Размещено на http://www.allbest.ru/

1

Министерство образования и науки Российской Федерации

ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ

Кафедра: «Технология индустрии моды и управление качеством»

КОНТРОЛЬНАЯ РАБОТА

По дисциплине: «Статистические методы в управлении качеством»

На тему: «Применение метода медиан при анализе диаграммы рассеивания»

Работу выполнила: Ли Ксения

студент гр. УКз-401

Проверил: Бушева З.Г.

Тольятти 2011

Содержание

Введение

1. Диаграмма рассеивания

2. Метод медиан

Вывод

Литература

Введение

«Статистические методы в управлении качеством» - одна из дисциплин в блоке специальных дисциплин, изучаемых студентами в рамках обучения по специальности 220501.65: Управление качеством.

Статистические методы в управлении качеством являются обязательным элементом современных систем менеджмента качества, внедряемых на российских предприятиях, конкурентоспособность которых во многом зависит от умения персонала предприятия на практике применять эти методы.

Основными задачами изучения дисциплины являются:

- овладение умением оценивать влияние различных производственных факторов на качество выпускаемой продукции и находить пути его повышения;

- усвоение методик проведения статистического приемочного контроля по альтернативному и количественному признакам;

- усвоение методик регулирования технологических процессов, обеспечивающего гарантированный выпуск высококачественной продукции.

Решению этих задач служит, в частности, выполнение студентами заочного факультета контрольной работы по дисциплине статистическим методам в управлении качеством.

Выполнение контрольной работы должно помочь студентам лучше усвоить теоретический материал, продемонстрировать умение применять основные теоретические положения к решению конкретных практических задач управления качеством.

1. Диаграмма рассеивания

рассеивание качество корреляция медиана

Диаграмма рассеивания - это графическое представление пар исследуемых данных в виде множества точек на координатной плоскости.

Диаграмма рассеивания дает возможность выдвинуть гипотезу о наличии или отсутствии корреляционной связи между двумя случайными величинами. При этом изучаются обычно величины, описывающие

* характеристику качества и влияющий на нее фактор;

* две различные характеристики качества;

* два фактора, влияющие на одну характеристику качества.

Диаграмма рассеивания применяется для исследования зависимости между двумя видами данных, например для анализа зависимости суммы выручки от числа обращений к продавцу, сопротивления удару от давления, при котором производилась обработка, и т.д.

Диаграмма рассеивания также как и метод расслоения, используется для выявления причинно-следственных связей показателей качества и влияющих факторов при анализе причинно-следственной диаграммы.

Диаграмма рассеивания строится как график зависимости между двумя параметрами. Если на этом графике провести линию медианы, он позволяет легко определить, имеется ли между этими двумя параметрами корреляционная зависимость. С помощью диаграммы разброса анализируется зависимость между влияющими факторами (причиной) и характеристиками (следствием), между двумя факторами, между двумя характеристиками.

К примерам применения диаграммы рассеивания для анализа зависимости между причинным фактором и характеристикой (следствием) относятся диаграммы для анализа зависимости суммы, на которую заключены контракты, от числа поездок бизнесмена с целью заключения контрактов (планирование эффективных поездок); процента брака от процента невыхода на работу операторов (контроль персонала): числа поданных предложений от числа циклов (от времени) обучения персонала (планирование обучения); расхода сырья на единицу готовой продукции от степени чистоты сырья (стандарты на сырье); выхода реакции от температуры реакции; толщины плакировки от плотности тока; степени деформации от скорости формовки (контроль процессов); размера принятого заказа от числа дней, за которое производится обработка рекламаций (инструкции по ведению торговых операций, инструкции по обработке рекламаций), и т.д.

При наличии корреляционной зависимости причинный фактор оказывает очень большое влияние на характеристику, поэтому, удерживая этот фактор под контролем, можно достичь стабильности характеристики. Можно также определить уровень контроля, необходимый для требуемого показателя качества.

Примерами применения диаграммы разброса для анализа зависимости между двумя причинными факторами могут служить диаграммы для анализа зависимости между содержанием рекламаций и руководством по эксплуатации изделия (движение за отсутствие рекламаций); между циклами закалки отожженной стали и газовым составом атмосферы (контроль процесса); между числом курсов обучения оператора и степенью его мастерства (планирование обучения и подготовки кадров), и т. д.

При наличии корреляционной зависимости между отдельными факторами значительно облегчается контроль процесса с технологической, временной и экономической точек зрения.

