<< Пред.           стр. 10 (из 15)           След. >>

Список литературы по разделу

 6.8. Управление качеством
 
  Диагностирование и контроль осуществляется на всех этапах преобразования исходных материалов в товары и услуги, привлекательные и доступные для потребителя. Данные контроля используются для учета и регламентации взаимоотношений между всеми партнерами (участниками), ответственными за каждый этап. Диагностические и контролируемые признаки - это информационное обеспечение для регулирования технологических процессов.
  Общеприняты термины "Статистическое регулирование технологических процессов", "статистическое регулирование" или "управление качеством", хотя никакие другие варианты, кроме статистических, неизвестны. Подразумевается статистическая обработка данных контроля и диагностирования, необходимая для формирования управляющих воздействий.
  Накопление и обработка данных о производстве и эксплуатация являются источником сигналов обратной связи для объектов управления. Объектами могут быть любые структурные компоненты предприятий: от комплекта технологических процессов до операции или перехода. Составные части товара проходят контроль многократно, прежде чем попадут к потребителю. Данные со всех этапов контроля нуждаются в совместной обработке, минимизирующей ошибки.
  В этой ситуации контроль называют многоступенчатым. Планирование многоступенчатого контроля включает в себя размещение контрольных операций в производственном процессе, и выбор показателей качества, подлежащих контролю.
  Контролируемые показатели качества, очевидно, должны быть доступны контролю на всех этапах. Состав контролируемых показателей необходимо выбирать из множества потенциально доступных контролю признаков на всех этапах производства.
  При выборе адресов размещения контрольных операций в производственном процессе учитывается, что каждый последующий переход маскирует дефекты, внесенные на предыдущих этапах. Поэтому каждый дефект наиболее доступен обнаружению на этапе, ближайшем к источнику неисправности. Производственный адрес контрольной операции или, говорят, контрольная точка, выбирают в итоге пробных оценок показателя качества на нескольких переходах, выявляя максимум дефектов.
  Действующий на предприятиях контроль определяет показатели качества, далеко не всегда необходимые для управления производством. Документация, действующая на предприятии, неизменна в течение длительного периода и составлена, зачастую, в отрыве от производственных ситуаций. Выбор из множества признаков тех, которые вошли в состав показателей качества, должен максимизировать управляемость по составу и количеству дефектов.
  Данные о производственных дефектах накапливаются в первичных документах - картах учета брака, в журналах специальных групп или лабораторий, в рекламациях, поступивших или предъявленных и т.п. Необходима совместная обработка всех данных о дефектах, включающая их ранжирование и выбор доминирующих. Доминирующие дефекты нуждаются в поиске измеримых признаков с наибольшей чувствительностью. Именно самые чувствительные к дефектам признаки составляют искомый комплект показателей качества для управляемого производства. Состав доминирующих дефектов и ранг каждого меняются в процессе производства, их поиск обычно недоступен производственникам. Выбор адекватных показателей качества и контрольно-измерительных средств для них является проблемой разработчика технологических процессов.
  Управление качеством является одной из сложнейших задач в работе производственного коллектива. Специалисты имеют дело с объектом оптимизации, у которого часть параметров недоступна измерениям, а взаимосвязи неизвестны и нестационарны. Контроль качества является единственным источником информации об объекте, причем, контролируемые признаки, методики контроля и обработки данных не адаптируются к причинно-следственным связям.
  Показатели качества контролируются в альтернативной или количественной формах. Статистическое управление качеством включает в себя накопление и обработку информации на специальных носителях - контрольных картах. Для последних рассчитываются границы регулирования, исходя из заданных рисков ошибки первого или второго рода:
  ? - риск незамеченной разладки;
  ? - риск излишней настройки.
  По аналогии с предыдущим, риски равны 0,1, либо избраны по технико-экономическим соображениям. Оба риска связаны с некоторыми уровнями качества, делящими состояния производства на приемлемые, для которых попытки управлять вносят лишние затраты и неприемлемые, которые без своевременных управлявших воздействий внесут избыточные затраты вследствие дефектов.
  По статистическому регулированию и управлению качества есть обширная библиотека. Известны многие способы контроля и регулирования и по количественному и по альтернативному признаку. В производстве налицо тенденция объединять методики и средства управления разных участков и цехов в единую систему - комплексную систему управления качеством. Накоплен обширный опыт в этой области многими предприятиями.
 
 
 
 
 
 
 
 6.9. Надежность
 
  Надежность является основным свойством товара, слагающим его качество. Именно надежность в качестве главного показателя конкурентоспособности была заявлена Японией на старте послевоенной гонки за техническое лидерство в мире. Надежность рекламировалась и реализовывалась на высшем уровне, выводя Японию из аутсайдеров в лидеры. И сегодня показатели надежности являются "убийственными" аргументами в конкуренции.
  Основным в понятии "надежность" является безотказность, т.е. свойство объекта сохранять исправное состояние в течение рассматриваемого периода. Ранее рассматривались исключительно состояния объекта: исправное или неисправное, т.е. отличающееся наличием дефектов, хотя бы одного. Далее будут рассматриваться события, состоящие в переходе из одного состояния в другое.
  Отказ - это событие, состоящее в переходе объекта из исправного состояния в неисправное (И > Н) при условиях, не превышающих предельные из технической документации (НТД).
  Отказам сопутствуют другие события, которые могут вносить неоднозначность в итоги оценок:
  повреждение - событие, состоящее в переходе объекта из исправного в неисправное состояние при условиях, превышающих предельные из НТД.
  самовосстановление - событие, состоящее в переходе из неисправного состояния в исправное: Н > И без воздействия извне.
  ремонт - событие, состоящее в переходе из неисправного состояния в исправное, вследствие целенаправленного воздействия извне.
  Кроме того, могут иметь место состояния, ошибочно интерпретируемые в качестве событий, например, в качестве отказа: из наблюдаемых последовательно двух состояний исправных И>И, или неисправных Н>Н, одно состояние ошибочно определено: И-И>Н, Н-Н>И.
  Книги по надежности появились в пятидесятых годах, для динамичной радиоэлектроники это шесть поколений - от радиоламп с углеродными резисторами и бумажными конденсаторами до СБИС, являющимися высшим достижением, открывающим ХХI век. Однако, математические модели и статистические меры, избранные на заре радиоаппаратостроения, сохранились неизменными.
  В частности, больше полувека так называемой "ванне отказов" - зависимости интенсивности отказов от времени.
  Интенсивность отказов совместно с частотой отказов является изначальными параметрами надежности - это число отказов, отнесенное к объему анализируемой выборки и периоду анализа.
  Кривая на рис. 50 получена эмпирически в США, и цитируется во всех отечественных изданиях. Она иллюстрирует термины, определяющие классификацию отказов:
 
