาวญี่ปุ่นผู้พัฒนามัน

คำสั่ง การสร้างแผนภาพเหตุและผลนำเสนอสิ่งต่อไปนี้ ลำดับต่อมาขั้นตอน:

o คำอธิบายของปัญหาที่เลือก (คุณลักษณะ สาเหตุ การสำแดง)

ระบุเหตุผลที่จำเป็นในการสร้างแผนภาพ

หรือการสร้างไดอะแกรม;

o การตีความความสัมพันธ์ที่เกิดขึ้นในแผนภาพ

รายการตรวจสอบ(ตรวจสอบตาราง) ใช้ในการเก็บข้อมูลเพื่อศึกษาตัวอย่างข้อสังเกต

รายการตรวจสอบช่วยให้คุณตอบคำถาม “เหตุการณ์บางอย่างเกิดขึ้นบ่อยแค่ไหน (เช่น การปรากฏของข้อบกพร่องบางอย่าง)”

การสร้างรายการตรวจสอบรวมถึงสิ่งต่อไปนี้ ขั้นตอน:

o สร้างเหตุการณ์ที่สังเกตได้

o การเลือกระยะเวลาที่จะรวบรวมข้อมูล ระยะเวลานี้อาจแตกต่างกันไปในแต่ละชั่วโมงเป็นสัปดาห์

o การสร้างตารางที่ควรป้อนข้อมูลที่สังเกตได้เกี่ยวกับข้อบกพร่อง

การ์ดควบคุมเป็นอนุกรมเวลาที่มีการพล็อตขอบเขตบนและล่าง (รูปที่ 10)

รูปที่ 10 – แผนภูมิควบคุม

มีสามบรรทัดบนกราฟที่ช่วยให้คุณเข้าใจกระบวนการที่กำลังดำเนินอยู่ เส้นแนวนอนเรียกว่าขีดจำกัดการควบคุมบน (UCL), เส้นกึ่งกลาง (CL) และขีดจำกัดการควบคุมล่าง (LCL)

การใช้บรรทัดเหล่านี้คุณสามารถติดตามสิ่งต่อไปนี้ การพึ่งพาอาศัยกัน:

o หากมีจุดการทดลองมากเกินไปอยู่เหนือ VCP (ต่ำกว่า LCP) นั่นหมายความว่ากระบวนการค่อนข้างหยุดชะงัก

o หากจุดการทดลองจำนวนหนึ่งอยู่ระหว่าง CL และ VCP (หรือระหว่าง CL และ NCP) นี่ก็หมายความว่ากระบวนการต้องมีการแทรกแซงเช่นกัน

o หากคะแนนการทดลองมีแนวโน้มเพิ่มขึ้นไปสู่ ​​VCP ก็ควรสรุปได้ว่ากระบวนการนี้ทำได้ยาก

การ์ดควบคุมมีสองอัน สายพันธุ์: ค่าเฉลี่ยกระบวนการแสดงผลบางส่วน ( เอ็กซ์-charts) และอื่น ๆ - ส่วนเบี่ยงเบนมาตรฐาน (s-charts) เมื่อใช้ไดอะแกรม คุณสามารถระบุสาเหตุของปัญหาได้: เป็นไปได้ที่พารามิเตอร์กระบวนการจะเปลี่ยนแปลงเมื่อใดก็ตามที่พนักงานของผู้ปฏิบัติงานเปลี่ยนแปลง (เช่น เมื่อเปลี่ยนกะ) สาเหตุอาจเป็นเพราะการเปลี่ยนไปใช้ช่วงฤดูหนาว (หรือย้อนหลัง) ซึ่งพนักงานจะคุ้นเคยกับตารางงานใหม่ภายในไม่กี่วัน

พารามิเตอร์ CL เป็นค่าเฉลี่ยสองเท่า ใน xในแผนภูมิ แต่ละจุดแสดงถึงวันที่ระบุ และมูลค่าเฉลี่ยของจุดนั้นจะถูกกำหนดตามข้อมูลเชิงสังเกตทั้งหมดที่บันทึกไว้ในวันนั้น จากนั้นจึงใช้ค่าเฉลี่ยของวันทั้งหมดเพื่อคำนวณค่าเฉลี่ยโดยรวม ซึ่งก็คือ LO เอ็กซ์-ไดอะแกรม ซีแอลเพื่อ ส-แผนภูมิถูกสร้างขึ้นในลักษณะเดียวกัน ยกเว้นว่าการคำนวณเริ่มต้นด้วยส่วนเบี่ยงเบนมาตรฐานในแต่ละวัน จากนั้นจึงหาค่าเฉลี่ยของตัวบ่งชี้เหล่านี้ทั้งหมด

แผนภูมิกระจายใช้เพื่อประเมินความสัมพันธ์ที่เป็นไปได้ระหว่างสองตัวแปร การใช้แผนภาพกระจาย สามารถสร้างรูปแบบความสัมพันธ์และการถดถอยของการเชื่อมต่อระหว่างพารามิเตอร์กระบวนการได้ ความสัมพันธ์แสดงให้เห็นว่าโดยเฉลี่ยแล้วพฤติกรรมของตัวแปรตัวใดตัวหนึ่งเปลี่ยนแปลงไปเมื่อตัวแปรอื่นเพิ่มขึ้น (ลดลง) การประมาณค่าที่พบบ่อยที่สุดของความสัมพันธ์ประเภทนี้คือค่าสัมประสิทธิ์สหสัมพันธ์ตัวอย่างที่มีช่วงการเปลี่ยนแปลงตั้งแต่ -1 ถึง +1 ด้วยความสัมพันธ์เชิงบวกที่สูง (ค่าสัมประสิทธิ์สหสัมพันธ์คือ 0.8-1.0) เราสามารถสรุปได้ว่าการเพิ่มขึ้นของตัวแปรตัวใดตัวหนึ่งจะทำให้ตัวแปรตัวอื่นเพิ่มขึ้น มิฉะนั้น เราต้องถือว่าการเพิ่มขึ้นของตัวแปรตัวใดตัวหนึ่งส่งผลให้ตัวแปรตัวอื่นลดลง เมื่อค่าสัมประสิทธิ์สหสัมพันธ์ใกล้กับศูนย์ การเปลี่ยนพารามิเตอร์ตัวใดตัวหนึ่งจะไม่ส่งผลกระทบต่อพารามิเตอร์ตัวอื่น เมื่อสร้างไดอะแกรมกระจาย ค่าตัวเลขของพารามิเตอร์แรกจะถูกพล็อตตามแกนใดแกนหนึ่ง และค่าของพารามิเตอร์อื่นจะถูกพล็อตตามแกนที่สอง ผลลัพธ์ "คลาวด์" ของข้อมูลตัวเลขที่กระจัดกระจายทำให้คุณสามารถสร้างธรรมชาติของความสัมพันธ์ระหว่างตัวแปรสองตัวได้อย่างชัดเจน ดังตัวอย่างในรูป รูปที่ 11 แสดงแผนภูมิกระจายที่สอดคล้องกับความสัมพันธ์เชิงบวก ศูนย์ และเชิงลบ

