Predmet statističke znanosti

Uloga i značaj statistike kao znanosti

Statistika je grana ljudske djelatnosti usmjerena na prikupljanje, obradu i analizu podataka nacionalnog ekonomskog računovodstva. Sama statistika je jedna od vrsta računovodstva (računovodstveno i operativno-tehničko).

Statistika se kao znanost prvi put pojavila u Kini u 5. stoljeću prije Krista, kada se javila potreba za prebrojavanjem državne zemlje, riznica, stanovništva itd. Povezano s rođenjem države. Statistika je svoj daljnji razvoj dobila tijekom formiranja kapitalizma: tvornice, tvornice, poljoprivreda, vanjska trgovina itd. Statistika je doživjela duboke promjene kako u godinama socijalizma tako iu današnje vrijeme. Osnove za razvoj tehnika i metoda čl. stvoreni su preduvjeti za razvoj javnog i privatnog sektora.

Pojam je u znanost uveo Nijemac. znanstvenik Gottfried Achenwal, koji je 1746. godine počeo predavati novu disciplinu na Sveučilištu u Marbuku, a potom i na Sveučilištu u Göttengenu, koju je nazvao "statistika".

· Masovne društvene mreže pojave

· Pokazatelji komercijalnog učinka

Predmet statistike je proučavanje društvenih pojava, dinamike i pravaca njihova razvoja. Pomoću statističkih pokazatelja ova znanost utvrđuje kvantitativnu stranu društvene pojave, uočava obrasce prijelaza kvantitete u kvalitetu na primjeru određene društvene pojave te na temelju tih opažanja analizira podatke dobivene u određenim uvjetima mjesta i vremena. . Statistika proučava društveno-ekonomske pojave i procese koji su rašireni u prirodi te proučava mnoge čimbenike koji ih određuju.

STATISTIČKE METODE - znanstvene metode za opisivanje i proučavanje masovnih pojava koje omogućuju kvantitativno (numeričko) izražavanje

Statističke metode uključuju i eksperimentalne i teorijske principe. Statistika dolazi prvenstveno iz iskustva;

Statističke metode analize podataka koriste se u gotovo svim područjima ljudske djelatnosti. Koriste se kad god je potrebno dobiti i opravdati bilo kakav sud o grupi (objektima ili subjektima) s nekom unutarnjom heterogenošću.

Preporučljivo je razlikovati tri vrste znanstvenih i primijenjenih aktivnosti u području statističkih metoda analize podataka (prema stupnju specifičnosti metoda povezanih s poniranjem u konkretne probleme):

a) razvoj i istraživanje metoda opće namjene, bez uzimanja u obzir specifičnosti područja primjene;

b) razvoj i istraživanje statističkih modela stvarnih pojava i procesa u skladu s potrebama pojedinog područja djelatnosti;

c) primjena statističkih metoda i modela za statističku analizu specifičnih podataka.

Skup različitih metoda čini statističku metodologiju.

Metoda ekonomsko-statičke faze istraživanja

statističko sumiranje i obrada

Oni su dovoljno detaljno opisani u domaćoj literaturi. Međutim, u praksi ruskih poduzeća koriste se samo neki od njih. Pogledajmo dalje neke metode statističke obrade.

Opće informacije

U praksi domaćih poduzeća oni su pretežno rašireni metode statističke kontrole. Ako govorimo o regulaciji tehnološkog procesa, to se promatra izuzetno rijetko. Primjena statističkih metoda predviđa da poduzeće formira grupu stručnjaka koji imaju odgovarajuće kvalifikacije.

Značenje

Prema zahtjevima ISO ser. 9000, dobavljač mora utvrditi potrebu za statističkim metodama koje se koriste u razvoju, regulaciji i testiranju mogućnosti proizvodnog procesa i performansi proizvoda. Tehnike koje se koriste temelje se na teoriji vjerojatnosti i matematičkim izračunima. Statističke metode analize podataka može se implementirati u bilo kojoj fazi životnog ciklusa proizvoda. Oni omogućuju procjenu i obračun stupnja heterogenosti proizvoda ili varijabilnosti njegovih svojstava u odnosu na utvrđene nazive ili tražene vrijednosti, kao i varijabilnost u procesu njegovog stvaranja. Statističke metode su tehnike pomoću kojih se sa zadanom točnošću i pouzdanošću može prosuditi stanje fenomena koji se proučava. Omogućuju vam predviđanje određenih problema i razvoj optimalnih rješenja na temelju proučenih činjeničnih informacija, trendova i obrazaca.

Upute za korištenje

Glavna područja u kojima su rasprostranjeni statističke metode su:

Praksa razvijenih zemalja

Statističke metode su baza koja osigurava stvaranje proizvoda s visokim potrošačkim karakteristikama. Ove tehnike se široko koriste u industrijaliziranim zemljama. Statističke metode su, u biti, jamstva da potrošači dobivaju proizvode koji zadovoljavaju utvrđene zahtjeve. Učinak njihove uporabe dokazan je praksom industrijskih poduzeća u Japanu. Upravo su oni pridonijeli postizanju najviše razine proizvodnje u ovoj zemlji. Dugogodišnje iskustvo u stranim zemljama pokazuje koliko su te tehnike učinkovite. Konkretno, poznato je da je tvrtka Hewlelt Packard, koristeći statističke metode, u jednom slučaju uspjela smanjiti broj kvarova mjesečno s 9000 na 45 jedinica.

Poteškoće u provedbi

U domaćoj praksi postoje brojne prepreke koje sprječavaju korištenje statističke metode proučavanja indikatori. Poteškoće nastaju zbog:

Razvoj programa

Mora se reći da je utvrđivanje potrebe za određenim statističkim metodama u području kvalitete, izbor i ovladavanje određenim tehnikama prilično složen i dugotrajan posao za svako domaće poduzeće. Za njegovu učinkovitu provedbu preporučljivo je razviti poseban dugoročni program. Njime treba predvidjeti formiranje službe čiji će zadaci biti organizacija i metodološko vođenje primjene statističkih metoda. U sklopu programa potrebno je predvidjeti opremanje odgovarajućim tehničkim sredstvima, osposobljavanje stručnjaka, te odrediti sastav proizvodnih zadataka koji se moraju rješavati odabranom tehnikom. Preporuča se započeti svladavanje pomoću najjednostavnijih pristupa. Na primjer, možete koristiti dobro poznatu elementarnu proizvodnju. Nakon toga, preporučljivo je prijeći na druge tehnike. Na primjer, to može biti analiza varijance, selektivna obrada informacija, regulacija procesa, planiranje faktorskih istraživanja i eksperimenata itd.

Klasifikacija

Statističke metode ekonomske analize uključuju različite tehnike. Vrijedno je reći da ih ima dosta. Međutim, vodeći stručnjak u području upravljanja kvalitetom u Japanu, K. Ishikawa, preporučuje korištenje sedam glavnih metoda:

1. Pareto karte.
2. Grupiranje informacija prema zajedničkim karakteristikama.
3. Kontrolne kartice.
4. Dijagrami uzroka i posljedica.
5. Histogrami.
6. Kontrolne liste.
7. Raspršeni dijagrami.

Na temelju vlastitog menadžerskog iskustva, Ishikawa tvrdi da se 95% svih pitanja i problema u poduzeću može riješiti pomoću ovih sedam pristupa.

Pareto dijagram

Ovaj se temelji na određenom omjeru. Nazvano je "Paretovo načelo". Prema njemu, 80% posljedica proizlazi iz 20% uzroka. prikazuje u jasnom i razumljivom obliku relativni utjecaj svake okolnosti na cjelokupni problem u silaznom redoslijedu. Ovaj utjecaj može se proučavati prema broju gubitaka i nedostataka uzrokovanih svakim uzrokom. Relativni utjecaj ilustriran je pomoću stupaca, akumulirani utjecaj čimbenika pomoću kumulativne ravne linije.

Dijagram uzroka i posljedica

Na njemu je problem koji se proučava konvencionalno prikazan u obliku horizontalne ravne strelice, a uvjeti i čimbenici koji na njega neizravno ili izravno utječu su u obliku nagnutih. Pri gradnji treba voditi računa i o naizgled beznačajnim okolnostima. To je zbog činjenice da su u praksi vrlo česti slučajevi u kojima se rješenje problema postiže eliminacijom više, naizgled nevažnih, čimbenika. Razlozi koji utječu na glavne okolnosti (prvog i sljedećih reda) prikazani su na dijagramu horizontalnim kratkim strelicama. Detaljan dijagram bit će u obliku ribljeg kostura.

Grupiranje informacija

Ovaj ekonomsko-statistička metoda koristi se za organiziranje raznih pokazatelja koji su dobiveni procjenom i mjerenjem jednog ili više parametara nekog objekta. Obično se takve informacije prikazuju u obliku neuređenog niza vrijednosti. To mogu biti linearne dimenzije izratka, temperatura taljenja, tvrdoća materijala, broj grešaka i tako dalje. Na temelju takvog sustava teško je donositi zaključke o svojstvima proizvoda ili procesima njegova nastanka. Redoslijed se provodi pomoću linijskih grafikona. Oni jasno pokazuju promjene promatranih parametara u određenom razdoblju.

Spisak

U pravilu se prikazuje u obliku tablice raspodjele učestalosti pojavljivanja izmjerenih vrijednosti parametara objekta u odgovarajućim intervalima. Kontrolne liste sastavljaju se ovisno o svrsi studije. Raspon vrijednosti indikatora podijeljen je u jednake intervale. Njihov se broj obično bira jednak kvadratnom korijenu broja obavljenih mjerenja. Obrazac treba biti jednostavan kako bi se izbjegli problemi prilikom ispunjavanja, čitanja ili provjere.

Grafikon

Predstavljen je u obliku stepenastog poligona. Jasno ilustrira distribuciju mjernih pokazatelja. Raspon utvrđenih vrijednosti podijeljen je na jednake intervale koji su iscrtani duž osi apscise. Za svaki interval konstruiran je pravokutnik. Njegova visina jednaka je učestalosti pojavljivanja veličine u određenom intervalu.

