CC BY
92
Kozlovsky Vladimir Nikolaevich, doctor of technical sciences, professor, head of the department, Kozlovskiy-76@mail.ru, Russia, Samara, Samara State Technical University,
Pantyukhin Oleg Viktorovich, doctor of technical sciences, docent, olegpantyu-khin@,mail.ru, Russia, Tula, Tula State University,
Gafarov Roman Rinatovich, postgraduate, gafarov01@gmail.com, Russia, Samara, Samara State Technical University
УДК 658.5:51-74:519.2
DOI: 10.24412/2071-6168-2022-5-18-28
СТАТИСТИЧЕСКИЕ МЕТОДЫ УПРАВЛЕНИЯ КАЧЕСТВОМ КАК ЧАСТЬ УПРАВЛЕНЧЕСКОЙ КУЛЬТУРЫ
С.В. Юдин, Н.В. Калинин, А.С. Юдин
Вопросы управления качеством стоят перед человечеством не одно тысячелетие. Как показано во многих работах, основным инструментом контроля и управления качеством являются методы теории вероятностей и математической статистики. В то же время, последние годы сформировалась тенденция постепенного отказа от них, особенно в мелкосерийном и единичном производстве. В статье показано, что эта тенденция должна быть преодолена. Статистические методы необходимо вернуть на заслуженное место в качестве базиса системы управления качеством. Они должны стать основой управленческой культуры и системы менеджмента качества предприятия.
Ключевые слова: статистические методы, управление качеством, система менеджмента качества, профессиональное образование.
Вопросы контроля качества продукции с давних времен находились в центре внимания производителей, потребителей и государственных органов. Наиболее раннее упоминание о требованиях к качеству имело место в «Кодексе царя Хаммурапи», написанного в 1755-1750 г.г. до Р.Х., т.е. почти 4 тысячи лет тому назад. Кодекс состоит из 282 законов, затрагивающих все сферы жизни его подданных.
Читаем: «229. Если строитель, строя кому-нибудь дом, сделает свою работу непрочно, так что построенный им дом обвалится и причинит смерть домохозяину, то строителя должно предать смерти».
В статье [2], посвященной великому русскому ученому М.В. Остроградскому, Б.В. Гнеденко, рассматривая его доклад от 23.10.1846 г. в Российской Академии наук [3], отметил, что в нем были заложены основы того, что впоследствии стало называться статистическими методами приемочного контроля.
Таким образом, утверждение о том, что качество (или методы управления качеством) изобрели (или создали) такие люди, как Шухарт, Деминг, Исикава, Джуран и другие в ХХ столетии, в корне неверно. Тем не менее, они внесли огромный, неоценимый вклад в решение задач контроля и управления качеством продукции.
В целом, можно считать, что статистические методы являются базисом новой культуры управления, позволяющей вывести производство на качественно новый уровень.
1. Обоснование применения статистических методов управления качеством. В настоящее время наиболее широко известны такие методы контроля и управления, как контрольные карты Шухарта [4, 5, 6]. Они были впервые применены
на производстве в подразделении Bell Laboratories американской компании AT&T. В книге [5] в 1931 году он опубликовал книгу, являющуюся, по сути дела, отчетом о применении контрольных карт.
В те же годы сотрудник той же фирмы Г.Ф. Додж предложил теорию выборочного приемочного контроля [7], развитую в книге [8], совместно с Г.Дж. Ромигом.
Большой вклад в развитие методов выборочного приемочного контроля внесли А. Вальд и Дж. Вольфовиц [9]. Подход Вальда дал толчок к применению последовательного анализа как готовых партий, так и потока заготовок (изделий), позволил, наряду с контрольными картами Шухарта управлять технологическим процессом [10].
Огромный вклад в развитие методов статистического приемочного контроля внесли такие ученые и специалисты, как Ю.К. Беляев [11], ЯП. Лумельский [12], Д. Коуден [13], Б.Л. Хэнсен [14] и многие другие.
Работы вышеуказанных авторов легли в основу учебников [6, 15, 16] и других, которые позволили воспитать не одно поколение специалистов, широко применяющих статистические методы в производстве.
Вариабельность процессов, вызванная случайными факторами, приводит к отклонению параметров полуфабриката или заготовки от требуемых значений, именно поэтому при анализе этих процессов также должно использовать статистические методы, что доказано в работах А.К. Кутая и Х.Б. Кордонского [17, 18].
Впервые в широком масштабе статистические методы контроля качества были использованы в США. Первым общепризнанным гуру качества был Эдвард Деминг, основные идеи которого изложены в работах [19, 20].
