ГОСТ Р ИСО 22514-7-2014 Статистические методы. Управление процессами. Часть 7. Воспроизводимость процессов измерений
ГОСТ Р ИСО/ТО 10017-2005 Статистические методы. Руководство по применению в соответствии с ГОСТ Р ИСО 9001
ГОСТ Р ИСО 7870-1-2011. Статистические методы. Контрольные карты. Часть 1. Общие принципы
Guidance on STATISTICAL TECHNIQUES FOR ISO Задачи, основные принципы и правила проведения работ по государственной стандартизации в Российской Федерации установлены ГОСТ Р 1. УТВЕРЖДЕН И ВВЕДЕН В ДЕЙСТВИЕ Приказом Федерального агентства по техническому регулированию и метрологии от 31 мая г. Наименование настоящего стандарта изменено относительно наименования указанного международного стандарта для приведения в соответствие с ГОСТ 1. При применении настоящего стандарта рекомендуется использовать вместо ссылочных международных стандартов соответствующие им национальные стандарты, сведения о которых приведены в дополнительном приложении А. Цель настоящего стандарта состоит в том, чтобы помочь организациям в выборе статистических методов, используемых при разработке, внедрении, поддержке и улучшении системы менеджмента качества согласно требованиям ИСО Необходимость применения статистических методов вызвана изменчивостью в поведении и результатах фактически всех процессов даже в условиях очевидной стабильности. Такая изменчивость наблюдается для количественных характеристик изделий и процессов, а также для данных, используемых на различных стадиях жизненного цикла изделий - от исследования рынка до сервисного обслуживания и окончательной утилизации изделий. Статистические методы используют при измерении, описании, анализе, интерпретации и моделировании такой изменчивости даже при наличии относительно ограниченного количества данных. Статистический анализ этих данных может способствовать лучшему пониманию характера, степени и причин изменчивости. Это может помочь в решении и даже предотвращении проблем, обусловленных такой изменчивостью. Таким образом, статистические методы позволяют лучше использовать имеющиеся данные для принятия решения и тем самым способствуют повышению качества продукции и процессов, а также достижению удовлетворенности потребителя. Статистические методы применяют на стадиях исследования рынка, проектирования, разработки, производства, верификации, монтажа и обслуживания. Настоящий стандарт предоставляет организациям руководство по выбору статистических методов. Критерии определения потребности в статистических методах и пригодности выбранных методов остаются прерогативой организаций. Статистические методы, описанные в настоящем стандарте, пригодны также для использования с другими стандартами серии ИСО Определение потенциальных потребностей в статистических методах. Карты статистического управления процессом. Приложение А справочное Сведения о соответствии национальных стандартов Российской Федерации ссылочным международным стандартам. Guidance on application for according to GOST R ISO Настоящий стандарт представляет собой руководство по выбору статистических методов при разработке, внедрении, поддержке и улучшении системы менеджмента качества в соответствии с ИСО Руководство разработано на основе требований ИСО , которые предполагают использование количественных данных и последующий выбор статистических методов для их обработки. Статистические методы, приведенные в настоящем стандарте, не ограничивают организации в использовании иных подходящих для них методов. Кроме того, настоящий стандарт не регламентирует сами статистические методы и способы их применения. Стандарт не предназначен для контрактных, регламентных или сертификационных целей, он также не устанавливает перечень обязательных для применения статистических методов, контролируемый при проверке выполнения требований ИСО Обоснованием для применения статистических методов является то, что их применение способствует повышению эффективности системы качества. Потребности в количественных данных, связанные с выполнением требований ИСО , определены в таблице 1. Для каждой потребности приведены один или несколько статистических методов. Статистические методы могут применяться и для качественных данных, если их можно преобразовать в количественные. Статистические методы не указаны, если нет потребности в количественных данных в соответствии с выполнением требований ИСО В таблице 1 приведены только хорошо известные и широко используемые методы. Каждый из методов, указанных в таблице 1, кратко описан в разделе 4, что помогает оценить пригодность и значение методов, а также принять решение об их использовании в конкретном случае. В таблице 1 указаны следующие статистические методы или семейства методов:. Описательная статистика; анализ возможностей процесса; выборочный контроль; карты статистического управления процессом. Описательная статистика; анализ измерений; анализ возможностей процесса; контроль; статистическое назначение допусков. Описательная статистика; планирование экспериментов; проверка гипотез; анализ измерений; регрессионный анализ; анализ надежности; выборочный контроль; моделирование; анализ временных рядов. Проверить, что выходные данные проектирования и разработки удовлетворяют входным требованиям. Описательная статистика; планирование экспериментов; проверка гипотез; анализ измерений; анализ возможностей процесса; регрессионный анализ; анализ надежности; выборочный контроль; моделирование. Проверить соответствие продукции требованиям к установленному или предполагаемому использованию. Описательная статистика; планирование экспериментов; проверка гипотез; анализ измерений; анализ возможностей процесса; регрессионный анализ; анализ надежности; выборочный контроль. Гарантировать, что купленное изделие соответствует требованиям закупки. Оценить способность поставщиков поставлять продукцию, соответствующую требованиям организации. Установить и осуществить осмотр и другие действия, чтобы гарантировать, что купленная продукция соответствует установленным требованиям. Описательная статистика; проверка гипотез; анализ измерений; анализ возможностей процесса; анализ надежности; выборочный контроль. Описательная статистика; анализ измерений; анализ возможностей процесса; регрессионный анализ; анализ надежности; выборочный контроль; карты статистического управления процессом; анализ временных рядов. Валидация контроля и управления процессами, недостатки которых становятся очевидными только после начала использования продукции или после предоставления услуг. Описательная статистика; анализ возможностей процесса; регрессионный анализ; выборочный контроль; карты статистического управления процессом; анализ временных рядов. Контролировать качество продукции при внутренней обработке, упаковке и хранении. Гарантировать, что процесс и оборудование для мониторинга и измерений удовлетворяют установленным требованиям. Описательная статистика; анализ измерений; анализ возможностей процесса; регрессионный анализ; выборочный контроль; карты статистического управления процессом; статистическое назначение допусков; анализ временных рядов. Описательная статистика; проверка гипотез; анализ измерений; регрессионный анализ; выборочный контроль; статистическое назначение допусков; анализ временных рядов. Контроль и анализ информации, имеющие отношение к удовлетворенности потребителя. Планировать программу внутреннего аудита, составлять отчет о результатах внутреннего аудита. Контролировать и измерять процессы системы менеджмента качества для демонстрации способности процесса достигнуть запланированных результатов. Описательная статистика; планирование экспериментов; проверка гипотез; анализ измерений; анализ возможностей процесса; выборочный контроль; карты статистического управления процессом; анализ временных рядов. Контроль и измерение характеристик продукции на соответствующих стадиях производства для проверки выполнения установленных требований. Описательная статистика; планирование экспериментов; проверка гипотез; анализ измерений; анализ возможностей процесса; регрессионный анализ; анализ надежности; выборочный контроль; карты статистического управления процессом; анализ временных рядов. Определить степень несоответствия поставленной продукции. Перепроверить исправленную продукцию, чтобы гарантировать ее соответствие требованиям. Получить и анализировать данные, чтобы оценить эффективность системы менеджмента качества управления и возможности для усовершенствования в отношении:. Улучшить систему менеджмента качества на основе использования количественных данных в следующих областях:. Анализировать данные, имеющие отношение к несоответствиям, чтобы понять их причину ы. Описательная статистика; дизайн; планирование экспериментов; проверка гипотез; анализ возможностей процесса; регрессионный анализ; выборочный контроль; карты статистического управления процессом; анализ временных рядов. Анализировать данные, имеющие отношение к несоблюдениям и потенциальным несоответствиям, чтобы понять их причину ы. Следует иметь в виду, что для многих методов описательная статистика в т. Выбор метода и способ его применения зависят от конкретных обстоятельств и поставленной цели. Краткое описание каждого метода или семейства методов, перечисленных выше, дано в 4. Описания предназначены для оценки применимости и преимуществ использования методов при выполнении требований системы менеджмента качества. Однако практическое применение указанных методов потребует более детального описания, которое в настоящем стандарте не приводится. Имеется большое количество общедоступной информации по статистическим методам, а именно: Типичные исследуемые характеристики данных - это расположение центра данных наиболее часто описываемое средним значением и рассеивание данных или разброс обычно измеряемые интервалом или стандартным отклонением. Другой характеристикой является распределение данных, для которого имеются количественные меры, описывающие форму распределения например, степень асимметрии. Информация, представляемая описательной статистикой, часто может просто и эффективно передаваться с помощью различных графических методов, которые включают в себя:. Имеется большое количество графических методов, которые могут быть полезны для анализа и представления данных. Диапазон таких методов простирается от простых методов построения гистограмм, круговых диаграмм до представлений более сложного характера, использующих многомерную графику с несколькими переменными и специальные шкалы, такие как вероятностные графики. Использование графических методов полезно для выявления необычного поведения данных, которое непросто обнаружить при количественном анализе. Эти методы широко используют при проверке соотношений между переменными и при оценке параметров, которые описывают такие соотношения. Графические методы эффективно используют для комплексного рассмотрения и представления сложных данных. Описательную статистику в т. Их следует рассматривать как необходимый компонент статистического анализа. Метод используют для общего рассмотрения и описания данных. Он обычно является начальным шагом при анализе количественных данных и использовании других статистических процедур. Характеристики выборочных данных могут служить основанием для выводов относительно характеристик всей совокупности данных с заданными уровнями доверия и ошибки. Метод предлагает эффективный и относительно простой способ рассмотрения и описания данных, а также удобный способ представления такой информации. В частности, графические методы очень удобны для представления и передачи информации. Описательная статистика применима во всех случаях использования данных и может быть полезна при анализе и принятии решений. Описательная статистика дает возможность определить количественные характеристики выборочных данных такие, как среднее значение и стандартное отклонение. Однако эти характеристики зависят от ограничений, связанных с размером выборки и используемым методом. Кроме того, они не могут использоваться для оценки характеристик генеральной совокупности, из которой была взята выборка, если статистические предположения, связанные с осуществлением выборки, не выполнены. Описательная статистика является полезной при использовании количественных данных. Количественные данные могут представлять собой информацию об изделии, процессе или одном из аспектов системы менеджмента качества. Некоторые примеры применений описательной статистики:. Планирование экспериментов DOE относится к исследованиям, выполняемым по выбранному плану и основанным на статистической оценке результатов для получения решения, соответствующего установленному уровню доверия. Типичное DOE включает в себя анализ изменений, влияющих на работу исследуемой системы, и статистическую оценку воздействия таких изменений на систему. Его целью может быть подтверждение значения некоторой характеристики системы или исследование влияния одного или большего количества факторов на некоторые характеристики системы. Имеется несколько методов, используемых для анализа данных эксперимента. DOE может использоваться для оценки некоторой характеристики продукции, процесса или системы с целью подтверждения установленных требований или для сравнительной оценки нескольких систем. DOE особенно полезно для исследования сложных систем, на результаты работы которых может влиять большое количество факторов. Целью эксперимента может быть максимизация или оптимизация исследуемой характеристики или уменьшение ее изменчивости. DOE может использоваться для идентификации наиболее влиятельных факторов, степени их влияния и взаимодействия. Результаты могут использоваться при проектировании, разработке и совершенствовании продукции или процесса, а также системы управления. Информация, получаемая при проведении запланированного эксперимента, может использоваться для создания математической модели, которая описывает характеристики системы как функции воздействующих на них