Raspršeni dijagrami

Koriste se za testiranje hipoteze o odnosu između dviju varijabli. Model je konstruiran na sljedeći način. Na apscisnoj osi nanosi se vrijednost jednog parametra, a na ordinatnoj osi vrijednost drugog parametra. Kao rezultat toga, na grafikonu se pojavljuje točka. Ovi se koraci ponavljaju za sve vrijednosti varijabli. Ako odnos postoji, korelacijsko polje je izduženo, a smjer se neće poklapati sa smjerom y-osi. Ako nema ograničenja, bit će paralelan s jednom od osi ili će imati oblik kruga.

Kontrolne kartice

Koriste se pri ocjenjivanju procesa u određenom razdoblju. Formiranje kontrolnih karata temelji se na sljedećim odredbama:

1. Svi procesi odstupaju od zadanih parametara tijekom vremena.
2. Nestabilan tijek pojava ne mijenja se slučajno. Odstupanja koja prelaze očekivane granice nisu slučajna.
3. Moguće je predvidjeti pojedinačne promjene.
4. Stabilan proces može nasumično odstupati unutar očekivanih granica.

Upotreba u praksi ruskih poduzeća

Treba reći da domaća i strana iskustva pokazuju da je najučinkovitija statistička metoda za ocjenu stabilnosti i točnosti opreme i tehnoloških procesa izrada kontrolnih karata. Ova metoda se također koristi za regulaciju proizvodnih potencijala. Prilikom izrade karata potrebno je pravilno odabrati parametar koji se proučava. Preporuča se dati prednost onim pokazateljima koji su izravno povezani s namjenom proizvoda, mogu se lako mjeriti i na koje se može utjecati kontrolom procesa. Ako je takav izbor težak ili neopravdan, možete procijeniti količine korelirane (međusobno povezane) s kontroliranim parametrom.

Nijanse

Ako je mjerenje pokazatelja s točnošću potrebnom za sastavljanje karata na temelju kvantitativnih kriterija ekonomski ili tehnički nemoguće, koristi se alternativni pokazatelj. Uz njega su povezani pojmovi kao što su "defekt" i "defekt". Potonje se podrazumijeva kao svaka pojedinačna nesukladnost proizvoda s utvrđenim zahtjevima. Nedostaci su proizvodi koje nije dopušteno davati potrošačima zbog prisutnosti nedostataka u njima.

Osobitosti

Svaka vrsta kartice ima svoje specifičnosti. To se mora uzeti u obzir pri odabiru za određeni slučaj. Karte koje se temelje na kvantitativnom kriteriju smatraju se osjetljivijima na promjene procesa od onih koje koriste alternativnu karakteristiku. Međutim, prvi su radno intenzivniji. Koriste se za:

1. Otklanjanje pogrešaka procesa.
2. Procjena mogućnosti implementacije tehnologije.
3. Provjera točnosti rada opreme.
4. Definicije tolerancije.
5. Usporedba nekoliko prihvatljivih načina za stvaranje proizvoda.

Dodatno

Ako je poremećaj procesa karakteriziran pomakom u kontroliranom parametru, potrebno je koristiti X-kartice. Ako postoji povećanje disperzije vrijednosti, potrebno je odabrati R ili S-model. Međutim, potrebno je uzeti u obzir niz značajki. Konkretno, korištenje S-mapa omogućit će točnije i brže utvrđivanje poremećaja procesa nego istodobno R-modeli.Međutim, konstrukcija potonjih ne zahtijeva složene izračune.

Zaključak

U ekonomiji je moguće proučavati čimbenike koji se otkriju tijekom kvalitativne procjene, u prostoru i dinamici. Uz njihovu pomoć možete izvršiti prediktivne izračune. Statističke metode ekonomske analize ne uključuju metode za procjenu uzročno-posljedičnih veza ekonomskih procesa i događaja, utvrđivanje perspektivnih i neiskorištenih rezervi za povećanje uspješnosti poslovanja. Drugim riječima, razmatrani pristupi ne uključuju faktorske tehnike.

TEMA 2. STATISTIČKO PROMATRANJE STANOVNIŠTVA

2.1. Značaj statističkih metoda u proučavanju stanovništva

2.2. Popisi su glavni izvor podataka o stanovništvu

2.3. Ostali izvori informacija o stanovništvu

2.4. Praktična uporaba znanja o stanovništvu u makroekonomiji i potrošačkom tržištu.

Populacija je skup ljudi. Veličina populacije određena je veličinom populacije. Odredivši ovaj broj, dobivamo prvu ideju o zemlji.

Daljnje proučavanje populacije znači proučavanje njezine strukture. Opisivanje stanovništva prikupljanjem obilježja svake jedinice populacije obilježje je statističkog promatranja stanovništva.

Od metoda statističkog promatranja stanovništva najviše se koriste popisi stanovništva, tekuće evidentiranje vitalnog kretanja stanovništva i njegovih migracija, uzorkovanje i anamnestička istraživanja, korištenje popisa i knjigovodstvene građe, uvođenje registara i automatiziranih podataka. banke na stanovništvo.

Podaci iz ovih izvora koriste se u različite svrhe i ne mogu zamijeniti jedni druge. Istodobno, među njima postoji bliska povezanost: svaki izvor nadopunjuje ili nastavlja drugi, pa je važno da se pri izradi programa promatranja osigura međusobna povezanost relevantnih pokazatelja.

Teorijski pogledi na zakonitosti kretanja stanovništva razvijali su se do kraja 19. stoljeća. Bilo u okviru ekonomskih teorija (politička ekonomija), bilo u okviru sociologije, međutim, proučavanje obrazaca demografskih procesa uvijek se odvijalo u glavnom toku statistike, što je davalo i još uvijek ponekad daje razloga da se demografija smatra identičnom stanovništvu. statistiku i uskratiti joj pravo na samostalan opstanak kao znanosti. Povijesno gledano, stanovništvo je bilo prvi predmet statističkog računovodstva, a demografske pojave područje u kojem se statistika razvila kao znanost o metodama za kvantitativno proučavanje masovnih pojava.

Kako je istaknuo M.V. Ptukha, broj stanovnika i gustoća naseljenosti dali su općenito točnu predodžbu o bogatstvu i moći zemlje i stupnju razvoja njezinih proizvodnih snaga.

Demografske pojave su masovne pojave. Stanovništvo je, kao što proizlazi iz same definicije ovog pojma, skup ljudi. Demografski procesi sastoje se od mnogih pojedinačnih slučajeva rođenja, vjenčanja, promjene prebivališta i smrti. No, ono što ih čini masovnima u statističkom smislu nije mnoštvo pojedinačnih slučajeva od kojih su sastavljene, već činjenica da u tim pojavama postoji kombinacija nužnog i slučajnog, postoji kombinacija uzroka koji tvore varijacija karakteristika.

Posebni razlozi ne dopuštaju da se u svakom pojedinačnom slučaju utvrdi opći obrazac demografskog procesa, da se shvati potreba koja je u njemu svojstvena. Očituje se samo u masi slučajeva kada se utjecaj pojedinih, slučajnih uzroka međusobno poništava. “Prije svega”, napisao je A. Quetelet, “moramo ostaviti po strani čovjeka, uzetog pojedinačno, i smatrati ga samo dijelom ljudske rase. Apstrahirajući od njegove individualnosti, isključujemo sve slučajno; pojedinačne karakteristike koje imaju vrlo malo ili čak nimalo utjecaja na mase izgladit će se same od sebe i omogućiti izvlačenje općih zaključaka.” 2

Zakonitost masovne demografske pojave očituje se u kvantitativnom obliku u obliku empirijskih statističkih obrazaca. Potonji predstavljaju konkretnu manifestaciju općih zakona razvoja stanovništva. Utvrđivanje uzročno-posljedičnih veza, općih zakonitosti razvoja stanovništva je teorijska demografska analiza, a otkrivanje i proučavanje empirijskih statističkih obrazaca masovnih demografskih pojava zahtijeva korištenje statističkih metoda.

To su polazne premise i temeljni temelji za korištenje statističkih metoda u demografskim istraživanjima. Specifičnost demografskih procesa predodređuje i specifične statističke metode, značajke njihove uporabe i njihov spoznajni značaj.

Specifičnost populacije kao objekta statističkog proučavanja je sljedeća:

U svojoj svestranosti – mnogostrukosti svojstava ljudi čine brojne međusobno povezane strukture stanovništva. Budući da su svojstva ljudi međusobno povezana, struktura stanovništva prema jednom od tih obilježja odražava njegovu strukturu prema drugim obilježjima. Međutim, ovi znakovi
može imati više značenja (spol, dob, zanimanje itd.), što stanovništvo čini izrazito heterogenim stanovništvom;

2 Quetelet. A. Socijalna fizika ili iskustvo o razvoju ljudskih sposobnosti. - T.1. - Kijev. – 1911. –S. 6.

U svojoj varijabilnosti. Stanovništvo je skup koji se kontinuirano obnavlja u procesu svoje reprodukcije. U zatvorenoj populaciji to je samoobnavljanje, u otvorenoj populaciji povezano je s priljevom izvana, migracijom;

U odnosu strukture i reprodukcije stanovništva. Stanovništvo se obnavlja, zadržavajući određenu strukturu, u velikoj mjeri uvjetovanu prirodom reprodukcije. Promjene u demografskim procesima mijenjaju strukturu stanovništva, a time i promjene u njoj
struktura stanovništva odražava se na intenzitet demografskih procesa;

Činjenica je da se demografija bavi ne samo karakteristikama agregata ljudi i agregata demografskih događaja, već i tako specifičnim agregatima kao što su generacije, u odnosu na čije živote se razmatraju pojedini agregati demografskih događaja;

Populaciju karakteriziraju uglavnom kvalitativne karakteristike koje neki ljudi posjeduju, a drugi ne. Kvantitativna svojstva imaju relativno malu distribuciju, tj. uglavnom diskretne značajke.

Skup statističkih metoda u demografiji pokriva znanstvene tehnike za prikupljanje, obradu, sažimanje i analizu podataka o stanovništvu koje se koriste za određivanje obrazaca reprodukcije stanovništva u masovnim demografskim podacima.

U kompleksu statističkih metoda od najveće važnosti su metode prikupljanja podataka o stanovništvu.