Э. Деминг разделяет основные причины вариабельности процессов на общие и особые. Общие причины можно рассматривать как те, что обусловлены системой управления, ответственность за которые должен нести менеджмент компаний. Особые причины - те, что вызваны действительно непредсказуемыми факторами, например, поломкой оборудования, болезнью специалиста, изменением характеристик сырья и заготовок, поступающих извне. При этом, ряд причин, которые менеджеры склонны рассматривать как особые, зачастую являются обусловленными неадекватной системой управления.
Разумеется, выход оборудования из строя является чисто случайным событием, однако, обязанность руководителей заключается именно в том, чтобы минимизировать последствия этого события. Даже единичные события, такие как природные катаклизмы, аварии на электростанциях и других элементах инфраструктуры, никоим образом независящие от менеджмента предприятия, должны быть предусмотрены в планах функционирования компании.
Эти единичные события, тем не менее, являются случайными в том смысле, как это рассматривает теория вероятностей. Нам известно множество таких событий, времена и последствия их наступления. Опираясь на математический аппарат математической статистики возможно вычислить возможный географический ареал их наступления, частоту и последствия их наступления. Базируясь на этой информации возможно предусмотреть действия для локализации и ограничения тяжести последствий для конкретного предприятия, вычислить риски, возникающие в этой связи и разработать алгоритм действий при наступлении того или иного события.
Зачастую руководители путают рассмотренные выше причины вариабельности процессов. Э. Деминг [20] выделил два типа ошибок, приводящим к разного рода потерям:
1). Приписать вариацию или ошибку особой причине, когда на самом деле причина принадлежит системе (общие причины).
2). Приписать вариацию или ошибку системе (общие причины), когда на самом деле эта причина - особая.
В качестве общего признака ошибки № 1 Э. Деминг выделил зарегулирован-ность, а общего признака ошибки № 2 - бездействие, вместо поиска особой причины.
Также следует в системе управления четко выделять области вмешательства со стороны менеджеров в те или иные процессы. Так, в интервью «мастера качества» Ге-нети Тагути [21] отмечалось, что основные задачи менеджмента заключаются не в том, чтобы контролировать все и вся, управлять самым незначительным процессом, командовать всеми исполнителями, а в сборе и анализе информации, выявлении критических точек процессов и направлять усилия исполнителей на разрешение возникающих проблем. Г. Тагути определил следующие задачи системы менеджмента качества (СМК), являющейся подсистемой общей системы управления:
- определять куда, когда и какими силами направлять инвестиции;
- определять критерий сигнал/шум для оценки качества продукции.
Критерий Тагути сигнал/шум подробно описан в ряде работ, например в книге
«Управление качеством. Робастное проектирование. Метод Тагути» [22].
Во всех случаях, которые рассматривали и рассматривают такие гуру качества как Э. Деминг, У. Шухарт, Г. Тагути и многие другие, методам статистического анализа уделяется особое внимание. В первую очередь потому, что в крупносерийном и массовом производстве эти методы напрямую являются основой системы управления качеством продукции, что невозможно отрицать. Если же рассматривать мелкосерийное и штучное производство, то статистические методы нужны, в первую очередь, для выявления причин вариабельности разных факторов, уменьшения границ изменчивости, а также вероятности наступления событий, относящихся к риску ненадлежащего функционирования изделий. Практически всегда при наступлении такого события мы имеем дело с общими причинами. Даже в том случае, когда на сборку попадает недостаточно надежный узел, это в первую очередь вина менеджера, не предусмотревшего процедуры, исключающие это событие или, по крайней мере, уменьшения вероятности его наступления.
Зачастую менеджеры полагают, что брак является следствием ненадлежащего выполнения обязанностей рядовыми сотрудниками: станочниками, мастерами, офисными работниками и т.д. Однако, при проведении анализа причин возникновения брака и несоответствий зачастую возникают причины, обусловленные ненадлежащей организацией труда. В Советском Союзе это выявил такой великий ученый и организатор производства, как Б.А. Дубовиков [23, 24]. Именно он, впервые в нашей стране, научно обосновал и применил принцип бездефектного труда, легший в основу системы управления на Саратовском авиационном заводе. Следует отметить, что система бездефектного труда, разработанная и внедренная Б.А. Дубовиковым с учетом ее интеграции в АСУ ТП, адаптированная к современным условиям производства, является эффективным элементом системы управления качеством и надежностью оборонной продукции и обеспечивает реализацию методологии, направленной на сокращение количества фиксируемых дефектов изделий, эксплуатирующийся у Заказчиков.