  I - "приработочные" отказы, относящиеся к первой части кривой, предположительно, начавшиеся в производстве и сравнительно быстро - от 10 до 1000 - часов исчерпывающиеся;
 
 
 Рис. 50. Зависимость интенсивности отказов от времени - "ванна отказов".
 
  II - "внезапные" отказы, наблюдаемые в эксплуатации неопределенно длительное время. Особо "полезным" является свойство этих отказов - постоянство интенсивности в течении всей эксплуатации. Если доля отказов в единицу времени постоянная величина, то упрощаются все расчеты до примитива. ? становится содержанием справочников для всех элементов РЭС, составляющих функциональные схемы. Приобрела монополию одна функция распределения отказов - экспонентциальная. Расчеты надежности РЭС сводятся к суммированию ??i элементов схемы.
  III - "износовые" отказы возникают после длительной эксплуатации. Период "безызносовой" эксплуатации недоступен прогнозу. Точнее говоря, "нормальная" эксплуатация с постоянной ? имеет начало и конец, недоступные прогнозу и не регламентируемые объективными признаками. Проявляются износовые отказы ростом ? вплоть до полного разрушения всех объектов. Иногда отмечается особая природа этих отказов, связанная со старением.
  Износовые отказы приняты на веру безоговорочно - вся ответственная аппаратура подлежит замене через некоторый период, гарантирующий ее эксплуатацию с исключительно внезапными отказами. Таким образом "ванна отказов" породила чрезвычайно стойкие традиции, благодаря подкупающей простоте расчетов:
  а) экспонентциальное распределение отказов имеет одну статистическую меру, неизменную в течение учитываемого срока эксплуатации ?(t)=const;
  б) все отказы, проявляющиеся вне наложенной схемы "нормальной эксплуатации", изымаются из модели с неизвестными вероятностями и сроками - появления рассчитанных отказов, а также их завершения.
  "Ванна отказов" оказалась "прокрустовым ложем", в котором обрубались начало и конец процесса, нуждающегося в моделировании. При зарождении технологии производства РЭС это было оправданно, поскольку дефекты в используемых материалах были грубыми, а физико-химические процессы в них были разнообразными. В радиолампах терялась эмиссия, в ЭРЭ окислялись и агломерировались пленки, в соединениях - обрывы и замыкания и т.д.
  Многие десятилетия производство РЭС последовательно избавлялось от самых "влиятельных" элементов конструкции и технологии, порождающих отказы. И "ванна отказов" теряла свои исходные очертания по мере того, как размывалась разница между отказами, так, что первый этап становился и последним. Тем не менее, сохраняются традиции теории надежности оценивать итоги испытаний независимо от срока предварительной эксплуатации и расценивать основным показателем надежности ? с размерностью час-1.
  Мерой общепринятого в практике надежности экспонентциального распределения являются ТСР - среднее время безотказной работы в час. Для анализа ремонтируемых изделий используется среднее время между отказами. Сегодня это показатель в стиле "ретро":
 
 
 
  Применяется повсеместно в оценках надежности. Как указано выше, экспонентциальное распределение - частный случай Вейбулловского при К=1.
  В реальности К стремится к единице у особо сложной РЭС, в основном, у стационарных комплексов. Комплектующие РЭС имеют К<<1. Между тем, в поставках комплектующих указывается "наработка до первого отказа" т.е. ТСР. Очевидно, что среднюю наработку до первого отказа поставщик готов подтвердить экспериментально. Она будет, скажем, 50000 часов. Но производитель выпускает РЭС с моральным износом в 1000 часов, надеясь на "нормальную эксплуатацию". При реальном К, около 0,5, откажет 10% микросхем не за 5000 часов, как ожидалось для К=1, а за 500 часов. И нет шанса переложить гнев покупателей на поставщика.
  Единственной общепринятой мерой надежности, не связанной с конкретным распределением, является гамма - процентный ресурс. Это период, в течение которого отказывает названная доля объектов. Например, период с отказом 5% изделий.
  Вообще, ресурс в качестве периода наблюдений за изделиями воспринимается двойственно: учитывают и отказы и достижение морального износа, что к процессам в объектах не имеет отношения.
  Наибольшая путаница возникает с гарантийным сроком эксплуатации. Многие считают, что речь идет о периоде, в котором отказам быть не должно. На самом деле, гарантии - это не техническое, а организационно-экономическое понятие. Гарантийный срок не имеет отношения к надежности. Это часть эксплуатации, в течение которой поставщик обязуется возмещать издержки на устранение неисправностей - кроме случаев доказанной вины потребителя, т.е. повреждений.
  В теоретической литературе можно прочесть о параметрической и непараметрической оценках показателей надежности. Таким образом, допускается поток отказов, несовместимый с какими бы то ни было теоретическими распределениями. Это вроде потока воды, для которого законы гидравлики недействительны. Гипотеза о "непараметричности", т.е. неправомерности стохастической модели учитывается во всех задачах, ее надо учитывать и проверять на адекватность наряду с прочими.
  Все задачи, связанные с надежностью, относятся к категории самых сложных. Во всех эмпирических оценках налицо время, которого всегда не хватает. Особенно сложными являются взаимоотношения поставщиков и потребителей. Их взаимные претензии должны быть согласованны в короткий срок. Отсутствие общепринятых показателей надежности, доступных оперативным оценкам и согласованию является серьезной проблемой сегодня, усугубляемой ростом требований к надежности.
  Современные планы контроля надежности базируются на средней наработке до отказа. Таблицы для расчетов аналогичны используемым для контроля по альтернативному признаку, где "отказ" заменил "брак". Выборки формируются для испытаний, характеризуемых периодом или длительностью, а также режимами. Последние планируются для обычных или ускоренных испытаний, определяющих предельные параметры внешней среды.
  Частным случаем испытаний является подконтрольная эксплуатация, в которой выборка состоит из потребителей, обязавшихся фиксировать все данные, указанные в первичной форме учета. Условия испытаний здесь обычные эксплуатационные, а испытателем является потребитель.
  Главным недостатком испытаний является малый объем выборок и, как следствие, чрезмерная медлительность и низкая точность. Контроль надежности, как правило, разрушающий, и это исключает возможность увеличения объема.
  Этого недостатка нет в данных об эксплуатации исследуемого, и возможно, аналогичных объектов. Для массовой продукции таких данных может быть достаточно для оценок с заданной достоверностью. Однако, из длительной эксплуатации поступает только часть информации об отказах, причем, потребитель не заинтересован и не имеет возможности классифицировать отказы объективно.
 
