シンプルな品質管理ツールの登場とその役割。 製品の品質管理のための 7 つの簡単なツール 品質管理ツールとは

「品質管理の基本7つ」手法の目的現在のプロセスを監視し、得られた事実（統計資料）を収集、処理、分析して、その後のプロセスの品質を向上させるために、優先的に対処する必要がある問題を特定することです。

メソッドの本質- 品質管理 (計画された品質指標とその実際の値の比較) は品質管理プロセスの主要な機能の 1 つであり、事実の収集、処理、分析はこのプロセスの最も重要な段階です。

数多くの統計手法の中から、各分野の専門家が理解しやすく、簡単に使用できる、広く普及している統計手法を 7 つだけ厳選しました。 これにより、問題をタイムリーに特定して表示し、行動を開始する必要がある主な要因を確立し、これらの問題を効果的に解決するために労力を分散することができます。

期待される結果は、本番環境で発生するすべての問題の最大 95% を解決することです。

7 つの重要な品質管理ツール– 進行中のプロセスの制御を容易にし、プロセスの品質の分析、調整、改善のためのさまざまな種類の事実を提供するツールのセット。

1. チェックリスト- データを収集し、収集した情報をさらに活用しやすくするために自動的に整理するためのツール。

2. ヒストグラム- 特定の (事前に決定された) 間隔に該当するデータの頻度によってグループ化された、統計データの分布を視覚的に評価できるツール。

3. パレート図- 研究対象の問題に影響を与える主な要因を客観的に提示して特定し、それを効果的に解決するための取り組みを分散できるツール。

4. 層別法(データ層別化) - 特定の基準に従ってデータをサブグループに分割できるツール。

5. 散布図(分散) - 対応する変数のペア間の関係の種類と近さを判断できるツール。

6. 石川図(因果関係図) は、最終的な結果 (結果) に影響を与える最も重要な要因 (理由) を特定できるツールです。

7. コントロールカード- プロセスの進行状況を監視し、(適切なフィードバックの助けを借りて) プロセスに影響を与え、プロセスに提示された要件からの逸脱を防ぐことができるツール。

チェックリスト(またはデータ収集) - データ収集のための特別なフォーム。 これらは収集プロセスを促進し、データ収集の精度に貢献し、自動的に何らかの結論を導くため、迅速な分析に非常に便利です。 結果はヒストグラムやパレート図に簡単に変換できます。 チェックリストは定性的管理と定量的管理の両方に使用できます。 チェックシートは目的に応じて書式が異なる場合があります。

目標を達成したり問題を解決したりするための正しい方法を見つけるために、最初に行う必要があるのは、さらなる分析の基礎となる必要な情報を収集することです。 収集されたデータは、構造化され、処理しやすい形式で提示されることが望ましい。 この目的と、データ収集中に発生するエラーの可能性を減らすために、チェックリストが使用されます。

チェックリストは、データを収集して自動的に整理し、収集した情報をさらに活用しやすくするために設計されたフォームです。

コントロールシートの核心は、制御されたパラメータが印刷された紙のフォームであり、それに従ってメモや簡単な記号を使用して、必要かつ十分なデータがシートに入力されます。 つまり、チェックシートはデータを記録する手段です。

チェックリストの形式はタスクによって異なり、非常に多様ですが、いずれの場合も次のことを示すことが推奨されます。

研究のトピック、対象（通常、コントロールシートのタイトルに示されます）。

データ記録期間;

情報元;

データを登録する従業員の役職および姓。

受信データを記録するための記号。

データロギングテーブル。

管理シートを作成するときは、最も簡単な記入方法 (数字、記号) が使用されていること、管理パラメータの数ができるだけ少ないこと (ただし、問題の分析と解決には十分であること)、および次の形式であることを確認する必要があります。シートはできるだけ透明で、資格のない人でも記入しやすいように設計されています。