Почему важен процесс сбора и обработки статистических данных? Потому, что вариабельность любых факторов на производстве есть неопровержимый факт. Невозможно с идеальной точностью изготовить деталь при механообработке, электронные комплектующие, такие как резисторы, конденсаторы, микросхемы имеют отличные друг от друга характеристики, отличающиеся времена наработки на отказ и т.д. Таким образом, даже при штучном производстве необходимо применять статистические методы.
2. Статистические методы: с чего начать? Главная задача статистических методов заключается в поиске причин вариабельности процессов, возникновения брака и/или несоответствий. При их внедрении очень часто возникает соблазн решить сразу все вопросы. Это, к сожалению, невозможно по ряду причин. Приступать же к внедрению статистических методов следует в определенной последовательности:
1). Высшее руководство должно осознать необходимость использования статистических методов.
2). Необходимо убедить персонал в этой необходимости.
3). Выбрать набор методов и разработать стратегию их применения.
4). Провести обучение как высшего руководящего состава, так и рядовых исполнителей.
5). Регулярно проводить семинары по обмену опытом.
6). Целесообразно организовать кружки качества по опыту японских и не только предприятий [25].
Начинать применение статистических методов нужно с наиболее простых, методология применения которых наиболее проста. Такими методами являются «семь инструментов контроля качества» (иногда их называют «семь основных инструментов контроля качества» или просто «семь инструментов качества»), впервые примененные в Японии в начале 50-х годов 20-го века. Они были разработаны под руководством профессора Исикава Каору [25] и подробно описаны в книге Х. Кумэ [26]. К сожалению, данные книги являются библиографической редкостью, поэтому методику применения «семи инструментов качества» можно изучить по книгам [27, 28].
«Семь инструментов качества» состоят из следующих элементов:
1) Контрольный листок
2) Контрольная карта
3) Гистограмма
4) Диаграмма Парето
5) Поле рассеивания
6) Стратификация (расслаивание)
7) Диаграмма Исикавы
3. Бережливое производство. В работе В.Б. Протасьева и др. [30, с. 21] о современных системах менеджмента качества сказано: «Нерационально осваивать TQM (всеобщее управление на основе качества), а также различные его производные, например «Бережливое производство», «Шесть сигм», SPC (Statistical Process Control — статистическое управление процессом), MSA (Measurement System Analysis — анализ системы измерений), PPAP (Production Part Approval Process — процесс согласования производства части), BSC (Balanced Scorecard — сбалансированную систему показателей) и т. п., не обозначив конкретных задач».
Производитель, не имеющий достаточной подготовки в области современных принципов обеспечения качества, неизбежно путается в имеющейся информации, особенно если учитывать не всегда добросовестную рекламу фирм, занимающихся внедрением приведенных выше систем».
В настоящее время в Российской Федерации применяется 11 стандартов в области «бережливого производства». Возникшая мода на безоглядное внедрение этой концепции привела к тому, что «бережливое производство (Lean Production)» зачастую воспринимается как некая панацея, неминуемо приводящая к успеху.
Фундаментом «бережливого производства» является Хейдзунка: искусство выравнивания производства. Выравнивание производства по видам и объему продукции в течение фиксированного периода времени позволяет эффективно удовлетворять спрос клиента, избегая работы партиями, и ведет к минимизации запасов, капитальных затрат, рабочей силы и времени производственного цикла по всему потоку создания ценности.
Укрепляет фундамент два краеугольных камня:
1) Кайдзен, кайдзэн - японская философия или практика, которая фокусируется на непрерывном совершенствовании процессов производства, разработки, вспомогательных бизнес-процессов и управления, а также всех аспектов жизни;
2) Стандартизация работы.
Две опоры «бережливого производства»:
1) Точно вовремя (все действия и процессы начинаются и заканчиваются в моменты возникновения потребности);
2) Дзидока (встраивание качества в производственный процесс).
И в центре всего - уважение к людям.
Основные положения и примеры использования «бережливого производства» представлены в книгах [31 ... 37].
Во всех этих книгах на первый план выступают два основных положения:
1). Отсутствие догматизма.
2). Качество - это задача всего коллектива от генерального директора до неквалифицированных рабочих.
Только творческий подход к решению любой возникающей задачи позволит обеспечить устойчивое развитие организации и выпуск продукции надлежащего качества.
С другой стороны, почетный президент Международной гильдии профессионалов качества, профессор НИТУ МИСиС, действительный член Академии проблем качества Юрий Павлович Адлер в статье [38] отметил, что в практике «бережливого производства» наметился явный тупик. Эта концепция явно не оправдала возлагаемых на нее ожиданий. «Без статистики нет эффективного менеджмента» - утверждает Ю.П. Адлер, и полагает, что именно внедрение в проекты «бережливого производства» статистических идей и интеграция их с командным подходом и непрерывным обучением может дать прорывные решения в системе менеджмента качества.
