品質管理は、品質管理プロセスの主要な機能の 1 つです。 制御の重要性は、エラーを適時に特定できるようになり、損失を最小限に抑えてエラーを迅速に修正できるという事実にあります。
品質管理は、計画した品質指標と実績値を比較することで行われます。 実際、品質管理は品質指標をチェックして、計画値からの逸脱を検出することで構成されます。 このような逸脱が検出された場合は、その発生原因を突き止め、プロセスを調整した後、調整された品質指標が計画値と一致していることを再度確認する必要があります。 この継続的なサイクルにより、求められる品質を管理・確保し、さらなる向上を実現します。
品質要件は、州、業界、企業規格、製品の技術仕様などの規制文書および技術文書に確立され、記録されます。
指定されたパラメータからの製品品質の逸脱は、原則として悪化し、一般的および特定の症状が現れます。
一般的なものには、製品の陳腐化、物理的および道徳的老化、つまり動作中および経年劣化による元の特性の損失が含まれます。
確立された要件からの品質の特定の逸脱は非常に多様であり、もはや経済的および技術的性質によるものではなく、外部条件（運用ルールの違反、開発者および製造者のミス、生産規律の違反、製品を使用する機器の欠陥）によるものです。製造、使用されているものなど。
したがって、製品の品質は常に変化していると言えます。 したがって、品質とは、制御が必要な慢性的に不安定なオブジェクトを定義します。
現代の技術制御の科学的基礎は数学的および統計的手法です。 製品の品質管理には、製品の選別と技術的精度の向上という 2 つの方法があります。 古くから、制御方法は、原則として、出力時の製品の継続的な検査による欠陥の分析に集約されてきました。 大量生産では、このような制御は非常に高価であり、制御装置は生産作業員の数の 5 ～ 6 倍必要であり、それでも欠陥に対する完全な保証はありません。 したがって、結果を処理するための統計的手法を使用して、連続制御から選択的制御に移行します。
大量生産における統計的手法の使用の創設者の 1 人は、アメリカの専門家 W.A. です。 シューハート氏は次のように書いている。「長い間、統計の有効性は、優れた訓練を受けた統計学者集団の存在よりも、物理学者、化学者、技術者など多くの人々が統計の精神で訓練を受けた世代全体の訓練に依存するだろう。新しい生産プロセスの準備と管理に多かれ少なかれ責任を負うその他の専門家。」
どのような統計手法を使用する必要がありますか? 答えは主に専門家次第ですが、統計手法の重要性は、その数学的可能性とその適用可能性の積に等しいという原則があります。 したがって、統計手法の普及に関しては、統計学者でなくても理解でき、簡単に適用できる手法のみを考慮する必要があります。
日本の専門家は、セット全体から 7 つのメソッドを収集しました。 彼らの利点は、これらの方法をシンプルさ、明確さ、視覚化して効果的な品質管理ツールに変えたという事実にあります。
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。
Stratification（層別化）は、さまざまな要素に従ってデータを選択できるツールです。
ヒストグラムは、特定の (事前定義された) 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です。
パレート分析は、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および特定し、それを解決するための取り組みを分散できるツールです。
イシカワ特性要因図は、最終結果 (効果) 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。
散布図は、検討中の 2 つのプロセス パラメーター間の関係の種類と近さを判断できるツールです。
管理図は、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、プロセスの要件からの逸脱を防ぐことができるツールです。
これらのメソッドは、個別のツールとしても、メソッドのシステムとしても考えることができます。 7 つの方法を適用する順序は、目的に応じて異なる場合があります。
品質分野の有名な日本の専門家である K. 石川教授は次のように述べています。「私の仕事の経験に基づくと、企業のすべての問題の 95% はこれら 7 つの手法を使用して解決できると言えます。」 したがって、品質管理を実現するためには統計的手法を検討する必要があります。 これらは、包括的な総合品質管理制御システムの最も重要なコンポーネントです。
ブロック図
ブロック図は、プロセスのステップを概略的に表したものです。 これは、個々の操作が発生する順序を反映します。
ブロック図の作成にはルールがあります。
米。 4.1 ブロック図作成のルール
関連ドキュメントは点線の矢印で表示されます。
チェックリスト
英国規格 BS 7850 では、チェックリストを情報収集の一種とみなしています。
欠陥を記録する例を使用して、チェックリストの使用について考えてみましょう。 次の点に注意してください：
この特定の形式はコピーの総数 (または正常なコピーの数) を反映していないため、各タイプの欠陥の割合は不明のままです。
チェックリストを使用して、属性データとパラメトリック (変数) データの両方を収集できます。
米。 4.2 チェックリスト
棒グラフ
これは、変数の分布を特徴付ける情報の視覚的表現または要約です。
米。 4.3 ヒストグラム
パレート分析（パレートの法則）
一般にパレートの法則として知られる、解決策の優先順位を選択する方法があります。
統計データはヒストグラムと累積分布の 2 つの方法で表すことができ、ローレンツは後者の表現を使用します。
