Méthodes statistiques dans les processus de contrôle qualité. Méthodes statistiques pour le contrôle qualité des produits et services. Découvrez ce qu’est le « contrôle statistique de la qualité

Questions :[cours – 2 heures]

Le sens et la portée des méthodes statistiques de contrôle qualité

On distingue : domaines d'application des méthodes statistiques en production :

· avec un contrôle total, d'une part, et l'exclusion des changements aléatoires dans la qualité du produit, d'autre part.

· lors du réglage de la course processus technologique afin de le maintenir dans le cadre donné (côté gauche du schéma) ;

· dès réception des produits fabriqués (côté droit du schéma).

Figure 5 – Champ d’application des méthodes statistiques de l’UKP

Pour contrôler les processus technologiques, les problèmes d'analyse statistique de l'exactitude et de la stabilité des processus technologiques et de leur régulation statistique sont résolus. Dans ce cas, les tolérances pour les paramètres contrôlés spécifiés dans la documentation technologique sont considérées comme la norme et la tâche consiste à maintenir strictement ces paramètres dans les limites établies. Il peut s'agir également de rechercher de nouveaux modes opératoires afin d'améliorer la qualité de la production finale.

Avant d'entreprendre l'utilisation de méthodes statistiques dans le processus de production, il est nécessaire de bien comprendre le but de l'utilisation de ces méthodes et les avantages de la production qui découlent de leur utilisation. Les données sont très rarement utilisées pour tirer des conclusions sur la qualité telle qu'elle a été reçue.

Outils de contrôle qualité"

Les méthodes statistiques sont reconnues comme essentielles pour une gestion de la qualité rentable. Des méthodes basées sur une approche statistique sont utilisées à toutes les étapes cycle de vie produits. Les plus couramment utilisés sont les suivants méthodes:

o histogrammes ;

o séries chronologiques ;

o Graphiques de Pareto ;

o diagrammes de cause à effet ;

o des listes de contrôle ;

o cartes de contrôle ;

o Diagrammes de dispersion.

Ces méthodes sont appelées les « 7 outils de contrôle qualité ».

Histogrammes sont utilisés lorsqu'il est nécessaire de présenter la distribution des données sur les paramètres du produit à l'aide d'un graphique à barres. Un analogue d'un histogramme en théorie des probabilités et en statistiques mathématiques est la fonction de densité de probabilité, qui montre la fréquence d'apparition d'un événement particulier. À l'aide d'un histogramme, vous pouvez obtenir des informations sur la catégorisation des paramètres de produit mesurés, évaluer le degré de symétrie de la dispersion des données par rapport à la valeur moyenne et sélectionner une distribution théorique approximative. Une vue possible de l'histogramme est présentée sur la Fig. 6.

Figure 6 - Histogramme

Séries chronologiques sont utilisés pour évaluer les changements au cours d’un événement observé au cours certaine période. Ces séries sont très visuelles et très simples à construire et à utiliser. Les points sont tracés dans l'ordre dans lequel ils ont été obtenus. La courbe construite sous forme de graphique linéaire illustre l'évolution temporelle du processus et permet d'identifier des écarts significatifs de ce processus, par exemple par rapport à la valeur moyenne ou aux limites de tolérance. Un graphique temporel typique est présenté sur la Fig. 7.

Figure 7 – Série chronologique

Graphiques de Pareto sont utilisés dans des situations où il est nécessaire de représenter l'importance relative de tous les problèmes ou conditions afin de sélectionner un point de départ pour résoudre un problème. Un diagramme de Pareto est un graphique à barres verticales qui identifie les problèmes considérés et l'ordre dans lequel ils sont résolus. La construction de tels diagrammes permet d’attirer l’attention sur des questions véritablement importantes. L'ordre de construction du diagramme consiste à prochaines étapes:

o sélection des problèmes à comparer ;

o définir des critères de comparaison des unités de mesure ;

o choisir une période d'études;

Figure 8 – Diagramme de Pareto

Diagrammes de causes et d'effets utilisé pour la recherche et l’analyse de tous raisons possibles ou conditions.

Un tel diagramme a été développé pour représenter les relations entre l'effet, le résultat et toutes les causes possibles qui les influencent.

Une conséquence, un résultat ou un problème est généralement indiqué par côté droit les diagrammes, et les principales influences (causes) sont à gauche (Fig. 9).

Figure 9 – Diagramme de cause à effet

Basé sur l'analogie avec le squelette d'un poisson, un tel diagramme est également appelé « squelette de poisson » ou diagramme de K. Ishikawa - en l'honneur du scientifique japonais qui l'a développé.

Commande construire un diagramme de cause à effet présente ce qui suit sous-séquence mesures:

o description du problème sélectionné (ses caractéristiques, causes, manifestation) ;

o identifier les raisons nécessaires à la construction du schéma ;

o création de diagrammes ;

o interprétation des relations résultantes dans le diagramme.

Listes de contrôle(tableaux de contrôle) sont utilisés pour collecter des données afin d’étudier un échantillon d’observations.

La checklist permet de répondre à la question « À quelle fréquence cela arrive-t-il ? événement spécifique(par exemple, l’apparition d’un défaut particulier) ?

Construction d'une check-list comprend les éléments suivants mesures:

o établir l'événement observé ;

o sélectionner la période pendant laquelle les données seront collectées. Cette période peut varier de quelques heures à quelques semaines ;

o construction d'un tableau dans lequel les données observées sur les défauts doivent être saisies.

Cartes de contrôle sont des séries chronologiques tracées avec des limites supérieure et inférieure indiquées (Fig. 10).

Figure 10 – Carte de contrôle

Il y a trois lignes sur le graphique qui vous permettent de comprendre le processus en cours. Lignes horizontales sont appelées limite de contrôle supérieure (UCL), ligne centrale (CL) et limite de contrôle inférieure (LCL).

En utilisant ces lignes, vous pouvez tracer ce qui suit dépendances:

o si trop de points expérimentaux sont situés au dessus du VCP (en dessous du LCP), cela signifie que le processus est quelque peu perturbé ;

o si plusieurs points expérimentaux sont situés entre le CL et le VCP (ou entre le CL et le NCP), cela signifie également que le processus nécessite une intervention ;

o si un nombre de points expérimentaux tend à augmenter vers le VCP, il faut en conclure que le processus est difficile.

Cartes de contrôle il y en a deux espèces: quelques moyennes de processus d'affichage ( X-graphiques), et autres - écart type (graphiques s). À l'aide de diagrammes, vous pouvez déterminer la cause du problème : il est possible que les paramètres du processus changent à chaque changement d'effectif (par exemple, lors d'un changement d'équipe). La raison peut également être le passage à l'heure d'hiver (ou retour), pendant laquelle les salariés s'habituent au nouvel horaire de travail en quelques jours.

Le paramètre CL est une valeur moyenne double. DANS x Dans les graphiques, chaque point représente un jour spécifique et la valeur moyenne de ce point est déterminée sur la base de toutes les données d'observation enregistrées ce jour-là. La moyenne de tous les jours est ensuite utilisée pour calculer la moyenne globale - c'est le LO X- des diagrammes. CL pour s-les graphiques sont construits de la même manière, sauf que les calculs commencent par l'écart type de chaque jour, puis la moyenne de tous ces indicateurs est déterminée.

Nuage de points utilisé pour évaluer la relation possible entre deux variables. À l'aide du diagramme de dispersion, il est possible d'établir des formes de corrélation et de régression de connexion entre les paramètres du processus. La corrélation montre comment, en moyenne, le comportement de l'une des variables change à mesure que l'autre augmente (diminue). L'estimation la plus courante de ce type de relation est le coefficient de corrélation d'échantillon avec des plages de variation allant de -1 à +1. Avec une relation positive élevée (le coefficient de corrélation est de 0,8 à 1,0), on peut supposer qu'une augmentation de l'une des variables entraîne une augmentation de l'autre. Autrement, il faut supposer qu’une augmentation de l’une des variables entraîne une diminution de l’autre. Lorsque le coefficient de corrélation est proche de zéro, la modification de l’un des paramètres n’affecte pas l’autre. Lors de la construction de diagrammes de dispersion, les valeurs numériques du premier paramètre sont tracées le long de l'un des axes et les valeurs d'un autre paramètre sont tracées le long du deuxième axe. Le « nuage » résultant de données numériques dispersées vous permet d'établir visuellement la nature de la relation entre deux variables. A titre d'exemple sur la Fig. La figure 11 montre les nuages de points correspondant aux corrélations positives, nulles et négatives.

Figure 11 – Diagramme de dispersion

Analyse de régression, appliqué aux mêmes données permet de sélectionner une courbe d’ajustement qui décrit le mieux les points expérimentaux. Cette sélection repose sur la méthode des moindres carrés, qui minimise la somme des carrés des écarts entre les données expérimentales et les valeurs de la courbe théorique. La dépendance théorique construite permet d'extrapoler le comportement de la dépendance estimée au-delà des limites des observations.

Les méthodes statistiques répertoriées sont désormais standardisées et recommandées pour une utilisation dans les travaux d'amélioration de la qualité. De plus, au stade initial des travaux, deux autres méthodes sont souvent utilisées : brainstorming et diagramme de processus.

Remue-méninges- l'une des méthodes les plus courantes de libération et d'activation de la pensée créatrice. Cette méthode a été utilisée pour la première fois aux États-Unis en 1934 pour obtenir de nouvelles idées dans des conditions d’interdiction de la critique.

L'objectif principal de l'utilisation de cette méthode est de séparer la procédure de génération d'idées dans un groupe fermé de spécialistes du processus d'analyse et d'évaluation des idées exprimées.

En règle générale, l'attaque ne dure pas longtemps (environ 40 minutes). Les participants sont invités à exprimer leurs idées sur un sujet donné dans un délai maximum de deux minutes par présentation. Le moment le plus intéressant de l'attaque est le début du pic, lorsque les idées commencent à « jaillir », c'est-à-dire il y a une génération involontaire d’hypothèses par les participants.

Après analyse, seules 10 à 15 % des idées s'avèrent significatives, mais certaines d'entre elles sont très originales. Les résultats sont évalués par un groupe d'experts qui n'ont pas participé à la génération d'idées.

Diagramme de processus est une représentation graphique des étapes successives d'un processus (Fig. 6). Cette méthode est utilisée dans les situations où il est nécessaire de retracer les étapes réelles ou mentales du processus par lequel passe un produit ou un service.

En étudiant les schémas de divers processus, vous pouvez trouver les endroits où les interférences et les pannes sont les plus susceptibles de se produire dans la pratique.

Figure 12 – Diagramme de processus

Un groupe de spécialistes ayant la plus grande connaissance du processus en cours, par exemple des technologues, doit effectuer les actions suivantes :

o construire un diagramme séquentiel du processus en cours ;

o construire le même schéma du processus qui devrait avoir lieu si tout fonctionne bien ;

o Comparez deux diagrammes pour trouver les points de différence qui définissent le point où des écarts de processus peuvent se produire.

Soumettre votre bon travail à la base de connaissances est facile. Utilisez le formulaire ci-dessous

Les étudiants, étudiants diplômés, jeunes scientifiques qui utilisent la base de connaissances dans leurs études et leur travail vous seront très reconnaissants.