 6.10. Прогнозирование отказов.
 
  Наибольший объем информации о надежности партии существует в производстве до отправки потребителю - на финишных операциях и на складах. Здесь объем партии равен N0 - число изготовленных изделий, и есть средства контроля, необходимые для оценки состояний - И или Н.
  На отечественных предприятиях не собирают данные об отказах в процессе производства. При обработке результатов контроля не фиксируются данные для классификации состояний в качестве событий. Обработка всех данных на зарубежных предприятиях входит в состав производственных секретов, определяя их доступность управлению.
  Оперативная обработка данных о неисправностях, обнаруженных на предприятии "от ворот до ворот", является единственным источником информации о надежности, необходимой для управления. Здесь подчеркивается, что конкуренция уровней надежности является непременной частью забот на предприятии, удерживающем свои позиции на рынке.
  Применительно к задаче сбора данных о надежности требуется модернизировать все контрольные операции, прежде всего, правила записи данных. Однако, в мелкосерийном производстве недостаточно данных о надежности при самом эффективном контроле и корректной обработке - слишком малы объемы выборок. При недостаточной информативности производства необходимо ввести тест-купоны, сопровождающие изделия.
  Тест-купоны - математическая или физическая модель элемента конструкции изделия, доминирующего в перечне адресов неисправностей.
  Тест-купон конструируют специально для каждого типа отказов и элемента конструкции, и вводят в производство совместно с изделием. Конструкция тест купона должна обеспечивать контролепригодность, наибольшую для применяемых КИС и наименьшие затраты времени и средств. Число тест-купонов рассчитывается, исходя из заданной достоверности оценок, и может быть >> N0. Физические модели предпочтительнее из-за неопределенности состава факторов, влияющих на надежность.
  Необходимая и достаточная информация о надежности содержится в функции распределения отказов F(t). Для численных оценок рационально использовать меры функции F(t) после оценок ее адекватности эмпирическим данным. Для заказчиков, оперирующих мерами экспонентциального распределения, потребуется перевод - несложный при наличии вероятностного графика.
  Построение функции распределения отказов во многих случаях сопровождается препятствиями и, как следствие, методическими погрешностями.
  Первый источник погрешностей - ограничение периода наблюдений. Для фиксации всех отказов требуется неограниченное время, а период наблюдений конечен. Часть отказов надо ожидать более, скажем, года - а это нереально и выборка "приобретает" ограничение сверху или справа. Некоторые отказы проявляются быстрее, чем ожидалось наблюдателем, и интерпретируются как дефекты. В итоге выборка ограничивается снизу или слева. Ограниченность выборки вносит существенную ошибку.
  Второй источник погрешностей - отсутствие данных о полной выборке. Выше отмечалось, что объем выборки N0 - число элементов или изделий в момент изготовления. Все последующие отказы, пусть за период менее секунды, нужно учесть. Однако, это далеко не всегда возможно, испытываются изделия с предварительной селекцией, фактической выбраковкой ранних отказов. В итоге - неполная выборка.
  Третий источник погрешностей - измерение периода до отказа. Оценки времени в НТЛ неоднозначны - наработка измеряется в часах при включенном состоянии, а ресурс - в любом состоянии. Главное в методике - начало отсчета. В НТЛ - это произвольный момент предъявления на испытания. Для построения F(t) требуются данные с началом отсчета: от момента изготовления t0, который совмещается с объемом выборки или партии на этот момент - n0 или N0. Моменты отказов ti являются реализациями F(t).
  Период ti-t0 - время до отказа, измеряемое для построения функции F(t). Время непрерывно, измеряется независимо от воздействий на изделие.
  Четвертый источник погрешностей - режимы эксплуатации или испытаний. Внешние воздействия на изделия меняются, привнося дополнительные возмущающие факторы, недоступные учету. В общем случае, постоянные факторы проявляются в отказах слабее, чем интенсивно меняющиеся. Необходимость учета непрерывного времени в интервалах с различными условиями внешних воздействий, диктует необходимость ввода коэффициента ускорения для каждого интервала.
  Коэффициент ускорения Кус определяет соотношение времени при наличии воздействия и при отсутствии. Коэффициенты Кус применяются для ориентировочных оценок, поскольку очевидна нелинейность связи реакции изделия и времени. Кус рационально вводить, когда оцениваются различия более чем на порядок. Например, в эксплуатации 3 отказа за 1000 часов, а при термоциклировании - за 1 час. На графике F(t) термоциклирование займет 1000 часов с учетом Кус = 10-3. Определяются Кус в эксперименте с двумя выборками, одна из которых - при средних условиях эксплуатации. Сравнивается время с равным числом отказов.
  Пятым источником погрешностей является методика сбора и обработки данных. Сведения об отказах в производстве и эксплуатации никогда не бывают полными, выборки приходится комплектовать из разных партий, сокращая время испытаний. Приходится использовать допущение об однородности партий, составляющих единый статистический ансамбль, о возмущающих воздействиях, имеющих единую статистическую природу и т.п.
  Целесообразно сравнивать реальную ситуацию с эталонной методикой построения F(t). Изделия изготовлены в момент t0, составлена выборка с объемом n0. С момента t0 фиксируются моменты отказов всех элементов выборки. Всего фиксируется n0 отказов. Условия испытаний постоянны, либо варьируются с контролируемыми режимами. Моменты отказов составляют эмпирическую функцию распределения, которая строится в Вейбулловском масштабе.
  Функцию распределения отказов реальной продукции приходится строить по итогам контроля нескольких выборок, изъятых на разных этапах производства и эксплуатации, охватывающих размах 103 - 105 час.
  Каждая очередная выборка является частью предыдущей без отказавших до момента контроля единиц. Если изделия ремонтируются, то каждый акт ремонта интерпретируется как пополнение выборки; скажем, изделие чинили 15 раз - это 16 единиц.
  На предприятиях не строят функцию распределения отказов F(t), ограничиваясь данными об отказах в эксплуатации и о производственных дефектах в качестве взаимонезависимых совокупностей. Производственники, обычно, не отрицают тесную взаимосвязь между дефектами, найденными в производстве и обнаруживаемыми в эксплуатации, но ссылаются на традиции относить их к разным категориям и сферам интересов. Производством и эксплуатацией занимаются разные специалисты, работающие на предприятиях независимых, зачастую с противоречивыми позициями.
  Физика отказов определяется и конструкцией объекта и внешними воздействиями в функции от времени. Исследование процесса, проявляющегося потоком отказов, нуждается в устранении помех и маскирующих явлений, начиная с ведомственных барьеров и коммерческих "тайн".
  Любую единицу товара можно уподобить живому существу с моментом рождения, жизненным периодом с разными - полезными и вредными - событиями, и, наконец, с самым печальным моментом. В частности, для людей функции распределения смертности и демографические таблицы строятся и по ним ведутся прецизионные расчеты. Аналогичные модели для товаров проще по своей сути, но ими попросту не занимаются на отечественных предприятиях, не привыкших к конкуренции до сих пор.
  Функцию F(t) требуется определить и производственникам и эксплуатационщикам в равной мере, причем, от погрешностей найденных статистических мер зависит управляемость по уровню надежности. Достигнутый при производстве и продвижении на рынок уровень надежности товара нужно демонстрировать и обосновывать потребителю на удобном для него языке. Для этого требуется расчет по F(t), прогнозирующий вероятность отказов за период, важный для покупателя - 1000 часов или гарантийный срок, и по найденной вероятности подобрать самую правдоподобную интенсивность отказов. Методическая погрешность данных для покупателя будет тем больше, чем длительнее период, избранный для оценки.
  Определение интенсивности отказов по этапам обработки данных в производстве принято называть "прогнозированием отказов". Опубликовано множество методик прогнозирования, включая так называемое "индивидуальное прогнозирование" т.е. предсказание отказа в одном объекте по итогам измерений его диагностических признаков. Распространено мнение о существовании "потенциально ненадежных" объектов, которые можно выявить заранее, создаются методики и средства для выбраковки этих самых "нехороших" единиц. Приходится подчеркивать разницу между научно обоснованным прогнозированием, т.е. расчетом квантилей F(t), и гаданием. К примеру, демограф рассчитывает достаточно точно число свадеб, но говорить девушкам об их судьбе, используя любые сведения о них, несовместимо ни с теорией, ни со здравым смыслом.
  На вероятностном графике могут быть представлены и функция F(t), определяемая по производственным и эксплутационным данным и экспонентциальная функция f(t) для перевода мер в удобную для заказчика форму.
 
