ИСО ТО 10017 - ПРОEКТ ТEХНИЧEСКОГО ОТЧEТА 3

4.6 АНАЛИЗ ВОЗМОЖНОСТЕЙ ПРОЦЕССА

4.6.1 Общая характеристика
Возможности процесса являются оценкой изменчивости, процесса, находящегося в состоянии статистической устойчивости (4.10). Если данные процесса распределяются по нормальному закону (в форме "колоколообразной зависимости"), возможности процесса определяются термином "разброс" процесса и обычно измеряются величиной стандартных 6 отклонений распределения процесса. Этот разброс содержит 99,73% совокупности.
Возможности процесса лучше всего могут быть выражены индексом, связывающих, изменчивость, реального процесса с полем допуска, установленным в технических требованиях. Широко используется так называемый индекс воспроизводимости для количественных данных "Ср", который рассчитывается как допуск, деленный на 6 стандартных отклонений. Другой широко используемый индекс - "Cpk", описывающий возможности не центрированного процесса. Существуют и другие индексы, используемые для упрощения расчета долго- и краткосрочной изменчивости и определения вариации вокруг установленного целевого значения.
Если данные процесса включают в себя такие признаки, как процент несоответствующих единиц продукции или число несоответствий на единицу продукции, возможности процесса могут быть определены как средний процент несоответствующих единиц продукции или как среднее число несоответствий.
Анализ возможностей процесса является исследованием изменчивости и распределения процесса с целью оценки его способности изготавливать продукций в рамках разброса вариации, разрешенной в технических требованиях.

4.6.2 Область применения
Анализ возможностей процесса используется для определения способности процесса производить продукцию, соответствующую установленным требованиям, и оценки ожидаемого количества несоответствующей продукции.

4.6.3 Получаемые преимущества
С помощью анализа возможностей процесса осуществляется проверка изменчивости процесса и оценка доли несоответствующей продукции. Это позволяет поставщику оценить издержки, от несоответствий и помогает принять решения по улучшению процесса.
Кроме того, установление минимального значения на индекс возможностей процесса помогает поставщику в выборе процессов и оборудования, способных производить продукцию необходимого качества,

4.6.4 Ограничения и особенности
Понятие возможностей процесса применяется только к стабильному процессу. Тем не менее, разработаны подходы для вычисления и объяснения возможностей нестабильных процессов с определенными систематическими причинами вариации, например для изнашивания инструмента.
Анализ возможностей процесса должен использоваться совместно с методами управления для обеспечения объективности результатов управления.
Для распределений, отличающихся от нормального закона, использование индексов возможностей может привести к ошибке, поэтому оценка доли несоответствующей продукции должна основываться на методах анализа возможностей процесса, специально разработанных для процессов с ненормальным законом распределения.

4.6.5 Примеры использования
высокие требования к возможностям процесса (т.е. при Cpk >2) предъявляются к отдельным элементам и подсистемам для обеспечения приемлемого уровня надежности комплексных систем.
Понятие возможностей процесса используется для установление рациональных технических требований к произведенной продукции путем обеспечения (согласованности между вариациями комплектующих деталей годовой продукции и установленными допусками. Наоборот, если необходим жесткий допуск, производители комплектующих деталей должны достичь определенного уровня возможностей процесса, чтобы обеспечить требуемый объем выпуска продукции и минимальные потери.
B автомобилестроении, космической технике, электронике, пищевой и медицинской промышленности повсеместно используют индексы возможностей процесса в качестве основного критерия оценки материалов и продукции. Это позволяет производителю ослабить входной контроль закупаемой продукции и материалов.
Некоторые предприятия и обслуживающие компании используют индексы возможностей процесса для определения необходимости улучшения процесса или для проверки, эффективности таких улучшений.

4.7 РЕГРЕССИОННЫЙ АНАЛИЗ

4.7.1 Общая характеристика
Регрессионный анализ связывает поведение изучаемой характеристики (часто называемой "переменной отклика") с потенциальными причинами (часто называемыми "переменными причин"). Целью регрессионного анализа является помощь при выявлении причины вариации отклика и определении влияния каждой возможной причины на подобную вариацию. Это достигается путем статистической связи вариации в переменной отклика с вариацией в переменных причин.