1. 情報を収集する目的と目的を明確にします。

2. 収集されたデータをさらに分析および処理するために使用される品質管理方法を選択します。

3. 調査を実施する期間を決定します。

4. チェックリストにデータを誠実かつタイムリーに入力するための手段を開発します (条件を作成します)。

5. データ収集の責任を割り当てます。

6. チェックリストのフォームを作成します。

7. データ収集を実行するための手順を準備します。

8. データを収集し、チェックリストに入力する方法を従業員に指導し、訓練します。

9. 定期的なデータ収集レビューを組織します。

問題を解決するときに生じる最も差し迫った問題は、スタッフが収集した情報の信頼性です。 歪んだデータに基づいて解決策を見つけることは (不可能ではないにしても) 非常に困難です。 従業員が真実のデータを登録するための対策（条件づくり）を行うことが目標達成の必須条件となります。

米。 チェックリストの例

電子フォームの利用も可能です

一方で、チェックシートを電子化することには、紙のチェックシートに比べて次のようなデメリットもあります。

- b○使用がより複雑になります。

- データ入力により多くの時間を費やす必要があります。

プラス面としては:

- データの処理と分析が容易。

- 必要な情報を取得するスピードが速い。

- 多くの人からの情報に同時にアクセスできる機能。

ただし、収集されたデータのほとんどは紙の形式で複製する必要があります。 問題は、これが生産性の低下につながることです。必要な情報の分析、保存、取得にかかる時間の節約は、データを記録するという二重の作業によって大幅に相殺されてしまいます。

棒グラフ– 表で表示すると気づきにくい、取得したデータの変化の構造や性質を視覚的に表現し、簡単に特定できるツール（分布の評価）。

結果として得られるヒストグラムの形状と、許容範囲に対するその位置を分析することで、問題の製品の品質や研究対象のプロセスの状態について結論を下すことができます。 結論に基づいて、製品の品質やプロセス状態の標準からの逸脱を排除するための対策が策定されます。

初期データの提示 (収集) 方法に応じて、ヒストグラムの構築方法は 2 つのオプションに分かれます。

オプション I統計データを収集するために、製品またはプロセス指標のチェックリストが作成されます。 チェックリスト フォームを作成するときは、収集するデータに応じて間隔の数とサイズを直ちに決定し、それに基づいてヒストグラムを作成する必要があります。 これは、チェックシートに記入した後、他の間隔の指標値を再計算することがほぼ不可能になるという事実のために必要です。 実行できる最大の値は、値が該当しない間隔を無視し、2、3 などで結合することです。 データの歪みを心配することなく、間隔をあけることができます。 ご存知のとおり、このような制限があると、たとえば 11 間隔のうち 7 間隔を作ることはほとんど不可能になります。

施工方法:

1. コントロールシートの間隔の数と幅を決定します。

間隔の正確な数と幅は、使いやすさに基づいて、または統計規則に従って選択する必要があります。 測定されたインジケーターに許容範囲がある場合は、許容範囲内の 6 ～ 12 の間隔と許容範囲外の 2 ～ 3 の間隔に焦点を当てる必要があります。 許容差がない場合は、インジケーター値の可能な広がりを評価し、6〜12の間隔に分割します。 この場合、間隔の幅は同じでなければなりません。

2. チェックリストを作成し、それを使用して必要なデータを収集します。

3. 完成したチェックリストを使用して、各間隔で取得された指標値の頻度 (つまり、回数) を計算します。

通常、これには別の列が割り当てられ、データ記録テーブルの最後に配置されます。

インジケーター値が間隔の境界に正確に一致する場合は、インジケーター値が境界にある両方の間隔に半分を加算します。

4. ヒストグラムを作成するには、少なくとも 1 つの指標値を含む間隔のみを使用します。

インジケーター値が該当する間隔の間に空の間隔がある場合は、それらをヒストグラム上にプロットする必要もあります。

5. 観測結果の平均を計算します。

得られたサンプルの算術平均をヒストグラム上にプロットする必要があります。

計算に使用される標準的な式は次のとおりです。

どこ x i– インジケーターの取得値、

N –サンプルで取得されたデータの総数。

インジケーター x 1、x 2 などの正確な値がない場合の使用方法。 それはどこにも説明されていません。 私たちの場合、算術平均を大まかに推定するには、私自身の方法論を使用することを提案できます。

