IX Международная студенческая научная конференция Студенческий научный форум - 2017

Важным источником подъема производительности изготовления считается систематическое увеличение технического значения и свойства выпускаемой продукции. Для технических систем свойственна строгая активная интеграция всех составляющих, в следствии этого в них нет второстепенных составляющих, которые имеют все шансы быть некачественно спроектированы и приготовлены. Следовательно, современный уровень НТП значительно поднял уровень требований к технологическому уровню и качеству изделий. Системный расклад разрешает беспристрастно избирать масштабы и направленности управления качеством, формы, облики продукции и способы изготовления, обеспечивающие больший эффект усилий и средств, потраченных на увеличение свойства продукции. Системный подход дает возможность к повышению качества выпускаемой продукции, так же позволяет повысить научную основу для промышленных предприятий, планирующих органов и объединений.

Статистические методы в основном подразделяют по степени сложности на три категории:

Первый критерий, передовой (с возможным применением ЭВМ) статистический метод включает:

- Передовой метод расчета эксперимента;

- Многофакторный анализ;

- Различные методы исследования операций.

Данному способу учится ограниченное численность инженеров и техников, потому что он используется при проведении довольно трудных анализов процесса и свойства.

Второй критерий, промежуточные статистические методы входит:

- Теория выборочного исследования;

- Статистический выборочный контроль;

- Различные методы проведения статистических оценок и определения критериев;

- Метод применения сенсорных проверок

- Метод расчета экспериментов.

Этот метод предназначен для специалистов и инженеров в классификации управления качества.

Третий критерий, простейший статистический метод включает в себя 7 «принципов»:

-Карта Парето;

-Причинно-следственный анализ;

-Группировка данных по общему признаку;

-Контрольный лист;

-Гистограмма.

Эти основы обязаны использоваться всеми без исключения – от руководителя компании до незатейливого рабочего. Так как они предназначены не только для производственного отдела, но также для отдела маркетинга, планирования.

Объект исследования методы контроля качества.

Предмет исследования применимость различных статистических методов контроля.

Целью работы является закрепление знаний и навыков применения статистических методов.

Для этого решены следующие задачи:

Выбраны статистические методы контроля;

Проанализированы процесс производства окон ПВХ;

Произведена практическая работа по выявлению и установлению дефектов в производственном процессе.

1. Нормативные ссылки

В настоящих методических указаниях использованы ссылки на следующие нормативные документы

ГОСТ 2.301-68 Единая система конструкторской документации. Форматы

ГОСТ Р ИСО 5725-1-2002 Точность (правильность и прецизионность) методов и результатов измерений. Часть 1. Основные положения и определения

ГОСТ Р ИСО 5725-2-2002 Точность (правильность и прецизионность) методов и результатов измерений. Часть 2. Основной метод определения повторяемости и воспроизводимости стандартного метода измерений

ГОСТ Р ИСО 5725-3-2002 Точность (правильность и прецизионность) методов и результатов измерений. Часть 3. Промежуточные показатели прецизионности стандартного метода измерений

ГОСТ Р ИСО 5725-4-2002 Точность (правильность и прецизионность) методов и результатов измерений. Часть 4. Основные методы определения правильности стандартного метода измерений

ГОСТ Р ИСО 5725-5-2002 Точность (правильность и прецизионность) методов и результатов измерений. Часть 5. Альтернативные методы определения прецизионности стандартного метода измерений

ГОСТ Р ИСО 5725-6-2002 Точность (правильность и прецизионность) методов и результатов измерений. Часть 6. Использование значений точности на практике

ГОСТ ISO 9000 – 2011 Системы менеджмента качества. Основные положения и словарь.