факторов. С некоторыми ограничениями упоминаемыми в 4. При оценке или подтверждении соответствия исследуемой характеристики следует убедиться, что полученные результаты не определяются только случайными факторами. Такая необходимость возникает при сравнении оценок, сделанных как по какому-либо стандарту, так и при сравнении двух или более систем. DOE позволяет давать такие оценки в соответствии с установленным уровнем доверия. Главное преимущество DOE - относительная эффективность и экономичность при исследовании воздействия на процесс многочисленных факторов по сравнению с исследованием воздействия каждого отдельного фактора. Кроме того, способность DOE идентифицировать взаимодействие между отдельными факторами способствует более глубокому пониманию процесса. Такие достоинства становятся особенно явными при работе со сложными процессами, т. Наконец, при исследовании сложной системы имеется риск неправильного предположения о причинной связи там, где имеется лишь случайная корреляция между переменными. Риск такой ошибки может быть уменьшен с помощью разумных принципов планирования эксперимента. Он может иногда накладываться на результаты исследований и привести к неправильным заключениям. Другими потенциальными источниками ошибки являются воздействия неизвестных или просто нераспознанных факторов или влияние зависимостей между различными факторами в системе. Риск таких ошибок может быть уменьшен хорошо спланированными экспериментами с помощью, например, объема выборки или других решений при планировании эксперимента, но эти риски никогда не могут быть полностью исключены, и поэтому о них нужно помнить при составлении заключений. Результаты эксперимента распространяются только на факторы и их диапазоны значений, рассматриваемые в эксперименте. Поэтому нужно соблюдать осторожность при экстраполяции в области, значительно выходящие за диапазон значений, рассматриваемых в эксперименте. Наконец, теория DOE использует некоторые фундаментальные предположения, например о существовании канонического соотношения между математической моделью и изучаемой физической реальностью, действительность или адекватность которых является предметом дискуссий. Известно применение DOE при оценке продукции или процессов, например при подтверждении эффективности медицинского лечения или при оценке относительной эффективности нескольких типов лечения. Примеры такого применения в промышленности включают в себя проверку соответствия продукции требованиям стандартов. DOE широко используют, чтобы выявлять факторы воздействия в сложных процессах и, таким образом, управлять средними значениями или улучшать их, или уменьшать изменчивость таких характеристик, как выходное значение процесса, прочность и долговечность изделия, уровень шума и т. С такими экспериментами часто сталкиваются в производстве, например, электронных компонентов, автомобилей и химических веществ. DOE широко используют в сельском хозяйстве и медицине. Область применения DOE является достаточно обширной. Проверка гипотез представляет собой статистическую процедуру оценки соответствия совокупности данных обычно из выборки конкретной гипотезе с заданным уровнем риска. Гипотеза может относиться к предположению о специфическом статистическом распределении, модели или к значению некоторого параметра распределения такого, как среднее значение. Процедура проверки гипотез включает в себя оценку фактов в форме данных для принятия решения о справедливости конкретной гипотезы относительно статистической модели или параметра. Проверку гипотез явно или неявно используют во многих статистических методах, упоминаемых в настоящем стандарте, таких как выборочный контроль, карты статистического управления процессом СКП , планирование эксперимента, регрессионный анализ, измерительный анализ и т. Проверку гипотез широко используют для принятия решений с заданным уровнем доверия о справедливости гипотезы относительно параметра совокупности оцененного по выборке. Таким образом, процедура может применяться, чтобы проверить, удовлетворяет ли параметр совокупности установленным требованиям. Проверка гипотез может использоваться для выявления различий в двух или более совокупностях. Проверку гипотез используют для проверки справедливости предположений, заложенных в модели, например является ли распределение совокупности нормальным, являются ли данные по выборке случайными и т. Проверка гипотез позволяет сделать утверждение относительно параметра совокупности с заданным уровнем доверия. Этот подход используют при принятии решений, зависящих от параметра. Проверка гипотез позволяет делать утверждения относительно характеристик как распределения всей совокупности, так и выборочных данных. Чтобы гарантировать справедливость решений, полученных при проверке гипотез, очень важно, чтобы выполнялись лежащие в их основе статистические предположения, особенно касающиеся независимого и случайного формирования выборки. Кроме того, уровень доверия принимаемого решения зависит от объема выборки. На теоретическом уровне ведется определенная дискуссия относительного того, как должна использоваться проверка гипотез для принятия правильных решений. Проверку гипотез в общем случае применяют при необходимости сделать утверждение относительно параметра или распределения одной или большего количества совокупностей по выборочным оценкам или непосредственно по выборочным данным. Например, проверка гипотез может использоваться для того, чтобы определить:. Погрешности измерений могут быть проанализированы с применением тех же методов, которые используют при анализе характеристик продукции. Неопределенность измерений всегда должна приниматься во внимание. Измерительный анализ используют, чтобы оценить, с заданным уровнем доверия, пригодна ли система измерения для предназначенной цели. Измерительный анализ используют для определения величины вариаций различного происхождения, таких как вариации, вносимые проводящим измерения персоналом, или вариации, присущие самому инструменту измерения. Его используют также для описания вариаций, вносимых системой измерения, как части общей вариации процесса или общей допустимой вариации. Измерительный анализ обеспечивает простой количественный способ выбора измерительных инструментов или решения вопроса о пригодности измерительных инструментов для оценки исследуемых параметров продукции или процесса. Измерительный анализ обеспечивает основу для сравнения и согласования различий в измерениях, определяя величину вариаций различного происхождения непосредственно в системах измерения. Во всех случаях, кроме самых простых, измерительный анализ должен проводиться обученными специалистами. Если при его применении отсутствуют аккуратность и компетентность, результаты измерительного анализа могут привести к ложному и потенциально опасному оптимизму в отношении как результатов измерений, так и качества продукции. Наоборот, ложный пессимизм может привести к замене пригодной системы измерения и ненужным затратам. Оценка неопределенности измерений помогает поддерживать доверие клиентов организаций внутренних и внешних в том, то процессы измерения в организациях способны адекватно определять уровень качества. Анализ неопределенности измерений помогает выявить изменчивость в областях производства, критических для качества продукции, и, направив ресурсы в такие области, улучшить или сохранить качество. Измерительный анализ может помочь в выборе новых измерительных инструментов с помощью оценки составляющей вариации, которая связана с инструментом. Определение характеристик конкретного метода правильность, точность, повторяемость, воспроизводимость и т. Анализ измерений позволяет выбрать наиболее подходящие методы измерения для подтверждения качества продукции. Измерительный анализ позволяет организациям поддерживать баланс между стоимостью и эффективностью различных методов измерения, влияющих на качество продукции. Система измерений в организациях может быть оценена и охарактеризована количественно путем сравнения ее результатов измерений с аналогичными результатами, полученными другими системами измерения. Это может помочь организациям в улучшении применяемых методов или в обучении сотрудников измерительному анализу. Анализ возможностей процесса представляет собой изучение присущей процессу изменчивости и распределения характеристик процесса для оценки его способности производить продукцию, соответствующую установленным требованиям. Возможность процесса обычно выражается в виде показателя, который связывает фактическую изменчивость процесса с допуском, установленным в спецификациях. Другой широко используемый показатель С рк , описывающий фактическую возможность процесса, может быть как центрированным, так и нецентрированным. Показатель С рк особенно удобен в случаях односторонних допусков. Другие показатели разработаны для учета медленных и быстрых составляющих изменчивости процесса. При анализе таких характеристик процесса, как процент несоответствий или количество несоответствий, устанавливают такие показатели возможностей процесса, как средняя доля несоответствующих единиц или средний уровень несоответствий. Анализ возможностей процесса используют для оценки способности процесса производить продукцию, которая стабильно соответствует требованиям спецификаций, а также для оценки ожидаемого количества несоответствующей продукции. Такой анализ может применяться для оценки возможностей любой составляющей процесса, такой как отдельная машина. Анализ возможностей процесса обеспечивает опенку присущей процессу изменчивости и оценку ожидаемого процента несоответствующей продукции. Это позволяет организациям оценить стоимость несоответствия и может помочь при принятии решений относительно усовершенствования процесса. Назначение минимальных требований для возможностей процесса может помочь выбору процессов и оборудования, которые обеспечат производство приемлемой продукции. Концепция анализа возможностей процесса полностью применима к статистически управляемому процессу. Поэтому анализ возможностей процесса следует выполнять в сочетании с методами управления. Оценки процента несоответствующей продукции делаются в предположении о нормальности распределения. Когда требования нормальности распределения не выполняются, с оценками следует обращаться осторожно, особенно в случае процессов с высокими показателями изменчивости. Показатели возможностей могут вводить в заблуждение, когда распределение процесса является существенно ненормальным. В этих случаях оценки процента несоответствующих изделий следует основывать на методах анализа, разработанных для таких распределений. Аналогично в случае процессов, которые находятся под воздействием систематических неслучайных причин вариации, таких как износ инструмента, для вычисления и исследования возможностей должны использоваться специальные методы. Анализ возможностей процесса используют для назначения рациональных технических требований в спецификациях на продукцию, гарантирующих, что составляющие вариаций согласуются с увеличениями допуска для собранной продукции. Наоборот, когда необходимы жесткие допуски, от изготовителей комплектующих требуется, чтобы был достигнут заданный уровень возможностей процесса для обеспечения высокого объема производства продукции при минимальных потерях. Анализ возможностей машины используют для оценки ее способности выполнять работу в соответствии с заданными требованиями, а также для принятия решений о закупке или ремонте оборудования. Производители приборов в автомобильной, космической, электронной, продовольственной, фармацевтической и медицинской отраслях обычно используют анализ возможностей процесса как главный критерий оценки поставщиков и продукции. Это позволяет производителю минимизировать прямой контроль закупленных изделий и материалов. Некоторые компании, занимающиеся производством или оказанием услуг, отслеживают показатели возможностей процессов, чтобы выявлять потребности в усовершенствовании процессов и проверять эффективность таких усовершенствований. Такие соотношения определяются моделью, которую разрабатывают на основе научных, экономических, инженерных или других исследований. Цель регрессионного анализа состоит в том, чтобы помочь понять потенциальную причину вариаций в отклике и объяснить, насколько влияет на эту вариацию каждый фактор. Это достигается установлением статистических связей вариации переменной отклика с вариациями независимых переменных и получением лучшей согласованности путем минимизации отклонений между предсказанным и фактическим откликом. Такая информация может использоваться для определения влияния изменения одного фактора например, температуры на выходные характеристики процесса, в то время как другие факторы остаются постоянными. Регрессионный анализ может обеспечить понимание соотношений между различными факторами и наблюдаемым откликом. Такое понимание может помочь в принятии решений, связанных с изучаемым процессом, и будет способствовать улучшению процесса. Регрессионный анализ позволяет оценить относительные величины влияния независимых переменных, а также относительный вклад этих переменных. Эта информация очень важна при управлении или улучшении выходных характеристик процесса. Регрессионный анализ обеспечивает определение оценки величины и источника влияний на отклик, вызванных факторами, которые или не измерены, или не исследовались при анализе. Эта информация может использоваться для совершенствования системы измерения или управления процессом. Регрессионный анализ может использоваться для прогнозирования значений переменной отклика при заданных значениях одной или более независимых переменных, а также для прогнозирования влияния изменений независимых переменных на полученный или предсказанный отклик. При решении ряда задач проведение таких исследований может быть полезно для оценки эффективности предполагаемых действий. При моделировании процесса требуется навык в построении