СТАТИСТИЧЕСКИЕ МЕТОДЫ УПРАВЛЕНИЯ КАЧЕСТВОМ
Любая система управления качеством основана на применении
прогрессивных методов управления качеством.
Возникнув в 20-х годах прошлого столетия, статистические методы
управления качеством не только не потеряли актуальности, но получили еще
большее развитие. Это связано с тем, что обострение конкуренции на
национальном и международном уровнях заставило многих руководителей
предприятий вновь обратиться к статистическим методам, применение
которых в условиях рыночной экономики считаются важным условием
рентабельности предприятия.
К настоящему времени в промышленности накоплен большой опыт
применения статистических методов:
для статистического регулирования технологических
процессов
(корректирование значений параметров технологического процесса по
результатам
выборочного
контроля
контролируемых
параметров,
осуществляемое для технологического обеспечения требуемого уровня
качества продукции; решение о состоянии технологического процесса
принимается двух видов: «процесс налажен» и «процесс разлажен»);
статистического приемочного контроля качества продукции (по
результатам контроля выборки принимается решение принять или отклонить
продукцию).
Методы статистического регулирования технологических процессов
изложены в научной литературе по материалам книги коллектива японских
авторов «Статистические методы повышения качества» под редакцией Хитоси
Кумэ, известного японского ученого в области управления качеством. В книге
системно изложены не только статистические методы регулирования
технологических процессов, но также дан целый ряд примеров из практики по
их применению. Японское мудрое изречение гласит: «В руках хорошего
человека плохой метод становится хорошим, а в руках плохого человека и
хороший метод плох».
Многие из современных методов математической статистики довольно
сложны для восприятия и для широкого применения всеми участниками
процесса управления качеством. Поэтому японские ученые отобрали из всего
множества семь методов, которые наиболее применимы в процессах
статистического регулирования технологических процессов. Заслуга японцев
состоит в том, что они обеспечили простоту, наглядность, визуализацию этих
методов, превратив их в инструменты статистического регулирования
технологических
процессов, которые можно понять и эффективно
использовать без специальной математической подготовки. В то же время, при
всей своей простоте эти методы позволяют сохранить связь со статистикой
и дают возможность профессионалам при необходимости совершенствовать их.
К семи
основным
методам
статистического
регулирования
технологических процессов качества относятся следующие: контрольный
листок, гистограмма, диаграмма разброса, причинно-следственная диаграмма,
диаграмма Парето, стратификация, контрольная карта (рисунок 23).
Контрольная карта
Диаграмма разброса
Стратификация
Диаграмма Парето
Контрольный
листок
Гистограмма
Диаграмма Исикавы
Рисунок 23 – Основные методы статистического регулирования
технологических процессов
Основное
назначение статистических
методов
статистического
регулирования технологических процессов – контроль протекающего процесса
и предоставление участнику процесса фактов для его корректировки
и улучшения.
Данные методы в настоящее время применяются не только в производстве,
но и в планировании, проектировании, маркетинге, материально-техническом
снабжении и т.д. Последовательность применения семи методов может быть
различной в зависимости от цели, которая поставлена перед социальноэкономической
системой.
Применяемая
система
статистического
регулирования технологических процессов не обязательно должна включать
все семь методов. Их может быть меньше, а может быть и больше, так как
существуют и другие статистические методы.
Однако
семь
инструментов
статистического
регулирования
технологических процессов являются необходимыми и достаточными
статистическими методами, применение которых помогает решить 95 % всех
проблем, возникающих на производстве.
К о н т р о л ь н ы й л и с т о к . Какая бы задача не стояла перед системой,
объединяющей последовательность применения статистических методов,
всегда начинают со сбора исходных данных, на базе которых затем применяют
тот или иной инструмент.
Контрольный листок – это инструмент для сбора данных
и автоматического
их упорядочения,
для
облегчения
дальнейшего
использования собранной информации.
Обычно контрольный листок представляет собой бумажный бланк,
на котором заранее напечатаны контролируемые параметры, согласно которым
в них можно заносить данные с помощью пометок или простых символов.
Листок позволяет автоматически упорядочить данные без их последующего
переписывания.
Число различных контрольных листков исчисляется сотнями, и для
каждой конкретной цели может быть разработан свой листок. Но принцип
их оформления остается неизменным. Например, график температуры
больного – один из возможных типов контрольных листков. В качестве другого
примера можно привести контрольный листок, применяемый для фиксирования
отказавших деталей в телевизорах и т.д.
