Инструме́нты управле́ния ка́чеством, методы или средства, предназначенные для сбора, представления, обработки, оценки состояния, анализа данных, применяемые в управлении качеством (УК).

Простые инструменты

В 1979 г. Союз японских учёных и инженеров (англ. Union of Japanese Scientists and Engineers, JUSE; япон. 日本科学技術連盟) собрал воедино семь достаточно простых методов управления качеством, основанных на применении графических средств анализа статистических данных.

Простые инструменты УК относятся к статистическому управлению качеством.

Контрольный листок

Контрольный листок – инструмент для сбора данных и их автоматического упорядочения.

Диаграмма Парето

Инструмент ранжирования, позволяющий выявить основные причины проблемы и расставить приоритеты. Основан на законе 80/20, установленном В. Парето. Диаграмма Парето даёт возможность сфокусировать усилия и ресурсы на устранении наиболее значимых проблем.

Диаграмма Парето.Диаграмма Парето.

Схема Исикавы

Инструмент, позволяющий выявить отношение между показателями качества и воздействующими на него факторами, обеспечивающий системный подход к определению фактических причин возникновения проблемы.

Из-за формы схему Исикавы часто называют рыбьей костью или рыбьим скелетом. При её построении к центральной стрелке, отображающей объект анализа, подводят первичные стрелки – главные факторы, влияющие на объект, затем к каждой из них – стрелки, изображающие вторичные факторы, и т. д. – до тех пор, пока на схеме не будут упомянуты все, оказывающие влияние на объект анализа. Рекомендуется при определении первичных факторов использовать мнемонический приём (от греч. μνημονικόν – искусство запоминания) 5m, определяя процесс формирования качества как взаимодействие 5m: материал (material), оборудование (machine), исполнитель (man), метод (method), измерения (measuring).

Схема Исикавы.Схема Исикавы.

Гистограмма

Инструмент представления данных, сгруппированных по частоте попадания в определённый интервал. Последние являются основаниями столбиков одинаковой ширины, на которые разбивается ряд измерений; высота столбиков пропорциональна числу наблюдений, попавших в данный интервал.

Гистограмма позволяет зрительно оценить величину разброса данных и принять решение о том, на чём следует сфокусировать внимание для улучшения процесса. С помощью гистограммы сравнивают показатели качества с требованиями нормативно-технической документации, состояние технологического процесса до и после принятия мер.

Гистограмма.Гистограмма.

Диаграмма рассеяния

Инструмент, позволяющий определить вид и тесноту связи между двумя параметрами, выявить зависимость одной переменной величины от другой. Диаграмму рассеяния называют также полем корреляции (от лат. correlatio – соотношение, взаимосвязь). При корреляционной связи каждому значению аргумента соответствуют случайно распределённые в некотором интервале значения функции.

Сила связи не зависит от её направленности и определяется по абсолютному значению коэффициента корреляции r, часто называемого коэффициентом корреляции Пирсона. Величина r варьируется в пределах от –1 до +1. Если коэффициент корреляции равен 0, обе переменные линейно независимы друг от друга.

Для переменных с интервальной и номинальной шкалой используется коэффициент корреляции Пирсона, который обычно вычисляют по формуле

$\frac{ \sum_{i=1}^n (x_i - \overline{x} ) (y_i - \overline{y} )}{ \sqrt[]{ \sum_{i=1}^n (x_i - \overline{x} )^{2} } \sqrt[]{ \sum_{i=1}^n (y_i - \overline{y} )^{2} } }$ ,

где x_i, y_i – значения параметров x и y для i–го измерения.

Коэффициент корреляции r-Пирсона является мерой прямолинейной связи между переменными. Термин «ложные корреляции» используется, когда расчётное значение коэффициента корреляции высокое, но его нельзя интерпретировать как зависимость одного признака от другого. Причины ложных корреляций в основном вызываются латентными (скрытыми от наблюдателя) признаками, которые определяют значения обоих изучаемых признаков. Возможны и случаи кажущегося отсутствия связи, обусловленного многими причинами: малым числом данных, чрезмерно большой ошибкой измерения и т. п.

Стратификация

Стратификация (от лат. stratum – слой и facio – делать) – метод разделения полученных данных на отдельные группы в зависимости от выбранного стратифицирующего фактора. Стратификация предназначена для выявления какой-либо закономерности в массиве чисел за счёт их разделения – преобразование неоднородной совокупности данных в набор однородных подсовокупностей. При стратификации часто используется упомянутый выше мнемонический приём 5m, определяющий факторы расслоения.

Контрольная карта

Инструмент, позволяющий контролировать протекание процесса и воздействовать на него, предупреждая его отклонения от предъявленных к процессу требований.

