چگونه از روش های آماری در کنترل کیفیت مستمر استفاده کنیم؟

سلام! من یک تامین کننده در بازی کنترل کیفیت در حال انجام هستم، و مشتاقم به اشتراک بگذارم که چگونه روش های آماری می توانند یک بازی کلی در این زمینه باشند.

بیایید با روشن شدن موضوع کنترل کیفیت مداوم شروع کنیم. این فرآیند اطمینان از اینکه محصولات یا خدمات با استانداردهای خاصی در طول چرخه تولید مطابقت دارند، است. این یک معامله یک بار نیست. این یک تلاش مداوم برای یافتن و رفع مشکلات به محض ظاهر شدن است. به‌عنوان یک تامین‌کننده، من از نزدیک متوجه شده‌ام که چقدر مهم است که معیارهای کنترل کیفیت جامد در محل وجود داشته باشد.

حال، چرا روش های آماری بسیار حیاتی هستند؟ خوب، آنها راهی به ما می دهند تا همه داده هایی را که در طول فرآیند کنترل کیفیت جمع آوری می کنیم، درک کنیم. به جای تکیه بر احساسات درونی یا بررسی های تصادفی، می توانیم از اعداد برای تصمیم گیری خود استفاده کنیم.

1. جمع آوری داده ها

اولین قدم در استفاده از روش های آماری برای کنترل کیفیت مستمر، جمع آوری داده ها است. این داده ها می توانند از منابع مختلفی به دست آیند. به عنوان مثال، در طولبازرسی قبل از تولید، ممکن است داده هایی را در مورد مواد خام جمع آوری کنیم. ما مواردی مانند کیفیت مواد، ابعاد آنها و هر گونه خواص شیمیایی را در صورت وجود بررسی خواهیم کرد.

در طول فرآیند تولید، می‌توانیم از حسگرها و دستگاه‌های نظارتی برای جمع‌آوری داده‌ها در مورد مواردی مانند دما، فشار و سرعت تولید استفاده کنیم. و برایبازرسی در فرآیند، ما می توانیم اطلاعات مربوط به کیفیت محصولات نیمه تمام را جمع آوری کنیم. این می تواند شامل بازرسی های بصری، اندازه گیری ویژگی های کلیدی و تست های عملکرد باشد.

در نهایت، قبل از ارسال محصولات،بازرسی پیش از حمل و نقل تولیدآخرین فرصت برای گرفتن هرگونه مشکل نهایی است. ما داده ها را در مورد محصولات نهایی جمع آوری می کنیم و اطمینان حاصل می کنیم که آنها تمام مشخصات مورد نیاز را برآورده می کنند.

مهم است که داده ها را به طور مداوم جمع آوری کنید. ما باید تعریف کنیم که چه داده‌هایی را جمع‌آوری می‌کنیم، هر چند وقت یک‌بار آن‌ها را جمع‌آوری خواهیم کرد و چه کسی مسئول جمع‌آوری آن خواهد بود. به این ترتیب، می‌توانیم یک مجموعه داده قابل اعتماد بسازیم که بعداً بتوانیم آن را تجزیه و تحلیل کنیم.

2. آمار توصیفی

هنگامی که داده های خود را در اختیار داریم، آمار توصیفی مکان خوبی برای شروع است. اینها راه های ساده ای برای خلاصه کردن و درک داده هایی است که جمع آوری کرده ایم.

یکی از اساسی ترین آمار توصیفی میانگین است که فقط میانگین مجموعه ای از داده ها است. برای مثال، اگر طول یک محصول را اندازه گیری کنیم، می توانیم میانگین طول تمام نمونه هایی را که جمع آوری کرده ایم محاسبه کنیم. این به ما ایده ای از طول معمولی محصول می دهد.