Važna značajka promatranja demografskih pojava je da se demografski događaji (ženidba, rođenje djeteta, promjena mjesta stanovanja) moraju tempirati, s jedne strane, u određeno vrijeme, kada djeluju određene vanjske okolnosti, utjecaj koje treba proučavati, a s druge strane, na određena razdoblja u životu ljudi ili na razdoblja u životu jedne generacije.

Intenzitet demografskih procesa varira u različitim demografskim stanjima. Stoga organizacija i program demografskog promatranja ovisi o tome je li potrebno dobiti karakteristike za suvremenike ili vršnjake (za hipotetsku ili stvarnu generaciju). Stanovništvo se sve više promatra kao skup ne samo pojedinaca, već i obitelji i kućanstava. Izdvajanje obitelji ili kućanstva kao objekta promatranja zahtijeva njihovo jasno definiranje, što nije lak zadatak.

Podaci o stanovništvu dobivaju se anketiranjem ljudi i zato je važna psihološka strana. U anketi sudjeluju dva sudionika: ispitanik i matičar. Možete odabrati kvalificirane matičare, jasno formulirati pitanja u obliku pogodnom za usmeno ispitivanje, osigurati strogu proceduru ispitivanja i osigurati kontrolu njezine usklađenosti. Međutim, kod ispitanika je situacija kompliciranija. Potrebno je uzeti u obzir društvene stavove, odnos ispitanika prema predmetu istraživanja, te stupanj ozbiljnosti problema koji su postavljeni istraživanjem. Socijalni i psihološki čimbenici posebno su važni pri proučavanju mišljenja, posebice pri proučavanju motiva demografskog ponašanja, što danas postaje punopravni oblik demografskog istraživanja.

Statističke metode

Statističke metode- metode statističke analize podataka. Postoje metode primijenjene statistike, koje se mogu koristiti u svim područjima znanstvenog istraživanja i svim sektorima nacionalnog gospodarstva, i druge statističke metode, čija je primjenjivost ograničena na jedno ili drugo područje. To se odnosi na metode kao što su statistička kontrola prihvatljivosti, statistička kontrola tehnoloških procesa, pouzdanost i ispitivanje te planiranje eksperimenata.

Klasifikacija statističkih metoda

Statističke metode analize podataka koriste se u gotovo svim područjima ljudske djelatnosti. Koriste se kad god je potrebno dobiti i opravdati bilo kakav sud o grupi (objektima ili subjektima) s nekom unutarnjom heterogenošću.

Preporučljivo je razlikovati tri vrste znanstvenih i primijenjenih aktivnosti u području statističkih metoda analize podataka (prema stupnju specifičnosti metoda povezanih s poniranjem u konkretne probleme):

a) razvoj i istraživanje metoda opće namjene, bez uzimanja u obzir specifičnosti područja primjene;

b) razvoj i istraživanje statističkih modela stvarnih pojava i procesa u skladu s potrebama pojedinog područja djelatnosti;

c) primjena statističkih metoda i modela za statističku analizu specifičnih podataka.

Primijenjena statistika

Opis vrste podataka i mehanizma za njihovo generiranje početak je svake statističke studije. Za opisivanje podataka koriste se i determinističke i probabilističke metode. Determinističkim metodama moguće je analizirati samo one podatke koji su istraživaču dostupni. Na primjer, uz njihovu pomoć dobivene su tablice koje su izračunala službena tijela državne statistike na temelju statističkih izvješća koja su podnijela poduzeća i organizacije. Dobiveni rezultati mogu se prenijeti na širu populaciju i koristiti za predviđanje i kontrolu samo na temelju probabilističko-statističkog modeliranja. Stoga se u matematičku statistiku često uključuju samo metode koje se temelje na teoriji vjerojatnosti.

Ne smatramo mogućim suprotstaviti determinističke i probabilističko-statističke metode. Smatramo ih sekvencijalnim koracima statističke analize. U prvoj fazi potrebno je analizirati dostupne podatke i prikazati ih u čitljivom obliku pomoću tablica i grafikona. Tada je uputno statističke podatke analizirati na temelju određenih probabilističkih i statističkih modela. Napominjemo da se mogućnost dubljeg uvida u bit stvarne pojave ili procesa osigurava izradom odgovarajućeg matematičkog modela.

U najjednostavnijoj situaciji, statistički podaci su vrijednosti neke karakteristične karakteristike predmeta koji se proučavaju. Vrijednosti mogu biti kvantitativne ili dati indikaciju kategorije u koju se objekt može klasificirati. U drugom slučaju govore o kvalitativnom znaku.

Mjerenjem po više kvantitativnih ili kvalitativnih obilježja dobivamo vektor kao statistički podatak o objektu. Može se smatrati novom vrstom podataka. U ovom slučaju uzorak se sastoji od skupa vektora. Postoje dio koordinata - brojevi, a dio - kvalitativni (kategorizirani) podaci, tada govorimo o vektoru različitih vrsta podataka.

Jedan element uzorka, odnosno jedna dimenzija, može biti funkcija u cjelini. Na primjer, opisivanje dinamike indikatora, odnosno njegove promjene tijekom vremena, je elektrokardiogram pacijenta ili amplituda otkucaja osovine motora. Ili vremenski niz koji opisuje dinamiku učinka određene tvrtke. Zatim se uzorak sastoji od skupa funkcija.

Elementi uzorka mogu biti i drugi matematički objekti. Na primjer, binarni odnosi. Stoga se pri anketiranju stručnjaka često koristi redoslijed (rangiranje) predmeta ispitivanja - uzoraka proizvoda, investicijskih projekata, opcija za upravljačke odluke. Ovisno o pravilima vještačenja, elementi uzorkovanja mogu biti različite vrste binarnih relacija (poređaj, particioniranje, tolerancija), skupovi, neizraziti skupovi itd.

Dakle, matematička priroda elemenata uzorka u različitim problemima primijenjene statistike može biti vrlo različita. Međutim, mogu se razlikovati dvije klase statističkih podataka - numerički i nenumerički. Sukladno tome, primijenjena statistika se dijeli na dva dijela - numeričku statistiku i nenumeričku statistiku.

Numerička statistika su brojevi, vektori, funkcije. Mogu se zbrajati i množiti koeficijentima. Stoga su u numeričkoj statistici veliki značaj razni zbrojevi. Matematički aparat za analizu zbroja slučajnih elemenata uzorka su (klasični) zakoni velikih brojeva i središnji granični teoremi.

Nenumerički statistički podaci su kategorizirani podaci, vektori različitih vrsta obilježja, binarne relacije, skupovi, neizraziti skupovi itd. Ne mogu se zbrajati i množiti koeficijentima. Stoga nema smisla govoriti o zbrojevima nenumeričke statistike. Oni su elementi nenumeričkih matematičkih prostora (skupova). Matematički aparat za analizu nenumeričkih statističkih podataka temelji se na korištenju udaljenosti između elemenata (kao i mjera blizine, indikatora razlike) u takvim prostorima. Uz pomoć udaljenosti određuju se empirijski i teorijski prosjeci, dokazuju se zakoni velikih brojeva, konstruiraju neparametarske procjene gustoće distribucije vjerojatnosti, rješavaju dijagnostički problemi i klaster analiza itd. (vidi).

Primijenjena istraživanja koriste različite vrste statističkih podataka. To je posebno zbog načina njihovog dobivanja. Na primjer, ako se testiranje nekih tehničkih uređaja nastavi do određenog trenutka, tada dobivamo tzv. cenzurirani podaci koji se sastoje od skupa brojeva - trajanje rada određenog broja uređaja prije kvara, te informacije da su preostali uređaji nastavili s radom na kraju testa. Cenzurirani podaci često se koriste u procjeni i praćenju pouzdanosti tehničkih uređaja.

Obično se statističke metode za analizu podataka prve tri vrste razmatraju zasebno. Ovo ograničenje je uzrokovano gore navedenom činjenicom da je matematički aparat za analizu podataka nenumeričke prirode značajno drugačiji nego za podatke u obliku brojeva, vektora i funkcija.

Probabilističko-statističko modeliranje

Primjenom statističkih metoda u pojedinim područjima znanja i sektorima nacionalnog gospodarstva dobivamo znanstvene i praktične discipline kao što su „statističke metode u industriji“, „statističke metode u medicini“ itd. S tog stajališta ekonometrija je „statistička metode u ekonomiji”. Ove discipline skupine b) obično se temelje na vjerojatnosno-statističkim modelima izgrađenim u skladu s karakteristikama područja primjene. Vrlo je poučno usporediti vjerojatnosno-statističke modele koji se koriste u različitim područjima, otkriti njihove sličnosti, a istovremeno uočiti neke razlike. Tako se može uočiti sličnost postavljanja problema i statističkih metoda koje se koriste za njihovo rješavanje u područjima kao što su znanstvena medicinska istraživanja, specifična sociološka istraživanja i marketinška istraživanja, ili, ukratko, u medicini, sociologiji i marketingu. One se često grupiraju zajedno pod nazivom "uzorak studija".

Razlika između oglednih studija i ekspertnih studija očituje se prije svega u broju ispitanih objekata ili subjekata - kod oglednih studija obično je riječ o stotinama, a kod ekspertnih studija o desecima. Ali tehnologija ekspertnog istraživanja mnogo je sofisticiranija. Specifičnost je još izraženija u demografskim ili logističkim modelima, pri obradi narativnih (tekst, kronika) informacija ili pri proučavanju međusobnog utjecaja čimbenika.

Pitanja pouzdanosti i sigurnosti tehničkih uređaja i tehnologija, teorije čekanja detaljno su obrađena u velikom broju znanstvenih radova.

Statistička obrada specifičnih podataka

Primjena statističkih metoda i modela za statističku analizu specifičnih podataka usko je povezana s problematikom relevantnog područja. Rezultati treće od identificiranih vrsta znanstvenih i primijenjenih aktivnosti su na razmeđi disciplina. Mogu se smatrati primjerima praktične primjene statističkih metoda. Ali nema ništa manje razloga da ih pripišemo odgovarajućem području ljudske djelatnosti.