Почему, на взгляд авторов, без статистических методов невозможно обойтись? Это обусловлено, в первую очередь, тем, что в природе и на производстве нет детерминированных процессов. Все они являются вариабельными, их параметры меняются непредсказуемо.
Когда мы говорим о кайдзен, дзитока, точно вовремя, то иногда забываем, что для построения процессов на основе этих понятий необходим большой объем информации. Эта информация нужна для построения временных графиков, решения задачи выравнивания загрузки оборудования и персонала, оценки возникающих рисков и многого, многого другого.
Вся эта информация носит статистический характер, все расчетные величины могут быть получены только как доверительный интервал с заданной доверительной вероятностью. Всегда остается вероятность того, что какой-то параметр процесса выйдет за пределы допустимых значений.
Отсюда возникает задача такого регулирования процессов, чтобы исключить возможность нарушения стационарности.
Уменьшить вариабельность процессов можно только при постоянном, непрерывном сборе статистической информации и ее обработки по адекватным алгоритмам.
Как отмечал Ю.П. Адлер в статье [39], мониторинг состояния системы - тоже выборочный контроль, только другого объекта, с другой целью и по другим правилам, что снова приводит нас к необходимости использования статистических методов.
4. Проблемы мелкосерийного производства. Байесовский подход. В работе авторов [40] рассмотрены проблемы, возникающие при решении задач статистического управления качеством в штучном и мелкосерийном производстве.
Основная проблема, возникающая при контроле малых выборок, заключается в существенном увеличении доверительных интервалов, поскольку их ширина пропорциональна 1 /V«, где п - объем выборки. Если точность оценок при п=100 приблизительно равна 10% (приблизительно потому, что в оценке ширины доверительного интервала присутствуют и другие множители), то при «=10 - 32%. Особенно существенны ошибки в оценке параметров при проведении контроля партий изделий по качественному признаку.
До настоящего времени эта проблема в математической статистике не разрешена, несмотря на большое количество работ в этой области.
В монографии Д.В. Гаскарова и В.И. Шаповалова 1978 г. [41] впервые на высоком научном уровне рассмотрен вопрос об оценке параметров случайных чисел и проверки статистических гипотез по итогам данных, полученных при анализе малых
выборок. Авторы использовали метод минимума энтропии и математический аппарат обобщенных функций. Они показали возможность при анализе малых выборок проводить оценки параметров распределений и, даже, проверке статистических гипотез, как о виде закона распределения, так и о наличии статистических связей.
Тем не менее, точность оценок и доверительные вероятности, получаемые в результате предложенных методик, не могут быть применены в условиях высоких требований к изделиям ВВТ.
В 1989 году была опубликована работа В.П. Савчука, посвященная байесовским методам статистического оценивания [42]. Эти методы основаны на важном принципе: информация меняет вероятности. Несмотря на важность этой работы для изучения возможностей байесовского подхода при оценке вероятностей интересующих нас событий и проверке статистических гипотез, в ней уделено очень мало внимания проблеме «малой выборки».
В 2008 г. в работе Ишемгужина И.Е. и др. [43] были рассмотрены критерии согласия для малой выборки при оценке надежности оборудования. Показано, что можно, применяя специальные критерии согласия, с достаточной надежностью идентифицировать закон распределения в задачах оценки надежности.
Большая и теоретически важная работа Б.И. Сухорученкова 2010 года по анализу малых выборок [44] содержит интересный авторский материал. К сожалению, в работе выборка объемом п=30 считается малой. Для таких выборок нет нужды применять особые методы.
В работе М.П. Кривенко [45] используются информационная мера Кульбака-Лейблера, информация Фишера, параметрические и непараметрические статистические оценки в приложении к многомерным распределениям. Несмотря на важные теоретические результаты, практическое использование предложенных методов затруднено в связи со сложностью математического аппарата и тем, что в инженерной практике редко приходится использовать многомерные распределения.
В работах [46, 47] на базе теории информации и байесовского подхода предложены новые методы, обладающие высокой надежностью, действительно применимые к анализу малых выборок, особенно в задачах оценки качества партии по данным выборки.
Что дает использование байесовского подхода к малым, да и не только к малым, выборкам?
Формула Байеса уже давно, с конца XVIII века, применяется исследователями в самых разных областях, начиная с простых задач оценки вероятностей тех или иных событий на основе знаний о прошлом, заканчивая оценкой надежности сложных систем и построения систем искусственного интеллекта.
