Statistiniai tyrimo ir kontrolės metodai. Gaminių statistinės kokybės kontrolės metodai. Reguliavimo žemėlapiai kaip kokybės kontrolės metodas

Statistinės kokybės kontrolės metodai yra naudojami kokybės kiekybinėms charakteristikoms įvertinti. Pirmasis gamybos procesų kontrolės statistinius metodus panaudojo V.A. Shewhart (1891-1967). Jo taikytas kokybės kontrolės reguliavimo žemėlapis yra pagrįstas statistiniais duomenimis. Statistinės analizės pagalba galima būtų laiku nustatyti ir pašalinti esamos gamybos defektus.

Statistiniai kokybės kontrolės metodai rodo, kad tam tikroje prekių serijoje tam tikros kokybės charakteristikos atsiranda tam tikrą skaičių kartų, o remiantis šiais duomenimis galima sudaryti normalaus pasiskirstymo kreivę. Esant kontroliuojamam procesui, kiekvienos sekančios partijos įvertinimas duos panašią kreivę, jei procesas nekontroliuojamas, kreivės skirsis. Pavyzdys: apskaičiuojama, kad esant normaliam preso žingsnio aukščio pasiskirstymui (žr. 1 diagramą), didžioji dalis charakteristikų yra artima 150 mm vertei. 68,27% matavimo rezultatų yra nuo 147 mm iki 153 mm.

Schema 1. Normalus preso žingsnio aukščio pasiskirstymas.

Atsižvelgiant į turimus rodiklius, galimi du variantai:

1) Kokybė tvarkinga, visi rodikliai yra priimtinais intervalais.

2) Kokybė netvarkinga, rodikliai, kurie patenka už leistinų intervalų, turi būti grąžinti į normalų. Vėlgi, yra trys galimybės:

• nukrypimai vis dar leidžia ribotai naudoti gaminį, pavyzdžiui, antros klasės gaminį.
• defektai gali būti ištaisyti.
• nukrypimai tokie dideli, kad partija nurašoma kaip brokuota.

Reguliavimo žemėlapiai kaip kokybės kontrolės metodas

Kokybės reguliavimo kortelės- vienas iš statistinių kokybės kontrolės metodų, procesų, ypač gamybos procesų, stebėjimo ir kontrolės priemonė. Gamybos proceso metu darbuotojai patys gali kontroliuoti produkcijos kokybę, atsitiktinai parinkdami gaminius ant linijos ir patikrinimo rezultatus įrašydami į kokybės kontrolės kortelę. Į žemėlapį įvesti duomenys leidžia nustatyti, ar nuokrypiai neviršija leistinų ribų, kurios yra iš anksto nustatytos. Statistine prasme kokybės kontrolės žemėlapiai yra grafinis atsitiktinių įvykių koordinačių sistemoje interpretavimas. Kol nukrypimai neviršija leistinų ribų, procesas laikomas valdomu (žr. 2 pav.). Kokybės kontrolės lentelės tvarkymo procedūra:

• Reguliariai atlikti atsitiktinius patikrinimus;
• Šiuo atveju laiko intervalai tarp mėginių ėmimo turėtų būti nustatyti išduodant kokybės kontrolės kortelę;
• Mėginių ėmimo tūris turi būti pastovus;
• Bet koks įsikišimas gamybos procesas turėtų būti pažymėta kokybės kontrolės lentelėje.

2 schema. Kokybės reguliavimo žemėlapio sudarymas.

Proceso tinkamumui apskaičiuoti naudojama ši formulė:

Procesas laikomas tinkamu, t.y. turintis pakankamą kokybės potencialą, jei Cp ³ 1,33, o dispersija yra tolerancijos srityje (OTG -UTG).

Jeigu gamyba nevyksta normalaus paskirstymo rėmuose, t.y. tolerancijos srityje turi vienpusę reikšmių sklaidą, tada normalusis skirstinys jam netinka. Tai reiškia, kad procesas nėra statistiškai kontroliuojamas, nepatikimas. Statistinė kontrolė reiškia, kad atsitiktinės įtakos yra vienintelė nukrypimų nuo nurodytos kokybės charakteristikos priežastis. „Statistinės kontrolės nekontroliuojamo“ proceso priežastys gali būti nepastebėti žaliavų pokyčiai, įrankių lūžimas arba neapmokytų darbuotojų klaidos, dažniausiai ne dėl atsitiktinės dispersijos, o dėl sistemingų įtakų. Proceso patikimumas nustatomas pagal intervalo tarp vidutinės pasiskirstymo vertės ir šalia esančios tolerancijos ribos santykį su trimis dispersijomis:

Procesas laikomas pakankamai patikimu, jei Срk ≥ 1,33, kur Z yra intervalas tarp vidutinės pasiskirstymo reikšmės ir artimos tolerancijos ribos, s yra standartinis nuokrypis.

3 schema. „25,10 mm skersmens veleno sukimo su ± 0,04 mm leistinu nuokrypiu“ valdymo žemėlapio gamybos pavyzdys.

Kadangi proceso kokybės potencialas Сp ³ 1,33, procesas yra tinkamas. Tuo pačiu metu proceso patikimumas yra Cрk ≥ 1,33, o tai taip pat apibūdina aukštą proceso patikimumą. Išvada: tęskite procesą.

4 schema. „25,10 mm skersmens veleno sukimo su ± 0,04 mm nuokrypa valdymo žemėlapio gamybos pavyzdys.

Proceso potencialas- geras (CP ≥ 1,33), proceso patikimumas - mažas (Cp ≤ 1,33). Procesą sistemingai veikia neatsitiktiniai veiksniai, dėl kurių reikšmių pasiskirstymo grafikas pasislenka arba į apatinę, arba į viršutinę tolerancijos ribą. Būtina nustatyti priežastis, koreguoti procesą, atlikti vėlesnį statistinį vertinimą.

5 schema. „25,10 mm skersmens veleno sukimo su ± 0,04 mm nuokrypa valdymo žemėlapio gamybos pavyzdys.

Proceso potencialas – Prastas (Cpk ≤ 1,33), proceso patikimumas – mažas (Cpk ≤ 1,33). Būtina analizuoti procesą, plėtoti veiklą, organizuoti procesą naujai.

Daugiau straipsnių šia tema galite rasti skyrių Kokybės vadyba portalų bibliotekos, taip pat

Ypatingą vietą kokybės kontrolės metodų grupėje užima statistiniai metodai. Jų taikymas grindžiamas matavimų, analizės, bandymų rezultatais, eksploataciniais duomenimis, ekspertų vertinimais. Pagrindinis dalykas statistiniuose metoduose yra darbo su faktine metodika

duomenis. Šiuo atveju spręstini uždaviniai – informacijos planavimas, gavimas, apdorojimas ir suvienodinimas, jos panaudojimas analizuojant ir valdant, sprendimų priėmimas remiantis analizės rezultatais, prognozavimas ir kt.