4.7.2 Область применения
Регрессионный анализ позволяет следующее:
• проверять гипотезы о влиянии переменных причин на отклик и использовать полученную информацию при работе над откликом;
• прогнозировать значение переменной отклика при известных значениях переменных причин;
• прогнозировать (с определенным уровнем доверия) диапазон значений, в котором будет находиться отклик, при наличии установленных значений переменных причин;
• оценить характер и степень зависимости между переменной отклика и переменными причин; такая информация может быть использована для определения эффекта изменения фактора, такого, например, как температура или объем выпуска продукции исследуемого, процесса при неизменности других.

4.7.3 Получаемые преимущества
Регрессионный анализ обеспечивает понимание связи между различными факторами и ожидаем им откликом, что помогает в принятии решений, связанных с изучаемым процессом, и в конечном счетё улучшает процесс.
Выявление связи с помощью регрессионного анализа основываемся на его способности создавать модели данных процесса, сравнивать различные, связанные подгруппы данных и анализировать их с различных точек зрения. Такой путь может использоваться в причинно-следственном анализе.
Если связи хорошо смоделированы, регрессия может обеспечить оценку относительного влияния переменных причин и их ранжирование. Данная информация имеет важное значение для управления и улучшения результатов процесса.
Кроме того, регрессионный анализ обеспечивает оценку воздействия на отклик неизмеренных или не включенных в анализ факторов. Эта информация может быть использована для улучшения системы измерений или для управления процессом.
Регрессионный анализ может быть использован для прогнозирования значения переменной отклика, если известны значения одной или нескольких причин. Также он может быть использован для прогнозирования отклика из-за изменения причин. Полезно провести такой прогноз, чтобы напрасно не затрачивать средства и время на решение проблемы, когда эффективность такой процедуры неизвестна.

4.7.4 Ограничения и особенности
При моделировании процесса требуется навык в определении наилучших условий регрессионной модели и использовании диагностики для улучшения модели. Влияние случайной вариации на отклик может превратить такое моделирование в комплексную и трудную задачу.
Включенные или не включенные в анализ отдельные наблюдение или небольшие сгруппированные данные могут повлиять на оценку отклика. Поэтому факторы влияния должны быть выявлены и отделены от спорных экстремальных величин.
Важно упросить модель путем сокращения количества переменных причин. Включение ненужных причин может усложнить определение зависимости от действительных причин и снизить точность прогнозов. Однако исключение важной причины может ограничить полезность всей системы во многих отношениях.

4.7.5 Примеры использования
Регрессионный анализ используется для моделирования производственных процессов, анализе произведенной продукции, показателей качества производственных процессов, времени циклов, вероятности успешного проведения проверок или инспекции и дефицита различных материалов в процессе производства.
Регрессия используется для прогнозирования результатов эксперимента, планирования или изучения предшествующих изменений условий производства продукции или материалов.
Примерами использования нелинейной регрессии может служить моделирование концентрации лекарств от времени и веса входящих ингредиентов, моделирование химических реакций от времени, температуры, давления и т.д.

4.8 АНАЛИЗ НАДЕЖНОСТИ

4.8.1 Общая характеристика
Анализ надежности является примером использования инженерных и аналитических методов для решения проблем надежности. Это касается оценки, прогноза и предупреждения случайных отказов с течением времени. В целях сокращения неопределенностей возможности влияния случайных характеристик или случайных событий, при анализе надежности используются статистические методы, в частности, соответствующие статистические распределения, которые наилучшим образом характеризуют изучаемую проблему.

4.8.2 Область применения
Анализ надежности используется для:
• прогноза результатов событий (или отказов);
• моделирования схем отказов и управления выпускаемой продукцией или предоставляемыми услугами;
• определения частоты случайных событий.
Статистические методы, используемые для анализа надежности, включают определение уровня доверия для применения к прогнозам, оценкам или разработанным параметрам моделей надежности.

4.8.3 Получаемые преимущества
Анализ надежности обеспечивает количественную оценку представления эксплуатации продукции или услуг с точки зрения их отказов или сбоев. Анализ надежности тесно связанно анализом риска. Надежность является фактором, влияющим на качество продукции или услуг и удовлетворения потребителей.
Преимущества использования статистических методов наряд / с анализом надежности связаны со следующими обстоятельствами:
• возможностью прогноза и определения характеристик отказов и показателей надежности внутри границ доверительных интервалов;
• возможностью выбора альтернативных планов, основанных на анализе надежности стратегий избыточности и недостаточности;
• определением статистического уровня доверия для принятия или отклонения продукции в соответствии с требованиями надежности;
• возможностью планирования ремонтов оборудования и графиков поставок продукции, основанных на анализе требований к надежности работы продукции.