このように問題を説明すると、どの要因が最も大きな影響を与えるのか、そしてどの時点で改善候補のリストを下るのが無駄になるのかを簡単に特定できます。
経済学者として、彼は通常、20%の人が富の80%を所有していると結論づけた。
私たちの場合、20% の要因が欠陥の 80% を決定します。 私たちの仕事は、この 20% を見つけることです。
パレートの法則はグラフで表されます。
米。 4.4 パレート図
いしかわ（魚の骨格）分析
この手法は、観察された故障の原因を特定するために石川教授によって開発されました。
通常、分析はブレインストーミング セッションから始まり、関係者全員が考えられる原因をすべて特定しようとします。
実際には、その結果は複数の理由が組み合わさった結果である可能性があり、そのうちの 1 つだけを除去しても問題がまったく解決されなかったり、問題が発生する可能性が低下したりする可能性があります。 これが石川氏の分析の本質であり、ユーザーは考えられるすべての説明をテストする必要があります。
開始点では、観察結果の考えられるソースの種類、つまり機械、方法、材料、労働などを決定しました。
米。 4.5 特性特性図
脳攻撃
この方法の目的は、問題に対する考えられる解決策が視野から除外されるのを防ぐことです。 これを行うには、ブレーンストーミングを組織するためのルールに従います。
問題が発生した地域に詳しい人々 (約 6 人) のグループを作成します。
議論する問題をあまり具体的に定義しないでください。
5 ～ 10 分間、頭に浮かんだことをすべて書き留めてもらいます。
指摘されたすべての点を考慮してください。 いかなる議論や批判も許可しないでください。
アイデアをグループ化し、重複を排除します。
フィッシュボーンを形成して議論を始めましょう。
散布図
2 つの要素または変数間の関係を構築する必要がある場合に使用されます。 この図を見ると、正、弱い、強い負の相関関係 (因子と変数間の依存度) について説明できます。
米。 4.6 散布図
6.1. チェックリスト
管理シートとは、一次データを系統的に収集し、収集した情報を容易に利用できるように自動的に整理する手段であり、管理パラメータの名称と範囲があらかじめ印刷された用紙です。 特定のイベントの発生頻度を考慮するために使用されます。
1. 特定の品質要件に関する質問を作成する。
2. データ分析に必要な方法を選択し、その有効性を評価する。
3. 生産プロセスにおけるデータ収集ポイントの特定。
4. データを収集するための執行者の任命。
5. 適時にデータを収集する請負業者の能力と能力の評価。
6. コントロールシートのフォームの開発。
7. データ収集のための指示の準備。
8. 作成されたフォームと指示をチェックする。
9. 従業員の指示と訓練。
10. データ収集プロセスと得られた結果の定期的な監視。
目的に関係なく、チェックリストには次のことを示す必要があります。
・研究対象（対照）。
・制御パラメータに関するデータを記録するためのテーブル。
· 管理の場所。
· データを登録する従業員の役職と姓。
データ収集日。
· 観察期間と、使用されている場合は制御および測定装置の名前。
イベントの数を登録するには、イベントの数に応じたさまざまな記号（ダッシュ、バツ、ドットなどの単純な記号）を使用できます。 シートの形式は、記入と分析が簡単である必要があり、そのため、制御可能なパラメーターができるだけ少なく含まれている必要があります。 フォームは、紙の形式 (インクがにじみにくい紙、保管および使用に便利な形式) または電子形式 (コンピュータで直接入力する場合) で提示できます。
6.2. 棒グラフ
ヒストグラムは、データをグラフィカルに表示する便利なツールです。これにより、分布法則とデータの散在量を視覚的に評価し、プロセスを改善するために主に対処する必要がある要因を特定できます。
これは、幅は同じだが高さが異なる一連の列です。 この場合、バーの幅は観測範囲内の特定の間隔を表し、バーの高さはこの間隔に収まる測定値の数を表します。 正規のデータ分布の場合、ほとんどの結果は中心値付近に集中し、名前付きの値から遠ざかるにつれてその数は徐々に減少します。
基本的に、ヒストグラムは、測定されたパラメータの値を分析したり、工程能力指標を評価したりするために使用されます。 これらからデータ分布の法則に応じて品質指標の平均値と標準偏差を求め、管理基準と比較することで精度の高い情報を得ることができます。
ヒストグラムを作成するプロセスは次の段階で構成されます。
1. 統計データの範囲の決定
どこ エックスマックスそして xmin– それぞれ、制御パラメータの観測された最大値と最小値。
2. スタージェスの公式などを使用した、ヒストグラム内の間隔の数の計算
ここ N– サンプル内で収集されたデータの総数。
3. 間隔のサイズ（幅）の決定
4. 間隔の境界を確立する。 制御パラメータの最小値が最初の間隔の下限値として採用されます。 xmin。 この間隔の上限を取得するには、間隔の幅を下限に加算します。 h。 最初の間隔の上限は、2 番目の間隔の下限となります。 第 2 区間の上限は、第 1 区間と同様に計算されます。 この手順は、最後の間隔の上限が見つかるまで繰り返されます。この上限は、制御パラメータの最大値と一致する必要があります。 エックスマックス.
5. 間隔による監視パラメータの値の相対頻度の計算
どこ 私– 間隔のシーケンス番号 (1、2、3...) n); 私は– 制御パラメータの値の相対頻度 私- 番目の間隔; 私– 範囲内での制御パラメータの測定回数 私- 番目の間隔。
6. ヒストグラム軸の構築。 垂直軸と水平軸が描画され、それぞれの軸でスケールが選択されます。 縦軸は相対周波数の値をプロットしています 私は、水平方向 – 制御パラメータの値 バツ.