Šiuolaikinių statistinių kokybės kontrolės metodų visuma skirstoma į tris kategorijas pagal sudėtingumo laipsnį.

1. Elementarieji statistiniai metodai, įskaitant diagramą

Pareto, priežasties ir pasekmės diagrama, kontrolinis sąrašas, histograma, sklaidos diagrama, stratifikacijos metodas, kontrolinė diagrama.

2. Tarpiniai statistiniai metodai, kurie apima: imties tyrimų teoriją; statistinė atrankos kontrolė; įvairių metodų statistinių vertinimų atlikimas ir kriterijų nustatymas; eksperimentų skaičiavimo metodas. Šią metodų grupę taiko kokybės vadybos srities inžinieriai ir specialistai.

3. Pažangūs statistiniai metodai, įskaitant eksperimentų skaičiavimo metodus, daugiamatę analizę, įvairius operacijų tyrimo metodus. Ribotas skaičius inžinierių ir specialistų yra apmokytas jų taikymo srityje.

Elementarieji statistiniai metodai yra kitų statistinių metodų kategorijų pagrindas.

Kontrolinis lapas yra forma, kurioje taikomi kontroliuojami detalės ar gaminio parametrai, kad būtų galima lengvai ir tiksliai į juos įvesti matavimo duomenis. Jo tikslas yra dvejopas: pirma, palengvinti duomenų apie kontroliuojamus parametrus rinkimo procesą, antra, automatiškai sutvarkyti duomenis, kad būtų lengviau juos naudoti toliau.

Yra keturių tipų kontroliniai sąrašai:

1) kontrolinis lapas, skirtas fiksuoti išmatuoto parametro pasiskirstymą gamybos proceso metu.

2) defektų rūšių registravimo kontrolinis lapas.

3) defektų vietų kontrolinis sąrašas. Kai kuriuose gaminiuose aptinkami išoriniai defektai, tokie kaip įbrėžimai ar nešvarumai, kurių mažinimui įmonė imasi įvairių priemonių. Didelę šios problemos sprendimo dalį atlieka defektų lokalizavimo kontroliniai sąrašai, kuriuose pateikiami eskizai ar diagramos, kuriose daromi užrašai, kad būtų galima pastebėti defektų vietą. Tokie lapai būtini detalės gamybos proceso diagnostikai, nes defektų priežastis dažnai galima rasti tiriant jų atsiradimo vietas ir stebint procesą ieškant paaiškinimų, kodėl defektai koncentruojasi būtent šiose srityse;

4) defektų priežasčių kontrolinis sąrašas. Čia aptikti defektai fiksuojami pagal tipą, atsižvelgiant į tai, kad jų atsiradimo priežastimis gali būti įranga, pagaminimo laikas, tiesioginis gamintojas. Kontrolinis sąrašas leidžia nustatyti pagrindines priežastis ir parengti priemones joms pašalinti.

Pareto diagrama pavadintas italų ekonomisto V. Pareto vardu, kuris 1897 metais išvedė formulę, rodančią, kad nauda visuomenėje pasiskirsto netolygiai.

Pareto principo, kuriuo grindžiama diagramos konstrukcija, esmė yra ta, kad visas galimų defektų priežasčių rinkinys yra padalintas į dvi grupes. Pirmoji grupė – tai nedidelis skaičius priežasčių, kurios reikšmingai įtakoja defektų atsiradimą (kelios esminės). Antroji grupė – tai daug priežasčių, kurios turi nereikšmingą poveikį (daug nereikšmingų). Pareto diagramos sudarymas yra būdas nustatyti kelis esminius veiksnius, turinčius įtakos dalies ar gaminio kokybei.

Yra tokių Pareto diagramų tipų, kaip veiklos rezultatų diagrama ir priežasčių diagrama. Pirmasis skirtas nustatyti pagrindinę tiriamo proceso problemą ir gali atspindėti nepageidaujamus veiklos rezultatus (kokybės srityje tai gali būti: defektai, gedimai, klaidos, gedimai, nusiskundimai, remontas, prekių grąžinimas). Antrasis atspindi gamybos procese kylančių problemų priežastis ir naudojamas pagrindinei nustatyti.

Diagrama ir Pareto kreivė vizualiai atspindi konkretaus produkto kokybės kontrolės rezultatus. Remiantis šiais duomenimis, nustatomos pagrindinės priežastys, lemiančios reikšmingiausių defektų atsiradimą, kuriamos priemonės jiems pašalinti.

Praėjus tam tikram laikui po šių priemonių įgyvendinimo, Pareto diagramos sudarymo procedūra kartojama, patartina tai padaryti toje pačioje formoje, kad būtų aiškiai matyti, kiek veiksmingos pastangos pašalinti defekto priežastis. buvo vienokio ar kitokio tipo.

Priežasties ir pasekmės diagrama (ISIKAWA) atspindi ryšį tarp tam tikro kokybės rodiklio ir jį veikiančių veiksnių.

Kitaip ji vadinama „žuvies skeleto“ diagrama dėl išorinio formos panašumo.

Norėdami sudaryti priežasties ir pasekmės diagramą, turite:

1) nustato tiriamą kokybės rodiklį;

2) rasti pagrindines priežastis, turinčias įtakos šiam rodikliui;

3) nustatomos antrinės priežastys, turinčios įtakos pagrindinėms, tada nustatomos trečios eilės priežastys, kurios paveikia antrines, ir taip toliau, kol jos visiškai išsenka;

4) išanalizuoti visas nustatytas priežastis ir išryškinti tas, kurios, kaip tikimasi, turės didžiausią įtaką tiriamam kokybės rodikliui. Sprendžiant problemas su tiriamu kokybės rodikliu, šioms priežastims skiriamas ypatingas dėmesys.

Taškinė diagrama– vienas iš elementariosios statistikos metodų rūšių – naudojamas nustatyti vienų rodiklių priklausomybę nuo kitų. Sklaidos diagramos atkurti duomenys sudaro koreliacijos lauką. Ryšys tarp rodiklių nustatomas pagal šio lauko formą. Sklaidos diagramos pagalba galima techniškai kompetentingai išspręsti daugelį klausimų, pavyzdžiui, nustatyti detalės apdirbimo tikslumo priklausomybę nuo mašinos parametrų, įrankių, technologinės disciplinos laikymosi ir kt.

