Менеджмент

Рефераты

Скачать

 Анализ производственных процессов

Системы контроля качества продукции позволяют исследовать характеристики изделий с помощью так называемых карт контроля качества и анализировать причины появления отклонений от плановых спецификаций. Помимо стандартных процедур построения контрольных карт существует целый ряд статистических методов, которые в настоящее время, благодаря компьютеризации, все активнее внедряются в промышленное производство и позволяют создавать планы выборочного контроля, вычислять пригодность процесса, анализировать повторяемость и воспроизводимость измерений, оценивать надежность и функции риска. Многие процедуры, которые раньше невозможно было реализовать на каждом предприятии, теперь стали легко доступны любому произ- водителю, заинтересованному в оптимизации, отладке и совершенствовании своего производственного процесса.
Система STATISTICA Анализ процессов состоит из следующих модулей:
Составление планов выборочного контроля
Анализ пригодности процесса
Изучение повторяемости и воспроизводимости измерений
Анализ надежности и времен отказов
Компоненты дисперсии для случайных эффектов

Рис.1 Стартовая панель модуля Анализ процессов
Каждая из пяти групп методов содержит исчерпывающий набор процедур для исследования соответствующих параметров. Все получаемые в процессе анализа графики и таблицы результатов можно редактировать, печатать и сохранять, в автоматическом режиме создавать отчет о результатах исследования, а также импортировать и экспортировать данные и проводить графический анализ, как и во всех других модулях системы STATISTICA. Модуль Анализ производственных процессов является дополнительным приложением и может работать с одним из базовых модулей, таких как STATISTICA, Quick STATISTICA или Карты контроля качества.
STATISTICA Анализ процессов совместима с Windows 95, Windows 98, Windows NT, Windows 2000, Windows XP, Windows Me.
Вы можете переписать себе на диск буклеты по методам промышленной статистики.
Карты контроля качества
Одна из основных задач, которую необходимо решать как руководству, так и специалистам любого предприятия, - это контроль за качеством производимой продукции. Для решения этих задач в условиях современного производства инженеры по контролю качества используют стандартные, тщательно разработанные процедуры и программы, основанные на статистическом анализе характеристик изделий.
Блок программ для контроля качества продукции состоит из двух модулей Карты контроля качества и Интерактивные карты контроля качества. Оба модуля содержат полный набор функций, которые можно использовать для решения различных задач анализа данных и организации процедур контроля качества на производстве. Они подходят для автоматизированных систем контроля качества в цехах всех типов и уровней сложности (смотрите также STATISTICA Enterprise-wide System и STATISTICA Enterprise-wide SPC System), для тонких аналитических исследований и для исследований в области повышения качества.
В модуле Карты контроля качества реализован более традиционный подход и предлагается исчерпывающий набор типов и подтипов карт, в том числе редко используемых в обычном контроле качества. Представленные здесь методы предназначены для построения специальных графиков (карт), которые позволяют осуществлять текущий контроль качества продукции. В процессе производства проводятся выборки изделий заданного объема, строятся диаграммы изменчивости выборочных значений и анализируются их отклонения от плановых спецификаций. Если диаграммы обнаруживают наличие тренда выборочных значений или выборочные значения оказываются вне заданных пределов, то считается, что процесс вышел из-под контроля, и предпринимаются необходимые действия для того, чтобы найти причину его разладки. Автоматизированные опции и средства для быстрого вызова упрощают рутинные операции, а практически все многочисленные графические опции могут быть изменены в любое время (сохранены как системные установки по умолчанию или как шаблоны многократного использования). В итоге модуль STATISTICA Карты контроля качества включает в себя мощные и простые в использовании средства для создания совершенно новых аналитических процедур и добавления их в состав приложения, и эти средства особенно полезны при интеграции средств анализа контроля качества с существующими на производстве системами хранения и сбора данных.
Возможности модуля:
стандартные карты
интерактивные настройки, аналитическое закрашивание и метки точек
присвоение причин и действий
система оповещения о тревоге
режим инспектора и оператора; защита паролем
структура данных
краткие карты
случай нескольких процессов (групповые и краткие групповые карты)
параметры карт и статистики
негауссовские контрольные пределы, пригодность процесса и показатели качества
другие графики и таблицы результатов
Стандартные карты
Программа предлагает гибкие реализации карт Парето, X- карт, R карт, S карт, карт S-квадрат (карт дисперсий), C карт, Np карт (биномиальные частот), P карт (биномиальные доли), U карт, CuSum карт (накопленных сумм) с V-масками (которая автоматически передвигается для обнаружения выбросов), карт скользящих размахов, критериев серий (для отдельных наблюдений), регрессионных контрольных карт, многомерных контрольных карт ( T2 карт Хотеллинга), MA карт (скользящего среднего) и EWMA карт (экспоненциально взвешенного скользящего среднего). Подробнее о типах карт