4.8.4 Ограничения и особенности
Основное допущение при анализе надежности состоит в том, что работа изучаемой системы может быть приемлемо описана статистическим распределением. Поэтому достоверность оценок надежности будет зависеть от обоснованности этого допущения.
Если присутствуют многочисленные виды отказов, которые могут соответствовать или не соответствовать одинаковому статистическому распределению, возможно достижение комплексного анализа надежности. Однако, если при проверке на надежность обнаружено пусть и небольшое число отказов, это может оказать сильное воздействие на уровень доверия и точность, связанные с оценками надежности.
Существуют и другие проблемы испытаний продукции на надежность, которые, в частности, проявляются при проведении ускоренных испытаний. Иногда бывает трудно определить связь между отказами, наблюдаемыми при испытаниях, и работой продукции при нормальных условиях, что указывает на неточность прогнозов надежности.

4.8.5 Примеры использования
Типичные примеры использования анализа надежности включают:
• планирование сравнительных затрат по жизненному циклу продукции, основанное на анализе надежности новой продукции;
• решение о покупке или производстве комплектующих деталей, основанное на анализе о надежности, пригодности и качества поставляемой продукции для комплексной системы, своевременной доставки и снижении затрат на обслуживание до минимального уровня, определяемого количеством и частотой имеющихся в продукции дефектов;
• планирование сроков обновления программного обеспечения в соответствии с ростом требований рынка и надежности, проверками результатов и непрерывного улучшения качества;
• оценка наиболее быстро изнашиваемых деталей в выпускаемой продукции для своевременного планирования ее ремонта и замены изношенных деталей.

4.9 ВЫБОРОЧНЫЙ КОНТРОЛЬ

4.9.1 Общая характеристика
Выборочный контроль является систематическим статистическим методом для получения информации о характеристиках совокупностей путем изучения представительной выборки этой совокупности. Применяемыми методами выборочного контроля могут быть простой, случайный, систематический, последовательный и другие методы.

4.9.2 0бласть применения
Выборочный контроль может быть разделен на две обширных, взаимосвязанных друг с другом области: "статистический приемочный контроль" и "выигранное обследование".
Статистический приемочный контроль обеспечивает принятие решений относительно приемлемости или неприемлемости партии по результатам выборки, сделанной из этой партии. Широкое использование планов статистического приемочного контроля подтверждает его возможность удовлетворения установленных требований.
Выборочное обследование используется при аналитических исследованиях с целью оценки значений одной или нескольких характеристик совокупности или получения распределения этих характеристик. Поскольку выборочное обследование часто проводится с помощью опросов людей по определенному вопросу, оно в равной степени может применяться к данным, собранным для других целей, таких как аудиты.
Выборочный контроль, используемый с целью исследования и сбора информации о характеристиках совокупности или подмножестве совокупности, является специальной формой выборочного обследования. К этому виду относится и производственный выборочный контроль, который может быть использован совместно с анализа возможностей процесса.

4.9.3 Получаемые преимущества
Правильно разработанный план выборочного контроля обеспечивает экономию времени, средств и труда по сравнению с анализом общей совокупности или 100-процентным контролем партии.
Выборочный контроль предлагает недорогой и быстрый путь получения предварительной информации, относящейся к величине и распределений изучаемой характеристики общей совокупности.

4.9.4 Ограничения и особенности
При выборе плана выборочного контроля особое внимание следует обращать на размер выборки, частоту выборочного контроля, метод взятия выборки, принцип группировки данных и другие аспекты методологии выборочного контроля.
Выборочный контроль требует, чтобы выборка была сделана несмещенным способом, т.е. требует представлять совокупность, из которой она сделана (иметь репрезентативный характер). Для нерепрезентативных выборок возможна неправильная оценка характеристик совокупности. В случае статистического приемочного контроля нерепрезентативные выборки могут привести к отклонению партий хорошего качества или, наоборот, к приемке партий неудовлетворительного качества.
Даже у репрезентативных выборок информация может быть ошибочной. Величина этой ошибки может быть уменьшена за счет увеличения объема выборки, но она не может быть полностью исключена. В зависимости от поставленной задачи и целей выборочного контроля объем выборки, требуемый для достижения желаемого уровня доверия и точности, может быть очень большим.