Juostinė diagrama yra stulpelių diagramos tipas, naudojamas iliustruoti bet kurio kontroliuojamo parametro pasiskirstymą. Histograma naudojama norint gauti vaizdinę informaciją apie gaminio gamybos procesą ir padeda nuspręsti, ar tai padaryti

į kokią problemą reikėtų atkreipti dėmesį. Ši informacija rodoma kaip to paties pločio, bet skirtingo aukščio juostų serija. Juostos plotis – intervalas kontroliniame diapazone, aukštis – tyrimų skaičius viename intervale.

Stratifikacijos metodas (duomenų stratifikacija) - įrankis, leidžiantis pasirinkti duomenis, atspindinčius reikiamą informaciją. Pagal šį metodą statistiniai duomenys stratifikuojami, t.y. sugrupuokite juos pagal gavimo sąlygas ir apdorokite kiekvieną duomenų grupę atskirai. Duomenys, suskirstyti į grupes pagal savo požymius, vadinami sluoksniais (sluoksniais), o pats atskyrimo procesas – stratifikacija (sluoksniacija). Yra įvairių delaminavimo būdų, kurių taikymas priklauso nuo konkrečių užduočių. Pavyzdžiui, duomenys, susiję su tame pačiame ceche pagamintais gaminiais, gali šiek tiek skirtis priklausomai nuo rangovo, naudojamos įrangos, darbo operacijų metodų ir kt. Visi šie skirtumai gali

būti delaminacijos veiksniais. Dėl stratifikacijos „5 M“, atsižvelgiant į veiksnius, priklausančius nuo žmogaus (žmogaus), mašinos (mašinos), medžiagos (medžiagos), metodo (metodo), matavimo (matavimo).

Delaminaciją galima atlikti šiais būdais:

Pagal atlikėjus - kvalifikacija, lytis, darbo patirtis ir kt.;

Mašinoms ir įrangai - nauja ir sena įranga, prekės ženklas, dizaino, gamybos įmonė ir kt.;

Pagal medžiagą – gamybos vietą, gamintoją ir kt.

Kontrolės kortelės buvo sukurti 1930-aisiais. JAV U.A. Shewhart. Tokie žemėlapiai naudojami neigiamoms tendencijoms aptikti, siekiant išvengti rimtų problemų, dėl kurių procesas taps nekontroliuojamas.

Pavyzdžiui, bet kuriuo periodu (pamainą, valandą) buvo stebimas mašinos ar proceso darbas, matuojamas pagamintų detalių skersmuo. Remiantis gautais rezultatais, sudaromas grafikas. Išmatuoto skersmens vertė brėžiama išilgai vertikalios ašies, o dalių numeriai iš eilės pažymėti horizontalioje ašyje. Nubrėžiamos dvi horizontalios linijos, atitinkančios brėžinio ar specifikacijų leistinus nuokrypius, ir dar dvi, nustatančios viršutinę ir apatinę valdymo ribas (jų padėtis nustatoma specialiomis formulėmis). Mažas matavimo skirtumų diapazonas, esantis tarp jų, rodo, kad produktas pagamintas neviršijant tolerancijos. Taigi, paprasčiausias

valdymo diagrama, kurioje rodomas reguliavimo lygio pokytis ir proceso tikslumas

Jei matavimo linijos, vaizduojančios procesą, taškai yra intervale tarp valdymo ribų, tada laikoma, kad procesas yra kontroliuojamas. Jei keletas taškų išeina už sienos, tai rodo proceso netvarką ir poreikį jį reguliuoti. Valdymo diagramos leidžia stebėti esamą proceso našumą. Jie parodo atsiradusius nukrypimus nuo standarto, tikslo ar vidurkio ir atspindi proceso statistinės kontrolės lygį laikui bėgant. Statistinių metodų naudojimas yra svarbi gaminių ir procesų kokybės kontrolės efektyvumo gerinimo sąlyga.

Statistinių kokybės kontrolės metodų prasmė slypi reikšmingame jos įgyvendinimo sąnaudų sumažinime, palyginti su organoleptinėmis (vizualinėmis, klausos ir kt.) su nuolatine kontrole, viena vertus, ir neatsižvelgiant į atsitiktinius produkto kokybės pokyčius. ant kito.

Statistinių metodų taikymo gamyboje sritys yra dvi (4.8 pav.):

kontroliuojant insultą technologinis procesas siekiant išlaikyti jį nurodytose ribose (kairėje diagramos pusėje);

priėmus pagamintus gaminius (dešinėje diagramos pusėje).

Ryžiai. 4.8. Statistinių produktų kokybės valdymo metodų taikymo sritys

Technologiniams procesams valdyti sprendžiamos technologinių procesų tikslumo ir stabilumo statistinės analizės bei jų statistinio reguliavimo problemos. Šiuo atveju technologinėje dokumentacijoje nurodytos kontroliuojamų parametrų leistinos nuokrypos laikomos standartinėmis, o užduotis yra griežtai išlaikyti šiuos parametrus nustatytose ribose. Taip pat gali būti keliamas uždavinys ieškoti naujų operacijų atlikimo būdų, siekiant pagerinti galutinės produkcijos kokybę.

Prieš pradedant taikyti statistinius metodus gamybos procese, būtina aiškiai suprasti šių metodų taikymo tikslą ir gamybos naudą iš jų taikymo. Labai retai duomenys naudojami vertinant gautą kokybę. Paprastai duomenų analizei naudojami septyni vadinamieji statistiniai metodai arba kokybės kontrolės įrankiai: duomenų stratifikacija (sluoksniavimas); diagramos; Pareto diagrama; priežastinė diagrama (Ishikawa diagrama arba „žuvies skeletas“); kontrolinis lapas ir histograma; sklaidos diagrama; kontrolės kortelės.

1. Stratifikacija (stratifikacija).

Kai duomenys skirstomi į grupes pagal jų charakteristikas, grupės vadinamos sluoksniais (sluoksniais), o pats atskyrimo procesas – stratifikacija (sluoksniacija). Pageidautina, kad skirtumai sluoksnio viduje būtų kuo mažesni, o tarp sluoksnių – kuo didesni.

Matavimo rezultatuose visada yra didesnis ar mažesnis parametrų sklaida. Jei stratifikuojame pagal veiksnius, kurie sukuria šį skirtumą, tai lengva nustatyti Pagrindinė priežastis jo išvaizdą, sumažinti jį ir pagerinti gaminio kokybę.

