Seitsemän huippuluokan laadunvalvontatyökalua. Seitsemän yksinkertaista japanilaista menetelmää

Peruskonseptit

Edellä käsitellyt seitsemän japanilaista menetelmää on suunniteltu kvantitatiivisen tiedon analysointiin. Niiden avulla voit ratkaista jopa 95 % laatuongelmista. Kuitenkin, kun luodaan esimerkiksi uutta tuotetta, kaikki tekijät eivät ole luonteeltaan numeerisia. On tosiasioita, jotka voidaan kuvata vain sanallisesti. Ne muodostavat noin 5 % prosessien ja tiimien johtamisen ongelmista, ja niitä ratkaistaessa on tilastollisten menetelmien ohella hyödynnettävä operatiivisen analyysin, psykologian ja muiden tuloksia.

Siksi Japanin tiedemiesten ja insinöörien liitto kehittyi 7 Uusimmat työkalut, joiden avulla voimme ratkaista nämä ongelmat. Japanin unioni kokosi nämä välineet ja ehdotti niitä vuonna 1979. Nämä sisältävät:

1) Affiniteettikaavio;

2) riippuvuuskaavio;

3) Järjestelmä (puu)kaavio;

4) Matriisikaavio;

5) Nuolikaavio;

6) Prosessin arvioinnin suunnittelukaavio;

7) Matriisidatan analyysi.

Syöttötietojen kerääminen laatutyökaluja varten suoritetaan yleensä menetelmällä aivoriihi joka tehdään asiantuntijoiden avustuksella.

Näiden menetelmien soveltamisala: laadunhallinta, toimistotyö, koulutus, koulutus jne.

"Affiniteettikaavion" soveltaminen

Affiniteettikaavio– työkalu, jonka avulla voit tunnistaa prosessin tärkeimmät rikkomukset yhdistämällä niihin liittyvät suulliset tiedot. Se on tapa ryhmitellä monia samankaltaisia ​​tai toisiinsa liittyviä ideoita, joita syntyy aivoriihissä. Japanilainen tiedemies- ja insinööriliitto sisällytti affiniteettikaavion seitsemän laadunhallintamenetelmän joukkoon vuonna 1979.

Menetelmän tarkoituksena on systematisoida ja järjestellä ongelmanratkaisun yhteydessä esitettyjä ideoita, kuluttajien vaatimuksia tai ryhmän jäsenten mielipiteitä. Affiniteettikaavio tarjoaa yleisen suunnittelun. Se on luova työkalu, joka auttaa selvittämään ratkaisemattomia ongelmia paljastamalla aiemmin näkymättömiä yhteyksiä yksittäisten tietojen tai ideoiden välillä keräämällä satunnaista suullista tietoa eri lähteistä ja analysoimalla niitä keskinäisen affiniteetin (assosiatiivisen läheisyyden) periaatteen mukaisesti.

Toimintasuunnitelma:

1 Muodosta ryhmä asiantuntijoita, joilla on tietoa käsiteltävään aiheeseen liittyvistä asioista.

2 Muotoile kysymys tai ongelma yksityiskohtaisen lauseen muodossa.

3 Järjestä aivoriihi, joka liittyy ongelman olemassaolon pääasiallisiin syihin tai vastauksiin esitettyihin kysymyksiin.

4 Tallenna kaikki lausunnot korteille, ryhmittele niihin liittyvät tiedot alueittain ja anna otsikot kullekin ryhmälle. Yritä yhdistää mikä tahansa niistä yhteisen otsikon alle luoden hierarkian.

Periaatteet affiniteettikaavion luomiseksi ja tärkeimpien prosessirikkomusten tunnistamiseksi niiden poistamiseksi on esitetty kuvassa. 31. Kuten kuvasta näkyy, affiniteettikaavio on luova tapa järjestää suuria määriä suullista tietoa.

Kuva 31 - Affiniteettikaavion muodostamisen periaate

Lisäinformaatio:

Affiniteettikaaviota ei käytetä tiettyjen numeeristen tietojen, vaan sanallisten lausuntojen käsittelyyn.

Affiniteettikaaviota tulee käyttää pääasiassa, kun:

On välttämätöntä systematisoida suuri määrä tietoa (eri ajatukset, erilaiset näkökulmat jne.);

Vastaus tai ratkaisu ei ole täysin ilmeinen kaikille;

Päätöksenteko vaatii yhteisymmärrystä tiimin jäsenten (ja kenties muidenkin sidosryhmien) kesken toimiakseen tehokkaasti.

Menetelmän edut: s piilottaa eri tiedon välisen suhteen.

Affiniteettikaavion luomismenettely antaa tiimin jäsenille mahdollisuuden mennä tavanomaista ajatteluaan pidemmälle ja auttaa toteuttamaan ryhmän luovan potentiaalin.

Menetelmän haitat: n Suuren määrän esineitä (alkaen useista kymmenistä) ihmisen assosiatiivisiin kykyihin perustuvat luovuuden työkalut ovat huonompia kuin loogisen analyysin työkalut.

Affiniteettikaavio on ensimmäinen seitsemästä laadunhallintatekniikasta, joka auttaa kehittämään ongelman tarkempaa ymmärtämistä ja tunnistaa suuret prosessiongelmat keräämällä, tiivistämällä ja analysoimalla suuren määrän suullista tietoa kunkin elementin välisten affiniteettisuhteiden perusteella.

9.2 "Välinsuhdekaavion" soveltaminen

Suhdekaavio on suunniteltu järjestämään toisiinsa liittyvät tekijät (olosuhteet, syyt, indikaattorit jne.) niiden välisen yhteyden vahvuuden mukaan.

1) on tarpeen kirjoittaa jokainen ongelma erilliselle paperiarkille ja kiinnittää nämä paperiarkit ympyrään;

2) sinun on aloitettava yläarkista ja siirryttävä myötäpäivään miettien, onko näiden kahden ongelman välillä yhteyttä. Jos on, mikä tapahtuma on syynä;

3) piirtää nuolia kahden tapahtuman väliin, jotka osoittavat vaikutussuunnat;

5) ensimmäinen on se, josta tulee enemmän nuolia.

Esimerkki: Suhdekaavio työtapaturmien lisääntymisen syiden tunnistamiseksi Kuvassa 1. Kuvassa 32 on esimerkki DV:stä, joka kuvastaa korkean työtapaturman syiden välisten suhteiden analyysin tuloksia.

Kuva 32 - Esimerkki suhdekaaviosta

Aiemmin käsitellyn Ishikawa-kaavion avulla voimme tunnistaa mihin tahansa ongelmaan vaikuttavat tekijät. Suhdekaavio mahdollistaa niiden jäsentämisen tärkeyden perusteella.

Tästä kaaviosta käy siis selvästi ilmi, että tärkeimmät syyt tuotannon aikana tapahtuneiden tapaturmien lisääntymiseen ovat: tiimityön puute ja riittämättömästi koulutettu henkilöstö.

Tilastolliset menetelmät laadunhallinta(jota Shewhart alkoi käyttää) edistävät merkittävästi tuotteiden laadun parantamista. Tilastolliset menetelmät jaetaan yleensä 3 kategoriaa niiden toteuttamisen monimutkaisuuden mukaan:

1. Perustilastomenetelmiä ovat seitsemän yksinkertaista työkalua:

♦ tarkistuslehti;

♦ syy-seurauskaavio;

♦ histogrammi;

♦ sirontakaavio;

♦ grafiikka;

♦ Pareto-analyysi;

♦ ohjauskortti.

2. Tilastollisia välimenetelmiä ovat:

♦ otantatutkimuksen teoria;

♦ tilastollinen otannan valvonta;

♦ erilaiset menetelmät tilastollisten arvioiden suorittamiseksi ja kriteerien määrittämiseksi;

♦ aistinvaraisten tarkastusten soveltamismenetelmä;

♦ kokeiden suunnittelumenetelmä.

3. Insinööreille ja laadunhallinnan ammattilaisille suunnattuja menetelmiä ovat mm:

♦ kehittyneet menetelmät kokeiden laskentaan;

♦ monimuuttuja-analyysi;

♦ erilaiset toimintatutkimuksen menetelmät.

Yksinkertaiset työkalutlaadunhallinta.

Yksi laadunhallinnan perusperiaatteista on tehdä päätöksiä tosiasioihin perustuen. Tämä on täysin ratkaistu menetelmällä mallintaa prosesseja, sekä tuotantoa että hallintaa, käyttäen matemaattisten tilastojen työkaluja. Nykyaikaiset tilastolliset menetelmät ovat kuitenkin melko vaikeita ymmärtää ja niitä käytetään laajasti käytännössä ilman kaikkien prosessin osallistujien syvällistä matemaattista koulutusta. Vuonna 1979 japanilaisten tiedemiesten ja insinöörien liitto (JUSE) kokoontui yhteen seitsemän melko helppokäyttöistä visuaalista menetelmää prosessianalyysiin. Yksinkertaisuudestaan ​​huolimatta ne pysyvät yhteydessä tilastoihin Ja antaa ammattilaisille mahdollisuuden hyötyä tuloksistaan, A paranna niitä tarvittaessa.

Tarkistuslistat- Nämä ovat työkaluja ensisijaisten tietojen rekisteröintiin. Tarkistuslistoja voidaan käyttää sekä laadulliseen että määrälliseen valvontaan.

Kuvassa 10.3 esittää tarkastuslomakkeen, joka kuvastaa tuotevalvonnan tuloksia.