Применение диаграммы разброса для анализа зависимости между двумя характеристиками (результатами) можно видеть на таких примерах, как анализ зависимости между объемом производства и себестоимостью изделия; между прочностью на растяжение стальной пластины и ее прочностью на изгиб; между размерами комплектующих деталей и размерами изделий, смонтированных из этих деталей; между прямыми и косвенными затратами, составляющими себестоимость изделия; между толщиной стального листа и устойчивостью к изгибам, и т. д.

При наличии корреляционной зависимости можно осуществлять контроль только одной (любой) из двух характеристик.

Для построения диаграммы разброса с целью определения наличия зависимости между двумя видами данных прежде всего приводят сбор этих данных и представляют их в виде таблицы соответствия тех и других какому-то общему для них условию сбора. Примером может служить табл. 1 для значений влажности волокна до обработки и в процессе обработки.

Таблица 1

Если данные разделить на причинные факторы и характеристики, то, очевидно, к причинным факторам следует отнести х, а к характеристикам - данные у. Если данных мало, четкую зависимость установить трудно, поэтому желательно, чтобы число пар данных было не менее 30. Однако даже в тех случаях, когда число данных оказывается всего лишь порядка 10, часто можно получить какую-то полезную информацию.

Для значений х и у находят по таблице, их максимальные и минимальные значения:

максимальные значения х=9,2, у=8,8;

минимальные значения х=6,0, y=5,7.

На графике (рис. 21) на оси абсцисс откладывают значения х, на оси ординат - значения у. При этом длину осей делают почти равной разности между их максимальными и минимальными значениями и наносят на оси деления шкалы. На вид график приближается к квадрату. Действительно, в рассматриваемом случае разность между максимальным и минимальным значениями равна для х: 9,2-6,0=3,2, для у: 8,8-5,7=3,1, поэтому промежутки между делениями шкалы можно делать одинаковыми.

Далее на график наносятся данные в порядке измерений. Если на одну и ту же точку графика попадает два или три значения, они обозначаются как точка в круге, или в двух кругах, или возле точки проставляется число данных, или рядом с нанесенной точкой сразу перед ней ставятся еще одна, две точки и т. д. (на рис. 21 точки нанесены одна рядом с другой).

После нанесения данных на графике указываются число данных, цель, наименование изделия, название процесса, исполнитель, дата составления графика и т. д.

Желательно также, чтобы при регистрации данных во время измерений приводилась и сопровождающая информация, необходимая для дальнейших исследований и анализа: наименование объекта измерения, характеристики, способ выборки, дата, время измерения, температура, влажность, метод измерения, тип измерительного прибора, имя оператора, проводившего измерения (для данной выборки) и др.

При первом взгляде на диаграмму разброса можно сообразить, имеется ли между двумя параметрами корреляционная зависимость. О корреляционной зависимости между двумя параметрами можно говорить в том случае, когда разброс данных имеет линейную тенденцию. О характере поведения участков диаграммы разброса, на которую не попали точки, отражающие значения данных, ничего определенного сказать нельзя.

Характер корреляционной зависимости, который определяется видом диаграммы разброса, дает представление о том, каким изменениям будет подвержен один из параметров при определенных изменениях другого. Так, при увеличении х на диаграмме рис. 22 у также будет увеличиваться (прямая корреляция). В этом случае при осуществлении контроля за причинным фактором х характеристика у будет оставаться стабильной. На рис. 23 приведен пример легкой прямой корреляции. При увеличении х увеличивается также и у, но разброс у велик по отношению к определенному значению х. С помощью контроля причинного фактора х можно до некоторой степени держать под контролем характеристику у, но необходимо также иметь в виду и другие факторы, оказывающие влияние на у.

На рис. 24 показан пример обратной (отрицательной) корреляции. При увеличении х характеристика у уменьшается. Если причинный фактор х находится под контролем, характеристика у остается стабильной.

Рис. 25 отражает случай легкой обратной корреляции, когда при увеличении х характеристика у уменьшается, но при этом велик разброс значений у, соответствующих фиксированному значению х.

На рис. 26 показан пример отсутствия корреляции, когда никакой выраженной зависимости между х и у не наблюдается. В этом случае необходимо продолжать поиск факторов, коррелирующих с у, исключив из этого поиска фактор х.

Между параметрами х и у возможны также случаи криволинейной корреляции (рис. 27 и 28). Если при этом диаграмму разброса можно разделить на участки, имеющие прямолинейный характер, проводят такое разделение и исследуют каждый участок в отдельности.

