Управление качеством изготовления фланца статистическими методами

Размещено на http://www.allbest.ru/

Содержание

Введение

1. Объект исследования

2. Статистический анализ состояния технологического процесса

2.1 Построение диаграммы Парето

2.2 Построение причинно-следственной диаграммы

2.3 Сбор данных и построение контрольного листка

2.4 Построение гистограммы

2.5 Проверка закона распределения на нормальность

2.6 Вычисление Cp, Cpk и оценка доли годной продукции

2.7 Построение контрольных карт

3. Статистическое регулирование технологического процесса

3.1 Корректировка технологического процесса

3.2 Вычисление Cp, Cpk и оценка доли годной продукции

3.3 Построение контрольных карт

Заключение

Список использованной литературы

Введение

Управление качеством продукции в современных условиях следует рассматривать как деятельность предприятий по повышению научно-технического уровня производства высококачественной продукции в ассортименте и объеме, удовлетворяющем потребностям населения. Чтобы выдержать конкуренцию на международном рынке, все изготовители должны в настоящее время уделять одинаково серьезное внимание как борьбе с дефектом, доработке и снижению издержек производства, так и качеству продукции.

Сейчас большинство предприятий авиационной и аэрокосмической промышленности интенсивно внедряют современные статистические методы контроля для обеспечения конкурентоспособности выпускаемой продукции

Основной задачей статистических методов контроля является обеспечение производства пригодной к эксплуатации продукции и оказание полезных услуг с наименьшими затратами. Главная задача - не просто увеличить качество продукции, а увеличить количество такой продукции, которая была бы пригодной к использованию.

Цель данной работы - повышение качества производства фланца с использованием статистических методов управления качеством.

Для решения поставленной задачи используются статистические методы, в частности четыре из семи инструментов контроля качества: диаграмма Парето, гистограмма, причинно-следственная диаграмма, контрольные карты (-R).

1. Объект исследования

В данной работе объектом исследования является фланец. Фланец - это деталь трубопровода, предназначенная для монтажа отдельных его частей, а также для присоединения оборудования к трубопроводу. Фланец применяется при монтаже трубопроводов и оборудования практически во всех отраслях. Разнообразие материалов, из которых изготавливаются фланцы сегодня, позволяет использовать эту продукцию в качестве соединительных деталей трубопровода практически при любых условиях внешней среды (температуре, влажности и т. д.) и в соответствии со средой, проходящей по трубопроводу. Фланцы чрезвычайно важны для трубопровода, так как соединение труб одно из самых слабых мест системы, поэтому оно нуждается в тщательной защите. Если оно подвергается коррозии, то трубопровод потеряет герметичность намного быстрей, чем, если бы это произошло на каком-либо другом участке трубы. Именно поэтому нужно подбирать надежные фланцы: нержавейка для этого лучший материал. Так как нержавейка материал хоть и массовый, но недешевый, то и применение фланцев из него должно быть обоснованным. Конечно, иногда на трубопроводах требуется какой-то запас прочности, но не всегда фланцы из нержавеющей стали так уж необходимы. По большей части иногда можно обойтись фланцами из чугуна или других видов стали, все должно просчитываться еще при проектировании трубопровода. Если его эксплуатация подразумевает среду с повышенной коррозионной опасностью, то стоит позаботиться о применении нержавейки, также они нужны при особых температурных условиях или давлении. Фланцевое соединение обеспечивает герметичность и прочность конструкций, а также простоту изготовления, разборки и сборки. Качество соединений определяется качеством изготовления размеров детали.

2. Статистический анализ состояния технологического процесса

Статистический анализ состояния технологического процесса проводится для оценки его качества соответствия заданным требованиям. При этом целесообразно использовать четыре из семи инструментов контроля качества: диаграмма Парето, гистограмма, причинно-следственная диаграмма, контрольные карты (-R).

2.1 Построение диаграммы Парето для детали

В данной работе объектом исследования является качество изготовления фланец. Соберем необходимые данные по каждому параметру фланца и занесем результаты в таблицу (таблица 1).