Publié le http://www.allbest.ru/

Introduction

Le consommateur a la possibilité de choisir parmi un grand nombre de fournisseurs et de dicter ses exigences quant à la qualité des biens qu'il est prêt à acheter. Et si auparavant le consommateur se contentait de la confirmation de la qualité des biens et des services lui-même, il veut désormais avoir la confirmation que la production des biens pour lesquels il va payer de l'argent est organisée de telle manière qu'elle assure réellement la qualité déclarée.

La qualité est devenue l’un des slogans les plus populaires de la fin du XXe et du début du XXIe siècle. La norme qui vous permet de confirmer la qualité de divers aspects du travail d'une entreprise est le groupe de normes ISO 9000 - une série de normes internationales de gestion de la qualité et d'assurance qualité adoptées par plus de 90 pays à travers le monde. Lors de la création de l'organisation et du choix de son nom, la nécessité a été prise en compte que l'abréviation du nom sonne de la même manière dans toutes les langues. Pour cela, il a été décidé d'utiliser le mot grec isos - égal, c'est pourquoi dans toutes les langues du monde l'Organisation internationale de normalisation porte le nom abrégé ISO (ISO). Les normes ISO 9000 s'appliquent à toutes les entreprises, quelle que soit leur taille ou leur périmètre d'activité.

Conformément aux dispositions de la série de normes ISO 9000, les méthodes statistiques sont considérées comme l'un des moyens d'assurance qualité les plus efficaces et constituent la base d'une reconnaissance et d'une analyse efficaces des problèmes. L'introduction de méthodes statistiques devrait viser à créer des garanties de continuité du processus d'assurance qualité conformément aux exigences des consommateurs. L'utilisation de ces méthodes, sans nécessiter de dépenses importantes, permet de juger avec un degré donné de précision et de fiabilité de l'état des phénomènes étudiés (objets, processus) dans le système qualité, de prédire et de réguler les problèmes à toutes les étapes de la vie du produit. cycle et, sur cette base, développer un cycle optimal décisions de gestion. L'utilisation de méthodes statistiques est un moyen très efficace de développer nouvelle technologie et le contrôle de la qualité des processus de production.

contrôle qualité de la gestion statistique

Partieje. Méthodes statistiques en gestion de la qualité.centcontrôle d'acceptation statistique

Les méthodes statistiques jouent un rôle important dans l'évaluation objective des caractéristiques quantitatives et qualitatives du processus et constituent l'un des éléments les plus importants du système d'assurance qualité des produits et de l'ensemble du processus de gestion de la qualité. Ce n'est pas un hasard si le fondateur théorie moderne gestion de la qualité E. Deming a travaillé pendant de nombreuses années au Census Bureau et s'est occupé spécifiquement des questions de traitement des données statistiques. Il attachait une grande importance aux méthodes statistiques.

Pour obtenir des produits de haute qualité, il est nécessaire de connaître la précision réelle de l'équipement existant, de déterminer la correspondance de la précision du processus technologique sélectionné avec la précision spécifiée du produit et d'évaluer la stabilité du processus technologique. La solution à des problèmes de ce type s'effectue principalement par le traitement mathématique de données empiriques obtenues par des mesures répétées soit des dimensions réelles des produits, soit d'erreurs de traitement ou de mesure.

Il existe deux catégories d'erreurs : systématiques et aléatoires. À la suite d'observations directes, de mesures ou d'enregistrement de faits, on obtient de nombreuses données qui forment un agrégat statistique et nécessitent un traitement, notamment une systématisation et une classification, le calcul des paramètres caractérisant cet agrégat, l'établissement de tableaux et de graphiques illustrant le processus.

La direction la plus populaire en matière de gestion de la qualité est la gestion de la qualité totale (TQM).

Les concepts de base du TQM peuvent être exprimés dans un certain nombre des thèses suivantes :

1. Le rôle de la gestion ; dans les activités de gestion de la qualité basées sur les principes de TQM, la direction joue un rôle énorme. La direction doit prendre la tête des activités de gestion de la qualité. Il doit être sincèrement engagé envers le système et croire en ses valeurs. La direction doit intégrer le système de gestion de la qualité dans le modèle global de gestion de projet. Votre influence doit s'exercer non pas tant sous la forme de documentation organisationnelle et administrative, mais sous la forme de mots et d'actions spécifiques qui traduisent clairement et expressivement la position de la direction. Le style de leadership doit passer d’un style autoritaire et administratif à un style coopératif et libéral.

2. Concentrez-vous sur les clients. L'attention portée aux clients ne doit pas se manifester par des slogans, mais par des activités pratiques. Et tout d'abord, vous devez déterminer le cercle de clients avec lesquels l'entreprise travaille et tout faire pour attirer de nouveaux clients. Les salariés, et en premier lieu les managers, doivent savoir qui sont les consommateurs des produits et déterminer les besoins de leurs clients. Un système d'information joue un rôle majeur dans l'augmentation de l'efficacité de l'interaction avec le client, qui doit bien entendu être compatible avec systèmes d'informations clients trembles.

3. Planification stratégique. TQM accorde une grande attention aux processus planification stratégique, alors que non seulement les objectifs économiques traditionnels sont planifiés, mais aussi ceux qui sont considérés comme intangibles et non mesurables, comme le niveau de satisfaction du client, une image commerciale positive de l'entreprise, le prestige marques et d'autres.

4. Implication de tous les employés. TQM est censé déléguer davantage de responsabilités aux niveaux inférieurs de gestion. Il ne faut pas oublier que les salariés doivent être spécialement formés pour assumer cette nouvelle responsabilité.

5. Formation du personnel. Avec responsabilisation et enrichissement responsabilités fonctionnelles Il est nécessaire de former constamment le personnel, et pas seulement un personnel strictement professionnel. Une autre nouveauté de la formation TQM est l’évaluation obligatoire de l’efficacité de la formation.

Les principes de gestion de la qualité décrits ci-dessus ont constitué la base des concepts de gestion de la qualité développés, tels que la norme ISO 9000, de nombreux modèles nationaux de gestion de la qualité, et ont également constitué la base du développement d'un système de gestion de la qualité.

Cette norme précise exigences généralesà l'organisation et à l'accompagnement réglementaire et méthodologique du contrôle qualité d'acceptation statistique (CSQ) d'ensembles de tous produits, contrôlés et fournis sous forme de lots, flux, masses et volumes. Le document s'applique au contrôle qualité des produits effectué par le fournisseur, le fabricant, le consommateur et les tiers, y compris lors du contrôle final, de la réception, du contrôle à réception, de la certification, de l'inspection et du contrôle du respect des normes, ainsi que lors du contrôle et de l'arbitrage ou contrôle judiciaire entreprise La norme peut également être appliquée dans les cas où les fournisseurs et les consommateurs ne sont pas personnes morales, par exemple, représentent les divisions d’une entreprise.

La norme considère les procédures de contrôle du fournisseur, du consommateur, du tiers comme système unifié plans et schémas de contrôle convenus. Cela élimine pratiquement les décisions controversées fondées sur les résultats du contrôle, ce qui est possible en raison de la nature statistique des procédures de contrôle et des différents intérêts des parties. La cohérence des plans et des schémas de contrôle est assurée par les règles et procédures d'attribution et d'accord sur certaines données initiales nécessaires à la sélection de plans et schémas spécifiques. Le système confère à chaque partie le droit le plus large possible de choisir des plans et des systèmes de contrôle, tout en protégeant les autres parties contre des décisions erronées.

Les exigences de la présente norme doivent être prises en compte dans les normes techniques générales contenant des schémas, des plans et des règles de contrôle statistique d'acceptation, dans les normes pour les groupes de types de produits homogènes et spécifiques, dans conditions techniques, dans les normes d'entreprise et autres documents définissant les procédures de contrôle d'acceptation statistique. La norme est basée sur le fait que, conformément à la loi sur la protection des droits des consommateurs, les fournisseurs (fabricants) sont tenus d'informer de manière complète et fiable les consommateurs et le public sur la qualité des produits fabriqués, et donc les procédures de contrôle sont considérées comme des moyens de confirmation ou de vérification (selon qui les effectue) de l'exactitude des informations sur la qualité des produits fournis par le fournisseur. Les fabricants (fournisseurs) ont la charge de prouver par des méthodes de contrôle la fiabilité des informations de qualité déclarées. Les consommateurs et les tiers ont le droit de vérifier l'exactitude de ces informations, y compris l'exactitude des résultats de contrôle du fabricant. Mais en même temps, dans les cas où il est possible de formuler des réclamations contre le fabricant (fournisseur) ou de rendre publics les résultats de son contrôle, celui-ci doit prouver l'inexactitude des informations du fabricant (fournisseur) sur la qualité du produit.

Étant donné que, en raison de la nature statistique du contrôle, des décisions erronées sont toujours possibles avec une certaine probabilité, chaque partie effectuant le contrôle doit protéger les autres parties contre les décisions erronées qui affectent leurs intérêts. Cette norme établit des exigences de fiabilité des décisions pertinentes prises sur la base des résultats du contrôle, permettant la mise en œuvre quantitative des dispositions formulées ci-dessus.

À fournitures en gros(l'approvisionnement) de produits, lots ou autres ensembles de produits font l'objet de relations juridiques entre fournisseurs, consommateurs et tiers, déterminées par les contrats et la législation. Les lots de mauvaise qualité ne doivent pas être livrés aux consommateurs, et si cette condition n'est pas respectée et que de tels lots sont découverts par le consommateur, ils peuvent notamment être restitués au fournisseur dans leur intégralité. Dans le même temps, il est nécessaire d’avoir une idée claire des lots de mauvaise qualité.

La norme utilise des indicateurs de qualité de groupe, comme par exemple les niveaux de non-conformité, qui sont des indicateurs quantitatifs de la qualité des agrégats de produits.

Les exigences relatives à de tels indicateurs deviennent des critères de qualité des lots et autres ensembles de produits, permettant d'établir des relations claires entre les parties lors des approvisionnements en gros (achats), y compris en termes d'organisation et de méthodologie de contrôle statistique d'acceptation.

Contrairement aux méthodes statistiques de régulation des processus technologiques, où, sur la base des résultats du contrôle par échantillonnage, une décision est prise sur l'état du processus technologique, avec le contrôle statistique d'acceptation, sur la base des résultats du contrôle par échantillonnage, une décision est prise d'accepter ou rejeter un lot de produits.

Dans ce cas, le risque fournisseur fait référence à la probabilité de rejeter un lot de produits présentant un niveau de défectuosité acceptable. Le risque consommateur fait référence à la probabilité d’accepter un lot de produits présentant un niveau défectueux.

La tâche principale des méthodes statistiques de contrôle d'acceptation est d'assurer avec une grande fiabilité l'évaluation de la qualité des produits soumis au contrôle et la reconnaissance mutuelle sans ambiguïté des résultats de l'évaluation de la qualité des produits entre le fournisseur et le consommateur, effectuée conformément aux mêmes plans d’échantillonnage.

Les méthodes statistiques de contrôle d'acceptation peuvent être réalisées selon des critères quantitatifs, qualitatifs et alternatifs.