รูปที่ 11 – แผนภาพกระจาย

การวิเคราะห์การถดถอยนำไปใช้กับข้อมูลเดียวกันทำให้สามารถเลือกเส้นโค้งที่เหมาะสมที่อธิบายจุดการทดลองได้ดีที่สุด การเลือกนี้ใช้วิธีกำลังสองน้อยที่สุด ซึ่งจะลดผลรวมของการเบี่ยงเบนกำลังสองระหว่างข้อมูลการทดลองและค่าของเส้นโค้งทางทฤษฎีให้เหลือน้อยที่สุด การพึ่งพาทางทฤษฎีที่สร้างขึ้นทำให้สามารถคาดการณ์พฤติกรรมของการพึ่งพาโดยประมาณได้เกินขอบเขตของการสังเกต

วิธีการทางสถิติที่ระบุไว้ในขณะนี้ได้มาตรฐานและแนะนำให้ใช้ในงานปรับปรุงคุณภาพ นอกจากนี้ มักใช้อีกสองวิธีในระยะเริ่มแรกของการทำงาน: การระดมความคิดและการไหลของกระบวนการ

การระดมความคิด- หนึ่งในวิธีการปลดปล่อยและกระตุ้นความคิดสร้างสรรค์ที่พบบ่อยที่สุด วิธีการนี้ถูกใช้ครั้งแรกในปี 1934 ในสหรัฐอเมริกา เพื่อให้ได้แนวคิดใหม่ๆ ภายใต้เงื่อนไขของการห้ามวิพากษ์วิจารณ์

วัตถุประสงค์หลักของการใช้วิธีนี้คือเพื่อแยกขั้นตอนการสร้างแนวคิดในกลุ่มผู้เชี่ยวชาญแบบปิดออกจากกระบวนการวิเคราะห์และประเมินแนวคิดที่แสดงออก

ตามกฎแล้วการโจมตีจะใช้เวลาไม่นาน (ประมาณ 40 นาที) ผู้เข้าร่วมได้รับการสนับสนุนให้แสดงความคิดเห็นในหัวข้อที่กำหนด โดยจำกัดเวลาสูงสุดสองนาทีต่อการนำเสนอ ช่วงเวลาที่น่าสนใจที่สุดของการโจมตีคือการเริ่มเข้าสู่จุดสูงสุด เมื่อความคิดเริ่ม "พุ่งออกมา" เช่น มีผู้เข้าร่วมสร้างสมมติฐานโดยไม่สมัครใจ

จากการวิเคราะห์ในภายหลัง มีเพียง 10-15% ของแนวคิดเท่านั้นที่มีความสำคัญ แต่บางแนวคิดก็มีความแปลกใหม่มาก ผลลัพธ์ได้รับการประเมินโดยกลุ่มผู้เชี่ยวชาญที่ไม่ได้มีส่วนร่วมในการสร้างแนวคิด

แผนภาพกระบวนการคือการแสดงภาพกราฟิกของขั้นตอนต่อเนื่องของกระบวนการ (รูปที่ 6) วิธีการนี้ใช้ในสถานการณ์ที่จำเป็นต้องติดตามขั้นตอนที่เกิดขึ้นจริงหรือทางจิตของกระบวนการที่ผลิตภัณฑ์หรือบริการผ่านไป

จากการศึกษาไดอะแกรมของกระบวนการต่างๆ คุณจะพบสถานที่ที่เกิดการรบกวนและความล้มเหลวในทางปฏิบัติได้มากที่สุด

รูปที่ 12 – แผนภาพกระบวนการ

กลุ่มผู้เชี่ยวชาญที่มีความรู้มากที่สุดเกี่ยวกับกระบวนการที่กำลังดำเนินอยู่ เช่น นักเทคโนโลยี จะต้องดำเนินการดังต่อไปนี้:

o สร้างไดอะแกรมตามลำดับของกระบวนการปัจจุบัน

o สร้างไดอะแกรมเดียวกันของกระบวนการที่ควรจะเกิดขึ้นหากทุกอย่างทำงานได้ดี

o เปรียบเทียบสองแผนภาพเพื่อค้นหาจุดแตกต่างที่กำหนดจุดที่กระบวนการเบี่ยงเบนอาจเกิดขึ้น

การควบคุมกระบวนการทางสถิติเกิดขึ้นในปี 1931 นักวิทยาศาสตร์ Walter Shewhart เสนอแนวคิดนี้ในหนังสือ "การควบคุมคุณภาพทางเศรษฐศาสตร์ของผลิตภัณฑ์ที่ผลิต" ในขณะนั้น Shewhart ทำงานเป็นนักสถิติให้กับ Bell Laboratories เขาตั้งข้อสังเกตว่าในกระบวนการผลิตมีข้อมูลดังกล่าวซึ่งหลังจากการประมวลผลทางสถิติแล้ว สามารถส่งสัญญาณว่ากระบวนการอยู่ภายใต้การควบคุมหรือมีความเบี่ยงเบนใดๆ อยู่ในนั้นหรือไม่ (เกิดจากเหตุผลที่ไม่เกี่ยวข้องกับกระบวนการ) รายการตรวจสอบและแผนภูมิควบคุมที่ใช้ในปัจจุบันอิงจากงานของ Shewhart การควบคุมกระบวนการทางสถิติอาจต้องใช้วิธีการทางสถิติใด ๆ ที่กล่าวถึงในย่อหน้าที่ 3.4 “วิธีการวิเคราะห์คุณภาพ”

แม้ว่าเดิมทีการควบคุมกระบวนการทางสถิติจะใช้สำหรับกระบวนการผลิตเท่านั้น แต่สามารถนำไปใช้กับกระบวนการได้เกือบทุกกระบวนการ ทุกสิ่งที่พนักงานทำถือได้ว่าเป็นกระบวนการ ทุกกระบวนการได้รับอิทธิพลจากปัจจัยหลายประการ (อุปกรณ์ที่ใช้ วัสดุ วิธีการและคำแนะนำในการทำงาน การวัดผล และบุคลากรที่เกี่ยวข้องในกระบวนการ) นอกเหนือจากนี้ หากไม่มีอะไรส่งผลกระทบต่อกระบวนการ และปัจจัยทั้งหมดเหล่านี้ทำงานได้อย่างไร้ที่ติและเท่าที่ควร กระบวนการนั้นก็จะได้รับการควบคุมทางสถิติ ซึ่งหมายความว่าไม่มีสาเหตุรองที่ส่งผลต่อกระบวนการ ข้อบกพร่องทั้งหมดได้รับการแก้ไขแล้ว ตามที่ Shewhart กล่าว นี่ไม่ได้หมายความว่าผลผลิต 100% จะไร้ที่ติ และไม่มีการเปลี่ยนแปลงในกระบวนการ ทุกกระบวนการมีความแปรผันและความเบี่ยงเบนตามธรรมชาติซึ่งส่งผลต่อเอาท์พุต ซึ่งมีจำนวนข้อบกพร่อง 3 หน่วยต่อ 1,000 ชิ้น (ข้อบกพร่องในที่นี้หมายถึงผลิตภัณฑ์ที่อยู่นอกขีดจำกัดที่ยอมรับได้ - ±3 วินาที)