4.9.5 Примеры использования
Часто выборочный контроль используется в исследованиях рынка для оценки совокупности потребителей, имеющих возможность купить выпускаемую продукцию.
Другим применением выборочного контроля могут служить аудиты с целью оценки соответствия документации или данных установленным процедурам.
Выборочный контроль используется для проверок операторов машин или производственного процесса с целью регистрации вариаций и выбора правильных предупреждающих действий,
Статистический приемочный контроль широко используется в промышленности для обеспечения уверенности в том, что материалы на входе удовлетворяют предписанным требованиям.

4.10 МОДЕЛИРОВАНИЕ

4.10.1 Общая характеристика
Моделированием называется совокупность процедур, с помощью которых теоретическая или эмпирическая система может быть представлена математически в виде компьютерной программы для поиска решения проблемы. Если для подобного представления используются понятия теории вероятности, в частности случайных переменных, моделирование называется "методом Монте-Карло".

4.10.2 Область применения
С точки зрения теоретической науки моделирование используется в том случае, если неизвестно ни одной исчерпывающей теории для решения проблемы, а ее и теорий существуют" то невозможно или трудно ими воспользоваться. Кроме того, моделирование используется тогда, когда решение может быть получено с использованием компьютера. С практической точки зрения моделирование используется в том случае, если система может быть адекватно описана компьютерной программой. Кроме того, моделирование является полезным инструментом в изучении статистики.
В последнее время развитие относительно недорогих расчетных компьютерных программ приводит к расширению использования моделирования проблем, к которым раньше его не применяли.

4.10.3 Получаемые преимущества
Наряду с теоретическими науками моделирование (в частности, метод Монте-Карло) используется когда применение точных расчетов для решения проблем невозможно или расчеты слишком громоздки (например, n-пространственная интеграция). В эмпирическом представлении моделирование используется, когда эмпирические исследования не возможны или слишком дороги. Преимуществом моделирования является получение решения для любого случая с экономией времени и средств.
В области изучения статистики использование моделирования имеет чисто педагогические причины, т.к. с помощью его можно эффективно проиллюстрировать случайную вариацию.

4.10.4 Ограничения и особенности
В теоретической науке доказательства, основанные на понятии приемлемости, более предпочтительны, чем моделирование, т.к. моделирование часто не полностью объясняют причины полученного результата.
При компьютерном моделировании эмпирических моделей ограничения возникают из-за того, что модель может быть неадекватной, т.е. лишь частично представлять проблему. Поэтому моделирование не может заменить реальные эмпирические исследования и эксперименты.

4.10.5 Примеры использования
В крупномасштабных проектах (например, космических программах) обычно используется метод Монте-Карло. Использование моделирования не ограничено только промышленностью. Типичными областями применения являются построение статистических допусков, моделирование процесса, теория надежности и прогнозирование.
Специфическими видами применения являются моделирование изменчивости механических подсистем или моделирование вибрации в сложных конструкциях.

4.11 .КОНТРОЛЬНЫЕ КАРТЫ

4.11.1 Общая характеристика
Карта Статистического управления процессом или контрольная карта является графическим Представлением данных из выборки, которые периодически берутся из процесса и наносятся на график в соответствии со временем. Кроме того, на контрольных картах отмечаются "контрольные границы", которые описывают присущую изменчивость устойчивого процесса. Целью контрольной карты является помощь в оценке стабильности
процесса на основе изучения и нанесения на график данных с учетом контрольных границ.
Любая переменная (измеренные данные) или признак (расчетные данные), представляющие изучаемую характеристику продукции или процесса, могут быть нанесены на график. В случае переменных данных одна контрольная карта обычно используется для наблюдения отклонении центра процесса, а другая - для наблюдения изменения вариации процесса.
Наиболее широко используемый вид контрольных карт - карты Шухарта. Существуют другие виды контрольных карт, каждая из которых имеет собственные свойства и область применения, примерами являются "карты накопленных сумм", которые обеспечивают
большую чувствительность к малейшим изменениям процесса, "карты со скользящим средним значением" (равномерные или взвешенные), которые служат для сглаживания вариаций возвратных трендов.

4.11.2 Область применения
Контрольная карта используется для обнаружения изменений в процессе. Нанесенные на график данные сравниваются с контрольными границами. В упрощенном виде точка графика, находящаяся вне области контрольных границ, дает сигнал о возможном изменении процесса из-за действия определенной причины. В результате появляется потребность в исследовании причины изменения или для регулирования процесса, что помогает поддерживать стабильность процесса и проводить их улучшение во времени.
Использование контрольных карт может быть направлено на более оперативное отслеживание изменений процесса или увеличение чувствительности к малейшим его изменениям за счет применения дополнительного критерия отслеживания трендов и методов нанесения данных на графики.