a) 次の式を使用して、各間隔の平均値を決定します。

ここで、j –ヒストグラムを作成するために選択された間隔、

x j 最大 –間隔の上限値、

x j 分 –間隔の下限の値。

b) 次の式を使用してサンプルの算術平均を求めます。

ここで、n –ヒストグラムを作成するために選択された間隔の数、

v j –間隔内に含まれるサンプル結果の頻度。

6. 水平軸と垂直軸を作成します。

7. 選択した間隔の境界を横軸に描きます。

将来、同様の要因や特性を表すヒストグラムを比較する予定がある場合は、横軸にスケールを描くときに、間隔ではなくデータ単位に従う必要があります。

8. 選択したスケールと範囲に従って、値のスケールを縦軸に配置します。

9. 選択した間隔ごとに、幅が間隔に等しく、高さが対応する間隔に該当する観測結果の頻度に等しい列を作成します (頻度はすでに計算されています)。

調査対象の指標の算術平均値に対応する線をグラフ上に描きます。 公差ゾーンがある場合は、公差区間の境界と中心に対応する線を描きます。

オプション II統計はすでに収集されているか (ログブックに記録されているなど)、正確に測定された値の形式で収集されることが意図されています。 この点に関して、初期条件に制限されないため、現在のニーズに応じて間隔の数と幅を選択し、いつでも変更できます。

施工方法:

1. 受信したデータを、さらなる処理に便利な形式 (たとえば、表の形式) で 1 つのドキュメントに編集します。

2. 次の式を使用してインジケーター値の範囲 (サンプル範囲) を計算します。

どこ エックスマックス– 得られた最高値、

xmin– 取得された最小値。

3. ヒストグラムのビンの数を決定します。

これを行うには、スタージェスの公式に基づいて計算されたテーブルを使用できます。

次の式に基づいて計算されたテーブルを使用することもできます。

4. 次の式を使用して間隔の幅 (サイズ) を決定します。

5. 結果を都合の良い値に切り上げます。

サンプル全体を同じサイズの間隔に分割する必要があることに注意してください。

6. 間隔の境界を決定します。 まず最初の間隔の下限を定義し、それが以下になるようにします。 xmin。 これに間隔の幅を加算して、最初の間隔と 2 番目の間隔の間の境界を取得します。 次に、間隔の幅を追加し続けます ( N) を前の値に戻して 2 番目の境界を取得し、次に 3 番目の境界を取得します。

これらのアクションを実行した後、最後の間隔の上限が次の値よりも大きいことを確認する必要があります。 エックスマックス.

7. 選択した間隔について、各間隔で調査対象の指標の値の出現頻度を計算します。

インジケーター値が間隔の境界に正確に一致する場合は、インジケーター値が境界に該当する両方の間隔に半分を加算します。

8. 次の式を使用して、調査対象のインジケーターの平均値を計算します。

上記の方法のステップ 5 から始まるヒストグラムの作成順序に従います。 オプション I.

ヒストグラム分析技術的承認の有無に応じて 2 つのオプションに分かれます。

オプション Iインジケーターの公差は指定されていません。 この場合、ヒストグラムの形状を分析します。

規則的な（対称、ベル型）形状。 ヒストグラムの平均値は、データ範囲の中央に対応します。 最大周波数も中央で発生し、両端に向かって徐々に減少します。 形状は左右対称です。

この形式のヒストグラムが最も一般的です。 プロセスの安定性を示します。

負に偏った分布（正に偏った分布）。 ヒストグラムの平均値は、データ範囲の中央の右 (左) に位置します。 頻度は、ヒストグラムの中心から右 (左) に移動すると急激に減少し、ゆっくりと左 (右) に移動します。 形状は非対称です。

この形状は、上限（下限）が理論上または公差値によって調整される場合、または右（左）の値が達成できない場合に形成されます。

右側に崖がある分布（左側に崖がある分布）。 ヒストグラムの平均値は、データ範囲の中央のかなり右 (左) に位置します。 頻度は、ヒストグラムの中心から右 (左) に移動すると非常に急激に減少し、ゆっくりと左 (右) に移動します。 形状は非対称です。