В отличие от шести рассмотренных простых инструментов качества, которые дают возможность зафиксировать состояние процесса в определённый момент времени, контрольные карты позволяют следить за состоянием процесса и при необходимости целенаправленно воздействовать на него. Контрольная карта является основой статистического управления процессами.

Контрольная карта.Контрольная карта.

В инструменте «контрольная карта» используются понятия «стабильность технологического процесса», «общие причины вариаций, причины», «специальные причины вариаций».

Стабильность технологического процесса – свойство технологического процесса, обусловливающее постоянство распределений вероятности его параметров в течение некоторого интервала времени без вмешательства извне.

Стабильность процесса характеризуется величиной разброса параметра, определяемой хронической (от греч. χρονικός – долговременный) и спорадической (от греч. σποραδικός – рассеянный, отдельный, появляющийся от случая к случаю) вариациями. Хроническая вариация естественна для рассматриваемого процесса. С ней приходится мириться и устранить возможно, лишь изменив характер процесса. Если на систему ничто не воздействует, её вариабельность остаётся неизменной. В этом случае поведение системы можно предсказать. Спорадическая вариация связана с особыми причинами. Их устранение требует вмешательства в процесс, оно может ухудшить ситуацию, если особые причины отсутствуют. Устранение общих причин означает вмешательство в систему и требует действий со стороны высшего руководства. Оно неэффективно, если присутствуют только особые причины вариаций.

Общие причины вариаций – те, при воздействии которых все отклонения параметров (характеристик) процесса на подходящей контрольной карте находятся внутри заданных границ. В этом случае процесс называют статистически управляемым, или стабильным.

Специальные причины вариаций – те, которые на контрольной карте соответствуют выходящим сериям и другим неслучайным структурам. Если специальные причины вариаций присутствуют, то процесс называют статистически неуправляемым, или нестабильным.

Цель введения контрольных карт – отделить внутреннюю случайную вариабельность процесса (общие причины) от вариабельности, связанной с некоторой конкретной (специальной) причиной, которую следует найти и устранить.

Простые инструменты контроля качества основаны на анализе численных данных. Однако факты далеко не всегда могут быть выражены числами. Путём анализа данных, представленных в виде словесных описаний (вербальная информация), которые нужно преобразовать в поддающуюся интерпретации форму для принятия обоснованного решения, были разработаны семь новых инструментов планирования качества:

• диаграмма сродства (Affinity Diagram);

• диаграмма связей (Interrelationship Diagram);

• древовидная диаграмма (Tree Diagram);

• матричная диаграмма (Matrix Diagram);

• матрица приоритетов (Matrix Data Analysis);

• стрелочная диаграмма (сетевой график) (Arrow Diagram);

• поточная диаграмма процесса и блок-схема процесса принятия решения (Process Decision Program Chart, PDPC).

Эти инструменты позволяют совершенствовать процесс планирования качества. Исходные данные для новых инструментов УК получают с помощью мозгового штурма, атаки  и осады.

Новейшие инструменты управления качеством

Новейшими инструментами управления качеством принято называть приёмы, получившие распространение сравнительно недавно:

• структурирование функции качества (Quality Function Deployment, QFD);

• бенчмаркинг;

• анализ видов и последствий отказов (Failure Mode and Effects Analysis, FMEA);

• анализ деятельности подразделения;

• система «ноль дефектов»;

• система «точно вовремя» (бережливое производство);

• функционально-стоимостной анализ (Activity Based Costing, ABC).

Особенность этих инструментов в том, что они основаны на системном подходе к УК и для их применения формируется команда и выбирается ведущий. При правильно построенной работе результат командной деятельности больше, чем сумма индивидуальных достижений.

Интеллектуальные инструменты управления качеством

Следующим шагом в развитии методологии УК должно стать широкое применение методов искусственного интеллекта, в особенности машинного обучения и больших данных. При цифровом производстве необходимо использовать инструменты, которые удобно назвать интеллектуальными: нечёткая логика; машинное обучение (Machine Learning) (включая нейронные сети); анализ больших данных (Big Data); теория игр; имитационное моделирование (цифровое моделирование, многоагентное моделирование); эволюционные алгоритмы; экспертные системы и системы поддержки принятия решений.

Инструменты искусственного интеллекта позволяют строить сложные предсказательные модели, выявлять закономерности, структурировать данные, оптимизировать расход ресурсов, планировать графики работ, обнаруживать аномалии и т. п., основываясь на анализе огромного количества разнородных данных.

Интеллектуальные инструменты – вершина системы УК цифрового производства, и их эффективное применение возможно лишь при соответствующем оснащении предприятия современными цифровыми технологиями. При высокой цифровизации интеллектуальное УК должно быть полностью автоматизировано.