Skirtingų laminavimo metodų naudojimas priklauso nuo konkrečių užduočių. Gamyboje dažnai naudojamas metodas, vadinamas 4M, atsižvelgiant į veiksnius, priklausančius nuo: asmens (vyro); mašinos (mašinos); medžiaga (medžiaga); metodas (metodas).

Tai reiškia, kad laminavimą galima atlikti taip:

Pagal atlikėjus (pagal lytį, darbo patirtį, kvalifikaciją ir kt.);
- pagal mašinas ir įrangą (naują ar seną, prekės ženklą, tipą ir pan.);
- pagal medžiagą (pagal gamybos vietą, partiją, tipą, žaliavų kokybę ir kt.);
- pagal gamybos būdą (pagal temperatūrą, technologinį metodą ir kt.).

Prekyboje gali būti stratifikacija pagal regionus, firmas, pardavėjus, prekių rūšis, sezonus.

Grynasis stratifikacijos metodas taikomas skaičiuojant prekės savikainą, kai reikia įvertinti tiesiogines ir netiesiogines sąnaudas atskirai gaminiams ir partijoms, vertinant pelną iš produkcijos pardavimo atskirai klientams ir gaminiams ir kt. Stratifikacija taip pat naudojama taikant kitus statistinius metodus: kuriant priežasties-pasekmės diagramas, Pareto diagramas, histogramas ir valdymo diagramas.

2. Grafinis duomenų pateikimas plačiai naudojamas pramonės praktika dėl aiškumo ir kad būtų lengviau suprasti duomenų reikšmę. Yra šių tipų diagramos:

BET). Grafas, kuris yra laužta linija (4.9 pav.), naudojamas, pavyzdžiui, išreikšti bet kokių duomenų pokyčius laikui bėgant.

Ryžiai. 4.9. „Sugedusio“ grafiko pavyzdys ir jo aproksimacija

B) Nagrinėjamų duomenų procentinei daliai išreikšti naudojami pyrago ir juostelių sklypai (4.10 ir 4.11 pav.).

Ryžiai. 4.10. Skritulinės diagramos pavyzdys

Gamybos savikainos komponentų santykis:

1 - gamybos savikaina apskritai;

2 - netiesioginės išlaidos;

3 - tiesioginės išlaidos ir kt.

Ryžiai. 4.11. Juostos diagramos pavyzdys

4.11 paveiksle parodytas pardavimo pajamų sumų santykis tam tikrų tipų produktų (A,B,C), matoma tendencija: produktas B yra perspektyvus, bet A ir C ne.

AT). Šių reikšmių pasiekimo sąlygoms išreikšti naudojamas Z-plotas (4.12 pav.). Pavyzdžiui, įvertinti bendrą tendenciją registruojant faktinius duomenis pagal mėnesius (pardavimo apimtis, gamybos apimtis ir kt.)

Grafikas sudarytas taip:

1) parametro reikšmės (pavyzdžiui, pardavimų apimtis) vaizduojamos mėnesiais (vienerių metų laikotarpiui) nuo sausio iki gruodžio ir yra sujungtos tiesiomis atkarpomis (4.12 pav. 1 nutrūkusi linija) ;

2) apskaičiuojama kaupiamoji kiekvieno mėnesio suma ir sudaromas atitinkamas grafikas (4.12 pav. nutrūkusi 2 linija);

3) apskaičiuojamos galutinės vertės (kinta bendra suma) ir sudaromas atitinkamas grafikas. Kintančiajai sumai šiuo atveju imama suma už metus, einančius prieš duotą mėnesį (4.12 pav. nutrūkusi 3 eilutė).

Ryžiai. 4.12. Z formos sklypo pavyzdys.

Ordinačių ašis – pajamos pagal mėnesius, abscisių ašis – metų mėnesiai.

Keisdami bendrą sumą, galite nustatyti pokyčių tendenciją per ilgą laikotarpį. Vietoj kintančios sumos galite grafike nubraižyti planuojamas reikšmes ir patikrinti jų pasiekimo sąlygas.

G). Juostinė diagrama (4.13 pav.) vaizduoja kiekybinę priklausomybę, išreikštą juostos aukščiu, nuo tokių veiksnių kaip gaminio kaina nuo jo rūšies, atliekų kiekis, susidaręs dėl susituokimo proceso metu ir kt. Juostinės diagramos variantai yra histograma ir Pareto diagrama. Konstruojant grafiką išilgai y ašies, brėžiamas veiksnių, turinčių įtakos tiriamam procesui, skaičius (šiuo atveju – paskatų pirkti produktus tyrimas). Ant abscisės ašies – faktoriai, kurių kiekvienas atitinka stulpelio aukštį, priklausomai nuo šio faktoriaus pasireiškimo skaičiaus (dažnio).

Ryžiai. 4.13. Juostinės diagramos pavyzdys.

1 - paskatų pirkti skaičius; 2 - paskatos pirkti;

3 - kokybė; 4 - kainos sumažinimas;

5 – garantiniai terminai; 6 - dizainas;

7 - pristatymas; 8 - kiti;

Jei paskatas pirkti surūšiuosime pagal jų atsiradimo dažnumą ir sudarysime bendrą sumą, gausime Pareto diagramą.

3. Pareto diagrama.

Schema, sudaryta remiantis grupavimu pagal atskirus požymius, išdėstyta mažėjančia tvarka (pavyzdžiui, pagal pasireiškimo dažnumą) ir parodanti kaupiamąjį (kaupiamąjį) dažnį, vadinama Pareto diagrama (4.10 pav.). Pareto yra italų ekonomistas ir sociologas, naudojęs savo diagramą Italijos turtui analizuoti.

Ryžiai. 4.14. Pareto diagramos pavyzdys:

1 - gamybos proceso klaidos; 2 - žemos kokybės žaliavos;

3 - nekokybiški įrankiai; 4 - žemos kokybės šablonai;

5 - žemos kokybės brėžiniai; 6 - kita;

А – santykinis kumuliacinis (kaupiamasis) dažnis, %;

n – sugedusių produkcijos vienetų skaičius.

Aukščiau pateikta diagrama sudaryta remiantis gaminių su trūkumais grupavimu pagal santuokos tipus ir kiekvienos rūšies gaminių su trūkumais vienetų skaičiumi išdėstant mažėjančia tvarka. Pareto diagrama gali būti naudojama labai plačiai. Jos pagalba galite įvertinti priemonių, kurių buvo imtasi gaminių kokybei gerinti, efektyvumą statant ją prieš ir po pakeitimų.