При составлении контрольных листков следует обратить внимание на то,
чтобы было указано, кто, на каком этапе процесса и в течение какого времени
собирал данные, а также, чтобы форма листка была простой и понятной без
дополнительных пояснений. Важно и то, чтобы все данные добросовестно
фиксировались, и собранная в контрольном листке информация могла быть
использована для анализа процесса.
Рассмотрим
контрольный листок для регистрации видов дефектов
(рисунок 24). Каждый раз, когда контролер обнаруживает дефект, он делает в
листке пометку (штрих). Когда набирается 4 штриха, пятый их перечеркивает.
В конце рабочего дня контролер может быстро сосчитать число и
разновидности дефектов.
Типы дефектов
Трещины
Царапины
Пятна
Деформация
Разрыв
Раковины
Прочие
Итого
Группы данных
…
…
Итого
10
42
6
104
4
20
14
100
Рисунок 24 – Контрольный листок видов дефектов
Г и с т о г р а м м а . Для наглядного представления тенденции изменения
наблюдаемых значений применяют графическое изображение статистического
материала. Наиболее распространенным графиком, к которому прибегают при
анализе распределения случайной величины при проведении контроля
качества, является гистограмма.
Гистограмма – это инструмент, позволяющий зрительно оценить закон
распределения статистических данных.
Гистограмма представляет собой столбчатый график, построенный по
полученным за определенный период (неделя, месяц и т.д.) данным, которые
разбиваются на несколько интервалов; число данных, попадающих в каждый из
интервалов (частота), выражается высотой столбика (рисунок 25).
25
SL
SU
Частота
20
15
10
5
0
2,503
2,513
2,523
2,533
2,543
Диаметр оси в мм
Рисунок 25 – Гистограмма
Гистограмма удобна для визуальной оценки расположения статистических
данных в пределах допуска. Чтобы оценить адекватность процесса требованиям
потребителя, необходимо сравнить качество процесса с полем допуска,
установленным пользователем. Если имеется допуск, то на гистограмму
наносят верхнюю (SU) и нижнюю (SL) его границы в виде линий,
перпендикулярных оси абсцисс, чтобы сравнить распределение параметра
качества процесса с этими границами. Тогда можно увидеть, хорошо ли
располагается гистограмма внутри этих границ.
При исследовании гистограммы можно выяснить, в удовлетворительном
состоянии находятся партия изделий и технологический процесс. И
рассматриваются следующие вопросы:
какова ширина распределения по отношению к ширине допуска;
каков центр распределения по отношению к центру поля допуска;
какова форма распределения.
В случае, если:
а) форма распределения симметрична, то имеется запас по полю допуска,
центр распределения и центр поля допуска совпадают – качество партии
находится в удовлетворительном состоянии;
б) центр распределения смещен вправо, то есть опасение, что среди
изделий (в остальной части партии) могут находиться дефектные изделия,
выходящие за верхний предел допуска. Проверяют, нет ли систематической
ошибки в измерительных приборах. Если нет, то продолжают выпускать
продукцию, отрегулировав операцию и сместив размеры так, чтобы центр
распределения и центр поля допуска совпадали;
в) центр распределения расположен правильно, однако ширина
распределения совпадает с шириной поля допуска. Есть опасения, что при
рассмотрении всей партии появятся дефектные изделия. Необходимо
исследовать точность оборудования, условия обработки и т.д. или расширить
поле допуска;
г) центр распределения смещен, что свидетельствует о присутствии
дефектных изделий. Необходимо путем регулировки переместить центр
распределения в центр поля допуска или сузить ширину распределения, или
пересмотреть допуск;
д) ширина и центр распределения – в норме, однако незначительная часть
изделий выходит за верхний предел допуска и, отделяясь, образует
обособленный островок. Возможно, эти изделия – часть дефектных, которые
вследствие небрежности были перемешаны с доброкачественными в общем
потоке технологического процесса. Необходимо выяснить причину и устранить
её.
Для удобства анализа гистограмму обычно изображают в виде плавной
аппроксимирующей линии, называемой кривой распределения частоты.
Д и а г р а м м а р а з б р о с а . Диаграмма разброса используется для
выявления зависимости одних показателей от других, например, для выявления
зависимости между показателями качества и основными факторами
производства при анализе причинно-следственной диаграммы.