Эти карты могут быть построены для заданных пользователем значений или параметров (например, средних, интервалов, пропорций и т.п.), вычисленных по данным. Большинство контрольных карт для непрерывных переменных могут быть построены по простым наблюдениям (например, карта скользящих размахов) и по многократным (множественным) наблюдениям. Контрольные пределы могут быть заданы как множители сигма (например, 3 * сигма), с помощью нормальных или негауссовских вероятностей (кривых Джонсона) (например, p=.01, .99) или в виде констант. Контрольные карты для неравных объемов выборок могут быть вычислены с переменными контрольными пределами или со стандартизованными значениями. Для большинства типов карт могут быть заданы несколько наборов настроек для одной и той же карты (например, контрольные пределы для всех новых выборок могут быть вычислены по подмножеству предыдущих выборок, и т.п.). Как и все графики STATISTICA, карты контроля качества в модуле Карты контроля качества имеют множество настроек; вы можете добавить заголовок, комментарии, нарисовать линии, пометить области, динамически связанные с заданными значениям на осях, обозначить выборки датами, идентификаторами, и т.п.
Интерактивные настройки, аналитическое закрашивание и метки точек
В модуле доступны общие "интеллектуальные" и всесторонне продвинутые средства для интерактивного удаления или маркировки выбросов ("что-если" - анализ) на отдельных картах или нескольких картах.
Пользователь может выбрать отдельные выборки или группы выборок по заданному критерию карты (контрольным пределам, правилу серий), исключить их из вычислений для карт (но показать их на карте) или исключить их вообще. Один и тот же критерий включения/исключения выборки может быть установлен для нескольких карт; таким же образом могут быть одновременно закрашены несколько карт (например, точки, исключенные из X- и R карт, будут исключены одновременно из всех гистограмм). Пользователь может также запросить график всех отдельных наблюдений для выбранных выборок или для всех выборок.
Присвоение причин и действий
Пользователь может присвоить причины, действия и/или комментарии к выбросам или любым другим точкам на большинстве карт. Метки причин и действий могут быть присвоены с помощью интерактивного закрашивания, либо программа может определить и выделить выборки, выходящие за установленные пределы.
Система оповещения о тревоге
Имеется исчерпывающий набор опций для задания определенного пользователем критерия, который определяет условие разладки или "заслуживающего внимания события" (например, нарушения критерия серий, выход отдельных наблюдений за границы допуска, и т.п.). Система оповещения о тревоге может быть настроена на приведение в действие различных типов "откликов" на определенное событие. Например, вы можете настроить систему для реагирования на выход выборки за установленные пределы. Модуль STATISTICA Карты контроля качества автоматически предложит оператору ввести причину, затем запустит программу на языке STATISTICA BASIC для вычисления различных других статистик или вызовет внешнюю программу, и затем запустит другую внешнюю программу, например, для набора номера пейджера или отправки письма по электронной почте инженерам технического надзора. Настройки сигнала о тревоге могут быть сохранены в файле конфигурации (который может использоваться в будущем) или использоваться в качестве установок по умолчанию для всех будущих карт.
Режим инспектора и оператора; защита паролем
Редактируемые свойства контрольных карт операций в цехе (включая присвоение причин, действий, закрашивание, оповещение о тревоге, и т.п.), настройки карт, так же как и входной файл данных, могут быть защищены паролем для предоставления доступа к картам или данным определенным операторам. Карты могут быть сохранены (например, инженерами технического надзора) и восстановлены затем оператором в режиме ограниченного доступа.
Структура данных
Для большинства типов карт данные могут быть организованы в соответствии с практически любыми форматами, в которых собираются данные для приложений по контролю качества. Выборки могут быть обозначены идентификаторами выборок или кодами, либо вы можете задать фиксированное число измерений на выборку.
Краткие карты
Большинство стандартных контрольных карт непрерывных переменных (X-, R, S, S-квадрат, MA, EWMA) и контрольных карт по альтернативному признаку (C, U, P, Np) могут использоваться для кратких производственных серий (краткие картыдля множества деталей или машин).
Для кратких карт непрерывных переменных вы можете задать только номинальные плановые спецификации (номинальная карта или карта плановых спецификаций) или плановые спецификации и характеристики изменчивости для стандартизованных кратких карт. Доступны опции для сортировки точек выборочных значений в соответствующих картах, для расположения их по номеру выборки, по деталям, или в том порядке, в котором взяты соответствующие выборки. Вычисляются подробные статистики для деталей и выборок. Вы можете задать соответствующие идентификаторы выборок и деталей для каждого измерения в файле данных, и/или вы можете выбрать назначение фиксированного числа последовательных наблюдений последовательным выборкам и/или деталям. Заметим, что все опции карт и статистик (например, пригодность процесса и показатели качества, правила серий, и т.п.), предназначенные для стандартных карт, доступны и для кратких карт.
Случай нескольких процессов (групповые и краткие групповые карты)
Контрольные карты для непрерывных переменных и карты по альтернативному признаку могут быть вычислены для многопоточных процессов (например, операторов, машин, сборочных конвейеров); полученная в результате многопоточная групповая карта суммирует одновременно измерения для всех потоков.