Le contrôle statistique sur une base quantitative fait référence au contrôle de la qualité du produit, au cours duquel les valeurs du paramètre contrôlé sont déterminées, et la décision ultérieure sur la population ou le processus contrôlé est prise en fonction de leur comparaison avec la norme de contrôle. Une caractéristique du contrôle de qualité quantitatif est qu'il nécessite une taille d'échantillon plus petite que d'autres types de contrôle avec les mêmes risques de prise de décisions erronées et donne en même temps plus d'informations sur la qualité du produit. Ainsi, lorsque le coût du suivi ou du test des unités de produits est élevé, il est conseillé de choisir un contrôle quantitatif.

Le contrôle d'acceptation statistique sur une base qualitative signifie un contrôle de la qualité du produit, au cours duquel chaque unité de produit testée est attribuée à un certain groupe, et la décision ultérieure concernant la population contrôlée est prise en fonction du rapport entre le nombre de ses unités trouvées dans différents groupes. . Le principal avantage est que cette méthode vous permet non seulement de diviser les unités de produits en bonnes et défectueuses, mais également de les classer en catégories, grades, classes, groupes de qualité, etc.

Le contrôle d'acceptation statistique basé sur un critère alternatif signifie un contrôle de qualité des produits basé sur un critère qualitatif, au cours duquel chaque unité de produit testée est classée comme appropriée ou défectueuse, et la décision ultérieure sur la population ou le processus contrôlé est prise en fonction des résultats de comparaison des unités défectueuses de produits trouvées dans l'échantillon ou du nombre de défauts pour un certain nombre d'unités de produit, avec une norme contrôlée.

Le numéro d'acceptation s'entend comme une norme de contrôle égale au nombre maximum d'unités de produits défectueuses dans l'échantillon ou au nombre de défauts pour 100 unités de produits, qui est le critère d'acceptation d'un lot de produits.

Le nombre de rejet s'entend comme une norme de contrôle égale au nombre maximum d'unités défectueuses dans l'échantillon ou au nombre de défauts pour 100 unités de produit, qui est le critère de rejet d'un lot de produits.

Ce type de contrôle a trouvé une large application dans l'industrie.

Par produits appropriés, on entend des produits qui répondent à toutes les exigences établies. Par unité de production défectueuse (produit défectueux), on entend une unité de produit qui présente au moins un défaut - il s'agit de chaque non-conformité du produit aux exigences établies.

En fonction de leur importance, la classification de défauts suivante est acceptée : mineure, significative et critique.

Un défaut mineur est un défaut qui n’affecte pas de manière significative l’utilisation prévue du produit et sa durabilité. Un défaut important est un défaut qui affecte de manière significative l'utilisation prévue du produit et (ou) sa durabilité, mais qui n'est pas critique. Un défaut critique est un défaut en présence duquel l'utilisation du produit aux fins prévues est pratiquement impossible ou inacceptable.

1.1 La place des méthodes statistiques dans la gestion de l'espacehonneur

Le succès de chaque entreprise dépend en grande partie de sa potentiel d'innovation, l’efficacité et la qualité des biens et services qu’elle produit. Les mesures non liées aux prix, à l'aide desquelles une entreprise peut renforcer sa position sur le marché et réduire la pression de la concurrence, comprennent - avec l'innovation industrielle, c'est-à-dire la capacité de mettre de nouveaux produits ou de nouvelles technologies sur le marché et de les établir sur le marché, ainsi que l'assurance qualité. Ne pas en avoir assez haut niveau qualité, les produits ne pourront pas s'imposer sur le marché. Garantir la qualité des produits est un outil essentiel pour maintenir et renforcer la compétitivité. De plus, une assurance qualité efficace conduit à une efficacité de production accrue, car en améliorant la qualité, les coûts associés aux défauts et aux reprises sont réduits, ce qui signifie que le coût des produits est réduit. De l'autre côté, haute qualité les produits peuvent améliorer l'image de l'entreprise, ce qui entraînera une augmentation de la demande pour ses produits et augmentera le volume de production, ce qui entraînera à son tour une diminution du coût d'un produit individuel.

La base pour résoudre les problèmes visant à garantir la qualité des entreprises est d'augmenter les niveaux techniques et organisationnels du processus de production, de mettre en œuvre technologies modernes, formes de production organisationnelle, utilisation généralisée des normes internationales de la série ISO 9000, qui mettent l'accent sur l'approche processus de la gestion de la qualité. Autrement dit, toutes les activités d’une organisation sont considérées comme un ensemble de processus interdépendants.

La gestion de la qualité des produits est comprise comme un processus constant, systématique et ciblé d'influence sur les facteurs et les conditions à tous les niveaux, garantissant la création de produits de qualité optimale et leur pleine utilisation.

Le contrôle qualité, quelle que soit la perfection des techniques utilisées à cet effet, consiste avant tout à séparer les bons produits des mauvais.

La gestion de la qualité des produits peut être réalisée par deux méthodes :

En triant les produits ;

En augmentant la précision technologique.

Depuis l'Antiquité, les méthodes de contrôle se réduisent généralement à l'analyse des défauts par une inspection continue des produits à la sortie. On passe ainsi du contrôle continu au contrôle sélectif en utilisant des méthodes statistiques de traitement des résultats.

L'assurance qualité couvre toutes les mesures visant à y parvenir.

Ces mesures comprennent :

Planification de la qualité ;

Contrôle de qualité;

Gestion de la qualité.

Les fonctions de gestion de la qualité sont la planification, le suivi et la correction des produits ou services. La gestion de la qualité est étroitement liée à la planification et repose sur les résultats du contrôle.

Les méthodes statistiques jouent un rôle majeur dans la gestion de la qualité des produits. La série de normes ISO 9000 encourage les fabricants à utiliser des méthodes statistiques car cela est dû au fait que expérience à l'étranger, accumulé au fil de plusieurs décennies, a montré la grande efficacité des méthodes statistiques pour résoudre des problèmes dans le domaine fabrication industrielle, services et autres domaines.

Le succès et la pertinence des méthodes statistiques s'expliquent principalement par des raisons économiques, c'est-à-dire que lors de l'utilisation de méthodes statistiques, le niveau de défauts et de pertes monétaires est réduit.

Les méthodes statistiques de gestion de la qualité des produits sont basées sur la théorie des probabilités et les statistiques mathématiques. L'idée d'utiliser la théorie des probabilités et les statistiques mathématiques pour gérer la qualité des produits a été exprimée pour la première fois par l'académicien M.V. Ostrogradski en 1846. L'essence des méthodes qu'il a proposées était d'utiliser les résultats du contrôle d'un certain échantillon d'un lot de produits pour juger raisonnablement de la qualité des produits de ce lot, sans recourir à un contrôle complet. Autrement dit, l'objectif des méthodes statistiques de gestion de la qualité est de tirer une conclusion sur la qualité des produits fabriqués grâce à l'utilisation de méthodes mathématiques et statistiques basées sur le contrôle par échantillonnage.

Ainsi, les méthodes statistiques de gestion de la qualité des produits sont des méthodes sélectives et diffèrent du contrôle continu par une plus grande productivité, des coûts de contrôle inférieurs et une précision de contrôle souvent plus élevée.

1.2 StatistiquementMéthodes chinoises dans les systèmes qualité

Aujourd'hui développement intensif diverses approches pour garantir la qualité des produits (travaux, services) comme condition indispensable au bon fonctionnement de toute entreprise, une grande attention est accordée à l'utilisation des méthodes statistiques. La pertinence et la nécessité de leur utilisation sont évidentes, surtout si les spécificités des produits sont telles que leurs indicateurs de qualité peuvent être pleinement appréciés après expédition au consommateur ou utilisation prévue (béton mousse monolithique, ciment Portland, mortiers, etc.). Ce n’est pas un hasard si les méthodes statistiques sont considérées comme faisant partie intégrante du « miracle japonais ». Cependant, malgré les réalisations de la science et des activités appliquées dans notre pays visant à résoudre les problèmes dans le domaine de la qualité, dans de nombreux domaines, nous sommes toujours à la traîne des pays étrangers, où les approches système et processus qui constituent la base des normes internationales du système ont été appliquées avec succès. depuis longtemps, les normes de qualité de la série ISO 9000 et les méthodes statistiques modernes pour la gestion de la qualité des produits et la réglementation des processus technologiques.

Une grande attention est accordée à l'analyse des difficultés de maîtrise des méthodes statistiques dans les entreprises nationales, ainsi qu'au développement et à la mise en œuvre de systèmes de gestion de la qualité (QMS), bien qu'il s'agisse essentiellement d'un seul problème. Les normes de la série ISO 9000 :2000 et leurs analogues russes prennent en compte « la prise de décision basée sur des informations fiables et objectives » comme l'un des 8 principes de gestion de la qualité. La mise en œuvre de ce principe nécessite de réaliser les mesures nécessaires, de collecter et d'enregistrer les premières données, puis de les traiter et de les analyser. En particulier, la norme GOST R ISO 9001-2001 exige qu'une organisation utilise des méthodes statistiques pour l'analyse des données, y compris pour vérifier les caractéristiques des produits, et GOST R ISO 9004-2001 recommande qu'une organisation, en utilisant des méthodes statistiques appropriées, analyse les données provenant de diverses sources. et garanti une prise de décision fondée sur des faits.

Il nous semble que c'est direct mise en œuvre pratique Il est préférable de commencer par l'utilisation de méthodes statistiques pour les systèmes de gestion de la qualité dans les entreprises nationales. Leur efficacité dans la gestion de la qualité est généralement reconnue, et à première vue, il peut même sembler que pour assurer un niveau de qualité stable (généralement interprété comme l'un des besoins fondamentaux des consommateurs), il suffit d'appliquer simplement ces méthodes, en contournant le travail. processus de développement intensif et coûteux et mise en place du SMQ selon les normes en vigueur. Cependant, les méthodes statistiques ne peuvent toujours pas remplacer le système d'assurance qualité garantie des produits, en constante évolution et amélioration, qui fonctionne bien dans l'entreprise et qui prend également en compte les intérêts des parties intéressées. Ils rendent le système de gestion de la qualité plus complet, illustrent clairement l'approche processus, qui n'est souvent pas tout à fait claire pour les travailleurs de production ordinaires, et aident à mieux comprendre le fonctionnement du système de gestion de la qualité à travers leur exemple.

Aujourd'hui, les développeurs ne parviennent pas à un consensus sur le nombre nécessaire et suffisant d'éléments QMS. Le désir d'une description détaillée des processus du système se traduit souvent par la présence d'un grand nombre d'éléments et d'une « documentation » excessive du SMQ. Il n'est pas surprenant qu'une telle approche soit susceptible de « dissuader », avec sa complexité et son niveau de coûts de mise en œuvre, les petites et moyennes entreprises, qui se développent désormais intensément, bénéficiant du soutien gouvernemental approprié, du développement d'un système de gestion de la qualité. Par conséquent, chaque entreprise spécifique doit déterminer son minimum liste nécessaireéléments (au moins pour étapes initiales fonctionnement du QMS), parmi lesquels il doit certainement y avoir un élément décrivant les procédures de sélection et d'application des méthodes statistiques appropriées pour contrôler la qualité des produits et réguler le processus technologique de sa production. De plus, il existe actuellement vaste choix développé des méthodes statistiques pour une grande variété d'applications, y compris celles mises en œuvre dans les systèmes logiciels statistiques.

