WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 11 | 12 || 14 | 15 |   ...   | 35 |

В практике оценки качества продукции часто встречаются слу чаи, когда одновременно необходимо знать комплексный ПКП, ана лизировать единичные показатели, выявлять возможности их улуч шения. В этих случаях применяется смешанный метод оценки, под которым согласно ГОСТ 15467–79 понимается метод оценки каче ства продукции, основанный на одновременном использовании еди ничных и комплексных показателей ее качества. Этот метод объеди няет дифференциальный и комплексный методы, сущность и мето дические особенности которых были рассмотрены.

В составе МОКП выделяется статистический метод, под кото рым согласно ГОСТ 15467–79 понимается метод оценки качества продукции, при котором значения показателей качества продукции определяют с использованием правил математической статистики.

Необходимость применения методов математической статистики при оценке ПКП обусловлена тем, что в большинстве случаев значе ния ПКП являются случайными величинами вследствие воздействия многочисленных случайных факторов в процессе производства и эк сплуатации продукции. В связи с этим в практике оценки качества продукции возникает ряд характерных статистических задач:

– установить характер и причину различия показателей качества сравниваемых вариантов продукции;

– определить коэффициент корреляции (вероятностной связи) между ПКП;

– определить параметры зависимости исследуемого ПКП от чис ленных характеристик влияющих на него факторов;

– определить влияние различных факторов на изменение ПКП;

– определить точность и устойчивость технологического процесса и их влияние на закон распределения формируемого этим процессом ПКП.

Для решения этих и других подобных задач оценки качества про дукции применяются методы теории вероятностей и математической статистики, среди которых наиболее характерными являются: то чечное и интервальное оценивание параметров распределения пока зателей качества; проверка гипотез; дисперсионный анализ; корре ляционный анализ; регрессионный анализ; анализ временных ря дов, последовательностей процессов и др.

Точечное и интервальное оценивание параметров закона распре деления случайных величин ПКП хорошо иллюстрируется оценкой таких показателей, как наработка до отказа неремонтируемых тех нических устройств, срок сохранения быстро портящейся пищевой и фармацевтической продукции, прочностные характеристики мате риалов при различных способах приложения нагрузки, прочность на пробой изоляционных материалов и т. п.

Статистическая оценка (точечная и интервальная) указанных ПКП в значительной степени зависит от выбора вида его закона рас пределения, который определяется характером физико химических процессов в структуре материалов. Выявление и обоснование закона распределения ПКП вызывает необходимость проведения статисти ческих исследований. В составе многочисленных методов точечного оценивания параметров закона распределения ПКП наибольшее при менение получили метод максимума правдоподобия, метод момен тов, байесовское оценивание и др.

Методы интервального оценивания позволяют установить ин тервал, в котором с заданной доверительной вероятностью находят ся значения исследуемых параметров распределения ПКП, что игра ет важную роль для обоснования предъявляемых к ПКП требований и норм. Для оценки доверительных интервалов параметров нормаль ного, логарифмически нормального, экспоненциального, биномиаль ного распределений, законов Пуассона и Вейбулла, как наиболее ха рактерных для распределения ПКП, используются государственные стандарты серии 11 (ГОСТ 11.010–81 и др.). В этих стандартах со держатся простые правила и таблицы для оценки доверительных интервалов параметров указанных распределений с заданной веро ятностью.

Проверка гипотез заключается в том, что справедливость выдви нутой гипотезы проверяется по результатам наблюдений случайной величины ПКП с заданной доверительной вероятностью. Характер ным примером является оценка доли дефектности совокупности еди ниц продукции по результатам выборочного контроля ее качества, выборочного контроля параметров технологического процесса при построении контрольных диаграмм его качества и др.

Дисперсионный анализ основан на сравнении дисперсий двух вы борок, которое позволяет с заданной доверительной вероятностью относить их принадлежность к одной и той же совокупности или счи тать такую принадлежность маловероятной. Этот метод применяет ся в тех случаях, когда требуется оценить влияние определенного фактора на изменение рассматриваемого ПКП.

Методы корреляционного и регрессионного анализа при некото рых различиях основаны на единых предпосылках [19].

Корреляционный анализ представляет собой совокупность осно ванных на математической теории корреляции методов обнаруже ния корреляционной зависимости между двумя случайными призна ками или факторами. При этом две случайные величины считаются корреляционно связанными, если математическое ожидание одной из них меняется в зависимости от изменения другой. Корреляцион ный анализ экспериментальных данных включает в себя следующие приемы:

– составление корреляционной таблицы;

– вычисление коэффициентов корреляции;

– проверка статистической гипотезы значимости связи.