この形式は、プロセスの再現性が低いため、製品管理が 100% の場合によく見られます。

コーム（マルチモーダルタイプ）。 1 または 2 の間隔では、周波数が低くなります (高くなります)。

この形式は、間隔に含まれる個々の観測値の数が間隔ごとに変動する場合、または特定のデータ丸めルールが適用される場合に形成されます。

中央の高い部分 (プラトー) がないヒストグラム。 ヒストグラムの中央の頻度はほぼ同じです (プラトーでは、すべての頻度がほぼ等しい)。

この形式は、平均値が互いに近い複数の分布が結合された場合に発生します。 さらに分析するには、層別法を使用することをお勧めします。

ダブルピークタイプ（バイモーダルタイプ）です。 ヒストグラムの中央付近では頻度は低くなりますが、両側に頻度のピークがあります。

この形式は、平均値が大きく離れている 2 つの分布が結合されるときに発生します。 さらに分析するには、層別法を使用することをお勧めします。

ギャップのあるヒストグラム (「抜かれた歯」がある)。 ヒストグラムの形状は通常型の分布に近いですが、隣接する両方の区間よりも頻度が低い区間が存在します。

この形式は、間隔の幅が測定単位の倍数でない場合、スケールの読み取り値が正しく読み取られていない場合などに発生します。

孤立したピークを持つ分布。 通常のヒストグラム形状に加えて、小さな孤立したピークが表示されます。

この形式は、プロセスの制御性が損なわれている場合、測定中にエラーが発生した場合、または別のプロセスからのデータが含まれている場合など、別の分布からの少量のデータが含まれている場合に形成されます。

オプション II。研究中の指標には技術的な許容範囲があります。 この場合、ヒストグラムの形状と、許容範囲に対するその位置の両方が分析されます。 考えられるオプション:

ヒストグラムは正規分布のように見えます。 ヒストグラムの平均値は許容範囲の中心と一致します。 ヒストグラムの幅は、余裕を持った許容範囲フィールドの幅よりも小さくなります。

この状況では、プロセスを調整する必要はありません。

ヒストグラムは正規分布のように見えます。 ヒストグラムの平均値は、許容範囲フィールドの中心と一致します。 ヒストグラムの幅は公差範囲の幅と等しいため、上下の両方の公差マージンから規格外の部品が出現することが懸念されます。

この場合、ヒストグラムの幅を小さくするために技術プロセスを変更する可能性（例えば、装置の精度を上げる、より良い材料を使用する、製品の加工条件を変更するなど）を検討する必要があります。または許容範囲を拡大します。 この場合の部品の品質要件を満たすのは困難です。

ヒストグラムは正規分布のように見えます。 ヒストグラムの平均値は、許容範囲フィールドの中心と一致します。 ヒストグラムの幅は公差範囲の幅よりも大きいため、規格外の部品は公差の上限と下限の両方から検出されます。

この場合、第2項に記載の措置を講じる必要があります。

ヒストグラムは正規分布のように見えます。 ヒストグラムの幅は、余裕を持った許容範囲フィールドの幅よりも小さくなります。 ヒストグラムの平均値は公差範囲の中心に対して左（右）にシフトしているため、公差範囲の下限（上限）側に規格外品が存在する可能性が懸念されます。

この状況では、使用されている測定ツールが系統的誤差を引き起こしていないかどうかを確認する必要があります。 測定機器が適切に動作している場合は、ヒストグラムの中心が許容範囲フィールドの中心と一致するようにプロセスを調整する必要があります。

ヒストグラムは正規分布のように見えます。 ヒストグラムの幅は、許容範囲フィールドの幅とほぼ同じです。 ヒストグラムの平均値は、許容範囲の中心に対して左 (右) にシフトしており、1 つ以上の間隔が許容ゾーンの外側にあり、欠陥部品の存在を示しています。

この場合、最初にヒストグラムの中心が許容範囲フィールドの中心と一致するように技術的操作を調整する必要があります。 この後、ヒストグラムの範囲を小さくするか、許容範囲のサイズを大きくするための措置を講じる必要があります。