7. ヒストグラムグラフをプロットします。 間隔の境界は横軸にプロットされます。 間隔をベースとして使用して、それぞれの高さが対応する相対周波数に等しい長方形が構築されます。 グラフ上には線も描かれ、制御パラメータの算術平均値と、公差境界線がある場合はその線を表します。
ヒストグラムを使用してプロセスの品質を評価するには、次の特性が使用されます。
1. 設定ではプロセスの安定性が確認できたが、スキャッターでは安定性が確認できなかった場合
· プロセス制御の可能性を評価する - 平均値の位置を考慮せずに技術的許容範囲を満たすためのプロセスの適合性の指標
どこ USLそして LSL– それぞれ、許容範囲の上限と下限の値。 s- 標準偏差の値。標準偏差としてよく使用されます。
これは観測結果の算術平均です
R– 統計データの範囲
もし R r³ 1 の場合、ヒストグラムの幅は許容範囲内に収まるため、プロセスは制御可能です。つまり、製品の 99.73% が許容範囲内に収まるようにプロセスを組織化することが可能です。 もし R r < 1, то процесс неуправляемый, так как контролируемые параметры части изделий неизбежно будут выходить за пределы поля допуска;
· 許容範囲フィールドの中央に対するヒストグラムのシフトを評価する - 目標値に向かうプロセスのムードの指標
どこ C– 許容範囲の中間（目標値）
この指標の値がゼロに近づくほど、プロセスが目標値に向けてより調整され、それに応じてプロセスの効果が高まります。
· プロセスの品質を最も完全に評価するため - 平均値の位置を考慮した、技術的許容範囲を満たすためのプロセスの適合性の指標
2. 散乱によりプロセスの安定性が確認された場合：
· ばらつきの点で安定しているプロセスの平均値の位置を考慮せずに、技術的許容値を満たす可能性を評価する - プロセス再現性指数
· ばらつきと調整の点で安定しているプロセスの平均値の実際の位置を考慮して、技術的許容範囲を満たす能力を評価する - プロセス再現性指標
確率変数の分布の性質に関する情報は、ヒストグラムの形状から取得できます。 プロセスを分析する際のサンプルとして使用できる最も典型的な形式を図に示します。 6.1.
米。 6.1. ヒストグラムの基本的な形式
あ– 対称的なベル型。 b- 櫛; V– 正に偏った分布。 G– 左側にブレークを含む分布。 d– 均一な分布 (プラトー); e– 2 つのピーク (双峰性) 形状
通常のタイプのヒストグラムは対称または釣鐘型であり、制御されたパラメータの平均値がデータの広がりの中央に位置することを意味します。 測定値の頻度は中央で最も高く、両端に向かって徐々に減少します。 ごくありふれた。 このようなヒストグラムの典型的な例は、 k» 0. さらに、もし R r¶ 1 と Ｐパック³ 1、プロセスは制御可能であり、調整の必要はありません。
コームは、ある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発生します。
正（負）に歪んだ分布とは、制御パラメータの値が平均値の左（右）に局在化することを意味します。 この形式は、許容差フィールドの左 (右) の値が達成できないことを示しています。
左（右）に切れ目のある分布は、制御パラメータの算術平均値が範囲の中心から大きくシフトしていることを示しています。 これは、プロセスの制御が不十分であり、欠陥の割合が高いことを示しています。
期待される頻度が異なる間隔で同じである場合、プラトー (均一または長方形の分布) が観察されます。 この形式は、平均値が異なる複数の分布を組み合わせた場合に一般的です。
2 ピーク (バイモーダル) タイプは、データ範囲の中央に低周波数があり、両側に 2 つのピークがあることを示します。 2 種類の分布が、制御パラメータの大きく離れた平均値と組み合わされる状況の特徴。
6.3. 統計データの層別化の方法
層別化では、選択した層化要因に応じて、取得したデータを個別のグループに分割します。層化要因は、データの発生と受信の条件の特性を決定する任意のパラメーターです。
· さまざまな設備。
· 企業の部門または特定の従業員。
· データ収集の時間。
· さまざまな種類の原材料。
・使用する機械、測定器等の違い。
層別化要因を考慮に入れないと、データの集約と匿名化が発生し、データ間の関係とその発生の特徴の確立が妨げられます。つまり、統計的に有意な資料を取得できなくなります。
データの階層化を実行できる代表的な要素を統一し、簡単に記憶するには、ニーモニック デバイス 4M...6M の使用をお勧めします。 これは、文字 M で始まる英語の単語の選択に基づいており、統計データを階層化するための主要な要因グループを定義します。
· マンパワー(スタッフ) – 出演者による階層化。
· 機械(機械) – 機械、機械、設備による流通。
· 材料(材料) 材料、原材料、コンポーネントの種類ごとにグループ化します。