Существуют различные методы оценки степени корреляционной зависимости. Одним из них является метод вычисления коэффициента корреляции r по формуле

где х1, у1 - значения параметров х и у для i-го измерения; х, у -средние арифметические значения величин х и у; Sx, Sy - стандартные отклонения величин х и у, п - число измерений в выборке (объем выборки).

Рекомендуемое значение п для выполнения корреляционного анализа п=30. Тогда коэффициент корреляции

Если r=±1, это свидетельствует о наличии корреляционной зависимости, если r =0, корреляционная зависимость отсутствует. Чем ближе коэффициент корреляции к 1, тем теснее зависимость между параметрами.

Более простым методом анализа степени корреляционной зависимости считается метод медиан, удобный при исследовании технологического процесса с использованием данных, полученных на рабочем месте. Рассмотрим действие этого метода на практическом примере, диаграмма разброса для которого приведена на рис. 21.

На диаграмме разброса проводится вертикальная линия медианы и горизонтальная линия медианы (рис. 29). Выше и ниже горизонтальной медианы, справа и слева от вертикальной медианы будет равное число точек. Если число точек окажется нечетным, следует провести линию через центральную точку. В каждом из четырех квадрантов, получивших в результате разделения диаграммы разброса вертикальной и горизонтальной медианами, подсчитывают число точек и обозначают n1, n2, n3, n4, соответственно. Точки, через которые прошла медиана, не учитывают. Отдельно складываются точки в положительных и точки в отрицательных квадрантах:

n(+)=n1+n3=9+9=18;

n(-)=n2+n4=2+2=4;

k=n(+)+n(-)=18+4=22

Так как три точки находятся на медиане, k не равно n=25.

Рис. 29. - Диаграмма разброса для процента влажности: 1 - процент

влажности (в промежуточном процессе); 2 - процент влажности (до

обработки)

2. Метод медиан

Для определения наличия и степени корреляции по методу медианы используется специальная таблица (табл. 2) кодовых значений, соответствующих различным k при двух значениях коэффициента риска (0,01 и 0,05).

Таблица 2

Сравнивая меньшее из чисел n(+) и n(-), с кодовым значением из табл. 12, соответствующим значению k, делают заключение о наличии и характере корреляции. Если меньшее из чисел n(+) и n(-) оказывается равным или меньше табличного кодового значения, то корреляционная зависимость имеет место.

В рассматриваемом примере табличное кодовое значение при коэффициенте риска а=0,01, соответствующее k=22, равно 4. Поскольку n(-)=4, можно утверждать, что в данном случае между двумя параметрами существует корреляционная зависимость с коэффициентом риска 1%.

Поскольку n(+)>n(-), это свидетельствует о прямой корреляции. В случаях, когда n(+)<n(-), можно говорить об обратной корреляции.

В случаях, когда характеристика (результат) у и влияющий на нее фактор (причина) х контролируются с помощью графиков или контрольных карт, заключение о наличии или отсутствии корреляции между ними может быть сделано и без построения диаграммы разброса, а только на основании сравнения соответствующих графиков или контрольных карт.

Вывод

Все большее освоение новой для нашей страны экономической среды воспроизводства, т.е. рыночных отношений, диктует необходимость постоянного улучшения качества с использованием для этого всех возможностей, всех достижений прогресса в области техники и организации производства.

Наиболее полное и всестороннее оценивание качества обеспечивается, когда учтены все свойства анализируемого объекта, проявляющиеся на всех этапах его жизненного цикла: при изготовлении, транспортировке, хранении, применении, ремонте, тех. обслуживании.

Таким образом, производитель должен контролировать качество продукции по результатам выборочного контроля судить о состоянии соответствующего технологического процесса. Благодаря этому он своевременно обнаруживает разладку процесса и корректирует его.

Литература

1. Статистические методы в управлении качеством продукции. / Ефимов В.В., Барт Т.В. - 2006 - 56 с.

2. Статистические методы в управлении качеством. / Строителев В.Н., Яницкий В.Е. - 2007 - 87 с.

3. Статистические методы в управлении предприятием. / Васильков Ю.В., Иняц Н. - 2008 - 53 с.

4. Статистические методы управления качеством продукции. / Логанина В.И., Федосеев А.А., Христолюбов В.Г. - 2008 - 76 с.

5. Японские методы управления качеством. / Исикава К. - М.: Изд-во "Экономика", 1988 - 215 с.

6. "Семь инструментов качества" в Японской экономике. - М.: Изд-во стандартов., 1990. - 89 с.

Размещено на Allbest.ru