Riisi. 10.3. Näyte tarkistuslomake

Se osoittaa tutkimuskohteen, taulukon ohjatun parametrin tietojen tallentamiseksi, ohjauspaikan, koko nimen. ja datatallentimen nimi, havaintoaika ja instrumentin nimi. Rekisteröintitaulukon sarakkeessa "merkit" sijoitetaan havaintojen määrää vastaavat symbolit.

Tarkistuslistoille on muitakin vaihtoehtoja.

Syy-seurauskaavio (Ishikawa-kaavio).

Syy-seurauskaavio ilmestyi ensimmäisen kerran Japanissa, ja sitä alettiin käyttää "laatupiireissä" prosessihäiriöiden syiden tunnistamiseen, kun ilmeisiä rikkomuksia on vaikea havaita.

Tällaista kaaviota, jonka Tokion yliopiston professori Kaoru Ishikawa kehitti vuonna 1953 analysoidessaan erilaisia ​​insinöörien mielipiteitä, kutsutaan kirjallisuudessa. "kalan luuranko" "ominaisuustekijöiden haarautunut kaavio " Kun rakennat kaaviota, käytä "aivoriihi menetelmä" (kollektiivi ideasukupolvi ), suositellaan mahdollisten syiden tunnistamiseen.

"Aivoriihimenetelmää" voidaan pitää työkaluna asiantuntijaryhmän luovan potentiaalin päivittämiseen, mikä saavutetaan johtuen siitä, että:

♦ kollektiivisen idean luomiseen osallistujat harjoittelevat aivojaan kyvyssä keksiä uusia ideoita ongelmien ratkaisemiseksi;

♦ osallistujat saavat mahdollisuuden nähdä ongelma uudella ja odottamattomalla tavalla kollegoidensa silmin;

♦ Myöhemmin koko ilmaistujen ideoiden tutkiminen antaa meille mahdollisuuden omaksua uusi, varmempi lähestymistapa ajatuksiin, jotka eivät herättäneet riittävästi huomiota, vaikka kollegat ovat aiemmin esittäneet niitä;

♦ tapaa arvioida kielteisiä ja kriittisiä uusia ja riittämättömästi perusteltuja ideoita, jotka on hankittu lukuisissa tapaamisissa ja keskusteluissa kollektiivisen ideoiden generoinnin prosessissa, täydentää luova ajattelukyky.

Aivoriihiä suoritettaessa noudatetaan seuraavia sääntöjä:

1) kritiikki ei ole sallittua;

2) ehdotukset arvioidaan myöhemmin;

3) omaperäisyyttä ja ei-triviaaleja ideoita kannustetaan;

4) ideoiden yhdistelmiä ja parannuksia tarvitaan.

Kollektiivisen idean generoinnin tulokset heijastuvat sitten syy-seurauskaavion rakentamiseen (kuva 10.4).

Riisi. 10.4 Ishikawan syy-seurauskaavion rakenne

Kaavioiden rakentaminen sisältää seuraavat vaiheet:

Tuotteen laatua kuvaavan tehokkaan indikaattorin valinta (prosessi jne.);

Laatuindikaattoriin vaikuttavien tärkeimpien syiden valinta. Ne on sijoitettava suorakulmioihin ("isot luut");

Toissijaisten syiden valinta ("keskiluun"), jotka vaikuttavat tärkeimpiin syihin;

Valinta (kuvaus) kolmannen asteen syistä ("pienet luut"), jotka vaikuttavat toissijaisiin syihin;

Järjestetään tekijät tärkeysjärjestykseen ja korostetaan tärkeimmät.

Syy-seurauskaavioilla on universaaleja sovelluksia. Näin ollen niitä käytetään laajasti tunnistamaan merkittävimpiä esimerkiksi työn tuottavuuteen vaikuttavia tekijöitä.

Tuotantokentällä se toimii "5M periaate" eli seuraavat viisi ”luuta” toimivat ”suurina” (kuva 10.5).

Riisi. 10.5. 5M periaate

Palvelualalla pätee ”5P-periaate” (kuva 10.6).

Riisi. 10.6. 5P periaate.

Pylväsdiagrammi (Histogrammi) . Histogrammit ovat yksi pylväskaavion muunnelmista, joka näyttää tuotteen tai prosessin laatuparametrien taajuuden riippuvuuden tietylle arvoalueelle.

Pylväsdiagrammi tarjoaa visuaalisen esityksen tiettyjen parametriarvojen jakautumisesta toistotiheyden mukaan tietyllä ajanjaksolla (viikko, kuukausi, vuosi). Histogrammi näyttää prosessin vaihteluvälin ja sitä käytetään laajalti osien ja tuotteiden laadunvalvonnassa havaintojaksojen aikana (kuva 10.7).

Kuva 10.7. pylväsdiagrammi

Piirtämällä parametrin hyväksyttävät arvot voit määrittää, kuinka usein parametri on hyväksyttävän alueen sisällä tai sen ulkopuolella.

Histogrammi on rakennettu seuraavasti:

Laatuindikaattorin korkein arvo määritetään;

Laatuindikaattorin alin arvo määritetään;

Histogrammialue määritetään suurimman ja pienimmän arvon erotuksena;

Histogrammin aikavälien lukumäärä määritetään;

Histogrammivälin pituus määritetään (histogrammialueen osamääränä) / (välien lukumäärä);

Saadut tiedot analysoidaan muilla menetelmillä:

- viallisten tuotteiden ja virhehäviöiden osuutta tarkastellaan Pareto-kaavion avulla;

Vikojen syyt määritetään syy-seurauskaavion, kerrostusmenetelmän ja hajontadiagrammin avulla;

- ominaisuuksien muutokset ajan myötä määritetään ohjauskaavioiden avulla.

Luotettava histogrammi vaatii vähintään 40 havaittua arvoa.

Suuria tietomääriä analysoitaessa käytämme yleensä keskiarvoa, harvemmin keskihajontaa ja vielä harvemmin muita käsittelymenetelmiä. Mistä tämä "itsehillintä" johtuu? 🙂 Todennäköisesti riittämätön tieto ja kokemus näissä asioissa. Mistä nykyaikainen johtaja voi oppia tilastotietojen käsittelymenetelmistä? Hän tuskin muistaa yliopiston tilastokurssia. Ja kuuluiko se opetussuunnitelmaan!?

Tutustumiseni tilastoihin tai tarkemmin sen käyttöön liiketoiminnassa alkoi noin 15 vuotta sitten, kun luin ensimmäisen kerran laadunhallintamenetelmistä. Valitettavasti seitsemän perustyökalua "eivät tuntuneet minusta" ensimmäisellä kerralla... En ymmärtänyt niitä "toimintaohjeina". Pikemminkin kohtelin niitä transsendenttisena epämääräisenä. Ja vasta vähitellen useiden vuosien aikana, toistuvasti törmännyt yhden tai toisen menetelmän käyttöön kirjallisuudessa sekä käytännön ongelmien ilmaantumisen yhteydessä, aloin askel askeleelta ymmärtää näiden työkalujen merkityksen ja soveltamisalaan. Vähitellen aloin käyttää näitä menetelmiä käytännössä, joskus en edes muistanut, että ne ovat osa yhtenäistä järjestelmää.

On tullut aika osoittaa kunnioitusta alkuperäiselle lähteelle - japanilaiselle johtamiselle ja myös näyttää, kuinka näennäiseltä kirjatiedosta tulee tehokas työkalu todellisen liiketoiminnan johtamiseen.

Lataa muistiinpano muodossa, esimerkit muodossa

Seitsemän peruslaadunvalvontatyökalua analyyttinen ongelmanratkaisu, eli tilanteessa, jossa tietoa on saatavilla, ja ongelman ratkaisemiseksi sinun on analysoitava se.

1. Syy-seurauskaavio. Tätä kaaviota käytetään tunnistamaan lopputulokseen vaikuttavat prosessitekijät. On myös nimiä: "Ishikawa diagram" tai "kalanruotokaavio". Klassisessa versiossa tekijät (syyt) on ryhmitelty luokkiin "5M"-periaatteen mukaisesti:

Mies (henkilö) - inhimilliseen tekijään liittyvät syyt; Koneet (koneet, laitteet) - laitteisiin liittyvät syyt; Materiaalit – materiaaleihin liittyvät syyt; Menetelmät (menetelmät, teknologia) - liiketoimintaprosessien organisointiin liittyvät syyt; Mittaukset - mittausmenetelmiin liittyvät syyt.

Riisi. 1. Ishikawa-kaavio. Näyte.

On selvää, että voidaan käyttää toista asiaankuuluvaa ryhmittelyä. Esimerkiksi tässä on "luuranko", jonka piirsimme analysoimalla mahdollisuuksia lyhentää asiakaspalveluaikaa varastossa:

Riisi. 2. Ishikawa-kaavio. Asiakaspalveluaika varastossa.

– työkalu tietojen keräämiseen ja automaattiseen järjestämiseen kerättyjen tietojen jatkokäytön helpottamiseksi.

Riisi. 3. Tarkista arkki. Esimerkki.

Tarkistuslistojen etuna on, että niitä voivat käyttää työntekijät, jotka eivät työskentele tietokoneen kanssa. Jos tiedot myöhempää analysointia varten saadaan mittauksilla suoraan työpaikalla, tarkistuslistat ovat erittäin tehokkaita. On selvää, että jos analyysitiedot poimitaan tietokannoista, tarkistuslistoja ei tarvita, vaan tiedot muunnetaan välittömästi histogrammiksi, Paretoksi tai sirontadiagrammiksi (katso alla).

Käytännössäni tarkistuslistat eivät ole löytäneet käyttöä, koska käsittelemäni prosessit liittyvät joko kokonaan tietokoneen käyttöön tai ne käynnistetään tietokoneelta komennolla ja lopputuloksen kirjaa PC-käyttäjä.