ข้อเท็จจริงที่ว่ามีความแปรผันตามธรรมชาติในทุกกระบวนการสามารถอธิบายได้ดังต่อไปนี้: ตัวอย่างเช่น เส้นผ่านศูนย์กลางของกระบอกสูบที่เปิดเครื่องจักรจะแทบจะไม่มีขนาด 17 มม. พอดี ค่าจะแตกต่างกันประมาณ 17 มม. อย่างน้อยภายในความแม่นยำของเครื่องมือวัดและอุปกรณ์ควบคุม ในความเป็นจริง จะมีเหตุผลอีกมากมายในกระบวนการที่ทำให้เกิดการเปลี่ยนแปลงนี้

ในการควบคุมกระบวนการทางสถิติ การใช้วิธีการทางสถิติ (และเท่านั้น!) จะพิจารณาว่าการเบี่ยงเบนจากอุดมคติใดเป็นเรื่องปกติสำหรับกระบวนการที่กำหนด (ไม่ควรสับสนการเบี่ยงเบน "ปกติ" เหล่านี้กับคุณลักษณะทางเทคนิคของอุปกรณ์ โดยธรรมชาติแล้ว ลักษณะทางเทคนิคจะมีอิทธิพล กระบวนการ แต่ความเบี่ยงเบน "ปกติ" เหล่านี้ถูกกำหนดทางสถิติ)

การควบคุมกระบวนการทางสถิติไม่ได้ขจัดความแปรปรวนและความเบี่ยงเบนของผลิตภัณฑ์ออกจากกระบวนการในอุดมคติได้อย่างสมบูรณ์ แต่ช่วยให้คุณสามารถควบคุมกระบวนการและแยกแยะความแปรผันตามธรรมชาติที่มีอยู่ในกระบวนการทั้งหมดจากความล้มเหลวที่เกิดจากสาเหตุเพิ่มเติมบางประการ เป็นพื้นฐานสำหรับการปรับปรุงกระบวนการและการผลิตที่ปราศจากข้อบกพร่อง เมื่อระบุและกำจัดสาเหตุของความล้มเหลวทั้งหมดแล้ว และเหลือเพียงความแปรปรวนตามธรรมชาติเท่านั้น กระบวนการจะถือว่าอยู่ในสถานะของการควบคุมทางสถิติ เมื่อถึงสถานะนี้ กระบวนการจะมีเสถียรภาพและ 99.73% ของการผลิตไม่เกินขีดจำกัดการควบคุมทางสถิติ (ขีดจำกัดการควบคุมบนและล่าง ได้มีการกล่าวถึงแล้วในย่อหน้า 3.4.8 “แผนภูมิควบคุม”) จากนั้นคุณจึงสามารถปรับปรุงกระบวนการได้ ดังนั้น:

การควบคุมกระบวนการทางสถิติเป็นวิธีการทางสถิติในการแยกความแปรผันที่เกิดจากความล้มเหลวของกระบวนการออกจากความแปรผัน "ตามธรรมชาติ" ซึ่งเป็นส่วนสำคัญของกระบวนการ วัตถุประสงค์ของการควบคุมกระบวนการทางสถิติคือเพื่อระบุและกำจัดความล้มเหลว ตลอดจนสร้างและรักษาเสถียรภาพของกระบวนการ ซึ่งทำให้สามารถปรับปรุงเพิ่มเติมได้

การควบคุมกระบวนการทางสถิติ ซึ่งเป็นส่วนหนึ่งของการจัดการคุณภาพโดยรวม ช่วยปรับปรุงคุณภาพผลิตภัณฑ์และลดต้นทุน การควบคุมกระบวนการทางสถิติทำให้กระบวนการต่อไปนี้มีประสิทธิภาพมากขึ้นอย่างมาก:

· การควบคุมการเปลี่ยนแปลง

· การปรับปรุงอย่างต่อเนื่อง

· ความสามารถในการคาดการณ์ของกระบวนการ

· การกำจัดความสูญเสีย

· การควบคุมตัวอย่างผลิตภัณฑ์

ลองพิจารณาว่าการควบคุมกระบวนการทางสถิติมีอะไรบ้างในกระบวนการเหล่านี้

การควบคุมการเปลี่ยนแปลง

ดังที่ได้กล่าวไปแล้ว กระบวนการนี้ได้รับอิทธิพลจากปัจจัยสองประเภท ได้แก่ ความล้มเหลวและสาเหตุตามธรรมชาติ การควบคุมกระบวนการทางสถิติทำให้สามารถแยกแยะกระบวนการหนึ่งจากอีกกระบวนการหนึ่งได้ การปรับปรุงกระบวนการเป็นเพียงการกำจัดหรือลดสาเหตุทางธรรมชาติเท่านั้น เป็นไปได้หลังจากกำจัดความล้มเหลวแล้ว มิฉะนั้นความล้มเหลวจะไม่อนุญาตให้เราประเมินผลของการปรับปรุง

ในกรณีที่ไม่มีความล้มเหลว การกระจายปริมาณการผลิตตามมูลค่าของลักษณะใด ๆ ที่เกี่ยวข้องกับค่าที่ต้องการจะเป็นเส้นโค้งรูประฆัง วิธีการสร้างการกระจายดังกล่าวมีรายละเอียดอธิบายไว้ในย่อหน้าที่ 3.4.9 “ฮิสโตแกรม”. ค่าของคุณลักษณะนี้สำหรับ 99.73% ของหน่วยผลิตภัณฑ์จะต้องไม่เกิน ± 3 วินาที (รูปที่ 3.9 ก) หากเกิดความล้มเหลวในกระบวนการ ผลิตภัณฑ์จำนวนมากจะเกินขอบเขต ±3 วินาที (รูปที่ 3.9 b) โดยทั่วไป ในกระบวนการที่มีความล้มเหลว การกระจายไม่จำเป็นต้องมีรูปแบบของเส้นโค้งรูประฆัง