4. Priežasties ir pasekmės diagrama (4.15 pav.).

a) sąlyginės diagramos pavyzdys, kur:

1 - veiksniai (priežastys); 2 - didelis "kaulas";

3 - mažas "kaulas"; 4 - vidurinis "kaulas";

5 - "kraigas"; 6 - charakteristika (rezultatas).

b) veiksnių, turinčių įtakos produkto kokybei, priežasties ir pasekmės diagramos pavyzdys.

Ryžiai. 4.15 Priežasties ir pasekmės diagramos pavyzdžiai.

Priežasties ir pasekmės diagrama naudojama, kai reikia ištirti ir pavaizduoti galimas konkrečios problemos priežastis. Jo taikymas leidžia nustatyti ir sugrupuoti sąlygas ir veiksnius, turinčius įtakos šiai problemai.

Apsvarstykite priežasties ir pasekmės diagramos formą pav. 4.15 (jis taip pat vadinamas „žuvies skeletu“ arba Ishikawa diagrama).

Diagramos tvarka:

1. Sprendimui pasirenkama problema – „kraigas“.
2. Išskiriami reikšmingiausi veiksniai ir sąlygos, darantys įtaką problemai – pirmosios eilės priežastys.
3. Atskleidžiamas priežasčių, turinčių įtakos reikšmingiems veiksniams ir sąlygoms (2, 3 ir vėlesnių eilių priežastys), visuma.
4. Analizuojama diagrama: veiksniai ir sąlygos surikiuojami pagal reikšmingumą, nustatomos priežastys, kurias šiuo metu galima koreguoti.
5. Sudaromas tolesnių veiksmų planas.

5. Kontrolinis lapas(kaupiamoji dažnių lentelė) yra sudaryta siekiant sukurti histogramos paskirstymas, apima šiuos stulpelius: (4.4 lentelė).

4.4 lentelė

Remiantis valdymo lapu, sudaroma histograma (4.16 pav.) arba, atliekant daug matavimų, tikimybių tankio kreivė(4.17 pav.).

Ryžiai. 4.16. Duomenų pateikimo kaip histogramos pavyzdys

Ryžiai. 4.17. Tikimybių tankio pasiskirstymo kreivių tipai.

Histograma yra juostinė diagrama ir naudojama konkrečių parametrų reikšmių pasiskirstymui pagal pasiskirstymą per tam tikrą laikotarpį pavaizduoti. Grafike nubraižydami leistinas parametro reikšmes, galite nustatyti, kaip dažnai tas parametras patenka į leistiną diapazoną arba už jo ribų.

Nagrinėdami histogramą galite sužinoti, ar produktų partija ir technologinis procesas yra patenkinamos būklės. Apsvarstykite šiuos klausimus:

· koks yra skirstinio plotis tolerancijos pločio atžvilgiu;

Koks yra pasiskirstymo centras tolerancijos lauko centro atžvilgiu;

Kokia paskirstymo forma?

Jeigu

a) paskirstymo forma yra simetriška, tada yra paklaidos lauko riba, paskirstymo centras ir tolerancijos lauko centras sutampa - partijos kokybė yra patenkinama;

b) paskirstymo centras pasislenka į dešinę, tai yra, baiminamasi, kad tarp produktų (likusioje partijos dalyje) gali būti gaminių su defektais, kurie viršija viršutinę tolerancijos ribą. Patikrinkite, ar matavimo priemonėse nėra sisteminių klaidų. Jei ne, toliau gaminkite gaminius, reguliuodami operaciją ir perkeldami matmenis taip, kad paskirstymo centras ir tolerancijos lauko centras sutaptų;

c) pasiskirstymo centras yra teisingai, tačiau pasiskirstymo plotis sutampa su tolerancijos lauko pločiu. Baiminamasi, kad įvertinus visą partiją atsiras brokuotų gaminių. Būtina ištirti įrangos tikslumą, apdorojimo sąlygas ir kt. arba išplėsti tolerancijos lauką;

d) paskirstymo centras yra perkeltas, o tai rodo, kad yra gaminių su trūkumais. Reguliuojant reikia perkelti paskirstymo centrą į paklaidos lauko centrą ir susiaurinti paskirstymo plotį arba peržiūrėti leistiną nuokrypį;

e) situacija panaši į buvusią, įtakos priemonės panašios;

f) 2 pasiskirstymo smailės, nors mėginiai buvo paimti iš tos pačios partijos. Tai paaiškinama arba tuo, kad žaliavos buvo 2 skirtingų markių, arba darbo procese buvo pakeistas mašinos nustatymas, arba 2 skirtingomis staklėmis apdirbti produktai buvo sujungti į 1 partiją. Šiuo atveju tyrimas turėtų būti atliekamas sluoksniais;

g) ir plotis, ir paskirstymo centras yra normalūs, tačiau nedidelė gaminių dalis peržengia viršutinę leistino nuokrypio ribą ir atsiskirdami sudaro atskirą salelę. Galbūt šie gaminiai yra dalis brokuotų, kurie dėl neatsargumo buvo sumaišyti su gerais bendrame technologinio proceso eigoje. Būtina išsiaiškinti priežastį ir ją pašalinti.

6. Sklaidos diagrama (išsklaidymas) naudojamas nustatyti kai kurių rodiklių priklausomybę (koreliaciją) nuo kitų arba nustatyti koreliacijos laipsnį tarp n duomenų porų kintamiesiems x ir y:

(x 1 ,y 1), (x 2 ,y 2), ..., (x n , y n).

Šie duomenys atvaizduojami grafike (scatterplot), jiems apskaičiuojamas koreliacijos koeficientas.

Apsvarstykite įvairius sklaidos diagramų (arba koreliacijos laukų) variantus fig. 4.18:

Ryžiai. 4.18. Taškinės diagramos parinktys

Kada:

a) galime kalbėti apie teigiamą koreliaciją (didėjant x dideja y);

b) rodo neigiamą koreliaciją (didėjant x mažėja y);

7. Valdymo kortelė.

Vienas iš būdų pasiekti patenkinamą kokybę ir išlaikyti ją tokiame lygyje yra naudoti valdymo diagramas. Norint kontroliuoti technologinio proceso kokybę, reikia mokėti kontroliuoti tuos momentus, kai gaminami gaminiai nukrypsta nuo nurodyto specifikacijas tolerancijos. Panagrinėkime paprastą pavyzdį. Sekime darbus tekinimo staklės tam tikram laikui ir išmatuosime ant jos pagamintos detalės skersmenį (pamainai, val.). Pagal gautus rezultatus sudarome grafiką ir gauname paprasčiausią kontrolės kortelę(4.20 pav.):

Ryžiai. 4.20. Valdymo diagramos pavyzdys

6 punkte buvo technologinio proceso sutrikimas, būtina jį reguliuoti. VCG ir NCG padėtis nustatoma analitiškai arba pagal specialias lenteles ir priklauso nuo imties dydžio. Esant pakankamai dideliam imties dydžiui, VKG ir NKG ribos nustatomos pagal formules

NKG \u003d -3,

.