Nämä kaaviot luokittelevat ongelmat tulokseen kohdistuvan vaikutuksen asteen (taajuuden) mukaan. Ne ovat saaneet nimensä taloustieteilijä Vilfredo Paretolta, joka eräässä tieteellisessä työssään 1800- ja 1900-luvun vaihteessa osoitti, että Italiassa 20 % kotitalouksista saa 80 % tuloista. Termin "Pareto-periaate" loi amerikkalainen laadunhallintaasiantuntija Joseph Juran 1900-luvun 40-luvulla. Pareto-analyysiä havainnollistetaan yleensä Pareto-kaaviolla, jossa laatuongelmien syyt on piirretty x-akselia pitkin laskevassa järjestyksessä niiden vaikutuksesta poikkeamien määrään (virheiden määrä) ja kahta ordinaattista akselia pitkin: a) poikkeamien lukumäärä kappaleina; b) osuuden kertynyt osuus (prosenttiosuus) poikkeamien kokonaismäärästä. Esimerkiksi:

Riisi. 4. Pareto-kaavio. Syyt erääntyneisiin myyntisaamisiin.

Ensinnäkin sinun tulee käsitellä niitä syitä, jotka aiheuttavat eniten ongelmia. Esimerkissämme kolmen ensimmäisen kanssa.

4. Histogrammi– työkalu, jonka avulla voit visuaalisesti arvioida tilastotietojen jakautumista ryhmiteltynä tiettyyn (ennalta määrättyyn) aikaväliin osumisen tiheyden mukaan. Klassisessa versiossa histogrammia käytetään ongelmien tunnistamiseen analysoimalla arvojen hajonnan muotoa, keskusarvoa, sen läheisyyttä nimellisarvoon ja hajonnan luonnetta:

Riisi. 5. Histogrammin sijainnin vaihtoehdot suhteessa tekniseen toleranssiin

Lyhyet kommentit: a) kaikki on hyvin: keskiarvo osuu nimellisarvoon, vaihtelu on toleranssien sisällä; b) keskiarvoa on siirrettävä vastaamaan nimellisarvoa; c) leviämistä olisi vähennettävä; d) keskiarvoa tulisi siirtää ja hajontaa pienentää; e) leviämistä olisi vähennettävä merkittävästi; f) kaksi erää sekoitetaan; olisi jaettava kahteen histogrammiin ja analysoitava; g) edellisen kappaleen tapaan vain tilanne on kriittisempi; h) tällaisen jakelun syyt on ymmärrettävä; "jyrkkä" vasen reuna osoittaa jonkinlaista toimintaa suhteessa osaeriin; i) samanlainen kuin edellinen.

Tässä ovat histogrammit, joita olemme rakentaneet useiden vuosien ajan tutkiaksemme asiakaspalveluaikoja varastossa:

Riisi. 6. Histogrammi. Asiakaspalveluaika varastossa.

Abskissa-akselilla on 15 minuutin valikoima asiakaspalveluaikaa varastossa; Y-akseli on varatulla aikavälillä huollettujen sovellusten osuus vuoden hakemusten kokonaismäärästä. Punainen katkoviiva näyttää keskimääräisen huoltoajan ympäri vuoden.

5. Sirontakaavio(dispersio) on työkalu, jonka avulla voit määrittää vastaavien muuttujaparien välisen yhteyden tyypin ja vahvuuden (korrelaation). Nämä kaaviot sisältävät kaksi datajoukkoa pisteinä. Näiden pisteiden välinen suhde osoittaa vastaavien tietojen välisen riippuvuuden. Excelissä tällainen kaavio on "scatter"-tyyppinen. Tässä on esimerkki siitä, kuinka olen aiemmin havainnut sirontakaavioiden hyödyllisyyden:

Riisi. 7. Korrelaatioriippuvuuden tunnistaminen sirontadiagrammin perusteella.

Tässä on mielenkiintoinen esimerkki korrelaatioanalyysin käyttämisestä tavaroiden sijoittamisen hallintaan varastoon:

Nykyaikaisella varastolla on erittäin vaikuttavat mitat. Se voi saavuttaa 100-150 metrin syvyyteen (etäisyys lastausportista takaseinään). On selvää, että sijoittamalla suuren liikevaihdon omaavat tavarat lähemmäksi porttia, voit säästää aikaa liikkumiseen varastossa. Yllä olevat luvut osoittavat yksittäisten solujen käytön tiheyden; vasemmalla - tavaroiden satunnaiseen sijoittamiseen; oikealla – ABC-ryhmiin jaetuille tavaroille. Mitä voimakkaampi väri, sitä useammin soluun päästään. Voidaan nähdä, että ilman ABC-jakaumaa pääsy soluihin on lähes satunnaista; nimikkeistön ABC-jaolla voidaan havaita vyöhykerajoja. Kunkin hahmon vasen etupuoli on kohti vastaanottoaluetta. Siten kuviossa esitetyssä tilanteessa. b, varastonpitäjien/laitteiden kokonaispolku on pienempi kuin kuvassa. A

6. Kaaviot– työkalu, jonka avulla voit analysoida tietoja eri osioista. Analyysin muoto ja tarkoitus voivat sanella erilaisten graafien käytön. Voit lukea tästä lisää Gene Zelaznyn kirjasta "". Tietojen kappalekohtaiset vertailut voidaan parhaiten osoittaa käyttämällä ympyräkaaviota. Pylväskaaviota käytetään parhaiten havainnollistamaan sijaintivertailua. Jos komponenttikohtaiset ja sijaintivertailut osoittavat suhteita tietyllä hetkellä, niin ajalliset vertailut heijastavat muutoksen dynamiikkaa; Aikavertailuja havainnollistetaan parhaiten histogrammin tai kaavion avulla.

Esimerkiksi näillä kaavioilla analysoimme kullekin asiakkaalle kerralla kolme parametria: myyntisaamisten, erääntyneiden myyntisaamisten ja luottorajan rajojen:

Riisi. 8. Esimerkki kaavion käytöstä tietojen analysointiin.

7. Ohjauskortti– työkalu, jonka avulla voit seurata prosessin etenemistä ja vaikuttaa siihen estämällä poikkeamat prosessille esitetyistä vaatimuksista (tai reagoimaan poikkeamiin). Muunnelmia on kahdenlaisia: luonnollinen, joka liittyy arvojen leviämiseen prosessiin ominaisen nimellisarvon ympärillä; Ja erityistä, jonka ulkonäkö voidaan selittää erityisillä syillä. Voit lukea tästä lisää D. Wheelerin ja D. Chambersin kirjasta. Liiketoiminnan optimointi Shewhart-ohjauskaavioiden avulla. Ohjauskarttoja käytetään erityisten muunnelmien tunnistamiseen. Yksittäisiä tietoja vastaavat pisteet, keskiarvojen viiva (μ) sekä ylä- ja alasäätörajat (μ ± 3σ) on piirretty kaavioon. Jos pisteet ovat ohjausrajojen sisällä, keskiviivasta poikkeamiin ei tarvitse reagoida. Jos vähintään yksi piste on kontrollirajojen ulkopuolella, tarvitaan poikkeaman mahdollisten syiden analyysi. Katso esimerkiksi "", "".

Ohjauskaavioiden käyttäminen myyntisaamisten määrän analysointiin:

Riisi. 9. Ohjauskortti. Vaihtelun luonnolliset syyt.

Viikolla 27 velka kasvoi 1,4 miljoonasta dollarista 2,6 miljoonaan dollariin. Hallintotoimia ei kuitenkaan tarvita, koska pisteet sijaitsivat valvontarajojen sisällä.

Seuraavassa kaaviossa näkyy keskimääräinen (viikkoittain) ajoneuvojen nousuaika:

Riisi. 10. Ohjauskortti. Muutosten erityiset syyt.

Voidaan nähdä, että 19. viikosta alkaen pisteet ylittävät kontrollirajat. Prosessin interventio on tarpeen vaihtelun erityisten syiden tunnistamiseksi.

Toivon esimerkkini auttavan sinua ymmärtämään, että seitsemän peruslaadunvalvontatyökalua voivat olla todellinen apu liiketoimintaprosessien analysointiin.

Ne on esitetty M. Imain kirjassa "". Olen järjestänyt nämä menetelmät siihen järjestykseen, joka tuntuu minusta loogisimmalta.

"Seitsemän peruslaadunvalvontatyökalua" -menetelmän tarkoitus on tunnistaa ongelmat, joihin on puututtava ensisijaisesti, perustuen nykyisen prosessin seurantaan, saatujen tosiasioiden (tilastomateriaalin) keräämiseen, käsittelyyn ja analysointiin prosessin laadun myöhempää parantamista varten.

Menetelmän ydin- laadunvalvonta (suunniteltua laatuindikaattoria vertaamalla sen todelliseen arvoon) on yksi laadunhallintaprosessin päätehtävistä, ja tosiasioiden kerääminen, käsittely ja analysointi on tämän prosessin tärkein vaihe.

Monista tilastomenetelmistä vain seitsemän on valittu laajaan käyttöön, jotka ovat ymmärrettäviä ja eri alojen asiantuntijoiden helposti käytettävissä. Niiden avulla voit tunnistaa ja näyttää ongelmat oikea-aikaisesti, määrittää tärkeimmät tekijät, joista sinun on aloitettava toiminta, ja jakaa ponnisteluja näiden ongelmien ratkaisemiseksi tehokkaasti.