модели регрессии линейной, показательной, многомерной и использовании диагностики для улучшения модели. Наличие неучтенных переменных, погрешностей измерений и других источников необъясненных вариаций отклика может усложнить моделирование. Какой метод оценки является подходящим для регрессионного анализа, определяется предположениями, лежащими в основе рассматриваемой регрессионной модели, и характеристиками имеющихся данных. Включение или невключение в анализ единичного наблюдения или их небольшой группы может оказать влияние на оценку отклика. Поэтому наблюдения, влияющие на результаты, должны быть освобождены от случайных выбросов, то есть от экстремальных значений, пригодность которых для анализа должна быть исследована. При моделировании является важным упрощение модели с помощью минимизации количества независимых переменных. Включение ненужных переменных может скрыть влияние независимых переменных и уменьшить точность прогнозов, сделанных с помощью модели. Однако, опустив существенную независимую переменную, можно серьезно ограничить модель и снизить достоверность результатов. Регрессионный анализ используют для моделирования таких характеристик производства, как объем производимой продукции, производительность, качество исполнения, временной цикл, вероятность отказов при испытании или контроле, а также различных видов несоответствий в процессах. Регрессионный анализ используют, чтобы выявить наиболее важные факторы в таких процессах, а также величину и характер их вклада в исследуемые характеристики. Регрессионный анализ используют для прогнозирования результатов эксперимента или управляемого или ретроспективного изучения изменений в материалах или условиях производства. Регрессионный анализ также используют для проверки замены одного метода измерений другим, например разрушающий или отнимающий много времени метод заменяют неразрушающим или экономящим время методом. Примеры применений нелинейной регрессии включают в себя моделирование концентрации препарата как функции времени и массы компонентов, моделирование химических реакций как функции времени, температуры и давления и т. Методы, применяемые для анализа надежности, часто требуют использования статистических методов, оперирующих с неопределенностью, случайными характеристиками или вероятностями возникновения отказов и т. Параметры этих статистических моделей оценивают с помощью эмпирических данных, получаемых при лабораторных или заводских испытаниях или в процессе эксплуатации. Анализ надежности охватывает и другие методы такие как анализ видов и последствий отказов , в которых основное внимание сосредоточивается на физической природе и причинах отказа и предотвращении или сокращении отказов. Эти и связанные с ними другие методы и подходы определяются и рассматриваются в публикациях МЭК. Статистические методы, используемые при анализе надежности, позволяют определять уровни, соответствующие оценкам параметров разработанных моделей надежности и прогнозам, основанным на использовании таких моделей. Анализ надежности позволяет определить количественные показатели функционирования изделия и выполнения услуг на основе данных об отказах или прерывании услуг. Действия по повышению надежности тесно связаны с деятельностью по ограничению риска при функционировании системы. Надежность часто является существенным фактором при оценке качества изделия или услуги, а также удовлетворенности потребителя. Основным предположением при анализе надежности является то, что функционирование системы можно охарактеризовать соответствующим статистическим распределением. Поэтому точность оценок показателей надежности будет зависеть от справедливости этого предположения. Анализ надежности усложняется, когда имеются отказы, которые могут принадлежать одному или разным статистическим распределениям. Также, когда количество отказов, наблюдаемых при испытаниях на надежность, мало, это может сильно влиять на достоверность и сходимость оценок показателей надежности. Еще одна трудность связана с условиями, при которых проводят испытания на надежность. Могут возникнуть трудности при определении соотношения между отказами, наблюденными при испытаниях, и функционированием изделия в нормальных условиях эксплуатации. Это увеличивает неопределенность в прогнозах показателей надежности. Выборочный контроль представляет собой статистический метод получения информации относительно некоторой характеристики совокупности с помощью изучения представительной части выборки из этой совокупности. Имеются различные методы выборочного контроля, такие как контроль по простой случайной выборке, по расслоенной выборке, систематический, последовательный, а также контроль с пропуском партий. Выбор метода определяется целью контроля и условиями, при которых он должен проводиться. Выборочный контроль может быть условно разделен на приемочный контроль и выборочное обследование. Имеется широкий диапазон планов приемочного контроля, способный удовлетворить заданные требования и обеспечить необходимое применение. Выборочное обследование используют при сборе сведений или проведении аналитических исследований для оценки значений одной или нескольких характеристик совокупности или для определения, как эти характеристики распределены в совокупности. Выборочное обследование часто применяют к данным опроса потребителей. Вместе с тем оно может применяться к данным, собираемым для других целей, таких как аудит. Специализированной формой выборочного обследования являются исследования, используемые для получения информации о характеристиках совокупности или ее части. Такой формой является выборочный контроль продукции, который может проводиться, например, для проведения анализа возможностей процесса. В случаях, когда для контроля продукции используют разрушающий контроль, выборочный контроль является единственным практическим способом получения необходимой информации. Выборочный контроль предлагает рентабельный и экономный по времени способ получения информации относительно значений или распределения исследуемых характеристик совокупности. При формировании плана выборочного контроля особое внимание следует уделять решениям, касающимся объема выборки, периодичности выборочного контроля, отбору образцов, основаниям для формирования подгрупп и различным другим аспектам методологии выборочного контроля. Выборочный контроль требует, чтобы образец выбирался независимым способом, т. Если это требование не выполнено, то оценки характеристик совокупности будут недостоверными. В случае приемочного контроля непредставительная выборка может привести или к неоправданной отбраковке партий с приемлемым качеством, или нежелательной приемке партий с неприемлемым качеством. Даже при правильно отобранных образцах информация, полученная на основе выборок, подвержена, в некоторой степени, ошибкам. Значение этих ошибок может быть уменьшено при увеличении объема выборки, но сами ошибки не могут быть устранены. В зависимости от специфики и ситуации, в которой осуществляют выборочный контроль, объем выборки, требуемый для достижения необходимого уровня доверия и точности оценок, может быть слишком большим, чтобы иметь практическое значение. Выборочные обследования находят частое применение при исследовании рынка, например чтобы оценить, какая часть населения сможет купить определенную продукцию. Другим примером применения являются ревизии запасов, чтобы оценить процент изделий, которые удовлетворяют заданным критериям. Выборочный контроль используют для проведения проверок операторов, машин или изделий в процессе работы, для контроля изменений и выбора корректирующих и предупреждающих действий. Приемочный выборочный контроль широко используют в промышленности для обеспечения гарантии того, что поступающие материалы удовлетворяют заданным требованиям. На основе отбора методов выборочного контроля исследуют состав полезных ископаемых. Моделирование - собирательный термин для процедур, в соответствии с которыми для решения какой-либо проблемы теоретической или эмпирической система представляется математически с помощью компьютерной программы. В теоретической области моделирование используют в тех случаях, когда не существует исчерпывающей теории для решения задачи или если такая теория существует, но решение получить трудно или невозможно , а также в случаях, когда решение может быть получено с применением компьютерных технологий. В экспериментальной области моделирование используют, если исследуемая система может быть адекватно описана с помощью компьютерной программы. Моделирование является также полезным инструментом в обучении работе со статистическими данными. Эволюция относительно недорогих возможностей компьютера приводит к увеличению применения моделирования для решения задач, к которым до настоящего времени не обращались. В теоретической области моделирование в особенности метод Монте-Карло используют, если прямые вычисления при решении задач невозможны или трудоемки. Точно так же в экспериментальной области моделирование используют, когда экспериментальные исследования невозможны или дорогостоящи. Преимущество моделирования состоит в том, что оно позволяет получать экономичные по времени и средствам решения, а также в том, что во многих случаях оно вообще позволяет получать решения. Выгода использования моделирования в обучении работе со статистическими данными очевидна, так как моделирование может эффективно иллюстрировать случайные изменения. В области теории аналитические доказательства следует предпочесть моделированию, так как оно часто не дает возможности провести анализ получаемых результатов. Компьютерное моделирование эмпирических моделей ограничено тем, что модель может не быть адекватной, т. Поэтому такое моделирование не может применяться вместо реальных эмпирических исследований и экспериментов. Крупномасштабные проекты такие как космические программы обычно используют метод Монте-Карло. Применения методов моделирования не ограничены какой-либо отраслью промышленности. Типичные области применения этих методов включают в себя назначение допуска, моделирование процессов, системную оптимизацию, теорию надежности и прогнозирование. Некоторыми специфическими применениями являются:. Функция контрольной карты состоит в том, чтобы помогать оценивать стабильность процесса. Это осуществляется при изучении положения наносимых на карту данных относительно границ регулирования. На график может наноситься любая переменная данные измерений или атрибут вычисляемые данные исследуемой характеристики изделия или процесса. В случае переменных данных контрольную карту обычно используют для контроля изменений некоторого центра процесса, а специальную контрольную карту - для проверки изменений изменчивости процесса. Для данных атрибутов в контрольных картах обычно используют количество или долю пропорцию несоответствующих единиц или количество несоответствий, обнаруженных в выборке, взятой из процесса. Имеются и другие формы контрольных карт, каждая из которых обладает свойствами, удобными для применения в специальных обстоятельствах. Примерами таких контрольных карт являются карты кумулятивных сумм, которые обладают повышенной чувствительностью к небольшим изменениям в процессе, и карты скользящего среднего значения постоянных или взвешенных , которые путем сглаживания краткосрочных изменений позволяют выявить устойчивые тенденции тренды. Карты СКП используют для обнаружения изменений в процессе. Нанесенные данные, которые могут быть отдельными результатами измерений или некоторой статистикой, например выборочным средним, сравнивают с границами регулирования. Нанесенная точка, которая выходит за границы регулирования, сигнализирует о возможном изменении в процессе из-за некоторой неслучайной причины. Таким образом выявляется необходимость исследовать причину выхода за установленные границы и отрегулировать процесс, если это необходимо. Применение СКП помогает поддерживать стабильность процессов и, в конечном счете, их улучшать. Использование контрольных карт может быть усовершенствовано для более раннего выявления изменений процесса или повышения чувствительности к малым изменениям. Этого можно добиться с помощью дополнительных критериев при интерпретации трендов и типичных фрагментов в нанесенных на карту данных. В дополнение к тому, что контрольные карты обеспечивают пользователю наглядное представление данных, они позволяют отличить случайные изменения, присущие устойчивому процессу, от изменений, вызванных неслучайной причиной. Роль и значение контрольных карт в некоторых связанных с процессом видах деятельности отмечены ниже. В управлении процессом используют различные контрольные карты для обнаружения изменений в центре процесса или в его изменчивости и проведение корректирующих действий, поддерживающих или восстанавливающих стабильность процесса. При анализе возможностей процесса если процесс находится в устойчивом состоянии данные контрольных карт могут использоваться для последующей оценки возможностей процесса. При анализе системы измерений при введении границ регулирования, которые отражают присущую системе измерений изменчивость контрольные карты могут показать, способна ли система измерений обнаруживать представляющую интерес изменчивость процесса или изделия. Контрольные карты могут также использоваться для наблюдения непосредственно за процессом измерений. Анализ причин и последствий исследование корреляции между событиями процесса и данными контрольной карты может помочь делать выводы о лежащей в основе неслучайной причине и планировать необходимые эффективные действия. При постоянном совершенствовании процесса карты используют для контроля изменений процесса и помощи в идентификации причин изменений процесса. Эффективность использования СПК особенно высока, если их используют как часть программы непрерывного совершенствования предприятия. Важно отбирать выборки из процесса таким способом, который лучше всего