การปรับปรุงอย่างต่อเนื่อง

เพื่อปรับปรุงคุณภาพของผลิตภัณฑ์จำเป็นต้องปรับปรุงกระบวนการสร้างผลิตภัณฑ์ การปรับปรุงกระบวนการเป็นเรื่องเกี่ยวกับการปรับปรุงลักษณะทางธรรมชาติของมัน สามารถทำได้หลังจากกำจัดความล้มเหลวทั้งหมดแล้วเท่านั้น ในกรณีนี้ การปรับปรุงจะถูกควบคุม และจะสามารถสร้างรายการตรวจสอบและแผนภูมิควบคุมเพื่อประเมินผลกระทบของการปรับปรุงได้ ผลลัพธ์ของการปรับปรุงกระบวนการสามารถแสดงเป็นกราฟิกได้ดังในรูป 3.9 นิ้ว

ข้าว. 3.9 การกระจายค่าเส้นผ่านศูนย์กลางของกระบอกสูบที่หมุนสัมพันธ์กับค่าที่ต้องการ

ความสามารถในการคาดการณ์กระบวนการ

การควบคุมกระบวนการทางสถิติทำให้กระบวนการมีเสถียรภาพ ทำซ้ำได้ และคาดการณ์ได้ เมื่อกระบวนการอยู่ภายใต้การควบคุม บริษัทจะรู้ถึงคุณลักษณะของมันอย่างชัดเจน สิ่งนี้ช่วยให้คุณประเมินความเป็นไปได้ในการดำเนินการตามคำสั่งซื้อนั้นๆ ได้อย่างแม่นยำ และประเมินความเสี่ยงขั้นต่ำที่เป็นไปได้ (ซึ่งจะช่วยลดต้นทุนของสัญญาและเพิ่มความสามารถในการแข่งขัน) หากกระบวนการไม่สามารถควบคุมได้ ก็มีความเสี่ยงที่จะไม่ปฏิบัติตามเงื่อนไขของสัญญา หรือไม่ได้รับสัญญาเนื่องจากราคาสูง (ถ้าเรารับความเสี่ยงสูงสุดที่เป็นไปได้) ไม่ว่าในกรณีใด ผู้จัดการจะต้องกังวลอย่างมากในการทำสัญญาและปฏิบัติตามเงื่อนไข

การกำจัดของเสีย

หากกระบวนการอยู่ภายใต้การควบคุมทางสถิติ จะทำให้สามารถระบุความล้มเหลวได้ทันทีที่เกิดขึ้น ซึ่งจะช่วยลดการผลิตผลิตภัณฑ์คุณภาพต่ำ ถือว่าการจัดการควบคุมกระบวนการทางสถิติถูกกว่าการแก้ไขข้อบกพร่องที่เกิดขึ้น

การควบคุมผลิตภัณฑ์

การควบคุมกระบวนการทางสถิติช่วยให้คุณสามารถจัดระเบียบการควบคุมผลิตภัณฑ์สำเร็จรูปได้อย่างเหมาะสมที่สุด (เพื่อให้ต้นทุนน้อยที่สุดและมีความน่าเชื่อถือที่ยอมรับได้) การตรวจสอบผลิตภัณฑ์ต้องใช้อุปกรณ์ราคาแพงและบุคลากรที่ได้รับการฝึกอบรมมาอย่างดี (และได้รับค่าตอบแทนสูง) ดังนั้นการลดต้นทุนการตรวจสอบจึงมีความสำคัญ นอกจากนี้ แม้แต่การควบคุมผลิตภัณฑ์สำเร็จรูป 100% ก็เผยให้เห็นข้อบกพร่องเพียง 80% เท่านั้น หากกระบวนการอยู่ภายใต้การควบคุมทางสถิติ จะสามารถกำหนดจำนวนการควบคุมการสุ่มตัวอย่างที่ต้องการได้ และสามารถพัฒนารูปแบบเอกสารควบคุมและการ์ดควบคุมที่สะดวกที่สุดได้ ดังที่ได้กล่าวไปแล้วทั้งหมดนี้ทำบนพื้นฐานของสถิติและได้รับการพัฒนาโดยละเอียดโดย Shewhart

อำนาจของผู้ดำเนินการ

ผู้ปฏิบัติงานที่ดำเนินการควบคุมกระบวนการทางสถิติและติดตามกระบวนการจะต้องได้รับการฝึกอบรมเป็นพิเศษ พวกเขาจะต้องได้รับอำนาจที่เหมาะสมเพื่อมีอิทธิพลต่อกระบวนการ ไม่มีความเห็นพ้องต้องกันในโลกเกี่ยวกับระดับอำนาจ มีสองตัวเลือก:

· เมื่อเกิดข้อผิดพลาด ผู้ปฏิบัติงานจะต้องหยุดกระบวนการผลิตเพื่อระบุข้อผิดพลาด

· ผู้ปฏิบัติงานไม่มีสิทธิ์หยุดกระบวนการ เขาจะต้องรายงานความล้มเหลวให้ผู้บังคับบัญชาของเขาทราบ หากความล้มเหลวยังคงต้องหยุด คุณจะต้องเริ่มกระบวนการใหม่อีกครั้งโดยเร็วที่สุด โดยอาจใช้มาตรการชั่วคราว สาเหตุของความล้มเหลวและวิธีการกำจัดรวมถึงการกำจัดนั้นจะต้องดำเนินการในภายหลังโดยไม่ทำให้กระบวนการล่าช้า

วิธีไหนดีกว่านั้นขึ้นอยู่กับหลายสาเหตุและสามารถพูดได้เฉพาะในแต่ละกรณีเท่านั้น อย่างไรก็ตาม องค์กรส่วนใหญ่มีความเห็นว่าต้องหยุดกระบวนการทันทีและกำจัดความล้มเหลว ในความเห็นของพวกเขา นี่คือผลกำไรเชิงเศรษฐกิจมากกว่าเพราะว่า ไม่มีการผลิตสินค้าที่มีข้อบกพร่อง นอกจากนี้หากไม่หยุดกระบวนการทันที อาการของความล้มเหลวอาจหายไป ไม่สามารถตรวจพบได้ในระหว่างการบำรุงรักษาอุปกรณ์ และอาจปรากฏขึ้นในอนาคตทำให้เกิดความเสียหายมากขึ้น

ความหมายของวิธีการทางสถิติของการควบคุมคุณภาพคือการลดต้นทุนในการดำเนินการลงอย่างมากเมื่อเปรียบเทียบกับทางประสาทสัมผัส (ภาพ การได้ยิน ฯลฯ) ที่มีการควบคุมอย่างต่อเนื่องในด้านหนึ่ง และเพื่อไม่รวมการเปลี่ยนแปลงแบบสุ่มในคุณภาพผลิตภัณฑ์ในอีกด้านหนึ่ง

การประยุกต์ใช้วิธีทางสถิติในการผลิตมีสองด้าน (รูปที่ 4.8):