Таблица 1 - Данные для построения диаграммы Парето

Коддефекта	Дефект	Число дефектов	Накопленная сумма числа дефектов	Процент числа дефектов по каждому признаку в общей сумме	Накопленный процент
1	Отклонение по размеру O9,0 ±0,03мм	70	70	23,3	23,3
2	Отклонение по размеру O22 мм	60	130	20	43,3
3	Отклонение по линейному размеру 3 мм	50	180	16,7	60
4	Отклонение по линейному размеру 4 мм	40	220	13,3	63,3
5	Отклонение по размеру O5 мм	30	250	10	73,3
6	Отклонение по размеру O 6 мм	20	270	6,7	80
7	Отклонение по линейному размеру 8 мм	10	280	3,3	83,3
8	Отклонение по линейному размеру 2 мм	5	285	1,7	95
Прочие	14, 22, 24	15	300	5	100
	Итого	300	--	100	--

Начертим одну горизонтальную и две вертикальные оси. На левой вертикальной оси будем откладывать число дефектов, на правой вертикальной оси - долю дефектов в процентах. Горизонтальную ось разделим на семь интервалов, каждый из которых будет соответствовать определенной группе дефектов. Построим столбчатый график, где каждой группе дефектов будет соответствовать прямоугольник. После этого начертим кумулятивную кривую. Полученный график называется диаграммой Парето (см. приложение 1).

2.2 Построение причинно-следственной диаграммы

Качество изделий обеспечивается в процессе их изготовления и является результатом действия системы факторов и причин, составляющих процесс. Чтобы выявить отношение между исследуемым показателем качества (диаметр вала - O 9 мм) и воздействующими на его факторами, необходимо построить причинно-следственную диаграмму (диаграмму Исикавы). С помощью этой диаграммы можно решать широкий спектр конструкторских, технологических, экономических, социальных и других проблем.

Проанализировав данные диаграммы Исикавы, мы установили, что основным фактором, влияющим на исследуемый показатель качества, является оборудование и необходимым мероприятием по улучшению технологического процесса будет его замена или капитальный ремонт.

2.3 Сбор данных и построение контрольного листка

Контрольный листок это инструмент для сбора первичной информации, фиксации и автоматического их упорядочения для облегчения использования собранной информации.

Для проведения статистического анализа состояния технологического процесса осуществим измерение размера фланца O 9±0,03 мм. Объем выборки примем равным ста (N=100). Для сбора первичной информации воспользуемся контрольным листком (таблица 2).

Требования по чертежу к размеру: 9±0,03 мм.

Таблица 2 - Контрольный листок

Интервалы

Замеры

Частоты

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

9,01-9,03

Х

Х

2

9,03-9,05

Х

Х

Х

Х

Х

Х

6

9,05-9,07

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

18

9,07-9,09

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

25

9,09-9,11

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

25

9,11-9,13

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

Х

18

9,13-9,15

Х

Х

Х

Х

Х

Х

6

Итого:

100

2.4 Построение гистограммы

Основу любого исследования (анализа) составляют данные, полученные в результате контроля и измерения одного или нескольких параметров изделий (информация о качестве). Во всех без исключения отраслях промышленности требуется проведение анализа точности и стабильности технологического процесса, осуществление наблюдений за качеством продукции и отслеживание различных показателей производства. Путем измерения параметров получают ряд данных, представляющий собой неупорядоченную последовательность значений параметра, на основе которых невозможно сделать конкретные выводы. Поэтому для осмысления информации о качестве (статистических данных) часто строят гистограмму распределения /1/.

Для предоставления данных, сгруппированных по частоте попадания в заданный интервал, графическим образом воспользуемся гистограммой.

В качестве наименьшего значения данных примем S=9,01, а в качестве наибольшего - L=9,15. Разделим интервал между L и S на 7 участков. Определим ширину столбца h:

,(1)

где L - наибольшее значение данных;

S - наименьшее значение данных;

k - число участков гистограммы.

С помощью данных, собранных в контрольном листке, строим гистограмму, в которой НГД - нижняя граница поля допуска, ВГД - верхняя граница поля допуска (см. приложение 2).

Подсчитаем арифметическое среднее , которое является несмещенной и состоятельной оценкой математического ожидания случайной величины X, вычисленное по N независимым наблюдениям над этой случайной величиной:

(2)

где f - частота,

- результат i-го наблюдения,

N - объем выборки.