Зависимость между тремя и большим числом случайных призна ков или факторов изучается методами многомерного корреляцион ного анализа (вычисление частных и множественных коэффициен тов корреляции и корреляционных отношений).

Корреляционный анализ часто применяется для оценки зависи мости качества конечной продукции от определенных свойств сырья или исходных материалов. Этот вид анализа требует от исполнителя тщательности, так как при изменении условий эксперимента вместе с изменением исследуемого показателя качества сырья или материа ла могут изменяться и другие показатели их качества. Если эти из менения не будут учтены, возникнут значительные ошибки в окон чательном результате.

Связь между случайной и неслучайной величинами называется регрессионной, а метод анализа таких связей – регрессионным ана лизом. Регрессионный анализ тесно связан с корреляционным, но в то же время он предъявляет менее жесткие требования к исходной информации (так, например, проведение регрессионного анализа, в отличие от корреляционного, возможно даже в случае отличия рас пределения случайной величины от нормального).

Регрессионный анализ заключается в исследовании распределе ния коэффициентов регрессии, определяющих случайную величину как функцию от нескольких других. Определение неизвестных коэф фициентов регрессии и дисперсии осуществляется методом наимень ших квадратов. Этот метод в предположении нормальной распреде ленности результатов наблюдений приводит к оценкам, совпадаю щим с оценками наибольшего правдоподобия. Значимость оценок и их доверительные интервалы определяются с применением аппарата и критериев проверки статистических гипотез.

Регрессионный анализ применяется для исследования поведения коэффициентов весомости при комплексной оценке качества продук ции.

Требование нормальности распределения ошибок, предъявляемое к исходной информации процедурой метода наименьших квадратов, во многих случаях оказывается невыполненным, что приводит к сни жению достоверности оценок. Поэтому развивается новое направле ние – робастная статистика, задача которой состоит в том, чтобы получать эффективные оценки в случаях невыполнения некоторых предпосылок применения корреляционного и регрессионного анали за (например, нормальности распределения). Использование робаст ных методов получения статистических оценок позволяет суще ственно повысить надежность оценок в сравнении с методом наимень ших квадратов.

При оценке и анализе показателей и процессов, подверженных влиянию большого количества случайных факторов, с учетом требо вания адекватности необходимым является снижение размерности их описания. Эта задача успешно решается с использованием фак торного анализа, основным содержанием которого является расчет и анализ корреляционной матрицы признаков, позволяющей осуще ствить переход к другой координатной системе, обладающей рядом необходимых для статистического анализа новых свойств и позво ляющей снизить размерность описания показателей и процессов. В качестве инструмента факторного анализа при построении и анализе корреляционной матрицы используются методы «главных компо нент» и «главных факторов» [24].

Временным рядом в математической статистике называется упо рядоченная последовательность результатов наблюдений некоторой величины, определенным образом меняющейся во времени. Времен ным рядом является, например, упорядоченная последовательность значений ПКП, полученных в последовательные моменты времени.

Методы анализа временных рядов могут эффективно применяться при исследовании динамики качества продукции.

Предусмотренные ГОСТ 15467–79 и рассмотренные ранее методы оценки качества продукции имеют определенную результативность и области применения, но не устраняют полностью неопределенность при оценке качества, возникающую вследствие разнонаправленных, неупорядоченных значений ПКП у сравниваемых вариантов продук ции (у одних изделий лучше один набор параметров, чем у осталь ных, у других – свой набор и т. д.). Это затрудняет обоснованный выбор изделия, обладающего более высоким в сравнении с другими однотипными изделиями качеством.

Преодоление этой трудности позволяет осуществить обобщенный метод оценки качества продукции, состоящий в формировании обоб щенного ПКП, объединяющего в единый все единичные и комплекс ные ПКП по определенному алгоритму или правилу. При этом могут быть использованы различные алгоритмы формирования обобщен ного ПКП: аддитивный, мультипликативный, метод оптимальной классификации или таксономии и др.

qiн При обозначениях: qi и – соответственно абсолютные и норми рованные значения i го единичного показателя; n – количество учи тываемых единичных показателей; bi – коэффициент весомости i го единичного показателя – формирование обобщенного ПКП может строиться по алгоритмам:

аддитивному (средневзвешенному):

n Q 1 qiн ;

2bi (2.36) iгармонически средневзвешенному Q 1 ;

n bi (2.37) 2q i11 iн при общем условии n 1 1;

2bi (2.38) iмультипликативному n bi Q 1 qi.