· 方法（方法、技術） – 製造方法による区分。
· 測定(測定) - 測定方法、測定器の種類、装置の精度クラスなどに応じた配置。
· メディア(環境) – 温度、空気湿度、磁場と電場、日射などによるグループ化。
記憶装置 4M を形成する最初の 4 つのグループの因子が最もよく使用されます。 それらに 5 番目および (または) 6 番目のグループを追加する必要がある場合は、それに応じてニーモニック デバイス 5M および 6M が得られます。
層別化法の実際の使用には、次の段階の実装が含まれます。
1. 研究対象となるデータの選択;
2. データを分割する階層化要素とカテゴリを選択します。
3. 選択したカテゴリに基づいてデータをグループ化します。
カテゴリごとのグループ化結果の評価 ５．
5. 得られた結果のプレゼンテーション。
6. データの追加研究の必要性の分析。
7. 得られた結果をさらに確認するためのフォローアップ作業を計画します。
6.4. 石川因果関係図
1953 年に工場で起きた品質問題を調査中、東京大学の石川香郎教授は技術者の意見を因果関係図の形で提示しました。 この図は後に「石川図」と呼ばれるようになりました（文献では、その形状から「フィッシュボーン」または「フィッシュボーン」図と呼ばれることがよくあります）。 これは、研究対象に影響を与える要因をグラフィカルに整理する手段であり、名前付きの要因だけでなく、それらの要因間の因果関係も視覚的に表示できます。 この図の構築は、解決する必要がある問題の記述に基づいています。
石川特性特性図を作成する原理は次のように説明できます。 まず、調査対象を表す中心軸に大きな主矢印が引かれ、調査対象の対象に影響を与える主な要因が示されます (要因が重要であるほど、図の「先頭」に近くなります)。 次に、2 次の矢印が各 1 次の矢に接続され、3 次の矢印がそれらに順に接続されます。 その結果、因果関係を示す図 (図 6.2) が得られます。 この場合、隣接する各矢印は原因の役割を果たし、隣接する矢印は結果の役割を果たします。
米。 6.2. 因果関係図（車両用日よけ材の製造における欠陥「端部欠陥」の発生原因を特定した例を使用）
矢印の傾きや大きさは関係ありません。 重要なことは、要因の正しい従属関係と相互依存関係を確保し、読みやすいように図を明確にデザインすることです。 したがって、因子名は常に中心軸と平行に水平方向に表示されます。
一見単純な構造にもかかわらず、イシカワダイアグラムを実行するには、研究対象についての十分な知識と、要因の相互依存性と相互影響についての理解を必要とします。 したがって、その構築手順には、多くの場合「ブレーンストーミング」が伴います。これは、作業グループの創造的思考を活性化して、アイデア、問題、理由、質問の重要なリストを迅速に作成、明確化、評価するための方法です。特定のルール。
図を作成するときは、次のいくつかの推奨事項に従う必要があります。
1. 多くの人への観察やインタビューを通じて、検討している問題に関連するすべての要因を特定する必要があります。
一連の要因の中から、品質指標に最も大きな影響を与える要因を強調する必要があります。 同時に、図を作成する前であっても、1 つの要素も見逃さないように、できるだけ多くの人を議論に参加させることが非常に重要です。
2. 指標は可能な限り正確に作成する必要があります。
指標の定式化が正確であればあるほど、この指標に影響を与える要因がより正確に特定されるため、特定の問題を解決するために図をより効果的に使用できます。
3. さまざまな原因の層別化を使用し、分析する指標と同じ数の図を作成することをお勧めします。
各指標を組み合わせると図のサイズと複雑さが増大し、意思決定プロセスが複雑になるため、各指標を個別に調べる必要があります。
4. グラフを作成するときは、品質指標と測定可能な要素を使用する必要があります。
原因と結果の相互依存度を客観的なデータに基づいて評価するには、品質指標とそれに影響を与える要因を測定する必要があります。 それが不可能な場合は、代わりのインジケーターを見つける必要があります。
5. 対策を講じるべき要因を特定する必要がある。
特定の理由により何もアクションを実行できない場合、問題は解決できません。 この場合、それぞれの理由について品質を向上させるためのアクションを実行できるようになるまで、理由をサブ理由に分割する必要があります。
6.5. パレート図
パレート図は棒グラフの一種であり、検討中の要素を重要度の高い順または低い順に視覚的に表示するために使用されます。 これにより、問題を解決する際に労力を分散し、状況を改善するためのアクションで優先すべき最も重要な要素を特定することができます。
この図はパレートの法則 (1897 年) に基づいています。 この原則は、不適合の種類に関連して、損失総額の 70 ～ 80% は通常、不適合リストの 20 ～ 30% に起因するというものです。 N 1、N 2、N 3、…、N k、これには以下が含まれます k名前。 これは、プロセスの品質を向上させるには、これらの最も重要な矛盾を排除することから始めなければならないことを意味します。
