Обзор методов статистического управления процессами, основанных на группировке изделий при помощи суженных и ступенчатых калибров

Мастеренко Дмитрий Александрович


	1		Введение
	3		Вероятностная модель
	4		Рисунок. Показатели для вероятностной модели контроля по суженным границам Контрольные карты Шухарта
	5		Таблица. Пример штриховой контрольной карты для управления процессом
	8		Другие виды контрольных карт
	9		Выработка корректирующего воздействия. Оценивание показателей воспроизводимости
	11		Заключение
	12		Литература

Ретроспективные исследования Анализ данных

Логистическая система предприятия Логистика производства

Менеджмент качества Теории управления качеством

Промышленность

Ключевые слова: калибр, суженный допуск, ступенчатые калибры, контрольные карты, оценки типа Питмена, показатели воспроизводимости

Аннотация

В статье приводится обзор статистических методов, основанных на группировке изделий при помощи суженных и ступенчатых калибров. По своим свойствам эти методы занимают промежуточное место между методами статистического управления по альтернативному и количественному признаку. Рассмотрены различные виды контрольных карт, а также оценки параметров процесса по результатам применения калибров, на основе которых могут быть сформированы корректирующие воздействия и оценены показатели воспроизводимости.

Журнал: «Менеджмент качества» — №2, 2018 (© Издательский дом Гребенников)

Объем в страницах: 13

Кол-во знаков: около 30,964

Библиографическая ссылка: печать / интернет

* Деятельность Meta (соцсети Facebook и Instagram) запрещена в России как экстремистская.

1. Tippett L.H.C. (1944). «The efficient use of gauges in quality control». Engineer, No. 177, pp. 481–483.

2. Stevens W.L. (1948). «Control by gauging». Journal of the Royal Statistical Society, No. 10, pp. 54–108.

3. Tippet L.H.C. (1950). Technological Application оf Statistics. N.J.: McGrow-Hill.

4. Mace A.E. (1952). «The use of limit gages in process control». Industrial Quality Control, Vol. 8, No. 4, pp. 24–31.

5. Егудин Г.И. Оценка параметров нормального распределения методом группировки. — Л.: ЛДНТП, 1950.

6. Гостев В.Н., Модель Г.А., Файн Ф.А. Статистический контроль методом группировки (метод калибров распределения). — Л.: ЛДНТП, 1949.

7. Ott E.R., Mundel A.B. (1954). «Narrow-limit gaging». Industrial Quality Control, March, pp. 21–28.

8. Beja A., Ladany S.P. (1974). «Efficient sampling by artificial attributes». Technometrics, Vol. 16, No. 4, pp. 601–611.

9. Ladany S.P. (1976). «Determination of optimal compressed limit gaging sampling plans». Journal of Quality Technology, No. 8, pp. 225–231.

10. Фридлендер И.Г., Жученко Э.И. Управляющий контроль качества продукции на рабочих местах: Справочник. — Л.: Машиностроение. Ленинградское отделение, 1988.

11. Розно М.И. Статистический контроль качества продукции по альтернативному признаку при измененном допуске (метод АКУД) // Надежность и контроль качества. — 1992. — №2. — С. 44–52.

12. Розно M.И. Регулирование процессов на основе данных по альтернативному признаку по суженному допуску // Методы менеджмен-та качества. — 2001. — №12. — С. 27–33.

13. Розно М.И., Соколов Л.А., Мельников А.Ф., Морозов В.В., Резник А.М. Простой способ регулирования технологических процессов с использованием «суженных калибров» // Электроника и электрооборудование транспорта. — 2004. — №6. — С. 29–34.

14. Aparisi F., Epprecht E.K., Mosquera J. (2017). «Statistical process control based on optimum gages». Quality and Reliability Engineering International, Vol. 34, Nо. 1, рр. 2–14.

15. Aparisi F., García-Díaz J. (2004). «Optimization of univariate and multivariate exponentially weighted moving-average control charts using genetic algorithms». Computers & Operations Research, Vol. 31, рр. 1437–1454.