VKG ir NKG padeda išvengti proceso netvarkos, kai gaminiai dar atitinka techninius reikalavimus.

Valdymo lentelės naudojamos, kai reikia nustatyti gedimų pobūdį ir įvertinti proceso stabilumą; kai reikia nustatyti, ar procesui reikia reguliavimo, ar reikia palikti tokį, koks yra.

Valdymo diagrama taip pat gali patvirtinti proceso tobulinimą.

Kontrolinė diagrama yra priemonė atpažinti nukrypimus, atsiradusius dėl neatsitiktinių ar ypatingų priežasčių, nuo galimų proceso pokyčių. Tikėtini pokyčiai retai pasikartoja numatomose ribose. Nukrypimai dėl neatsitiktinių ar ypatingų priežasčių signalizuoja, kad reikia nustatyti, ištirti ir kontroliuoti kai kuriuos veiksnius, turinčius įtakos procesui.

Kontrolinės diagramos yra pagrįstos matematine statistika. Jie naudoja operatyvinius duomenis, kad nustatytų ribas, kurių ribose tikimasi būsimų tyrimų, jei procesas išliks neveiksmingas dėl neatsitiktinių ar ypatingų priežasčių.

Informacija apie valdymo diagramas taip pat pateikiama tarptautinius standartus ISO 7870, ISO 8258.

Plačiausiai naudojamos valdymo diagramos reiškia X ir nuotolio valdymo diagramas R, kurie naudojami kartu arba atskirai. Natūralūs svyravimai tarp kontrolės ribų turi būti kontroliuojami. Turite įsitikinti, kad pasirinkote tinkamą valdymo diagramos tipą konkrečiam duomenų tipui. Duomenys turi būti paimti tiksliai tokia tvarka, kokia jie buvo surinkti, kitaip jie netenka prasmės. Duomenų rinkimo laikotarpiu procesas neturėtų būti keičiamas. Duomenys turėtų atspindėti, kaip procesas vyksta natūraliai.

Kontrolinis sąrašas gali nurodyti galimas problemas prieš išleidžiant gaminį su trūkumais.

Įprasta sakyti, kad procesas yra nekontroliuojamas, jei vienas ar keli punktai yra nekontroliuojami.

Egzistuoja du pagrindiniai valdymo diagramų tipai: kokybiniams (netinka - neatitiko) ir kiekybiniams požymiams. Kokybinėms savybėms galimos keturių tipų valdymo lentelės: defektų skaičius produkcijos vienete; mėginio defektų skaičius; nekokybiškų gaminių dalis imtyje; sugedusių elementų skaičius pavyzdyje. Tuo pačiu metu pirmuoju ir trečiuoju atveju imties dydis bus kintamas, o antruoju ir ketvirtuoju – pastovus.

Taigi valdymo diagramų naudojimo tikslai gali būti:

nevaldomo proceso identifikavimas;

kontroliuojamo proceso kontrolė;

proceso galimybių įvertinimas.

Statistinė procesų kontrolė atsirado 1931 m. Ją pasiūlė mokslininkas Walteris Shewhart knygoje "Pagamintų gaminių ekonominės kokybės kontrolė". Tuo metu Shewhart dirbo „Bell Laboratories“ statistiku. Jis pastebėjo, kad gamybos procesuose yra tokių duomenų, kurie po statistinio apdorojimo gali signalizuoti, ar procesas yra kontroliuojamas, ar jame atsirado kokių nors nukrypimų (dėl priežasčių, kurios nėra neatsiejama proceso charakteristika). Šiuo metu naudojami kontroliniai ir kontroliniai sąrašai yra pagrįsti Shewhart darbu. Statistiniam procesų valdymui gali prireikti naudoti bet kurį statistinį metodą, aptartą 3.4 skyriuje „Kokybės analizės metodai“.

Nors SPC iš pradžių buvo naudojamas tik gamybos procesams, jis gali būti taikomas beveik bet kokiam procesui. Viskas, ką daro darbuotojai, gali būti vertinama kaip procesai. Kiekvienam procesui įtakos turi daug veiksnių (naudojama įranga, medžiagos, metodai ir darbo instrukcijos, matavimai ir procese dalyvaujantys žmonės). Jei, be to, niekas nedaro įtakos procesui ir visi šie veiksniai veikia nepriekaištingai ir taip, kaip turėtų, tada procesas yra statistiškai kontroliuojamas. Tai reiškia, kad jokios pašalinės priežastys neturi įtakos procesui. Visos avarijos ištaisytos. Pagal Shewhart poziciją, tai nereiškia, kad visi 100% pagamintų gaminių bus nepriekaištingi, kad procese nėra variacijų. Kiekvienas procesas turi natūralių svyravimų ir nukrypimų, turinčių įtakos derliui, tai yra 3 vienetai nekokybiškų gaminių iš 1000 (su defektais čia turime omenyje gaminius, kurie viršija leistinas ribas - ± 3s).

Kad kiekvienas procesas turi natūralių svyravimų, galima iliustruoti taip: pavyzdžiui, apdirbamų cilindrų skersmenys retai būna tiksliai 17 mm. Jų vertė svyruos apie 17 mm, bent jau matavimo priemonės ir valdymo įrangos tikslumu. Tiesą sakant, šį skirtumą gali sukelti daug daugiau su procesu susijusių priežasčių.

Statistinio proceso valdyme naudojant statistinius metodus (ir tik!) nustatoma, kokie nukrypimai nuo idealaus yra normalūs šis procesas(žinoma, nepainiokite šių „įprastų“ nukrypimų su techninėmis įrangos charakteristikomis, specifikacijasįtakos procesui, tačiau šie „normalūs“ nuokrypiai nustatomi statistiškai).

Statistinis procesų valdymas visiškai neatmeta produktų svyravimų ir nukrypimų nuo idealaus procesų. Tačiau tai leidžia valdyti procesą ir atskirti natūralius visuose procesuose esančius pokyčius nuo gedimų, kuriuos sukelia kai kurios papildomos priežastys. Tai yra proceso tobulinimo ir gamybos be defektų pagrindas. Nustačius ir pašalinus visas gedimų priežastis ir likus tik natūraliems pokyčiams, procesas laikomas statistiškai kontroliuojamu. Pasiekus šią sąlygą, procesas yra stabilus ir 99,73% produkcijos yra statistinės kontrolės ribose (viršutinės ir apatinės kontrolės ribos, jos jau buvo paminėtos 3.4.8. „Kontrolės diagrama“). Tik tada procesas gali būti patobulintas. Taigi:

Statistinių procesų valdymasyra statistinis metodas, skirtas atskirti pokyčius, kuriuos sukelia proceso gedimai, nuo „natūralių“ pokyčių, kurie yra neatsiejama proceso dalis. Statistinės procesų kontrolės tikslas – nustatyti ir pašalinti gedimus bei nustatyti ir palaikyti proceso stabilumą, leidžiantį toliau tobulinti.