Основное здесь в том, что имея данные об истории развития тех или иных процессов, значения упорядоченных по времени различных показателей, мы можем определить вероятности тех или иных событий через частоту их наблюдений. Выдвигая множество некоторых гипотез о природе факторов, вызывающих эти изменения, мы можем на основе полученных исторических данных вычислить вероятности истинности той или иной гипотезу.
Проверяемые гипотезы могут иметь самую различную природу:
1). Бинарные гипотезы: партия изделий соответствует требованиям; партия изделий не соответствует требованиям.
2). Множественные гипотезы - возникновение несоответствий вызвано: а) оборудованием; б) неудовлетворительной квалификацией рабочего; в) ошибкой при конструировании; г) неверно разработанным технологическим процессом и т.д.
Применение байесовского подхода, например, к статистическому приемочному контролю позволяет существенно повысить надежность принимаемых решений при любых объемах партий, вплоть до 5.. .10 штук. Это позволит как поставщику, так и потребителю продукции быть с достаточной степенью уверенности говорить о соответствии принимаемой продукции поставленным требованиям.
5. Статистические методы - не волшебная палочка, а инструмент. Статистические методы управления качеством, как показано выше, позволяют решить многие проблемы, возникающие в процессе управления производством в целом и качеством в частности. Тем не менее, не следует забывать, что для эффективного применения этих методов, даже тех, которые называются «семь простых методов управления качеством» необходимо соблюдение, как минимум, двух условий:
1). Осознание представителями высшего менеджмента необходимости применения статистических методов для решения задач управления качеством.
2). Обучение персонала на курсах профессиональной переподготовки по направлению «Специалист по управлению качеством» для сотрудников, не имеющих профильной подготовки и повышения квалификации по теме «Статистические методы управления качеством» для сотрудников, имеющих профильное образование.
Зачастую возникает необходимость профессиональной переподготовки даже для тех специалистов, которые имеют техническое образование и изучали раздел «Менеджмент качества». Анализ уровня подготовки специалистов более 40 предприятий показал, что оценить их знания и умения можно, по большей части на «удовлетворительно» и «неудовлетворительно». Очень мало оценок «хорошо» и нет оценок «отлично».
В этой связи можно сделать вывод, что бездумное внедрение статистических методов может не дать положительного эффекта без осознания необходимости их применения, а лишь потому, что ГОСТ РВ 0015-002-2020 требует, чтобы в организации были отработаны и постоянно применялись статистические методы на всех этапах разработки продукции.
Как и любым другим инструментом, статистическими методами уверенно и правильно могут пользоваться только хорошо подготовленные специалисты. Не обязательно владеть всеми тонкостями теории вероятностей и математической статистик, нужно, всего лишь, освоить самые элементарные понятия, знать технологический процесс и, желательно, физические и/или химические процессы, используемые в нем. Проведение расчетов можно поручить специальным программам на ЭВМ, что не представляет сложности любому специалисту даже со средним образованием.
С 2017 года Акционерное общество «Концерн воздушно-космической обороны «Алмаз-Антей» организовало курсы профессиональной переподготовки по направлению «Специалист по управлению качеством» на базе «Научно-образовательного центра воздушно-космической обороны «Алмаз-Антей» им. академика В. П. Ефремова».
За период с 2017 по 2019 г.г. курсы ППП закончили 209 специалистов Концерна и его дочерних обществ. Все они выполнили и защитили ВКР по тематикам, имеющим практическую значимость на предприятиях, на которых работали слушатели. В 2020.2021 г.г. в связи с пандемией курсы временно не проводились.
На ряде предприятий при активном участии выпускников курсов на новом уровне начали использовать новые методы управления качеством, произошла активация старых и забытых разработок по статистическим методам контроля и управления качеством.
Опыт преподавания на указанных курсах показал, что их одинаково успешно осваивают специалисты, имеющие как техническое, так и экономическое образование, работающие на предприятиях самой разной специализации.
Свыше 20 человек из числа слушателей ППП настолько заинтересовались вопросами, изученных на курсах, что приняли решение о дальнейшем повышении квалификации и поступили в заочную аспирантуру при АНО ДПО «НОЦ ВКО «Алмаз-Антей» по специальности 05.02.23 «Стандартизация и управление качеством продукции». Темы будущих диссертационных работ тесно связаны с применением статистических методов управления качеством и надежностью продукции оборонных предприятий, на которых они работают.