1.3 ol sur une base alternative

En règle générale, le consommateur n'a pas la possibilité de contrôler la qualité des produits pendant le processus de fabrication. Cependant, il doit s'assurer que les produits qu'il reçoit du fabricant répondent aux exigences établies, et si cela n'est pas confirmé, il a le droit d'exiger que le fabricant remplace le produit défectueux ou élimine les défauts. La principale méthode de contrôle des matières premières fournies au consommateur, des matériaux et produits finis est un contrôle d'acceptation statistique de la qualité du produit.

Le contrôle statistique d'acceptation de la qualité des produits est un contrôle sélectif de la qualité des produits, basé sur l'utilisation de méthodes statistiques mathématiques pour vérifier la qualité des produits par rapport aux exigences établies. Si la taille de l'échantillon devient égale au volume de l'ensemble de la population contrôlée, alors un tel contrôle est dit continu. Le contrôle continu n'est possible que dans les cas où la qualité du produit ne se détériore pas au cours du processus de contrôle, sinon un contrôle sélectif, c'est-à-dire le contrôle d’une certaine petite partie de la production totale devient forcé.

Un contrôle complet est effectué s'il n'y a pas d'obstacles particuliers à cela, s'il existe une possibilité de défaut critique, c'est-à-dire un défaut dont la présence exclut totalement l'utilisation du produit aux fins prévues.

Tous les produits peuvent également être testés dans les conditions suivantes :

le lot de produits ou de matériel est petit ;

la qualité du matériel d’entrée est médiocre ou on n’en sait rien.

Vous pouvez vous limiter au contrôle d'une partie du matériel ou des produits si :

le défaut n'entraînera pas de dysfonctionnement grave de l'équipement et ne constitue pas une menace pour la vie ;

les produits sont utilisés en groupe ;

les produits défectueux peuvent être découverts à un stade ultérieur de l'assemblage.

Le contrôle d'acceptation statistique est axé sur l'inspection des produits finis et veille à ce qu'une décision soit prise sur la possibilité d'accepter ces produits comme étant appropriés ou sur la nécessité de les rejeter et de les envoyer pour révision.

Comme la régulation statistique des processus technologiques, le contrôle statistique d'acceptation des produits peut être effectué selon des critères alternatifs et quantitatifs.

Le contrôle statistique d'acceptation basé sur un critère alternatif se distingue par la caractéristique principale selon laquelle la décision concernant l'acceptation ou le rejet des produits est prise immédiatement pendant le processus de contrôle sur la base des résultats de la division des unités contrôlées en deux groupes : appropriées et inappropriées. La classification de ces unités en variétés, classes, catégories, ainsi que la mesure quantitative de leurs principales caractéristiques qualitatives lorsque cette méthode aucun contrôle n'est effectué.

Le contrôle d'acceptation statistique basé sur un critère alternatif nécessite, par rapport au contrôle basé sur un critère quantitatif, un volume d'échantillon plus important avec les mêmes risques de prise de décision erronée et est moins informatif. Dans le même temps, cette méthode de contrôle d'acceptation est devenue assez répandue, ce qui est associé à ses principales qualités positives suivantes :

1) assez simple, ne nécessite pas de spécialistes hautement qualifiés, d'instruments de mesure complexes et beaucoup de temps ;

2) ne nécessite pas un grand nombre d'enregistrements et de calculs pour prendre une décision sur l'acceptation des lots de produits ;

3) vous permet de séparer immédiatement les unités de produits de l'échantillon en unités appropriées et défectueuses.

Le contrôle statistique sur une base alternative repose sur des méthodes d'échantillonnage. À cet égard, lors de son utilisation, les deux conditions suivantes doivent être prises en compte.

1. Le contrôle d'échantillonnage ne peut garantir que tous les produits du lot accepté répondront aux exigences établies selon leurs caractéristiques. Si une conformité totale est nécessaire, un contrôle complet des unités de produits doit être effectué.

2. Pour qu'une conclusion raisonnable puisse être tirée sur la base des résultats de l'analyse de l'échantillon concernant les paramètres de l'ensemble du lot, un tel échantillon doit comprendre un nombre représentatif d'unités de la population générale et être sélectionné au hasard.

1.4 Contrôle d'acceptation statistiqueol sur une base quantitative

Il a été établi que le contrôle d'acceptation statistique avec la même taille d'échantillon fournit plus d'informations que le contrôle d'acceptation basé sur un critère alternatif. Il s’ensuit que les résultats du contrôle d’acceptation statistique, avec un échantillon plus petit, contiennent les mêmes informations que le contrôle d’acceptation statistique sur une base alternative. Toutefois, cela ne signifie pas que le contrôle statistique d'acceptation sur une base quantitative est toujours meilleur que le contrôle statistique d'acceptation sur une base alternative. Il présente les inconvénients suivants :

la présence de restrictions supplémentaires qui limitent le champ d'application ;

la surveillance nécessite souvent un équipement plus sophistiqué.

Si des tests destructifs sont effectués, les plans de contrôle basés sur une caractéristique quantitative sont alors plus économiques que les plans de contrôle basés sur une caractéristique alternative.

Le contrôle d'acceptation statistique basé sur des critères quantitatifs est présenté dans GOST 20736-75. La norme prend en compte les exigences de la norme internationale ISO 3951. Cette norme peut être utilisée pour contrôler tous types de produits à la pièce soumis au contrôle sous forme de lots uniques avec une loi de distribution normale d'un ou deux paramètres contrôlés.

Le contrôle quantitatif consiste à mesurer la valeur numérique du paramètre contrôlé pour les unités de production, puis à calculer la valeur moyenne arithmétique de l'échantillon X et à évaluer son écart r par rapport à la valeur des limites de tolérance supérieure Tv ou inférieure Tn.

Pour sélectionner un plan d'échantillonnage, vous devez définir les indicateurs suivants :

Volume du lot de produits,

Niveau de contrôle

Niveau d'acceptation du contrôle AQL,

Type de contrôle

Écart type ou méthode pour l'estimer,

Méthode de contrôle.

PartieII. La teneur en chrome des pièces moulées en acier est contrôlée. Les mesures sont prises sur quatre maillots de bain. Conformément aux données données dans le tableau, construisez Contrôle x-R Carte de Shewhart

Tableau 1. Liste de contrôle avec des données sur la teneur en chrome dans les pièces moulées en acier.

Les deux dernières colonnes de la liste de contrôle montrent les moyennes calculées et les écarts types dans chaque sous-groupe :

Le niveau moyen du processus est évalué à l'aide de la formule :

L'écart type moyen est déterminé par la formule :

Tableau 2. Feuille de contrôle contenant des données sur la teneur en chrome dans les pièces moulées en acier.

Nous trouvons la position des limites de contrôle de la carte des valeurs moyennes à l'aide de la formule trouvée dans le tableau des coefficients et qui est égale à 0,729.

UCL = 0,7896+0,729*0,193=0,9306

LCL = 0,7896-0,729*0,193=0,6487

Pour calculer la position des limites de contrôle de la carte d'écart type, on prend en compte que pour elle UCL=*R et LCL=*R, là où on la trouve dans le tableau des coefficients, alors

UCL = 2,282*0,193=0,4411

Créons des cartes de contrôle pour les valeurs moyennes et les plages de cet échantillon à l'aide d'Excel :

Figure 1. Carte de contrôle moyenne.

Figure 2. Carte de contrôle de plage moyenne.

Conclusion : nous voyons qu'aucune des cartes construites n'indique la présence de violations de processus (aucune carte ne contient de points dépassant les limites de contrôle) - le processus est contrôlable statiquement.

Conclusion

Les problèmes de qualité sont récemment devenus si importants grande valeur que les procédures d'assurance qualité statistique font généralement partie intégrante des activités de toute entreprise prospère. Aujourd'hui, les plans d'échantillonnage et le contrôle statistique des processus sont considérés comme allant de soi par la direction de l'entreprise, et l'attention est portée à un plus large éventail d'aspects (par exemple, l'abandon de l'échantillonnage statistique entrant en raison de la qualité fiable des produits des fournisseurs ; l'autonomisation des employés, qui a remplacé de nombreux aspects du contrôle des processus). Aujourd'hui, toutes les entreprises manufacturières de classe mondiale exigent que leurs employés comprennent les concepts de base. C'est cette compréhension qui est la clé du niveau de qualité élevé du travail de diverses entreprises.

L'objectif principal des méthodes de contrôle statistique est d'assurer la production de produits utilisables et la fourniture de services utiles au moindre coût. L'un des principes de base du contrôle qualité utilisant des méthodes statistiques est la volonté d'améliorer la qualité du produit en surveillant les différentes étapes du processus de production.

L'utilisation de méthodes statistiques est un moyen très efficace de développer de nouvelles technologies et de contrôler la qualité des processus de production. Toutes les méthodes statistiques reposent sur la notion de dispersion. L'utilisation de méthodes statistiques sur le lieu de travail pour contrôler la dispersion des paramètres d'un produit fabriqué est une représentation graphique de valeurs statistiques faciles à comprendre qui caractérisent la dispersion.

Les méthodes statistiques constituent la base d’une reconnaissance et d’une analyse efficaces des problèmes. De cette façon, vous pouvez obtenir une image complète des causes possibles des problèmes. Les priorités sont fixées et les décisions sont prises sur la base de faits. "Sept outils de contrôle qualité" (Méthodes gestion administrative) permettent des méthodes simples pour résoudre jusqu'à 95 % des problèmes survenant lors du contrôle qualité dans une grande variété de domaines. Les 5 % de problèmes restants nécessitent des méthodes de résolution supplémentaires.

« Sept nouveaux outils de contrôle qualité » font référence aux méthodes de traitement des données principalement verbales (descriptives). L'utilisation de ces outils est particulièrement efficace lorsqu'ils sont utilisés comme méthodes pour la mise en œuvre la plus complète de plans basés sur une approche systématique dans des conditions de coopération de l'ensemble de l'équipe de l'entreprise.

Ils se concentrent sur le développement d'un mécanisme de bout en bout à toutes les étapes du cycle de vie du produit, depuis la recherche des exigences du marché en matière de qualité du produit jusqu'à son élimination après utilisation. L'introduction de méthodes statistiques devrait viser à créer des garanties de continuité du processus d'assurance qualité conformément aux exigences des consommateurs. L'utilisation de ces méthodes, sans nécessiter de dépenses importantes, permet de juger avec un degré donné de précision et de fiabilité de l'état des phénomènes étudiés (objets, processus) dans le système qualité, de prédire et de réguler les problèmes à toutes les étapes de la vie du produit. cycle et, sur cette base, développer des décisions de gestion optimales

Bibliographie

1. Ishikawa K. « Méthodes japonaises de gestion de la qualité » Abbr. voie de l'anglais M. : Économie, 1998 ;

2. Knowler L. et al. « Méthodes statistiques de contrôle de la qualité des produits » Trans. Anglais - 2ème russe Éd. M. : Maison d'édition de normes, 1989 ;

3. Okrepilov V.V. Shvets V.E. Rubtsov Yu.N. « Service de gestion de la qualité des produits » L. : Lenizdat, 1990 ;

4. Cowden D. « Méthodes statistiques de contrôle qualité » trans. de l'anglais, M : 1961 ;

5. Belyaev Yu. « Contrôle d'acceptation sur une base alternative » M : 1973 ;

6. Shor Ya B. « Tableaux d'analyse et de contrôle de fiabilité » M : 1986 ;

7. Loganina V.I., Fedoseev A.A. « Méthodes statistiques de surveillance et de gestion de la qualité des produits » Rostov n/d : Phoenix, 2007 ;

8. Knowler L., Howell J., Told D., Colemat E., Moun O., Knowler V. « Méthodes statistiques pour le contrôle de la qualité des produits » M : Standards Publishing House, 1989 ;

9. Gmurman V. E. « Théorie des probabilités et statistiques mathématiques » M : École supérieure, 1977 ;

10. Shindovsky E., Schurz O. « Méthodes statistiques de gestion de la qualité » M : Mir, 1976.

Publié sur Allbest.ru

...