отражает исследуемые изменения процесса. Это является самым важным для эффективного использования и интерпретации карт СКП и для понимания причин изменения процесса. При работе с кратковременными процессами возникают особые трудности, так как случаи, когда имеются достаточные данные для установления границ регулирования, являются очень редкими. Существует также риск не обнаружить изменение, которое на самом деле произошло. Эти риски могут быть уменьшены, но полностью их устранить нельзя. Компании, занимающиеся автомобилестроением, электроникой, производством оборонной техники и т. Если получены несоответствующие изделия, контрольные карты используют для определения риска и области применения корректирующего действия. Контрольные карты используют в решении проблемы рабочих мест. Их применяют на всех уровнях организаций при выявлении проблем и анализе их основных причин. Контрольные карты используют в машиностроительных отраслях для уменьшения ненужного вмешательства в процесс чрезмерное регулирование , выявляя различия между изменениями, присущими процессу, и изменениями, которые могут быть приписаны неслучайной причине. Контрольные карты таких характеристик выборки, как среднее время отклика, частота появления ошибки и частота жалоб, используют для диагностики, измерений и улучшения выполнения работ в сфере услуг. Статистическое назначение допусков - это процедура, основанная на статистических принципах и используемая для установления допусков. Она применяет статистические распределения для соответствующих размеров составных частей компонентов при определении общего допуска для изделия в сборе. При сборке большого количества компонентов в один модуль часто критическим фактором или требованием с точки зрения сборки и взаимозаменяемости таких модулей являются не размеры отдельного компонента, а общий размер, полученный в результате сборки. Экстремальные значения общего размера, т. В рамках структуры цепочки допусков, если индивидуальные допуски прибавлять к допуску на общий размер, этот допуск представляет собой полный арифметический допуск. При статистическом определении общих допусков предполагается, что в сборке большого количества отдельных компонентов размеры, лежащие вблизи одной границы диапазона индивидуальных допусков, будут сбалансированы размерами, лежащими вблизи другой границы диапазона допусков. Например, индивидуальный размер, лежащий у нижней границы диапазона допусков, может быть компенсирован другим размером или комбинацией размеров , лежащих у верхней границы диапазона допусков. На основании статистических законов, при известных условиях, общий размер будет иметь приближенно нормальное распределение. Этот факт почти не зависит от распределения индивидуальных размеров и может поэтому использоваться для оценки диапазона допусков на общий размер собранного модуля. С другой стороны, если задан диапазон допусков на общий размер, то он может быть использован для определения диапазона допусков на индивидуальные размеры компонентов. Если задан набор индивидуальных допусков которые не обязательно совпадают , вычисление общего статистического допуска даст значение допуска на общий размер, которое будет обычно значительно меньше, чем допуск на общий размер, рассчитанный арифметически. Это означает, что при заданном допуске на общий размер статистическое назначение допуска позволяет использовать более широкие допуски на индивидуальные размеры, чем допуски, определяемые путем арифметических расчетов. На практике это может дать существенные выгоды, так как более широкие допуски связаны с более простыми и более рентабельными методами производства. Статистическое назначение допуска требует прежде всего определить, какая доля собранных модулей может выходить за диапазон допусков на общий размер. Для практической реализации без необходимости использования передовых методов должны быть выполнены следующие требования:. Очевидно, что некоторые из этих требований могут быть выполнены только тогда, когда изготовление рассматриваемых компонентов может контролироваться и постоянно отслеживаться. В случае изделий, находящихся в стадии разработки, при применении статистического установления допуска следует руководствоваться опытом и инженерными знаниями. Теорию статистического назначения допусков обычно применяют при сборке частей, для которых допуски суммируются, или в случаях с простым вычитанием допусков например, вал и отверстие. Отрасли промышленности, которые используют статистическое назначение допусков: Теорию также применяют в компьютерном моделировании для определения оптимальных допусков. Анализ временных рядов - это семейство методов для изучения совокупности наблюдений, сделанных последовательно во времени. Методы анализа временных рядов используют в следующих прикладных задачах:. Анализ временных рядов используют для описания фрагментов данных временного ряда, для выявления выбросов т. Другое использование заключается в совместном анализе фрагментов одного временного ряда с фрагментами других временных рядов и решении задач регрессионного анализа. Этот интервал широко используют в задачах управления и часто применяют в автоматизированных процессах. В этом случае вероятностную модель привязывают к предшествующим временным рядам, прогнозируют будущие значения и затем определенные параметры процесса корректируют таким образом, чтобы поддерживать процесс в заданных границах с минимально возможными вариациями. Методы анализа временных рядов могут быть полезны в планировании, в разработке систем управления, в обнаружении изменений в процессе, в прогнозировании и измерении результатов внешнего воздействия. Анализ временных рядов также полезен для сравнения проектируемого выполнения процесса с предсказанными значениями во временном ряду, если необходимо ввести изменения. Существуют методы для отделения систематических или неслучайных причин и для разбиения диаграмм временного ряда на циклические, сезонные и тренд-компоненты. Анализ временных рядов часто полезен для понимания того, как процесс будет вести себя в указанных условиях и какое регулирование если оно возможно может направить процесс на достижение цели или какое регулирование может уменьшить изменчивость процесса. Ограничения и предостережения, описанные для регрессионного анализа, в той же мере относятся к анализу временных рядов. При моделировании процесса для понимания причин и следствий, выбора наиболее адекватной модели и использования средств диагностики для улучшения модели требуется существенный уровень квалификации. Включение или невключение в анализ отдельных наблюдений или их небольшой совокупности может оказать значительное влияние на модель. Поэтому значимые наблюдения должны быть выделены и освобождены от выбросов в исследуемой группе данных. В зависимости от диаграмм временных рядов и количества временных периодов, для которых делается прогноз, могут применяться различные методы оценки. При выборе модели следует рассматривать цель анализа, особенности данных, относительные затраты, аналитические характеристики и характеристики прогноза различных моделей. Анализ временных рядов применяют для изучения диаграмм выполнения работы за какое-то время, например измерений процесса, несоответствий, производительности, результатов испытаний и данных рекламаций. Применение анализа временных рядов при прогнозе включает в себя прогноз необходимости запасных частей, заказов потребителей, потребностей в материалах, потребления электроэнергии и т. Причинный анализ временных рядов используют, чтобы развивать модели прогноза потребностей. Например, применительно к надежности его используют для прогнозирования количества событий в заданном периоде времени и распределения интервалов времени между событиями, таких как остановка в работе оборудования. Обозначение и наименование соответствующего национального стандарта Российской Федерации. ГОСТ Р ИСО Системы менеджмента качества. Основные положения и словарь. Определение потенциальных потребностей в статистических методах 4. Описание статистических методов 4. Анализ возможностей процесса 4. Карты статистического управления процессом 4. Анализ временных рядов Приложение А справочное Сведения о соответствии национальных стандартов Российской Федерации ссылочным международным стандартам. Оценить способность поставщиков поставлять продукцию, соответствующую требованиям организации Описательная статистика; планирование экспериментов; проверка гипотез; анализ измерений; анализ возможностей процесса; регрессионный анализ; анализ надежности; выборочный контроль 7. Перепроверить исправленную продукцию, чтобы гарантировать ее соответствие требованиям Описательная статистика; выборочный контроль См. Обозначение ссылочного международного стандарта Обозначение и наименование соответствующего национального стандарта Российской Федерации ИСО Основные положения и словарь ИСО На главную База 1 База 2 База 3. Поиск по реквизитам Поиск по номеру документа Поиск по названию документа Поиск по тексту документа. ТЕР Ямало-Ненецкий автономный округ ТЕР Ярославской области ТЕРм ТЕРм Алтайский край ТЕРм Белгородская область ТЕРм Воронежской области ТЕРм Калининградской области ТЕРм Карачаево-Черкесская Республика ТЕРм Мурманская область ТЕРм Республика Дагестан ТЕРм Республика Карелия ТЕРм Ямало-Ненецкий автономный округ ТЕРмр ТЕРмр Алтайский край ТЕРмр Белгородская область ТЕРмр Карачаево-Черкесская Республика ТЕРмр Краснодарского края ТЕРмр Республика Дагестан ТЕРмр Республика Карелия ТЕРмр Ямало-Ненецкий автономный округ ТЕРп ТЕРп Алтайский край ТЕРп Белгородская область ТЕРп Калининградской области ТЕРп Карачаево-Черкесская Республика ТЕРп Краснодарского края ТЕРп Республика Карелия ТЕРп Ямало-Ненецкий автономный округ ТЕРп Ярославской области ТЕРр ТЕРр Алтайский край ТЕРр Белгородская область ТЕРр Калининградской области ТЕРр Карачаево-Черкесская Республика ТЕРр Краснодарского края ТЕРр Новосибирской области ТЕРр Омской области ТЕРр Орловской области ТЕРр Республика Дагестан ТЕРр Республика Карелия ТЕРр Ростовской области ТЕРр Рязанской области ТЕРр Самарской области ТЕРр Смоленской области ТЕРр Удмуртской Республики ТЕРр Ульяновской области ТЕРр Ямало-Ненецкий автономный округ ТЕРрр ТЕРрр Ямало-Ненецкий автономный округ ТЕРс Ямало-Ненецкий автономный округ ТЕРтр Ямало-Ненецкий автономный округ Технический каталог Технический регламент Технический регламент Таможенного союза Технический циркуляр Технологическая инструкция Технологическая карта Технологические карты Технологический регламент ТИ ТИ Р ТИ РО Типовая инструкция Типовая технологическая инструкция Типовое положение Типовой проект Типовые конструкции Типовые материалы для проектирования Типовые проектные решения ТК ТКБЯ ТМД Санкт-Петербург ТНПБ ТОИ ТОИ-РД ТП ТПР ТР ТР АВОК ТР ЕАЭС ТР ТС ТРД ТСН ТСН МУ ТСН ПМС ТСН РК ТСН ЭК ТСН ЭО ТСНэ и ТЕРэ ТССЦ ТССЦ Алтайский край ТССЦ Белгородская область ТССЦ Воронежской области ТССЦ Карачаево-Черкесская Республика ТССЦ Ямало-Ненецкий автономный округ ТССЦпг ТССЦпг Белгородская область ТСЦ ТСЦ Белгородская область ТСЦ Краснодарского края ТСЦ Орловской области ТСЦ Республика Дагестан ТСЦ Республика Карелия ТСЦ Ростовской области ТСЦ Ульяновской области ТСЦм ТСЦО Ямало-Ненецкий автономный округ ТСЦп Калининградской области ТСЦПГ Ямало-Ненецкий автономный округ ТСЦэ Калининградской области ТСЭМ ТСЭМ Алтайский край ТСЭМ Белгородская область ТСЭМ Карачаево-Черкесская Республика ТСЭМ Ямало-Ненецкий автономный округ ТТ ТТК ТТП ТУ ТУ-газ ТУК ТЭСНиЕР Воронежской области ТЭСНиЕРм Воронежской области ТЭСНиЕРр ТЭСНиТЕРэ У У-СТ Указ Указание Указания УКН УН УО УРвр УРкр УРрр УРСН УСН УТП БГЕИ ФАП Федеральный закон Федеральный стандарт оценки ФЕР ФЕРм ФЕРмр ФЕРп ФЕРр Форма Форма ИГАСН ФР ФСН ФССЦ ФССЦпг ФСЭМ ФТС ЖТ ЦВ Ценник ЦИРВ Циркуляр ЦПИ Шифр Эксплуатационный циркуляр ЭРД. Показать все найденные Показать действующие Показать частично действующие Показать не действующие Показать проекты Показать документы с неизвестным статусом. Упорядочить по номеру документа Упорядочить по дате введения. Федеральное агентство по техническому регулированию и метрологии. Потребность в использовании количественных данных. Планирование создания и развития системы менеджмента качества. Ответственность, полномочия и обмен информацией. Входные данные для анализа: Получить и оценить данные обратной связи с потребителем. Оценить результаты выполнения процесса и соответствие продукции. Получить и оценить данные от предупреждающих и корректирующих действий. Компетентность, осведомленность и подготовка: Описательная статистика; карты статистического управления процессом. Процессы жизненного цикла продукции. Планирование процессов жизненного цикла продукции. Определение требований, относящихся к продукции. Анализ требований, относящихся к продукции. Оценить способность организации выполнять установленные требования. Планирование проектирования и разработки. Входные данные для проектирования и разработки. Выходные данные для проектирования и разработки. Проверять, что результаты проектирования удовлетворяют входным требованиям. Управление изменениями проекта и разработки. Оценить и подтвердить правильность изменений проекта. Производство и обслуживание Управление производством и обслуживанием. Контролировать и управлять производством и обслуживанием. Валидация процессов производства и обслуживания. Проверить характеристики собственности потребителя. Управление устройствами для мониторинга и измерений. Оценить правильность предыдущих измерений при необходимости. Описательная статистика; выборочный контроль. Описательная статистика; выборочный контроль См. Получить и анализировать данные, чтобы оценить эффективность системы менеджмента качества управления и возможности для усовершенствования в отношении: Улучшить систему менеджмента качества на основе использования количественных данных в следующих областях: Обозначение ссылочного международного стандарта.