Диаграмма разброса – инструмент, позволяющий определить вид
и тесноту связи между парами соответствующих переменных.
Эти две переменные могут относиться:
к характеристике качества и влияющему на нее фактору;
двум различным характеристикам качества;
двум факторам, влияющим на одну характеристику качества.
Для выявления связи между ними и служит диаграмма разброса, которую
также называют полем корреляции (рисунок 26).
90
n=25
80
70
60
50
60
70
80
90
Рисунок 26 – Пример диаграммы рассеивания
В зависимости от расположения точек в поле рассеивания можно
предварительно проанализировать характер зависимости между переменными.
Если точки выстраиваются на условной наклонной линии снизу вверх, то
имеется положительная зависимость (корреляция), если точки выстраиваются
по линии сверху вниз – отрицательная корреляция. Если на глаз невозможно
определить корреляцию, то зависимость между двумя переменными, скорее
всего, отсутствует. Возможно наличие на графике точек, стоящих в стороне от
основного массива данных. Это может быть вызвано как ошибками измерения
или описками в записи, так и случайными выбросами, которые можно не
учитывать в анализе корреляции.
Наглядная оценка диаграммы носит, как было указано, предварительный
характер. Для более точной оценки зависимости проводится математическая
обработка массива парных данных, которая дает численное значение
коэффициента
корреляции г. Этот математический метод определения
корреляции между анализируемыми параметрами называется корреляционным
анализом.
Математическое
определение
уравнения
зависимости
между
переменными параметрами называется регрессионным анализом. Вместе с
этим следует отметить, что коэффициент корреляции принимает значения в
диапазоне -1<г<1. При г, близком к 1 (0,8 – 0,95), имеет место сильная
корреляция. При г, близком к 0 (0,05 – 0,2), корреляция отсутствует. Можно
уверенно считать, что корреляция существует при коэффициенте корреляции г
больше 0,6. Если у исследователя есть уверенность в наличии корреляции, а
диаграмма рассеивания это не показывает, то целесообразно дополнительно
проанализировать собранную информацию на возможность расслоения данных
измерения. Возможно, при сборе информации одна из переменных имеет
дополнительный стратифицирующий фактор. Например, при определении
зависимости силы резания от величины подачи не учли, что
обрабатываемые заготовки были изготовлены не из одного материала, а из
нескольких. Для оценки эффективности затрат на повышение качества можно
так же использовать математический аппарат корреляционного анализа.
Исследуя зависимость цены (или рентабельности) от величины издержек,
можно по значению коэффициента корреляции этой зависимости оценить
целесообразность дополнительных расходов на качество.
Д и а г р а м м а П а р е т о . В 1897 г. итальянский экономист В. Парето
предложил формулу, показывающую, что общественные блага распределяются
неравномерно. Эта же теория была проиллюстрирована на диаграмме
американским экономистом М. Лоренцом. Оба ученых показали, что
в большинстве случаев наибольшая доля доходов или благ (80%) принадлежит
небольшому числу людей (20%).
Доктор Д. Джуран
применил
диаграмму
М. Лоренца
в сфере
статистического
регулирования
технологических
процессов
для
классификации проблем качества на немногочисленные, но существенно
важные и многочисленные, но несущественные и назвал этот метод анализом
Парето. Он указал, что в большинстве случаев подавляющее число дефектов
и связанных с ними потерь возникают из-за относительно небольшого числа
причин. При этом он иллюстрировал свои выводы с помощью диаграммы,
которая получила название диаграммы Парето.
Диаграмма Парето – инструмент, позволяющий распределить усилия для
разрешения возникающих проблем и выявить основные причины, с которых
нужно начинать действовать (рисунок 27).
10000
100
9000
8000
80
Число 7000
дефектов 6000
60
5000
4000
40
Кумулятивный
процент
3000
2000
20
1000
0Виды дефектов
0
1
2
3
4
4
6
7
8
9
Рисунок 27 – Диаграмма Парето
В повседневной деятельности по контролю и управлению качеством
постоянно возникают всевозможные проблемы, связанные, например,
с появлением брака, неполадками оборудования, увеличением времени
от выпуска партии изделий до ее сбыта, наличием на складе нереализованной
продукции, поступлением рекламаций. Метод анализа Парето заключается в
классификации проблем качества на немногочисленные, но существенно
важные и многочисленные, но несущественные. Он позволяет распределить
усилия и установить основные факторы, с которых нужно начинать действовать
с целью преодоления возникающих проблем.