Documents similaires

La qualité comme objet de gestion. Contrôle qualité des produits. Contrôle d'acceptation statistique basé sur un critère alternatif. Normes de contrôle d'acceptation statistique. Cartes de contrôle qualité. Contrôle d'échantillonnage dans la recherche de fiabilité.

travail de cours, ajouté le 16/07/2011

L'essence des méthodes statistiques élémentaires, intermédiaires et avancées de gestion de la qualité. Concept, types et objectif des cartes de contrôle. Avantages et inconvénients du contrôle d'acceptation statistique basé sur des critères alternatifs et quantitatifs.

thèse, ajoutée le 26/05/2014

La qualité comme objet de gestion, assurant la qualité de fonctionnement des systèmes de gestion. Les principales caractéristiques d'un lot de produits basées sur une caractéristique alternative. Exigences relatives aux normes de contrôle d'acceptation statistique. Idée de carte de contrôle.

travail de cours, ajouté le 09/05/2015

Caractéristiques du contrôle qualité de l'acceptation statistique basé sur des critères alternatifs et collectifs. Prise en compte du concept, de l'objectif, des principales tâches et principes d'organisation du contrôle qualité des produits entrants, évaluation de son efficacité.

test, ajouté le 08/04/2011

Le concept d'un système de gestion de la qualité dans une entreprise. L'importance des méthodes statistiques dans la gestion de la qualité. Cartes de contrôle Shewhart comme méthode de contrôle statistique et de gestion de la qualité. Principes de base pour la construction de cartes de contrôle Shewhart.

travail de cours, ajouté le 19/05/2011

Effectuer une analyse de corrélation des données et évaluer les résultats obtenus. Caractéristiques et conditions, possibilité d'utiliser un contrôle statistique d'acceptation par le fournisseur et le consommateur, ainsi que des produits basés sur des critères quantitatifs et alternatifs.

travail de cours, ajouté le 16/12/2014

Problèmes économiques, essence de la qualité et sa gestion. Evolution de la théorie et de la pratique de la gestion de la qualité. Principes et fonctions de la gestion de la qualité. Méthodes de contrôle statistique, normalisation. Développement et mise en œuvre d'un système de management de la qualité.

cours magistral, ajouté le 14/11/2013

L'essence et le but du contrôle statistique, sa classification et les caractéristiques des principaux types : processus et acceptation. Étapes de mise en œuvre de ces formes de contrôle, analyse des résultats obtenus. Échantillonnage basé sur des caractéristiques qualitatives. Méthode Tagushi.

travail de cours, ajouté le 27/03/2013

L'essence de la gestion de la qualité dans une entreprise. Caractéristiques du travail des entreprises étrangères dans ce domaine. Méthodes statistiques de contrôle qualité. Activités des cercles de qualité. japonais et Expérience américaine amélioration de la qualité. Caractéristiques des normes ISO.

présentation, ajouté le 03/06/2015

Concept, problème, gestion et amélioration de la qualité. Concours dans les pays à économie de marché développée. Méthodes statistiques pour le contrôle de la qualité des produits. Qualité de la planification, développement de la stratégie. Normes de qualité internationales.

Ministère des Affaires Générales et enseignement professionnel Fédération de Russie

Université d'État de Nijni Novgorod

eux. N.I. Lobatchevski

Faculté d'économie

TEST

dans la discipline "Gestion de la Qualité"

sur le thème « Méthodes statistiques de contrôle qualité »

Chef A.Yu. Efimychev

Étudiant de 5ème année du groupe 52 A.Yu. Tioutine

Nijni Novgorod, 1999

1 Introduction................................................................. ..................................................... ......... 3

2 Méthodes statistiques pour le contrôle de la qualité des produits.................................................. ........................................................ ............... .... 4

2.1 Cartes de contrôle. Contrôle quantitatif. 5

2.1.1 Valeur moyenne et plage.................................................. ........................................................ .. 5

2.1.2 Cartes de contrôle des moyennes arithmétiques et des étendues......... 8

2.2 Cartes de contrôle. Contrôle basé sur des caractéristiques alternatives.. 8

2.2.1 Répartition théorique de la part des unités de production défectueuses à n et p constants................................. ..................................................... ........ ...................................................... 9

2.2.2 Carte de contrôle pour l'échantillonnage à volume constant.................................................. ......... 11

2.3 Contrôle d'acceptation statistique basé sur des caractéristiques alternatives 13

2.4 Contrôle d'acceptation statistique par caractéristique quantitative 13

3Conclusion................................................ ........ .................................................................. .. ...

4 Liste de la littérature utilisée............................................ 15

1 Introduction

La source la plus importante de croissance de l’efficacité de la production est l’amélioration constante du niveau technique et de la qualité des produits. Pour systèmes techniques caractérisé par une intégration fonctionnelle stricte de tous les éléments, il n'y a donc aucun élément secondaire qui pourrait être mal conçu et fabriqué. Ainsi, le niveau actuel de développement du progrès scientifique et technologique a considérablement renforcé les exigences relatives au niveau technique et à la qualité des produits en général et de leurs éléments individuels. Approche systématique vous permet de sélectionner objectivement l'échelle et l'orientation de la gestion de la qualité, les types de produits, les formes et les méthodes de production qui fournissent le plus grand effet des efforts et des fonds consacrés à l'amélioration de la qualité des produits. Une approche systématique d'amélioration de la qualité des produits permet de poser les bases scientifiques entreprises industrielles, associations, organismes de planification.

Les méthodes statistiques peuvent être divisées en 3 catégories selon le degré de difficulté :

1) La méthode statistique élémentaire comprend les 7 « principes » :

· Carte de Pareto ;

· Analyse de cause à effet ;

· Regrouper les données par caractéristiques communes;

· Liste de contrôle ;

· Histogramme. La méthode de l'histogramme est des outils efficaces traitement des données et est destiné au contrôle qualité continu pendant le processus de production, à l'étude des capacités des processus technologiques, à l'analyse du travail des interprètes et des unités individuels. Un histogramme est une méthode graphique de présentation de données regroupées par fréquence d'occurrence dans un certain intervalle ;

· Diagramme de dispersion (analyse de corrélation par détermination de la médiane) ;

· Calendrier et carte de contrôle. Les cartes de contrôle reflètent graphiquement la dynamique du processus, c'est-à-dire évolution des indicateurs au fil du temps. La carte montre la plage de dispersion inévitable, qui se situe entre les limites supérieure et inférieure. Grâce à cette méthode, vous pouvez rapidement retracer le début de la dérive des paramètres en fonction de n'importe quel indicateur de qualité au cours du processus technologique afin d'effectuer mesures préventives et éviter les défauts des produits finis.

Ces principes doivent être appliqués par tous sans exception, du chef d'entreprise au simple travailleur. Ils sont utilisés non seulement dans département de production, mais aussi dans des départements tels que les services de planification, de marketing et de logistique.

2) La méthode statistique intermédiaire comprend :

· Théorie de la recherche par échantillonnage ;

· Contrôle d'échantillonnage statistique ;

· Diverses méthodes mener des évaluations statistiques et définir des critères ;

· Méthode d'application des contrôles sensoriels ;

· Méthode de calcul des expériences.

Ces méthodes s'adressent aux ingénieurs et aux professionnels de la gestion de la qualité.

3) Les méthodes statistiques avancées (assistées par ordinateur) comprennent :

· Méthodes avancées de calcul des expériences ;

· Analyse multivariée ;

· Diverses méthodes de recherche opérationnelle.

Un nombre limité d’ingénieurs et de techniciens sont formés à cette méthode car elle est utilisée dans des analyses de processus et de qualité très complexes.

Le principal problème lié à l'utilisation de méthodes statistiques dans l'industrie réside dans les fausses données et les données qui ne correspondent pas aux faits. Diverses données et faits sont fournis dans deux cas. Le premier cas concerne des données intelligemment créées ou mal préparées, et le deuxième cas concerne des données invalides préparées sans recours à des méthodes statistiques.

Le recours aux méthodes statistiques, y compris les plus sophistiquées, devrait devenir monnaie courante. Il ne faut pas non plus oublier l'efficacité des méthodes simples, sans la maîtrise de laquelle l'utilisation de méthodes plus complexes n'est pas possible.

Le progrès technique ne peut être séparé de l'application de méthodes statistiques qui améliorent la qualité des produits, augmentent la fiabilité et réduisent les coûts de qualité.

Dans les industries, des méthodes statistiques sont utilisées pour analyser la qualité des produits et des processus. Analyse de la qualité est une analyse par laquelle, à l'aide de données et de méthodes statistiques, la relation entre les caractéristiques qualitatives exactes et remplacées est déterminée. Analyse des processus est une analyse qui nous permet de comprendre la relation entre les facteurs causals et les résultats tels que la qualité, le coût, la productivité, etc. Le contrôle des processus consiste à identifier les facteurs causals qui affectent le bon fonctionnement du processus de production. La qualité, le coût et la productivité sont les résultats du processus de contrôle.

Les méthodes statistiques de contrôle qualité des produits sont actuellement de plus en plus reconnues et répandues dans l’industrie. Les méthodes scientifiques de contrôle statistique de la qualité des produits sont utilisées dans les industries suivantes : construction mécanique, industrie légère, dans le domaine des services publics.

La tâche principale Les méthodes de contrôle statistique visent à garantir la production de produits utilisables et la fourniture de services utiles au moindre coût.

Les méthodes statistiques de contrôle qualité des produits fournissent des résultats significatifs dans les indicateurs suivants :

· améliorer la qualité des matières premières achetées ;

· économie de matières premières et de main d'œuvre ;

· améliorer la qualité des produits manufacturés ;

· réduction des coûts de contrôle ;

· réduction du nombre de défauts ;

· améliorer la relation entre la production et le consommateur ;

· faciliter la transition de la production d'un type de produit à un autre.

La tâche principale n’est pas seulement d’augmenter la qualité des produits, mais aussi d’augmenter la quantité de produits propres à la consommation.

Deux concepts de base en contrôle qualité sont la mesure des paramètres contrôlés et leur distribution. Afin de juger de la qualité d’un produit, il n’est pas nécessaire de mesurer des paramètres tels que la résistance du matériau, du papier, le grammage de l’article, la qualité de la coloration, etc.