میانه یک آمار مفید دیگر است. هنگامی که داده ها به ترتیب صعودی یا نزولی مرتب شده اند، این مقدار میانی در مجموعه ای از داده ها است. میانه می تواند معیار بهتری برای مقدار "معمولی" نسبت به میانگین باشد، به خصوص اگر در داده ها مقادیر پرت وجود داشته باشد. مقادیر پرت مقادیری هستند که به طور قابل توجهی با بقیه داده ها متفاوت هستند و می توانند میانگین را تغییر دهند.

انحراف معیار معیاری است که نشان می دهد داده ها چقدر پراکنده هستند. انحراف استاندارد پایین به این معنی است که نقاط داده نزدیک به میانگین هستند، در حالی که انحراف استاندارد بالا به این معنی است که داده ها گسترده تر هستند. برای کنترل کیفیت، انحراف استاندارد پایین معمولاً نشانه خوبی است، زیرا به این معنی است که محصولات سازگارتر هستند.

همچنین می‌توانیم از توزیع‌های فرکانس برای درک اینکه چقدر مقادیر مختلف در داده‌ها رخ می‌دهند، استفاده کنیم. به عنوان مثال، اگر رنگ یک محصول را بررسی می کنیم، می توانیم یک توزیع فرکانس ایجاد کنیم تا ببینیم هر رنگ چند محصول دارد. این می تواند به ما کمک کند تا تشخیص دهیم که آیا تغییرات رنگی وجود دارد که باید به آنها رسیدگی کنیم.

3. نمودارهای کنترل

نمودارهای کنترلی ابزار قدرتمندی در کنترل کیفیت آماری هستند. آنها برای نظارت بر یک فرآیند در طول زمان و تعیین اینکه آیا در وضعیت کنترل آماری است یا خیر استفاده می شوند.

نمودار کنترل دارای یک خط مرکزی است که معمولاً میانگین داده ها است. همچنین محدودیت های کنترلی بالا و پایین وجود دارد که بر اساس انحراف استاندارد داده ها محاسبه می شود. ایده این است که اگر نقاط داده در محدوده کنترل قرار گیرند، فرآیند تحت کنترل در نظر گرفته می شود. اگر یک نقطه داده خارج از محدوده کنترل قرار گیرد، نشانه آن است که ممکن است دلیل خاصی برای تغییر در فرآیند وجود داشته باشد که باید بررسی شود.

بسته به نوع داده ای که با آن سروکار داریم، انواع مختلفی از نمودارهای کنترلی وجود دارد. برای مثال، اگر با داده های پیوسته (مانند اندازه گیری طول یا وزن) سر و کار داریم، می توانیم از نمودار X-bar و R استفاده کنیم. نمودار X-bar میانگین داده ها را نظارت می کند، در حالی که نمودار R محدوده (تفاوت بین مقادیر حداکثر و حداقل) داده ها را نظارت می کند.

اگر با داده های ویژگی (مانند تعداد محصولات معیوب) سر و کار داریم، می توانیم از ap - chart یا ac - chart استفاده کنیم. نمودار p زمانی استفاده می شود که حجم نمونه متفاوت باشد، در حالی که نمودار ac زمانی استفاده می شود که حجم نمونه ثابت باشد.

نمودارهای کنترلی عالی هستند زیرا به ما امکان می دهند روندها و الگوها را در داده ها تشخیص دهیم. به عنوان مثال، اگر یک سری از نقاط داده را مشاهده کنیم که به تدریج به سمت حد کنترل بالایی حرکت می کنند، می تواند نشانه ای باشد که روند شروع به خارج شدن از کنترل می کند. با تشخیص زودهنگام این روندها، می توانیم قبل از اینکه کیفیت محصولات به طور جدی تحت تأثیر قرار گیرد، اقدامات اصلاحی انجام دهیم.

4. آزمون فرضیه

آزمون فرضیه یکی دیگر از روش های مهم آماری در کنترل کیفیت است. برای تصمیم گیری بر اساس داده هایی که جمع آوری کرده ایم استفاده می شود.

