Страница 4: ДСТУ ISO/TR 10017:2005. Настанови щодо застосування статистичних методів згідно з ISO 9001:2000 (62340)

Кількісне подання невизначеності вимірювання може бути корисним для підтримання органі­зацією впевненості замовників (внутрішніх чи зовнішніх) у тому, що її процеси вимірювання здатні належним чином вимірювати рівень якості, який має бути досягнуто. Аналіз невизначеності вимірювання може часто допомогти виявити мінливість у сферах, критичних для якості продукції, і тому стимулювати організацію на виділення ресурсів до цих сфер для поліпшування або підтри­мування якості.

Аналіз вимірювання може допомогти у вибиранні нового засобу вимірювання через дослі­дження частки варіації, пов'язаної із засобом вимірювання.

Це дає змогу вибирати найприйнятніший(-і) метод(и) вимірювання, використання якого має сприяти забезпеченню якості продукції. Це також може дати змогу організації збалансувати вартість та ефективність різних методів вимірювання залежно від їх впливу на якість продукції.

Систему вимірювання організації можна оцінити та кількісно подати через порівняння її результатів вимірювання з результатами, отриманими в інших системах вимірювання. Поряд із забезпеченням впевненості замовників це також може допомогти організації у поліпшенні її методів або підготування її персоналу щодо проведення аналізу вимірювання.

Аналіз можливості процесу — це дослідження притаманної мінливості та розподілу процесу задля оцінювання спроможності процесу давати результат, який відповідає діапазону змін, дозволеному технічними умовами.

Якщо дані є вимірними змінними (продукції чи процесу), притаманну мінливість процесу по­дають як «розкид» процесу, коли останній перебуває в стані статистичного контролю (див. 4.11) і зазвичай вимірюють як шість середніх квадратичних відхилів (бо) розподілу процесу. Якщо дані процесу є нормально розподіленою («дзвоноподібною» за формою) змінною, цей розкид охоп­люватиме (теоретично) 99,73 % сукупності.

Можливість процесу можна подати як індекс, який пов’язує фактичну мінливість процесу з допуском, дозволеним технічними умовами. Широко використовуваним індексом можливості для змінних даних є С_Р (коефіцієнт сукупного допуску, поділений на бст), що є мірою теоретичної можливості процесу, який повністю зцентровано між допустимими межами. Ще одним широко використовуваним індексом є С_РК, що описує фактичну можливість процесу, який може чи не може бути зцентровано; С_РК особливо застосовно до ситуацій, пов’язаних з односторонніми допусками. Існують інші індекси можливості, розроблені для кращого врахування коротко- та довгостроко­вої мінливості, а також коливань навколо передбаченого цільового значення досліджуваної характеристики процесу.

Якщо дані процесу містять «якісні ознаки» (наприклад, відсоток невідповідності або кількість невідповідностей), можливість процесу подають як середню частку невідповідних одиниць або як середній показник невідповідностей.

Аналіз можливості процесу використовують для оцінювання можливості процесу давати результати, які постійно відповідають технічним умовам, та для розраховування кількості невідпо­відної продукції, яку можна очікувати.

Цю концепцію можна застосовувати до оцінювання можливості будь-якого складника про­цесу, наприклад, конкретної машини. Аналіз «можливості машини» можна використовувати, наприклад, для оцінювання конкретного устатковання або для оцінювання його внеску до за­гальної можливості процесу.

Аналізування можливості процесу забезпечує оцінювання притаманної мінливості процесу та розраховування очікуваного відсотка невідповідних виробів. Це дає змогу організації оцінити витрати, пов’язані з невідповідністю, і може допомогти обґрунтувати рішення щодо поліпшування процесу.

Установлення мінімальних нормативних показників щодо можливості процесу може стиму­лювати організацію вибирати процеси та устатковання, які б забезпечували виробництво прий­нятної продукції.

Поняття можливості процесу застосовують тільки до процесу в стані статистичного контро­лю. Тому аналіз можливості процесу треба виконувати в безпосередньому зв’язку з методами контролю, щоб забезпечувати постійне перевіряння заходів контролю.