Посчитаем среднее квадратичное отклонение S, которое является состоятельной и несмещенной оценкой генеральной дисперсии:

,(3)

Выводы:

Распределение носит нормальный характер;

Математическое ожидание смещено относительно центра границ поля допуска;

3) Разброс выходит за границы поля допуска.

2.5 Проверка закона распределения на нормальность

Принадлежность наблюдаемых данных нормальному закону распределения является необходимой предпосылкой для корректного применения большинства методов математической статистики, используемых в задачах обработки измерений, стандартизации контроля качества.

Математическая статистика дает несколько показателей, по которым можно судить, о согласованности эмпирического выборочного распределения с гипотетически нормальным.

Таблица 3 - Проверка нормальности эмпирического выборочного распределения

№	Середина интервала	Эмпирические частоты			z(t)
1	9,02	2	-0,08	1,904	0,2661	0,127	12,7
2	9,04	6	-0,06	1,429	0,1435	0,068	6,8
3	9,06	18	-0,04	0,952	0,2541	0,121	12,1
4	9,08	25	-0,02	0,476	0,3555	0,169	16,9
5	9,1	25	0	0	0,3989	0,1899	18,99
6	9,12	18	0,476	0,476	0,3555	0,169	16,9
7	9,14	6	0,952	0,952	0,2541	0,121	12,1

N=7

n=100;m=7;p=2;

r = m - p - 1 = 4

ч2 =

A=

Так как А=2,1, то следует сделать вывод о том, что выборка подчиняется нормальному закону распределения случайной величины.

2.6 Вычисление Cp, Cpk и оценка доли годной продукции

Для количественной оценки того, сколько из предлагаемых годных данных вошло в поле допуска, используют так называемый коэффициент воспроизводимости :

, (4)

где - верхняя граница поля допуска;

- нижняя граница поля допуска;

- среднее квадратичное отклонение.

В случае, когда среднее значение параметра нельзя легко отрегулировать техническими средствами, степень отклонения можно оценить по коэффициенту работоспособности :

где - верхняя граница поля допуска;

- нижняя граница поля допуска.

(5)

Показатели , меньше единицы, значит можно сделать вывод, что технологический процесс неконтролируемый, имеет явно очень низкую потенциальную точность, возможный уровень несоответствий составляет около 50%, применение статистического регулирования не дает ощутимого эффекта. Необходимо повысить точность технологического процесса путем замены или ремонта оборудования, провести сплошной контроль продукции, чтобы предотвратить выпуск бракованных изделий.

Оценка доли годной продукции, а так же долей продукции с заниженными и завышенными значениями показателя качества проходит в 7 этапов:

Значения границ допусков TH, TB, а так же , S позволяют сделать оценки доли продукции с показателями качества в допуске, выше допуска и ниже допуска.

В нашем случае ТН = 9,07; ТВ = 9,13; = 9,08; S = 0,042.

Исходные значения TH, TB,, S должны быть выражены в величине одной общей шкалы.

Вычисление величины:

;

.

По таблице к приложениям находим F(zH), F(zВ).

F(zН) = F(0,24) = 0,40517;

F(zВ) = F(1,19) = 0,88298.

Доля продукции с заниженным значением показателя определяют по следующей формуле:

qH = F(zН) • 100% = 0,40517 •100% = 40,5%

Доля годной продукции с показателем качества в допуске:

P = F(zB) - F(zH) = 0,88298 - 0,40517 = 0,47781.

Доля продукции с завышенными значениями показателя качества:

QB = (1-F(zB)) • 100% = (1- 0,88298) • 100% = 4,78%

Показатели , меньше единицы, значит можно сделать вывод, что технологический процесс неконтролируемый, имеет явно очень низкую потенциальную точность, возможный уровень несоответствий составляет около 50%, применение статистического регулирования не дает ощутимого эффекта. Необходимо повысить точность технологического процесса путем замены или ремонта оборудования, провести сплошной контроль продукции, чтобы предотвратить выпуск бракованных изделий.