Le deuxième concept - distribution des valeurs d'un paramètre contrôlé - est basé sur le fait qu'il n'existe pas deux paramètres des mêmes produits dont la valeur est absolument identique ; À mesure que les mesures deviennent plus précises, de petites divergences apparaissent dans les mesures des paramètres.

La variabilité du « comportement » du paramètre contrôlé est de 2 types. Le premier cas est celui où ses valeurs constituent un ensemble de variables aléatoires formées dans des conditions normales ; la seconde est lorsque l'ensemble de ses variables aléatoires est formé dans des conditions différentes de la normale sous l'influence de certaines raisons.

Le personnel gérant le processus dans lequel le paramètre contrôlé est formé doit déterminer à partir de ses valeurs : d'une part, dans quelles conditions elles ont été obtenues (normales ou différentes d'elles) ; et s'ils sont obtenus dans des conditions autres que la normale, quelles sont les raisons de la violation des conditions normales du processus. Une action de contrôle est ensuite entreprise pour éliminer ces causes.

Une façon d’obtenir une qualité satisfaisante et de la maintenir à ce niveau consiste à utiliser des cartes de contrôle.

Les plus courantes sont les cartes de contrôle de moyenne et les cartes de contrôle de plage. R, qui sont utilisés ensemble ou séparément.

Donnons un exemple. Dans les vaisseaux 1,2,3,... il y a bâtons de bois, sur lequel sont imprimés les nombres –10,-9,…,-2,-1,0,1,2,…,9,10. Les bâtons imitent les produits et les chiffres imprimés dessus indiquent les écarts de la taille contrôlée par rapport à la taille nominale en centièmes de pour cent. Chaque récipient contient N sticks, qui peuvent être considérés comme des produits fabriqués sur un intervalle de temps donné, appelé période d'échantillonnage. Les valeurs de N sont supposées grandes, de sorte que le même numéro puisse être imprimé sur plusieurs bâtons, certains bâtons peuvent être les seuls porteurs de certains nombres, de plus, il est possible que dans certains navires il n'y ait pas de bâton avec un certain nombre du tout. Après avoir soigneusement mélangé les sticks dans les cuves, un échantillon de n sticks est prélevé dans chaque cuve, par exemple n = 5. Dans le même temps, un mélange minutieux garantit que la sélection des bâtonnets est aléatoire. Après avoir noté les nombres imprimés sur les bâtons qui figuraient dans les échantillons suivants, leurs moyennes arithmétiques sont calculées et portées en ordonnée d'un point avec une abscisse correspondant au numéro du navire. Si le point se trouve à l'intérieur des limites tracées sur la carte de contrôle, alors le processus simulé par le modèle décrit est considéré comme établi, sinon il nécessite un ajustement.

Statistiques il est d'usage d'appeler une fonction de variables aléatoires obtenues à partir d'une population, qui est utilisée pour estimer un certain paramètre de cette population.

Laisser - des résultats d'observation formant un échantillon de taille n. La moyenne arithmétique de l'échantillon est définie comme (je=1,2,…,n)

Portée de cet échantillon , Où

Le résultat maximum des observations dans l'échantillon,

Le résultat minimum des observations dans l'échantillon.

Prenons vingt-cinq échantillons, chacun composé de cinq échantillons. La moyenne arithmétique et l'étendue sont déterminées séparément pour chaque échantillon. Ils sont reportés sur des cartes de contrôle des moyennes et des étendues arithmétiques.

Tableau 2‑1. Comptabilisation des résultats d'observation

Ensuite, nous trouvons la valeur moyenne de toutes les mesures, ou la moyenne globale. Cela peut être fait en additionnant la colonne totale et en divisant la somme par le nombre d'échantillons (notez que certaines de ces valeurs sont négatives). Si nous désignons le nombre d'échantillons par (dans ce cas égal à 25), alors la moyenne globale peut être déterminée à l'aide de la formule suivante.

Ensuite, nous déterminons la fourchette moyenne en divisant la somme différentes significations plage par nombre d'échantillons : . Après cela, les valeurs sont tracées sur des cartes de contrôle sous forme de lignes de contrôle.

· limite supérieure de régulation pour la carte de contrôle des moyennes arithmétiques ;

· limite inférieure de régulation de la carte de contrôle des moyennes arithmétiques ;

· limite supérieure de régulation de la carte de contrôle de travée ;

· limite inférieure de régulation de la carte de contrôle de plage, où sont les coefficients en fonction de la taille de l'échantillon. Si l'échantillon contient 5 échantillons ( n=5), alors

Riz. 2‑1. Carte de contrôle pour les données présentées dans le tableau 2-1. Valeur moyenne

Riz. 2‑2. Carte de contrôle pour les données présentées dans le tableau 2-1. Portée

Les limites ci-dessus sont tracées sur des cartes de contrôle. Si nous prélevons un échantillon dans un pot de bâtons, alors, en règle générale, tous les points de la carte de contrôle se trouvent dans les limites établies. Et si les points sur la carte de contrôle se trouvent dans les limites établies, alors le processus correspondant est considéré comme établi.

Il convient de noter que ce fait n'indique pas si la qualité de tous les produits est satisfaisante.

Si tous les points de la carte de contrôle se trouvent dans les limites de contrôle, alors le processus est considéré comme établi jusqu'à ce que les conditions de production changent. Cela signifie que tous les changements sont naturels ou aléatoires, c'est-à-dire chaotiques et ne se produisent pas pour certaines raisons.

Ces cartes sont utilisées pour le contrôle sur une base alternative. Cela signifie qu'après inspection, le produit est considéré comme approprié ou défectueux, et une décision sur la qualité de la population contrôlée est prise en fonction du nombre de produits défectueux trouvés dans un échantillon ou un échantillon ou du nombre de défauts pour un certain nombre de produits (unités de produits).

Défaut– il s’agit de chaque non-conformité individuelle du produit aux exigences établies.

Mariage– il s’agit de produits dont le transfert au consommateur n’est pas autorisé en raison de la présence de défauts.

La méthode la plus courante pour comptabiliser les défauts est le contrôle qualité de la proportion d'unités de production défectueuses, appelé r-des cartes et le nombre de défauts par unité de production, appelés Avec- des cartes.

La notion de part des unités de production défectueuses est utilisée lorsqu'on entend la part des unités de production défectueuses dans l'ensemble des unités défectueuses et bonnes.

Alors r est défini comme suit : r(proportion d'unités défectueuses) est égal au nombre total d'articles défectueux détectés divisé par quantité totale produits testés.

La notion de nombre de défauts par unité de production est utilisée lorsque le produit n'est considéré ni défectueux ni utilisable, mais est déterminée uniquement par le nombre de défauts du produit.

Ainsi, Avec(nombre de défauts par unité de production) est égal au nombre total de défauts détectés divisé par le nombre total de produits inspectés.

Caractéristiques r Et Avec sont des estimations statistiques de la population r ’ Et Avec' .

Tableau 2‑3. Données pour la carte p

Riz. 2‑4. p - carte pour les données spécifiées dans le tableau 2-3

Les données indiquées dans le tableau montrent le résultat de 20 échantillons (50 échantillons chacun) provenant d'un récipient dans lequel se trouvent 4 % de boules rouges (unités de production défectueuses). Ces échantillons simulent un échantillonnage quotidien à partir d’un processus d’un mois. Valeurs r sont systématiquement inscrits sur r-carte.

Ligne centrale sur r-map détermine les valeurs ou la proportion moyenne d'unités de production défectueuses. La valeur est égale au nombre total de produits défectueux divisé par le nombre total de produits inspectés. r produits : . C'est le sens r peut être obtenu en calculant la moyenne de tous r; cependant, si la taille de l’échantillon n’est pas constante, elle ne peut pas être calculée de cette manière. Et la formule ci-dessus est toujours valable.

Les limites de régulation sont déterminées par la formule

Si allumé r- sur la carte, d'après les résultats du contrôle statistique, aucun point ne se trouve en dehors des limites réglementaires, alors le processus est considéré comme établi ; dans ce cas, tous les écarts de points par rapport à la ligne centrale sont aléatoires.

Si par la suite un point s'avère être en dehors des limites de contrôle, cela signifie qu'une certaine raison du dysfonctionnement du processus est apparue.

La principale méthode de contrôle des matières premières, des fournitures et des produits finis fournis aux consommateurs est le contrôle statistique d'acceptation de la qualité des produits.

Contrôle d'acceptation statistique de la qualité des produits– contrôle sélectif de la qualité des produits, basé sur l'utilisation de méthodes statistiques mathématiques pour vérifier la qualité des produits par rapport aux exigences établies.

Si la taille de l'échantillon devient égale au volume de l'ensemble de la population contrôlée, alors un tel contrôle est dit continu. Contrôle total n'est possible que dans les cas où la qualité du produit ne se détériore pas au cours du processus de contrôle, sinon un contrôle sélectif, c'est-à-dire le contrôle d’une certaine petite partie de la production totale devient forcé.

Un contrôle complet est effectué s'il n'y a pas d'obstacles particuliers à cela, en cas de possibilité de défaut critique, c'est-à-dire un défaut dont la présence exclut totalement l'utilisation du produit aux fins prévues.

Tous les produits peuvent également être testés dans les conditions suivantes :

· le lot de produits ou de matériel est petit ;

· la qualité du matériel d'entrée est médiocre ou on n'en sait rien.

Vous pouvez vous limiter au contrôle d'une partie du matériel ou des produits si :

· le défaut n'entraînera pas de dysfonctionnement grave de l'équipement et ne constitue pas une menace pour la vie ;

Les produits sont utilisés en groupe ;

· Les produits défectueux peuvent être détectés à un stade ultérieur de l'assemblage.

Toutefois, cela ne signifie pas que le contrôle statistique d'acceptation sur une base quantitative est toujours meilleur que le contrôle statistique d'acceptation sur une base alternative. Il présente les inconvénients suivants :

· la présence de restrictions supplémentaires qui limitent le champ d'application ;

· la surveillance nécessite souvent un équipement plus sophistiqué.

3 Conclusion

Développement croissant d'un nouvel environnement économique pour notre pays de reproduction, c'est-à-dire relations de marché, dicte la nécessité d'une amélioration constante de la qualité en utilisant toutes les possibilités, toutes les réalisations du progrès dans le domaine de la technologie et de l'organisation de la production.

L'évaluation de la qualité la plus complète et la plus complète est assurée lorsque toutes les propriétés de l'objet analysé sont prises en compte, se manifestant à toutes les étapes de son cycle de vie : lors de la fabrication, du transport, du stockage, de l'utilisation, de la réparation, etc. service.

Ainsi, le fabricant doit contrôler la qualité du produit et, sur la base des résultats de l'échantillonnage, juger de l'état du processus technologique correspondant. Grâce à cela, il détecte rapidement les problèmes du processus et les corrige.