ГОСТ Р ИСО 10576-1-2006 Статистические методы. Руководство по оценке соответствия установленным требованиям. Часть 1. Общие принципы
Федеральноеагентство по техническому регулированию и метрологии. Guidance on STATISTICAL TECHNIQUES FOR ISO Задачи, основные принципы и правила проведения работ погосударственной стандартизации в Российской Федерации установлены ГОСТ Р 1. УТВЕРЖДЕН И ВВЕДЕН В ДЕЙСТВИЕ ПриказомФедерального агентства по техническому регулированию и метрологии от 31 мая г. Наименование настоящего стандартаизменено относительно наименования указанного международного стандарта дляприведения в соответствие с ГОСТ1. При применении настоящего стандартарекомендуется использовать вместо ссылочных международных стандартовсоответствующие им национальные стандарты, сведения о которых приведены вдополнительном приложении А. Цель настоящего стандарта состоит в том, чтобы помочьорганизациям в выборе статистических методов, используемых при разработке,внедрении, поддержке и улучшении системы менеджмента качества согласнотребованиям ИСО Необходимость применения статистических методов вызванаизменчивостью в поведении и результатах фактически всех процессов даже вусловиях очевидной стабильности. Такая изменчивость наблюдается дляколичественных характеристик изделий и процессов, а также для данных,используемых на различных стадиях жизненного цикла изделий - от исследованиярынка до сервисного обслуживания и окончательной утилизации изделий. Статистические методы используют при измерении, описании,анализе, интерпретации и моделировании такой изменчивости даже при наличииотносительно ограниченного количества данных. Статистический анализ этих данныхможет способствовать лучшему пониманию характера, степени и причинизменчивости. Это может помочь в решении и даже предотвращении проблем, обусловленныхтакой изменчивостью. Таким образом, статистические методы позволяют лучшеиспользовать имеющиеся данные для принятия решения и тем самым способствуютповышению качества продукции и процессов, а также достижению удовлетворенностипотребителя. Статистические методы применяют на стадиях исследования рынка,проектирования, разработки, производства, верификации, монтажа и обслуживания. Настоящий стандарт предоставляет организациям руководство повыбору статистических методов. Критерии определения потребности встатистических методах и пригодности выбранных методов остаются прерогативойорганизаций. Статистические методы, описанные в настоящем стандарте,пригодны также для использования с другими стандартами серии ИСО Определение потенциальных потребностей в статистических методах. Карты статистического управления процессом. Приложение А справочное Сведения о соответствии национальных стандартов Российской Федерации ссылочным международным стандартам. Guidance on application for according to GOST R ISO Настоящий стандарт представляет собой руководствопо выбору статистических методов при разработке, внедрении, поддержке и улучшениисистемы менеджмента качества в соответствии с ИСО Руководство разработанона основе требований ИСО , которые предполагают использованиеколичественных данных и последующий выбор статистических методов для ихобработки. Статистические методы, приведенные в настоящем стандарте, неограничивают организации в использовании иных подходящих для них методов. Крометого, настоящий стандарт не регламентирует сами статистические методы и способыих применения. Стандарт не предназначен для контрактных, регламентных илисертификационных целей, он также не устанавливает перечень обязательных дляприменения статистических методов, контролируемый при проверке выполнениятребований ИСО Обоснованием для применения статистических методовявляется то, что их применение способствует повышению эффективности системыкачества. Потребности в количественных данных, связанные с выполнениемтребований ИСО , определены в таблице1. Для каждой потребности приведены один или несколько статистическихметодов. Статистические методы могут применяться и для качественных данных,если их можно преобразовать в количественные. Статистические методы не указаны, если нет потребности вколичественных данных в соответствии с выполнением требований ИСО В таблице1 приведены только хорошо известные и широко используемые методы. Каждый из методов, указанных в таблице 1, кратко описан вразделе 4, что помогает оценить пригодность и значение методов, а также принятьрешение об их использовании в конкретном случае. В таблице1 указаны следующие статистические методы или семейства методов:. Описательная статистика; анализ возможностей процесса; выборочный контроль; карты статистического управления процессом. Описательная статистика; анализ измерений; анализ возможностей процесса; контроль; статистическое назначение допусков. Описательная статистика; планирование экспериментов; проверка гипотез; анализ измерений; регрессионный анализ; анализ надежности; выборочный контроль; моделирование; анализ временных рядов. Проверить, что выходные данные проектирования и разработки удовлетворяют входным требованиям. Описательная статистика; планирование экспериментов; проверка гипотез; анализ измерений; анализ возможностей процесса; регрессионный анализ; анализ надежности; выборочный контроль; моделирование. Проверить соответствие продукции требованиям к установленному или предполагаемому использованию. Описательная статистика; планирование экспериментов; проверка гипотез; анализ измерений; анализ возможностей процесса; регрессионный анализ; анализ надежности; выборочный контроль. Гарантировать, что купленное изделие соответствует требованиям закупки. Оценить способность поставщиков поставлять продукцию, соответствующую требованиям организации. Установить и осуществить осмотр и другие действия, чтобы гарантировать, что купленная продукция соответствует установленным требованиям. Описательная статистика; проверка гипотез; анализ измерений; анализ возможностей процесса; анализ надежности; выборочный контроль. Описательная статистика; анализ измерений; анализ возможностей процесса; регрессионный анализ; анализ надежности; выборочный контроль; карты статистического управления процессом; анализ временных рядов. Валидация контроля и управления процессами, недостатки которых становятся очевидными только после начала использования продукции или после предоставления услуг. Описательная статистика; анализ возможностей процесса; регрессионный анализ; выборочный контроль; карты статистического управления процессом; анализ временных рядов. Гарантировать, что процесс и оборудование для мониторинга и измерений удовлетворяют установленным требованиям. Описательная статистика; анализ измерений; анализ возможностей процесса; регрессионный анализ; выборочный контроль; карты статистического управления процессом; статистическое назначение допусков; анализ временных рядов. Описательная статистика; проверка гипотез; анализ измерений; регрессионный анализ; выборочный контроль; статистическое назначение допусков; анализ временных рядов. Планировать программу внутреннего аудита, составлять отчет о результатах внутреннего аудита. Контролировать и измерять процессы системы менеджмента качества для демонстрации способности процесса достигнуть запланированных результатов. Описательная статистика; планирование экспериментов; проверка гипотез; анализ измерений; анализ возможностей процесса; выборочный контроль; карты статистического управления процессом; анализ временных рядов. Контроль и измерение характеристик продукции на соответствующих стадиях производства для проверки выполнения установленных требований. Описательная статистика; планирование экспериментов; проверка гипотез; анализ измерений; анализ возможностей процесса; регрессионный анализ; анализ надежности; выборочный контроль; карты статистического управления процессом; анализ временных рядов. Определить степень несоответствия поставленной продукции. Перепроверить исправленную продукцию, чтобы гарантировать ее соответствие требованиям. Получить и анализировать данные, чтобы оценить эффективность системы менеджмента качества управления и возможности для усовершенствования в отношении:. Улучшить систему менеджмента качества на основе использования количественных данных в следующих областях:. Анализировать данные, имеющие отношение к несоответствиям, чтобы понять их причину ы. Описательная статистика; дизайн; планирование экспериментов; проверка гипотез; анализ возможностей процесса; регрессионный анализ; выборочный контроль; карты статистического управления процессом; анализ временных рядов. Анализировать данные, имеющие отношение к несоблюдениям и потенциальным несоответствиям, чтобы понять их причину ы. Следует иметь в виду, что для многих методов описательнаястатистика в т. Выбор метода и способ его применения зависят от конкретныхобстоятельств и поставленной цели. Краткое описание каждого метода или семейства методов,перечисленных выше, дано в 4. Описания предназначены для оценки применимости и преимуществ использованияметодов при выполнении требований системы менеджмента качества. Однакопрактическое применение указанных методов потребует более детального описания,которое в настоящем стандарте не приводится. Имеется большое количество общедоступной информации постатистическим методам, а именно: Типичные исследуемые характеристики данных - эторасположение центра данных наиболее часто описываемое средним значением ирассеивание данных или разброс обычно измеряемые интервалом или стандартнымотклонением. Другой характеристикой является распределение данных, длякоторого имеются количественные меры, описывающие форму распределения например, степень асимметрии. Информация, представляемая описательной статистикой, частоможет просто и эффективно передаваться с помощью различных графических методов,которые включают в себя:. Имеется большое количество графических методов, которыемогут быть полезны для анализа и представления данных. Диапазон таких методов простирается от простых методовпостроения гистограмм, круговых диаграмм до представлений более сложногохарактера, использующих многомерную графику с несколькими переменными испециальные шкалы, такие как вероятностные графики. Использование графических методов полезно для выявлениянеобычного поведения данных, которое непросто обнаружить при количественноманализе. Эти методы широко используют при проверке соотношений междупеременными и при оценке параметров, которые описывают такие соотношения. Графические методы эффективно используют для комплексного рассмотрения ипредставления сложных данных. Описательную статистику в т. Их следует рассматривать как необходимый компонент статистического анализа. Метод используют для общего рассмотрения и описания данных. Он обычно является начальным шагом при анализе количественных данных ииспользовании других статистических процедур. Характеристики выборочных данных могут служить основаниемдля выводов относительно характеристик всей совокупности данных с заданнымиуровнями доверия и ошибки. Метод предлагает эффективный и относительно простой способрассмотрения и описания данных, а также удобный способ представления такойинформации. В частности, графические методы очень удобны для представления ипередачи информации. Описательная статистика применима во всех случаяхиспользования данных и может быть полезна при анализе и принятии решений. Описательная статистика дает возможность определитьколичественные характеристики выборочных данных такие, как среднее значение истандартное отклонение. Однако эти характеристики зависят от ограничений,связанных с размером выборки и используемым методом. Кроме того, они не могутиспользоваться для оценки характеристик генеральной совокупности, из которойбыла взята выборка, если статистические предположения, связанные сосуществлением выборки, не выполнены. Описательная статистика является полезной при использованииколичественных данных. Количественные данные могут представлять собойинформацию об изделии, процессе или одном из аспектов системы менеджментакачества. Некоторые примеры применений описательной статистики:. Планирование экспериментов DOE относится к исследованиям,выполняемым по выбранному плану и основанным на статистической оценкерезультатов для получения решения, соответствующего установленному уровнюдоверия. Типичное DOE включает в себя анализ изменений, влияющих на работуисследуемой системы, и статистическую оценку воздействия таких изменений насистему. Его целью может быть подтверждение значения некоторой характеристикисистемы или исследование влияния одного или большего количества факторов нанекоторые характеристики системы. Имеется несколько методов, используемых для анализа данныхэксперимента. DOE может использоваться для оценки некоторой характеристикипродукции, процесса или системы с целью подтверждения установленных требованийили для сравнительной оценки нескольких систем. DOE особенно полезно для исследования сложных систем, нарезультаты работы которых может влиять большое количество факторов. Цельюэксперимента может быть максимизация или оптимизация исследуемой характеристикиили уменьшение ее изменчивости. DOE может использоваться для идентификациинаиболее влиятельных факторов, степени их влияния и взаимодействия. Результатымогут использоваться при проектировании, разработке и совершенствованиипродукции или процесса, а также системы управления. Информация, получаемая при проведении запланированногоэксперимента, может использоваться для создания математической модели, котораяописывает характеристики системы как функции воздействующих на них факторов. Снекоторыми ограничениями упоминаемыми в 4. При оценке или подтверждении соответствия исследуемойхарактеристики следует убедиться, что полученные результаты не определяютсятолько случайными