เมื่อควบคุมความก้าวหน้าของกระบวนการทางเทคโนโลยีเพื่อให้อยู่ในกรอบที่กำหนด (ด้านซ้ายของแผนภาพ)

เมื่อยอมรับผลิตภัณฑ์ที่ผลิตแล้ว (ด้านขวาของแผนภาพ)

ข้าว. 4.8. ขอบเขตการประยุกต์ใช้วิธีทางสถิติเพื่อการจัดการคุณภาพผลิตภัณฑ์

เพื่อควบคุมกระบวนการทางเทคโนโลยีปัญหาของการวิเคราะห์ทางสถิติของความแม่นยำและความเสถียรของกระบวนการทางเทคโนโลยีและการควบคุมทางสถิติได้รับการแก้ไข ในกรณีนี้ความคลาดเคลื่อนสำหรับพารามิเตอร์ควบคุมที่ระบุในเอกสารทางเทคโนโลยีถือเป็นมาตรฐานและงานคือการรักษาพารามิเตอร์เหล่านี้อย่างเคร่งครัดภายในขอบเขตที่กำหนด งานอาจเป็นการค้นหาโหมดการทำงานใหม่เพื่อปรับปรุงคุณภาพของการผลิตขั้นสุดท้าย

ก่อนที่จะใช้วิธีการทางสถิติในกระบวนการผลิตจำเป็นต้องเข้าใจวัตถุประสงค์ของการใช้วิธีการเหล่านี้ให้ชัดเจนและประโยชน์ของการผลิตจากการใช้วิธีเหล่านี้ ไม่ค่อยมีการใช้ข้อมูลเพื่ออนุมานเกี่ยวกับคุณภาพตามที่ได้รับ โดยทั่วไปแล้ว วิธีการทางสถิติหรือเครื่องมือควบคุมคุณภาพเจ็ดวิธีที่ใช้สำหรับการวิเคราะห์ข้อมูล ได้แก่ การแบ่งชั้นข้อมูล กราฟิก; แผนภูมิพาเรโต; แผนภาพเหตุและผล (แผนภาพอิชิกาวะหรือแผนภาพก้างปลา) รายการตรวจสอบและฮิสโตแกรม พล็อตกระจาย การ์ดควบคุม

1. การแยกชั้น (การแบ่งชั้น)

เมื่อแบ่งข้อมูลออกเป็นกลุ่มตามคุณลักษณะ กลุ่มต่างๆ จะถูกเรียกว่าเลเยอร์ (strata) และกระบวนการแยกนั้นเรียกว่าการแบ่งชั้น (stratification) เป็นที่พึงปรารถนาว่าความแตกต่างภายในเลเยอร์จะมีขนาดเล็กที่สุดเท่าที่จะเป็นไปได้ และระหว่างเลเยอร์จะมีขนาดใหญ่ที่สุดเท่าที่จะเป็นไปได้

ผลการวัดจะมีการกระจายของพารามิเตอร์มากหรือน้อยเสมอ หากคุณแบ่งชั้นตามปัจจัยที่ทำให้เกิดการกระจัดกระจายนี้ การระบุสาเหตุหลักของการกระจัดกระจายนี้จึงเป็นเรื่องง่าย ลดสาเหตุ และทำให้คุณภาพของผลิตภัณฑ์ดีขึ้น

การใช้วิธีการแยกชั้นที่แตกต่างกันขึ้นอยู่กับงานเฉพาะ ในการผลิตมักใช้วิธีการที่เรียกว่า 4M ซึ่งคำนึงถึงปัจจัยต่างๆ ขึ้นอยู่กับ: บุคคล; เครื่องจักร (เครื่องจักร); วัสดุ (วัสดุ); วิธี.

นั่นคือการแยกส่วนสามารถทำได้ดังนี้:

ตามนักแสดง (ตามเพศ ประสบการณ์การทำงาน คุณสมบัติ ฯลฯ)
- โดยเครื่องจักรและอุปกรณ์ (ตามใหม่หรือเก่า ยี่ห้อ ประเภท ฯลฯ)
- ตามวัสดุ (ตามสถานที่ผลิต, ชุด, ประเภท, คุณภาพของวัตถุดิบ ฯลฯ )
- โดยวิธีการผลิต (อุณหภูมิ วิธีทางเทคโนโลยี ฯลฯ)

ในการค้าขายสามารถแบ่งชั้นตามภูมิภาค บริษัท ผู้ขาย ประเภทของสินค้า ฤดูกาล

วิธีการแบ่งชั้นในรูปแบบบริสุทธิ์ใช้ในการคำนวณต้นทุนของผลิตภัณฑ์ เมื่อจำเป็นต้องประมาณต้นทุนทางตรงและทางอ้อมแยกกันตามผลิตภัณฑ์และแบทช์ เมื่อประเมินกำไรจากการขายผลิตภัณฑ์แยกกันตามลูกค้าและตามผลิตภัณฑ์ ฯลฯ . การแบ่งชั้นยังใช้ในกรณีของวิธีการทางสถิติอื่นๆ เช่น เมื่อสร้างไดอะแกรมสาเหตุและผลกระทบ ไดอะแกรมพาเรโต ฮิสโตแกรม และแผนภูมิควบคุม

2. การนำเสนอข้อมูลแบบกราฟิกใช้กันอย่างแพร่หลายในการปฏิบัติงานด้านการผลิตเพื่อความชัดเจนและช่วยให้เข้าใจความหมายของข้อมูลได้ กราฟประเภทต่อไปนี้มีความโดดเด่น:

ก) ตัวอย่างเช่นกราฟที่แสดงเส้นขาด (รูปที่ 4.9) ถูกใช้เพื่อแสดงการเปลี่ยนแปลงของข้อมูลใด ๆ เมื่อเวลาผ่านไป

ข้าว. 4.9. ตัวอย่างของกราฟ "เสีย" และการประมาณค่า

B) กราฟวงกลมและกราฟแถบ (รูปที่ 4.10 และ 4.11) ใช้เพื่อแสดงเปอร์เซ็นต์ของข้อมูลที่อยู่ระหว่างการพิจารณา

ข้าว. 4.10. ตัวอย่างแผนภูมิวงกลม

อัตราส่วนขององค์ประกอบของต้นทุนการผลิต:

1 – ต้นทุนการผลิตโดยรวม

2 – ต้นทุนทางอ้อม;

3 – ต้นทุนทางตรง ฯลฯ

ข้าว. 4.11. ตัวอย่างของแผนภูมิแถบ

รูปที่ 4.11 แสดงอัตราส่วนรายได้จากการขายผลิตภัณฑ์แต่ละประเภท (A, B, C) ซึ่งมองเห็นแนวโน้มได้: ผลิตภัณฑ์ B มีแนวโน้มดี แต่ A และ C ไม่ใช่