Primjerice, rezultati ankete konzumenata instant kave prirodno se pripisuju marketingu (što rade kada drže predavanja o marketinškim istraživanjima). Proučavanje dinamike rasta cijena pomoću indeksa inflacije izračunatih na temelju neovisno prikupljenih podataka zanimljivo je prvenstveno sa stajališta ekonomije i upravljanja nacionalnim gospodarstvom (kako na makrorazini, tako i na razini pojedinačnih organizacija).

Izgledi razvoja

Teorija statističkih metoda usmjerena je na rješavanje stvarnih problema. Stoga se u njemu stalno pojavljuju nove formulacije matematičkih problema za analizu statističkih podataka, razvijaju se i opravdavaju nove metode. Opravdanje se često provodi matematičkim putem, odnosno dokazivanjem teorema. Veliku ulogu ima metodološka komponenta - kako točno postaviti probleme, koje pretpostavke prihvatiti u svrhu daljnjeg matematičkog proučavanja. Uloga suvremenih informacijskih tehnologija, posebice računalnih eksperimenata, velika je.

Hitan zadatak je analizirati povijest statističkih metoda kako bi se identificirali razvojni trendovi i primijenili ih za predviđanje.

Književnost

2. Naylor T. Eksperimenti strojne simulacije s modelima ekonomskih sustava. - M.: Mir, 1975. - 500 str.

3. Kramer G. Matematičke metode statistike. - M.: Mir, 1948 (1. izdanje), 1975 (2. izdanje). - 648 str.

4. Bolshev L. N., Smirnov N. V. Tablice matematičke statistike. - M.: Nauka, 1965 (1. izdanje), 1968 (2. izdanje), 1983 (3. izdanje).

5. Smirnov N. V., Dunin-Barkovsky I. V. Tečaj teorije vjerojatnosti i matematičke statistike za tehničke primjene. ur. 3., stereotipno. - M.: Nauka, 1969. - 512 str.

6. Norman Draper, Harry Smith Primijenjena regresijska analiza. Višestruka regresija = primijenjena regresijska analiza. - 3. izd. - M.: “Dijalektika”, 2007. - P. 912. - ISBN 0-471-17082-8

Vidi također

Zaklada Wikimedia. 2010.

• Yat-Kha
• Amalgam (višeznačna odrednica)

Pogledajte što su "statističke metode" u drugim rječnicima:

STATISTIČKE METODE- STATISTIČKE METODE znanstvene metode za opisivanje i proučavanje masovnih pojava koje omogućuju kvantitativno (numeričko) izražavanje. Riječ “statistika” (od igal. stato stanje) ima zajednički korijen s riječju “država”. U početku je ... ... Filozofska enciklopedija

STATISTIČKE METODE –- znanstvene metode opisivanja i proučavanja masovnih pojava koje omogućuju kvantitativno (numeričko) izražavanje. Riječ “statistika” (od talijanskog stato – stanje) ima zajednički korijen s riječju “država”. U početku se odnosio na znanost o upravljanju i... Filozofska enciklopedija

Statističke metode- (u ekologiji i biocenologiji) metode statistike varijacije, koje omogućuju proučavanje cjeline (npr. fitocenoza, populacija, produktivnost) prema njezinim djelomičnim agregatima (npr. prema podacima dobivenim na mjestima registracije) i procjenu stupanj točnosti ... ... Ekološki rječnik

statističke metode- (u psihologiji) (od latinskog status state) određene metode primijenjene matematičke statistike, koje se u psihologiji koriste uglavnom za obradu eksperimentalnih rezultata. Glavna svrha korištenja S. m. je povećati valjanost zaključaka u ... ... Velika psihološka enciklopedija

Statističke metode- 20.2. Statističke metode Specifične statističke metode koje se koriste za organiziranje, reguliranje i testiranje aktivnosti uključuju, ali nisu ograničene na sljedeće: a) dizajn eksperimenata i faktorsku analizu; b) analiza varijance i... Rječnik-priručnik pojmova normativne i tehničke dokumentacije

STATISTIČKE METODE- metode proučavanja veličina. aspekte masovnih društava. pojave i procesi. S. m. omogućuju digitalno okarakteriziranje tekućih promjena u društvima. procese, proučavati razn. oblici društveno-ekonomskog. obrasci, promjena... ... Poljoprivredni enciklopedijski rječnik

STATISTIČKE METODE- neke metode primijenjene matematičke statistike korištene za obradu eksperimentalnih rezultata. Brojne statističke metode razvijene su posebno za testiranje kvalitete psiholoških testova, za korištenje u profesionalnim... ... Stručno obrazovanje. Rječnik

STATISTIČKE METODE- (u inženjerskoj psihologiji) (od latinskog status state) neke metode primijenjene statistike koje se koriste u inženjerskoj psihologiji za obradu eksperimentalnih rezultata. Glavna svrha korištenja S. m. je povećati valjanost zaključaka u ... ... Enciklopedijski rječnik psihologije i pedagogije

Sažetak na temu:

Razvoj statističkih metoda u upravljanju kvalitetom

Kazan 2009

Uvod

1. Koncept statističkih metoda kvalitete

2. Povijest razvoja statističkih metoda kvalitete

3. Primjena i ovladavanje statističkim metodama

4. Jednostavne statističke metode

4.1 Razmišljanje

4.2 Dijagram procesa

4.3 Popis za provjeru (tablica za provjeru)

4.4 Vremenske serije (linijski grafikon)

4.5 Pareto dijagram

4.6 Uzročno-posljedični dijagram (Ishikawa dijagram)

4.7 Histogram

4.8 Dijagram raspršenosti

4.9 Kontrolna karta

4.10 Taguchijeve metode

Zaključak

Bibliografija

Uvod

Jedna od najvažnijih odredbi cjelovitog upravljanja kvalitetom (TQM) je donošenje odluka na temelju činjenica. Poboljšanje kvalitete proizvoda i procesa zahtijeva skrupulozan rad osoblja poduzeća na utvrđivanju uzroka nedostataka (odstupanja od dokumentacije) i njihovom otklanjanju. Da bi se to postiglo, potrebno je organizirati potragu za činjenicama koje karakteriziraju nedosljednosti, od kojih su velika većina statistički podaci, razviti metode za analizu i obradu podataka, identificirati temeljne uzroke nedostataka i razviti mjere za njihovo uklanjanje na najniži trošak.

Problemima prikupljanja, obrade i analize rezultata proizvodnih aktivnosti bavi se matematička statistika, koja uključuje veliki broj ne samo dobro poznatih metoda, već i suvremenih alata (kako je posljednjih godina postalo moderno nazivati ​​metode) za analizu i identifikaciju nedostataka. Takve metode uključuju korelacijske i regresijske analize, testiranje statističkih hipoteza, faktorsku analizu, analizu vremenskih serija, analizu bez grešaka itd.

Sedam jednostavnih metoda postalo je široko rasprostranjeno u upravljanju kvalitetom (pod utjecajem japanskih stručnjaka), čija uporaba ne zahtijeva visokokvalificirano osoblje i omogućuje analizu uzroka većine nedostataka koji nastaju u proizvodnji. U ovom su priručniku te metode uključene u različite odjeljke, ovisno o primjerenosti njihove uporabe.

Velika pozornost posvećuje se praktičnoj primjeni matematičke statistike za rješavanje specifičnih proizvodnih problema, posebice pri analizi kvalitete procesa.

Treba napomenuti da s razvojem znanstvenih sustava upravljanja kvalitetom uloga statističkih metoda u upravljanju kvalitetom kontinuirano raste. Upravo je raširena uporaba statističkih metoda u proizvodnji proizvoda u prvim fazama borbe za kvalitetu (50-ih) omogućila japanskim poduzećima da vrlo brzo postanu lideri u svjetskom gospodarstvu.

Konkurentnost ruskih poduzeća također će uvelike ovisiti o opsegu obuke osoblja u statističkim metodama upravljanja kvalitetom i njihovoj sustavnoj primjeni u praksi.

1. Koncept statističkih metoda kvalitete

Pojam “upravljanja kvalitetom” kao znanosti nastao je krajem 19. stoljeća, prelaskom industrijske proizvodnje na principe podjele rada. Načelo podjele rada zahtijevalo je rješavanje problema uzajamne zamjenjivosti i točnosti proizvodnje. Prethodno, kod obrtničke metode proizvodnje, osiguranje točnosti gotovog proizvoda provodilo se pomoću uzoraka ili metoda uklapanja parnih dijelova i sklopova. Uzimajući u obzir značajne varijacije u procesnim parametrima, postalo je jasno da je potreban kriterij za kvalitetu proizvodnje kako bi se ograničila dimenzionalna odstupanja tijekom masovne proizvodnje dijelova.

Kao takav kriterij F. Taylor je predložio intervale koji postavljaju granice odstupanja parametara u obliku donje i gornje granice. Vrijednosno polje takvog intervala počelo se nazivati ​​tolerancijom.

Uspostavljanje tolerancije dovelo je do sukoba interesa dizajnera i proizvodnih radnika: za jedne je pooštravanje tolerancije osiguralo povećanje kvalitete spoja konstrukcijskih elemenata, za druge je stvorilo poteškoće u stvaranju tehnološkog sustava koji bi omogućio tražene vrijednosti varijacija procesa. Također je očito da u prisutnosti dopuštenih granica tolerancije proizvođači nisu imali motivaciju "držati" pokazatelje (parametre) proizvoda što bliže nominalnoj vrijednosti parametra; to je dovelo do toga da su vrijednosti parametra izašle izvan granice tolerancije.

U isto vrijeme (ranih 20-ih godina prošlog stoljeća) neke stručnjake iz industrije zainteresiralo je je li moguće predvidjeti hoće li neki parametar prijeći granice tolerancije. I počeli su obraćati glavnu pozornost ne na samu činjenicu nedostataka proizvoda, već na ponašanje tehnološkog procesa, zbog čega dolazi do ovog nedostatka ili odstupanja parametra od utvrđene tolerancije. Kao rezultat proučavanja varijabilnosti procesa nastale su statističke metode upravljanja procesima. Utemeljitelj ovih metoda bio je V. Shewhart.