факторами. Такая необходимость возникает при сравненииоценок, сделанных как по какому-либо стандарту, так и при сравнении двух илиболее систем. DOE позволяет давать такие оценки в соответствии с установленнымуровнем доверия. Главное преимущество DOE - относительная эффективность иэкономичность при исследовании воздействия на процесс многочисленных факторовпо сравнению с исследованием воздействия каждого отдельного фактора. Крометого, способность DOE идентифицировать взаимодействие между отдельнымифакторами способствует более глубокому пониманию процесса. Такие достоинствастановятся особенно явными при работе со сложными процессами, т. Наконец, при исследовании сложной системы имеется рискнеправильного предположения о причинной связи там, где имеется лишь случайнаякорреляция между переменными. Риск такой ошибки может быть уменьшен с помощьюразумных принципов планирования эксперимента. Он может иногданакладываться на результаты исследований и привести к неправильным заключениям. Другими потенциальными источниками ошибки являются воздействия неизвестных илипросто нераспознанных факторов или влияние зависимостей между различными факторамив системе. Риск таких ошибок может быть уменьшен хорошо спланированнымиэкспериментами с помощью, например, объема выборки или других решений припланировании эксперимента, но эти риски никогда не могут быть полностьюисключены, и поэтому о них нужно помнить при составлении заключений. Результаты эксперимента распространяются только на факторы иих диапазоны значений, рассматриваемые в эксперименте. Поэтому нужно соблюдатьосторожность при экстраполяции в области, значительно выходящие за диапазон значений,рассматриваемых в эксперименте. Наконец, теория DOE использует некоторые фундаментальныепредположения, например о существовании канонического соотношения междуматематической моделью и изучаемой физической реальностью, действительность илиадекватность которых является предметом дискуссий. Известно применение DOE при оценке продукции или процессов,например при подтверждении эффективности медицинского лечения или при оценке относительнойэффективности нескольких типов лечения. Примеры такого применения впромышленности включают в себя проверку соответствия продукции требованиямстандартов. DOE широко используют, чтобы выявлять факторы воздействия всложных процессах и, таким образом, управлять средними значениями или улучшатьих, или уменьшать изменчивость таких характеристик, как выходное значениепроцесса, прочность и долговечность изделия, уровень шума и т. С такимиэкспериментами часто сталкиваются в производстве, например, электронныхкомпонентов, автомобилей и химических веществ. DOE широко используют в сельскомхозяйстве и медицине. Область применения DOE является достаточно обширной. Проверка гипотез представляет собой статистическую процедуруоценки соответствия совокупности данных обычно из выборки конкретной гипотезес заданным уровнем риска. Гипотеза может относиться к предположению оспецифическом статистическом распределении, модели или к значению некоторогопараметра распределения такого, как среднее значение. Процедура проверки гипотез включает в себя оценку фактов вформе данных для принятия решения о справедливости конкретной гипотезыотносительно статистической модели или параметра. Проверку гипотез явно или неявно используют во многихстатистических методах, упоминаемых в настоящем стандарте, таких как выборочныйконтроль, карты статистического управления процессом СКП , планированиеэксперимента, регрессионный анализ, измерительный анализ и т. Проверку гипотез широко используют для принятия решений сзаданным уровнем доверия о справедливости гипотезы относительно параметрасовокупности оцененного по выборке. Таким образом, процедура можетприменяться, чтобы проверить, удовлетворяет ли параметр совокупностиустановленным требованиям. Проверка гипотез может использоваться для выявленияразличий в двух или более совокупностях. Проверку гипотез используют для проверки справедливостипредположений, заложенных в модели, например является ли распределениесовокупности нормальным, являются ли данные по выборке случайными и т. Проверка гипотез позволяет сделать утверждение относительнопараметра совокупности с заданным уровнем доверия. Этот подход используют припринятии решений, зависящих от параметра. Проверка гипотез позволяет делать утверждения относительнохарактеристик как распределения всей совокупности, так и выборочных данных. Чтобы гарантировать справедливость решений, полученных припроверке гипотез, очень важно, чтобы выполнялись лежащие в их основестатистические предположения, особенно касающиеся независимого и случайногоформирования выборки. Кроме того, уровень доверия принимаемого решения зависитот объема выборки. На теоретическом уровне ведется определенная дискуссияотносительного того, как должна использоваться проверка гипотез для принятияправильных решений. Проверку гипотез в общем случае применяют при необходимостисделать утверждение относительно параметра или распределения одной или большегоколичества совокупностей по выборочным оценкам или непосредственно повыборочным данным. Например, проверка гипотез может использоваться для того,чтобы определить:. Погрешности измерений могут бытьпроанализированы с применением тех же методов, которые используют при анализехарактеристик продукции. Неопределенность измерений всегда должна приниматься вовнимание. Измерительный анализ используют, чтобы оценить, с заданным уровнемдоверия, пригодна ли система измерения для предназначенной цели. Измерительныйанализ используют для определения величины вариаций различного происхождения,таких как вариации, вносимые проводящим измерения персоналом, или вариации,присущие самому инструменту измерения. Его используют также для описаниявариаций, вносимых системой измерения, как части общей вариации процесса илиобщей допустимой вариации. Измерительный анализ обеспечивает простой количественныйспособ выбора измерительных инструментов или решения вопроса о пригодностиизмерительных инструментов для оценки исследуемых параметров продукции илипроцесса. Измерительный анализ обеспечивает основу для сравнения исогласования различий в измерениях, определяя величину вариаций различногопроисхождения непосредственно в системах измерения. Во всех случаях, кроме самых простых, измерительный анализдолжен проводиться обученными специалистами. Если при его примененииотсутствуют аккуратность и компетентность, результаты измерительного анализамогут привести к ложному и потенциально опасному оптимизму в отношении какрезультатов измерений, так и качества продукции. Наоборот, ложный пессимизмможет привести к замене пригодной системы измерения и ненужным затратам. Оценка неопределенности измерений помогает поддерживатьдоверие клиентов организаций внутренних и внешних в том, то процессыизмерения в организациях способны адекватно определять уровень качества. Анализнеопределенности измерений помогает выявить изменчивость в областяхпроизводства, критических для качества продукции, и, направив ресурсы в такиеобласти, улучшить или сохранить качество. Измерительный анализ может помочь в выборе новыхизмерительных инструментов с помощью оценки составляющей вариации, котораясвязана с инструментом. Определение характеристикконкретного метода правильность, точность, повторяемость, воспроизводимость ит. Анализ измерений позволяет выбрать наиболее подходящиеметоды измерения для подтверждения качества продукции. Измерительный анализпозволяет организациям поддерживать баланс между стоимостью и эффективностьюразличных методов измерения, влияющих на качество продукции. Система измерений в организациях может быть оценена иохарактеризована количественно путем сравнения ее результатов измерений саналогичными результатами, полученными другими системами измерения. Это можетпомочь организациям в улучшении применяемых методов или в обучении сотрудниковизмерительному анализу. Анализ возможностей процесса представляет собой изучениеприсущей процессу изменчивости и распределения характеристик процесса дляоценки его способности производить продукцию, соответствующую установленнымтребованиям. Возможность процесса обычно выражается в виде показателя,который связывает фактическую изменчивость процесса с допуском, установленным вспецификациях. Другой широкоиспользуемый показатель С рк , описывающий фактическуювозможность процесса, может быть как центрированным, так и нецентрированным. Показатель С рк особенно удобен в случаях одностороннихдопусков. Другие показатели разработаны для учета медленных и быстрыхсоставляющих изменчивости процесса. При анализе таких характеристик процесса, как процентнесоответствий или количество несоответствий, устанавливают такие показателивозможностей процесса, как средняя доля несоответствующих единиц или среднийуровень несоответствий. Анализ возможностей процесса используют для оценки способностипроцесса производить продукцию, которая стабильно соответствует требованиямспецификаций, а также для оценки ожидаемого количества несоответствующейпродукции. Такой анализ может применяться для оценки возможностей любойсоставляющей процесса, такой как отдельная машина. Анализ возможностей процесса обеспечивает опенку присущейпроцессу изменчивости и оценку ожидаемого процента несоответствующей продукции. Это позволяет организациям оценить стоимость несоответствия и может помочь припринятии решений относительно усовершенствования процесса. Назначение минимальных требований для возможностей процессаможет помочь выбору процессов и оборудования, которые обеспечат производствоприемлемой продукции. Концепция анализа возможностей процесса полностью применимак статистически управляемому процессу. Поэтому анализ возможностей процессаследует выполнять в сочетании с методами управления. Оценки процента несоответствующей продукции делаются впредположении о нормальности распределения. Когда требования нормальностираспределения не выполняются, с оценками следует обращаться осторожно, особеннов случае процессов с высокими показателями изменчивости. Показатели возможностей могут вводить в заблуждение, когдараспределение процесса является существенно ненормальным. В этих случаях оценки процента несоответствующих изделий следуетосновывать на методах анализа, разработанных для таких распределений. Аналогично в случае процессов, которые находятся под воздействиемсистематических неслучайных причин вариации, таких как износ инструмента, длявычисления и исследования возможностей должны использоваться специальныеметоды. Анализ возможностей процесса используют для назначениярациональных технических требований в спецификациях на продукцию,гарантирующих, что составляющие вариаций согласуются с увеличениями допуска длясобранной продукции. Наоборот, когда необходимы жесткие допуски, отизготовителей комплектующих требуется, чтобы был достигнут заданный уровеньвозможностей процесса для обеспечения высокого объема производства продукциипри минимальных потерях. Анализ возможностей машины используют для оценки ееспособности выполнять работу в соответствии с заданными требованиями, а такжедля принятия решений о закупке или ремонте оборудования. Производители приборов в автомобильной, космической,электронной, продовольственной, фармацевтической и медицинской отраслях обычноиспользуют анализ возможностей процесса как главный критерий оценки поставщикови продукции. Это позволяет производителю минимизировать прямой контрользакупленных изделий и материалов. Некоторые компании, занимающиеся производством или оказаниемуслуг, отслеживают показатели возможностей процессов, чтобы выявлятьпотребности в усовершенствовании процессов и проверять эффективность такихусовершенствований. Такиесоотношения определяются моделью, которую разрабатывают на основе научных,экономических, инженерных или других исследований. Цель регрессионного анализасостоит в том, чтобы помочь понять потенциальную причину вариаций в отклике иобъяснить, насколько влияет на эту вариацию каждый фактор. Это достигаетсяустановлением статистических связей вариации переменной отклика с вариацияминезависимых переменных и получением лучшей согласованности путем минимизацииотклонений между предсказанным и фактическим откликом. Такая информация может использоваться для определения влияния изменения одногофактора например, температуры на выходные характеристики процесса, в то времякак другие факторы остаются постоянными. Регрессионный анализ может обеспечить понимание соотношениймежду различными факторами и наблюдаемым откликом. Такое понимание может помочьв принятии решений, связанных с изучаемым процессом, и будет способствоватьулучшению процесса. Регрессионныйанализ позволяет оценить относительные величины влияния независимых переменных,а также относительный вклад этих переменных. Эта информация очень важна приуправлении или улучшении выходных характеристик процесса. Регрессионный анализ обеспечивает определение оценкивеличины и источника влияний на отклик, вызванных факторами, которые или не измерены,или не исследовались при анализе. Эта информация может использоваться длясовершенствования системы измерения или управления процессом. Регрессионный анализ может использоваться дляпрогнозирования значений переменной отклика при заданных значениях одной илиболее независимых переменных, а также для прогнозирования влияния измененийнезависимых переменных на полученный или предсказанный отклик. При решении рядазадач проведение таких исследований может быть полезно для оценки эффективностипредполагаемых действий. При моделировании процесса требуется навык в построениимодели регрессии линейной, показательной, многомерной и использованиидиагностики для улучшения модели. Наличие неучтенных переменных, погрешностейизмерений и других источников