Методы расслаивания

Одним из наиболее простых и эффективных статистических методов, широко используемых в системе управления качеством, является метод расслаивания. Он является первым из семи инструментов управления качеством.

Расслаиванием называется группирование статистических данных по какому-либо признаку и последующую обработку полученных групп каждой в отдельности.

Существуют различные методы расслаивания. На производстве они могут делиться по исполнителю, участку, цеху, по способу и времени проведения тех операций и т. д. Каждый из названных признаков влияет на качество по-разному. Следовательно, есть предмет исследования.

Метод «4 М»

В производственных процессах наиболее широко используется простейший «метод 4М», дающий очень хорошие результаты и учитывающий факторы, зависящие от человека (man), машины (machine), материала и качества заготовок(material) и метода обработки (method).

Метод «4М»

man machine material method

Расслаивание осуществляется примерно так:

- расслаивание по исполнителям - по квалификации, полу, стажу работы, возрасту и т. д.;

- по машинам и оборудованию - новое или старое, по маркам, конструкции, выпускающей фирме и т. д.;

- по материалам - по марке, месту производства, партии, качеству сырья и т. д.;

- по способу производства - по виду ТП, способу выполнения технологических операций, по применяемым оснастке и инструменту, месту производства и т. д.

В результате расслаивания обязательно должны выполниться два условия:

- различия между значениями случайных величин внутри слоя должны быть как можно меньше по сравнению с размахом их в не расслоенной исходной совокупности;

- различия между слоями (между средними значениями и дисперсиями случайных величин слоев) должны быть как можно больше.

Например, два станка-автомата растачивают гильзы цилиндров для двигателя внутреннего сгорания. Разброс диаметров в выборках по 50 шт. отображает таблица1:

Таблица 1

Интервал	Середина интервала Xi	Частота
Станок А	Станок В	Сумма частот	Накопи-тельная частота
84,85…84,90	84,87
84,90…84,95	84,92
84,95…85,00	84,97
85,00…85,05	85,02
85,05…85,10	85,07
85,10…85,15	85,12
85,15…85,20	85,17
Всего

Построим гистограмму для выборок (см. рис. 1).

Рис.1 Гистограмма выборок для двух станков

По этой гистограмме видны различия в работе станков.

Идеальный случай, когда гистограммы не перекрываются (рис.2), но так бывает редко.

Рис.2 Идеальный вид гистограммы

Рассчитаем средние арифметические и дисперсии:

При этом общее среднее и дисперсия составляют:

По расчетам видно, что благодаря расслоению дисперсия внутри слоев резко уменьшилась.

Зная номинальный размер, например мм, можно охарактеризовать работу станков: станок А настроен хорошо (=85.0), но дисперсия велика, что свидетельствует либо об изношенности станка, либо о плохом качестве заготовок; второй станок дает меньший разброс выходных параметров, но мм, что свидетельствует о его расстройке (например скол или изогнутость резца и т. п. Ошибка постоянная!)

К сожалению, такой подход к расслаиванию не всегда приводит к выявлению причин брака. В случае если выходные значения подчиняются нормальному закону распределения, такую информацию можно получить путем расслаивания дисперсии с помощью дисперсионного анализа.

Дата добавления: 2014-01-11