 
 
 
 
 
 
 
 
 
 
 
 Рис. 51. Вероятностный график функции F(t) и f(t).
  Характеристическое время te функции F(t), построенной по итогам этапов производственного контроля и регламентных работ в эксплуатации, можно представить как Тср (рис. 51).
  Однако, надо учитывать, что экспонентциальная функция f(t) имеет постоянный наклон к осям: за время 0,1Тср отказывает всегда десятая доля партии N0. Покупателю не интересен объем N0, он ориентирован на объем, предъявленный на реализацию и, особо, на объем своей выборки - т.е. единицы, которые он купил. Предположим, за период производства отказало половина изделий, эксплуатация начнется с момента П. Из 100 ед. отказало 50 ед., до момента Тср - еще 13. Потребитель будет определять надежность по доле отказов: 13 к 50 ед. т.е. 26%. По интенсивности отказов прогнозируется до момента Тср 63% отказов, т.е. из 50 ед. 31 ед. в том числе, до момента 0,1 Тср - 5 ед. Но потребитель будет определять среднее время безотказной работы, исходя из 50 ед., т.е. по Fп(t): 0,5 + 0,31 = 0,81. Квантиль, определяемый как Тср, при испытаниях будет найден около момента отказа 81 ед. Однако, испытания могут быть и на более поздних этапах эксплуатации, которые комплектуются единицами "долгожителями". Поэтому испытания выборки из одной партии заканчиваются в течение различающихся многократно периодов из-за разных этапов отбора выборочных единиц. Этот "произвол" может быть источником серьезных недоразумений между участниками сделки, неразрешимых на базе экспоненциальной модели.
  Если "ванну отказов" изобразить на вероятностном графике, то первые два участка будут отображены одной прямой - обеспечивающей доступность контролю и расчетам для всех отказов - от первого в производстве до последних в эксплуатации. Третий этап с износовыми отказами стал фантастическим после устранения в шестидесятых годах доминирующих отказов РЭА.
  Построение F(t) предусматривает алгоритм, зависящий от состава исходных данных. В частности, построение упрощается при наличии данных о наибольших известных периодах до отказа. Если, например, известно, что "рекордсмен" по надежности отказал через 10000 часов, то это - максимальное значение искомой функции, квантиль на уровне 0,999999... Данные в эксплуатации обрабатываются, исходя из гипотезы об Ni << N0, начиная с ti > tе значений. Строящаяся функция экстраполируется в область производства. В качестве начальных квантилей определяются данные с контрольных операций - уровни дефектности. Длительность этапов производства определяется с учетом коэффициентов Кус.
  Для найденных точек ищется аппроксимирующая прямая F(t) и доверительные интервалы для неё. Построение корректируется по мере накопления данных контроля и диагностирования. Доверительные интервалы являются границами регулирования производственного процесса, обеспечивающими управляемость по уровню надежности с заданной погрешностью. Показатели надежности определяются по долям отказов в интервалах. Для управления доли отказов относят к N0, а для заказчика к Ni - на уровне "заказанного" квантиля. Разность N0 и Ni или их отношение Ni /N0 определяет технологические отходы, т.е. затраты или потери из-за брака. Выход годных может быть близким к 0 или приближаться к 1 в зависимости от уровня производства и сложности изделий. Сведения об истинном выходе годных нередко скрываются даже "внутри" предприятия и, тем более, от посторонних лиц. Многие верят в бездефектное или "безбрачное" производство.
  Но безбрачие - удел монастырей. Для производства - это фантастика. Объективная необходимость строгого учета неисправностей на всех этапах производства и эксплуатации, в конце концов, вынудит предприятия менять коренным образом методики и средства испытаний и контроля. А также отношение руководства к проблеме надежности.
  В перспективе отечественные инженеры освоят вероятностный график с F(t), удобной для расчетов вероятности отказов на любом этапе производства. Информация о надежности накапливается в процессе производства на финишных стадиях. При необходимости коррекции показателей надежности и повышения точности оценок вводится технологическая приработка изделий и (или) их составных частей. Режимы приработки выбираются из состава предельных в ТУ и ТТЗ. Коэффициенты ускорения определяются экспериментально. Доли отказов за период приработки рассчитываются по F(t). Для этого на вероятностном графике смещают перпендикуляр, определяющий начало эксплуатации вправо, пока вероятность отказов не снизится до заданного уровня (см. рис. 52). Слева образуется интервал между производством и эксплуатацией, для которого считываются доля отказов за время приработки Рпр и период приработки tпр.
  К настоящему времени накопилась обширная библиография по теории надежности и физике отказов, по комплексным системам управления качеством, статистическому регулированию технологических процессов. Практическое применение на отечественных предприятиях находят фрагменты названных наук, которые внесены в нормативные документы, в частности, ГОСТы. Оперируют этими ГОСТами подразделения, которые практически взаимонезависимы и единая стратегия и практика управления не просматривается.
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Рис. 52. Введение технологической приработки.
  Зарубежная литература по рассмотренной проблеме несопоставимо богаче, однако прикладные задачи рассматриваются в завуалированном виде, без урона для конкурентоспособности ведущих предприятий. В США решалась проблема управления производством телевизоров по уровню надежности кардинально: практически все заводы ТВ скуплены японцами, а с недавнего времени корейцами. Российскую радиопромышленность покупать не будут, слишком невыгодно, так что придется управлять самим.
 