Odotettu tulos on ratkaisu jopa 95 %:iin kaikista tuotannossa esiintyvistä ongelmista.

Seitsemän tärkeää laadunvalvontatyökalua– joukko työkaluja, jotka helpottavat meneillään olevien prosessien hallintaa ja tarjoavat erilaisia ​​faktoja prosessien analysointiin, säätämiseen ja laadun parantamiseen.

1. Tarkistuslista- työkalu tietojen keräämiseen ja automaattiseen järjestämiseen kerättyjen tietojen jatkokäytön helpottamiseksi.

2. Histogrammi- työkalu, jonka avulla voit visuaalisesti arvioida tilastotietojen jakautumista ryhmiteltynä tiettyyn (ennalta määrättyyn) aikaväliin kuuluvien tietojen tiheyden mukaan.

3. Pareto-kaavio- työkalu, jonka avulla voit objektiivisesti esittää ja tunnistaa tärkeimmät tutkittavaan ongelmaan vaikuttavat tekijät ja jakaa ponnisteluja sen ratkaisemiseksi tehokkaasti.

4. Stratifikaatiomenetelmä(tietojen kerrostaminen) - työkalu, jonka avulla voit jakaa tiedot alaryhmiin tietyn kriteerin mukaan.

5. Sirontakaavio(dispersio) - työkalu, jonka avulla voit määrittää vastaavien muuttujien parien välisen suhteen tyypin ja läheisyyden.

6. Ishikawa-kaavio(syy-seurauskaavio) on työkalu, jonka avulla voit tunnistaa merkittävimmät lopputulokseen (vaikutukseen) vaikuttavat tekijät (syyt).

7. Ohjauskortti- työkalu, jonka avulla voit seurata prosessin etenemistä ja vaikuttaa siihen (asianmukaisen palautteen avulla) estämällä sen poikkeamat prosessille esitetyistä vaatimuksista.

Tarkistuslistat(tai tiedonkeruu) - erityiset lomakkeet tiedonkeruuta varten. Ne helpottavat keräysprosessia, edistävät tiedonkeruun tarkkuutta ja johtavat automaattisesti joihinkin johtopäätöksiin, mikä on erittäin kätevää nopeaan analysointiin. Tulokset voidaan helposti muuntaa histogrammiksi tai Pareto-kaavioksi. Tarkistuslistoja voidaan käyttää sekä laadulliseen että määrälliseen valvontaan. Sekkilomakkeen muoto voi olla erilainen sen tarkoituksesta riippuen.

Löytääksesi oikean tavan tavoitteen saavuttamiseksi tai ongelman ratkaisemiseksi, sinun on ensin kerättävä tarvittavat tiedot, jotka toimivat pohjana jatkoanalyysille. On toivottavaa, että kerätyt tiedot esitetään jäsennellyssä ja helposti käsiteltävässä muodossa. Tätä tarkoitusta varten sekä tiedonkeruun aikana tapahtuvien virheiden todennäköisyyden vähentämiseksi käytetään tarkistuslistaa.

Tarkistuslista on lomake, joka on suunniteltu keräämään tietoja ja järjestämään niitä automaattisesti, mikä helpottaa kerättyjen tietojen jatkokäyttöä.

Ohjauslehti on ytimenään paperilomake, jolle painetaan ohjatut parametrit, joiden mukaan arkille syötetään muistiinpanojen tai yksinkertaisten symbolien avulla tarvittavat ja riittävät tiedot. Toisin sanoen tarkistuslomake on tapa tallentaa tietoja.

Tarkistuslistan muoto riippuu tehtävästä ja voi olla hyvin vaihteleva, mutta joka tapauksessa on suositeltavaa ilmoittaa:

Aihe, tutkimuskohde (yleensä ilmoitettu tarkistuslomakkeen otsikossa);

Tietojen tallennusaika;

Tietolähde;

Tiedot rekisteröivän työntekijän asema ja sukunimi;

Symbolit vastaanotettujen tietojen tallentamiseen;

Tiedonkeruutaulukko.

Valvontalehtiä valmistettaessa on varmistettava, että käytetään yksinkertaisimpia täyttötapoja (numerot, symbolit), ohjattujen parametrien määrä on mahdollisimman pieni (mutta riittävä ongelman analysointiin ja ratkaisemiseen) ja arkki on mahdollisimman selkeä ja helppo täyttää myös pätemättömälle henkilökunnalle.

1. Muotoile tarkoitus ja tavoitteet, joita varten tietoja kerätään.

2. Valitse laadunvalvontamenetelmät, joita käytetään kerättyjen tietojen analysointiin ja käsittelyyn.

3. Määritä ajanjakso, jonka aikana tutkimus suoritetaan.

4. Kehitetään toimenpiteitä (luoda olosuhteet) tietojen tunnolliseksi ja oikea-aikaiseksi syöttämiseksi tarkistuslistalle.

5. Määritä vastuu tiedonkeruusta.

6. Kehitä tarkistuslistalle lomake.

7. Valmistele ohjeet tiedonkeruun suorittamiseksi.

8. Opeta ja kouluta työntekijöitä tietojen keräämisessä ja niiden syöttämisessä tarkistuslistalle.

9. Järjestä säännölliset tiedonkeruutarkastukset.

Kiireellisin ongelman ratkaisemisen yhteydessä esiin nouseva kysymys on henkilöstön keräämien tietojen luotettavuus. Vääristyneiden tietojen perusteella ratkaisun löytäminen on erittäin vaikeaa (ellei mahdotonta). Toimenpiteiden toteuttaminen (edellytysten luominen) työntekijöiden oikeiden tietojen rekisteröimiseksi on välttämätön edellytys tavoitteen saavuttamiselle.

Riisi. Esimerkkejä tarkistuslistasta

On mahdollista käyttää sähköisiä lomakkeita

Samaan aikaan shekkilomakkeen sähköisen lomakkeen haittoja paperilomakkeeseen verrattuna ovat mm.

- bOmonimutkaisempi käyttö;

- tarve käyttää enemmän aikaa tietojen syöttämiseen.

Plussapuolella:

- tietojen käsittelyn ja analysoinnin helppous;

- nopea tarvittavien tietojen hankkiminen;

- mahdollisuus saada samanaikaisesti tietoa monelta ihmiseltä.

Suurin osa kerätyistä tiedoista on kuitenkin monistettava paperimuodossa. Ongelmana on, että tämä johtaa tuottavuuden alenemiseen: tarvittavan tiedon analysointiin, tallentamiseen ja hakemiseen säästettyä aikaa kompensoi suurelta osin tietojen tallentamisen kaksinkertainen työ.

pylväsdiagrammi– työkalu, jonka avulla voit visuaalisesti kuvata ja helposti tunnistaa saatujen tietojen muutosten rakenteen ja luonteen (arvioida jakaumaa), joita on vaikea havaita taulukossa esitettynä.

Analysoimalla saadun histogrammin muotoa ja sen sijaintia suhteessa toleranssiväliin voidaan tehdä johtopäätös kyseessä olevan tuotteen laadusta tai tutkittavan prosessin tilasta. Johtopäätöksen perusteella kehitetään toimenpiteitä tuotteen laadun tai prosessin tilan poikkeamien eliminoimiseksi normista.

Alkutietojen esitystavasta (keräystä) riippuen histogrammin rakennusmenetelmä on jaettu kahteen vaihtoehtoon:

Vaihtoehto I Tilastotietojen keräämistä varten laaditaan tuote- tai prosessiindikaattoreiden tarkistuslistat. Muistilistalomaketta kehitettäessä on välittömästi päätettävä, kuinka monta kertaa tietoja kerätään ja kuinka suuret välit, joiden perusteella puolestaan ​​rakennetaan histogrammi. Tämä on välttämätöntä, koska tarkistuslomakkeen täyttämisen jälkeen on lähes mahdotonta laskea uudelleen indikaattoriarvoja muille aikaväleille. Maksimi, mitä voidaan tehdä, on jättää huomioimatta välit, joissa mikään arvo ei putoa, ja yhdistää 2:lla, 3:lla jne. aikavälillä ilman pelkoa tietojen vääristymisestä. Kuten ymmärrät, esimerkiksi tällaisilla rajoituksilla on melkein mahdotonta tehdä 7 11 intervallista.

Rakennusmenetelmä:

1. Määritä tarkistustaulukon välien lukumäärä ja leveys.

Välien tarkka lukumäärä ja leveys tulee valita käytön helppouden tai tilastollisten sääntöjen mukaan. Jos mitatulle indikaattorille on toleransseja, kannattaa keskittyä 6-12 toleranssin sisällä olevaan ja 2-3 toleranssin ulkopuolelle. Jos toleransseja ei ole, arvioimme indikaattoriarvojen mahdollisen leviämisen ja jaamme myös 6-12 väliin. Tässä tapauksessa välien leveyden on oltava sama.

2. Kehitä tarkistuslistoja ja käytä niitä tarvittavien tietojen keräämiseen.

3. Laske täytettyjen tarkistuslistojen avulla saatujen indikaattoriarvojen taajuus (eli kuinka monta kertaa) kullakin aikavälillä.

Tyypillisesti tätä varten on varattu erillinen sarake, joka sijaitsee tiedontallennustaulukon lopussa.

Jos indikaattorin arvo vastaa tarkalleen intervallin rajaa, lisää puolet molempiin intervalleihin, joiden rajalle indikaattoriarvo osuu.

4. Käytä histogrammin rakentamiseen vain niitä intervalleja, jotka sisältävät vähintään yhden indikaattoriarvon.

Jos indikaattoriarvojen osuuksien välissä on tyhjiä aikavälejä, ne on myös piirrettävä histogrammiin.