Эти карты могут быть также построены для кратких производственных серий, и измерения суммируются в кратких групповых картах. В дополнение к стандартным параметрам для определения контрольных пределов и других характеристик контрольных карт может быть задано число непоследовательных точек r того же потока процесса (т.е. "серии" длины r) для выделения в карте. Программа также вычислит среднюю длину серии, основываясь на заданном пользователем значении r.
Параметры карт и статистики
В модуле содержится широкий набор дополнительных статистик для контроля качества. Пользователь может вычислить пригодность процесса и показатели качества (например, нормальное распределение Cpk, Ppk, и т.п., ненормальное (негауссовское) Cpk, Ppk, и т.п.), включить гистограммы соответствующих характеристик качества или автоматически применить некоторые или все из семи различных критериев серий (правил серий).
Стандартные карты для непрерывных переменных могут быть представлены в виде составного окна со многими окнами; например, X- и R (или S, или S-квадрат) карта будет отображаться вместе с необязательными сопровождающими гистограммами для средних, размахов, пропорций, и т.п., также показанных на той же самой карте. Выбросы (выходящие за контрольные пределы) или порции данных, выделенных с помощью критериев серий, автоматически подсвечиваются на графиках. Пользователь может также добавить на график предупреждающие линии, линии скользящих средних или экспоненциально взвешенных скользящих средних, а также линии интервала значений настроек.
Негауссовские контрольные пределы, пригодность процесса и показатели качества
Для контрольных карт непрерывных переменных, в дополнение к обычному нормальному распределению, лежащему в основе карт и статистик, программа также вычислит карты для измерений, не являющихся нормально распределенными (например, сильно асимметричных).
Эти опции иногда применяются в ситуациях, когда размер выборки мал и когда, как следствие, отклонения от нормальности могут приводить к сильно завышенным или заниженным частотам появления ошибок, если используется обычное нормальное рапределение основной статистики. Программа вычислит контрольные пределы, основанные на кривых Джонсона для подгонки первых четырех моментов наблюдаемых данных; будут использованы также заданные пользователем значения для моментов. Индексы пригодности процесса могут быть вычислены с помощью подгонки кривых Джонсона или кривых Пирсона. Заметим, что индексы пригодности, основанные на некоторых распределениях, могут быть также вычислены в модуле STATISTICA Анализ процессов (дополнительный продукт, поставляемый StatSoft, Inc.).
Другие графики и таблицы результатов
Для большинства типов карт (в том числе R карт) пользователь может вычислить и отобразить соответствующие кривые операционных характеристик (OХ кривые). В дополнение к карте, соответствующие значения (отображенные на карте) могут быть также просмотрены с помощью таблиц результатов, позволяющих пользователю контролировать точные значения отображаемых линий и точек. Созданные пользователем (незаполненные) карты могут быть распечатаны для дальнейшего "заполнения" их вручную инженером по контролю качества. Заметим, что, как и другие графики в STATISTICA, графики, полученные в модуле Карты контроля качества, могут быть широко изменены и сохранены для дальнейшего анализа и/или настройки.
Модуль Карты контроля качества не является базовым модулем системы STATISTICA. Для его работы необходимо, чтобы на компьютере была установлена система STATISTICA или Quick STATISTICA.
Вы можете переписать себе на диск буклеты по методам промышленной статистики.
Планирование эксперимента
Модуль STATISTICA Планирование эксперимента предлагает исчерпывающий набор процедур для построения и анализа экспериментальных планов, используемых в промышленных исследованиях.
Вниманию пользователя предлагаются 2**(k-p) факторные планы с блоками (для планов, содержащих более 100 факторов, имеются высокоэффективные алгоритмы для нахождения планов с минимальной аберрацией и максимально несмешанных планов, в которых пользователь может задавать эффекты взаимодействия, которые должны быть несмешанными), отсеивающие планы (для более 100 факторов предусмотрены планы Плакетта-Бермана), 3**(k-p) факторные планы с блоками (в том числе планы Бокса-Бенкена), смешанные планы, (малые) центральные композиционные планы (или поверхности отклика), планы на Латинских квадратах, робастные планы Тагучи и ортогональные массивы, планы для смесей и тернарных поверхностей, вершины и центроиды для поверхностей и смесей с ограничениями, D- и A-оптимальные планы для факторных планов, поверхностей и смесей.
Анализ экспериментов: основные моменты
Для анализа всех факторных планов, планов для поверхностей отклика и для смесей имеются сходные опции. Они могут работать с несбалансированными и неполными планами и дают пользователю полный контроль при выборе модели, подгоняемой к данным. Программа вычислит обобщенную обратную матрицу X'X (где X обозначает матрицу плана) для оцениваемых эффектов, а также выявления эффектов, являющихся псевдонимами других эффектов. Затем программа автоматически выведет таблицу псевдонимов и вычислит оценки параметров для всех существенных эффектов. Вы можете также быстро и просто включать в модель или исключать из модели отдельные эффекты. Любой анализ может быть проведен с использованием перекодированных значений факторов или исходных значений факторов. Предусмотрено большое количество опций для просмотра оценок параметров, анализа дисперсионной таблицы и т. д. Доступны также дополнительные опции для исследования предсказанных (подогнанных) средних, поверхностей и т.п.; эти опции описаны ниже при рассмотрении соответствующих планов.