Ishikawa K. Méthodes japonaises de gestion de la qualité : Abbr. voie de l'anglais M. : Économie, 1998

Knowler L. et al. Méthodes statistiques de contrôle de la qualité des produits. Par. de l'anglais – 2ème russe. Éd. M. : Maison d'édition des normes, 1989

Okrepilov V.V. Shvets V.E. Rubtsov Yu.N. Service de gestion de la qualité des produits. L. : Lenizdat, 1990

Parmi les méthodes statistiques de contrôle de qualité, les plus courantes sont ce qu'on appelle les sept outils de contrôle de qualité :

1) Diagramme de Pareto ;

2) Diagramme de cause à effet d'Ishikawa ;

3) carte de contrôle ;

4) histogramme ;

5) diagramme de dispersion ;

6) méthode de superposition ;

7) vérifier les feuilles.

Ensemble, ces méthodes forment système efficace méthodes de contrôle de qualité et d’analyse. Les sept méthodes simples peuvent être utilisées dans n'importe quel ordre, dans n'importe quelle combinaison, dans diverses situations analytiques ; elles peuvent être considérées à la fois comme un système intégral et comme des outils d'analyse individuels. Dans chaque cas spécifique, il est proposé de déterminer la composition et la structure de l'ensemble des méthodes de travail. Les « Sept outils de contrôle qualité » sont activement utilisés par les entreprises japonaises.

1. Diagramme de Pareto permet de visualiser le montant des pertes en fonction de divers objets ; est un type de graphique à barres utilisé pour afficher visuellement les facteurs pris en compte par ordre d'importance décroissante.

En 1897, l'économiste italien V. Pareto a proposé une formule décrivant la répartition inégale des bénéfices. La même idée a été illustrée graphiquement dans un diagramme par l’économiste américain M. Lorenz en 1907. Les deux scientifiques ont montré que la plus grande part des revenus ou de la richesse appartient le plus souvent à un petit nombre de personnes. Le célèbre spécialiste américain de la gestion de la qualité J. Juran a appliqué cette approche dans le domaine du contrôle qualité. Cela a permis de diviser les facteurs influençant la qualité en quelques facteurs essentiellement importants et de nombreux non essentiels. Il s'est avéré qu'en règle générale, la grande majorité des défauts et des pertes associées sont dus à un nombre relativement restreint de raisons. J. Juran a appelé cette approche l'analyse de Pareto.

Pour construire un diagramme de Pareto, les données initiales sont présentées sous la forme d'un tableau, dans la première colonne duquel sont indiqués les facteurs analysés, dans la seconde - des données absolues caractérisant le nombre de cas de détection des facteurs analysés dans la période en cours d'examen, dans le troisième - le nombre total de facteurs par type, dans le quatrième - leur pourcentage, dans le cinquième - le pourcentage cumulé (accumulé) de cas de détection de facteurs

La construction d'un graphique de Pareto commence par tracer les données de la colonne 1 sur l'axe des x et les données de la colonne 2 sur l'axe des ordonnées, classées par ordre décroissant de fréquence d'occurrence. Les « Autres facteurs » sont toujours placés en dernier sur l'axe des y ; si la part de ces facteurs est relativement importante, alors il faut les décrypter en mettant en évidence les plus significatifs. Sur la base de ces données initiales, un histogramme est construit, puis, en utilisant les données de la colonne 5 et une ordonnée supplémentaire indiquant le pourcentage cumulé, une courbe de Lorenz est tracée. Il est possible de construire un diagramme de Pareto lorsque les données de la colonne 4 sont portées en ordonnée principale ; dans ce cas, pour tracer la courbe de Lorenz, il n'est pas nécessaire d'inclure une ordonnée supplémentaire dans le schéma (c'est la version du schéma la plus courante en pratique).

L'avantage déterminant du diagramme de Pareto est qu'il permet de diviser les facteurs en facteurs significatifs (se produisant le plus souvent) et mineurs (se produisant relativement rarement). Par exemple, l’analyse du diagramme présenté à la Fig. (ainsi que la courbe de Lorenz), montre que les cavités de retrait, la porosité aux gaz et autres fissures dans les pièces moulées représentent 89,5 % de toutes les non-conformités. Par conséquent, les travaux visant à garantir la qualité des pièces devraient commencer par l'élimination précisément de ces incohérences.

Dessiner un diagramme de Pareto révèle souvent un modèle appelé règle des 80/20, basé sur le principe de Pareto, selon lequel la plupart des effets sont causés par relativement peu de causes. En ce qui concerne l'analyse des incohérences, ce schéma peut être formulé comme suit : généralement 80 % des incohérences détectées sont associées à seulement 20 % de toutes les causes possibles.

En plus d'identifier et de classer les facteurs et leur importance, le diagramme de Pareto est utilisé avec succès pour démontrer clairement l'efficacité de certaines mesures dans le domaine de l'assurance qualité : il suffit de construire et de comparer deux diagrammes de Pareto - avant et après la mise en œuvre de tout mesures.

2. Diagramme de cause à effet proposé en 1953 par K. Ishikawa (« diagramme d'Ishikawa »). Un diagramme est un arrangement graphique de facteurs influençant l'objet de l'analyse.

Le principal avantage du diagramme d'Ishikawa est qu'il donne une représentation visuelle non seulement des facteurs qui influencent l'objet étudié, mais également des relations de cause à effet de ces facteurs.

Lors de la construction d'un diagramme d'Ishikawa, de grandes flèches primaires sont dessinées vers la flèche horizontale centrale représentant l'objet d'analyse, indiquant les principaux facteurs (groupes de facteurs) influençant l'objet d'analyse. Ensuite, chaque flèche principale est approchée par des flèches de deuxième ordre, qui, à leur tour, sont approchées par des flèches de troisième ordre, etc., jusqu'à ce que toutes les flèches soient tracées sur le diagramme, indiquant les facteurs qui ont un impact notable sur l'objet de analyse dans situation spécifique. Chacune des flèches du schéma, selon sa position, représente soit une cause, soit un effet : la flèche précédente par rapport à la suivante agit toujours comme une cause, et la suivante comme une conséquence.

La tâche principale lors de la construction d'un diagramme est d'assurer une subordination correcte dans l'interdépendance des facteurs, ainsi que sa conception claire.

Lors de la structuration d'un diagramme au niveau des flèches primaires de facteurs dans de nombreuses situations réelles, vous pouvez utiliser la règle des « cinq M » proposée par Ishikawa lui-même (matériaux, machines, méthodes, mesures, personnes). Cette règle est qu'en général il existe cinq causes possibles de certains résultats associés à des facteurs causals.

Un diagramme d'Ishikawa détaillé peut servir de base à l'élaboration d'un plan d'activités interdépendantes qui garantissent solution globale posées lors de l’analyse du problème.

3. Carte de contrôle a été proposé en 1924 par W. Shewhart. Il est construit sur une forme (formulaire), sur laquelle est appliquée une grille de fines lignes verticales et horizontales. La caractéristique statistique sélectionnée du paramètre observé est marquée verticalement sur la carte (par exemple, valeur moyenne individuelle ou arithmétique, médiane, plage, etc.) et horizontalement - l'heure ou le numéro de l'échantillon de contrôle. Ainsi, sur la carte des valeurs moyennes arithmétiques est d'abord tracé : une ligne centrale horizontale correspondant à la valeur du centre de tolérance (TC) (à cette valeur le fonctionnement technologique est considéré comme réglé de manière optimale) ; deux lignes horizontales des limites de tolérance technologique établies par la documentation réglementaire (supérieure - Tv et inférieure - Tn) ; deux lignes horizontales, qui sont les limites de régulation des valeurs du paramètre contrôlé (supérieur - Рв et inférieur - Рн). Les limites de contrôle limitent la plage de valeurs de la caractéristique de l'échantillon contrôlé correspondant à un ajustement satisfaisant opération technologique(si le paramètre contrôlé est spécifié par une norme unilatérale, alors une seule limite de régulation est tracée sur la carte de contrôle). Pour une meilleure perception de la carte de contrôle, il est conseillé de désigner sa ligne centrale et ses limites par différentes couleurs, par exemple, la ligne centrale - verte, les limites de tolérance - rouge, les limites de contrôle - noir.

Les limites de contrôle sont calculées en tenant compte de la distribution acceptée des valeurs du paramètre contrôlé et de la probabilité supplémentaire de recevoir un faux signal d'avertissement concernant un dysfonctionnement de fonctionnement. Intervalle de confiance indique dans quelles limites la vraie valeur de la caractéristique statistique est attendue.

Travailler avec une carte de contrôle revient au fait que, sur la base de l'observation des valeurs du paramètre contrôlé, il est établi si ce paramètre est dans les limites de contrôle et, sur cette base, une décision est prise quant à savoir si le le fonctionnement technologique est ajusté ou non.

La décision d'interrompre l'exploitation est prise lorsqu'au moins une observation, enregistrée sur la carte sous forme de point, dépasse les limites réglementaires. Cependant, avant même que les points ne dépassent les limites réglementaires, la carte de contrôle permet de juger des violations émergentes du fonctionnement technologique à partir des signes suivants :

♦ plusieurs valeurs successives du paramètre contrôlé apparaissent à proximité des limites de contrôle ;

♦ les valeurs sont réparties d'un côté de la ligne médiane, c'est-à-dire que la valeur moyenne se décale par rapport au centre du réglage (la présence d'un écart systématique est indiquée, par exemple, par la localisation de sept valeurs dans un rangée au-dessus ou en dessous de la ligne médiane, ainsi que l'emplacement des valeurs 10 sur 11, 12 sur 14, 14 sur 17 et 16 sur 20 d'un côté de la ligne médiane) ;

♦ les valeurs du paramètre contrôlé sont très dispersées ;

♦ les valeurs du paramètre contrôlé ont tendance à se rapprocher de l'une des limites de contrôle.

4. Histogramme est un graphique à barres et est utilisé pour représenter visuellement la distribution de valeurs de paramètres spécifiques par fréquence de répétition sur une certaine période de temps (semaine, mois, année).

Le tracé des valeurs acceptables d'un paramètre détermine la fréquence à laquelle le paramètre se situe dans ou en dehors de la plage acceptable.

L'histogramme est construit dans l'ordre suivant :

a) un tableau des données initiales est établi ;

b) la plage du paramètre analysé est estimée ;

c) la largeur de travée est déterminée ;

d) le point de départ du premier intervalle est établi ;

e) le nombre final d'intervalles est sélectionné.

L'apparence de l'histogramme dépend de la taille de l'échantillon, du nombre d'intervalles et du point de départ du premier intervalle. Plus la taille de l’échantillon est grande et plus la largeur de l’intervalle est petite, plus l’histogramme se rapproche d’une courbe continue.

5. Diagramme de dispersion(diagramme de dispersion) permet d'identifier la dépendance d'une variable (indicateur de qualité du produit, paramètre de processus technologique, coûts de qualité, etc.) par rapport à une autre. Le diagramme ne répond pas à la question de savoir si une variable en provoque une autre, mais il peut clarifier s'il existe une relation de cause à effet dans un cas donné et quelle est sa force.

La méthode statistique la plus courante pour identifier une telle relation est l’analyse de corrélation, basée sur l’estimation du coefficient de corrélation. La relation entre les grandeurs étudiées peut être complète, c'est-à-dire fonctionnelle, lorsque le coefficient de corrélation est égal à un (+1), si les variables augmentent ou diminuent simultanément, et (-1), si lorsqu'une variable augmente, l'autre diminue. Un exemple de relation fonctionnelle est la dureté du matériau de la pièce à usiner : plus la dureté est élevée, plus l'usure est importante.