ใน). กราฟ Z (รูปที่ 4.12) ใช้เพื่อแสดงเงื่อนไขในการบรรลุค่าเหล่านี้ เช่น เพื่อประเมินแนวโน้มทั่วไปเมื่อบันทึกข้อมูลจริงตามเดือน (ปริมาณการขาย, ปริมาณการผลิต เป็นต้น)

กำหนดการถูกสร้างขึ้นดังนี้:

1) ค่าของพารามิเตอร์ (เช่นปริมาณการขาย) จะถูกพล็อตตามเดือน (เป็นระยะเวลาหนึ่งปี) ตั้งแต่เดือนมกราคมถึงธันวาคมและเชื่อมต่อกันด้วยส่วนตรง (เส้นขาด 1 ในรูปที่ 4.12)

2) คำนวณจำนวนเงินสะสมในแต่ละเดือนและสร้างกราฟที่เกี่ยวข้อง (เส้นแบ่ง 2 ในรูปที่ 4.12)

3) คำนวณค่ารวม (ผลรวมที่เปลี่ยนแปลง) และสร้างกราฟที่เกี่ยวข้อง ในกรณีนี้ ผลรวมที่เปลี่ยนแปลงจะถือเป็นผลรวมสำหรับปีก่อนเดือนที่กำหนด (เส้นแบ่ง 3 ในรูปที่ 4.12)

ข้าว. 4.12. ตัวอย่างกราฟรูปตัว Z

แกน y คือรายได้ต่อเดือน แกน x คือเดือนของปี

จากผลรวมที่เปลี่ยนแปลง คุณสามารถกำหนดแนวโน้มได้ในระยะยาว แทนที่จะเปลี่ยนแปลงผลรวม คุณสามารถพล็อตค่าที่วางแผนไว้บนกราฟและตรวจสอบเงื่อนไขเพื่อให้บรรลุเป้าหมายได้

ช) กราฟแท่ง (รูปที่ 4.13) แสดงถึงการพึ่งพาเชิงปริมาณซึ่งแสดงโดยความสูงของแท่งกราฟ ของปัจจัยต่างๆ เช่น ต้นทุนของผลิตภัณฑ์ตามประเภทของผลิตภัณฑ์ จำนวนการสูญเสียเนื่องจากข้อบกพร่องในกระบวนการ ฯลฯ กราฟแท่งแบบต่างๆ ได้แก่ ฮิสโตแกรมและแผนภูมิพาเรโต เมื่อสร้างกราฟ จำนวนปัจจัยที่มีอิทธิพลต่อกระบวนการที่กำลังศึกษา (ในกรณีนี้คือการศึกษาสิ่งจูงใจในการซื้อผลิตภัณฑ์) จะถูกพล็อตตามแนวแกนกำหนด บนแกนแอบซิสซาเป็นปัจจัย ซึ่งแต่ละปัจจัยมีความสูงของคอลัมน์ที่สอดคล้องกัน ขึ้นอยู่กับจำนวน (ความถี่) ของการสำแดงของปัจจัยนี้

ข้าว. 4.13. ตัวอย่างกราฟแท่ง

1 – จำนวนสิ่งจูงใจในการซื้อ 2 – แรงจูงใจในการซื้อ;

3 – คุณภาพ; 4 – การลดราคา;

5 – ระยะเวลาการรับประกัน; 6 – การออกแบบ;

7 – การส่งมอบ; 8 – อื่นๆ;

หากเราจัดเรียงสิ่งจูงใจในการซื้อตามความถี่ที่เกิดขึ้นและสร้างผลรวมสะสม เราจะได้แผนภาพพาเรโต

3. แผนภาพพาเรโต

แผนภาพที่สร้างขึ้นบนพื้นฐานของการจัดกลุ่มตามคุณลักษณะที่ไม่ต่อเนื่องโดยเรียงลำดับจากมากไปน้อย (เช่นตามความถี่ของการเกิดขึ้น) และการแสดงความถี่สะสม (สะสม) เรียกว่าแผนภาพพาเรโต (รูปที่ 4.10) Pareto เป็นนักเศรษฐศาสตร์และนักสังคมวิทยาชาวอิตาลีที่ใช้แผนภาพของเขาเพื่อวิเคราะห์ความมั่งคั่งของอิตาลี

ข้าว. 4.14. ตัวอย่างแผนภูมิ Pareto:

1 – ข้อผิดพลาดในกระบวนการผลิต 2 – วัตถุดิบคุณภาพต่ำ

3 – เครื่องมือคุณภาพต่ำ 4 – เทมเพลตคุณภาพต่ำ

5 – ภาพวาดคุณภาพต่ำ 6 – อื่นๆ;

A – ความถี่สะสมสัมพัทธ์ (สะสม), %;

n – จำนวนหน่วยการผลิตที่ชำรุด

แผนภาพข้างต้นเป็นการจัดกลุ่มสินค้าที่มีข้อบกพร่องตามประเภทของข้อบกพร่องและเรียงลำดับจำนวนหน่วยของผลิตภัณฑ์ที่มีข้อบกพร่องในแต่ละประเภทจากมากไปน้อย แผนภูมิ Pareto สามารถใช้ได้อย่างกว้างขวาง ด้วยความช่วยเหลือนี้ คุณสามารถประเมินประสิทธิผลของมาตรการที่ดำเนินการเพื่อปรับปรุงคุณภาพผลิตภัณฑ์โดยการวางแผนก่อนและหลังทำการเปลี่ยนแปลง

4. แผนภาพสาเหตุและผลกระทบ (รูปที่ 4.15)

ก) ตัวอย่างของแผนภาพแบบมีเงื่อนไข โดยที่:

1 – ปัจจัย (เหตุผล); 2 – “กระดูก” ขนาดใหญ่

3 – “กระดูก” ขนาดเล็ก; 4 – “กระดูก” ตรงกลาง;

5 – “สันเขา”; 6 – ลักษณะเฉพาะ (ผลลัพธ์)

b) ตัวอย่างของแผนภาพสาเหตุและผลกระทบของปัจจัยที่มีอิทธิพลต่อคุณภาพของผลิตภัณฑ์

ข้าว. 4.15 ตัวอย่างแผนภาพสาเหตุและผลกระทบ

แผนภาพสาเหตุและผลกระทบจะใช้เมื่อคุณต้องการสำรวจและอธิบายสาเหตุที่เป็นไปได้ของปัญหาบางอย่าง การประยุกต์ใช้ทำให้สามารถระบุและจัดกลุ่มเงื่อนไขและปัจจัยที่มีอิทธิพลต่อปัญหาที่กำหนดได้

พิจารณารูปร่างของแผนภาพเหตุและผลในรูป 4.15 (เรียกอีกอย่างว่า “ก้างปลา” หรือแผนภาพอิชิคาวะ)

วิธีวาดไดอะแกรม:

1. เลือกปัญหาที่ต้องแก้ไขแล้ว - "สันเขา"
2. มีการระบุปัจจัยและเงื่อนไขที่สำคัญที่สุดที่มีอิทธิพลต่อปัญหา - สาเหตุลำดับแรก
3. มีการระบุชุดเหตุผลที่มีอิทธิพลต่อปัจจัยและเงื่อนไขที่สำคัญ (เหตุผลของคำสั่งที่ 2, 3 และลำดับต่อมา)
4. วิเคราะห์แผนภาพ: ปัจจัยและเงื่อนไขได้รับการจัดอันดับตามความสำคัญ และระบุเหตุผลที่สามารถแก้ไขได้ในปัจจุบัน
5. มีการร่างแผนการดำเนินการต่อไป

5. ใบตรวจสอบ(ตารางความถี่สะสม) รวบรวมมาจัดสร้าง ฮิสโตแกรมการกระจายรวมถึงคอลัมน์ต่อไปนี้: (ตาราง 4.4)

ตารางที่ 4.4

ตามแผ่นควบคุม ฮิสโตแกรมจะถูกสร้างขึ้น (รูปที่ 4.16) หรือด้วยการวัดจำนวนมาก เส้นความหนาแน่นของความน่าจะเป็น(รูปที่ 4.17)

ข้าว. 4.16. ตัวอย่างการนำเสนอข้อมูลเป็นฮิสโตแกรม

ข้าว. 4.17. ประเภทของเส้นโค้งการกระจายความหนาแน่นของความน่าจะเป็น

ฮิสโตแกรมเป็นกราฟแท่งและใช้เพื่อแสดงการกระจายของค่าพารามิเตอร์เฉพาะด้วยสายตาตามความถี่ของการเกิดขึ้นในช่วงเวลาหนึ่ง ด้วยการวางแผนค่าที่ยอมรับได้ของพารามิเตอร์ คุณสามารถกำหนดได้ว่าพารามิเตอร์นั้นอยู่ภายในหรือนอกช่วงที่ยอมรับได้บ่อยแค่ไหน

ด้วยการตรวจสอบฮิสโตแกรม คุณจะพบว่าชุดผลิตภัณฑ์และกระบวนการทางเทคโนโลยีอยู่ในสภาพที่น่าพอใจหรือไม่ พิจารณาคำถามต่อไปนี้:

· ความกว้างของการกระจายสัมพันธ์กับความกว้างของพิกัดความเผื่อ

· จุดศูนย์กลางของการกระจายสัมพันธ์กับจุดศูนย์กลางของสนามความอดทนคืออะไร

การกระจายสินค้ามีรูปแบบอย่างไร?

ในกรณีที่

ก) รูปร่างของการกระจายมีความสมมาตรจากนั้นจะมีระยะขอบในโซนความอดทนจุดศูนย์กลางของการกระจายและศูนย์กลางของโซนความอดทนตรงกัน - คุณภาพของแบทช์อยู่ในสภาพที่น่าพอใจ

b) ศูนย์กลางการกระจายถูกเลื่อนไปทางขวา นั่นคือมีความกลัวว่าในบรรดาผลิตภัณฑ์ (ในส่วนที่เหลือของชุด) อาจมีผลิตภัณฑ์ที่มีข้อบกพร่องซึ่งเกินขีดจำกัดความคลาดเคลื่อนบน ตรวจสอบว่ามีข้อผิดพลาดอย่างเป็นระบบในเครื่องมือวัดหรือไม่ ถ้าไม่เช่นนั้น พวกเขาก็ผลิตผลิตภัณฑ์ต่อไป ปรับการทำงานและเปลี่ยนขนาดเพื่อให้ศูนย์กลางการกระจายและศูนย์กลางของฟิลด์ค่าเผื่อตรงกัน

c) จุดศูนย์กลางของการกระจายอยู่ในตำแหน่งที่ถูกต้อง แต่ความกว้างของการกระจายนั้นสอดคล้องกับความกว้างของโซนความอดทน มีข้อกังวลว่าเมื่อตรวจสอบทั้งชุด ผลิตภัณฑ์ที่มีข้อบกพร่องจะปรากฏขึ้น จำเป็นต้องตรวจสอบความถูกต้องของอุปกรณ์ สภาวะการประมวลผล ฯลฯ หรือขยายช่วงความอดทน

d) เปลี่ยนศูนย์กลางการกระจายซึ่งบ่งชี้ว่ามีผลิตภัณฑ์ที่มีข้อบกพร่อง จำเป็นต้องย้ายศูนย์กระจายสินค้าไปที่กึ่งกลางของฟิลด์พิกัดความเผื่อโดยการปรับ และทำให้ความกว้างของการกระจายแคบลงหรือแก้ไขพิกัดความเผื่อ

e) สถานการณ์คล้ายกับสถานการณ์ก่อนหน้าและมาตรการมีอิทธิพลคล้ายคลึงกัน

f) มีการกระจายตัวสูงสุด 2 จุด แม้ว่าตัวอย่างจะถูกนำมาจากชุดเดียวกันก็ตาม ซึ่งสามารถอธิบายได้จากข้อเท็จจริงที่ว่าวัตถุดิบมี 2 เกรดที่แตกต่างกัน หรือการตั้งค่าเครื่องจักรมีการเปลี่ยนแปลงในระหว่างกระบวนการทำงาน หรือผลิตภัณฑ์ที่ประมวลผลด้วยเครื่องจักร 2 เครื่องที่แตกต่างกันถูกรวมเป็น 1 ชุด ในกรณีนี้ควรทำการตรวจสอบทีละชั้น

g) ทั้งความกว้างและศูนย์กลางการกระจายเป็นเรื่องปกติ แต่ส่วนเล็กๆ ของผลิตภัณฑ์เกินขีดจำกัดความคลาดเคลื่อนด้านบน และเมื่อแยกออกจากกัน จะเกิดเกาะที่แยกจากกัน บางทีผลิตภัณฑ์เหล่านี้อาจเป็นส่วนหนึ่งของผลิตภัณฑ์ที่มีข้อบกพร่องซึ่งเนื่องจากความประมาทเลินเล่อจึงผสมกับผลิตภัณฑ์ที่ดีในกระบวนการทางเทคโนโลยีโดยทั่วไป มีความจำเป็นต้องค้นหาสาเหตุและกำจัดมัน

6. แผนภาพกระจายใช้เพื่อระบุการพึ่งพา (ความสัมพันธ์) ของตัวบ่งชี้บางตัวกับตัวอื่นหรือเพื่อกำหนดระดับความสัมพันธ์ระหว่างข้อมูล n คู่สำหรับตัวแปร x และ y:

(x 1 ,y 1), (x 2 ,y 2), ..., (x n, y n)