Istodobno se velika pažnja posvetila razvoju teorije selektivne kontrole proizvoda.Prvi radovi u ovom području pojavili su se kasnih 20-ih godina prošlog stoljeća u SAD-u, njihov autor bio je G. Dodge, koji je kasnije postao poznati američki znanstvenik.

Od početka statističkih metoda kontrole kvalitete, stručnjaci su shvatili da se kvaliteta proizvoda formira kao rezultat složenih procesa, na čiju učinkovitost utječu mnogi materijalni čimbenici i pogreške zaposlenika.Stoga, kako bi se osigurala potrebna razina kvalitete, potrebno je znati upravljati svim čimbenicima utjecaja, odrediti moguće opcije za implementaciju kvalitete, naučiti je predvidjeti i procijeniti potrebu za objektima određene kvalitete.

U poslijeratnom razdoblju, nacionalni standardi kvalitete pojavili su se iu Sjedinjenim Državama iu Europi. Središnju ulogu u izradi regulatornih dokumenata u području kvalitete ima Međunarodna organizacija za normizaciju (ISO). Od 90-ih godina prošlog stoljeća, ideje teorije varijacija i statističke kontrole procesa (SPC) zavladale su ne samo matematičarima, već su postale i sastavni alati za menadžere i radnike u službi kvalitete.

Velik poticaj daljnjem razvoju načela upravljanja kvalitetom dao je japanski znanstvenik G. Taguchi. Predložio je uzimanje u obzir varijacija u svojstvima proizvoda u različitim fazama njegovog razvoja, što je bila revolucionarna ideja za upravljanje kvalitetom. Prema Tagutinu, bilo je potrebno uspostaviti one kombinacije parametara proizvoda i procesa koje su dovele do minimuma varijacija procesa. Ovi procesi, koji su nazvani robusnim, bili su otporni na varijacije ulaznih parametara procesa.

Statističke metode koje se koriste u svakodnevnoj praksi poduzeća mogu se podijeliti u sljedeće kategorije:

Metode visokog stupnja složenosti koje koriste razvijači sustava za upravljanje poduzećima i procesima. To uključuje metode klaster analize, prilagodljive robusne statistike, itd.;

Posebne metode koje se koriste u razvoju tehničkih kontrolnih operacija, planiranju industrijskih eksperimenata, proračunima za točnost i pouzdanost itd.;

Metode opće namjene, čijem su razvoju veliki doprinos dali japanski stručnjaci. To uključuje "Sedam jednostavnih metoda" (ili "Sedam alata za kvalitetu"), koji uključuju popise za provjeru; metoda slojevitosti;grafika; Pareto karte; Ishikawa dijagrami; histogrami; kontrolne kartice.

Trenutno postoji opsežna literatura i paketi primijenjenih računalnih programa o poststatističkim metodama, u čijem razvoju domaće znanstvene škole teorije vjerojatnosti zauzimaju vodeće mjesto u svijetu.

Od postojećih statističkih metoda najčešće su:

1) deskriptivna statistika;

2) planiranje pokusa;

3) testiranje hipoteza;

4) regresijska analiza;

5) korelacijska analiza;

6) selektivna kontrola;

7) faktorska analiza;

8) analiza vremenskih serija;

9) statističko određivanje tolerancije;

10) analiza točnosti mjerenja;

11) statistička kontrola procesa;

12) statističko reguliranje procesa;

13) analiza pouzdanosti;

14) analizu uzroka nesukladnosti;

15) analiza sposobnosti procesa (histogrami).

Tablica 1 prikazuje područja korištenja statističkih metoda. Nazivi grafikona odgovaraju broju gore navedene statističke metode.

Tablica 1 Statističke metode korištene u kontroli kvalitete

\ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 A + + + + B + + + + C + + + + + + + + + D + + + + D + E + + + + + + + + + F + + + G + + + + + I + + K + L + + + + + M + + + + + + +

Slovna oznaka redaka odgovara sljedećim elementima sustava kvalitete prema normi ISO 9001-94:

A – odgovornost menadžmenta;

B – analiza ugovora;

B – dizajn;

G – nabava;

D – identifikacija i sljedivost proizvoda;

E – upravljanje procesima;

F – kontrola i ispitivanje;

Z – oprema za upravljanje, mjerenje i ispitivanje;

I - radnje s nesukladnim proizvodima;

K – registracija podataka;

L – interne provjere kvalitete;

M – obuka osoblja.

2. Povijest razvoja statističkih metoda kvalitete

Prva percepcija statističkih metoda kvalitete u obliku uzorkovanja ima dugu povijest. Prije nekoliko stoljeća kupci žitarica i pamuka testirali su svojstva proizvoda bušenjem vrećica žitarica ili pamuka kako bi uzeli uzorak. Za pretpostaviti je da u ono doba nije postojala znanstvena kalkulacija za uzimanje uzoraka, a treba pretpostaviti da je to bila stvar iskustva i prodavača i kupaca robe.

Do tada, sve dok je obrtnik objedinjavao funkcije proizvođača i kontrolora (sve do sredine 19. stoljeća), nije bilo problema s ocjenom kvalitete proizvedenih proizvoda. Sve se promijenilo dolaskom podjele rada. Radnici prvih tvorničkih manufaktura, sposobni za obavljanje jednostavnih procesnih operacija, nisu mogli biti odgovorni za kvalitetu svog rada, a posebno za kvalitetu gotovog proizvoda. Uvođenje pozicije kontrolora dovelo je do potrebe standardizacije kontrolnih funkcija i s vremenom je zahtijevalo razvoj znanstvenog pristupa ocjenjivanju kvalitete proizvoda. Želja za proizvodnjom visokokvalitetnih proizvoda dovela je do pretjeranog širenja upravljačkog aparata u industrijskim poduzećima.

Korištenje statističkih metoda za praćenje kvalitete rada javlja se i kasnije - u prvoj četvrtini 20. stoljeća. Upravo je uvođenje statističkih metoda omogućilo značajno smanjenje intenziteta rada kontrolnih poslova i značajno smanjenje broja inspektora (kontrolora). Prva uporaba znanstvenih metoda statističke kontrole zabilježena je 1924. godine, kada je W. Shewhart pomoću kontrolnih karata odredio postotak neispravnih proizvoda.

Od 1918. Walter E. Shewhart radio je kao inženjer u tvrtki Western Electric (SAD). Godine 1925. pretvoren je u Bell Telephone Laboratories. Shewhart je ondje radio do 1956. (do umirovljenja). Njegov glavni razvoj u području statističke kontrole implementiran je prvenstveno u ovoj tvrtki V. Shewhart preusmjerio je pozornost s pristupa tolerancije na upravljanje kvalitetom na pristup usmjeren na osiguranje stabilnosti procesa i smanjenje njihovih varijacija. Njegove ideje ostaju relevantne do danas. Osim toga, Shewhart je izrazio ideju o kontinuiranom poboljšanju kvalitete, predlažući ciklus kontinuiranog poboljšanja procesa, koji se danas naziva "Shewhart-Demingov ciklus". Posljednjih godina ovaj se ciklus dodatno razvio pod utjecajem Deminga i počeo se koristiti kao alat timskog rada za poboljšanje kvalitete.

Istovremeno sa Shewhartom, u istoj tvrtki sredinom 20-ih, inženjer G. F. Dodge predložio je teoriju kontrole prihvaćanja, koja je ubrzo stekla svjetsku slavu. Osnove ove teorije zacrtane su 1944. godine u njegovom zajedničkom radu s H. G. Rollingom „Stolovi za pregled uzorkovanja – jedno i dvostruko uzorkovanje“.

Američki znanstvenici D. Neumann, E. Pearson, E. Fisher dali su veliki doprinos sustavu kontrole kvalitete sredinom 20. stoljeća. Među njihovim razvojem najpoznatija je bila teorija testiranja statističkih hipoteza. Može se primijetiti da je danas, bez poznavanja teorije pogrešaka prve i druge vrste, nemoguća racionalna procjena odabrane metode statističke kontrole.

Tijekom Drugog svjetskog rata nedostatak resursa natjerao je na potragu za novim metodama pregleda sa što manjim brojem predmeta, posebice razornim ispitivanjima. 40-ih godina 20. stoljeća A. Wald (SAD) razvio je teoriju sekvencijalne analize i statističku teoriju odlučivanja. Primjena teorije sekvencijalne analize bila je toliko učinkovita (troškovi kontrole uz istu vjerojatnost pogreške smanjuju se na 60% u odnosu na tradicionalne metode) da je u SAD-u proglašena tajnim dokumentom i objavljena tek nakon završetka rata.

Edward Deming (SAD) imao je veliki utjecaj na uspostavljanje metoda statističke kontrole kao filozofije kvalitete. Početkom 50-ih godina Deming je proveo opsežnu obuku japanskih stručnjaka u novim metodama osiguranja kvalitete, obraćajući posebnu pozornost na statističke metode upravljanja kvalitetom. Njegove su aktivnosti bile toliko uspješne da su Amerikanci već 60-ih godina morali ustupiti značajan dio svojih prodajnih tržišta japanskim tvrtkama, uključujući i same Sjedinjene Države.

Američki znanstveni utjecaj na unapređenje sustava osiguranja kvalitete doveo je do stvaranja japanske znanstvene škole u području kvalitete, među čijim predstavnicima treba istaknuti, prije svega, K. Ishikawa i G. Taguchi, koji su dali veliki doprinos. razvoju statističkih metoda u upravljanju kvalitetom. Tako je Kaoru Ishikawa prvi u svjetskoj praksi predložio originalnu grafičku metodu za analizu uzročno-posljedičnih odnosa, nazvanu "Ishikawa dijagram." Danas je gotovo nemoguće pronaći takvo područje djelovanja za rješavanje kvalitete problema, gdje god se koristi Ishikawa dijagram.