2.7 Построение контрольных карт

Погрешности производства вызывают неизбежное рассеивание и (или) устранимое рассеивание (разброс) показателей качества. Неизбежное рассеивание обусловлено изменениями качества сырья и материалов, а также изменениями в условиях производства - температуры, влажности воздуха, режимов резания и т.д. Устранимое рассеивание вызвано систематическими погрешностями производства: использование нестандартного сырья и материалов, нарушение технологического режима, недоработка технологической документации, неожиданная разладка оборудования, средств измерений и т.д. Для отражения изменений показателей качества во времени используют метод контрольных карт, который позволяет не только отслеживать состояние процесса во времени, но и воздействовать на процесс до того, как он выйдет из под контроля /1/.

Воспользуемся контрольной картой средних () и размахов (R). В таблице 6 приведены результаты измерений. Каждые 25 минут делалось 5 измерений, всего взято 20 выборок. Средние и размахи подгрупп также приведены в таблице 4.

Таблица 4 - Производственные данные для диаметра отверстий фланца

Наим. изделия	Фланец	Указание об изгот.	-	Срок	с 01.08.11 по 20.08.11
Показатель кач-ва	Диаметр	Произв. част.	-
Ед. измерения	мм	Дневная норма	100шт	№ станка	Станок №3
Контрол границы	верхн.	9,13	Контр. образец	Кол-во	5	Оператор	-
	нижн.	9,07		Период	Смена	Контр.	-
Дата	№ группы	Измерительные значения	Сумма У X	Ср. знач. Xср.	Диапазон R	Прим.
		X1	X2	Х3	Х4	Х5
01.08	1	9,14	9,09	9,05	9,07	9,03	45,38	9,076	0,11
02.08	2	9,12	9,05	9,02	9,08	9,09	45,36	9,072	0,1
03.08	3	9,1	9,08	9,03	9,11	9,1	45,42	9,084	0,08
04.08	4	9,14	9,07	9,05	9,1	9,06	45,42	9,084	0,09
05.08	5	9,04	9,06	9,05	9,07	9,06	45,28	9,056	0,03
06.08	6	9,07	9,07	9,1	9,08	9,08	45,4	9,08	0,03
07.08	7	9,09	9,06	9,08	9,14	9,11	45,48	9,096	0,08
08.08	8	9,08	9,09	9,12	9,08	9,12	45,49	9,098	0,04
09.08	9	9,12	9,08	9,11	9,1	9,11	45,52	9,104	0,04
10.08	10	9.12	9,06	9,09	9,09	9,1	45,46	9,092	0,06
11.08	11	9,15	9,06	9,09	9,09	9,11	45,5	9,1	0,07
12.08	12	9,05	9,04	9,09	9,08	9,08	45,34	9,068	0,05
13.08	13	9,03	9,04	9,11	9,12	9,11	45,41	9,082	0,09
14.08	14	9,05	9,07	9,11	9,13	9,08	45,44	9,088	0,08
15.08	15	9,1	9,09	9,06	9,06	9,12	45,42	9,084	0,07
16.08	16	9,1	9,09	9,11	9,09	9,09	45,48	9,096	0,02
17.08	17	9,01	9,09	9,1	9,08	9,1	45,38	9,076	0,02
18.08	18	9,05	9,07	9,08	9,12	9,11	45,43	9,086	0,07
19.08	19	9,05	9,07	9,07	9,08	9,05	45,32	9,064	0,03
20.08	20	9,06	9,08	9,07	9,09	9,13	45,43	9,086	0,07

Рассчитаем среднее средних значений подгрупп и среднее значение размаха для всех подгрупп по следующим формулам:

(6)

(7)

где k - число групп.

Определяем контрольные границы для R-карты по формулам (8) и (9).

(8)

(9)

где ВКГ - верхняя контрольная граница,

НКГ - нижняя контрольная граница.

Для объема подгруппы равного 5 берем следующие значения множителей: D3=0, D4=2,115 /3/.

Поскольку значения R в таблице 4 находятся внутри контрольных границ, то R-карта указывает на статистически управляемое состояние. Значение теперь может использоваться для вычисления контрольных границ -карты.

Определяем контрольные границы для -карты по формулам (10) и (11).

Для объема подгруппы равного 5 берем /3/.

и R-карты представлены на рисунке (см. приложение 3).

Контрольные карты показывают, что технологический процесс в точке 5 нестабилен и находится в состоянии статистической неуправляемости (изменчивость вызвана не только случайными погрешностями, но и систематическими).