Заключение. На основании вышеизложенного можно сделать следующие выводы:
- качество невозможно без заинтересованности высшего менеджмента предприятий;
- статистические методы управления качеством являются базисом той части системы менеджмента предприятий, которая имеет отношение к управлению качеством;
- новые результаты, полученные на базе математической теории информации и байесовского подхода, дают возможность применять статистические методы управления качеством для предприятий с мелкосерийным и штучным производством;
- обоснована необходимость обучения (профессиональной переподготовке) специалистов системы менеджмента качества;
- показана эффективность обучения.
Список литературы
1. Кодекс Хаммурапи: лучшее правило управления рисками. [Электронный ресурс] URL: https://theidealist.ru/hammurabicode (дата обращения: 20.02.2022).
2. Гнеденко Б. Михаил Васильевич Остроградский. М., Квант, 1982. № 10. С. 510.
3. Sur une question des probabilities. Extrait. [По поводу одного вопроса о вероятностях. Извлечение]. Bull. De la Cl. Phys.-math. de l'Acad. des sc. de St.-Pbg., 1848, t. 6, № 21-22. Col. 321-346.
4. Shewhart W. The Applications Statistics as an Aid in Maintaining Quality of a Manufactured Product // Journal of the American Statistical Association, 1925, Vol. 20, Dec., P. 546-548.
5. Shewhart W. Economic Control of Quality of Manufactured Product. Milwaukee, WI: ASQ Quality Press, 1931, (reprint 1980). 501 p.
6. Шиндовский Э., Шюрц О. Статистические методы управления качеством. Контрольные карты и планы контроля. М.: Мир, 1976. 597 с.
7. Dodg H.F. A Sampling Inspection Plan for Continuous Production. Annals of Math. Stat., 1943. V. 14. P. 264-269.
8. Dodg H.F., Romig H.G. Sampling Inspection Tables: Single and Double Sampling. 2. ed., rev. and expanded. New York: Wiley, 1998. XI, 224. 1 с.
9. Wald A., Wolfowitz J. Sampling Inspection Plan for Continuous Production with Insure a Prescribed Limit on the Outgoing Quality, Annals of Mathematical Statistics, 1945. 16. P. 30-49.
10. Вальд А. Последовательный анализ. М.: Физматгиз, 1960. 327 с.
11. Беляев Ю.К. Вероятностные методы выборочного контроля. М.: Наука, 1975. 408 с.
12. Лумельский ЯП. Статистические оценки результатов контроля качества. М.: Изд-во стандартов, 1979. 200 с.
13. Коуден Д. Статистические методы контроля качества. М.: Физматгиз, 1961.
623 с.
14. Хэнсен Б.Л. Контроль качества. Теория и применение. М.: Прогресс, 1968.
518 с.
15. Статистические методы повышения качества: Пер. с англ./ Под ред. Х. Кумэ. М.: Финансы и статистика, 1990. 304 с.
16. Миттаг Х.-Й., Ринне Х. Статистические методы обеспечения качества / Пер. с нем. М.: Машиностроение, 1995. 616 с.
17. Кутай А.К., Кордонский Х.Б. Анализ точности и контроль качества в машиностроении. М.-Л.: Машгиз, 1958. 362 с.
18. Кутай А.К. Справочник по производственному контролю в машиностроении. М.: Машиностроение, 1974. 407 с.
19. Деминг Э. Новая экономика. М.: Эксмо, 2006. 208 с.
20. Деминг Э. Выход из кризиса: новая парадигма управления людьми, системами и процессами. Пер. с англ. Ю. Адлера, В. Шпера; Науч. ред. Ю. Рубаник, Ю. Адлер, В. Шпер. М.: Альпина Бизнес Букс, 2007. 420 с.
21. Генети Тагути. Методы мастера качества // Управление качеством. 2015. № 7. С. 35-40.
22. Управление качеством. Робастное проектирование. Метод Тагути / Леон Р., Шумейкер А., Какар Р., Кац Л. и др.; под ред. Хосров Дехад (Khosrow Dehad). Пер. с англ. М.: «Сейфи», 2002. 384 с.
23. Дубовиков Б.А. Основы научной организации управления качеством (опыт применения и теоретическое обоснование системы организации бездефектного труда). М.: Изд-во «Экономика», 1966. 320 с.
24. Дубовиков Б.А. Система управления качеством (Теоретическое обоснование и опыт применения системы бездефектного труда). Саратов: Саратовский ЦСМ им. Б.А. Дубовикова, ГУП «Типография № 6», 2006. 368 с.
25. Исикава Каору. Японские методы управления качеством. М.: Экономика, 1988. 215 с.
26. Куме Х. Статистические методы повышения качества; пер. с англ. под науч. ред. Ю.П. Адлера, Л.А. Коноревой; послеслов. Ю.П. Адлера, Л.А. Коноревой М.: Финансы и статистика, 1990. 301 с.