5. Laske havaintotulosten keskiarvo.

Tuloksena olevan näytteen aritmeettinen keskiarvo on piirrettävä histogrammiin.

Laskennassa käytetty vakiokaava on:

Missä x i– indikaattorin saadut arvot,

N –otoksesta saatujen tietojen kokonaismäärä.

Kuinka käyttää sitä, jos indikaattorilla ei ole tarkkoja arvoja x 1, x 2 jne. Sitä ei ole selitetty missään. Meidän tapauksessamme aritmeettisen keskiarvon arvioimiseksi karkeasti voin ehdottaa oman menetelmäni käyttöä:

a) määritä kunkin intervallin keskiarvo kaavalla:

missä j-histogrammin muodostamiseen valitut intervallit,

x j max –intervallin ylärajan arvo,

x j min –intervallin alarajan arvo.

b) määritä otoksen aritmeettinen keskiarvo kaavalla:

missä n-valittujen intervallien lukumäärä histogrammin muodostamista varten,

v j -väliin osuvien näytetulosten tiheys.

6. Rakenna vaaka- ja pystyakselit.

7. Piirrä valittujen intervallien rajat vaaka-akselille.

Jos aiot tulevaisuudessa verrata histogrammeja, jotka kuvaavat samanlaisia ​​tekijöitä tai ominaisuuksia, niin abskissa-akselille asteikkoa piirtäessäsi sinun ei pitäisi ohjata intervalleja, vaan tietoyksiköitä.

8. Aseta arvoasteikko pystyakselille valitun asteikon ja alueen mukaisesti.

9. Muodosta kullekin valitulle aikavälille sarake, jonka leveys on yhtä suuri kuin intervalli ja jonka korkeus on yhtä suuri kuin havaintotulosten osumistiheys vastaavaan väliin (taajuus on jo laskettu aiemmin).

Piirrä kaavioon viiva, joka vastaa tutkittavan indikaattorin aritmeettista keskiarvoa. Jos toleranssialue on olemassa, piirrä viivat, jotka vastaavat toleranssivälin rajoja ja keskipistettä.

Vaihtoehto II Tilastot on jo kerätty (esimerkiksi kirjattu lokikirjoihin) tai ne on tarkoitettu kerättäväksi tarkasti mitattujen arvojen muodossa. Tässä suhteessa meitä eivät rajoita mitkään alkuehdot, joten voimme valita ja milloin tahansa muuttaa välien määrää ja leveyttä ajankohtaisten tarpeiden mukaan.

Rakennusmenetelmä:

1. Kokoa vastaanotetut tiedot yhdeksi asiakirjaksi jatkokäsittelyä varten sopivassa muodossa (esimerkiksi taulukon muodossa).

2. Laske indikaattoriarvojen alue (näytealue) käyttämällä kaavaa:

Missä xmax– korkein saatu arvo,

xmin– pienin saatu arvo.

3. Määritä histogrammisäiliöiden lukumäärä.

Voit tehdä tämän käyttämällä Sturgessin kaavan perusteella laskettua taulukkoa:

Voit myös käyttää taulukkoa, joka on laskettu kaavan mukaan:

4. Määritä intervallien leveys (koko) kaavalla:

5. Pyöristä tulos sopivaan arvoon.

Huomaa, että koko näyte on jaettava samankokoisiin jaksoihin.

6. Määritä intervallien rajat. Määritä ensin ensimmäisen intervallin alaraja niin, että se on pienempi kuin xmin. Lisää siihen intervallin leveys saadaksesi ensimmäisen ja toisen intervallin välisen rajan. Jatka seuraavaksi välin leveyden lisäämistä ( N) edelliseen arvoon saadaksesi toisen rajan, sitten kolmannen jne.

Kun olet suorittanut nämä toimet, sinun tulee varmistaa, että viimeisen aikavälin yläraja on suurempi kuin xmax.

7. Laske valituille aikaväleille tutkittavan indikaattorin arvojen esiintymistiheys kullakin aikavälillä.

Jos indikaattorin arvo vastaa tarkasti intervallin rajaa, lisää puolet molempiin intervalleihin, joiden rajalle indikaattorin arvo osuu.

8. Laske tutkittavan indikaattorin keskiarvo kaavalla:

Noudata yllä olevan menetelmän histogrammin rakentamisjärjestystä alkaen vaiheesta 5 Vaihtoehto I.

Histogrammin analyysi on myös jaettu 2 vaihtoehtoon riippuen teknisen hyväksynnän saatavuudesta.

Vaihtoehto I Indikaattorin toleransseja ei ole määritelty. Tässä tapauksessa analysoimme histogrammin muodon:

Säännöllinen (symmetrinen, kellomainen) muoto. Histogrammin keskiarvo vastaa tietoalueen keskiarvoa. Maksimitaajuus esiintyy myös keskellä ja pienenee vähitellen molempia päitä kohti. Muoto on symmetrinen.

Tämä histogrammin muoto on yleisin. Se osoittaa prosessin vakauden.

Negatiivisesti vino jakauma (positiivisesti vino jakauma). Histogrammin keskiarvo sijaitsee tietoalueen keskikohdan oikealla (vasemmalla) puolella. Taajuudet laskevat jyrkästi siirryttäessä histogrammin keskustasta oikealle (vasemmalle) ja hitaasti vasemmalle (oikealle). Muoto on epäsymmetrinen.

Tämä muoto muodostuu joko jos ylärajaa (alarajaa) säädetään teoreettisesti tai toleranssiarvolla, tai jos oikeaa (vasenta) arvoa ei voida saavuttaa.

Jakauma, jossa kallio oikealla (jakauma kalliolla vasemmalla). Histogrammin keskiarvo sijaitsee kaukana oikealla (vasemmalla) tietoalueen keskikohdasta. Taajuudet laskevat erittäin jyrkästi siirryttäessä histogrammin keskustasta oikealle (vasemmalle) ja hitaasti vasemmalle (oikealle). Muoto on epäsymmetrinen.

Tämä muoto löytyy usein tilanteista, joissa tuotevalvonta on 100 % huonon prosessin toistettavuuden vuoksi.

Kampa (multimodaalinen tyyppi). Yhden tai kahden intervalleilla on alhaisemmat (korkeammat) taajuudet.

Tämä muoto muodostuu joko jos intervalliin sisältyvien yksittäisten havaintojen määrä vaihtelee intervalleittain tai jos käytetään tiettyä tietojen pyöristyssääntöä.

Histogrammi, jolla ei ole korkeaa keskiosaa (tasanne). Histogrammin keskellä olevat taajuudet ovat suunnilleen samat (tasannella kaikki taajuudet ovat suunnilleen samat).

Tämä muoto syntyy, kun yhdistetään useita jakaumia, joiden keskiarvo on lähellä toisiaan. Lisäanalyysiä varten on suositeltavaa käyttää kerrostusmenetelmää.

Kaksinkertainen huipputyyppi (bimodaalinen tyyppi). Noin histogrammin puolivälissä taajuus on matala, mutta kummallakin puolella on taajuushuippu.

Tämä muoto syntyy, kun yhdistetään kaksi jakaumaa, joiden keskiarvot ovat kaukana toisistaan. Lisäanalyysiä varten on suositeltavaa käyttää kerrostusmenetelmää.

Histogrammi, jossa on aukko (jossa "hammas vedetty ulos"). Histogrammin muoto on lähellä tavallista tyyppijakaumaa, mutta siinä on intervalli, jonka taajuus on pienempi kuin molemmat vierekkäiset intervallit.

Tämä muoto ilmenee, jos intervallin leveys ei ole mittayksikön kerrannainen, jos asteikon lukemat luetaan väärin jne.

Jakauma, jossa on eristetty huippu. Normaalin histogrammin muodon ohella näkyy pieni eristetty huippu.

Tämä lomake muodostuu, kun mukana on pieni määrä tietoa toisesta jakaumasta, esimerkiksi jos prosessin ohjattavuus on heikentynyt, mittauksessa on tapahtunut virheitä tai toisesta prosessista on otettu tietoja.

Vaihtoehto II. Tutkittavalle indikaattorille on olemassa teknologinen toleranssi. Tässä tapauksessa analysoidaan sekä histogrammin muoto että sen sijainti suhteessa toleranssialueeseen. Mahdolliset vaihtoehdot:

Histogrammi näyttää normaalijakaumalta. Histogrammin keskiarvo on sama kuin toleranssikentän keskipiste. Histogrammin leveys on pienempi kuin marginaalin toleranssikentän leveys.

Tässä tilanteessa prosessia ei tarvitse säätää.

Histogrammi näyttää normaalijakaumalta. Histogrammin keskiarvo on sama kuin toleranssikentän keskipiste. Histogrammin leveys on yhtä suuri kuin toleranssivälin leveys, minkä vuoksi sekä ylemmältä että alemmalta toleranssimarginaalilta ollaan huolissaan huonompien osien ilmaantumisesta.

Tässä tapauksessa on joko harkittava mahdollisuutta muuttaa teknologista prosessia histogrammin leveyden pienentämiseksi (esimerkiksi laitteiden tarkkuuden lisääminen, parempien materiaalien käyttö, tuotteiden käsittelyolosuhteiden muuttaminen jne.) tai laajentaa toleranssialuetta, koska Tässä tapauksessa osien laatuvaatimuksia on vaikea täyttää.

Histogrammi näyttää normaalijakaumalta. Histogrammin keskiarvo on sama kuin toleranssialueen keskipiste. Histogrammin leveys on suurempi kuin toleranssivälin leveys, ja siksi ala- ja alatoleranssimarginaalit havaitaan.