3. Статистическое регулирование технологического процесса

3.1 Корректировка технологического процесса

Исследуемый технологический процесс имеет недостаточную настройку, но даже при точной настройке на центр поля допуска минимальный уровень несоответствий будет около 50%. Для снижения уровня несоответствий рекомендуется провести именно замену оборудовании.

После замены оборудования был проведен сбор новых данных. Объем выборки по-прежнему составил 100 единиц продукции. Результаты выборки занесем в контрольный листок (таблица 5).

статистический метод качество изготовление фланец

Таблица 5 - Контрольный листок

Значение

Замеры

Частота

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

…

56

9,075-9,085

+

+

+

+

+

+

+

…

7

9,085-9,095

+

+

+

+

+

+

+

+

+

+

+

+

+

+

+

…

15

9,095-9,105

+

+

+

+

+

+

+

+

+

+

+

+

+

+

+

…

+

56

9,105-9,115

+

+

+

+

+

+

+

+

+

+

+

+

+

+

+

…

15

9,115-9,125

+

+

+

+

+

+

+

…

7

Для предоставления данных, сгруппированных по частоте попадания в заданный интервал, графическим образом воспользуемся гистограммой.

В качестве наименьшего значения данных примем S = 9,07, а в качестве наибольшего - L = 9,13.

С помощью данных, собранных в контрольном листке, строим гистограмму (см. приложение 4).

По формулам (2) и (3) подсчитаем арифметическое среднее и среднее квадратичное отклонение S соответственно:

Выводы:

Распределение носит нормальный характер,

Математическое ожидание находится в центре границ поля допуска,

Разброс не выходит за границы поля допуска.

3.2 Вычисление Cp, Cpk и оценка доли годной продукции

Рассчитаем по формуле (4) индекс воспроизводимости процесса, оценивающий возможности удовлетворять технический допуск без учета положения среднего значения

Рассчитаем по формуле (5) индекс воспроизводимости процесса, оценивающий возможности удовлетворять технический допуск с учетом фактичес-кого положения среднего значения

Оценка доли годной продукции, а так же долей продукции с заниженными и завышенными значениями показателя качества проходит в 7 этапов:

Значения границ допусков TH, TB, а так же , S позволяют сделать оценки доли продукции с показателями качества в допуске, выше допуска и ниже допуска.

В нашем случае ТН = 9,07; ТВ = 9,13; = 9,1; S = 0,00933.

Исходные значения TH, TB,, S должны быть выражены в величине одной общей шкалы.

Вычисление величины

По таблице к приложениям находим F(zH), F(zВ). Значения функций F(z) для отрицательных значений рассчитывается по формуле F(-z) = 1- F(z)

F(zВ) = 0,99936;

F(zН) = 0,00064

Доля продукции с заниженным значением показателя определяют по следующей формуле:

qH = F(zН) • 100% = 0,64%

Доля годной продукции с показателем качества в допуске

P = F(zB) - F(zH) = 0,99936-0,00064=0,99872

Доля продукции с завышенными значениями показателя качества

QB = (1 - F(zB)) • 100%=(1 - 0,99936) • 100% = 0,64%

Вычисленные значения показателей воспроизводимости свидетельствуют о том, что после замены оборудования точность процесса заметно возросла и возможный уровень несоответствий составляет единицы изделий на миллион единиц продукции.

3.3 Построение контрольных карт

Воспользуемся контрольной картой средних () и размахов (R). В таблице 5 приведены результаты измерений наружного диаметра корпуса. Каждые 25 минут делалось 5 измерений, всего взято 20 выборок. Средние и размахи подгрупп также приведены в таблице 6.