ヒストグラムの中心は許容範囲の上限（下限）にシフトしており、許容範囲の上限（下限）付近のヒストグラムの右側（左側）には鋭い切れ目があります。

この場合、許容範囲外の指標値を持つ製品がバッチから除外されたか、許容範囲内に含めるのに適した製品として意図的に分配されたと結論付けることができます。 したがって、この現象が発生した原因を特定する必要があります。

ヒストグラムの中心は許容範囲の上限（下限）にシフトしており、許容範囲の上限（下限）付近のヒストグラムの右側（左側）には鋭い切れ目があります。 さらに、1 つ以上の間隔が許容範囲外です。

ケースは6.と似ていますが、ヒストグラムの間隔が許容範囲外である場合は、測定器が故障していることを示しています。 これに伴い、測定器の確認や作業者への測定ルールの再指導も必要となる。

インジケーターの値は同じバッチの製品に対して測定されたものですが、ヒストグラムには 2 つのピークがあります。

この場合、製品は異なる条件下で取得されたと結論付けることができます (たとえば、異なるグレードの材料が使用された、機器の設定が変更された、製品が異なる機械で製造されたなど)。 この点に関して、さらなる分析には層別法を使用することをお勧めします。

ヒストグラムの主な特性は整っていますが（ケース 1 に対応します）、許容範囲外の指標値を持つ不良品があり、別の「島」（孤立したピーク）を形成します。

この状況は、良品の中に不良品が混入していたという過失の結果発生した可能性があります。 この場合、そのような事態が発生した原因や状況を特定し、それを解消するための対策を講じる必要があります。

ポルホフスカヤ T.、アドラー Y.、シュパー V.

現代世界では、製品の品質の問題が非常に重要になってきています。 どのような企業やサプライヤーの幸福も、ソリューションの成功に大きくかかっています。 製品の品質が高ければ、サプライヤーが市場で競争できる可能性が大幅に向上し、最も重要なことに、消費者のニーズをよりよく満たすことができます。 製品の品質は企業の競争力を示す最も重要な指標です。

製品の品質は、科学研究、設計、技術開発の過程で確立され、適切な生産組織によって確保され、最終的には使用中または消費中に維持されます。 これらすべての段階で、タイムリーな管理を実行し、製品品質の信頼できる評価を得ることが重要です。

コストを削減し、消費者に満足していただける品質を実現するには、完成品の欠陥（ばらつき）をなくすのではなく、製造過程で発生する原因を防ぐ工夫が必要です。

製品にさまざまな欠陥が発生する理由は何ですか?また、その数を減らすにはどのような機会がありますか?

製品は厳しい品質基準を満たさなければならず、欠陥につながる要因は数多くあるため、製品の欠陥は避けられないと多くの人が考えています。 しかし、製品の種類や技術プロセスの違いにもかかわらず、不良品が発生する原因は普遍的です。 欠陥は、部分的には製品を作成する物理的および化学的プロセス自体によって引き起こされますが、部分的には材料、プロセス、作業方法、管理方法などのばらつき（ばらつき）に関連しています。 ばらつきがなければ、すべての製品は同一になります。 それらの品質はすべてまったく同じになります。

たとえば、同じ品質の材料から同じ機械、同じ方法を使用して製品を製造し、これらの製品をまったく同じ方法でテストした場合はどうなるでしょうか? 製造される製品の数に関係なく、前述の 4 つの条件が同一である限り、それらはすべて同一である必要があります。 すべての製品が要件を満たしているか、満たしていないかのどちらかです。 材料、機械、製造方法、検査方法が指定仕様と異なる場合、すべての製品が不良品となります。 この場合、同一の不良品が発生することは避けられません。 リストされた 4 つの製造条件に偏差がなければ、すべての製品は「同一」、つまり欠陥がないはずです。