فرض کنید می خواهیم آزمایش کنیم که آیا فرآیند تولید جدید از نظر کاهش تعداد محصولات معیوب بهتر از روند قبلی است یا خیر. ما با فرموله کردن یک فرضیه صفر و یک فرضیه جایگزین شروع می کنیم. فرضیه صفر معمولاً بیان می کند که هیچ تفاوتی بین دو فرآیند وجود ندارد، در حالی که فرضیه جایگزین بیان می کند که تفاوت وجود دارد.

سپس داده ها را از هر دو فرآیند جمع آوری می کنیم و یک آمار آزمون را محاسبه می کنیم. بر اساس آمار آزمون، می توانیم مقدار p را تعیین کنیم. مقدار p احتمال به دست آوردن داده های مشاهده شده (یا داده های شدیدتر) در صورت درست بودن فرضیه صفر است.

اگر مقدار p کمتر از سطح معنی‌داری از پیش تعیین‌شده (معمولاً 05/0) باشد، فرض صفر را رد می‌کنیم و به این نتیجه می‌رسیم که بین این دو فرآیند تفاوت معناداری وجود دارد. این می تواند به ما کمک کند تصمیم بگیریم که آیا باید به فرآیند تولید جدید روی بیاوریم یا خیر.

5. تجزیه و تحلیل قابلیت فرآیند

تجزیه و تحلیل قابلیت فرآیند برای تعیین اینکه آیا یک فرآیند قادر به تولید محصولاتی است که مشخصات مورد نیاز را برآورده می کند یا خیر استفاده می شود.

ابتدا باید محدودیت های مشخصات محصول را مشخص کنیم. اینها حدود بالا و پایینی هستند که محصول باید در آن قرار گیرد تا قابل قبول تلقی شود. سپس، شاخص‌های قابلیت فرآیند، مانند Cp و Cpk را محاسبه می‌کنیم.

شاخص Cp قابلیت بالقوه فرآیند را اندازه گیری می کند. با تقسیم عرض مشخصات (تفاوت بین حد مشخصات بالا و پایین) بر شش برابر انحراف استاندارد فرآیند محاسبه می شود. مقدار Cp 1 یا بیشتر به طور کلی نشانه خوبی در نظر گرفته می شود، زیرا به این معنی است که فرآیند پتانسیل تولید محصولات در محدوده مشخصات را دارد.

شاخص Cpk مرکز میانگین فرآیند را در نظر می گیرد. این معیار واقعی‌تر از قابلیت فرآیند است، زیرا در نظر می‌گیرد که آیا فرآیند بین محدودیت‌های مشخصات متمرکز است یا خیر. مقدار Cpk 1.33 یا بیشتر اغلب به عنوان نشانه ای در نظر گرفته می شود که فرآیند قادر به تولید محصولاتی است که به طور مداوم مشخصات را برآورده می کند.

با استفاده از این روش‌های آماری در کنترل کیفیت مداوم، می‌توانیم فرآیندهای خود را کارآمدتر کنیم، ضایعات را کاهش دهیم و کیفیت کلی محصولات خود را بهبود بخشیم. به عنوان یک تامین کننده، این نه تنها به ما کمک می کند تا انتظارات مشتریان خود را برآورده کنیم، بلکه به ما یک مزیت رقابتی در بازار می دهد.

اگر خریداری هستید که به دنبال تامین کننده قابل اعتماد کنترل کیفیت مداوم هستید، مایلم با شما گپ بزنم. بیایید بحث کنیم که چگونه می توانیم از این روش های آماری برای اطمینان از کیفیت محصولات شما استفاده کنیم. فرقی نمی‌کند در تولید، خدمات یا هر صنعت دیگری فعالیت کنید، ما می‌توانیم راه‌حل‌های کنترل کیفیت خود را برای رفع نیازهای خاص شما تنظیم کنیم.

مراجع

• مونتگومری، دی سی (2013). مقدمه ای بر کنترل کیفیت آماری. وایلی.
• ویلر، دی جی و چمبرز، دی اس (1992). درک کنترل فرآیندهای آماری مطبوعات SPC.