Анализ остатков и преобразования
Для дополнительного анализа остатков данной модели предусмотрено большое количество графиков.
В частности, программа вычислит предсказанные (подогнанные) и остаточные значения и их стандартные ошибки, заданные пользователем прогнозные интервалы и доверительные интервалы для предсказанных (подогнанных) значений, стандартизованные предсказанные и остаточные значения, стьюдентизированные остатки, удаленные остатки, стьюдентизированные удаленные остатки, расстояния Махаланобиса и Кука, значение DFFIT и стандартизованное значение DFFIT. Все эти статистики остатков могут быть сохранены для их дальнейшего анализа в других модулях STATISTICA (например, для анализа сериальных корреляций ошибок в модуле Временные ряды). Эти статистики остатков для каждого наблюдения можно также просмотреть в порядке наблюдений или отcортировать по степени важности, что позволит быстро выделить выбросы. В качестве вспомогательного средства для определения точности подгонки соответствующей модели и для выявления выбросов вы можете просмотреть гистограммы остатков (и удаленных остатков) и предсказанных значений, диаграммы рассеяния (удаленных) остатков по предсказанным значениям или нормальные и полунормальные вероятностные графики (удаленных) остатков. Для проверки сериальной корреляции остатков вы можете также отобразить на графике (удаленные) остатки по номерам наблюдений. На всех графиках, на которых отображаются отдельные наблюдения (например, значения остатков наблюдений), точки обозначаются соответствующими номерами наблюдений или метками, что позволяет легко определить выбросы в наборе данных. Окончательно, могут быть вычислены значения максимального правдоподобия лямбда для преобразования Бокса-Кокса переменных отклика; результатам преобразования Бокса-Кокса сопутствует также график зависимости сумм квадратов остатков от лямбда, вместе с доверительными пределами для лямбда.
Оптимизация одномерных или многомерных переменных отклика: профиль отклика (желательности)
Уникальный набор опций позволяет проводить в модели интерактивную оптимизацию одномерных или многомерных переменных отклика.
Во-первых, для моделей поверхности отклика второго порядка и моделей смешанных поверхностей программа определит установки факторов, соответствующие минимальной, максимальной или седловой точке соответствующей поверхности (т.е. критические значения текущей поверхности, а также соответствующие собственные значения и собственные векторы, для определения кривизны и ориентации в пространстве квадратичной поверхности отклика). Заметим, что в планах для смесей опции профиля желательности не основаны на простой перепараметризации модели смеси в модель неограниченной поверхности (что может привести к ошибочным результатам, например, к недопустимым для данной смеси оптимальным установкам факторов); вместо этого все вычисления должны производиться на основе фактической модели смеси. Таким образом, при поиске оптимальных установок факторов по функции желательности для одной или нескольких переменных отклика гарантируется, что рассматривается только ограниченная область (смесь), и что итоговые установки факторов приводят к допустимой смеси. Во-вторых, предусмотрен исчерпывающий набор графических опций для визуализации предсказанных значений одной или нескольких переменных отклика как функций каждого фактора в анализе при условии, что все другие факторы установлены на некотором частном уровне. Точнее, для многомерных переменных отклика Вы можете задать функцию желательности, которая отражает наиболее желательное значение для каждой переменной отклика, а также оценить степень важности каждой переменной для общей желательности. Затем Вы можете отобразить на графике профили функции желательности (вычисленные по предсказанным значениям каждой переменной отклика) для заданного числа уровней каждого фактора. На этом же графике могут быть показаны профили для каждой отдельной переменной отклика, а также доверительные интервалы.
Более того, функция желательности может быть отображена на трехмерном графике поверхности или на контурном графике (контуры желательности), и пользователь может запросить матрицы таких графиков для всех факторов в анализе. Все установки, такие как сетка факторов или функции желательности, могут быть легко изменены для интерактивного анализа (например, можно быстро исключить отдельные отклики из анализа, и наблюдать эффекты на общей функции желательности). Спецификации для сложных функций желательности для многих переменных отклика могут быть сохранены в файле, а затем быстро восстановлены, если вы захотите анализировать другие эксперименты с использованием тех же переменных отклика. Кроме того, имеются опции для определения оптимального значения функции желательности, как с использованием сеточного поиска по экспериментальной области, так и с использованием эффективного алгоритма оптимизации функции (который обычно применяется для оптимизации функций желательности в экспериментах с большим числом факторов).
Для работы модуля Планирование эксперимента необходимо, чтобы на компьютере была установлена система STATISTICA или Quick STATISTICA.
Вы можете переписать себе на диск буклеты по методам промышленной статистики