 
 ГЛАВА 7. МАРКЕТИНГОВЫЕ ИССЛЕДОВАНИЯ
 
 7.1. Выбор понятий и терминов
 
  В рассмотренных выше стохастических моделях применялись понятия и термины из нормативных и статистических источников, причем их состав минимизировался. Ограничения понятийного аппарата пределами необходимости способствует доходчивости и сокращает ошибки в расчётах.
  Однако планирование маркетинговых исследований предполагает согласование работ, выполненных разными исполнителями, оперирующих собственной терминологией, а так же составление отчетов, понятных и убедительных для заказчиков или партнеров. С заказчиком должно говорить на языке ''заказанном'' - это заповедь маркетинга. С партнерами можно согласовывать терминологию, выясняя смысл, вкладываемый каждой стороной в основные понятия.
  Первичным является понятие статистического ансамбля - множество однородных элементов. Выше это понятие ассоциировалось с партией, объем которой велик, оставаясь конечным, скажем, более 105. В маркетинговых источниках часто путаются понятия математической статистики и теории вероятностей. Критерий для различия - объем. В теории вероятностей оперируют генеральной совокупностью, устремляя объем к бесконечности. У партии объем конечный и статистический ансамбль не обязательно устремлять к бесконечности. Различие весьма существенно, оно определяет корректность моделей. С другой стороны, термин ''партия'' неоднозначен. Применительно к людям, политики и юристы вкладывают в него особый смысл.
  Говоря о людях рационально пользоваться термином совокупность.
  Граждане могут быть обижены, если их сосчитают как ''реализации'' или даже ''элементы''. По опыту кадровиков, лучше считать граждан единицами.
  Итак, совокупность состоит из единиц в маркетинговом исследовании.
  Понятие статического ансамбля подменяется во многих публикациях контуром выборки - ограничивающим все единицы совокупности. Полный перечень всех единиц составить невозможно и поэтому есть ошибка контура выборки, т.е. разность между истинными и учтенными событиями или состояниями совокупности.
  Маркетологи применяют методы составления выборок, отличающиеся от рассмотренных выше. Эти методы состоят из ''вероятностных'' (случайных) и ''невероятностных'' (неслучайных). Оперировать термином ''невероятность'' имеет смысл только с заказчиком, вежливо уточняя, что он имеет в виду.
  К случайным относят методы, оперирующие с единицами, каждая из которых имеет известный шанс быть избранной в выборку. Это вроде думы, где все депутаты прошли процедуру голосования по одному алгоритму.
  Случайные выборки составляются по одному из методов:
 - простой случайный отбор;
 - систематический отбор;
 - кластерный отбор;
 - стратифицированный отбор.
  Простой случайный отбор - это обеспечение равного шанса всем единицам совокупности попасть в выборку, т.е. в соответствии с рекомендациями нормативно-справочной литературы.
  Систематический отбор выполняется в два этапа.
  Сначала проводят - простой случайный отбор начальных номеров для поиска единиц, например, в справочнике - страница или колонка. Затем применяют ''интервал скачка'' т.е. отбирают каждый 250-ый адрес. 250 - здесь пример любого постоянного числа. Это ''удобство'' комплектования выборки привносит некорректность и, как следствие, методическую погрешность в последующие оценки. Однако часто применяется при работе со списками, спецификациями и т.п.
  Кластерный отбор основан на делении совокупности на подгруппы, каждая из которых представляет совокупность в целом. Совокупность делят на единицы, являющиеся равными по исследуемым признакам - кластеры. К примеру, страну делят на области с равным населением или доходом. На следующем этапе в одной области выделяют единицы с равным доходом и т.д.
  Исследование распределений становиться многоуровневым оно может быть корректным в достаточной мере. Этот метод применяется для весьма сложных объектов, для которых обоснована относительно высокая трудоёмкость.
  При исследовании сложных объектов, недоступных делению на равные части, выделяют подгруппы - страты. Например, области страны различаются по всем признакам, но делить их по частям вне границ на карте бессмысленно. Вводят стратифицированный отбор. Страты выделяются по избранному признаку, к примеру, числу семей. Выборки составляются внутри этих подгрупп, для каждой страты. Размер страты по отношению ко всей совокупности определяет размер выборки с учетом весовых коэффициентов, учитывающих их размер страт. Метод является наиболее сложным, вносит существенные методические погрешности, так что применять его имеет смысл для объектов, недоступных другим подходам.