Различают два вида диаграмм Парето:
1. Диаграмма Парето по результатам деятельности. Эта диаграмма
предназначена для выявления главной проблемы и отражает следующие
нежелательные результаты деятельности:
качество: дефекты, поломки, ошибки, отказы, рекламации, ремонты,
возвраты продукции;
себестоимость: объем потерь, затраты;
сроки поставок: нехватка запасов, ошибки в составлении счетов, срыв
сроков поставок;
безопасность: несчастные случаи, трагические ошибки, аварии.
2. Диаграмма Парето по причинам. Эта диаграмма отражает причины
проблем, возникающих в ходе производства, и используется для выявления
главной из них:
исполнитель работы: смена, бригада, возраст, опыт работы,
квалификация, индивидуальные характеристики;
оборудование: станки, агрегаты, инструменты, оснастка, организация
использования, модели, штампы;
сырье: изготовитель, вид сырья, завод-поставщик, партия;
метод работы: условия производства, заказы-наряды, приемы работы,
последовательность операций;
измерения: точность (указаний, чтения, приборная), верность
и повторяемость (умение дать одинаковое указание в последующих измерениях
одного и того же значения), стабильность (повторяемость в течение
длительного периода), совместная точность, т.е. вместе с приборной точностью
и тарированием прибора, тип измерительного прибора (аналоговый или
цифровой).
Диаграмму Парето целесообразно применять вместе с причинноследственной диаграммой.
П р и ч и н н о - с л е д с т в е н н а я д и а г р а м м а . Результат процесса зависит
от многочисленных факторов, между которыми существуют отношения типа
причина – следствие (результат). Диаграмма причин и следствий – средство,
позволяющее выразить эти отношения в простой и доступной форме.
В 1953 г. профессор Токийского университета Каору Исикава, обсуждая
проблему качества на одном заводе, суммировал мнение инженеров в форме
диаграммы причин и результатов. Когда диаграмму начали применять
на практике, она оказалась весьма полезной и скоро стала широко
использоваться во многих компаниях Японии, получив название диаграммы
Исикавы. Она была включена в японский промышленный стандарт (JIS)
на терминологию в области контроля качества и определяется в нем
следующим образом: диаграмма причин и результатов – диаграмма, которая
показывает отношение между показателем качества и воздействующими
на него факторами.
Причинно-следственная диаграмма – инструмент, позволяющий выявить
наиболее существенные факторы (причины), влияющие на конечный результат
(следствие).
Если
в результате
процесса
качество
изделия
оказалось
неудовлетворительным, значит в системе причин, т.е. в какой-то точке
процесса, произошло отклонение от заданных условий. Если эта причина может
быть обнаружена и устранена, то будут производиться изделия только высокого
качества. Более того, если постоянно поддерживать заданные условия процесса,
то можно обеспечить формирование высокого качества выпускаемых изделий.
Важно также, что полученный результат – показатели качества (точность
размеров, степень чистоты, значение электрических величин и т.д.) –
выражается конкретными данными. Используя эти данные, с помощью
статистических методов осуществляют контроль процесса, т.е. проверяют
систему причинных факторов. Таким образом, процесс контролируется
по фактору качества.
Пример диаграммы Исикавы изображен на рисунке 28.
А
В
А2.1
А2
В2.1
В2
В1
А1
D2
D
С2.1
С2
С1
Дефект
Е1
D1
D1.2
С
Е2
Е1.2
Е
Рисунок 28 – Диаграмма Исикавы
Дефект, являющийся следствием, определяется различными причинами:
причиной А, причиной В, причиной С и т.д., обозначенными на рисунке
стрелками. Эти причины являются следствием других причин: А1, А2 (для
причины А); В1, В2 (для причины В); … и т.д. Все также они обозначены на
рисунке стрелками. Вторичным причинам могут соответствовать третичные
причины (например, А2.1 ) и т.д.
Для составления причинно-следственной диаграммы необходимо
подобрать максимальное число факторов, имеющих отношение к
характеристике, которая вышла за пределы допустимых значений. В процессе
анализа причин выбираются наиболее весомые и по ним разрабатываются
корректирующие действия.
С т р а т и ф и к а ц и я . Одним из наиболее эффективных статистических
методов, широко используемых в системе управления качеством, является
метод стратификации или расслаивания.