4.11.3 Полу чаемые преимущества
Кроме того, что данные представляются наглядно, контрольные карты указывают на изменение процесса, позволяя отслеживать различия случайной вариации, присущей стабильному процессу, и вариации, являющиеся результатом особых причин. Роль и значение контрольных карт в различных процедурах, связанных с процессами, изложена ниже.
Управление процессом: различные контрольные карты используются для распознавания изменений положения центра процесса или изменчивости процесса, а также для выбора корректирующих действий, сохраняя тем самым стабильность процесса.
Анализ возможностей процесса: данные контрольных карт могут быть использованы впоследствии для оценки возможностей процесса.
Анализ системы измерений: используя контрольные границы, которые отражают изменчивость измерительной системы, контрольные карты показывают, способна ли измерительная система обнаружить изменчивость изучаемого процесса или продукции.
Анализ причин и воздействий: связь между результатами процесса и видам контрольных карт может помочь выявить неслучайные причины, лежащие в основе процессов, и разработать план эффективных действий.
Непрерывное улучшение: контрольные карты используют с целью прослеживания и определения причин вариации процесса и их сокращения.

4.11.4 Ограничения и особенности
Выборки из процесса важно сделать таким способом, который позволяет наилучшим образом выявить исследуемое отклонение: такая выборка носит название "рациональной подгруппы". Такой способ помогает эффективному использованию и анализу контрольных карт и выбору источников вариации процесса.
Краткосрочные процессы представляют особые трудности, т.к. зачастую не достаточно данных для определения соответствующих контрольных границ.
Существует риск "ложной тревоги" при анализе контрольных карт, т.е. риск не правильного заключения о наличии изменения, хотя его на самом деле нет. Этот риск может быть ослаблен, но никогда полностью не исключен.

4.11.5 Примеры использования
Автомобилестроительные, электротехнические, оборонные и другие предприятия часто требуют от поставщиков подтверждения результатов исследования критических характеристик на основе контрольных карт как доказательство непрерывной стабильности и возможностей процесса. Если получена несоответствующая продукция, то карты применяют для анализа риски принятия ошибочного решения для корректирующих действий.
Контрольные карты являются полезным инструментом в решении проблем на рабочем месте. Они применимы на всех уровнях организации с целью выявления и анализа возникающих проблем.
Контрольные карты применяют в промышленном производстве для сокращения ненужного вмешательства в процесс, помогая оператору отличать случайную вариацию, присущую процессу, от детерминированной вариации, связанной с изменением процесса.
Контрольные карты выборочных характеристик - среднего времени наработки на отказ, коэффициента дефектности и частоты претензий - используется для измерения, диагностики и, улучшения работы в сфере обслуживания.

4.12 ПОСТРОЕНИЕ ДОВЕРИТЕЛЬНЫХ ИНТЕРВАЛОВ

4.12.1 Обще я характеристика
Построение доверительных интервалов представляет процедуру определения допусков, основанную на достоверности действий, совершенней с помощью статистического распределения измерений.

4.12.2 Область применения
При объединении многочисленных индивидуальных объектов в единый блок, часто критический фактор или требование комбинаций и взаимозаменяемости таких объектов не является суммарной величиной индивидуальных объектов, хотя в результате объединения достигается общая величина.
Экстремальные значения общей величины, т.е. очень большие или очень маленькие, присутствуют только в том случае, когда величины всех отдельных объектов лежат в пределах нижней или верхней границы их относительных допусков. Если отдельные допустимые отклонения складываются в общий допуск величины, можно считать это общим арифметическим допуском.
Для статистического определения общих допусков, включающих большое число индивидуальных поставляющих, величина границы одного допуска будет скорректирована величиной границы другого допуска. Например, отдельный размер, лежащий около нижней границы допуска, может совпасть с другим размером (или комбинацией размеров), лежащим около верхней границы допуска. Применяя статистику, при определенных условиях общая величина будет иметь нормальное распределение. Этот факт не зависит от распределения отдельных величин, поэтому может быть использован для оценки доверительных интервалов общей величины сформированного блока. Альтернативой общего допуска может быть определение доверительных интервалов отдельных величин.