Анализ анкет
Этот раздел посвящен анализу анкет: как организовать сбор анкетной информации, как ввести анкеты к компьютерную базу данных и наконец как проанализировать анкеты. Область применения анкетных опросов очень велика. Это и маркетинг, социологические опросы и т.д. Но можно выделить отдельную область применения - анализ анкет в контроле качества, например, панельные исследования, когда Вам необходимо сравнить несколько продуктов между собой (например, покупатель выбирает сорта вин). Анкеты позволяют получить объективную информацию о качестве продукции, поэтому организация анкет и их анализ очень важен. Такие панельные исследования позволяют провести сравнительный контроль качества по нескольким признакам: цвет, запах, вкус, текстура и т.д.
Анкеты
Очень часто перед компаниями встает задача обработки большого объема анкет в кратчайшие сроки. Ручной ввод данных в компьютер малоэффективен, т.к. он занимает много времени, требует привлечения большого количества сотрудников, при этом имеется довольно значимая вероятность ошибиться при вводе данных.
Пример, который мы разберем в этой статье, детально опишет нам процесс обработки анкет, начиная с момента их создания и заканчивая получением конечных результатов. Этот пример не претендует на оригинальность, но в тоже время его отличает простота, надежность, и что самое главное - скорость обработки.
Рассмотрим ситуацию, когда у вас есть готовая форма анкеты, все вопросы для анкеты уже разработаны. Кратко схему всего процесса можно представить в таком виде.