  ''Неслучайные'' методы состоят из приемов, трансформирующих составление выборки в отбор комплекта.
  Принято применять методы:
 - на основе принципа удобства;
 - отбор на основе суждений;
 - отбор на основе квот или в процессе обследования.
  Принцип удобства реализуется исследователем, исходя из минимизации затрат времени и усилий или доступности респондентов. К примеру, одобрение продукции завода (фирмы) можно получить, опрашивая сотрудников в день зарплаты.
  Выборка на основе суждений базируется на мнении специалистов относительно состава выборки. Однако специалисты далеко не всегда объективны. Есть ''науки'' телепатия, к примеру, созданные исключительно из некорректно составленных выборок. Есть ''лекари'', неизлечимых болезней демонстрирующие исцелившиеся единицы... Нет метода, внесшего подобное обилие недобросовестных наукообразных спекуляций, как волюнтаристские приемы составления выборок.
  При опросах часто выбирается ''фокус'' группа. К примеру, могут быть выбраны 12 домохозяек, которые сообщают о себе заданную информацию. Однако поведение единицы становится неестественным, дополняется ''эффектом сцены'' и как следствие, чрезмерной погрешности.
  Формирование выборок на основе квот базируется на заданном соотношении объемов с совокупностью. Выборка пополняется, пока не будет накоплена установленная квота.
  Часто совмещают несколько методов в одном исследовании. Если, например, требуется выборка для оценки Всероссийского мнения о марках магнитофонов, то требуется алгоритм:
 1. Россия состоит из 89 субъектов.
 2. По методу простого отбора выбираются 9 субъектов (кроме Москвы и Санкт-Петербурга).
 3. Все населенные пункты делятся на 6 групп, по числу жителей.
 4. Устанавливается квота: по 3 города и 2 поселка. Берут каждый 5-й населенный пункт из справочника и выясняют, в какую категорию он попал.
 5. Выбирают случайно по 20 респондентов в каждом городе или селе. Всего 900 респондентов.
  Несоблюдение статистических норм проявится в том, что окажутся вместе поселки с нефтяниками и безработными, данные будут искажены и, несмотря на солидный объем выборки, не будет основания считать её представительной.
  Выше говорилось о представительности выборки, как об уровне близости её статистических мер к мерам статистического ансамбля.
  В маркетинговых исследованиях упоминают репрезентативность. Смысл этого термина может быть связан с математической моделью, т.е. дифференцируемыми функциями и N ? ?.
  Выбор алгоритма комплектования выборки для сложных объектов исследования, является задачей со многими неизвестными. Факторы, определяющие представительность планируемой выборки, неизвестны априорно, так что необходимы исходные данные, обычно специальный эксперимент, чтобы их ранжировать. Люди являются наиболее сложными объектами исследования. Выбор единиц совокупности должен быть особенно корректным, так что всяческие упрощения будут совсем некстати.
  Единственным критерием оценки правил составления выборки является сходимость выборок, определяемая апостериорно по итогам статистического анализа нескольких эмпирических распределений. Термин "сходимость" маркетологами практически не используется. Речь идет о свойстве выборок сохранять свои статистические меры по мере уменьшения объема. Очевидно, алгоритм формирования выборки тем корректнее, чем меньше меняются статистические меры при сокращении объема.
  При необходимости корректировки состава выборки применяют один из 3 способов:
 - выборка с большим объемом;
 - замена респондента на следующего по списку;
 - повторная выборка.
  К примеру, контуром выборки является телефонный справочник. Не ответил абонент, надо звонить следующему по списку. Рассылка почтой планируется, исходя из "нормы" - 5% присылающих ответы, поэтому надо посылать в 20 раз больше анкет, чем требуется для обработки данных. Повторную выборку комплектуют, когда слишком много отказов отвечать.
  Методика исследований корректируется по мере проявления факторов, определяющих достоверность оценок. Однако эта коррекция осуществляется без обратной связи. Рассмотренная задача напоминает выбор колера для окрашивания стен. У хороших красок (статистических ансамблей) цвет не зависит от объема, так что можно смешать в баночке пигменты и связующее (выборку) будучи в уверенности, что полученный при пробном окрашивании цвет точно повторится на стенах (представительность). В реальности нередки "сюрпризы", неучтенные факторы могут быть доминирующими и цвета "уплывают".
 