27. Современные статистические методы управления качеством [Электронный ресурс]: сборник научных трудов / [под ред. С. В. Юдина]. Электрон. текст. дан. (4,4 Мб). Киров: Изд-во МЦИТО, 2020. [Электронный ресурс] URL: https://www.elibrary.ru/item.asp?id=42768137&selid=42768157 (дата обращения: 10.02.2022).
28. Остапенко С.Н., Протасьев В.Б., Кривов А.С., Гурьянов В.П., Юдин А.С., Волков М.В., Палихов Г.В. Управление качеством: Современные статистические методы контроля и управления качеством продукции на производстве. Методическое пособие: под ред. профессора С.Н. Остапенко. М.: Изд-во АО «Концерн ВКО «Алмаз-Антей», 2020. 182 с.
29. Юдин С.В. Теорема Котельникова и периодичность отбора выборок для карт Шухарта // Известия Тульского госудаврственного университета. Технические науки, 2020. Вып. 10. С. 116-120.
30. Протасьев В.Б., Плахотникова Е.В., Литвинова И.В. Логическая структура построения TQM и ее использование в задачах обеспечения качества // Методы менеджмента качества. 2015. № 6. С. 20-24.
31. Вумек Джеймс П., Джонс Дэниел Т. Бережливое производство. Как избавиться от потерь и добиться процветания вашей компании. М.: Альпина Бизнес Букс, 2011. 351 с.
32. Джордж Л. Майкл. Бережливое производство + шесть сигм: Комбинируя качество шести сигм со скоростью бережливого производства / Майкл Л. Джордж; Пер. с англ. М.: Альпина Бизнес Букс, 2005. 360 с.
33. Кампанелла Дж. Экономика качества. Основные принципы н их применение / Пер. с англ. А. Раскина / Науч. ред. Ю.П. Адлер и С.Е. Щепетова. М.: РИА «Стандарты и качество», 2005. 232 с.
34. Канбан и «точно вовремя» на Toyota: Менеджмент начинается на рабочем месте = Just-in-Time at Toyota: Management Begins at the Workplace. М.: Альпина Паблишер, 2014. 214 с.
35. Лайкер Дж. Корпоративная культура Toyota: Уроки для других компаний / Джеффри Лайкер, Майкл Хосеус; Сокр. пер. с англ. Альпина Паблишерз, 2014. 354 с.
36. Синго С. Изучение производственной системы Тойоты с точки зрения организации производства: пер. с англ. М.: ИКСИ, 2010. 287 с.
37. Эванс Д.Э. Управление качеством: учеб. пособие для студентов вузов, обучающихся по специальности «Менеджмент организации» / Джеймс Р. Эванс; пер. с англ. под ред. Э.М. Короткова; предисловие Э.М. Короткова. М.: ЮНИТИ-ДАНА, 2012. 671 с.
38. Адлер Ю.П. Статистика - инструмент менеджмента качества // Методы менеджмента качества. 2016. № 7. С. 1.
39. Адлер Ю.П. Нам без выборок никак // Контроль качества продукции. 2015. № 10. С. 35-39.
40. Юдин С.В., Остапенко С.Н., Юдин А.С., Палихов Г.В. Статистический анализ малых выборок // Современные статистические методы управления качеством: сборник научных трудов / под ред. С.В. Юдина. Киров: Изд-во МЦИТО, 2020. С. 129144.
41. Гаскаров Д.В., Шаповалов В.И. Малая выборка. М.: Статистика, 1978.
248 с.
42. Савчук В.П. Байесовские методы статистического оценивания: надежность технических объектов. М.: Наука, 1989. 322 с.
43. Ишемгужин И.Е., Атнагулов А.Р., Зотов А.Н., Ишемгужин Е.И. Специальные критерии согласия для малой выборки при оценке надежности нефтепромыслового оборудования // Нефтегазовое дело, 2008. № 1. [Электронный ресурс] URL: http://ogbus.ru/authors/IshemguzhinIE/IshemguzhinIE 1.pdf (дата обращения: 20.02.2022).
44. Сухорученков Б.И. Анализ малой выборки. Прикладные статистические методы. М.: Вузовская книга, 2010. 384 с.
45. Кривенко М.П. Прикладные методы оценивания распределения многомерных данных малой выборки. М.: ИПИ РАН, 2011. 146 с.
46. Юдин С.В., Григорович В.Г., Юдин А.С., Корабельников А.Б., Хлунов А.В. Статистический приемочный контроль малых партий // Известия Тульского государственного университета. Машиностроение. Вып. 7. Тула: ТулГУ, 2002. С. 292-294.