ГОСТ ISO 9001 – 2011 Системы менеджмента качества. Требования

ГОСТ 8.417-2002 ГСИ. Единицы величин

ГОСТ 2.114-95 Единая система конструкторской документации. Технические условия

Федеральный закон от 27.12.2002 № 184-ФЗ «О техническом регулировании»

2. История создания статистических методов качества

Первое упоминание статистических методов контроля в виде выборки несет за собой многовековую историю. Несколько веков назад покупатели хлопка и зерна пользовались разными методами собственного опыта, чтобы проверить качество товара. Так как не было никаких научных расчетов для проверки, можно предположить, что только за счет опыта брали пробы .

До тех времен пока в себе совмещал ремесленник задачи и контролера, и производителя (до середины 19 века), не возникали проблемы с оценкой свойства сделанной продукции. Изменение произошло все после разделение труда. Первые трудящийся фабричных мануфактур ,которые способные исполнять операции процесса, не имели возможность контролировать качество собственного труда . Из этого выходило, что они не могли отвечать за качество продукции .В появлении нового поста контролера привело к надобности установление определенных функций контроля. Со временем происходили изменения требований к оценке свойств продукции. Влечение к производству качественной продукции повлекло за собой ряд проблем на промышленных предприятиях контрольного аппарата.

В первой четверти 20-го века стали применять статистические методы контроля качества. Благодаря внедрению новой методики контроля качества значительно уменьшило нагрузку операций контроля. За счет облегчения работы контролеров сокращали. Первое упоминание о применении методов статистического контроля качества, было установлено В.Шухартом в 1924 года, при применении контрольных карт, для определения брака продукции.

Большое новшество ввели в систему обеспечения свойства контроля в середине 20-го века, это были южноамериканские ученые Е.Фишер, Д.Нойман, Э.Пирсон. Они разработали несколько теорий, но известность принесла им теория проверки статистических гипотиз. Возможно обозначить, что сейчас без познания доктрины промахов первого и второго рода невозможно рациональная оценка избранного способа статистического контроля.

2.1.Статистические методы контроля

Статистические методы контроля применяют в основном в отраслях промышленных для анализа процесса и качества продукции. Анализом качества считается тест, при помощи которого с поддержкой данных и статистических способов ориентируется между замененными и точными высококачественными характеристиками. Анализ процесса представляет из себя анализ, который позволяет уточнить связь между результатами и причинными факторами, такие как стоимость, производительность, качество и так далее. Контроль процесса должны устранять причинные факторы, которые влияют на бесперебойное функционирование производственного процесса. Результатом процесса контроля являются производительность, качество и стоимость.

Главная задача статистических методов считается обеспечением изготовления применимой к потребителю продукции и предложение нужных услуг с наиболее меньшими затратами.

Но самая важная задача для статистических методов контроля качества является не просто повысить качество продукции, а увеличить объем продукции, которой будет пригодной к эксплуатации.

В настоящее время все больше приобретают надобность и востребованность в промышленных отраслях. Статистические методы контроля качества чаще всего применяются в следующих отраслях : в области коммуникабельных услуг, в машиностроении и легкой промышленности .

Статистические методы контроля качества продукции выделяют важные итоги по следующим показателям :

-Легкий переход с одного вида продукции на другую

-Повышение взаимосвязи между потребителем и производством

-Уменьшение количества дефекта

-Уменьшение расходов на проведение контроля

-Улучшения качества закупаемого сырья

-Снижение затрат сырья и рабочей силы

-Улучшение качества новой продукции

Существуют два основных понятий в контроле качества – это распределение параметров контролирующих и их измерения.

К первому понятию относится распределение значение контролирующих параметров . Оно основано на том ,что не может быть двух совершенно одинаковых по параметрам у одних и тех же деталей .По частоте измерения становится все больше точными, после измерение параметров в итоге проявляются расхождения небольшие.

Ко второму понятию относится измерение, которое необязательно измерять такие параметры, как масса предмета, бумага, прочность материала, чтобы судить о качестве продукции.