Genichi Taguchi japanski je statističar poznat u drugoj polovici 20. stoljeća. Razvija ideje matematičke statistike, posebno se odnoseći na statističke metode eksperimentalnog dizajna i kontrole kvalitete. Tagut je prvi povezao ekonomske troškove i kvalitetu s matematičkim odnosom, uvodeći koncept funkcije gubitka kvalitete. On je prvi pokazao da se gubici kvalitete javljaju iu polju tolerancije - pojavljuju se od trenutka kada se nazivna vrijednost parametra navedena u tehničkoj dokumentaciji ne poklapa s vrijednošću slučajne varijable koja se proučava. Taguchijeva zasluga također leži u njegovoj sposobnosti da pronađe relativno jednostavne argumente i tehnike koje su učinile robustan eksperimentalni dizajn u polju osiguranja kvalitete stvarnošću. Po našem mišljenju, nepažnja prema Taguchijevim metodama jedan je od razloga ozbiljnog zaostajanja ruskih poduzeća u području poboljšanja kvalitete procesa i proizvoda.

Svoj znanstveni doprinos razvoju statističkih metoda dali su i sovjetski znanstvenici: V.I. Romanovsky, E. E. Slutsky, N. V. Smirnov, Yu. V. Linnik i dr. Na primjer, Smirnov je postavio temelje teorije neparametarskih serija, a Slutsky je objavio nekoliko važnih radova o statistici povezanih stacionarnih serija. U SSSR-u su se osobito intenzivno razvijale statističke metode istraživanja i kontrole kvalitete u masovnoj proizvodnji, metode planiranja pokusa (Yu.P. Adler i drugi).

U 50-70-im godinama prošlog stoljeća u nizu poduzeća obrambenog kompleksa SSSR-a aktivno se radilo (pod utjecajem japanskog iskustva u poboljšanju kvalitete) na uvođenju sustava upravljanja kvalitetom (u Saratovu - BIP, u Gorki - KANARSPI, u Jaroslavlju - NORM, u Lvovu - KSUKP i dr.), u kojima su statističke metode u području kontrole prijema i regulacije tehnoloških procesa zauzele važno mjesto u prevenciji nedostataka proizvoda.

Posljednjih godina može se primijetiti rad ruskog znanstvenika u području kvalitete V.A. Lapidusa. Objavio je niz radova iz teorije i prakse upravljanja kvalitetom, uzimajući u obzir varijacije i nesigurnosti, u kojima je postavio „princip raspodjele prioriteta“, koji omogućuje optimalnu izgradnju odnosa dobavljač – potrošač sa stajališta kvalitete. osiguranje. Također posjeduje novi pristup upravljanju kvalitetom, nazvan "fleksibilna metoda statističke kontrole", koja se matematički temelji na teoriji neizrazitih skupova.

Ipak, može se primijetiti određena stagnacija ruske znanstvene škole matematičke statistike, vjerojatno povezana s nedostatkom ekonomske potražnje za znanstvenim nalozima za korištenje novih statističkih metoda za osiguranje kvalitete proizvoda.

3. Primjena i ovladavanje statističkim metodama

Tablica 2. Primjena statističkih metoda u fazama životnog ciklusa proizvoda

Faze životnog ciklusa proizvoda Problemi koji se rješavaju u sustavu kvalitete Statističke metode Marketing i istraživanje tržišta Proučavanje i procjena tržišne potražnje i perspektive njezinih promjena Metode analize statističkih agregata, ekonomije i matematike (dinamičko programiranje, simulacijsko modeliranje, itd.) / > Analiza želja potrošača glede kvalitete i cijene proizvoda Ekonomsko-matematičke metode (QFD) itd. /> Predviđanje cijena, obujma proizvodnje, potencijalnog tržišnog udjela, očekivanog vijeka trajanja proizvoda na tržištu Ekonomsko-matematičke metode (teorija čekanja u redu, teorija igara , linearno i nelinearno programiranje itd. .) Dizajn i razvoj proizvoda

Standardizacija zahtjeva kvalitete proizvoda.

Određivanje tehničkih zahtjeva u području pouzdanosti.

Optimizacija vrijednosti pokazatelja kvalitete proizvoda.

Procjena tehničke razine proizvoda

Grafičke metode (Ishikawa dijagram, Pareto dijagram, histogram i dr.): metode za analizu statističkih populacija; ekonomske i matematičke metode (Taguchi metode, QFD) /> Ispitivanje prototipova ili eksperimentalnih serija novih (moderniziranih) proizvoda Grafičko-analitičke metode (histogram, stratificirani histogram i dr.), metode za analizu statističkih populacija (metode za provjeru statističkih hipoteza, usporedba) prosjeka, usporedba varijanci itd.): ekonomske i matematičke metode (planiranje pokusa) /> Osiguranje sigurnosti proizvoda Ekonomske i matematičke metode (simulacijsko modeliranje, metoda stabala vjerojatnosti itd.) Nabava Izrada planova opskrbe poduzeća materijalom i tehnička sredstva tražene kvalitete Ekonomske i matematičke metode (teorija čekanja, linearno programiranje i dr.) /> Procjena sposobnosti dobavljača Ekonomsko-matematičke metode (analiza sustava, dinamičko programiranje i dr.) /> Pravovremeno osiguranje zaliha materijala i tehnički resursi Ekonomsko-matematičke metode (teorija čekanja) /> Smanjenje troškova materijalno-tehničke podrške kvaliteti proizvoda Ekonomsko-matematičke metode (Taguchi metode, funkcionalna analiza troškova itd.) Proizvodnja Razvoj tehnoloških procesa Ekonomsko-matematičke metode (Taguchi metode) ; dijagrami raspršenosti, itd.); metode za analizu statističkih populacija (disperzijske, regresijske i korelacijske vrste analize i dr.) /> Osiguranje točnosti i stabilnosti tehnoloških procesa Metode za statističku procjenu točnosti i stabilnosti tehnoloških procesa (histogrami, dijagrami točnosti, kontrolne karte) /> Osiguranje stabilnosti kakvoće proizvoda u proizvodnji Metode Statistička regulacija tehnoloških procesa (precizni dijagrami, kontrolne karte) Kontrola i ispitivanje Pridržavanje mjeriteljskih pravila i zahtjeva pri pripremi, izvođenju i obradi rezultata ispitivanja Grafičke metode (histogram, raspršeni graf i dr.); metode za analizu statističkih populacija (metode za testiranje statističkih hipoteza, usporedba srednjih vrijednosti, usporedba varijanci itd.) /> Identifikacija proizvoda čija kvaliteta ne zadovoljava utvrđene zahtjeve Metode statističke kontrole prihvatljivosti /> Analiza kvalitete proizvoda Grafičke metode (Ishikawa dijagram, Pareto dijagram, stratifikacijski dijagram Pareto itd.), ekonomske i matematičke metode (funkcionalna analiza troškova, QFD) Pakiranje i skladištenje Analiza usklađenosti sa zahtjevima za pakiranje i skladištenje proizvoda u poduzeću Metode statističke kontrole prihvatljivosti; ekonomske i matematičke metode (teorija čekanja) Prodaja i distribucija proizvoda Osiguranje kvalitete transporta proizvoda Ekonomske i matematičke metode (linearno programiranje, teorija čekanja) Montaža i puštanje u rad Analiza kvalitete proizvoda tijekom postavljanja i puštanja u rad Grafičke metode (graf vremenskih nizova i sl. ); metode za analizu statističkih populacija (faktorska analiza, itd.) /> Analiza potrošačkih troškova pri korištenju proizvoda Ekonomske i matematičke metode (Taguchi metode, funkcionalna analiza troškova, QFD) Tehnička pomoć u održavanju

Organizacija jamstvenog popravka proizvoda

Organizacija pravovremene isporuke rezervnih dijelova

Ekonomske i matematičke metode (teorija čekanja, linearno programiranje, itd.) Poslijeprodajne aktivnosti Analiza kvarova i drugih nedosljednosti proizvoda Grafičke metode (graf vremenske serije, itd.); metode za analizu statističkih agregata (faktorska analiza i dr.) Zbrinjavanje nakon upotrebe Proučavanje mogućnosti korištenja proizvoda neodgovarajuće kvalitete ili na kraju njihovog životnog vijeka Ekonomske i matematičke metode (funkcionalna analiza troškova, QFD i dr.)

Utvrđivanje potrebe i odabir pojedinih statističkih metoda u sustavu kvalitete prilično su složen i dugotrajan posao analitičke i organizacijske prirode.

U tom smislu, preporučljivo je ovaj posao obavljati na temelju posebnog programa, koji može sadržavati sljedeći skup organizacijskih mjera (slika 1). Svladavanje statističkih metoda treba započeti korištenjem jednostavnih i pristupačnih, a zatim prijeći na složenije metode. S obzirom na teškoće svladavanja statističkih metoda u industrijskoj praksi, preporučljivo je te metode podijeliti u dvije klase: jednostavne i složene metode.

Prilikom odabira statističkih metoda nastojimo osigurati da one odgovaraju prirodi proizvodnog procesa, dostupnosti mjernih instrumenata i obradi statističkih informacija.Budući da se za rješavanje određenog proizvodnog problema može izabrati više različitih statističkih metoda, ona koja će odabire se postizanje najboljeg rezultata uz minimalne troškove.

Riža. 1 Program za ovladavanje statističkim metodama

Za izvođenje potrebnih statističkih izračuna koriste se različite vrste tehničkih sredstava, uključujući elektronička računala. Relativno jednostavna tehnička sredstva, na primjer, statistički indikatori, omogućuju unos podataka iz instrumentalnih ljestvica, dnevnika i tablica, kao i izračun statističkih karakteristika tijekom izravnog mjerenja.Korištenje računala omogućuje obradu početnih informacija, praćenje parametara procesa. , kontinuirano eksperimentirajte, mijenjajući varijable dok se ne uspostave optimalni uvjeti. U tom slučaju možete koristiti standardne programe za upravljanje statističkom kvalitetom.

4. Jednostavne statističke metode

Među jednostavnim statističkim metodama, nazvanim tako zbog svoje razmjerne jednostavnosti, uvjerljivosti i pristupačnosti, najviše se koristi sedam metoda koje su ranih 50-ih identificirali japanski stručnjaci pod vodstvom K. Ishikawe. Uzete zajedno, ove metode čine učinkovit sustav kontrole kvalitete i metoda analize. Uz njihovu pomoć, prema samom K. Ishikawi, može se riješiti od 50 do 95% svih problema koji dođu do pozornosti proizvođača. Za korištenje sedam jednostavnih metoda nije potrebna posebna edukacija (standardni japanski program obuke za ove metode dizajniran je za 20 lekcija i namijenjen je razini srednjoškolaca). O popularnosti sedam jednostavnih metoda može se suditi po tome što ih danas u japanskim tvrtkama poznaju svi - od predsjednika do običnog radnika. U tom smislu, ove metode su sredstvo demokratizacije tehnologije upravljanja kvalitetom.