 7.2. Обоснование объема выборки
 
  Объем выборки вносит основной вклад в затраты времени и средств на маркетинговые исследования и поэтому является темой сложных дискуссий между заказчиками и исполнителями.
  Стремление минимизировать объемы выборок сопровождается требованиями всемерно повышать их представительность. Особое внимание уделяется условиям сбора и обработки данных.
  Однако встречаются ситуации, в которых объемы выборок явно избыточны. Причинами тому являются традиции или реклама.
  Избыточность объема не всегда повышает представительность, многие погрешности проявляются при любом объеме.
  Маркетологи применяют несколько методик выбора объема выборки:
 1. Правило ''большого пальца''. Принимается, к примеру, объем, составляющий 5% от совокупности, просто потому, что "5" ассоциируется с "отлично".
 2. Ссылки на публикации. Учитывается опыт аналогичных исследований, проведенных раньше. Регулярные исследования оптимизируют объем, например на уровне 3000 человек.
 3. Расчет, исходя из выделенных на исследования ресурсов.
  Расчетное обоснование объема базируется на достоверности оценок и рисков принятых решений в качестве исходных данных.
  Предполагается взаимопонимание между заказчиками и исполнителями.
  Вариация - понятие, применяемое маркетологами для оценок ''схожести'' и ''несхожести'' ответов в анкетах. В качестве меры для разноголосицы респондентов принято среднее квадратическое отклонение (СКО). Часто используются архаичные термины, типа ''кривых распределения'', подразумевающие функции распределения плотностей вероятности, которые аксиоматически непрерывны. Сужение понятия в конкретной задаче нуждается в предварительном согласовании.
  Доверительный интервал - воспринимается всеми, как область, содержащая известную долю реализаций (единиц) внутри заданных границ. Маркетологи применяют всего два типа границ - на уровнях доверительных вероятностей 0,95 и 0,99. Им соответствует расчетное число Z - 1,96 и 2,56. Это число обозначает уровень названной вероятности на вертикальной шкале с нормальным масштабом - ; и .
  Для понимания полученных результатов предлагается вообразить 100 выборок, данные которых разместились в заданных интервалах и только 5 или 1 из них стали '' нарушителями''. В исследованиях есть всего одна выборка. "Экономия" на выборках вносит ошибку. Рассчитывается среднее квадратическое отклонение этой ошибки, зависящее в основном, от объема выборки.
  Ошибка может быть симметрична относительно искомого значения, и тогда говорят о точности оценки ± ?.
  По заданной точности рассчитывает объем выборки n. В частности, для ответов в альтернативной форме:
  ,
 где: n - объем выборки;
  Z - нормированное отклонение: 1,95 или 2,56;
  p - доля положительных ответов;
  q - доля отрицательных ответов.
  Размерности ?, p, q одинаковые, например в %.
  Вариация наибольшая, когда согласие и несогласие респондентов пополам и наименьшая при единогласном голосовании (берут ).
  Если, например, точность ±10%, а ''да'' и ''нет'' поровну и 0,95 = ?:
 
  если ? = 0,99 (Z = 2,56) точность ±3%, то n = 1067
  Для ответов в количественной форме определяются статистические меры. Если, например, требуется среднее квадратическое отклонение ? с точностью до ±10% на уровне ?=0,95(Z=1,96), то ; если, например, ? = 100, то n = 384.
  Аналогичные формулы есть для всех точечных оценок - и x т.п. Формулы справедливы в той мере, в которой соблюдается условия центральной предельной теоремы. А именно, совокупность должна быть суммой нескольких случайных величин, каждая из которых может не соответствовать нормальному распределению, но не должна быть доминирующей. Это условие соблюдается далеко не всегда на практике, и точность оценок может быть гораздо хуже рассчитанной.
  ''Сюрпризы'' изучаемых совокупностей могут быть учтены исключительно по функциональным оценкам, по доверительным интервалам для эмпирических распределений. Однако для "пилотных" оценок, при планировании исследований, приемлемы ориентировочные формулы - для представительных выборок из совокупностей с нормальным распределением.
 
  7.3. Обоснование методики сбора данных
 
  Алгоритм сбора и обработки данных определяет степень представительности выборки и поэтому нуждается в согласовании, наряду с объемом.
  Данные могут быть собраны исследователем или специально организованной группой. Могут быть привлечены коммерческие фирмы, принимающие заказы на сбор данных.
  Если собирают данные сотрудники предприятия, например, маркетинговой службы, то их состав ограничен. Возможности предприятия не выходят за границы региона. С другой стороны, сведения о самом предприятии могут быть исчерпывающими.
  Специальные группы комплектуются из лиц, неограниченных по составу, например, студентов. Группы могут быть эффективны для телефонного или персонального опроса.
  Однако им часто не достает квалификации и, к сожалению, заинтересованности в объективной информации. Велик соблазн ''помочь'' респондентам. Необходим контроль собираемых данных c диагностическими опросами, а также тренировочные занятия.
  У профессиональных фирм обычно есть опыт маркетинговых исследований, есть кадры с достаточным уровнем подготовки, возможности исследований без географических ограничений с относительно высокой скоростью.
  Стоимость услуг таких компаний в три-пять раз превышает затраты на маркетинговую "самодеятельность".
 
 7.3.1. Методические погрешности при сборе данных
 
  Ошибки интервьюеров при сборе данных обычно называют ''не выборочными''. Подразумеваются ошибки систематические, которые, наряду со случайными, сопровождают все измерения, включая анкетирование. В состав этих ошибок входят:
 1. Выбор единиц совокупности, которые не должны входить в выборку;
 2. Отсутствие единиц совокупности, которые должны входить в выборку;
 3. Наличие элементов, которые не относятся к изучаемой совокупности, но введены в учет при обработке данных;
 4. Исключение из выборки тех, кто отказался отвечать или не ответил по телефону;
 5. Оценки ложные, вместо респондента;
 6. Ошибки при записи и обработке данных.
  Ошибки классифицируют на преднамеренные и непреднамеренные, сделанные респондентами или интервьюерами, адресованные на этапы сбора данных, обработки или интерпретации.
  Преднамеренные ошибки интервьюера могут быть обманом (сам заполнил анкету) или давлением на респонедента (мимика, подсказки, жесты).
  Непреднамеренные ошибки вызваны, в основном, незнанием всех аспектов методики сбора данных, а также утомлением интервьюеров.
  Ошибки респондентов обусловлены нежеланием отвечать на часть вопросов (о доходах, возрасте и т.п.) или недоверием к интервьюеру, а также занятостью, предубеждением к опросам.
  Внимание к ответам может быть недостаточным из-за отсутствия мотивации, неясности вопросов или концентрации мыслей на других темах.
 