Оцінювання відсотка невідповідної продукції є підставою для висування припущень стосовно нормальності закону розподілу. Якщо на практиці це не зреалізовано, то до таких оцінок треба ставитися обережно, особливо в разі процесів з високими коефіцієнтами можливості.

Індекси можливості можуть бути оманливими, якщо розподіл процесу значною мірою не є нормальним. Оцінювання відсотка невідповідних одиниць треба базувати на методах аналізу­вання, розроблених для відповідних розподілів у разі таких даних. Так само у разі процесів, для яких характерні систематичні невипадкові причини варіації, наприклад, зношення інструментів, треба використовувати спеціалізовані підходи для розраховування й тлумачення можливості.

Можливість процесу використовують для встановлення раціональних інженерних вимог до виготовлюваної продукції, забезпечуючи, щоб коливання характеристик складників узгоджувалися з дозволеним нарощуванням допусків у складної продукції. І навпаки, якщо необхідні жорсткі допуски, від виробника складників вимагають досягнення встановлених рівнів можливості про­цесу, щоб забезпечувати високий вихід продукції з мінімальними відходами.

Високі рівні можливості процесу (наприклад, С_Р > 2) інколи використовують на складнико- вому та підсистемному рівні для досягнення бажаної сукупної якості та надійності складних систем.

Аналіз можливості машини використовують для оцінювання спроможності машини вироб­ляти продукцію чи функціювати відповідно до встановлених вимог. Це корисно під час прийняття рішення щодо закупівлі чи ремонту.

Виробники автомобілів, авіаційно-космічної техніки, електронної апаратури, харчових про­дуктів, фармацевтичної продукції та медичних приладів зазвичай використовують можливість процесу як основний критерій для оцінювання постачальників і продукції. Це дає змогу вироб­никові звести до мініміму безпосереднє перевіряння закуповуваних продукції та матеріалів.

Деякі промислові підприємства та підприємства сфери послуг відслідковують індекси мож­ливості процесу, щоб визначати потребу в поліпшуванні процесу або перевіряти результативність такого поліпшення.

Регресійний аналіз виявляє залежність досліджуваної характеристики (зазвичай називають «змінна відгуку») від потенційно причинних чинників (що їх зазвичай називають «пояснювальні змінні»). Такий зв'язок установлюють моделлю, джерелом походження якої можуть бути наука, економіка, техніка тощо, або його можна отримати емпірично. Призначеність його — допомог­ти зрозуміти потенційну причину варіації у відгуку та пояснити, наскільки вагомим є внесок кожного чинника до цієї варіації. Цього досягають статистичним пов’язуванням варіації у змінній відгуку з варіацією в пояснювальних змінних та отриманням найкращої узгодженості через мінімізування розходження між очікуваним і фактичним відгуком.

Регресійний аналіз дає змогу користувачеві:

• перевіряти гіпотези стосовно впливу потенційних пояснювальних змінних на відгук та вико­ристовувати цю інформацію, щоб описати оцінювану зміну у відгуку для заданої зміни в пояс­нювальній змінній;

• прогнозувати значення змінної відгуку для конкретних значень пояснювальних змінних;

• прогнозувати (зі встановленою довірчою ймовірністю) діапазон значень, у межах якого очікують відгук, за наявності конкретних значень для пояснювальних змінних;

• оцінити напрям і ступінь зв’язку між змінною відгуку та пояснювальною змінною (хоча такий зв’язок не припускає причинності). Таку інформацію можна використати, наприклад, для визначання впливу змінювання окремого чинника, наприклад, температури, на результат про­цесу, тоді як інші чинники залишаються сталими.

Регресійний аналіз дає можливість зрозуміти зв’язок між різними чинниками та досліджува­ним відгуком, і таке розуміння може допомогти прийняти рішення, пов’язані із досліджуваним процесом і, зрештою, поліпшити процес.