необъясненных вариаций отклика может усложнитьмоделирование. Какой метод оценки является подходящим для регрессионногоанализа, определяется предположениями, лежащими в основе рассматриваемойрегрессионной модели, и характеристиками имеющихся данных. Включение или невключение в анализ единичного наблюдения илиих небольшой группы может оказать влияние на оценку отклика. Поэтомунаблюдения, влияющие на результаты, должны быть освобождены от случайныхвыбросов, то есть от экстремальных значений, пригодность которых для анализадолжна быть исследована. При моделировании является важным упрощение модели с помощьюминимизации количества независимых переменных. Включение ненужных переменныхможет скрыть влияние независимых переменных и уменьшить точность прогнозов,сделанных с помощью модели. Однако, опустив существенную независимуюпеременную, можно серьезно ограничить модель и снизить достоверностьрезультатов. Регрессионный анализ используют для моделирования такиххарактеристик производства, как объем производимой продукции,производительность, качество исполнения, временной цикл, вероятность отказовпри испытании или контроле, а также различных видов несоответствий в процессах. Регрессионный анализ используют, чтобы выявить наиболее важные факторы в такихпроцессах, а также величину и характер их вклада в исследуемые характеристики. Регрессионный анализ используют для прогнозированиярезультатов эксперимента или управляемого или ретроспективного изученияизменений в материалах или условиях производства. Регрессионный анализ также используют для проверки заменыодного метода измерений другим, например разрушающий или отнимающий многовремени метод заменяют неразрушающим или экономящим время методом. Примеры применений нелинейной регрессии включают в себямоделирование концентрации препарата как функции времени и массы компонентов,моделирование химических реакций как функции времени, температуры и давления ит. Методы, применяемые для анализа надежности, часто требуютиспользования статистических методов, оперирующих с неопределенностью,случайными характеристиками или вероятностями возникновения отказов и т. Параметры этих статистических моделей оценивают с помощью эмпирическихданных, получаемых при лабораторных или заводских испытаниях или в процессеэксплуатации. Анализ надежности охватывает и другие методы такие как анализвидов и последствий отказов , в которых основное внимание сосредоточивается нафизической природе и причинах отказа и предотвращении или сокращении отказов. Эти и связанные с ними другие методы и подходыопределяются и рассматриваются в публикациях МЭК. Статистические методы, используемые при анализе надежности,позволяют определять уровни, соответствующие оценкам параметров разработанныхмоделей надежности и прогнозам, основанным на использовании таких моделей. Анализ надежности позволяет определить количественныепоказатели функционирования изделия и выполнения услуг на основе данных оботказах или прерывании услуг. Действия по повышению надежности тесно связаны сдеятельностью по ограничению риска при функционировании системы. Надежностьчасто является существенным фактором при оценке качества изделия или услуги, атакже удовлетворенности потребителя. Основным предположением при анализе надежности является то,что функционирование системы можно охарактеризовать соответствующимстатистическим распределением. Поэтому точность оценок показателей надежности будетзависеть от справедливости этого предположения. Анализ надежности усложняется, когда имеются отказы, которыемогут принадлежать одному или разным статистическим распределениям. Также,когда количество отказов, наблюдаемых при испытаниях на надежность, мало, этоможет сильно влиять на достоверность и сходимость оценок показателей надежности. Еще одна трудность связана с условиями, при которых проводятиспытания на надежность. Могут возникнутьтрудности при определении соотношения между отказами, наблюденными прииспытаниях, и функционированием изделия в нормальных условиях эксплуатации. Этоувеличивает неопределенность в прогнозах показателей надежности. Выборочный контроль представляет собой статистический методполучения информации относительно некоторой характеристики совокупности спомощью изучения представительной части выборки из этой совокупности. Имеютсяразличные методы выборочного контроля, такие как контроль по простой случайнойвыборке, по расслоенной выборке, систематический, последовательный, а такжеконтроль с пропуском партий. Выбор метода определяется целью контроля иусловиями, при которых он должен проводиться. Выборочный контроль может быть условно разделен на приемочныйконтроль и выборочное обследование. Имеется широкий диапазон планов приемочного контроля, способныйудовлетворить заданные требования и обеспечить необходимое применение. Выборочное обследование используют при сборе сведений илипроведении аналитических исследований для оценки значений одной или несколькиххарактеристик совокупности или для определения, как эти характеристикираспределены в совокупности. Выборочное обследование часто применяют к даннымопроса потребителей. Вместе с тем оно может применяться к данным, собираемымдля других целей, таких как аудит. Специализированной формой выборочного обследования являютсяисследования, используемые для получения информации о характеристикахсовокупности или ее части. Такой формой является выборочный контроль продукции,который может проводиться, например, для проведения анализа возможностей процесса. В случаях, когда дляконтроля продукции используют разрушающий контроль, выборочный контрольявляется единственным практическим способом получения необходимой информации. Выборочный контроль предлагает рентабельный и экономный повремени способ получения информации относительно значений или распределения исследуемыххарактеристик совокупности. При формировании плана выборочного контроля особое вниманиеследует уделять решениям, касающимся объема выборки, периодичности выборочногоконтроля, отбору образцов, основаниям для формирования подгрупп и различнымдругим аспектам методологии выборочного контроля. Выборочный контроль требует, чтобы образец выбиралсянезависимым способом, т. Если это требование не выполнено, то оценки характеристиксовокупности будут недостоверными. В случае приемочного контролянепредставительная выборка может привести или к неоправданной отбраковке партийс приемлемым качеством, или нежелательной приемке партий с неприемлемым качеством. Даже при правильно отобранных образцах информация,полученная на основе выборок, подвержена, в некоторой степени, ошибкам. Значение этих ошибок может быть уменьшено при увеличении объема выборки, носами ошибки не могут быть устранены. В зависимости от специфики и ситуации, вкоторой осуществляют выборочный контроль, объем выборки, требуемый длядостижения необходимого уровня доверия и точности оценок, может быть слишкомбольшим, чтобы иметь практическое значение. Выборочные обследования находят частое применение приисследовании рынка, например чтобы оценить, какая часть населения сможет купитьопределенную продукцию. Другим примером применения являются ревизии запасов,чтобы оценить процент изделий, которые удовлетворяют заданным критериям. Выборочный контроль используют для проведения проверокоператоров, машин или изделий в процессе работы, для контроля изменений ивыбора корректирующих и предупреждающих действий. Приемочный выборочный контроль широко используют в промышленностидля обеспечения гарантии того, что поступающие материалы удовлетворяют заданнымтребованиям. На основе отбора методов выборочного контроля исследуютсостав полезных ископаемых. Моделирование - собирательный термин для процедур, всоответствии с которыми для решения какой-либо проблемы теоретической илиэмпирической система представляется математически с помощью компьютернойпрограммы. В теоретической области моделирование используют в техслучаях, когда не существует исчерпывающей теории для решения задачи или еслитакая теория существует, но решение получить трудно или невозможно , а также вслучаях, когда решение может быть получено с применением компьютерныхтехнологий. В экспериментальной области моделирование используют, еслиисследуемая система может быть адекватно описана с помощью компьютернойпрограммы. Моделирование является также полезным инструментом в обучении работесо статистическими данными. Эволюция относительно недорогих возможностей компьютераприводит к увеличению применения моделирования для решения задач, к которым донастоящего времени не обращались. В теоретической области моделирование в особенности методМонте-Карло используют, если прямые вычисления при решении задач невозможныили трудоемки. Точно так же в экспериментальной области моделированиеиспользуют, когда экспериментальные исследования невозможны или дорогостоящи. Преимущество моделирования состоит в том, что оно позволяет получатьэкономичные по времени и средствам решения, а также в том, что во многихслучаях оно вообще позволяет получать решения. Выгода использования моделирования в обучении работе состатистическими данными очевидна, так как моделирование может эффективноиллюстрировать случайные изменения. В области теории аналитические доказательства следуетпредпочесть моделированию, так как оно часто не дает возможности провестианализ получаемых результатов. Компьютерное моделирование эмпирических моделей ограниченотем, что модель может не быть адекватной, т. Поэтому такое моделирование не может применятьсявместо реальных эмпирических исследований и экспериментов. Крупномасштабные проекты такие как космические программы обычно используют метод Монте-Карло. Применения методов моделирования неограничены какой-либо отраслью промышленности. Типичные области применения этихметодов включают в себя назначение допуска, моделирование процессов, системнуюоптимизацию, теорию надежности и прогнозирование. Функция контрольнойкарты состоит в том, чтобы помогать оценивать стабильность процесса. Этоосуществляется при изучении положения наносимых на карту данных относительнограниц регулирования. На график может наноситься любая переменная данныеизмерений или атрибут вычисляемые данные исследуемой характеристики изделияили процесса. В случае переменных данных контрольную карту обычно используютдля контроля изменений некоторого центра процесса, а специальную контрольнуюкарту - для проверки изменений изменчивости процесса. Для данных атрибутов в контрольных картах обычно используютколичество или долю пропорцию несоответствующих единиц или количествонесоответствий, обнаруженных в выборке, взятой из процесса. Имеются и другие формы контрольныхкарт, каждая из которых обладает свойствами, удобными для применения вспециальных обстоятельствах. Примерами таких контрольных карт являются картыкумулятивных сумм, которые обладают повышенной чувствительностью к небольшимизменениям в процессе, и карты скользящего среднего значения постоянных иливзвешенных , которые путем сглаживания краткосрочных изменений позволяютвыявить устойчивые тенденции тренды. Карты СКП используют для обнаружения изменений в процессе. Нанесенные данные, которые могут быть отдельными результатами измерений илинекоторой статистикой, например выборочным средним, сравнивают с границамирегулирования. Нанесенная точка, которая выходит за границы регулирования,сигнализирует о возможном изменении в процессе из-за некоторой неслучайнойпричины. Таким образом выявляется необходимость исследовать причину выхода заустановленные границы и отрегулировать процесс, если это необходимо. ПрименениеСКП помогает поддерживать стабильность процессов и, в конечном счете, ихулучшать. Использование контрольных карт может быть усовершенствованодля более раннего выявления изменений процесса или повышения чувствительности кмалым изменениям. Этого можно добиться с помощью дополнительных критериев приинтерпретации трендов и типичных фрагментов в нанесенных на карту данных. В дополнение к тому, что контрольные карты обеспечиваютпользователю наглядное представление данных, они позволяют отличить случайныеизменения, присущие устойчивому процессу, от изменений, вызванных неслучайнойпричиной. Роль и значение контрольных карт в некоторых связанных с процессомвидах деятельности отмечены ниже. В управлении процессом используют различные контрольныекарты для обнаружения изменений в центре процесса или в его изменчивости ипроведение корректирующих действий, поддерживающих или восстанавливающихстабильность процесса. При анализе возможностей процесса если процесс находится вустойчивом состоянии данные контрольных карт могут использоваться дляпоследующей оценки возможностей процесса. При анализе системы измерений при введении границрегулирования, которые отражают присущую системе измерений изменчивость контрольные карты могут показать, способна ли система измерений обнаруживатьпредставляющую интерес изменчивость процесса или изделия. Контрольные картымогут также использоваться для наблюдения непосредственно за процессом измерений. Анализ причин и последствий исследование корреляции междусобытиями процесса и данными контрольной карты может помочь делать выводы олежащей в основе неслучайной причине и планировать необходимые эффективныедействия. При постоянном совершенствовании процесса карты используют дляконтроля изменений процесса и помощи в идентификации причин изменений процесса. Эффективность использования СПК особенно высока, если их используют как частьпрограммы непрерывного совершенствования предприятия. Важно отбирать выборки из процесса таким способом, которыйлучше всего отражает исследуемые изменения процесса. Это является самым важным для эффективногоиспользования и интерпретации карт СКП и для понимания причин измененияпроцесса. При работе с кратковременными процессами