Sedam jednostavnih metoda mogu se koristiti u bilo kojem slijedu, u bilo kojoj kombinaciji, u različitim analitičkim situacijama, mogu se promatrati kao integralni sustav, kao pojedinačni alati za analizu. U svakom konkretnom slučaju predlaže se određivanje sastava i strukture radnog skupa metoda. Iako se radi o jednostavnim metodama, to ne znači da je pri korištenju mnogih od njih nemoguće pomoću računala brzo i jednostavno napraviti izračune i jasnije prikazati statističke podatke.

Prema K. Ishikawi, sve jednostavne metode uključuju:

1. histogrami;

2. vremenske serije;

3. Pareto karte;

4. Ishikawa uzročno-posljedični dijagrami;

5. kontrolni listovi;

6. kontrolne kartice;

7. Dijagrami raspršenosti.

Područja primjene navedenih kvalitetnih „alata“ prikazana su na sl. 2; Postoje još dvije tehnike koje se često koriste u početnoj fazi rada:

1. mozganje;

2. dijagram procesa.

Razmotrimo suštinu ovih metoda.

4.1 NAPAD NA MOZG

Brainstorming se koristi kako bi se grupi pomoglo u stvaranju najvećeg broja ideja o problemu u najkraćem mogućem vremenu, a može se provesti na dva načina:

1. Uredno - svaki član grupe šalje ideje po prioritetu u krugu ili preskače svoj red do sljedećeg puta. Na taj se način čak i najšutljivije ljude može potaknuti na razgovor, međutim, postoji neki element pritiska koji može ometati.

2. Neorganizirani - članovi grupe jednostavno šalju ideje kako im padnu na pamet. To stvara opušteniju atmosferu, iako postoji opasnost da oni najbrbljiviji odnesu glavnu riječ.

U obje metode opća pravila ponašanja su ista. Preporučljivo je pridržavati se sljedeće linije ponašanja:

1. Nikada ne kritizirajte ideje. Zapišite svaku ideju na komad papira ili ploču. Učiniti riječi vidljivima svima pomaže u izbjegavanju nesporazuma i stvara nove ideje.

2. Svi se moraju složiti oko teme ili dnevnog reda za nadolazeću sesiju brainstorminga.

3. Zapišite govornikove riječi doslovno na ploču ili na list papira, bez uređivanja.

4. Učinite sve brzo, najbolje je provesti brainstorming za 5 – 15 minuta.

5. Identificiranje problema.

6. Analiza problema.

Slika 2 Opseg primjene kvalitetnih „alata“

4.2 PREGLED PROCESA

Dijagram procesa (dijagram toka, mapa rute) koristi se kada je potrebno pratiti stvarne ili implicirane korake procesa kroz koje prolazi proizvod ili usluga kako bi se mogla identificirati odstupanja.

Prilikom ispitivanja dijagrama procesa često možete otkriti skrivene zamke koje služe kao potencijalni izvori smetnji i poteškoća.

Potrebno je okupiti stručnjake koji imaju najviše znanja o ovom procesu kako bi se:

7. konstruirati sekvencijalni dijagram faza procesa koji se stvarno odvija;

8. izgraditi sekvencijalni dijagram faza procesa koji bi se trebao odvijati ako sve radi ispravno;

9. usporedite dva strujna kruga kako biste saznali u čemu se razlikuju i tako pronašli točku u kojoj nastaju problemi.

4.3 KONTROLNI LIST (PROVJERNA TABLICA)

Popis za provjeru omogućuje vam da odgovorite na pitanje: "Koliko se često događa određeni događaj?" Počinje pretvaranjem mišljenja i pretpostavki u činjenice. Izrada kontrolne liste uključuje sljedeće korake koji uključuju potrebu:

1. što preciznije utvrditi koji će se događaj promatrati. Svi moraju paziti na istu stvar;

2. dogovoriti razdoblje u kojem će se podaci prikupljati. Može varirati od sati do tjedana;

3. izgraditi obrazac koji je jasan i jednostavan za ispunjavanje. Obrazac mora imati jasno označene kolone i kolone, te mora biti dovoljno prostora za unos podataka;

4. stalno i pošteno prikupljati podatke, bez iskrivljavanja bilo čega. Opet, provjerite je li vrijeme koje ste dodijelili dovoljno za dovršenje zadatka prikupljanja podataka.

Prikupljeni podaci moraju biti homogeni. Ako to nije slučaj, prvo trebate grupirati podatke, a zatim ih pogledati pojedinačno.

Slika 3 Kontrolni list >>

4.4 VREMENSKA SERIJA (LINIJA)

Vremenska serija se koristi kada je potrebno na najjednostavniji način prikazati tijek promjena promatranih podataka u određenom vremenskom razdoblju.

Vremenske serije su dizajnirane za vizualni prikaz podataka i vrlo su jednostavne za konstruiranje i korištenje. Bodovi se ucrtavaju redoslijedom kojim su prikupljeni. Budući da predstavljaju promjene u karakteristikama tijekom vremena, dosljednost podataka je vrlo važna.

Opasnost u korištenju vremenske serije je tendencija da se pretpostavi da je svaka promjena u podacima tijekom vremena važna.

Vremenske serije, kao i druge vrste grafičkih tehnika, treba koristiti za usmjeravanje pozornosti na uistinu značajne promjene u sustavu.

Jedna od najučinkovitijih upotreba vremenske serije je identificiranje značajnih trendova ili promjena u prosjeku (Slika 4).

Slika 4 Vremenske serije

4.5 PARETO DIJAGRAM

Koristi se kada želite predstaviti relativnu važnost svih problema ili stanja kako biste odabrali početnu točku za rješavanje problema, nadgledali rezultat ili odredili glavni uzrok problema.

Pareto dijagram poseban je oblik okomitog stupčastog grafikona koji vam pomaže identificirati probleme koje imate i odabrati kako ih riješiti. Izrada Pareto grafikona, bilo na temelju popisa za provjeru ili drugih oblika prikupljanja podataka, pomaže usmjeriti pažnju i trud na pitanja koja su stvarno važna. Možete postići više fokusiranjem na najviši stupac bez obraćanja pozornosti na manje stupce (slika 5).

Slika 5 Pareto dijagram

Postupak konstruiranja Pareto dijagrama:

1. Odaberite teme koje treba usporediti i rangirajte ih po važnosti (brainstormingom koristeći postojeće podatke – izvješća).

2. Odrediti kriterij za usporedbu mjernih jedinica (prirodna ili troškovna obilježja).

3. Odredite vrijeme za učenje.

4.6 DIJAGRAM UZROKA I POSLJEDICE (Ishikawa dijagram)

Ishikawa (riblja kost) dijagram se koristi kada želite istražiti i prikazati sve moguće uzroke određenog problema ili stanja.

Omogućuje vam da zamislite odnos između posljedice, rezultata i svih mogućih uzroka koji na njih utječu. Učinak, rezultat ili problem obično je naznačen na desnoj strani dijagrama, a glavni utjecaji ili "uzroci" navedeni su na lijevoj strani (Slika 6).

Slika 6. Dijagram uzroka i posljedica

Postupak za izradu uzročno-posljedičnog dijagrama:

1. Započnite postupak opisom odabranog problema, naime:

· njegove značajke;

Gdje se javlja?

· kada se pojavi;

Koliko se širi?

2. Navedite razloge potrebne za izradu uzročno-posljedičnog dijagrama na jedan od sljedećih načina:

· provedite brainstorming sesiju u kojoj raspravljate o svim mogućim razlozima bez prethodne pripreme;

· pažljivo pratiti sve faze proizvodnog procesa i koristiti popise za provjeru kako bi ukazali na moguće uzroke problema.

3. Konstruirajte valjani uzročno-posljedični dijagram.

4. Pokušajte protumačiti sve odnose.

Da biste pronašli temeljne uzroke problema, potražite razloge koji se ponavljaju. Glavne kauzalne kategorije potrebno je zapisati u najopćenitijem obliku. Koristite što manje riječi.

4.7 HISTOGRAM

Koristi se kada želite ispitati i prikazati distribuciju podataka o broju jedinica u svakoj kategoriji pomoću stupčastog grafikona. Kao što smo već vidjeli u Pareto dijagramu, vrlo je korisno prikazati u obliku stupčastog grafikona učestalost s kojom se određeni događaj događa (tzv. distribucija frekvencije). Međutim, Pareto dijagram bavi se samo karakteristikama proizvoda ili usluge: vrstama nedostataka, problemima, sigurnosnim opasnostima itd.

S druge strane, histogram se bavi izmjerenim podacima (temperatura, debljina) i njihovom distribucijom. Distribucija može biti kritična, tj. imati maksimum. Mnogi ponovljeni događaji daju rezultate koji variraju tijekom vremena.

Histogram otkriva količinu varijacija koje proces ima. Tipični histogram može izgledati kao onaj prikazan na Sl. 7.

Slika 7 Histogram

Broj klasa (stupci na grafikonu) određen je brojem uzoraka koji su uzeti ili opažanja.

Neki su procesi sami po sebi iskrivljeni (asimetrični), pa ne biste trebali očekivati ​​da će svaka distribucija imati krivulju u obliku zvona.

Nemojte vjerovati točnosti podataka ako se klase iznenada zaustave u nekom trenutku, kao što je granica specifikacije, čak iako broj prije nije smanjen.

Ako krivulja ima dva vrha, to znači da su podaci prikupljeni iz dva ili više različitih izvora, tj. smjene, auta itd.

4.8 DIJAGRAM RASPRŠENOSTI

Koristi se kada je potrebno zamisliti što se događa s jednom od varijabli ako se druga varijabla promijeni, te provjeriti pretpostavku o odnosu između dvije varijable veličine.