16. Steiner S.H., Geyer P.L., Wesolowsky G.O. (1994). «Control charts based on grouped observations». International Journal of Production Research, Vol. 32, No. 1, pp. 75–91.

17. Steiner S.H., Geyer P.L., Wesolowsky G.O. (1996). «Shewhart control charts to detect mean and standard deviation shifts based on grouped data». Quality and Reliability Engineering International, Vol. 12, No. 5, pp. 345–353.

18. Bezerra E.L., Ho L.L., Quinino R.C. (2018). «GS2: аn optimized attribute control chart to monitor process variability». International Journal of Production Economics, Vol. 195, pp. 287–295.

19. Steiner S.H., Geyer P.L., Wesolowsky G.O. (1996). «Grouped data-sequential probability ratio tests and cumulative sum control charts». Technometrics, Vol. 38, No. 3, pp. 230–237.

20. Steiner S.H. (1998). «Grouped data exponentially weighted moving average control charts». Journal of the Royal Statistical Society. Series C Applied Statistics, Vol. 47, No. 2, pp. 203–216.

21. Куллдорф Г. Введение в теорию оценивания по группированным и частично группированным выборкам. — М.: ФИЗМАТЛИТ, 1966.

22. ГОСТ Р ИСО 11462-2-2012 «Статистические методы. Руководство по внедрению статистического управления процессами. Часть2. Методы и приемы». — М.: Стандартинформ, 2014.

23. ГОСТ 22514-2-2015 «Статистические методы. Управление процессами. Часть2. Оценка пригодности и воспроизводимости процесса на основе модели его изменения во времени». — М.: Стандартинформ, 2016.

24. Григорович В.Г., Козлова Н.О., Юдин С.В. Метод оценки центра группирования размеров в условиях производства на АРЛ // Автоматизация технологических процессов в машиностроении. — Волгоград: Волгоградский государственный технический университет, 1995. — С. 197–202.

25. Гpигорович В.Г., Козлова Н.О., Юдин С.В. Информационно-статистические методы регулирования технологических процессов // Кузнечно-штамповочное производство. — 2000. — №9. — С. 27–29.

26. Юдин С.В. Информационно-статистические методы управления качеством продукции массового производства: Дисс. д. т. н. — Тула: ТулГУ, 1999.

27. Мастеренко Д.А. О подходах к оцениванию параметров по сильно дискретизованным наблюдениям // Вестник МГТУ «Станкин». — 2010. — №3(11). — С. 88–94.

28. Мастеренко Д.А. Выбор наилучшей оценки измеряемой величины по сильно дискретизованным наблюдениям // Измерительная техника. — 2011. — №7. — С. 17–20.

29. Мастеренко Д.А. Исследование оценок измеряемой величины по сильно дискретизованным наблюдениям // Измерительная техника. — 2011. — №8. — С. 22–24.

30. Мастеренко Д.А. Исследование оценок параметров линейной статистической модели по сильно дискретизованным наблюдениям // Вестник МГТУ «Станкин». — 2012. — №3(22). — С. 89–93.

31. Мастеренко Д.А. Повышение точности информационно-измерительных систем автоматизированного производства на основе методов статистической обработки сильно дискретизованных наблюдений: Дисс. д. т. н. — М.: МГТУ «Станкин», 2015.

32. Мастеренко Д.А. Сравнение методов регулирования процессов на основе измерительной информации контроля по альтернативно-му признаку по суженному допуску // Вестник МГТУ «Станкин». — 2017. — №3(42). — С. 74–79.

33. Masterenko D.A., Metel A.S. (2017). «Estimation of process capability indices from the results of limit gauge inspection». Mechanics & Industry, Vol. 18, No.7.

Мастеренко Дмитрий Александрович
д. т. н.
профессор

Профессор кафедры измерительных информационных систем и технологий ФГБОУ ВО «МГТУ «СТАНКИН».

г. Москва

Имеет многолетний опыт разработки методов статистической обработки измерительной информации.

Другие статьи автора 2

Электронная библиотека