4.12.3 Получаемые преимущества
Рассматривая допуски для индивидуальных значений (которые не обязательно должны быть одинаковыми), подсчет общего статистического допуска способствует выработке общего допуска величины, который будет меньше, чем общий допуск величины, подсчитанный арифметически.
Это значит, что, зная допуск общей величины, построение статистических допусков позволит использовать более широкие допуски для отдельных величин, чем общий допуск, полученный арифметически. На практике это может быть выгодно, т.к. более широкие допуски ассоциируются с более простыми и дешевыми методами производства.

4.12.4 Ограничения и особенности
Построение доверительных интервалов в первую очередь требует определение части сформированной совокупности, которая может лежать вне общего доверительного интервала. Для построения доверительных интервалов на практике должны быть учтены следующие условия:
• отдельные действительные измерения могут рассматриваться как некоррелированные случайные переменные;
• размерная цепочка линейная;
•размерная цепочка включает не менее 4 единиц;
• допуски для индивидуальных значений имеют одинаковый порядок;
• распределения отдельных измерений размерной цепочки известны.
Очевидно, что некоторые из этих требований могут встретиться в производстве при проведении управления и наблюдения за процессом. На стадии разработки продукции необходимы инженерные знания для применения и построения доверительных интервалов.
Теория построения доверительных интервалов повсеместно применяется при сборке узлов, когда появляются дополнительные связи между размерами пли в случаях простого вычитания (например, допуск вала и отверстия). Построение доверительных интервалов применяется в машиностроительной, электротехнической и химической промышленности. Эта теория также применяется при компьютерном моделировании для определения оптимальных допусков.

4.13 АНАЛИ3 ВРЕМЕННЫХ РЯДОВ

4.13.1 Общая характеристика
Анализ временных рядов (иногда называемый анализом трендов) представляет набор
методов для изучения последовательных во времени групп наблюдений. Эти методы включают:
• графическое изображение временного ряда (часто называемое картой тренда), т.е. нанесение изучаемой характеристики на ось "у", а времени - на ось "х";
• нахождение "запаздывания модели" путем статистического Анализа взаимосвязи наблюдения с предыдущим наблюдением и повторение этой процедуры для каждого периода запаздывания (используя метод корреляции);
• нахождение циклических и сезонных моделей для раскрытия причин тех факторов, которых могут повторить свое влияние в будущем (используя метод оценки спектральной плотности распределения);
• использование статистических инструментов из эконометрики и теории
автоматического регулирования и управления для прогноза будущих наблюдений или понимания причин факторов, которые более всего способствовали отклонениям временных рядов.

4.13.2 Область применения
Анализ временных рядов применяется для описания поведения моделей во времени и определения применимости данных для точного прогнозирования изменений. Кроме того, он и пользуется для выявления неожиданного изменения формы временного ряда. Другим примером использования данного анализа является объяснение моделей одного временного ряда при помощи моделей других временных рядов со всеми задачами, присущими регрессионному анализу.
Анализ временных рядов используется для прогнозирования будущих изменений значений временных рядов с определенными верхними и нижними пределами, досматриваемыми как прогнозируемый интервал. Это находит широкое распространение в области контроля и часто применяется в автоматизированных процессах. В этом случае модель вероятности применяется к временным рядам, будущие значения которых с прогнозированы, а затем параметры процесса регулируются для удержания процесса внутри желаемых границ.

4.13.3 Получаемые преимущества
Анализ временных рядов полезен в планировании, конструировании, определении изменений процесса, а также измерении эффекта определенного внешнего вмешательства или действия.
Кроме того, анализ временных рядов полезен для сравнения получаемых результатов в случае отсутствия улучшений или изменений процесса и в случае проведения улучшений и изменений.
Методы временных рядов помогают при анализе причинно-следственных моделей. Существуют методы для разделения систематических и случайных причин и создания моделей временных рядов с циклическими, сезонными и направленными изменениями.
Анализ временных рядов часто полезен для понимания поведения процесса при определенных условиях и выбора регулировки, способной повлияв на процесс для достижения его цели или уменьшения изменчивости процесса.