最も重大な不適合が特定されたら N1その原因となる理由のリストを作成することが可能です。 メートル名前。 これらの理由に関して、パレートの法則は次のように定式化できます。 不適合に関連する損失総額の 70 ～ 80% N1、リスト全体の 20 ～ 30% の種類の理由によって引き起こされます。 n 1、n 2、n 3、…、n m。 そこで、そのズレをなくすために、 N1まず第一に、これらのいくつかの理由で戦う必要があります。
1907 年、アメリカの経済学者 M. ローレンツ (パレートから独立) も同じ結論に達し、前任者の考えをさらに発展させました。 彼は棒グラフを累積曲線で補うことを提案し、後に彼の名前にちなんで呼ばれるようになりました。
品質分野の問題を解決するためのパレート図とローレンツ曲線の使用は J. Juran によって提案され、J. Juran はそれらを使用して、結果と原因に従って品質問題を分析および分類しました。
· いくつかあるが非常に重要な矛盾および (または) 理由。
· 多数の、しかし重要ではない症状および（または）原因。
その結果、パレート図は、次のような既存の品質問題を解決するための取り組みを分散できるツールになりました。
· 最もコストのかかる不適合の特定。
· これらの不一致の最も重要な原因を特定し、その解消に向けてどの優先措置を講じるべきか。
問題の図の構築には、いくつかの段階が含まれます。
1. 調査すべき問題を特定し、以下を含むデータ収集方法を選択します。
· 問題の種類の決定。
・必要なデータのリストを作成し、層別化の方法を指定する。
· データ収集の方法と期間を確立する。
2. 収集された情報の種類のリストを含むデータ記録用のチェックリストの作成。
3. チェックリストに記入し、必要な最終データを生成します。
4. 統計データを処理するための表形式の開発。以下を提供します。
· 登録された欠陥の絶対数 (単位) および相対 (欠陥の総数に対する割合) の数。
・絶対的な欠陥数の合計。
· 合計に対する相対的な欠陥数の合計 (累積パーセンテージ)。
5. チェック対象の各特性のデータを重要度の降順に並べて表に記入します。
6. チャート軸の構築:
・制御パラメータの数に応じて間隔をあけた横軸を描く。
· 図の左側と右側に縦軸を描画します。
– 左軸は欠陥数を絶対数で表したものです。
– 右軸は、相対的な欠陥数のスケールを示します。
7. 棒グラフを作成します。
8. 累積ローレンツ曲線の構築 (横軸の間隔の右側の境界に対応する垂直線上に、累積和の点がプロットされ、直線セグメントで接続されます)。
9. すべてのシンボルと碑文を図に適用します。
・ダイアグラムに関する情報（軸の名前、スケールのデジタル値）。
・データに関する情報（欠陥の種類、その量的特徴）。
· データの収集と処理の場所と時間に関する情報。
· 作業に参加した職員に関する情報。
· その後の図の作業に役立つ可能性のあるその他の情報。
パレート図 (図 6.3) の主な利点は、要因を重要 (最も頻繁に発生する) と重要ではない (比較的まれ) に分類できることです。 これは、問題全体に対する各原因の相対的な影響 (降順) を示します。
米。 6.3. パレート図（天幕材の欠陥の種類の例を使用）
1 – 終了。 2 – 折り目。 3 – セリフ。 4 – へこみ。 5 – 汚れ。 6 – その他の欠陥
是正措置を実施してその有効性を評価した後、変化した条件を考慮してダイアグラムが再度作成されます。 その後、望ましい結果が得られるまでこの手順が繰り返されます。
問題の図を実際に使用する場合は、次の推奨事項に従う必要があります。
· 研究対象の問題に最も大きな影響を与える要因を確立するには、さまざまな基準に従ってデータ層別化を使用し、十分な数のパレート図を編集する必要があります。
· 「その他の要因」グループが大きな割合を占めている場合、制御パラメータは誤って分類されています。つまり、層別化の異なる原則を適用する必要があります。
・コストは経営上の意思決定の重要な基準であるため、データを金額で提示できる場合はそうすべきである。
6.6. 散布図
散布図は、関連する変数のペア間の関係のタイプと強さを判断できるツールです。これには次のものが含まれます。
· 品質特性とそれに影響を与える要因。
· 2 つの異なる品質特性。
· 1 つの品質特性に影響を与える 2 つの要因。
ダイアグラムを作成する手順には次の手順が含まれます。
1.ペアデータの収集（ x、y)、その間の依存関係を調査する必要があります。
2. 図の軸上のスケールのスケールを設定します。
3. グラフの作成。
4. 必要なすべての記号と碑文を図に適用します。
最も典型的なタイプの散布図を図に示します。 6.4.
図を作成した後、通常、調査対象のデータ間の関係を定量化するために相関係数が計算されます。
どこ n– データペアの数。 私– データペアのシリアル番号。 x i、y i– 収集された統計データ 私 2番目のペア。 , - データの算術平均 バツそして y.