 7.3.2. Контроль качества данных
 
  Контроль работы интервьюеров производится выборочно, путем надзора за их работой или проверки результатов работы. Проверяющий может незаметно подключаться к телефонной линии, либо присутствовать при опросах... Иногда ищут опрошенных респондентов и повторно их опрашивают.
  Обучение интервьюеров проводятся на семинарах с разыгрыванием ролей и пробным заполнением анкет. Для респондентов применяют стимулирование, типа подарков или лотерей. Пробуждают интерес респондентов к вопросам, устраняют фрагменты анкет, негативно воспринимаемые. Во многих случаях вводят в анкету градацию ''отказываюсь отвечать''.
 
 7.3.3. Преобразование данных
 
  Анкеты или прочие первичные формы учета данных обрабатываются после их заполнения. Собранные данные необходимо привести к виду, удобному для последующей обработки. Для этого их кодируют, представляют в матричной форме (табулируют), выбирают меры, характеризующие особенности собранных данных.
  Маркетологи применяют четыре функции преобразования данных:
 1. Обобщение - производится для удобства восприятия больших массивов данных.
 2. Концептуализация - обоснование итогов обобщения, формулировка выводов по работе.
 3. Коммуникация - разъяснение результатов работы в терминах, понятных заказчику, формирование общепонятного языка для общения.
 4. Экстраполяция - оценки согласия выборочных данных с исследованной совокупностью.
  Подобные термины нужно применять, именно в том смысле, как их воспринимает заказчик, в отчетах и переговорах. Заказчики могут оперировать терминами, самыми неожиданными для исследоватетелей в т.ч. некорректными, принуждая к ссылкам на авторитетные источники и составлению словарей с подробными переводами.
 
 7.3.4. Методы статистического анализа
 
  Выделяются пять видов статистического анализа:
 1. Дескриптивный анализ. Оперирует статистическими мерами. Используются меры теоретических функций - среднее квадратическое отклонение, мода и т.п. и эмпирических функций, например, размах.
 2. Выводной анализ. Использует статистические процедуры, например, проверку гипотез.
 3. Анализ различий - используется при наличии двух групп населения, которые надо сравнить.
 4. Анализ связей - предназначен для выявления статистических зависимостей.
 5. Предсказательный анализ - вводит статистические методы прогнозирования.
  Статистическая терминология в маркетинге насыщена избыточными и недостаточно корректными понятиями. Понятия математической статистики смещаются, смешиваются с дополнительными категориями, объединяются со специальными терминами и т.п.
  Статистические меры используются в отрыве от функций распределения, так что их правомерность, применительно к объектам исследования, неизвестна.
  Мода применима к теоретическим функциям, поскольку они дифференцируемы, но для эмпирического распределения, она - источник недоразумений. Напротив, размах применим только для эмпирического распределения. Меры нормального распределения, рассчитанные для выборок с неизвестными статистическими характеристиками, вносят ошибки, сколь угодно большие. Могут быть и успехи исследователя, воспринятые заказчиком негативно.
  Оценку параметров совокупности по выборочным данным производят на уровне доверительной вероятности 0,95 или 0,99. Например, среднее значение для совокупности определяют:
 
 где: - среднее значение в выборке,
  ,
 где: - среднее квадратическое отклонение выборочного среднего значения (оценка вариации выборочных средних),
 Z = 1,95 или 2,56.
  При альтернативной анкете:
  ,
 где: - среднее квадратическое отклонение выборочных средних значений;
  p - процент респондентов, сказавших ''да''.
  Если к, примеру, для членов Совета, среднее время t принятия решения - 45 мин при среднем квадратическом отклонении - 20 мин, то при уровне ? = 0,95:
 
  На всех заседаниях Совета решения принимаются за 6 - 84 мин.
 
 7.3.5. Проверка гипотез
 
  В математической статистике принято расценивать результаты исследований выборки на соответствие или несоответствие статистическому ансамблю. При управлении или проектировании не возникает необходимости в таких процедурах, поскольку накапливается профессиональный опыт работы в пределах приемлемого риска. Многократно испытанные выборки, ''укладывались'' в рассчитанные границы, как правило, а исключения были не чаще допустимого. Когда сообщают о гибели самолета, непременно напоминают об остальных, успешно летающих, что доказывает исключительную безопасность полетов.
  В отчетах и договорах не может быть аргументом опыт исследований. Заказчик вправе настаивать на ''гарантиях'' качества выполненной работы. Доверительные интервалы и вероятности являются характеристикой качества статистических исследований для заказчика и для читателей.
  Проверка гипотезы состоит из пяти этапов:
  1. Делается некоторое предположение относительно какой-либо характеристики совокупности, например, среднего значения.
  2. Формируется выборка, определяются её статистические меры.
  3. Сравниваются эмпирические и теоретические значения исследуемой характеристики.
  4. Оценивается адекватность выборочных данных выбранной гипотезе.
  5. При несоответствии гипотезе выбирается другая и проверка повторяется
  Для проверки гипотез о средних значениях применяется формула:
  ,
 где: - выборочное среднее значение;
  M(x) - теоретическое значение, математическое ожидание;
  ?x - среднее квадратическое отклонение x;
  n - объем выборки.
  Например, готовя рекламу видеокамеры, определяется выборочное среднее - 1750 у.е., а среднее теоретическое - 1800 у.е. Выборка 100 единиц и среднее квадратическое отклонение ?x = 350 у.е.
 
 где: Z - нормированное отклонение.
  Для него среднее квадратическое отклонение выборочной средней = 35 у.е., найденное значение 1,43 меньше, к примеру, чем 1,96 соответствующее уровню доверительности 0,95.
  При наличии нескольких выборок проверяется нуль-гипотеза о существенности различия средних
 

<< Пред.           стр. 10 (из 15)           След. >>

Список литературы по разделу