Tässä tapauksessa on tarpeen toteuttaa 2 kohdassa kuvatut toimenpiteet.

Histogrammi näyttää normaalijakaumalta. Histogrammin leveys on pienempi kuin marginaalin toleranssikentän leveys. Histogrammin keskiarvo on siirtynyt vasemmalle (oikealle) toleranssivälin keskipisteen suhteen, ja siksi on olemassa huoli siitä, että epästandardit osat voivat sijaita toleranssivyöhykkeen alemman (ylemmän) rajan puolella.

Tässä tilanteessa on tarpeen tarkistaa, aiheuttavatko käytetyt mittausvälineet systemaattista virhettä. Jos mittauslaitteet toimivat oikein, prosessi on säädettävä siten, että histogrammin keskikohta osuu toleranssikentän keskipisteeseen.

Histogrammi näyttää normaalijakaumalta. Histogrammin leveys on suunnilleen yhtä suuri kuin toleranssikentän leveys. Histogrammin keskiarvoa siirretään vasemmalle (oikealle) toleranssivälin keskipisteen suhteen siten, että yksi tai useampi aikaväli on toleranssialueen ulkopuolella, mikä osoittaa viallisten osien olemassaolon.

Tässä tapauksessa on aluksi tarpeen säätää teknologiset toiminnot siten, että histogrammin keskipiste osuu yhteen toleranssikentän keskustan kanssa. Tämän jälkeen on ryhdyttävä toimenpiteisiin histogrammin etäisyyden pienentämiseksi tai toleranssivälin suurentamiseksi.

Histogrammin keskikohta on siirtynyt ylempään (ala) toleranssirajaan, ja histogrammin oikealla (vasemmalla) puolella lähellä ylempää (alempaa) toleranssirajaa on jyrkkä tauko.

Tässä tapauksessa voimme päätellä, että tuotteet, joiden indikaattoriarvo on toleranssialueen ulkopuolella, jätettiin erästä pois tai ne jaettiin tarkoituksella sopiviksi sisällytettäväksi toleranssirajoihin. Siksi on tarpeen tunnistaa syy, joka johti tämän ilmiön esiintymiseen.

Histogrammin keskikohta on siirtynyt ylempään (ala) toleranssirajaan, ja histogrammin oikealla (vasemmalla) puolella lähellä ylempää (alempaa) toleranssirajaa on jyrkkä tauko. Lisäksi yksi tai useampi intervalli on toleranssialueen ulkopuolella.

Tapaus on samanlainen kuin 6., mutta toleranssialueen ulkopuolella olevat histogrammin välit osoittavat, että mittauslaite oli viallinen. Tässä yhteydessä on tarpeen tarkistaa mittauslaitteet sekä ohjeistaa työntekijät uudelleen mittausten suorittamista koskeviin sääntöihin.

Histogrammissa on kaksi huippua, vaikka indikaattorin arvot mitattiin saman erän tuotteista.

Tässä tapauksessa voidaan päätellä, että tuotteet on saatu eri olosuhteissa (esim. käytettiin eri laatuisia materiaaleja, muutettiin laiteasetuksia, valmistettiin tuotteita eri koneilla jne.). Tässä suhteessa on suositeltavaa käyttää kerrostusmenetelmää lisäanalyysissä.

Histogrammin pääominaisuudet ovat kunnossa (vastaa tapausta 1.), kun taas on viallisia tuotteita, joiden indikaattoriarvot ovat toleranssialueen ulkopuolella ja jotka muodostavat erillisen "saaren" (eristetty huippu).

Tämä tilanne on saattanut syntyä huolimattomuudesta, jossa vialliset osat sekoitettiin hyviin. Tässä tapauksessa on tarpeen tunnistaa syyt ja olosuhteet, jotka johtavat tämän tilanteen esiintymiseen, ja myös ryhtyä toimenpiteisiin niiden poistamiseksi.

Tilastolliset tutkimusmenetelmät ovat olennainen osa teollisuusyrityksen laadunhallintaa.

Näiden menetelmien avulla yritys voi toteuttaa tärkeän ISO 9000 -sarjan mukaisen laadunhallintajärjestelmän toiminnan periaatteen - "todisteeseen perustuva päätöksenteko".

Selkeän ja objektiivisen kuvan saamiseksi tuotantotoiminnasta on tarpeen luoda luotettava tiedonkeruujärjestelmä, jonka analysointiin käytetään seitsemää ns. tilastollista menetelmää tai laadunvalvontatyökalua. Harkitse näitä menetelmiä yksityiskohtaisesti.

Delaminaatiota (kerrostamista) käytetään tuotteen ominaisuuksien vaihtelun syiden määrittämiseen. Menetelmän ydin on jakaa (stratifioida) saatu data ryhmiin eri tekijöiden mukaan. Samalla määritetään yhden tai toisen tekijän vaikutus tuotteen ominaisuuksiin, mikä mahdollistaa tarvittavien toimenpiteiden toteuttamisen niiden ei-hyväksyttävän hajoamisen poistamiseksi ja tuotteen laadun parantamiseksi.

Ryhmiä kutsutaan kerroksiksi (strata), ja itse erotusprosessia kutsutaan kerrostuneeksi (stratifikaatioksi). On toivottavaa, että erot kerroksen sisällä ovat mahdollisimman pienet ja kerrosten väliset mahdollisimman suuret.

Käytetään erilaisia ​​delaminointimenetelmiä. Tuotannossa käytetään usein menetelmää nimeltä "4M... 6M".

"4M... 6M" -tekniikka määrittää tärkeimmät tekijät, jotka vaikuttavat melkein mihin tahansa prosessiin.

• 1. Mies(henkilö) - pätevyys, työkokemus, ikä, sukupuoli jne.
• 2. Kone(kone, varusteet) - tyyppi, merkki, malli jne.
• 3. Materiaali(materiaali) - laatu, erä, toimittajayritys jne.
• 4. Menetelmä(menetelmä, tekniikka) - lämpötilaolosuhteet, vuoro, työpaja jne.
• 5. Mittaus(mittaukset, ohjaus) - mittauslaitteiden tyyppi, mittausmenetelmä, laitteen tarkkuusluokka jne.
• 6. Media(ympäristö) - lämpötila, ilmankosteus, sähkö- ja magneettikentät jne.

Ositusmenetelmää puhtaassa muodossaan käytetään laskettaessa tuotteen kustannuksia, kun on tarpeen arvioida välittömät ja välilliset kustannukset erikseen tuotteittain ja eräkohtaisesti, arvioitaessa tuotteiden myynnistä saatua voittoa erikseen asiakas- ja tuotekohtaisesti jne. . Kerrostusta käytetään myös muissa tilastomenetelmissä: rakennettaessa syy-seuraus-kaavioita, Pareto-kaavioita, histogrammeja ja ohjauskaavioita.

Esimerkkinä kuvassa. Kuva 8.9 esittää analyysin vikojen lähteistä. Kaikki viat (100 %) luokiteltiin neljään kategoriaan - toimittajan, käyttäjän, vuoron ja laitteiston mukaan. Esitettyjen tietojen analysoinnista käy selvästi ilmi, että suurimman panoksen vikojen esiintymiseen tässä tapauksessa antavat "toimittaja 2", "käyttäjä 1", "vuoro 1" ja "laitteisto 2".

Riisi. 8.9.

Kaaviot käytetään taulukkotietojen visuaaliseen (visuaaliseen) esittämiseen, mikä yksinkertaistaa niiden havaitsemista ja analysointia.

Tyypillisesti kaavioita käytetään kvantitatiivisen data-analyysin alkuvaiheessa. Niitä käytetään myös laajasti tutkimustulosten analysointiin, muuttujien välisten riippuvuuksien tarkistamiseen ja analysoitavan kohteen tilan trendien ennustamiseen.

Seuraavat kaaviotyypit erotellaan.

Kaavio katkoviivan muodossa. Käytetään indikaattorin tilan muutosten näyttämiseen ajan mittaan, kuva 1. 8.10.

Rakennusmenetelmä:

• jaa vaaka-akseli aikaväleihin, joiden aikana indikaattori mitattiin;
• valitse asteikko ja näytettävä indikaattoriarvojen alue niin, että kaikki tutkittavan indikaattorin arvot kyseiseltä ajanjaksolta sisältyvät valitulle alueelle.

Käytä arvojen asteikkoa pystyakselilla valitun asteikon ja alueen mukaisesti;

• piirrä todelliset datapisteet kaavioon. Pisteen sijainti vastaa: vaakasuunnassa - aikaväliä, jonka aikana tutkittavan indikaattorin arvo saatiin, pystysuunnassa - saadun indikaattorin arvoa;
• yhdistä tuloksena olevat pisteet suorilla segmenteillä.

Riisi. 8.10.

Pylväskaavio. Se on sarakkeiden muodossa oleva arvojen sarja, kuva. 8.11.

Riisi. 8.11.

Rakennusmenetelmä:

• rakentaa vaaka- ja pystyakselit;
• jakaa vaaka-akseli väliajoiksi ohjattujen tekijöiden (merkkien) lukumäärän mukaan;
• valitse asteikko ja näytettävä indikaattoriarvojen alue niin, että kaikki tutkittavan indikaattorin arvot kyseiseltä ajanjaksolta sisältyvät valitulle alueelle. Käytä arvojen asteikkoa pystyakselilla valitun asteikon ja alueen mukaisesti;
• rakentaa kullekin tekijälle sarake, jonka korkeus on sama kuin tälle tekijälle tutkittavan indikaattorin saatu arvo. Sarakkeiden leveyden tulee olla sama.