Dijagram raspršenja koristi se za istraživanje mogućeg odnosa između dviju varijabli. Gledajući dijagram raspršenja ne može se reći da jedna varijabla uzrokuje drugu, ali grafikon jasno pokazuje postoji li odnos između njih i koja je snaga tog odnosa . Dijagram raspršenosti konstruiran je sljedećim redoslijedom: vodoravna os prikazuje mjerenja vrijednosti jedne varijable, a okomita os pokazuje mjerenja druge varijable. Tipični dijagram raspršenosti prikazan je na sl. 8.

Slika 8 Dijagram raspršenosti >>

4.9 KONTROLNA KARTICA

Jedan od glavnih alata u opsežnom arsenalu metoda statističke kontrole kvalitete su kontrolne karte. Opće je prihvaćeno da ideja kontrolne karte pripada poznatom američkom statističaru Walteru L. Shewhartu. Izražen je 1924. godine, a detaljno opisan 1931. godine.

U početku su služili za bilježenje rezultata mjerenja traženih svojstava proizvoda. Izlazak parametra izvan granica tolerancije ukazivao je na potrebu zaustavljanja proizvodnje i prilagođavanja procesa u skladu sa znanjem stručnjaka koji vodi proizvodnju.

To je pružilo informacije o tome kada, tko i na kojoj opremi je u prošlosti bio neispravan.

Međutim, u ovom slučaju odluka o prilagodbi donesena je kada je nedostatak već primljen. Stoga je bilo važno pronaći postupak koji će akumulirati informacije ne samo za retrospektivno istraživanje, već i za korištenje u donošenju odluka. Ovaj prijedlog objavio je američki statističar I. Page 1954. godine.

Karte koje se koriste u donošenju odluka nazivaju se kumulativne.

Kontrolna karta (Slika 9) sastoji se od središnje linije, dvije kontrolne granice (iznad i ispod središnje linije) i karakterističnih vrijednosti (indikatora učinka) ucrtanih na karti kako bi predstavili stanje procesa.

Slika 9 Kontrolna karta

U određenim vremenskim razdobljima odabire se n proizvedenih proizvoda (svi redom; selektivno; periodički iz kontinuiranog toka itd.) i mjeri se kontrolirani parametar.

Rezultati mjerenja se ucrtavaju na kontrolnu kartu, a ovisno o toj vrijednosti donosi se odluka o prilagodbi procesa ili nastavku procesa bez prilagodbi.

Signali mogućeg problema u tehnološkom procesu mogu biti:

· točka izlaza izvan granica kontrole (točka 6.); (proces je izmakao kontroli);

· lokacija skupine uzastopnih točaka u blizini jedne kontrolne granice, ali ne idući izvan nje (11, 12, 13, 14), što ukazuje na kršenje razine postavki opreme;

· jako rasipanje točaka (15, 16, 17, 18, 19, 20) na kontrolnoj kartici u odnosu na središnju liniju, što ukazuje na smanjenje točnosti tehnološkog procesa.

Ako postoji signal o kršenju proizvodnog procesa, uzrok kršenja mora se identificirati i ukloniti.

Stoga se kontrolne karte koriste za prepoznavanje specifičnog uzroka, ali ne slučajnog. Definitivni uzrok treba shvatiti kao postojanje čimbenika koji se mogu proučavati. Naravno, takve faktore treba izbjegavati.

Varijacija zbog slučajnih razloga je nužna; ona se neizbježno javlja u svakom procesu, čak i ako se tehnološka operacija provodi korištenjem standardnih metoda i sirovina. Isključivanje slučajnih uzroka varijacije nije tehnički ni ekonomski izvedivo.

Prirodne fluktuacije između kontrolnih granica moraju se kontrolirati. Morate osigurati da je odabrana ispravna vrsta kontrolne karte za određenu vrstu podataka. Podaci se moraju uzimati točnim redoslijedom kojim su prikupljeni, inače postaju besmisleni. Tijekom razdoblja prikupljanja podataka ne smiju se unositi nikakve promjene u proces. Podaci bi trebali odražavati kako se proces odvija prirodno. Kontrolna karta može ukazati na moguće probleme prije nego što se proizvedu neispravni proizvodi.

Postoje dvije glavne vrste kontrolnih karata: za kvalitativne karakteristike (prošao - nije prošao) i za kvantitativne karakteristike. Za kvalitativne karakteristike moguće su četiri vrste kontrolnih kartica:

· V - karta (broj nedostataka po jedinici proizvodnje)

· C - karta (broj defekata u uzorku)

· P - kartica (udio neispravnih proizvoda u uzorku)

· NP - karta (broj neispravnih proizvoda u uzorku)

Štoviše, u prvom i trećem slučaju veličina uzorka je promjenjiva, au drugom i četvrtom slučaju konstantna.

Dakle, svrhe korištenja kontrolnih karata mogu biti:

1. identificiranje nekontroliranog procesa

2. kontrola upravljanog procesa

3. procjena sposobnosti procesa

Obično se proučava sljedeća varijabla (procesni parametar) ili karakteristika:

poznati važni ili najvažniji

· vjerojatno nepouzdan

· gdje trebate dobiti informacije o mogućnostima procesa

· operativni, relevantni za marketing

Međutim, ne biste trebali kontrolirati sve količine u isto vrijeme. Kontrolne karte koštaju, pa ih morate koristiti mudro:

· pažljivo odabrati karakteristike

· prestati raditi s kartama kada je cilj postignut

Nastavite s vesticards samo kada procesi i tehnički zahtjevi ograničavaju jedni druge

Mora se imati na umu da proces može biti u stanju statističke regulacije i proizvoditi 100% greške. Nasuprot tome, može biti nekontroliran i proizvoditi proizvode koji 100% zadovoljavaju tehničke zahtjeve. Kontrolne karte omogućuju analizu mogućnosti procesa.

Sposobnost procesa je sposobnost funkcioniranja kako je predviđeno. Obično se procesna sposobnost odnosi na sposobnost ispunjavanja tehničkih zahtjeva.

4.10 TAGUCHI METODE

U kasnim 60-ima japanski statističar Taguchi dovršio je razvoj ideja matematičke statistike u odnosu na probleme eksperimentalnog planiranja i kontrole kvalitete. Taguchi je skup svojih ideja nazvao "metodom pouzdanog dizajna".

Taguchi je predložio karakterizaciju proizvedenih proizvoda prema stabilnosti tehničkih karakteristika. Izmijenio je koncept slučajnog odstupanja, tvrdeći da ne postoje slučajnosti, već čimbenici koje je ponekad teško objasniti.

Važna razlika između Taguchijevih metoda leži u njihovom odnosu prema temeljnim karakteristikama proizvedenog proizvoda - kvaliteti i cijeni. Dajući prednost ekonomskom faktoru (trošku), on ipak povezuje trošak i kvalitetu u jednu karakteristiku, nazvanu funkcija gubitka.

Pritom se uzimaju u obzir gubici i kod potrošača i kod proizvođača.Zadaća dizajna je zadovoljiti obje strane.

Taguchi je stvorio pouzdanu metodu izračuna koristeći omjer signala i šuma koji se koristi u telekomunikacijama, što je postalo temeljni alat u inženjerstvu kvalitete.

Taguchi je uveo koncept idealne funkcije proizvoda, određene idealnim odnosom između ulaznog i izlaznog signala. Čimbenike koji uzrokuju razlike u stvarnim karakteristikama proizvoda od idealnih Taguchi naziva šumom.

Specijalist koji koristi Taguchijeve metode mora biti vješt u metodama predviđanja buke u bilo kojem području, bilo da se radi o tehnološkom procesu ili marketingu.

Vanjske buke su varijacije u okruženju:

· vlažnost

· individualne karakteristike osobe itd.

Buka tijekom skladištenja i rada je starenje, trošenje itd. Unutarnja buka je proizvodni problem koji dovodi do razlika među proizvodima, čak i unutar iste serije proizvoda. Kada prenosi svoju metodu iz laboratorija u stvarne uvjete, G. Taguchi koristi pokazatelj stabilnosti, shvaćen kao visoku ponovljivost odziva, za karakterizaciju omjera signala i šuma. Izračun stabilnosti karakteristika provodi se u inženjerstvu kvalitete ne korištenjem složenih radno intenzivnih metoda, ali na temelju nove metode planiranja pokusa pomoću analize varijance.

Zaključak

Sve veći razvoj novog gospodarskog okruženja za našu zemlju reprodukcije, tj. tržišni odnosi nalažu potrebu stalnog poboljšanja kvalitete koristeći sve mogućnosti, sva dostignuća napretka u području tehnologije i organizacije proizvodnje.

Najcjelovitija i najsveobuhvatnija ocjena kvalitete osigurava se kada se uzmu u obzir sva svojstva analiziranog predmeta, koja se očituju u svim fazama njegovog životnog ciklusa: tijekom proizvodnje, transporta, skladištenja, uporabe, popravka itd. servis.

Dakle, proizvođač mora kontrolirati kvalitetu proizvoda i na temelju rezultata uzorkovanja prosuditi stanje odgovarajućeg tehnološkog procesa. Zahvaljujući tome, on promptno otkriva probleme u procesu i ispravlja ih.

Statističke metode (metode temeljene na korištenju matematičke statistike) učinkovit su alat za prikupljanje i analizu kvalitetnih informacija. Korištenje ovih metoda ne zahtijeva velike troškove i omogućuje, uz određeni stupanj točnosti i pouzdanosti, prosuđivanje stanja proučavanih pojava (objekata, procesa) u sustavu kvalitete, predviđanje i reguliranje problema u svim fazama životni ciklus proizvoda i na temelju toga razviti optimalne upravljačke odluke.

Bibliografija

1. Efimov V.V. Statističke metode u upravljanju kvalitetom. Uljanovsk: Uljanovsko državno tehničko sveučilište, 2003. – 134 str.

2. Statističke metode upravljanja kvalitetom // www.lenobl.ru, 2005.

3. Klimanov V. Statističke metode upravljanja kvalitetom // victor61058.narod.ru, 2004.

4. Okrepilov V.V. Upravljanje kvalitetom. St. Petersburg: Nauka, 2000. - 911 str.