Statistinių procesų valdymas, kuris yra dalis universalus valdymas kokybę, gerina gaminių kokybę ir mažina išlaidas. Statistinis procesų valdymas daro šiuos procesus daug efektyvesnius:

variacijų valdymas.

· Nuolatinis tobulinimas.

· Procesų nuspėjamumas.

Nuostolių pašalinimas.

· Atrankinė gamybos kontrolė.

Panagrinėkime, ką šiuose procesuose suteikia statistinė procesų kontrolė.

Variacijos valdymas

Kaip jau minėta, procesą veikia dviejų tipų veiksniai – gedimai ir natūralios priežastys. Statistinis procesų valdymas leidžia atskirti vieną nuo kito. Proceso tobulinimas yra tik natūralių priežasčių pašalinimas arba sumažinimas. Tai įmanoma pašalinus gedimus, kitaip gedimai neleidžia įvertinti patobulinimo efekto.

Nesant gedimų, produkcijos kiekio pasiskirstymas pagal bet kurios charakteristikos vertę, palyginti su jos reikalaujama verte, yra varpo formos kreivė. Kaip sudarytas toks skirstymas, išsamiai aprašyta 3.4.9 punkte. "Juostinė diagrama". Šios charakteristikos vertės 99,73 % produkto vienetų neviršija ±3s (3.9 pav. a). Jei procese įvyksta gedimas, tai daugiau gaminių išeina už ribos ± 3s (3.9 pav. b). AT bendras atvejis jei procesas nepavyksta, paskirstymas neturi būti varpo kreivė.

Nuolatinis tobulinimas

Norint pagerinti gaminių kokybę, būtina tobulinti jos kūrimo procesus. Proceso tobulinimas yra jo tobulinimas. natūralių savybių. Tai galima atlikti tik pašalinus visus gedimus. Tuo pačiu metu bus kontroliuojamas ir pats tobulinimas bei bus galima sudaryti kontrolinius sąrašus ir valdymo lenteles tobulinimo poveikiui įvertinti. Proceso tobulinimo rezultatus galima pavaizduoti grafiškai, kaip parodyta fig. 3,9 colio

Ryžiai. 3.9 Apdorojamų cilindrų skersmens verčių pasiskirstymas pagal reikiamą vertę

Proceso nuspėjamumas

Statistinis procesų valdymas daro procesus stabilius, pakartojamus ir nuspėjamus. Kai procesas yra kontroliuojamas, įmonė tiksliai žino jo ypatybes. Tai leidžia tiksliai įvertinti galimybę įvykdyti konkretų užsakymą ir atlikti kuo žemesnius rizikos vertinimus (tai atitinkamai sumažina sutarties kainą ir padidina konkurencingumą). Jei procesas nekontroliuojamas, kyla rizika, kad sutarties sąlygos nebus įvykdytos arba sutarties negaus dėl auksta kaina(Jei rizikuosite maksimaliai). Bet kokiu atveju vadovas išeis daug nervų, kad gautų kontraktą ir vykdytų jos sąlygas.

Nuostolių pašalinimas

Jei procesas yra statistiškai kontroliuojamas, tai leidžia pastebėti gedimus iškart po jų atsiradimo, o tai sumažina nekokybiškų produktų gamybą. Buvo manoma, kad organizuoti statistinę procesų kontrolę yra pigiau nei ištaisyti atsiradusius defektus.

Produkto kontrolė

Statistinis procesų valdymas leidžia optimaliai organizuoti valdymą gatavų gaminių(kad jo kaina būtų minimali ir priimtinu patikimumu). Gaminio kontrolei reikalinga brangi įranga ir aukštos kvalifikacijos (ir gerai apmokamo) personalas, todėl kontrolės kaštai sumažėja ženkliai. Be to, net 100% gatavų gaminių kontrolė atskleidžia tik 80% defektų. Jei procesas yra statistiškai kontroliuojamas, tada galima nustatyti reikiamą mėginių ėmimo kiekį ir sukurti patogiausias kontrolės lapų ir kontrolinių diagramų formas. Kaip jau minėta, visa tai daroma remiantis statistiniais duomenimis ir buvo išsamiai išplėtota Shewhart.

Operatoriaus galios

Statistinį procesų valdymą ir procesą stebintys operatoriai turi būti specialiai apmokyti. Jiems turėtų būti suteikti atitinkami įgaliojimai daryti įtaką procesui. Pasaulyje nėra bendro sutarimo dėl valdžios lygio. Yra dvi parinktys:

· Įvykus gedimui, operatorius turi sustabdyti gamybos procesą, kad nustatytų gedimą.

· Operatorius neturi teisės stabdyti proceso. Jis turi pranešti apie nesėkmę savo viršininkams. Jei dėl gedimo vis tiek reikia sustabdyti, tuomet būtina kuo greičiau pradėti procesą iš naujo, galbūt pasitelkus laikinąsias priemones. Gedimo priežastys ir kaip jį pašalinti bei pats jo pašalinimas bus atliktas vėliau, nevilkinant proceso.

Kuris metodas yra geresnis, priklauso nuo daugelio priežasčių ir galima pasakyti tik kiekvienu konkrečiu atveju. Tačiau dauguma įmonių laikosi nuomonės, kad būtina nedelsiant sustabdyti procesą ir pašalinti gedimą. Jų nuomone, tai ekonomiškai labiau apsimoka, nes. nekokybiškų gaminių negaminama. Be to, jei proceso iš karto nesustabdysite, gedimo simptomai gali išnykti, jo nebus įmanoma nustatyti, kai priežiūraįranga ir ji gali pasireikšti ateityje, darydama daugiau žalos.

Didelės apimties ir masinėje gamyboje plačiai paplito statistinės kokybės kontrolės metodai (statistinė kokybės kontrolė (anglų k.), SQC). Garsiausios iš jų buvo „septynios kokybės kontrolės priemonės“, kurios dėl jų efektyvumo ir prieinamumo paprastiems įmonių darbuotojams iš pradžių buvo plačiai naudojamos Japonijos kokybės sluoksniuose, o vėliau ir kitose šalyse.