Pyöreä (rengas) kaavio. Sitä käytetään näyttämään osoittimen komponenttien ja itse indikaattorin välistä suhdetta sekä indikaattorin komponentteja keskenään, kuva 1. 8.12

Riisi. 8.12

• laskea indikaattorin komponentit uudelleen prosentteina itse indikaattorista. Tätä varten jaa indikaattorin kunkin komponentin arvo itse indikaattorin arvolla ja kerrotaan 100:lla. Indikaattorin arvo voidaan laskea indikaattorin kaikkien komponenttien arvojen summana;
• laske sektorin kulmakoko indikaattorin kullekin komponentille. Voit tehdä tämän kertomalla komponentin prosenttiosuuden 3,6:lla (100% - 360° ympyrästä);
• piirrä ympyrä. Se osoittaa kyseisen indikaattorin;
• Piirrä suora viiva ympyrän keskustasta sen reunaan (toisin sanoen säteeseen). Käytä tätä suoraa (käyttämällä astemittaria) sivuun kulmamitta ja piirrä sektori indikaattorin komponentille. Toinen sektoria rajoittava suora toimii pohjana seuraavan komponentin sektorin kulmakoon piirtämiselle. Jatka näin, kunnes olet piirtänyt kaikki indikaattorin osat;
• Syötä indikaattorin komponenttien nimet ja niiden prosenttiosuudet. Sektorit on merkittävä eri väreillä tai varjostuksilla siten, että ne erottuvat selvästi toisistaan.

Nauhakaavio. Nauhakaaviota, kuten ympyrädiagrammia, käytetään visuaalisesti näyttämään indikaattorin komponenttien välinen suhde, mutta toisin kuin ympyrädiagrammi, sen avulla voit näyttää näiden komponenttien väliset muutokset ajan kuluessa (Kuva 8.13).

Riisi. 8.13.

• rakentaa vaaka- ja pystyakselit;
• Käytä vaaka-akselilla asteikkoa intervalleilla (jakovälillä) 0 - 100 %;
• Jaa pystyakseli aikaväleihin, joiden aikana indikaattoria mitattiin. On suositeltavaa lykätä aikavälejä ylhäältä alas, koska henkilön on helpompi havaita tiedon muutokset tähän suuntaan;
• rakentaa kullekin aikavälille nauha (nauha, jonka leveys on 0 - 100%), joka osoittaa kyseisen indikaattorin. Kun rakennat, jätä pieni tila nauhojen väliin;
• Muunna indikaattorin osat prosentteiksi itse indikaattorista. Tätä varten jaa indikaattorin kunkin komponentin arvo itse indikaattorin arvolla ja kerrotaan 100:lla. Indikaattorin arvo voidaan laskea indikaattorin kaikkien komponenttien arvojen summana;
• jaa karttakaistat vyöhykkeisiin siten, että vyöhykkeiden leveys vastaa indikaattorin komponenttien prosenttiosuuden kokoa;
• yhdistä kaikkien nauhojen indikaattorin kunkin komponentin vyöhykkeiden rajat toisiinsa suorilla segmenteillä;
• Piirrä kaavioon indikaattorin kunkin komponentin nimi ja osuus prosentteina. Merkitse vyöhykkeet eri väreillä tai varjostuksilla niin, että ne erottuvat selvästi toisistaan.

Z-muotoinen kaavio. Sitä käytetään määrittämään tietyn ajanjakson aikana tallennettujen todellisten tietojen muutostrendi tai ilmaisemaan ehtoja tavoitearvojen saavuttamiselle, kuva 1. 8.14.

Riisi. 8.14.

Rakennusmenetelmä:

• rakentaa vaaka- ja pystyakselit;
• jaa vaaka-akseli tutkittavan vuoden 12 kuukaudella;
• valitse asteikko ja näytettävä indikaattoriarvojen alue niin, että kaikki tutkittavan indikaattorin arvot tarkasteltuna olevan ajanjakson aikana sisältyvät valitulle alueelle. Koska Z-muotoinen kaavio koostuu kolmesta katkoviivan muodossa olevasta kaaviosta, joiden arvot on vielä laskettava, otetaan vaihteluväli marginaalilla. Käytä arvojen asteikkoa pystyakselilla valitun asteikon ja alueen mukaisesti;
• syrjään tutkittavan indikaattorin arvot (todelliset tiedot) kuukausittain yhden vuoden ajaksi (tammikuusta joulukuuhun) ja yhdistä ne suoriin segmentteihin. Tuloksena on katkoviivan muodostama kaavio;
• piirrä kaavio tarkasteltavasta indikaattorista kuukausittaisella kertymällä (tammikuussa kuvaajapiste vastaa kyseisen indikaattorin tammikuun arvoa, helmikuussa kuvaajapiste vastaa tammikuun ja tammikuun indikaattoriarvojen summaa Helmikuu jne.; joulukuussa kaavion arvo vastaa indikaattoriarvojen summaa kaikille 12 kuukaudelle - kuluvan vuoden tammikuusta joulukuuhun). Yhdistä kaavion piirretyt pisteet suorilla janoilla;
• piirrä kaavio tarkasteltavan indikaattorin muuttuvasta summasta (tammikuussa kuvaajapiste vastaa indikaattoriarvojen summaa edellisen vuoden helmikuusta kuluvan vuoden tammikuuhun, helmikuussa kuvaajapiste vastaa indikaattoriarvojen summa edellisen vuoden maaliskuusta kuluvan vuoden helmikuuhun jne.; marraskuussa kuvaajapiste vastaa indikaattoriarvojen summaa edellisen vuoden joulukuusta marraskuuhun kuluvan vuoden ja joulukuussa kuvaajapiste vastaa kuluvan vuoden tammikuun ja kuluvan vuoden joulukuun indikaattoriarvojen summaa, eli muuttuva summa edustaa indikaattoriarvojen summaa edelliseltä vuodelta. kyseinen kuukausi). Yhdistä myös kaavion piirretyt pisteet suorilla janoilla.

Z-muotoinen kaavio sai nimensä, koska sen muodostavat kolme kuvaajaa näyttävät Z-kirjaimelta.

Muuttuvan kokonaissumman perusteella on mahdollista arvioida tutkittavan indikaattorin muutosten trendiä pitkällä aikavälillä. Jos muuttuvan summan sijaan piirrät kaavioon suunnitellut arvot, voit Z-kaavion avulla määrittää ehdot määritettyjen arvojen saavuttamiseksi.

Pareto-kaavio- työkalu, jonka avulla voit jakaa ongelmaan vaikuttavat tekijät tärkeisiin ja merkityksettömiin sen ratkaisemiseen tähtäävien ponnistelujen jakamiseksi, kuva 1. 8.15.

Riisi. 8.15.

Itse kaavio on eräänlainen pylväsdiagrammi, jossa on kumulatiivinen käyrä, jossa tekijät on jaettu pienenevän merkitsevyyden mukaan (vaikutuksen voimakkuus analyysikohteeseen). Pareto-kaavio perustuu 80/20-periaatteeseen, jonka mukaan 20 % syistä johtaa 80 %:iin ongelmista, joten kaavion rakentamisen tarkoituksena on tunnistaa nämä syyt ja keskittää ponnisteluja niiden poistamiseen.

Rakennusmenetelmä koostuu seuraavista vaiheista:

• määritellä ongelma tutkimusta varten, kerätä dataa (vaikuttavia tekijöitä) analysointia varten;
• jakaa tekijät merkitsevyyskertoimen alenevassa järjestyksessä. Laske tekijöiden merkitsevyyden kokonaissumma lisäämällä aritmeettisesti kaikkien tarkasteltavien tekijöiden merkitsevyyskertoimet;
• piirrä vaaka-akseli. Piirrä kaksi pystyakselia: vaaka-akselin vasemmalle ja oikealle reunalle;
• jakaa vaaka-akseli intervalleiksi ohjattujen tekijöiden (tekijäryhmien) lukumäärän mukaan;
• jaa vasen pystyakseli väliajoiksi 0:sta numeroon, joka vastaa tekijöiden merkittävyyden kokonaissummaa;
• jaa oikea pystyakseli väliin 0 - 100%. Tässä tapauksessa 100 %:n merkin tulee olla samalla korkeudella kuin tekijöiden merkittävyyden kokonaissumma;
• rakentaa kullekin tekijälle (tekijäryhmälle) sarake, jonka korkeus on yhtä suuri kuin tämän tekijän merkitsevyyskerroin. Tällöin tekijät (tekijäryhmät) on järjestetty tärkeysjärjestykseensä ja "muu"-ryhmä sijoittuu viimeiseksi riippumatta sen merkitsevyyskertoimesta;
• piirrä kumulatiivinen käyrä. Voit tehdä tämän piirtämällä kunkin intervallin kertyneet summapisteet kaavioon. Pisteen sijainti vastaa: vaakasuunnassa - intervallin oikeaa rajaa, pystysuunnassa - tekijöiden (tekijäryhmien) arvojen kertoimien summan arvoa, joka sijaitsee tarkastellun rajan vasemmalla puolella. intervalli. Yhdistä saadut pisteet suorilla viivoilla;
• Piirrä 80 %:n tasolla vaakaviiva kaavion oikealta akselilta kumulatiiviseen käyrään. Laske leikkauspisteestä kohtisuora vaaka-akseliin nähden. Tämä kohtisuora jakaa tekijät (tekijäryhmät) merkittäviin (sijaitsee vasemmalla) ja merkityksettömiin (sijaitsee oikealla);
• tärkeiden tekijöiden tunnistaminen (ote) ensisijaisten toimenpiteiden toteuttamiseksi.