しかし、すべての製品に欠陥があることはほぼ不可能です。 生産量全体のうち、そのようなものは一部のみで、残りは欠陥がありません。

たとえば、鋼板を曲げるプロセスを考えてみましょう。 一見するとどのシートも同じ厚さに見えますが、正確に測ると同じシートでも部位によって厚さが異なります。 葉のさまざまな部分の結晶構造を調べると、鉄、炭素、その他の原子からなる結晶の形状にわずかな違いがあることがわかります。 これらの違いは当然品質スコアに影響します。 同じ曲げ方をしても同じ曲がり方にはならず、割れが発生する場合もあります。

もう一つの例は金属加工です。 加工箇所が増えるとカッターの切れ味が悪くなります。 切削油の粘稠度は温度変化によっても変化します。 そのため、カッターの研ぎ具合と正しく取り付けられているかどうかにより、製品の寸法が異なります。 どちらの操作も同じ条件で行われているように見えますが、実際には気づかれない多くの変更や変動が発生し、製品の品質に影響を与えます。

別の例、熱処理を考えてみましょう。 炉内の温度は、電圧（電気炉でプロセスを行う場合）またはガス圧力（ガス炉を使用する場合）の変化により常に変化します。 オーブン自体の、ダンパーの近くにある領域。 炉床の近く、アーチ、側壁、中央部では、それらはさまざまな状態にあります。 熱処理炉に製品を入れると、その位置によって製品が受ける熱量が異なり、製品の硬さなどの品質指標に影響を与えます。

作業者の身体能力や技能も製品の品質に影響を与えます。 背が高い人も低い人も、痩せている人も太っている人も、弱い人も強い人も、左利きの人も、右手がより発達している人もいます。 働く人は同じように働いていると思っているかもしれませんが、個人差があります。 同じ人でも、その日の気分や体調、疲労度によって働き方は変わります。 時々彼は不注意のために間違いを犯す。

製品パラメータを測定する際、コントローラによってエラーが発生する可能性があります。 測定値の変動は、欠陥のある測定器や不完全な測定方法の使用によって生じる可能性があります。 したがって、官能検査（視覚管理）の場合、検査員が使用する基準の変更は、製品の品質の誤った評価につながり、製品の適合性に関する意思決定の客観性に影響を与える可能性があります。

このように問題を見ると、製品の製造プロセス中に、品質指標に影響を与える多くの要因があることがわかります。 品質の変化という観点から生産プロセスを評価する場合、それは一定のばらつきの原因として考えることができます。 これらの理由により、製品の品質指標が変化し、製品が不良品と良品に分けられることになります。 品質指標が一定の基準を満たしている場合、製品には欠陥がないと見なされますが、そうでない場合、製品は欠陥品として分類されます。 また、不良品であっても、規格品と比較すると個体差があります。 「全く同じ」商品は存在しません。 すでに述べたように、不良品が発生する理由の 1 つはばらつきです。 減らそうと思えば、間違いなくその数は減ります。 これはシンプルで常識的な原則であり、製品の種類や技術プロセスの種類に関係なく、同様に有効です。

長年にわたって存在してきた管理手法は、製造された製品の全数検査を通じて欠陥を分析することに原則として縮小されました。 大量生産では、このような制御は非常に高価です。 試算によると、選別を通じて製品の品質を確保するには、企業の管理装置が生産労働者の数の5～6倍必要となる。

一方で、量産における継続的な管理は、合格した製品に不良品が存在しないことを保証するものではありません。 経験上、検査員はすぐに疲れてしまい、その結果、良品の一部が不良品と間違われたり、その逆が発生したりすることがわかっています。 実際には、人々が完全な管理に夢中になっている場合、欠陥による損失が急激に増加することも示されています。

これらの理由により、生産は選択的制御への切り替えを余儀なくされました。 抜き取り検査の普及は、確率論と数理統計の分野の専門家による研究によって促進されました。その結果、信頼性の高い品質評価には、ほとんどの場合、製造されたすべての製品を検査する必要はないことが判明しました。 これらの研究（主にアメリカの統計学者ドッジ、ロミグ、シューハートによる）により、新しい科学的および方法論的な基礎に基づいて技術管理の組織にアプローチすることが可能になりました。 ただし、選択的制御への移行は、技術プロセスが確立された状態にあり、欠陥数が最小限の製品の生産が自動的に保証されるような精度と安定性を備えている場合にのみ有効であることに留意する必要があります。