Šie „septyni įrankiai“ apima: Pareto diagramą, priežasčių ir pasekmių diagramą, valdymo diagramas, histogramas, stratifikacijos metodą, grafikus, sklaidos diagramą. Santrauka iš šių metodų, susijusių su kokybės valdymu, yra šie:

Sluoksniavimo būdas(sluoksninė analizė, zoned sampling-stratification (angl. k.)) naudojama produkto savybių plitimo priežastims išsiaiškinti. Metodo esmė – gautas charakteristikas atskirti (stratifikuoti) priklausomai nuo įvairių faktorių: darbuotojų kvalifikacijos, žaliavų kokybės, darbo metodų, įrangos charakteristikų ir kt.. Šiuo atveju vieno ar kito faktoriaus įtaka nustatomos produkto savybės, o tai leidžia imtis reikiamų priemonių, kad būtų pašalintas nepriimtinas jų plitimas.

Grafikai(diagramos) naudojamos norint vizualizuoti ir palengvinti supratimą apie dydžių tarpusavio priklausomybę arba jų pokyčius laikui bėgant. Dažniausiai naudojamos linijinės, skritulinės, stulpelinės ir juostinės diagramos.

Pareto diagrama(Pareto diagrama), pavadinta jos autoriaus italų ekonomisto Pareto (1848-1923) vardu, leidžia vizualizuoti nuostolių dydį priklausomai nuo įvairių defektų. (žr. Pareto kreivę). Tai leidžia pirmiausia sutelkti dėmesį į tų defektų, dėl kurių patiriami didžiausi nuostoliai, šalinimą. Norint išsiaiškinti šių defektų priežastis, patartina papildomai naudoti priežasties ir pasekmės diagramą. Išsiaiškinus priežastis ir pašalinus defektus, vėl sudaroma Pareto diagrama, siekiant patikrinti taikomų priemonių efektyvumą.

priežasties ir pasekmės diagrama(priežasties ir pasekmės diagrama) paprastai naudojamas analizuojant defektus, dėl kurių patiriami didžiausi nuostoliai. Tai leidžia nustatyti tokių defektų priežastis ir sutelkti dėmesį į šių priežasčių pašalinimą. Šiuo atveju analizuojami keturi pagrindiniai priežastiniai veiksniai: žmogus, mašina (įranga), medžiaga ir darbo būdas. Šių veiksnių analizė atskleidžia antrines, o gal ir tretines priežastis, kurios sukelia defektus ir turi būti pašalintos. Todėl norint išanalizuoti defektus ir sudaryti diagramą, būtina nustatyti maksimalų priežasčių, kurios gali būti susijusios su pripažintais defektais, skaičių.

Tokią žuvies skeleto schemą pasiūlė japonų mokslininkas Kaoru Ishikawa. Jo diagrama dar vadinama „būdingų veiksnių išsišakojimo schema“. Kartais ji dar vadinama „keturių M“ diagrama - pagal pagrindinių veiksnių sudėtį: Žmogus (asmuo), Metodas (metodas), Medžiaga (medžiaga), Mašina (mašina). Ishikawa diagrama:

Histograma yra juostinė diagrama ir naudojama vizualizuoti konkrečių parametrų reikšmių pasiskirstymą pagal pasikartojimo dažnį tam tikrą laikotarpį (savaitę, mėnesį, metus).

Grafike nubraižydami leistinas parametro reikšmes, galite nustatyti, kaip dažnai šis parametras patenka į leistiną diapazoną, pasislenka tolerancijos ribose arba viršija jį.

Gauti duomenys analizuojami kitais metodais:

nuostoliai iš atliekų, priklausomai nuo įvairių defektų, tiriami naudojant Pareto diagramą;

defektų priežastys nustatomos naudojant priežasties-pasekmės diagramą, sluoksniavimo metodą ir sklaidos diagramą;

charakteristikų pokytis laikui bėgant nustatomas pagal valdymo diagramas.

Taškinė diagrama(Scatter diagram - koreliacijos diagrama) yra sudarytas kaip dviejų parametrų ryšio grafikas. Tai leidžia nustatyti, ar tarp šių parametrų yra ryšys. O jei toks ryšys egzistuoja, tai vieno parametro nuokrypį galima pašalinti darant įtaką kitam.

Valdymo kortelė(Valdymo diagrama) yra diagramos tipas, kuris išsiskiria valdymo ribomis, kurios rodo leistiną charakteristikų kitimo diapazoną įprastomis proceso sąlygomis. (Žr. Shewhart valdymo diagramą). Savybių išvedimas už kontrolės ribų reiškia proceso stabilumo pažeidimą ir reikalauja priežasčių analizės bei atitinkamų priemonių.

Šios „septynios priemonės“ padeda išspręsti daugumą iškylančių kokybės problemų. Sudėtingesnėms problemoms spręsti galima papildomai taikyti „septynias naujas kokybės kontrolės priemones“: giminystės diagramą, priklausomybės diagramą, medžio diagramą, matricinę diagramą, rodyklės diagramą, proceso vertinimo planavimo diagramą, matricos duomenų analizę.

Išsamiai išnagrinėjus statistinius metodus, reikėtų kreiptis į specializuotą literatūrą, taip pat į tarptautinį standartą ISO 10017 dėl statistinių metodų.

Standartizavimą statistinių metodų srityje tarptautiniu lygiu vykdo Tarptautinės standartizacijos organizacijos techninis komitetas ISO / TC 69 „Statistikos metodų taikymas“. Šio komiteto medžiaga gali būti įdomi tiems, kurie dėl savo darbo pobūdžio yra susiję su statistinių metodų naudojimu.

Be minėtų statistinių metodų, kokybės kontrolei ir valdymui naudojamas Six Sigma metodas ir Taguchi metodai.

Six Sigma naudojama statistiniam procesų valdymui, siekiant sumažinti gaminio gedimų tikimybę. Mažiausia gedimų tikimybė pasiekiama esant stabiliam šešių standartinių nuokrypių nuo vardinės vertės (plius - minus trys sigmos) pataikymo sąlyga tam tikrame tolerancijos lauke su tam tikra riba. Tam reikalingas didelis detalių gamybos tikslumas, užtikrinantis minimalias sigmos vertes.

Tradiciškai statistinis proceso kontrolė gamyboje – tai atsitiktinis gaminio dalies atranka ir jos išbandymas. Nuokrypiai yra nuolat tikrinami dėl tolerancijos ir, jei reikia, koreguojami prieš gaminant sugedusias dalis.