47. Григорович В.Г., Юдин С.В., Козлова Н.О., Шильдин В.В. Информационные методы в управлении качеством. М.: Стандарты и качество, 2001. 208 с.
Юдин Сергей Владимирович, д-р техн. наук, профессор, svjudin@rambler.ru, Россия, Тула, Тульский филиал РЭУ им. Г.В. Плеханова,
Калинин Николай Васильевич, канд. эконом. наук, директор, tula@rea.ru, Россия, Тула, Тульский филиал РЭУ им. Г.В. Плеханова,
Юдин Александр Сергеевич, канд. техн. наук, alextula78@rambler.ru, Россия, Тула, Тульский филиал РЭУ им. Г.В. Плеханова
STATISTICAL METHODS OF QUALITY MANAGEMENT AS PART OF MANAGEMENT
CULTURE
S.V. Iudin, N.V. Kalinin, A.S. Iudin
Quality management issues have been facing humanity for more than one millennium. As shown in many works, the main tool for quality control and management are methods of probability theory and mathematical statistics. At the same time, in recent years there has been a tendency to gradually abandon them, especially in small-scale and single production. The article shows that this trend should be overcome. Statistical methods should be returned to their rightful place as the basis of a quality management system. They should become the basis of the management culture and quality management system of the enterprise.
Key words: statistical methods, quality management, quality management system, professional education.
Iudin Sergey Vladimirovich, doctor of technical sciences, professor, tula@rea.ru, Russia, Tula, Plekhanov Russian University of Economics, Tula branch,
Kalinin Nikolay Vasilyevich, candidate of economics sciences, director, svju-din@rambler.ru, Russian Federation, Tula, Plekhanov Russian University of Economics, Tula branch,
Iudin Alexandr Sergeevitch, candidate of technical sciences, alextula78@rambler.ru, Russian Federation, Tula, Plekhanov Russian University of Economics, Tula branch
УДК 629.113
DOI: 10.24412/2071-6168-2022-5-28-36
СОВЕРШЕНСТВОВАНИЕ ИНСТРУМЕНТОВ УПРАВЛЕНИЯ РАЗРАБОТКОЙ, А ТАКЖЕ ПОДДЕРЖАНИЯ И УЛУЧШЕНИЯ ПРОДУКЦИИ АВТОПРОМА
В ПРОИЗВОДСТВЕ
Д.И. Благовещенский, В.Н. Козловский, О.В. Пантюхин, Д.В. Айдаров
В статье представлены результаты разработки и реализации инструментов управления разработкой, а также поддержания и улучшения продуктов в производстве.
Ключевые слова: машиностроительное (автосборочное) предприятие, конкурентоспособность, качество, автомобиль.
Автомобилестроение - один из признанных лидеров в вопросах разработки и реализации инструментов улучшения качества продукции на этапах жизненного цикла. В условиях постоянной, жесткой конкуренции автомобильные корпорации постоянно занимаются вопросами оптимизации процессов, однако при этом учитываются факторы потребительской удовлетворенности качеством продукции и услуг. Именно поэтому термин «оптимизация», к которому мы привыкли в контексте постоянного сокращения персонала, в данном случае не вполне ликвиден. В нашем случае речь идет скорее о рационализации процессов исходя из возможной экономии при одновременном решении задач, направленных на повышение конкурентоспособности и качества, предоставляемых потребителям продукции и услуг. Именно этот аспект, на наш взгляд, является ключевым при решении оптимизационных задач на предприятиях машиностроения в общем и автомобилестроения в частности [1 - 4].
При рассмотрении опыта ведущих национальных автопроизводителей, используя аналитический инструмент причинно-следственной диаграммы Исикавы, можно выделить наиболее значимые и общие проблемы, с которыми сталкиваются специалисты и эксперты при проектировании новых автомобилей (рис. 1).
В результате работы с диаграммой Исикавы выделены 19 негативных факторов, которые влияют на процесс проектирования по 8 сферам управления, включающим а себя стратегию проекта, систему менеджмента, бизнес-процессы, ресурсы проекта, координацию процессов, валидацию продукции, технические процедуры [1 - 4].
На рис. 2 представлены результаты краткого количественного анализа выделенных с помощью причинно-следственной диаграммы проблем процесса проектирования новой продукции. Всего выделены 19 факторов, по которым вскрыты 50 корневых причин и 107 проблем. Наиболее значимые проблемы процесса проектирования наблюдаются на уровне управления - бизнес-процессы, далее расположились валида-ция продукции, стратегия проекта, структура и функции, ресурсы проекта и
28