Регресійний аналіз забезпечує краще розуміння проблем завдяки його здатності стисло описувати типи даних відгуку, порівнювати різні, але пов’язані між собою підмножини даних, та аналізувати потенційні лричинно-наслідкові зв’язки. Якщо зв’язки змодельовано добре, регресійний аналіз може забезпечити оцінювання відносних величин впливу пояснювальних змінних, а та­кож відносної сили цих змінних. Ця інформація потенційно корисна для контролювання результатів процесу чи їх поліпшування.

Регресійний аналіз може також забезпечити оцінювання величини та джерел впливів на відгук, зумовлюваних чинниками, які або не виміряно, або не розглянуто під час аналізування. Цю інформацію можна використати для поліпшування системи вимірювання чи процесу.

Регресійний аналіз можна використовувати для того, щоб передбачити значення змінної відгуку для заданих значень одної чи декількох пояснювальних змінних; так само його можна використовувати для прогнозування впливу змін у пояснювальних змінних на наявний чи перед­бачений відгук. Проведення такого аналізу може бути корисним перед інвестуванням часу чи коштів у розв’язання проблеми, якщо результативність дії невідома.

Моделюючи процес, потрібно вміти визначати придатну модель регресії (наприклад, лінійну, експоненційну чи багатомірну) і використовувати діагностику для поліпшування моделі. Наявність неврахованих змінних, похибки(-ок) вимірювання та інших джерел непоясненої варіації у відгу- ку можуть ускладнити моделювання. Припущення, що лежать в основі регресійної моделі, про яку йдеться мова, та характеристики доступних даних визначають метод оцінювання, придат­ний для проблеми регресійного аналізу.

Інколи під час розробляння регресійної моделі виникає проблема наявності даних, вірогідність яких є сумнівною. Вірогідність таких даних треба, за можливості, досліджувати, оскільки внесення даних до аналізу чи упущення даних з аналізу може впливати на оцінення параметрів моделі, і, в зв’язку з цим, на відгук.

Під час моделювання важливо спрощувати модель, мінімізуючи кількість пояснювальних змінних. Внесення зайвих змінних може спотворювати вплив пояснювальних змінних і знижува­ти точність прогнозів на основі моделі. Проте неврахування важливої пояснювальної змінної може суттєво обмежувати модель і корисність результатів.

Регресійний аналіз використовують для моделювання виробничих характеристик, таких як вихід продукції, продуктивність, якість виконання, тривалість циклу, ймовірність невдалого випро­бування чи перевірки, різні типи невідповідностей у процесах. Регресійний аналіз використову­ють для визначання найважливіших чинників у цих процесах і величину та характер їх внеску до варіації досліджуваної характеристики.

Регресійний аналіз використовують для прогнозування результатів експерименту або керова­ного перспективного чи ретроспективного дослідження змін у матеріалах чи в умовах виробництва.

Регресійний аналіз використовують для перевіряння заміни одного методу вимірювання іншим, наприклад, замінюючи руйнівний чи тривалий метод на неруйнівний чи пришвидшений.

Прикладами застосування нелінійної регресії є: моделювання концентрації ліків як функції від віку та ваги обстежуваної особи; моделювання хімічних реакцій як функції від часу, темпера­тури та тиску.

Аналіз надійності — це застосування технічних і аналітичних методів для оцінювання, прогнозування та забезпечування безвідмовного у часі функціювання досліджуваної продукції чи системи².

Методи, використовувані в аналізі надійності, часто вимагають використання статистичних методів для опрацювання невизначеностей, випадкових характеристик чи ймовірностей виник­нення (відмов тощо) у часі. Такий аналіз зазвичай передбачає використання відповідних стати­стичних моделей для характеризування досліджуваних змінних, зокрема напрацювання до відмови або напрацювання між відмовами. Параметри цих статистичних моделей розраховують з емпі­ричних даних, отриманих під час лабораторного, заводського чи польового випробовування.

Аналіз надійності охоплює й інші методи (зокрема аналіз типу та наслідків відмов), зосере­джені на фізичній сутності та причинах відмови і на попередженні чи зменшенні відмов.