возникают особыетрудности, так как случаи, когда имеются достаточные данные для установленияграниц регулирования, являются очень редкими. Существует также риск не обнаружить изменение, которое насамом деле произошло. Эти риски могут быть уменьшены, но полностью их устранитьнельзя. Компании, занимающиеся автомобилестроением, электроникой,производством оборонной техники и т. Если полученынесоответствующие изделия, контрольные карты используют для определения риска иобласти применения корректирующего действия. Контрольные карты используют в решении проблемы рабочихмест. Их применяют на всех уровнях организаций при выявлении проблем и анализеих основных причин. Контрольные карты используют в машиностроительных отрасляхдля уменьшения ненужного вмешательства в процесс чрезмерное регулирование ,выявляя различия между изменениями, присущими процессу, и изменениями, которыемогут быть приписаны неслучайной причине. Контрольные карты таких характеристик выборки, как среднеевремя отклика, частота появления ошибки и частота жалоб, используют длядиагностики, измерений и улучшения выполнения работ в сфере услуг. Статистическое назначение допусков - это процедура,основанная на статистических принципах и используемая для установлениядопусков. Она применяет статистические распределения для соответствующихразмеров составных частей компонентов при определении общего допуска дляизделия в сборе. При сборке большого количества компонентов в один модуль частокритическим фактором или требованием с точки зрения сборки и взаимозаменяемоститаких модулей являются не размеры отдельного компонента, а общий размер,полученный в результате сборки. Экстремальные значения общего размера, т. В рамках структуры цепочки допусков, еслииндивидуальные допуски прибавлять к допуску на общий размер, этот допускпредставляет собой полный арифметический допуск. При статистическом определении общих допусковпредполагается, что в сборке большого количества отдельных компонентов размеры,лежащие вблизи одной границы диапазона индивидуальных допусков, будутсбалансированы размерами, лежащими вблизи другой границы диапазона допусков. Например, индивидуальный размер, лежащий у нижней границы диапазона допусков,может быть компенсирован другим размером или комбинацией размеров , лежащих уверхней границы диапазона допусков. На основании статистических законов, приизвестных условиях, общий размер будет иметь приближенно нормальноераспределение. Этот факт почти не зависит от распределения индивидуальныхразмеров и может поэтому использоваться для оценки диапазона допусков на общийразмер собранного модуля. С другой стороны, если задан диапазон допусков наобщий размер, то он может быть использован для определения диапазона допусковна индивидуальные размеры компонентов. Если задан набор индивидуальных допусков которые необязательно совпадают , вычисление общего статистического допуска даст значениедопуска на общий размер, которое будет обычно значительно меньше, чем допуск наобщий размер, рассчитанный арифметически. Это означает, что при заданном допуске на общий размерстатистическое назначение допуска позволяет использовать более широкие допускина индивидуальные размеры, чем допуски, определяемые путем арифметическихрасчетов. На практике это может дать существенные выгоды, так как более широкиедопуски связаны с более простыми и более рентабельными методами производства. Статистическое назначение допуска требует прежде всегоопределить, какая доля собранных модулей может выходить за диапазон допусков наобщий размер. Для практической реализации без необходимости использованияпередовых методов должны быть выполнены следующие требования:. Очевидно, что некоторые из этих требований могут бытьвыполнены только тогда, когда изготовление рассматриваемых компонентов можетконтролироваться и постоянно отслеживаться. В случае изделий, находящихся встадии разработки, при применении статистического установления допуска следуетруководствоваться опытом и инженерными знаниями. Теорию статистического назначения допусков обычно применяютпри сборке частей, для которых допуски суммируются, или в случаях с простымвычитанием допусков например, вал и отверстие. Отрасли промышленности, которыеиспользуют статистическое назначение допусков: Теорию также применяют в компьютерном моделированиидля определения оптимальных допусков. Анализ временных рядов - это семейство методов для изучениясовокупности наблюдений, сделанных последовательно во времени. Методы анализавременных рядов используют в следующих прикладных задачах:. Анализ временных рядов используют для описания фрагментовданных временного ряда, для выявления выбросов т. Другое использованиезаключается в совместном анализе фрагментов одного временного ряда сфрагментами других временных рядов и решении задач регрессионного анализа. Этот интервал широко используют взадачах управления и часто применяют в автоматизированных процессах. В этомслучае вероятностную модель привязывают к предшествующим временным рядам,прогнозируют будущие значения и затем определенные параметры процессакорректируют таким образом, чтобы поддерживать процесс в заданных границах сминимально возможными вариациями. Методы анализа временных рядов могут быть полезны впланировании, в разработке систем управления, в обнаружении изменений впроцессе, в прогнозировании и измерении результатов внешнего воздействия. Анализ временных рядов также полезен для сравнения проектируемоговыполнения процесса с предсказанными значениями во временном ряду, еслинеобходимо ввести изменения. Существуют методы для отделения систематических или неслучайных причин и для разбиения диаграмм временного ряда нациклические, сезонные и тренд-компоненты. Анализ временных рядов часто полезен для понимания того, какпроцесс будет вести себя в указанных условиях и какое регулирование если оновозможно может направить процесс на достижение цели или какое регулированиеможет уменьшить изменчивость процесса. Ограничения и предостережения, описанные для регрессионногоанализа, в той же мере относятся к анализу временных рядов. При моделированиипроцесса для понимания причин и следствий, выбора наиболее адекватной модели ииспользования средств диагностики для улучшения модели требуется существенныйуровень квалификации. Включение или невключение в анализ отдельных наблюдений илиих небольшой совокупности может оказать значительное влияние на модель. Поэтомузначимые наблюдения должны быть выделены и освобождены от выбросов висследуемой группе данных. В зависимости от диаграмм временных рядов и количествавременных периодов, для которых делается прогноз, могут применяться различныеметоды оценки. При выборе модели следует рассматривать цель анализа,особенности данных, относительные затраты, аналитические характеристики ихарактеристики прогноза различных моделей. Анализ временных рядов применяют для изучения диаграммвыполнения работы за какое-то время, например измерений процесса,несоответствий, производительности, результатов испытаний и данных рекламаций. Применение анализа временных рядов при прогнозе включает всебя прогноз необходимости запасных частей, заказов потребителей, потребностейв материалах, потребления электроэнергии и т. Причинный анализ временных рядов используют, чтобы развиватьмодели прогноза потребностей. Например, применительно к надежности егоиспользуют для прогнозирования количества событий в заданном периоде времени ираспределения интервалов времени между событиями, таких как остановка в работеоборудования. Обозначение и наименование соответствующего национального стандарта Российской Федерации. ГОСТ Р ИСО Системы менеджмента качества. Основные положения и словарь. Любое использование материалов сайта возможно только в строгом соответствии с установленными Правилами. Любое коммерческое использование материалов сайта и их публикация в печатных изданиях допускается только на основании договоров, заключенных в письменной форме. Использование Пользователем сервисов сайта возможно только на условиях, предусмотренных Пользовательским Соглашением. Статистика ОТ FAQ Обратная связь Реклама на сайте. Новости Все новости Все новости Законотворчество Государственный надзор и контроль Управление ОТ на региональном и местном уровне События, интервью, факты Передовой опыт Происшествия, аварии, пожары, несчастные случаи Консультации и разъяснения Вопрос-ответ Законотворчество Государственный надзор и контроль Управление ОТ на региональном и местном уровне События, интервью, факты Передовой опыт Происшествия, аварии, пожары, несчастные случаи Консультации и разъяснения Вопрос-ответ Задать вопрос консультанту Все консультации Консультации органов исполнительной власти Организация ОТ на предприятии, СУОТ, трудовые споры Требования безопасности к производственным процессам Несчастные случаи на производстве Обучение по ОТ и ПБ Медосмотры, профзаболевания, МСЭ. СОУТ, экспертиза УТ, производственный контроль, льготы и компенсации СИЗ и СКЗ Промышленная безопасность Пожарная безопасность ГО и ЧС Экология Библиотека Законодательство по охране труда, пожарной и промышленной безопасности Инструкции по ОТ Что такое инструкция по ОТ? Все инструкции Типовые инструкции по охране труда для работников по должностям, отдельным профессиям. Типовые инструкции по охране труда для работников организации на отдельные виды работ. Инструкции по охране труда для работников организации по должностям, отдельным профессиям. Инструкции по охране труда для работников организации на отдельные виды работ. Бланки и формы журналов по ОТ Все действующие ГОСТы Технические нормативы Soft по ОТ и ПБ myObject — Информационная система для специалистов промышленной безопасности Чем вам поможет myObject? Предприятия 8 О программе Скачать программу Купить программу АРМ ОТ О программе Download Экзаменационные вопросы Бесплатная регистрация Наглядная безопасность и охрана труда О программах Перечень всех программ и их содержание Стоимость программ Купить программы оформление заявки Консультации по ОТ Задать вопрос консультанту Все консультации Консультации органов исполнительной власти Организация ОТ на предприятии, СУОТ, трудовые споры Требования безопасности к производственным процессам Несчастные случаи на производстве Обучение по ОТ и ПБ Медосмотры, профзаболевания, МСЭ. Мир, государство, общество, экономика, политика новости Хобби, личное, разное Файлообменник сообщества Все файлы Добавить свой файл Статистика и анализ, отчеты гос. Продукция по охране труда Услуги и продукция в области промышленной безопасности Услуги и продукция в области пожарной безопасности Прочие объявления. Законодательство по охране труда, пожарной и промышленной безопасности Инструкции по ОТ Бланки и формы журналов по ОТ Все действующие ГОСТы Технические нормативы. Определение потенциальных потребностей в статистических методах 4. Описание статистических методов 4. Анализ возможностей процесса 4. Карты статистического управления процессом 4. Анализ временных рядов Приложение А справочное Сведения о соответствии национальных стандартов Российской Федерации ссылочным международным стандартам. Оценить способность поставщиков поставлять продукцию, соответствующую требованиям организации Описательная статистика; планирование экспериментов; проверка гипотез; анализ измерений; анализ возможностей процесса; регрессионный анализ; анализ надежности; выборочный контроль 7. Перепроверить исправленную продукцию, чтобы гарантировать ее соответствие требованиям Описательная статистика; выборочный контроль См. Обозначение ссылочного международного стандарта Обозначение и наименование соответствующего национального стандарта Российской Федерации ИСО Основные положения и словарь ИСО Реклама на сайте Наши баннеры Контактная информация ВНИМАНИЕ! Введите код с картинки: Планирование создания и развития системы менеджмента качества. Ответственность, полномочия и обмен информацией. Входные данные для анализа: Получить и оценить данные обратной связи с потребителем. Оценить результаты выполнения процесса и соответствие продукции. Получить и оценить данные от предупреждающих и корректирующих действий. Компетентность, осведомленность и подготовка: Описательная статистика; карты статистического управления процессом. Процессы жизненного цикла продукции. Планирование процессов жизненного цикла продукции. Определение требований, относящихся к продукции. Анализ требований, относящихся к продукции. Оценить способность организации выполнять установленные требования. Входные данные для проектирования и разработки. Выходные данные для проектирования и разработки. Проверять, что результаты проектирования удовлетворяют входным требованиям. Управление изменениями проекта и разработки. Оценить и подтвердить правильность изменений проекта. Производство и обслуживание Управление производством и обслуживанием. Контролировать и управлять производством и обслуживанием. Валидация процессов производства и обслуживания. Контролировать качество продукции при внутренней обработке, упаковке и хранении. Управление устройствами для мониторинга и измерений. Оценить правильность предыдущих измерений при необходимости. Контроль и анализ информации, имеющие отношение к удовлетворенности потребителя. Описательная статистика; выборочный контроль. Описательная статистика; выборочный контроль См. Получить и анализировать данные, чтобы оценить эффективность системы менеджмента качества управления и возможности для усовершенствования в отношении: Улучшить систему менеджмента качества на основе использования количественных данных в следующих областях: Обозначение ссылочного международного стандарта.
Как пожарить картошку с мясом
Топ 10 сериалов за всю историю
Расписание рейсов цб рф
Печи камины барбекю своими руками
Силы сила тяжести вертикально