Таблица 6 - Производственные данные для диаметра отверстий фланца

Наим. изделия	Фланец	Указание об изгот.	-	Срок	с 01.08.11 по 20.08.11
Показатель кач-ва	Диаметр	Произв. част.	-
Ед. измерения	мм	Дневная норма	100шт	№ станка	Станок №3
Контрол границы	верхн.	6,55	Контр. образец	Кол-во	5	Оператор	-
	нижн.	6,45		Период	Смена	Контр.	-
Дата	№ группы	Измерительные значения	Сумма У X	Ср. знач. Xср.	Диапазон R	Прим.
		X1	X2	Х3	Х4	Х5
01.08	1	9,075	9,105	9,095	9,087	9,1	45,462	9,0924	0,03
02.08	2	9,085	9,11	9,098	9,105	9,097	45,495	9,099	0,025
03.08	3	9,095	9,086	9,1	9,098	9,086	45,465	9,93	0,014
04.08	4	9,103	9,125	9,109	9,102	9,115	45,554	9,1108	0,023
05.08	5	9,096	9,096	9,087	9,114	9,1	45,493	9,0986	0,027
06.08	6	9,1	9,076	9,1	9,102	9,104	45,482	9,0964	0,028
07.08	7	9,112	9,113	9,088	9,077	9,104	45,494	9,0988	0,025
08.08	8	9,085	9,099	9,097	9,119	9,104	45,504	9,1008	0,034
09.08	9	9,096	9,096	9,097	9,092	9,1	45,481	9,0962	0,008
10.08	10	9,101	9,099	9,096	9,105	9,101	45,502	9,1004	0,006
11.08	11	9,078	9,102	9,09	9,099	9,124	45,493	9,0986	0,046
12.08	12	9,111	9,11	9,099	9,1	9,085	45,505	9,101	0,026
13.08	13	9,098	9,085	9,108	9,1	9,098	45,489	9,0978	0,023
14.08	14	9,109	9,117	9,079	9,096	9,093	45,494	9,0988	0,024
15.08	15	9,103	9,095	9,1	9,104	9,106	45,508	9,1016	0,011
16.08	16	9,1	9,108	9,107	9,118	9,097	45,53	9,106	0,021
17.08	17	9,095	9,1	9,105	9,084	9,1	45,484	9,0968	0,021
18.08	18	9,115	9,098	9,094	9,097	9,1	45,504	9,1008	0,017
19.08	19	9,098	9,116	9,105	9,11	9,089	45,518	9,1036	0,027
20.08	20	9,1	9,101	9,107	9,106	9,105	45,519	9,1038	0,007

Рассчитаем среднее средних значений подгрупп и среднее значение размаха для всех подгрупп по формулам (6) и (7):

Определяем контрольные границы для R-карты по формулам (8) и (9).

Для объема подгруппы равного 5 берем следующие значения множителей: D3=0, D4=2,115 /3/.

Поскольку значения R в таблице 6 находятся внутри контрольных границ, то R-карта указывает на статистически управляемое состояние. Значение теперь может использоваться для вычисления контрольных границ -карты.

Определяем контрольные границы для -карты по формулам (10) и (11).

Для объема подгруппы равного 5 берем

 /3/.

и R-карты представлены на рисунке (см. приложение 5).

Контрольные карты показывают, что технологический процесс стабилен и находится в состоянии статистической управляемости (изменчивость вызвана только случайными причинами).

Заключение

До корректировки технологического процесса индекс воспроизводимости Cp был равен 0,238. После корректировки индекс воспроизводимости повысился до 1,072.

Индекс работоспособности Cpk в результате корректировки технологического процесса вырос с 0,079 до 1,072.

После корректировки технологического процесса дефектность производства снизилась с 50% до 0,097%.

После корректировки технологического процесса в производстве остались только случайные погрешности (систематические удалость устранить). Процесс находится под статистическим контролем.

За счет своевременного внедрения статистических методов управления качеством в производство фланца была увеличена экономическая эффективность технологического процесса. Издержки на исправление уже выпущенных бракованных изделий значительно снизились.

Список использованной литературы

ГОСТ Р 50779.11 - 2000. Статистические методы. Статистическое управление качеством. Термины и определения [Текст] - М.: Изд-во стандартов, 2001.-25 с.

Журнал «Методы менеджмента качества».

Журнал «Стандарты и качество».

СТП СГАУ 6.1.4. - 97. Общие требования к текстовым документам [Текст] // Методические указания. - Самара: СГАУ, 1997. - 18 с.

Чекмарев А.Н. Статистические методы управления качеством [Текст] / Чекмарев А.Н., Барвинок В.А., Шалавин В.В. - М.: Машиностроение, 1999. - 320 с.

Чекмарев А.Н. Статистические методы управления качеством [Текст]/Чекмарев А.Н., Клочков Ю.С.//Методические указания/ Самарский гос. аэрокосм. ун-т. - Самара: ПЛА и УКМ, 2005. - 22 с.

Размещено на Allbest.ru