Стратификация – это процесс сортировки данных согласно некоторым
критериям или переменным, результаты которого показываются в виде
диаграмм и графиков.
В соответствии с этим методом вводят расслаивание статистических
данных, т.е. группируют данные в зависимости от условий их получения
и производят обработку каждой группы данных в отдельности. Данные,
разделенные на группы в соответствии с их особенностями, называют слоями
(стратами), а сам процесс разделения на слои (страты) – расслаиванием
(стратификацией).
Метод расслаивания исследуемых статистических данных – это
инструмент, позволяющий произвести селекцию данных, отражающую
требуемую информацию о процессе.
Существуют различные методы расслаивания, применение которых
зависит от конкретных задач. Например, данные, относящиеся к изделию,
производимому в цехе на рабочем месте, могут в какой-то мере различаться
в зависимости от исполнителя, используемого оборудования, методов
проведения рабочих операций, температурных условий и т.д. Все эти отличия
могут быть факторами расслаивания. В производственных процессах часто
используется метод 5М, учитывающий факторы, зависящие от человека (man),
машины (machine), материала (material), метода (method), измерения
(measurement).
Расслаивание может осуществляться по следующим критериям:
расслаивание по исполнителям – по квалификации, полу, стажу работы
и т.д.;
расслаивание по машинам и оборудованию – по новому и старому
оборудованию, марке, конструкции, выпускающей фирме и т.д.;
расслаивание
по материалу –
по месту
производства,
фирмепроизводителю, партии, качеству сырья и т.д.;
расслаивание
по способу
производства –
по температуре,
технологическому приему, месту производства и т.д.;
расслаивание
по измерению –
по методу
измерения,
типу
измерительных средств или их точности и т.д.
Однако пользоваться этим методом не так просто. Иногда расслаивание по,
казалось бы, очевидному параметру не дает ожидаемого результата. В этом
случае нужно продолжить анализ данных по другим возможным параметрам
в поисках решения возникшей проблемы.
Метод расслаивания применяется как самостоятельно, так и в случае
использования других статистических методов: при построении причинноследственных диаграмм, диаграмм Парето, гистограмм и контрольных карт.
Контрольные карты
Все вышеописанные статистические методы дают возможность
зафиксировать состояние процесса в определенный момент времени. В отличие
от них метод контрольных карт (карт Шухарта – по имени американского
инженера, разработавшего их в 20-е годы XX века) позволяет отслеживать
состояние процесса во времени и более того – воздействовать на процесс
до того, как он выйдет из-под контроля.
Контрольная карта – инструмент, позволяющий отслеживать ход
протекания процесса и воздействовать на него (с помощью соответствующей
обратной связи), предупреждая его отклонения от предъявляемых к процессу
требований.
Использование контрольных карт преследует следующие цели:
держать под контролем значение определенной характеристики;
проверять стабильность процессов;
немедленно принимать корректировочные меры;
проверять эффективность принятых мер.
Однако следует отметить, что перечисленные цели являются
характерными для действующего процесса. В период же запуска процесса
контрольные карты используют для проверки возможностей процесса, т.е. его
возможностей стабильно выдерживать установленные допуски.
При построении контрольных карт на оси ординат откладываются
значения контролируемого параметра, а на оси абсцисс – время (t) взятия
выборки (или ее номер) (рисунок 29).
Верхняя граница
(max), Кв
Центральная
линия
Нижняя граница
(min), Кн
t
Рисунок 29 – Контрольная карта
Контрольная
карта состоит
представляет
собой
требуемое
из трех линий. Центральная линия
среднее
значение
характеристики
контролируемого параметра качества. Две другие линии, одна из которых
находится над центральной – верхний контрольный предел (Кв или UCL –
Upper Control Level), а другая под ней – нижний контрольный предел (Кн или
LCL – Lower Control Level), представляют собой максимально допустимые
пределы изменения значений контролируемой характеристики (показателя
качества), чтобы считать процесс удовлетворяющим предъявляемым к нему
требованиям.
Если все точки соответствуют выборочным средним значениям
контролируемого параметра и его изменчивости, полученные по результатам
обследования выборок, оказываются внутри контрольных пределов,
не проявляя каких бы то ни было тенденций, то процесс рассматривается как
находящийся в контролируемом состоянии. Если же, напротив, они попадут
за контрольные пределы или примут какую-нибудь необычную форму
расположения, то процесс считается вышедшим из-под контроля.