相関係数 r の値は -1 から 1 の範囲内である必要があります。
米。 6.4. 散布図の代表的な種類
あ– 強い正の相関。 b– 強い負の相関。 V– 弱い正の相関。 G– 弱い負の相関。 d– 曲線相関。 e– 相関関係の欠如
6.7. 時系列
時系列は、一定期間にわたる観察されたパラメータの変化を表す最も簡単な方法です。 データを視覚的に表示するように設計されており、構築と使用が簡単です。 その構造の主な特徴は、制御パラメータを特徴付ける点が、データが収集された順序で厳密にグラフ上に表示されることです。 グラフ自体は、時間の経過に伴うパラメーターの変化を示します。
時系列の最も効果的な使用法の 1 つは、製品の品質を特徴付けるパラメータの傾向、変化、平均値の追跡に関連しています (たとえば、製品の売上の分析) (図 6.5)。 統計データの解釈と分析にも役立ちます。
米。 6.5. 時系列（商品売上比較分析の例を使用）
2010年。 - 2011年
6.8. コントロールカード
管理図は、技術プロセスを特徴付けるデータを時系列の形式で表現する方法です。 これにより、プロセスの現在の動作特性を監視し、これらの特性の目標値または平均値からの偏差と、経時的なプロセスの安定性レベルを示すことができます。 また、プロセスの能力を調べ、達成可能な品質目標を決定し、調整や予防措置が必要なプロセスのパフォーマンスと変動性の変化を特定するためにも使用できます。
管理図は、異常な変動を除外するために、つまり変動を特定の理由による変動とランダムな理由による変動に階層化するために W. シューハートによって初めて提案されました。
管理図は 4 つの規定に基づいています。
· すべてのプロセスは時間の経過とともに指定された特性から逸脱します。
· 個々の点の小さな偏差は予測できません。
· 安定したプロセスはランダムに変化しますが、同時に特定の特性を持つ点のグループが予測された境界内に収まる傾向があります。
· 不安定なプロセスは非ランダムな要因の影響で逸脱し、非ランダムな逸脱自体は予測された境界の外側にあります。
提示された規定に基づいて、問題のマップを使用して、プロセス特性を特定する必要がある規制境界を確立することができます。 また、指定された要件からのプロセスの逸脱を引き起こす要因を特定し、その影響を排除することも可能になります。
一定期間にわたるプロセス特性の測定結果は、制御された特性が次のことを確立するためにプロセスの要件と比較されます。
· 許容範囲の境界を超えていますが、プロセスパラメータの広がりは許容範囲の幅を超えていないため、プロセスを調整または調整することで消費者の要件を満たすことが可能です。
・許容範囲を超えており、その平均値が許容範囲の中央に近く、プロセスパラメータのばらつきが許容範囲の半分の幅を超えているため、消費者の要求を満たすことができません。 これは、より正確な技術機器を使用したり、プロセスの変動性を増大させる外部要因の影響を軽減したりして、パラメーターのばらつきを減らすためにプロセスを改善する必要があることを意味します。
· その平均値は許容範囲の中央から遠く離れており、プロセスパラメータの広がりが許容範囲の幅を超えています。 したがって、調整と調整の両方を通じてプロセスの品質を向上させ、プロセスパラメータのばらつきを減らすためのアクションが必要です。
管理図を作成する場合、管理限界を定義する方法が特に重要です。 これらの境界を確立するには、プロセスの状態を特徴付ける大量の予備データを収集し、それに基づいて上記境界を計算する必要があります。
· R– カード（サブグループ内の不適合（欠陥）製品の割合を監視するためのカード）。
· n.p.– カード（特定のボリューム n のサブグループ内の不適合（欠陥）製品の数を監視するためのカード）。
· と– カード (サブグループ内の不一致 (欠陥) の数を監視するためのカード)。
· あなた– カード (サブグループ内の製品単位ごとの不適合 (欠陥) の数を監視するためのカード)。
個体値の管理図（図6.6）は以下のように構成されています。 一定の時間が経過すると、コンベアから取り出された部品の品質特性の値が測定され、従来の記号 (点、十字、丸など) で管理カードのフォームにマークされます。 これらのアイコンが許容値フィールドの中央近くにグループ化されている場合 ( C.L.) を超えて拡張しないでください ( USL) 以下 ( LSL) 許容範囲の境界に達すると、プロセスは制御された条件下で続行されます。 いずれかの制御ステップでアイコンが許容範囲に近づいたり、許容範囲を超えたりした場合は、プロセスに介入する必要があります。
N 中央値は、昇順または降順に並べられた一連の測定値の中央の位置を占める値です。 偶数の場合 n中央値は、名前付き系列の中央に位置する 2 つの値の算術平均に等しくなります。 同様に、二乗平均 S の代わりに、パラメータの広がり R を使用する方が便利です。
-card の例を使用して、管理図を作成する手順を考えてみましょう。 このようなマップはプロセスの分析と管理に使用され、その品質指標は連続量 (長さ、重量、濃度など) で表され、プロセスに関する最大量の情報が含まれます。
カードを使用する前に、カードのフォームを準備する必要があります。 その後、次の順序で作業を進めます。
1. データ収集。
2. 各 x i カードと R カードの算術平均の計算
米。 6.7. コントロールカードの形式 - タイプ
プロセスが安定していて、そのパラメーターの平均値とその値の広がり R が変化せず、 と の近くに留まる、つまり、によって制限される制限を超えない場合、オブジェクトの状態は制御可能です。制御レベルの上限と下限。 このような状態が制御カードによって確認された場合、オペレータの介入なしで簡易制御が実行されます (プロセスは成功)。 プロセス条件が通常から逸脱した場合には、その調整が必要です。 管理図 (図 6.8) に次の兆候が現れた場合、オペレーターはプロセスに介入することをお勧めします。
1. 1 つ以上の点が管理限界の上限または下限の外にありました。
2. 一連の 7 つ以上の点が中心線の片側に表示されます。
3. 連続する 6 つ以上の点が、連続的に増加または減少する一連の値を形成します (表示されます)。
メソッドの別名:「7 つの (旧) 品質管理ツール」。
この方法の目的
これらは、実稼働環境で直接使用される場合と、製品ライフサイクルのさまざまな段階で使用される場合があります。
この方法の目的
現在のプロセスの監視、得られた事実（統計資料）の収集、処理、分析に基づいて、優先事項として対処する必要がある問題を特定し、その後のプロセスの品質向上に役立てます。