ข้อมูลนี้ถูกพล็อตบนกราฟ (พล็อตกระจาย) และคำนวณค่าสัมประสิทธิ์สหสัมพันธ์

ลองพิจารณาตัวเลือกต่างๆ สำหรับไดอะแกรมกระจาย (หรือฟิลด์สหสัมพันธ์) ในรูปที่ 1 4.18:

ข้าว. 4.18. ตัวเลือกพล็อตกระจาย

ในกรณีที่:

ก) เราสามารถพูดคุยเกี่ยวกับความสัมพันธ์เชิงบวก (กับการเติบโต xเพิ่มขึ้น ย);

ข) มีความสัมพันธ์เชิงลบ (กับการเติบโต xลดลง ย);

7. การ์ดควบคุม

วิธีหนึ่งในการบรรลุคุณภาพที่น่าพอใจและรักษาระดับนี้ไว้ได้คือการใช้แผนภูมิควบคุม ในการจัดการคุณภาพของกระบวนการทางเทคโนโลยี จำเป็นต้องสามารถควบคุมช่วงเวลาที่ผลิตภัณฑ์ที่ผลิตเบี่ยงเบนไปจากเกณฑ์ความคลาดเคลื่อนที่ระบุโดยเงื่อนไขทางเทคนิค ลองดูตัวอย่างง่ายๆ เราจะตรวจสอบการทำงานของเครื่องกลึงในช่วงเวลาหนึ่งและวัดเส้นผ่านศูนย์กลางของชิ้นส่วนที่ผลิตขึ้น (ต่อกะ ชั่วโมง) จากผลลัพธ์ที่ได้เราจะสร้างกราฟและรับสิ่งที่ง่ายที่สุด การ์ดควบคุม(รูปที่ 4.20):

ข้าว. 4.20. ตัวอย่างแผนภูมิควบคุม

ณ จุดที่ 6 กระบวนการทางเทคโนโลยีพังทลายลง จำเป็นต้องมีการควบคุม ตำแหน่งของ VKG และ NKG ถูกกำหนดโดยการวิเคราะห์หรือใช้ตารางพิเศษ และขึ้นอยู่กับขนาดตัวอย่าง ด้วยขนาดตัวอย่างที่ใหญ่เพียงพอ ขีดจำกัดของ VKG และ NKG จึงถูกกำหนดโดยสูตร

เอ็นเคจี = –3,

.

VKG และ NKG ทำหน้าที่ป้องกันการเสียหายของกระบวนการเมื่อผลิตภัณฑ์ยังคงเป็นไปตามข้อกำหนดทางเทคนิค

แผนภูมิควบคุมจะใช้เมื่อจำเป็นเพื่อสร้างลักษณะของข้อผิดพลาดและประเมินความเสถียรของกระบวนการ เมื่อจำเป็นต้องพิจารณาว่ากระบวนการจำเป็นต้องได้รับการควบคุมหรือควรปล่อยให้เป็นไปตามที่เป็นอยู่

แผนภูมิควบคุมยังสามารถยืนยันการปรับปรุงกระบวนการได้อีกด้วย

แผนภูมิควบคุมเป็นวิธีการแยกแยะความแตกต่างเนื่องจากสาเหตุที่ไม่สุ่มหรือพิเศษจากความแปรผันที่เป็นไปได้โดยธรรมชาติของกระบวนการ การเปลี่ยนแปลงที่เป็นไปได้แทบจะไม่เกิดขึ้นซ้ำภายในขีดจำกัดที่คาดการณ์ไว้ การเบี่ยงเบนเนื่องจากสาเหตุที่ไม่สุ่มหรือพิเศษเป็นสัญญาณบ่งชี้ว่าจำเป็นต้องระบุ ตรวจสอบ และควบคุมปัจจัยบางประการที่ส่งผลต่อกระบวนการ

แผนภูมิควบคุมจะขึ้นอยู่กับสถิติทางคณิตศาสตร์ พวกเขาใช้ข้อมูลการปฏิบัติงานเพื่อกำหนดขีดจำกัดที่คาดว่าจะมีการวิจัยในอนาคต หากกระบวนการยังคงไม่ได้ผลเนื่องจากไม่ได้เกิดขึ้นแบบสุ่มหรือด้วยสาเหตุพิเศษ

ข้อมูลแผนภูมิควบคุมยังอยู่ในมาตรฐานสากล ISO 7870, ISO 8258

แผนภูมิควบคุมเฉลี่ยที่ใช้กันอย่างแพร่หลายที่สุด เอ็กซ์และแผนภูมิควบคุมช่วง อาร์ซึ่งใช้ร่วมกันหรือแยกกัน ความผันผวนตามธรรมชาติระหว่างขีดจำกัดการควบคุมจะต้องได้รับการควบคุม คุณต้องตรวจสอบให้แน่ใจว่าได้เลือกประเภทแผนภูมิควบคุมที่ถูกต้องสำหรับประเภทข้อมูลเฉพาะ ข้อมูลจะต้องดำเนินการตามลำดับที่รวบรวม มิฉะนั้นข้อมูลจะไม่มีความหมาย ไม่ควรทำการเปลี่ยนแปลงกระบวนการในช่วงระยะเวลาการรวบรวมข้อมูล ข้อมูลควรสะท้อนถึงกระบวนการที่เกิดขึ้นตามธรรมชาติ

แผนภูมิควบคุมสามารถระบุปัญหาที่อาจเกิดขึ้นก่อนผลิตผลิตภัณฑ์ที่บกพร่อง

เป็นเรื่องปกติที่จะกล่าวว่ากระบวนการอยู่นอกเหนือการควบคุม หากจุดหนึ่งจุดขึ้นไปอยู่นอกขอบเขตการควบคุม

แผนภูมิควบคุมมีสองประเภทหลัก: สำหรับเชิงคุณภาพ (ผ่าน - ไม่ผ่าน) และสำหรับคุณลักษณะเชิงปริมาณ สำหรับคุณลักษณะด้านคุณภาพ สามารถใช้แผนภูมิควบคุมได้ 4 ประเภท ได้แก่ จำนวนข้อบกพร่องต่อหน่วยการผลิต จำนวนข้อบกพร่องในตัวอย่าง สัดส่วนของผลิตภัณฑ์ที่มีข้อบกพร่องในกลุ่มตัวอย่าง จำนวนผลิตภัณฑ์ที่มีข้อบกพร่องในตัวอย่าง นอกจากนี้ ในกรณีที่หนึ่งและสาม ขนาดตัวอย่างจะแปรผัน และในกรณีที่สองและสี่ ขนาดตัวอย่างจะคงที่

ดังนั้น วัตถุประสงค์ของการใช้แผนภูมิควบคุมอาจเป็นดังนี้:

การระบุกระบวนการที่ไม่สามารถควบคุมได้

ควบคุมกระบวนการที่ได้รับการจัดการ

การประเมินความสามารถของกระบวนการ