Dans le cas où il n’y a aucune relation, le coefficient de corrélation est nul. Un cas intermédiaire est également possible lorsque la dépendance des quantités liées est incomplète, car elle est faussée par l'influence de facteurs supplémentaires extérieurs. Une illustration de ce type de corrélation peut être vue dans la dépendance de la productivité du travail des travailleurs à l'égard de leur ancienneté sous l'influence de facteurs supplémentaires tels que l'éducation, la santé, etc. lien entre l’expérience et la productivité du travail

Les connexions de corrélation sont décrites par les équations correspondantes. Dans les cas où il est nécessaire de connaître la dépendance d'un paramètre par rapport à plusieurs autres, une analyse de régression est utilisée. Pour identifier l'influence de facteurs individuels sur le paramètre étudié, une analyse de variance est utilisée, dans laquelle on suppose que l'importance de chaque facteur dans sous certaines conditions caractérisé par sa contribution à la variance du résultat expérimental.

6. Méthode de superposition (stratification) utilisé pour identifier les causes des variations dans les caractéristiques du produit. La méthode consiste à diviser (stratifier) les caractéristiques obtenues en fonction de différents facteurs : qualité matières premières, méthodes de travail, etc. Dans ce cas, l'influence de l'un ou l'autre facteur sur les caractéristiques du produit est déterminée, ce qui permet de prendre les mesures nécessaires pour éliminer leur dispersion inacceptable.

Sur la fig. 8.7.6 montre un exemple de stratification du diagramme de Pareto par les facteurs A et B avec l'analyse détaillée la plus simple (« démêlage des connexions ») du diagramme. Dans ce cas, le délaminage permet de se faire une idée des causes cachées des défauts.

7. Listes de contrôle utilisé pour le contrôle basé sur des caractéristiques qualitatives et quantitatives. Une fiche de contrôle est un formulaire papier sur lequel sont indiqués les noms des indicateurs contrôlés et leurs valeursobtenues lors du processus de contrôle sont enregistrées.

Les types de listes de contrôle suivants sont utilisés :

♦ feuille de contrôle pour enregistrer la répartition du paramètre mesuré au cours du processus de production ;

♦ liste de contrôle pour enregistrer les types de non-conformités ;

♦ liste de contrôle pour évaluer la reproductibilité et les performances du processus technologique.

Le contrôle statistique des processus est apparu en 1931. Il a été proposé par le scientifique Walter Shewhart dans le livre « Economic Quality Control of Manufactured Products ». À l'époque, Shewhart travaillait comme statisticien pour les laboratoires Bell. Il a noté que dans les processus de fabrication, il existe des données qui, après un traitement statistique, peuvent indiquer si le processus est sous contrôle ou s'il présente des écarts (causés par des raisons non inhérentes au processus). Les listes de contrôle et les cartes de contrôle utilisées aujourd'hui sont basées sur les travaux de Shewhart. Le contrôle statistique des processus peut nécessiter l'utilisation de l'une des méthodes statistiques décrites au paragraphe 3.4 « Méthodes d'analyse de la qualité ».

Bien que le contrôle statistique des processus ait été initialement utilisé uniquement pour les processus de fabrication, il peut être appliqué à presque tous les processus. Tout ce qui est fait par les salariés peut être considéré comme un processus. Chaque processus est influencé par de nombreux facteurs (équipement utilisé, matériaux, méthodes et instructions de travail, mesures et personnes impliquées dans le processus). Si, en dehors de cela, rien n’affecte le processus et que tous ces facteurs fonctionnent parfaitement et comme ils le devraient, alors le processus est contrôlé statistiquement. Cela signifie qu’aucune cause secondaire n’affecte le processus. Tous les problèmes ont été résolus. Selon Shewhart, cela ne signifie pas que 100 % du résultat sera parfait, qu’il n’y aura aucune variation dans le processus. Chaque processus présente des variations et des écarts naturels qui affectent le rendement. Ils s'élèvent à 3 unités défectueuses pour 1 000 (défectueux fait référence ici aux produits tombant en dehors des limites acceptables - ± 3 s).

Le fait qu'il existe une variation naturelle dans chaque processus peut être illustré par ce qui suit : par exemple, les diamètres des cylindres tournés sur une machine seront rarement exactement de 17 mm. Leur valeur variera autour de 17 mm au moins dans la limite de la précision de l'instrument de mesure et de l'équipement de contrôle. En fait, il y aura bien d’autres raisons inhérentes au processus qui provoqueront cette variation.

Dans le contrôle statistique des processus, à l'aide de méthodes statistiques (et uniquement !), il est déterminé quels écarts par rapport à l'idéal sont normaux pour un processus donné (ces écarts « normaux » ne doivent pas être confondus avec les caractéristiques techniques de l'équipement, bien entendu spécifications techniques influencent le processus, mais ces écarts « normaux » sont déterminés statistiquement).

Le contrôle statistique des processus n'élimine pas complètement les variations et les écarts des produits par rapport à l'idéal des processus. Mais cela vous permet de contrôler le processus et de distinguer les variations naturelles présentes dans tous les processus des défaillances causées par des raisons supplémentaires. C'est la base de l'amélioration des processus et d'une production sans défaut. Une fois que toutes les causes de défaillance ont été identifiées et éliminées et qu’il ne reste que des variations naturelles, le processus est considéré comme étant dans un état de contrôle statistique. Lorsque cet état est atteint, le procédé est stable et 99,73% de la production ne dépasse pas les limites statistiques de contrôle (limites supérieures et inférieures de contrôle, elles ont déjà été mentionnées au paragraphe 3.4.8. « Carte de contrôle »). Ce n’est qu’alors que vous pourrez améliorer le processus. Donc:

Contrôle statistique des processusest une méthode statistique permettant de séparer les variations causées par des défaillances de processus des variations « naturelles » qui font partie intégrante du processus. L’objectif du contrôle statistique des processus est d’identifier et d’éliminer les défaillances, ainsi que d’établir et de maintenir la stabilité des processus, permettant ainsi de nouvelles améliorations.

Le contrôle statistique des processus, dans le cadre de la gestion totale de la qualité, améliore la qualité des produits et réduit les coûts. Le contrôle statistique des processus rend les processus suivants nettement plus efficaces :

· Contrôle des variations.

· Amélioration continue.

· Prévisibilité des processus.

· Élimination des pertes.

· Contrôle d'échantillons de produits.

Considérons ce que le contrôle statistique des processus fournit dans ces processus.

Contrôle des variations

Comme déjà mentionné, le processus est influencé par deux types de facteurs : les échecs et les causes naturelles. Le contrôle statistique des processus vous permet de distinguer les uns des autres. L'amélioration des processus consiste uniquement à éliminer ou à minimiser les causes naturelles. C'est possible après avoir éliminé les échecs, sinon les échecs ne permettent pas d'évaluer l'effet de l'amélioration.

En l'absence d'échecs, la répartition de la quantité de production par la valeur de toute caractéristique par rapport à sa valeur requise est une courbe en forme de cloche. La manière dont une telle distribution est construite est décrite en détail au paragraphe 3.4.9. "Histogramme". Les valeurs de cette caractéristique pour 99,73 % des unités de produits ne dépassent pas ±3s (Fig. 3.9 a). Si une défaillance se produit au cours du processus, davantage de produits dépassent la limite de ± 3 s (Fig. 3.9 b). En général, dans un processus avec échec, la distribution n'a pas nécessairement la forme d'une courbe en cloche.

Amélioration continue

Pour améliorer la qualité des produits, il est nécessaire d'améliorer les processus de création. Améliorer un procédé, c'est améliorer ses caractéristiques naturelles. Elle ne peut être réalisée qu'une fois que tous les échecs ont été éliminés. Dans ce cas, l’amélioration elle-même sera contrôlée et il sera possible de créer des listes de contrôle et des cartes de contrôle pour évaluer les effets de l’amélioration. Les résultats de l'amélioration du processus peuvent être présentés graphiquement comme sur la Fig. 3,9 pouces.

Riz. 3.9 Répartition des valeurs de diamètre des cylindres tournés par rapport à la valeur requise

Prévisibilité des processus

Le contrôle statistique des processus rend les processus stables, reproductibles et prévisibles. Lorsqu’un processus est maîtrisé, l’entreprise connaît exactement ses caractéristiques. Cela vous permet d'évaluer avec précision la possibilité d'exécuter une commande particulière et de prendre le minimum d'évaluations des risques possibles (ce qui, par conséquent, réduit le coût du contrat et augmente la compétitivité). Si le processus est incontrôlable, il existe un risque soit de ne pas respecter les termes du contrat, soit de ne pas recevoir de contrat en raison de prix élevé(si on prend le maximum de risques possibles). Dans tous les cas, le manager dépensera beaucoup de nerfs pour obtenir le contrat et en respecter les termes.

Élimination des déchets

Si le processus est sous contrôle statistique, cela permet d'identifier les pannes dès qu'elles surviennent, ce qui réduit la production de produits de mauvaise qualité. On considérait qu'il était moins coûteux d'organiser un contrôle statistique des processus que de corriger les défauts.

Contrôle des produits

Le contrôle statistique des processus permet d'organiser de manière optimale le contrôle des produits finis (afin que les coûts soient minimes avec une fiabilité acceptable). L’inspection des produits nécessite un équipement coûteux et un personnel hautement qualifié (et hautement rémunéré), la réduction des coûts d’inspection est donc significative. De plus, même un contrôle à 100 % des produits finis ne révèle que 80 % des défauts. Si le processus est sous contrôle statistique, le degré de contrôle d'échantillonnage requis peut alors être déterminé et les formes les plus pratiques de feuilles de contrôle et de cartes de contrôle peuvent être développées. Comme déjà mentionné, tout cela est effectué sur la base de statistiques et a été développé en détail par Shewhart.

Pouvoirs de l'opérateur

Les opérateurs effectuant le contrôle statistique du processus et la surveillance du processus doivent être spécialement formés. Ils doivent disposer de pouvoirs appropriés pour influencer le processus. Il n’existe pas de consensus dans le monde sur le niveau d’autorité. Il existe deux options :

· L'opérateur doit s'arrêter lorsqu'un défaut survient processus de production pour identifier la panne.

· L'opérateur n'a pas le droit d'arrêter le processus. Il doit signaler l'échec à ses supérieurs. Si une panne nécessite toujours un arrêt, vous devez alors recommencer le processus le plus rapidement possible, éventuellement en utilisant des mesures temporaires. Les causes de l'échec et la manière de l'éliminer, ainsi que son élimination elle-même, seront effectuées ultérieurement, sans retarder le processus.

La meilleure méthode dépend de nombreuses raisons et ne peut être déterminée que dans chaque cas spécifique. Toutefois, la plupart des entreprises estiment qu’elles devraient immédiatement arrêter le processus et éliminer les échecs. À leur avis, cela est plus rentable économiquement, car aucun produit défectueux n'est produit. De plus, si le processus n'est pas arrêté immédiatement, les symptômes de la panne peuvent disparaître et il ne sera pas possible de la détecter lorsque entretienéquipement et cela peut se manifester à l’avenir, causant davantage de dégâts.