4.13.4 Ограничения и особенности
Ограничения и особенности применения, укачанные для регрессионного анализа, применимы также и к анализу временных рядов. Для понимания причин и последствий при моделировании процесса требуется определенный уровень профессионализма для выбора наиболее подходящей модели и использования инструментов диагностики для улучшения модели. Профессионализм (и использование компьютерной техники) требуются для разработки модели временных рядов, поэтому данное требование становится актуальным, когда многочисленные причины вовлечены в прогнозирование.
Количество факторов, включенных в анализ, а также характер наблюдший могут иметь заметное влияние на модель. Поэтому наблюдения, оказывающие основное влияние, должны быть отделены от случайных данных.
Различные методы оценки временных рядов могут иметь различный успех в зависимости от моделей временных рядов и количества периодов, для которых осуществляемся прогнозирование. Поэтому выбор модели должен учитывать цель, природу данных, относительную стоимость и аналитические и прогнозируемые свойства различных моделей.

4.13.5 Примеры использования
Анализ временных рядов применяется для изучения моделей представления процесса во времени, например изменение претензий потребителей, несоответствий, производительности и результатов проверок с течением времени.
Применение анализа временных рядов для развития организации позволяет спрогнозировать необходимое количество запасных частей, возможное количество прогулов, изменение потребительских заказов, требуемого сырья и материалов и т.д.
Причинный анализ временных рядов используется для разработки моделей прогнозов развития требований или установления связи с надежностью, например при прогнозировании количества определенных событий за определенный период времени и распределения временных интервалов между событиями, такими как износ оборудования.