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。
現代の技術制御の科学的基礎は数学的および統計的手法です。
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。
行動計画
7 つの方法の実装は、プロセスの参加者全員に対してこれらの方法のトレーニングを行うことから始める必要があります。
メソッドを適用する順序は、目的に応じて異なる場合があります。
これらのメソッドは、個別のツールとしても、メソッドのシステムとしても考えることができます。 各メソッドは、タスクが属するクラスに応じて、独自の独立したアプリケーションを見つけることができます。
工法の特徴
7 つの基本的な品質管理ツールは、進行中のプロセスの管理を容易にし、プロセスの品質の分析、調整、改善のためのさまざまなタイプの事実を提供するツールのセットです。
- 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。
- 棒グラフ- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
追加情報：
- 7 つの単純な統計手法は知識のツールであり、管理ではありません。
- 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。
- 大手外資系企業では、全社員が7つの簡単な統計手法を習得することが絶対に求められています。
- データは、その後の処理を容易にする方法で収集する必要があります。 データが収集および処理される目的を理解する必要があります。
通常、品質管理プロセスにおけるデータ収集の目的は次のとおりです。
- プロセスの制御と規制。
- 確立された要件からの逸脱の分析。
- プロセス出力制御。
この方法の利点
視覚的で、習得も使用も簡単です。
この方法の欠点
複雑なプロセスを分析する際の効率が低い。
期待される結果
生産中に発生するすべての問題の最大 95% を解決します。
午前。 クズミン
『メソッド「品質管理の基本7つ」』ほか
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。 どちらの作業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化や変動が発生し、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。 製品を熱処理炉に入れると、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、それが不良品と良品に分類さ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。 これは単純かつ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、このような制御には非常にコストがかかります。 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監視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、ということかもしれません (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、欠陥の防止という問題を根本的に解決することはできません。 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ても役に立ちません。 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) チェックリスト。
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、知識があるだけではそれを適用できるというわけではありません。 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。
7 つの重要な品質ツールは、日常の単純な品質問題を解決するのに最も役立つと認められた、非常に単純なグラフィック手法のセットに付けられた名前です。 彼らは呼ばれています 主要 なぜなら、統計に関する訓練をほとんどまたはまったく受けていない人でも、これらの原則を理解し、日常業務に適用できるからです。
高度な訓練を受けた担当者でさえ、実験計画法、仮説検証、多変量解析などの最新の高品質ツールを使用するという考えを無視しているのを私はよく見てきました。 ほとんどの専門家にとってこれを知っておくと便利ですが、 過半数品質問題 できるこれらの 7 つの重要な品質ツールを使用して解決します。
この記事の目的は、これらの基本的なツールとその効果的な使用法を確認することです。 これらのツールのいずれかを使用して最良の結果を得るには、証明は必要ありません。 品質専門家は、完全かつ客観的かつ十分な情報を提供する必要があります。
ツール #1: 石川図
石川図（「」とも呼ばれます） 魚の骨格」または " 因果関係図」) は、特定のイベントの根本原因を示す因果関係図です。 本当に有益なフィッシュボーンを構築する一般的な方法は、5 なぜ法と因果関係図を併用することです。
- 人々 - プロセスに関与する人員。 関係者など
- 方法 - タスクを実行するためのプロセスと、ポリシー、手順、ルール、規制、法律など、タスクを実行するための特定の要件
- 機械 - 作業を実行するために必要なあらゆる機器、コンピュータ、ツールなど
- 材料 - 最終製品を製造するために使用される原材料、部品、ペン、紙など
- 指標 - 品質を評価するために使用されるプロセスから取得されるデータ
- 環境 - プロセスが行われる場所、時間、温度、作物などの条件
ツール #2: チェックリスト
チェックリストは、データ収集と分析のために構造化され準備されたフォームです。 これは、さまざまな目的に適応できる多用途ツールです。 収集されるデータは定量的または定性的です。 情報が定量的な場合、チェックリストと呼ばれます。 会計シート.
チェックリストの特徴は、データがマーク (「チェックマーク」) の形式で入力されることです。 一般的なチェックリストは複数の列に分かれており、異なる列に付けられたマークは異なる意味を持ちます。 シート上のマークの位置と数に基づいてデータが読み取られます。 チェックリストでは通常、次の 5 つの質問に答える「ヘッダー」が使用されます。 何？ どこ？ いつ？ なぜ？ それぞれの質問に対する操作上の定義を作成します。
- チェックリストに記入したのは誰ですか?