Изменчивость «поведения» контролируемого параметра случается в двух обликов. Первый случай – это когда смысла его оформляют совокупность случайных величин, возникающих в обычных условиях; Второй случай – это когда совокупность его случайных величин появляется в критериях, замечательных от обычных под воздействием конкретных оснований.

Работники, которые осуществляют управление процессом, где формируют контролируемый параметр. Он должен устанавливать по значениям : при каких условиях они получены, и в случае если они получены в условиях ,не соответствующих нормативным ,то важно узнать причины не соответствия нормативных условий процесса.

Вслед за тем применяется управляющее действие по устранению этих причин.

2.1.1Контрольные карты.

Контрольные карты предназначены для оценивания «неконтролируемости» или «контролируемости» процесса. Получить оценку можно при:

- Осуществлении проверки отдельных качественных характеристик изделия, к примеру, прочно ли упакован пакет, правильно ли закрыта крышкой бутылка;

- Осуществлении проверки замеров важнейших параметров изделия, к примеру, веса сахара в упаковке, диаметра отверстия, длины стального прута;

В первом случае используются контрольные карты качественного признака, а во втором – контрольные карты количественного признака. Так как каждый из указанных видов контрольных карт имеет свою область применения, подробно рассмотрим их по отдельности.

Контрольные карты по качественному признаку.

Оценка свойства продукции через мерно количественных характеристик, к примеру, длины изделия, не всякий раз целесообразна. В кое-каких случаях присутствие или же недоступность у изделия недостатков находится в зависимости от конкретных высококачественных симптомов. К примеру, глиняная фабрика изготавливает китайскую керамику. По завершении процесса обжига любое изделие подвергается проверке. Контролер выявляет изделия с недостатками лакового покрытия: трещинками, отколотыми кусачками и т.д. В случае если кое-какое изделие содержит, но раз из данных симптомов, оно относится к браку. Во всякой партии продукции в обязательном порядке отыщется некоторое количество дефектных изделий. Естественно, промахи всякий раз имеют пространство, но их возникновение надлежит быть редчайшим и носит случайный нрав. Вопрос, который обязан задать для себя изготовитель: соответствует ли толика дефектных изделий что доле, которая случается при обычных критериях, или же есть некие проблемы.

По качественным признакам различают следующие контрольные карты:

- карта доли дефектной продукции (p-карта)

- карта числа дефектных единиц продукции (pn-карта)

- карта числа дефектов (c-карта)

- карта числа дефектов на единицу продукции (u-карта)

Карта доли дефектной продукции.

Используется для контроля и регулировки технологического процесса по доле бракованных изделий в выборке. Точки на контрольной карте устанавливают по значениям доли дефектной продукции в подборках:

, (1)

где n_i – объём i-й выборки, x – количество бракованных изделий в выборке. Выборка берётся за смену, сутки или более.

Среднюю линию рассчитывается по уравнению

, (2)

где k – число выборок. Чаще всего k = 20...30.

Карта числа бракованных единиц продукции.

Применяется для контроля и регулировки технологического процесса по числу бракованных изделий в выборке. Пользуют подборки неизменного объёма. Объём подборки выбирают так, чтобы в ней было в ведущем от 1 до 5 бракованных изделий. Точки наносят на карту по численности бракованных изделий в выборке pin. Среднюю линию высчитывают , как значение :

(3)

Контрольные границы находят по уравнению :

, (4)

где .

Если К_н3 (20)

Величины и σ (S(X)) вычисляются без учета Xi. Применим данный критерий для проверки экстремальных значений Xmin = 1, 20 мм и Xmаx = 1,26 мм.

1. Проверим значение Xmin = 1, 20 мм.

Вычислим значения и σ (S(X)) без учета Xmin = 1, 20 мм.

= 1,233 мм

S(X) = 0,015мм

По условию получаем

> 0,045

Но получаем, что:

0,033 < 0,045

Условие для Xmin = 1, 20 мм не выполняется, следовательно, Xmin = 1, 20 мм не является промахом (грубой ошибкой).