5 БИБЛИОГРАФИЯ
Настоящий отчет включает в себя только стандарты и технические отчеты ИСО и МЭК, относящиеся к статистическим методам, определенным в разделе 3 и описанным в разделе 4. Документы ИСО/МЭК сведены в таблицу 3, а их полные названия приведены ниже.
Этот список включает терминологические документы, относящиеся к статистическим методам (ИСО 3534-1,2,3), а также словарь, относящийся к управлению качеством и обеспечению качества (ИСО 8402-94).
ISO Guide 33: Uses of certified reference materials
Применение сертифицированных эталонов
ISO Guide 3 5. Certification of reference materials General and statistical principles
Сертификация эталонов. Основные положения и статистические принципы
ISO/IEC Guide 43: Proficiency testing by interlaboratory comparisons, 1984
Испытания с,помощью межлабораторных сравнений, 1984
ISO 2602:1980 Statistical interpretation of test result - Estimation of the mean - Сonfidence interval
Статистическое представление результатов испытаний - Оценка среднего - Доверительный интервал
ISO 2854:1976 Statistical interpretation of data - Techniques and tests relating to n sans and variances
Статистическое представление данных - Методы оценки и проверки гипотез о средних значениях и дисперсиях 1)
ISO 2859-0:1995 Sampling procedures for inspection by attributes - Part 0: Introduion to the ISO 2859 attribute sampling system.
Процедуры выборочного контроля партий по альтернативному признаку - Часть 0. Введение в систему приемочного выборочного контроля по стандарту ИСО 2859
ISO 2859-1-1989 Sampling procedures for inspection by attributes Part 1: Sampling plans indexed by acceptable quality level (AQL) for lot-by-lot inspection
Процедуры, выборочного контроля партий по альтернативному признаку - Часть 1. Планы выборочного контроля на основе приемочного уровня качества AQL для контроля последовательных партий
ISO 2859-2; 1985 Sampling procedures for inspection by attributes - Part 2: Sampling plans indexed by limiting quality (LQ) for isolated lot inspection
Процедуры выборочного контроля партий по альтернативному признаку - Часть 2. Планы выборочного контроля на основе предельного уровня качества (LQ) при контроле изолированных партий
ISO 2859-3:1991 Sampling procedures for inspection by attributes - Part 3. Skiplot sampling procedures
Процедуры выборочного контроля партий по альтернативному признаку - Часть 3. Процедуры выборочного контроля с пропуском партий
ISO 3207:1975 Statistical interpretation of data - Determination of a statistical tolerance interval
Статистическое представление данных - Определение толерантного интервала
ISO 3301:1975 Statistical interpretation of data - Comparision of two means in the case of paired observations
Статистическое представление данных - Сравнение двух средних в случае парных наблюдений
ISO 3494:197( Statistical interpretation of data - Power of tests relating to means and variances
Статистическое представление данных - Мощность тестов для проверки гипотез о средних и дисперсиях
ISO 3534-1:1993 Statistics - Vocabulary and symbols - Part 1, Probability and general statistical terms
Статистика. Словарь и символы - Часть 1. Вероятность и общие статистические термины
ISO 3534-2:1993 Statistics - Vocabulary and symbols - Part 2. Statistical guality control
Статистика. Словарь и символы - Часть 2. Статистическое управление качеством
ISO 3534-3:1993 Statistics - Vocabulary and symbols - Part 3. Design of experiments
Статистика. Словарь и символы - Часть 3. Планирование экспериментов
ISO 3951-1989 Sampling procedures and charts for inspection by variables for percent nonconforming Процедуры выборочного контроля и карты контроля по количественному признаку для процента несоответствий
ISO 5479:1997 Statistical interpretation of data - Test for departure from the normal distribution
Статистические представление данных - Проверка отклонения от нормального распределения
ISO 5725-1-1994 Accuracy (trueness ana precision) of measurement methods and results - Part I. Genera principles and definitions
Точность (истинность и прецизионность) методов и результатов измерений - Часть 1. Общие принципы и определения
ISO 5725-2-1994 Accuracy (trueness and precision) of measurement methods and results - Part
2. Basic method for the determination of repeatability and reproducibility of a standard measurement method
Точность (истинность и прецизионность) методов и результатов измерений - Часть 2. Основной метод определения повторяемости и воспроизводимости стандартного метода измерения
ISO 5725-3:1994 Accuracy (trueness and precision) of measurement methods and results - Part 3, Intermediate measures of the precision of a standard measurement method
Точность (истинность и прецизицонность) методов и результата измерений - Часть 3. Дополнительные критерии прецизионности стандартного метода измерения
ISO 5725-4-1994 Accuracy (trueness and precision) of measurement methods and results - Part 4. Basic method for the determination of the trueness of a standard measurement method
Точность (истинность и прецизионность) методов и результатов измерений - Часть 4. Основной метод определения правильности стандартного метода измерений
ISO 5725-6:1994 Accuracy (trueness (imprecision) of measurement methods and results - Part 6. Use in practice, of accuracy values
Точность (истинность и прецизионность) методов и результатов измерений - Часть 6. Практическое применение значений точности
ISO 7870:1993 Control charts - General guide and introduction
Контрольные карты - Общее руководство и введение 1)
1SO/TR 7871:1997 Cumulative sum charts - Guidance on quality control m\d data analysis iisinfi CUSUM techniques
Карты кумулятивных сумм - Руководство по управлению качеством и анализу данных с помощью методов КУСУМ
ISO 7873:1993 control charts for arithmetic average with warning limits
Контрольные карты для арифметического среднего с предупреждающими границами 1)
ISO 79б6:1993 Acceptance control charts
Приемочные контрольные карты
ISO 8258 :1991 Shewhart control charts
Контрольные карты Шухарта 1)
ISO 8422:1991 Sequential sampling plans for inspection by attributes
Планы последовательного выборочного контроля по альтернативному признаку
ISO 8423:1991 Seguential sampling plans for inspection by variables for percent nonconfbrming (known standard deviation)
Планы последовательного выборочного контроля по количественному признаку для процента несоответствий (стандартное отклонение известно)
ISO/TR 8550:1994 Guide for the selection of an acceptance sampling system, scheme or plan for inspection of discrete items in lots
Руководство по выбору систем, схем или планов приемочного выборочного контроля партий дискретных изделий
ISO 8595:1989 Interpretation of statistical data - Estimation of a median
Статистической представление данных - Оценка медианы
ISO 11095:1996 Lenear calibration using reference materials
Линейная калибровка с помощью эталонных материалов
ISO 11453:1996 Statistical interpretation of data - Tests and confidence intervals relying to proportion
Статистические представление данных - Тесты и доверительные интервалы, относящиеся к пропорциям
ISO 11843-1:1997 Capability of detection - Part I: Terms and definitions
Воспроизводимость обнаружения - Часть 1: Термины и определения
ISO/TR 13425:1-995 Guide for the selection of statistical methods in standardization and specification
Руководство по выбору статистических методов в стандартизации
ISO 8402-94: Quality management and quality assurance - Vocabulary
Управление качеством и обеспечение качества - Словарь
ISO 9004-4: Quality management and quality system elements - Part 4: Guidelines for quality improvement Управление качеством и элементы системы качества - Часть 4:
Руководство по улучшению качества "VIM": BIPM/IEC/IFCC/ISO/IUPAC/IUPAP/OIML: International vocabulary of basic and general terms used in metrology: 1993, published ISO, Geneva; referred to as "VIM"
международный и словарь основных и общих терминов, используемых в метрологии: 1993, издан ИСО, Женева; называется "VIM"

<< Пред. стр. 3 (из 4) След. >>

Список литературы по разделу