- 収集されたもの（各マーク、ロット識別番号、またはロット内のアイテムの数が何を表すか）
- データ収集はどこで行われましたか (機器、施設、ツール)
- データが収集された時刻 (時間、シフト、曜日)
- このデータが収集された理由
ツール #3:
同じサイズの連続する数値間隔におけるデータ項目の頻度を示す、長方形で表される統計情報の表示です。 ヒストグラムの最も一般的な形式では、独立変数が横軸にプロットされ、従属変数が縦軸にプロットされます。
ヒストグラムの主な目的は、表示されるデータを明確にすることです。 これは、処理されたデータをヒストグラムの領域またはバーにプロットして、特定のイベントまたはデータ カテゴリの頻度を確立するのに便利なツールです。 これらのヒストグラムは、最も高い頻度を反映するのに役立ちます。 根本原因分析ヒストグラムの一般的な用途には、主な原因を特定するためのデータの提示が含まれます。 さまざまな問題、原因、結果などの症状の分布を理解する。 パレート図 (この記事の後半で説明します) は、特別なタイプのヒストグラムです。
ツール #4:
重要なツールおよびソリューションです。 組織のリソースは限られているため、プロセス所有者と関係者がエラーや欠陥などの根本原因を理解することが重要です。 パレートは、欠陥の根本原因を明確にランク付けすることでこのメカニズムを表現することに優れています。 この図は 80:20 の原則としても知られています。
経済学者で政治学者のヴィルフレド・パレートにちなんで名付けられたチャートは、棒と折れ線グラフを含むグラフの一種で、個々の値が棒の降順に表示され、累積合計が折れ線で表されます。 通常、左側の縦軸は発生頻度を表します。 右の縦軸は、発現の合計数に対する合計の割合です。 原因は重要度の高い順に並べられているため、累積関数は凹型になります。 上記の例として、遅刻数を 78% 減らすには、最初の 3 つの理由を排除するだけで十分です。
ツール #5: 散布図または散布図
散布図は、2 つの変数間の潜在的な関係を特定するためによく使用されます。一方は説明変数、もう一方は従属変数と見なされます。 これにより、2 つの変数間の関係が視覚的にわかりやすくなり、相関係数と回帰モデルの分析に役立ちます。 データは一連の点として表示され、各点は横軸上の位置を定義する 1 つの変数の値と、縦軸上の位置を定義する 2 番目の変数の値を持ちます。
散布図は、実験者の制御下にある変数がある場合に使用されます。 他のパラメータの影響を受けたときに系統的に増加および/または減少するパラメータがある場合、それは次のように呼ばれます。 制御パラメータまたは独立変数であり、通常は横軸に沿ってプロットされます。 操作変数または従属変数は通常、縦軸に沿ってプロットされます。 従属変数がない場合、または変数を任意の軸または散布図にプロットできる場合は、2 つの変数間の相関度 (因果関係ではない) のみが表示されます。
ツール #6:
母集団を抽出する方法です。 統計調査では、母集団内の母集団が異なる場合、各グループ（層）を個別に抽出することが推奨されます。 層別化サンプリングの前に、社会のメンバーを同種のサブグループに分割するプロセスです。
階層は相互に排他的である必要があります。各人口単位は 1 つの階層のみに割り当てられる必要があります。 階層は網羅的である必要があります。人口単位を除外することはできません。 次に、単純な無作為サンプルまたは系統的サンプルが各層内で取得されます。
これにより、サンプリング誤差が減少し、サンプルの代表性が向上することがよくあります。 母集団の単純無作為サンプルの算術平均よりもばらつきの少ない加重平均を生成できます。 私が監督するグループには、単に十分なサンプルサイズを持つことよりも、適切な選択手順の方が重要であるとよく言います。
ツール #7: 管理図。シューハート図またはプロセス動作図とも呼ばれます。
これは、プロセスの自然な変動性により重大な変化を区別できるようにする特別なタイプの時間図です。
管理図分析により、プロセスが制御されている（つまり、安定しており、プロセス固有の理由によってのみ変化している）ことが示された場合、プロセス制御パラメータの修正や変更は必要または望まれません。 さらに、このプロセスからのデータを使用して、将来のプロセスのパフォーマンスを予測することもできます。
観察されたプロセスが制御不能であることがマップによって示されている場合、マップの分析は変動の原因を特定するのに役立ち、その後対処してプロセスを制御下に戻すことができます。
管理図は、プロセス制御パラメータを変更する必要があるかどうかなど、適切なプロセス制御の決定を容易にする客観的で規律あるアプローチの一部として見ることができます。 プロセスのパフォーマンスが低下するため、制御中のプロセスに対してプロセスパラメータを調整しないでください。 安定しているが所定の範囲外で稼働しているプロセス (たとえば、スクラップ率は統計的に制御可能だが所定の基準を超えている) は、現在のパフォーマンスの原因を理解し、プロセスを根本的に改善するための集中的な取り組みを通じて改善する必要があります。
私が単純なシックス シグマ プロジェクト (一般にイエロー ベルト プロジェクトと呼ばれる) を管理するとき、問題は複雑ではなく、プロジェクト チームはプロセスで 3 ～ 5 年の経験を持つ人々で構成されており、関連する問題を解決するためにこれらのシンプルなツールを使用することを強く推奨します。プロセスへ。
経験則として、標準偏差 1 ～ 2% 以内の再現性を示すプロセスは、これらのツールを使用した簡単な分析によって改善できます。 プロセスの再現性が 2.5 ～ 3% の標準偏差より大きい場合にのみ、プロセスの問題を特定して解決するために中～高度なツールを使用する必要があります。 また、シックス シグマの最初のトレーニングと教育コースでは、7 つの品質管理ツールを使用して、組織内にグリーン ベルトとブラック ベルトを育成するための肥沃な土壌を作り出すことをお勧めします。
Andrey Garin が作成した資料
外国の出版物の資料に基づく
http://www.サイト/