2. Проверим значение Xmax = 1, 26 мм.

Вычислим значения и σ (S(X)) без учета Xmax = 1, 26 мм

= 1,228 мм

S(X) = 0,014 мм

По условию получаем:

> 0,042

Но получаем, что:

0,032 < 0,042

Условие для Xmax = 1, 26 мм не выполняется, следовательно, Xmin = 1, 20 мм не является промахом (грубой ошибкой).

3.2.3 Проверка значений на соответствие нормальному закону распределения по критерию согласия Пирсона (χ2)

Проверка значений на соответствие нормальному закону распределения по критерию согласия Пирсона (χ2)

Проведем проверку последовательно:

1. Число интервалов L определяется из формулы

, (21)

где n – число значений контролируемого параметра .По формуле (2.4.2.1) получаем, что число интервалов L   7.

Эти интервалы следующие:

1 интервал - (1,19; 1, 20);

2 интервал - (1,20; 1, 21);

3 интервал - (1,21; 1,22);

4 интервал - (1,22; 1,23);

5 интервал - (1,23; 1,24);

6 интервал - (1,24; 1,25);

7 интервал - (1,25; 1,26).

Для каждого интервала вычисляем середину хi0 и подсчитывают число наблюдений, попавшее в каждый интервал оi:

x10 = 1,20; о1 = 2;

x20 = 1,21; о2 = 6;

x30 = 1,22; о3 = 9;

x40 = 1,23; о4 = 14;

x50 = 1,24; о5 = 8;

x60 = 1,25; о6 = 6;

x70 = 1,26; о7 = 5.

2. 2. По формуле нормированные середины интервалов Zi. Сначала определим S(X) и

= 1,232

S(X) = 0,016

По формуле определим значения Zi:

₍₂₂₎

Аналогично:

Z2 = -1,343

Z3 = -0,721

Z4 = -0,099

Z5 = 0,522

Z6 = 1,144

Z7 = 1,766

Затем по формуле для каждого значения Zi находят значение функции плотности вероятности f(Zi):

0,058 (23)

Аналогично:

f(Z2) = 0,162

f(Z3) = 0,308

f(Z4) = 0,397

f(Z5) = 0,348

f(Z6) = 0,207

f(Z7) = 0,084

Затем вычисляем число наблюдений ei, которое теоретически должно было попасть в каждый интервал в случае нормального закона распределения.

Длина i - го интервала, принятая при построении гистограммы (h) определяется из уравнения

, (24)

где L – число интервалов; h = ((1,26 – 1,20)/7) = 0,01

(25)

Аналогично:

e2 = 5,033

e3 = 9,562

e4 = 12,343

e5 = 10,822

e6 = 6,446

e7 = 2,608

В следствии того ,что для 1 и 7 интервалов вычисленное значение ei оказывается меньше 5 (e1 = 1,799 и e7 = 2,608), то эти интервалы в обеих гистограммах (гистограмма экспериментальных данных и гистограмма с таким же числом интервалов, построенной на основе нормального закона распределения) объединяют с соседним, то есть 1 интервал объединяем со 2 интервалом, 7 интервал с 6. Конечное число интервалов L после объединения получается равным 5 ,и эти интервалы в обеих гистограммах соответственно равны:

e1 = 6,832 (1,799 + 5,033), о1 = 8;

e2 = 9,562, о2 = 9;

e3 = 12,343, о3 =14;

e4 = 10,822, о4 = 8;

e5 = 9,054 (6,446+2,608), о5 = 11.

За тем определяем число степеней свободных κ:

Κ=5-3=2

За тем вычисляем показатель разности частот χ² =0,199+0,033+0,223+0,735+0,415=1,606 (26)

Выбираем уровень значимости критерия q. Уровень значимости должен быть достаточно малым, чтобы была вероятность отклонить правильную гипотезу. С другой стороны, слишком малое значение q увеличивает вероятность принять ложную гипотезу. Поэтому примем уровень значимости q = 0,05. Уровень значимости 1 – q будет соответственно равен 0,95.