Syy-seurauskaavio käytetään, kun haluat tutkia ja kuvata tietyn ongelman mahdollisia syitä. Sen soveltaminen mahdollistaa tiettyyn ongelmaan vaikuttavien olosuhteiden ja tekijöiden tunnistamisen ja ryhmittelyn.

Harkitse syy-seurauskaavion muotoa, kuva. 8.16 (kutsutaan myös "kalanruotoksi" tai Ishikawa-kaavioksi).

Kuvassa 8.17 on esimerkki sorvauksen laatuun vaikuttavien tekijöiden syy-seurauskaaviosta.

Riisi. 8.16.

• 1 - tekijät (syyt); 2 - suuri "luu";
• 3 - pieni "luu"; 4 - keskimmäinen "luu"; 5 - "harju"; 6 - ominaisuus (tulos)

Riisi. 8.17.

Rakennusmenetelmä:

• valitse parannettava laatupiste (analysoi). Kirjoita se tyhjän paperiarkin oikean reunan keskelle;
• piirrä suora vaakasuora viiva arkin keskustan läpi (kaavion "harjanne");
• jaa tasaisesti arkin ylä- ja alareunaa pitkin ja kirjoita tärkeimmät tekijät;
• piirrä nuolet ("isot luut") päätekijöiden nimistä kaavion "harjanteelle". Kaaviossa laatuindikaattorin ja päätekijöiden korostamiseksi on suositeltavaa sulkea ne kehyksiin;
• tunnista ja kirjoita toisen asteen tekijät niiden vaikuttavien ensimmäisen asteen tekijöiden "isojen luiden" viereen;
• yhdistä nuolilla ("keskiluu") toisen asteen tekijöiden nimet "isoihin luihin";
• tunnistaa ja kirjata kolmannen asteen tekijät niiden vaikuttavien toisen asteen tekijöiden "keskiluun" viereen;
• yhdistä nuolilla ("pienet luut") kolmannen asteen tekijöiden nimet "keskiluun";
• määrittääksesi toisen, kolmannen jne. tekijät. käytä aivoriihimenetelmää;
• tee suunnitelma jatkotoimista.

(kertyneiden taajuuksien taulukko) - työkalu tietojen keräämiseen ja sen automaattiseen järjestämiseen helpottamaan kerätyn tiedon käyttöä, kuva. 8.18.

Ohjausarkin perusteella muodostetaan histogrammi (kuva 8.19) tai suurella määrällä mittauksia todennäköisyystiheysjakaumakäyrä (kuva 8.20).

pylväsdiagrammi on pylväsdiagrammi ja sitä käytetään visuaalisesti kuvaamaan tiettyjen parametriarvojen jakautuminen esiintymistiheyden mukaan tietyn ajanjakson aikana.

Histogrammia tai jakautumiskäyriä tutkimalla saat selville, ovatko tuoteerät ja tekninen prosessi tyydyttävässä kunnossa. Seuraavat kysymykset otetaan huomioon:

• mikä on jakoleveys suhteessa toleranssileveyteen;
• mikä on jakauman keskipiste suhteessa toleranssikentän keskustaan;
• mikä on jakelumuoto?

Riisi. 8.18.

Riisi. 8.19.

Riisi. 8.20. Todennäköisyystiheysjakaumakäyrien tyypit (LSL, USL- toleranssikentän ala- ja ylärajat)

Tapauksessa (kuva 8.20), jos:

• a) jakauman muoto on symmetrinen, siinä on toleranssimarginaali, jakauman keskipiste ja toleranssivyöhykkeen keskikohta osuvat yhteen - erän laatu on tyydyttävässä kunnossa;
• b) jakelukeskus on siirtynyt oikealle, pelätään, että tuotteiden joukossa (muussa erässä) saattaa olla viallisia tuotteita, jotka ylittävät ylätoleranssirajan. Tarkista, onko mittauslaitteissa systemaattista virhettä. Jos ei, he jatkavat tuotteiden tuotantoa säätämällä toimintaa ja siirtämällä mittoja siten, että jakelukeskus ja toleranssikentän keskipiste ovat samat;
• c) jakauman keskipiste sijaitsee oikein, mutta jakauman leveys on sama kuin toleranssialueen leveys. On huolestuttavaa, että koko erää tarkasteltaessa tulee näkyviin viallisia tuotteita. On tarpeen tutkia laitteiden tarkkuus, käsittelyolosuhteet jne. tai laajentaa toleranssialuetta;
• d) jakelukeskus on sekoitettu, mikä osoittaa viallisten tuotteiden olemassaolon. Jakelukeskus on siirrettävä toleranssikentän keskelle säätämällä ja joko kaventaa jakoleveyttä tai tarkistaa toleranssia;
• e) jakauman keskipiste sijaitsee oikein, mutta jakauman leveys ylittää merkittävästi toleranssialueen leveyden. Tässä tapauksessa on joko harkittava mahdollisuutta muuttaa teknologista prosessia histogrammin leveyden pienentämiseksi (esimerkiksi laitteiden tarkkuuden lisääminen, parempien materiaalien käyttö, tuotteiden käsittelyolosuhteiden muuttaminen jne.) tai toleranssialueen laajentaminen, koska osien laatuvaatimuksia tässä tapauksessa on vaikea toteuttaa;
• f) jakaumassa on kaksi huippua, vaikka näytteet on otettu samasta erästä. Tämä selittyy joko sillä, että raaka-aineet olivat kahta eri laatua, tai koneen asetuksia muutettiin työprosessin aikana tai kahdella eri koneella käsiteltyjä tuotteita yhdistettiin yhdeksi eräksi. Tässä tapauksessa tutkimus tulisi suorittaa kerros kerrokselta, jakaa jakautuminen kahteen histogrammiin ja analysoida ne;
• g) sekä leveys että jakautumiskeskus ovat normaaleja, mutta pieni osa tuotteista ylittää ylätoleranssirajan ja muodostaa erotettuna erillisen saaren. Ehkä nämä tuotteet ovat osa viallisia, jotka laiminlyönnistä sekoitettiin hyviin teknologisen prosessin yleisessä kulmassa. On tarpeen selvittää syy ja poistaa se;
• h) tällaisen jakelun syyt on ymmärrettävä; "jyrkkä" vasen reuna osoittaa jonkinlaista toimintaa suhteessa osaeriin;
• i) samanlainen kuin edellinen.

Sirontakaavio. Sitä käytetään tuotannossa ja tuotteen elinkaaren eri vaiheissa määrittämään laatuindikaattoreiden ja tärkeimpien tuotannontekijöiden välistä suhdetta.

Sirontakaavio - työkalu, jonka avulla voit määrittää vastaavien muuttujaparien välisen suhteen tyypin ja vahvuuden. Nämä kaksi muuttujaa voivat viitata:

• laatuominaisuuteen ja siihen vaikuttavaan tekijään;
• kaksi erilaista laatuominaisuutta;
• kaksi tekijää, jotka vaikuttavat yhteen laatuominaisuuteen.

Itse kaavio on joukko (kokoelma) pisteitä, joiden koordinaatit ovat yhtä suuret kuin parametriarvot henna

Nämä tiedot piirretään kuvaajalle (sirontadiagrammi) (kuva 8.21), ja niille lasketaan korrelaatiokerroin.

Riisi. 8.21.

Korrelaatiokerroin lasketaan (sen avulla voit kvantifioida xy:n välisen lineaarisen suhteen vahvuuden) käyttämällä kaavaa

P- dataparien lukumäärä,

Zs - parametrin x aritmeettinen keskiarvo, klo- parametrin aritmeettinen keskiarvo u.

Yhteystyyppi x:n ja välillä klo määritetään analysoimalla piirretyn kaavion muoto ja laskettu korrelaatiokerroin.

Tapauksessa (Kuva 8.21):

• a) voimme puhua positiivisesta korrelaatiosta (kasvun kanssa X Y kasvaa);
• b) negatiivinen korrelaatio ilmestyy (kasvun kanssa X vähenee Y);
• c) kasvun kanssa X suuruus Y voi joko kasvaa tai laskea. Tässä tapauksessa he sanovat, että korrelaatiota ei ole. Mutta tämä ei tarkoita, että niiden välillä ei olisi riippuvuutta, niiden välillä ei ole lineaarista riippuvuutta. Ilmeinen epälineaarinen suhde on myös esitetty sirontadiagrammissa (kuva 8.21d).

Korrelaatiokertoimen arvoon perustuva yhteystyyppi x:n ja y:n välillä arvioidaan seuraavasti: Arvo G> 0 vastaa positiivista korrelaatiota, r 0 - negatiivinen korrelaatio. Mitä suurempi /*:n itseisarvo on, sitä vahvempi on korrelaatio, ja |r| = 1 vastaa tarkkaa lineaarista suhdetta havaittujen muuttujien arvoparien välillä. Mitä pienempi itseisarvo G, mitä heikompi korrelaatio on, ja |r| = 0 tarkoittaa, että korrelaatiota ei ole. Absoluuttinen arvo G lähellä 0:ta voidaan saada myös tietyn tyyppisellä kaarevalla korrelaatiolla.

Ohjauskortti. Ohjauskartat (Shewhart-ohjauskaaviot) ovat työkalu, jonka avulla voit seurata laatuindikaattoreiden muutoksia ajan mittaan teknologisen prosessin vakauden määrittämiseksi sekä prosessisäädöt, joilla estetään laatuindikaattorin ylittäminen hyväksyttävien rajojen yli. Esimerkkiä ohjauskorttien muodostamisesta käsiteltiin kohdassa 8.1.