Процесс считается контролируемым, если систематические составляющие
его погрешности регулярно выявляются и устраняются, а остаются только
случайные составляющие погрешностей, которые, как правило, распределяются
в соответствии с нормальным (гауссовским) законом распределения.
Таким образом, контрольная карта помогает не только выявить
несоответствие
процесса
требованиям
потребителя,
но и предвидеть
возможности его появления в будущем.
Статистический приемочный контроль качества продукции – это
выборочный контроль, основанный на применении методов математической
статистики, для проверки соответствия качества продукции установленным
требованиям.
При статистическом приемочном контроле по результатам контроля
выборки принимается решение – принять или отклонить партию продукции.
Поэтому статистический приемочный контроль применяется при входном
контроле материалов, сырья и комплектующих изделий, контроле закупок, при
операционном контроле, при контроле готовой продукции.
Основная идея такого контроля состоит в том, что о качестве
контролируемой партии продукции судят по значениям характеристик малой
выборки из этой партии.
Контролируемой партией продукции называется предназначенная для
контроля совокупность единиц продукции одного наименования или
типоразмера и использования, произведенная в течение определенного
интервала времени в одних и тех же условиях.
Различают приемочный контроль по качественному и количественному
признаку. При контроле по качественному признаку каждую проверяемую
единицу продукции относят к определенной группе (годная или дефектная
продукция), а последующие решения принимают в зависимости от
соотношения количества изделий, оказавшихся в этих группах. Такой контроль
называют альтернативным. При контроле по количественному признаку
определяют значения одного или нескольких параметров единиц
продукции, а последующие решения принимают в зависимости от этих
значений (среднее арифметическое параметра, среднеквадратическое
отклонение).
Статистический приемочный контроль может быть:
одноступенчатый, при котором решение о принятии или браковке
партии продукции принимается по результатам контроля только одной выборки
или пробы;
многоступенчатый, при котором решение о принятии или браковке
партии принимается на основании последовательных испытаний (больше или
равно 2) выборок или проб, причем максимальное их количество установлено
заранее;
последовательный, при котором решение о принятии или продолжении
испытаний принимается после оценки каждой последовательно проверяемой
единицы продукции (выборки, пробы).
При приемочном контроле все выборки проводятся по методу случайного
отбора с использованием таблицы случайных чисел. Вместе с тем существует
еще два метода отбора изделий в выборку: метод наибольшей объективности и
метод систематического отбора. В японской промышленности применяют
систематический отбор, при котором объем выборки – два изделия, первое и
последнее по времени изготовления в партии. По качеству этих изделий судят о
качестве всей партии. Партия принимается только в случае годности обоих
выбранных изделий.
Главная задача статистического приемочного контроля – однозначность
взаимного признания результатов оценок качества продукции между
поставщиком и потребителем.
Отношения между поставщиком и потребителем характеризует
определенный уровень качества g0 (предельно допустимое значение доли
дефектных изделий в партии) и браковочный уровень в партии gm (граница для
отнесения партии продукции к браку). При этом:
g0 gm
если
g g0
g gm
g0 g gm
– партия приемлемого качества;
– партия бракуется;
– допустимое качество.
В случае применения статистического приемочного контроля
разрабатываются планы контроля. При этом устанавливаются риск потребителя
и риск поставщика, значения приемлемого и браковочного уровня качества.
Вероятность забраковать партию с приемлемым уровнем качества g0
называют риском поставщика.
Вероятность принять партию с браковочным уровнем качества gm
называют риском потребителя.
Применяемая схема выборочного контроля должна быть направлена на
сведение каждой из вероятностей к минимуму.
Для того чтобы выбрать подходящую схему выборки, производитель и
потребитель должны заключить соглашения по следующим вопросам:
1. Приемлемый уровень качества g0.
2. Риск производителя, то есть вероятность того, что применение данной
схемы ошибочно приведет к отказу от приемки партии продукции, в которой
удельный вес бракованных изделий равен g0 – партии, которую потребитель мог
бы принять.
3. Допустимый (браковочный) уровень качества gm.
4. Риск потребителя, то есть вероятность того, что применение данной
схемы ошибочно приведет к приемке партии продукции, удельный вес брака в
которой равен gm – партии, от приемки которой потребитель бы отказался.
Всегда можно подобрать такой план контроля, который гарантировал бы
значение рисков при заданном приемлемом g0 и браковочном gm уровнях
качества.