(2.39) П iВ выражении (2.39) при коэффициенте весомости ставится знак «+», если при увеличении i го показателя качество продукции улуч шается, и знак «–», если ухудшается, т. е. обобщенный показатель представляется в виде дроби, в числителе которой стоят показатели, при увеличении которых качество повышается, в знаменателе, при уменьшении которых качество повышается.

Основным и общим недостатком всех приведенных алгоритмов является преобладающее влияние на величину обобщенного показа теля одного или нескольких единичных показателей при их экстре мальных (значительно больших или значительно меньших, чем у остальных) значений, т. е. формирование обобщенного показателя в основном за счет одного или нескольких единичных (например, дос таточно устремить к нулю значение одного из показателей, стоящих в знаменателе дроби, при знаке «–» при коэффициенте весомости в выражении (2.39), как резко устремляется в значение обобщенно го показателя. Этот недостаток можно преодолеть, если ограничить значения каждого единичного показателя некоторыми, вытекающи ми из интересов потребителя, пределами.

Дополнительным недостатком первых двух алгоритмов является необходимость нормирования единичных показателей качества (пред ставления их в виде отношения значений единичных показателей оцениваемого и базового образцов) для перевода их в безразмерные, иначе будет нарушено известное в математике «условие подобия».

Все рассмотренные недостатки приведенных алгоритмов форми рования обобщенного ПКП можно преодолеть применением метода оптимальной классификации как разновидности методов таксоно мии, суть которого состоит в следующем. Каждый из обобщенных показателей строится в n мерном (по количеству n единичных пока зателей) пространстве. Координатами каждого из векторов обобщен ных показателей являются значения соответствующих единичных показателей на i й оси n мерного векторного пространства. Решение о выборе лучшего по качеству варианта продукции принимается пу тем оценки расстояния от вершины вектора или точки в n мерном пространстве до вершины вектора (точки), соответствующей значе нию обобщенного показателя качества варианта эталона, который может быть сформирован путем придания ему лучших значений еди ничных показателей, присущих сравниваемым вариантам продук ции или создан искусственно путем придания желательных потреби телю значений каждому из единичных показателей [40].

Возможны и другие методы и алгоритмы построения обобщенного показателя качества, позволяющие обеспечить повышение объектив ности и определенности в оценке качества продукции и обоснован ность выбора потребителем лучшего по качеству из сравниваемых вариантов.

2.6. Показатели и методы оценки качества производственных процессов Качество и конкурентоспособность продукции в значительной сте пени определяются уровнем организации и качества производствен ных процессов, являющихся динамичной составляющей любой про изводственной системы, главная цель функционирования которой по основному назначению состоит в производстве продукции, удов летворяющей определенные потребности, и получении прибыли.

Существуют различные определения понятия производственного процесса [49, 50], в соответствии с которыми производственный про цесс (ПП) – это:

– процесс превращения исходного сырья и материалов в готовую продукцию, удовлетворяющую потребности общества и человека;

– процесс приспособления предметов природы к удовлетворению потребностей;

– ресурсопреобразующий процесс, направленный на создание удов летворяющих потребности предметов и услуг.

Любая производственная система реализует разнообразные по на значению, содержанию, характеру воздействия на предмет труда и другим классификационным признакам производственные процес сы. Но при всем многообразии ПП должны обладать рядом свойств, часто называемых принципами их организации, одновременное обес печение которых на должном уровне позволяет считать ПП каче ственным и конкурентоспособным.

Под качеством ПП понимается совокупность существенных свойств процесса, количественно оцениваемых системой организа ционно производственных показателей, отличающих его от другого ПП аналогичного назначения и определяющих соответствие основ ных параметров ПП и выпускаемой продукции (выполняемых работ и услуг) установленным нормативными документами требованиям, обеспечивающих их конкурентоспособность.

При этом конкурентоспособность ПП – способность процесса со ответствовать сложившимся требованиям данного рынка к произво димой продукции на рассматриваемый период.

Pages:     | 1 |   ...   | 11 | 12 || 14 | 15 |   ...   | 35 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.