Разберем все шаги по пунктам:
• Разработка анкеты. Как мы уже условились, детали будущей анкеты уже разработаны, т.е. остается скомпоновать все в единое целое.
• Подготовка анкеты. Теперь соберем анкету в единое целое. Для этого воспользуемся продуктом компании Abbyy, а именно Abbyy FormReader. Этот же программный продукт будет использоваться для ввода анкет в компьютер.
• Печать анкет. Просто печать готовых анкет.
• Заполнение анкет. Проведение опроса и т.д.
• Сканирование и распознавание. Здесь нам опять пригодится Abbyy FormReader.
• Экспорт в базу данных. Чтобы получить данные в удобном виде, их нужно экспортировать в формате базы данных, например, Microsoft Access.
• STATISTICA. В этой программе мы будем анализировать результаты опроса. Богатые возможности этого статистического пакета и визуальный мастер создания запросов к базе данных делают его просто незаменимым.
• Результаты. Результаты анализа, сделанные в STATISTICA, можно экспортировать в любые офисные приложения, но также можно создавать отчеты прямо в STATISTICA.
Подготовка анкеты, сканирование и распознавание
Теперь более подробно разберем некоторые шаги из этого списка. Начнем с программы Abbyy FormReader. Какие у нее преимущества?
Это ввод в среднем 1000 страниц с день на одном рабочем месте, параметр значительный, особенно если его сравнить с ручным вводом - порядка 70-90 страниц в день. Далее, вы можете использовать сканер с автоподачей бумаги, например, загрузили его анкетами в начале рабочего дня, а к концу все анкеты будут уже отсканированы. Для работы с Abbyy FormReader вам понадобится оператор, который будет корректировать непонятные для программы записи.
Вернемся к шагу 2 (Подготовка анкеты). Это шаг необходим, чтобы максимально облегчить сканирование и распознавание анкет. Например, при создании анкеты в Abbyy FormReader, указываете назначение полей, какие данные должны быть в каждом поле, даже можно указать конкретный список символов. Отдельно также можно указать поддержку 173 языков (словари), с помощью которых будет улучшено распознавание. Имеется также возможность распознавания рукописного ввода, здесь имеется одно ограничение: символы нужно писать отдельно друг от друга. Объясняется это тем, что при распознавании рукописного текста очень сложно отделить буквы друг от друга.
Результатом работы программы будет база данных, включающая в себя все данные отсканированных анкет, или, например, электронная таблица Excel.
Более подробную информацию о программном продукте Abbyy FormReader вы можете найти на сайте компании.
Обработка анкет в STATISTICA
Этот пакет статистической обработки данных поддерживает различный форматы входных данных. Например, файлы электронных таблиц Excel, текстовые файлы, любые базы данных, который поддерживают SQL. В принципе в программе Abbyy FormReader можно было сохранить результаты распознавания анкет в виде электронной таблицы Excel, но более лучшим и современным решением является сохранение результатов в базу данных.
Для доступа к данным БД (базы данных) вам не нужно знать языка построения запросов SQL, за вас все сделает визуальный мастер построения запросов к базе данных STATISTICA:

Рис.1. Визуальный мастер построения запросов к базе данных STATISTICA
Для построения запроса вам нужно знать только какие данные вам нужны, потом сделать пару щелчков мыши и запрос готов. Более подробную информацию о работе с базами данных вы можете найти здесь: Обработка данных.
Если вы заинтересовались этой статьей, то можете перейти к части 2, в которой будут изложены некоторые методы анализа данных анкет, а также будут примеры.
Часть 2 >>
Часть2: Анализ анкет в STATISTICA
После того, как мы отсканировали анкеты, записали результаты в базу данных и научились извлекать эти данные в STATISTICA, можно перейти к следующему этапу: анализу данных, в чем собственно и заключалась цель анкетирования.
Первоначальный анализ данных анкет можно проводить в модуле Непараметрическая статистика:

Рис.1. Непараметрическая статистика: all.sta
Рассмотрим третий пункт (Корреляции). Это относится к так называевым ранговым корреляциям. Например, в анкете есть вопрос, где просят выставить оценку запаху и цвету какого-либо продукту, это и есть ранги. Далее, чтобы узнать насколько зависят друг от друга эти оценки, необходимо вычислить коэффициент ранговой корреляции Спирмена.
Как трактовать полученный коэффициент корреляции? Во-первых коэффициент корреляций должен быть значим, в этом случае он будет выделен в результирующей таблице красным цветом. Далее мы смотрим на его значение, чем его значение по модулю ближе к единице, тем больше линейная взаимосвязь между ними.
Вновь обратимся к Непараметрической статистике. После корреляций стоит четыре пункта сравнения групп. Например, при проведении внутреннего панельного исследования сравнивались два разных сорта, при этом каждым участником была выставлена общая оценка для каждого сорта. И теперь нам нужно сравнить эти оценки. Можно конечно вычислить средние или медианы для каждого сорта вина и просто сравнить их, но в этом случае мы не учтем разброс (дисперсию) оценок. Проведем этот анализ с помощью Непараметрической статистики. У нас две зависимых переменных (2 сорта вина), поэтому выбираем пункт "Сравнение двух зависимых переменных". Далее нажимаем кнопку "Переменные" и в появившемся диалоге в левом списке выбираем переменную с оценками для 1 сорта вина, в правом для 2го сорта вина, нажимаем ОК. Нажимаем на кнопку "Критерий Вилкоксона". Появляется таблица с результатами:

Рис.2. Таблица с результатами
Во-первых запись в таблице не выделена красным цветом, во-вторых значение p-уровня равно 0.4, что намного больше значения 0.05. Следовательно критерий нам говорит, что группы не различаются, т.е. общие оценки равны. Чтобы разобраться с этой ситуацией построим диаграмму размаха:

Рис.3. Диаграмма размаха*
Маленькие квадраты в центре обозначают средние оценки, большие квадраты - границы верхнего и нижнего процентилей. Как мы видим из графика оценки практически полностью совпали, что согласуется с выводами критерия.
Теперь рассмотрим исследование двух других сортов вина. Результаты:

Рис.4. Таблица с результатами
Строка в таблице выделена красным цветом, значение p-уровня равно 0.0027, что намного меньше значения 0.05. Отсюда можно сделать вывод, что согласно критерию Вилкоксона оценки для этих сортов вин отличаются друг от друга. Обратимся теперь к диаграмме размаха:

Рис.5. Диаграмма размаха
На диаграмме размаха видно, что оценки для второго сорта были более низкие, чем для второго.
Что касается пункта "Сравнение нескольких независимых групп", то его применение аналогично разобранному, только он применяется, когда вы хотите сравнить более двух переменных, например, три сорта вин.
В непараметрической статистике также представляет интерес Q критерий Кохрена. Он позволяет сравнивать более двух групп зависимых выборок, которые могут принимать только два значения (например, "Да" или "Нет"). Например вы проводите анкетирование одной группы людей осенью, зимой и летом, и вам нужно знать, изменились ли результаты опроса с течением времени.
Рассмотрим следующий пример. Положим, вы интересуетесь эффектом, какое влияние оказывает стиль интервьюера на число респондентов, согласившихся дать ответы на деликатные вопросы в очном опросе. Заметим, что всегда трудно получить ответы на такие деликатные вопросы, как, например, финансовое положение или здоровье в таких опросах, и возможно, вы захотите выяснить, повышает или нет, стиль задания вопросов интенсивность ответов (т.е. уменьшается ли количество отказавшихся отвечать). Для этой цели, можно научить интервьюера проводить интервью в одном из следующих стилей (1) восторженно, дружелюбно и заинтересовано (Interview 1), (2) очень сдержанно и формально (Interview 2), (3) беспристрастно и резко (Interview 3). Затем вы могли бы выбрать 18 троек семей, которые были ранее осторожны в своих ответах, и случайным образом приписать три семейства в каждом наборе к одному из трех стилей, в каком с ними будет проводиться интервью. Зависимая переменная определяет удачу (1-Да - 1-Yes) или неудачу интервью (0-Нет - 0-No).
Данные этого примера находятся в файле Interview.sta, входящий в комплект стандартных примеров, который устанавливается вместе со STATISTICA:

Рис.6. Данные: Interview.sta
В стартовой панели выбираем все переменные:

Рис.7. Q критерий Кохрена: Interview.sta
Нажимаем кнопку ОК. Тогда появится таблица результатов:

Рис.8. Данные: Кохрена Q критерий (Interview. sta)
Сразу обращаем внимание на уровень значимости в таблице p=0,00024, это говорит нам о том, что группы отличаются друг от друга. Самая правая колонка показывает процент семей, которые раскрыли свою личную информацию (Процент 1). Интересно отметить, что не обнаружено различия в эффективности между первым стилем: восторженно, дружелюбно и заинтересованно (переменная Intrvw_1) и вторым: (2) очень сдержанно и формально (Intrvw_2), таким образом, выражение интереса интервьюером, кажется, не имеет значения. Однако число отказавшихся отвечать увеличилось, когда использовалось интервью третьего типа: беспристрастно и резко (Intrvw_3). А теперь построим диаграмму размаха для иллюстрации:

Рис.9. Диаграмма размаха (Interview. sta 3v*19c)
Как вы можете заметить, этот график очень хорошо согласуется с аналитическими результатами.
Все изложенные выше методы анализа это всего лишь 1% возможностей STATISTICA в анализе данных. Для более глубокого анкетного анализа в STATISTICA существует большое число методов. Например, в дальнейших анкетных опросах вы хотите добавить новые вопросы и убрать лишние, в этом вам поможет Факторный анализ.
Анализ анкет в контроле качества
Опрос Руководства
Эффективным способом определения стремления руководства высшего и среднего, а на небольшом предприятии и низшего звена к повышению эффективности деятельности предприятия является опрос руководящего состава.
Для опроса можно рекомендовать 10 вопросов о деятельности предприятия, ответ на которые просить дать оценку по десятибальной шкале: а) существующие положения, б) положения, которое должно быть, и в) уровня значимости данного вопроса. Такими вопросами могут быть прежде всего:
1. Насколько хорошо взаимодействуют исполнители?
2. Насколько хорошо взаимодействуют подразделения?
3. Насколько хорошо обслуживание подразделений?
4. Насколько руководство заботится о качестве труда?
5. Насколько работники заботятся о качестве своей работы?
6. Насколько высок моральный дух служащих и рабочих?
7. Насколько высока производительность труда служащих и рабочих?
8. Насколько хорошо организован труд служащих и рабочих?
9. Насколько хорош обмен информацией между исполнителями?
10. Насколько хорош обмен информацией между подразделениями?
Эффективность опроса хависит от откровенности, поэтому он должен быть конфиденциальным. Для обощения и анализа данных может потребоваться сторонняя организация.
При анализе данных опроса следует обращать внимание на два фактора:
• Уровень оценки текущего положения дел, помогающий определить степень необходимости улучшений.
• Разность между оценками текущего и желаемого положения дел. Наилучшим является является совпадение оценок.
Обучение по вопросам качества руководителей среднего звена
Руководителей среднего звена нужно обучать по отдельной программе, поскольку они должны сыграть особую роль, как ответственные за подготовку руководителей низшего звена. Они должны лучше всех остальных понимать принципы применения методов повышения качества, коллективного управления и процесса улучшения работы.
Руководители каждого из функцияональных подразделений обучаются по особой программе. Содержание вводного курса должно быть таким же, как и для высших управляющих, но необходимо обеспечить более детальную проработку методов решения проблем, регулирования процессов, методологии коллективного управления и процесса улучшения работы, перехода к превентивному стилю руководства и внедрения концепции бездефектного труда. Курс должен включать разбор конкретных хозяйственных ситуаций и деловые игры.
В начале вводного курса обучаемым целесообразно предложить заполнить анкету, пример которой с правильными ответами и комментариями приведен ниже. В конце курса анкетирование следует повторить, каждый вопрос должен быть подвергнут анализу и обсуждению. Это показывает обучаемым, как изменились их убеждения в результате прохождения вводного курса.
Ответы на вопросы анкеты даются в форме утверждения или отрицания:
1. Служба обеспечения качества несет ответственность за качество продукции, услуг, предлагаемых фирмой. - Нет
Задача службы обеспечения качества заключается в определении степени соответствия качества изготовляемой продукции предъявляемым требованиям и в информировании об этом руководства и тех лиц, которые могут принять меры по исправлению положения.
2. Все допускают ошибки, и это должно учитываться при установлении стандарта трудовой деятельности - Нет.
Стандартом должна быть бездефектная работа. Стандарт, допускающий ошибки, приводит к их возникновению. Означает ли это, что любую работу можно выполнить без ошибок? - Нет. Случаи, когда процесс, в котором принимает участие работник, не обеспечивает бездефектную работу, должны быть выявлены и устранены руководством.
3. Лучше выполнить работу с некоторыми погрешностями, чем выполнить ее идеально, но с опозданием. - Нет.
Всегда лучше выполнять работу правильно, чем переделывать ее позднее.
4. Рядовые работники являются причиной большинства ошибок и дефектов. - Нет.
Часто только 15% проблем можно отнести на счет рядовых работников. Остальные 85% связаны с работой руководства.
5. Руководство должно стимулировать персонал к выполнению доброкачественной работы.- Нет.
Большинство работников начинают свой первый рабочий день, полные воодушевления и энтузиазма. Руководству не нужно расхолаживать их.
6. Большинство ошибок вызывается отсутствием знаний и невнимательным отношением к работе. - Да.
Большинство проблем объясняются этими двумя основными причинами.
7. Качество изделия - это соответствие требованиям конструкторской документации. - Нет.
Качество - это нечто, удовлетворяющее ожидание потребителей тогда, когда это им необходимо, и предоставленное по цене, которую они в состоянии заплатить. Документация может отражать, а может и не отражать истинные ожидания потребителей.
8. На нашем предприятии обеспечению качества придается большее значение, чем снижению издержек производства. - Да.
В конечном итоге будет получена продукция с оптимальной ценой, еслиобеспечение ее качества станет задачей номер один. Это не только позволит выпускать больше изделий с меньшими затратами, но и потребители будут готовы платить больше за продукцию, потому что больше уверены в ней.
9. Обеспечение качества продукции важнее выполнения плана. - Да.
Всегда уходит больше времени, сил и средств на переделывание работы, чем ушло бы на правильное выполнение работы с самого начала.
10. На нашем предприятии имеется система учета издержек вследствии низкого качества продукции. - Да.
Если такой системы нет, ее нужно создать. Часто персонал мало знает о системе учета издержек вследствие низкого качества и о том, как ее нужно использовать. Процесс обучения и должен решить эту проблему.
11. Наилучшим критерием совершенствования является сокращение числа ошибок. - Нет.
Действительным критерием совершенствования является сокращение издержек вследствие низкого качества.
12. Качество результатов моего труда можно измерить. - Да.
Можно измерить результаты труда каждого подразделения и каждого работника, в том числе можно и нужно проводить измерения результатов работы служащих, работников вспомогательных подразделений. Для этого достаточно определить, какой объем работы идет на создание добавленной стоимости, а затем измерить, насколько эффективно создается эта стоимость.
13. Наилучшей системой управления является система предотвращения ошибок. - Да.
Прибыль на средства, вложенные в профилактику ошибок, может доходить до 50000%. Важнейщий перелом в организации, на предприятии происходит, когда руководство перестает устранять проблемы и начинает их предотвращать.
14. Процесс улучшения работы - это программа стимулирования работников и руководства к сокращению ошибок. - Нет.
Процесс улучшение работы - это не программа стимулирования, а обновления организации. Программы обычно осуществляются в определнный календарный период, а затем теряют свою действенность. Процесс же улучшения деятельности должен стать частью системы хозяйствования.
15. Коллективное управление выгодно руководителю низшего звена. - Да.
Позволяя рядовым работникам принимать больше решений в отношении своей работы и брать на себя больше ответственности, мы освобождаем руководителй для выполнения более важных заданий и принятия дополнительных обязательств, что способствует решению крупных задач.
Качество и надежность
Надежность - свойство объекта выполнять заданные функции, сохраняя во времени значения установленных эксплуатационных показателей в заданных пределах, соответствующих заданным режимам и условиям использования, технического обслуживания, ремонтов, хранения и транспортирования.
На практике иногда обращают основное внимание на совершенствование основных узлов изделия, упуская из виду, что причиной ненадежности и последующей аварии могут быть конструктивные узлы, носящие, казалось бы второстепенный характер, вспомогательный характер. Например, в суперсовременном сверхзвуковом самолете "Конкорд" англо-французского производства надежность основных бортовых систем выбрана таким образом, чтобы вероятность с неопасными последствиями составляла не более 1/10000, вероятность опасных отказов - не более 1/10000000, а катастрофические поломки исчисляются вероятностью, меньшей 1/1000000000. Таким образом, основное оборудование в самолетах, как правило, рассчитано на высокую надежность. Однако причиной катастрофы "Конкорда" в 2000 г. стал незначительный эффект второстепенного узла.
Изделие - которое разрушалось бы таким образом, причем в указанное заранее время, - мечта инженера, и, конечно, специалиста по управлению качеством. Однако реальные механизмы отказывают случайным образом и в случайное время. Значит, чтобы измерить, оценить возможность, необходимо использовать аппарат, который бы описывал случайные события и случайные процессы. Следовательно, речь идет о теории вероятностей и родственных ей математических дисциплинах. За основной количественный показатель надежности принимается вероятность безотказной работы изделия в течении заданного промежутка времени. Вероятность безотказной работы - вероятность того, что в данном интервале времени или впределах заданной наработки не произойдет отказа изделия.

Скачать

Если Вы не нашли нужную работу, то закажите ее у нас.

Если Вы имеете свои уникальные рефераты, сданные на 5 и 4 балла, то разместите их на нашем сайте! Вы сможете продать свои рефераты тем, кому они нужны!