なぜサンプリング管理を統計的に行う必要があるのでしょうか? 2 つの典型的な例を見てみましょう。

現在、技術プロセスの現状のモニタリングは次のように行われています。 現在の製品の中から、ランダムなタイミングで、管理対象となる製品を 1 つ選択し、それによって技術プロセスの状態が判断されます。適切であることが判明した場合、そのプロセスは確立されたとみなされ、そうでない場合は、決定が行われます。製品の生産を一時停止し、工程を調整する必要がある。

そのような行動にはどのような効果があるのでしょうか? 技術プロセスの状態を監視するために策定された手順は、伝統的な論理に基づいています。つまり、プロセスは確立されています - 欠陥はなく、プロセスは混乱しています - すべての製造製品には欠陥があります。

生成には他にも確率的またはランダムと呼ばれるパターンがあります。 プロセスに問題が発生した場合、生成される欠陥の割合はわずかに増加します (最大 1、2、10%、ごくまれに 100%)。これは特定のテクノロジと問題の特定の原因によって異なります。 技術プロセスの中断の結果、生成される欠陥の割合が 5% に増加したと想像してみましょう。 これは、平均して、生産される 20 個ごとに欠陥があることを意味します。 20 個の欠陥ユニットの中からこの 1 個の欠陥ユニットを正確に抽出し、正しい決定を下す確率はどれくらいですか? 答えは、プロセス違反が検出される確率は、プロセスが乱れた欠陥のある製品が生産される確率と等しい、ということです (この場合は 5%)。

技術プロセスの状態を継続的に監視する組織化という現代の実践では、根本的に欠陥の防止という問題を解決することはできません。 また、テスト用に 1 つではなく 2 つまたは 3 つのユニットを選択した場合も役に立ちません。 統計的品質管理では、同じ結果を数理統計の方法で処理することで、技術プロセスの真の状態を高い信頼性で評価することが可能になります。 統計的手法を使用すると、制御対象として選択された 2 つまたは 3 つの製品が適切であることが判明した場合でも、技術的プロセスの状態の変化に非常に敏感であるため、プロセスの異常を合理的に検出することができます。

専門家は、長年の努力の結果、世界の経験から、特別な訓練を受けずに理解して効果的に使用できるテクニックやアプローチを少しずつ分離してきました。これは、問題の大部分を解決する上で確実に実績をあげる方法で行われました。実際の生産現場で発生する問題。

その結果、大量応用向けに設計された実用的な方法のシステムが開発されました。 これらはいわゆる 7 つの単純な方法です。

1) パレート図。

２）石川スキーム。

3）層間剥離（層状化）。

４）コントロールシート。

5) ヒストグラム。

6) グラフィックス (平面上)

7) 管理図 (シューハート)。

場合によっては、これらのメソッドが異なる順序でリストされていることがありますが、これは重要ではありません。なぜなら、これらのメソッドは、個々のツールとして、またメソッドのシステムとして考慮されることになっているためです。それぞれの特定のケースにおいて、ツールの作業セットの構成と構造は以下のとおりです。具体的に決められているはずです。

品質管理の統計的手法は、哲学、方針、システム、方法論であるとともに、測定、分析、試験、管理、運用データ、専門家による評価、および品質管理を可能にするその他の情報の結果に基づく品質管理の技術的手段です。信頼性が高く、情報に基づいた、証拠に基づいた意思決定。

統計的手法の使用は、新しい技術を開発し、生産プロセスの品質を管理するための非常に効果的な方法です。 多くの大手企業はその広範な使用に取り組んでおり、中にはこれらのテクニックの社内トレーニングに年間 100 時間以上を費やしている企業もあります。 統計手法の知識はエンジニアの通常の教育の一部ですが、知識だけではそれを適用できる能力を意味しません。 イベントを統計的な観点から見る能力は、手法自体の知識よりも重要です。 さらに、生じた欠点や変化を正直に認め、客観的な情報を収集することができなければなりません。