Распределения для χ2, учитывая числом степеней свободы k = 2, найдем значения χ2 для двух уровней значимости (0,05; 0,95):

= 0,103

= 5,991

Гипотеза о нормальности распределения результатов наблюдения принимается при выполнении условия

₍₂₇₎

Проверим полученное значение

χ2 : , (28)

в соответствии с формулой ( 27)

0,103 ≤ 1,606 ≤ 5,991

В нашем случае условие формула (27) , выполняется. Гипотеза о нормальности распределения результатов наблюдения принимается, следовательно, закон распределения полученных экспериментальных данных можно считать нормальным при уровне значимости q = 0,05.

3.2.4 Оценка результатов анализа процесса изготовления окон ПВХ

В результате анализа процесса изготовления окон ПВХ можно сделать следующие главные выводы:

Из всех возможных факторов, влияющих на процесс изготовления, с помощью диаграммы Парето был выделен один главный, который связан с Торцефрезерный станок Yilmaz km-212, его влияние оценивается в 33%;

По данному фактору было получено 50 экспериментальных данных. С помощью критерия 3 σ было доказано, что грубых погрешностей среди них нет и с помощью критерия Пирсона – что закон распределения полученных данных можно считать нормальным при уровне значимости q = 0,05;

Из анализа X и R контрольных карт, видно, что выбросов и больших отклонений нет, и процесс управляем, налажен и идет без сбоев;

Поправка на нецентрированность k = 0,067;

Заключение

Результат выпаленной курсового проекта, были выполнены поставленные цели и задачи:

Цель работы является закрепление знаний и навыков применения статистических методов.

Для этого решены следующие задачи:

- Выбраны статистические методы контроля;

- Проанализированы процесс производства окон ПВХ;

- Произведена практическая работа по выявлению и установлению дефектов в производственном процессе.

Был проведен полный анализ процесса производства окон ПВХ. После проведенного анализа руководство фирмы «Окно в Европу» приняло решение заменить Торцефрезерный станок Yilmaz km-212.

В результате проведенных мер, случаи брака значительно уменьшились.

Список используемой литературы

1. Исикава К. Японские методы управления качеством: Сокр. пер. с англ. М.: Экономика, 2004;

2. Ноулер Л. и др. Статистические методы контроля качества продукции. Пер. с англ. – 2-е русск. Изд. М.: Издательство стандартов, 2003;

3. Окрепилов В.В. Швец В.Е. Рубцов Ю.Н. Служба управления качеством продукции. Л.: Лениздат,2006,

4. Электронный учебник по промышленной статистике. Москва, StatSoft, Inc.,2001. http://www.statsoft.ru/home/portal/textbook_ind . (последнее посещение 24.05.2015)

5. Ефимов В.В. Статистические методы в управлении качеством продукции: учеб. пособие. – Ульяновск, УлГТУ, 2003. – 138с.

6. Просто о сложном. Введение в статистический контроль качества производственного процесса. Серия «Все о качестве. Зарубежный опыт». Выпуск 11, 2000.–М.: НТК «Трек», 2000.-21 с.

7. Клячкин В.Н. Многомерный статистический контроль технологического процесса. – М.: Финансы и статистика, 2003. – 192с.

8. Двадненко М.В., Двадненко И.В., Двадненко В.И. Роль информационных систем в управлении качеством. // Современные наукоемкие технологии. 2014. №4. С. 139.

9. Двадненко М.В., Хрисониди В.А., Двадненко И.В. Система менеджмента качества на предприятиях РФ. // Международный журнал экспериментального образования. 2015. №4-2. С.367-368.

10. Шабалина С.Г., Артеменко Е.С. Оценка действующей системы менеджмента качества предприятия// Управление качеством. 2008. №7. С.27-30.

23

Код для цитирования: Скопировать