Технологический процесс сборки и сварки передка каркаса кабины автомобиля МАЗ

1. Анализ методов статистического контроля и управления в автомобилестроении

1.1 Статистические методы как основа внедрения ИСО/ТУ 16 949

1.2 Выборочный контроль при приемке продукции

1.3 Применение стандартов выборочного контроля

1.4 Контрольные карты — средства управления процессом

1.5.Компьютерные технологии в обеспечении контроля управления качеством

2 Технологический процесс сборки и сварки передка каркаса кабины автомобиля МАЗ

2.1 Разработка технологического процесса заготовительных операций для деталей, входящих в изделие. Обоснование выбора заготовительного оборудования

2.2 Расчет потребности в материалах на изготовление изделия

2.3 Выбор и обоснование способа сварки

2.4 Выбор и обоснование сварочных материалов

2.5 Выбор, обоснование и расчет режимов сварки

2.6 Выбор и обоснование сварочного оборудования

2.8 Расчленение конструкции на узлы и описание маршрутной технологии сборки и сварки

2.9 Разработка операционной технологии сборки и сварки. Заполнение карт операционной технологии

2.10 Нормы времени сборочно-сварочных и вспомогательных работ

3 Статистическое управление процессами сборки и сварки каркаса кабины автомобиля МАЗ

3.1Анализ и группировка сварочных дефектов, обнаруживаемых при сварке каркаса кабины автомобиля МАЗ

3.2 Организация контроля производственного процесса сборки и сварки каркаса кабины автомобиля МАЗ

3.3 Возможности статистических методов контроля и управления при производстве сварочных работ каркаса кабины автомобиля МАЗ

3.3.1 Определение объема репрезентативной выборки для контроля качества кабины

3.4 Процедура выбора контрольных карт, их построение и анализ при производстве каркаса кабины автомобиля МАЗ

3.5 Показатели возможностей процесса. Индексы воспроизводимости

процесса дуговой сварки основания кабины

4. Устранение потерь в рабочем процессе производства сварной конструкции узла «передок кабины автомобиля МАЗ»

4.1 Поисковая оптимизация как потенциал устранения потерь в рабочем процессе производства узла «передок кабины автомобиля МАЗ»

4.2 Параметрическая оптимизация межоперационных заделов на участке

сборки и сварки узла «передок кабины автомобиля МАЗ»

5. Организационная часть

5.1 Организация и паспортизация рабочих мест

5.2 Организация управления цехом

5.3 Организация технического контроля

5.4 Организация вспомогательных служб

6. Метрология, стандартизация и сертификация

6.1 Метрологическое обеспечение технологического процесса. Методы и средства измерений

6.2 Сертификация продукции и систем управления качеством в соответствии со стандартами ИСО 9000 и ИСО 14 000

7. Энергои ресурсосбережение

8 Охрана труда

8.1 Идентификация и анализ вредных и опасных факторов в проектируемом объекте

8.2 Технические, технологические, организационные решения по устранению опасных и вредных факторов, разработка защитных средств

8.3 Разработка мер безопасности при эксплуатации объекта проектирования

Актуальные задачи идентификации, описания, сбора, аналитической обработки данных о сварочных процессах и продукции могут результативно решаться с применением статистических методов контроля и управления, позволяющих создать информационно — аналитическую базу для управления сварочным производством.

Проблеме применения статистических методов контроля и управления применительно к сварочному производству как у нас в республике, так и за рубежом, посвящено незначительное число работ, в связи с чем, данная область остаётся недостаточно изученной и перспективной с точки зрения её разработки.

Стандарты ИСО 9000 относят сварку к специальным процессам, т. е. к процессам, результаты которых нельзя в полной мере проверить последующим контролем и испытанием продукции. В этих случаях соответствие сварных конструкций установленным требованиям достигается регулированием и улучшением процессов, возможное только на основе их постоянного мониторинга, который невозможно осуществлять без применения методов математической статистики.

Статистические методы контроля относятся к методам активного контроля, использующимся в крупносерийном и массовом производствах и обеспечивающим управление качеством продукции. В условиях крупносерийного и массового производства сплошной контроль, применяемый для особо ответственных изделий, не возможен. К тому же сплошной контроль еще не гарантирует сплошное качество, т.к. при сплошном контроле контролер быстро устает, его внимание ослабевает и в результате он может пропустить дефектное изделие и забраковать годное изделие. Кроме того, при сплошном контроле требуется увеличение численности контролирующего персонала, учитывая, что трудоемкость контроля нередко превышает трудоемкость самих технологических операций. В этих условиях оптимальным является применение статистических методов контроля. Статистические методы контроля основаны на использовании методов теории вероятности и математической статистики при выборочном контроле небольшой по количеству изделий выборке и оценивании по ее результатам качества всей партии.

Актуальность применения статистических методов в сварочном производстве обуславливается тем, что они позволят:

— выявлять проблемные зоны жизненного цикла сварных конструкций;

— повышать прослеживаемость процессов сварки;

— облегчить поиск существенно важных причин, формирующих качество сварочных процессов;

— определять взаимозависимости стохастических переменных;

— определять точки контроля и критические точки сварочных работ.

Объектом исследования является сварная конструкция каркаса кабины автомобиля МАЗ.

ПРУП «МАЗ» имеет развитое, современное сварочное производство. Сварочные работы в своем большинстве механизированы. Имеются робототехнические комплексы по контактной сварке, а также прогрессивные виды обработки металлов, такие как: плазменная резка деталей, горячая накатка зубьев звездочек, автоматическая сварка под слоем флюса, оцинкование в автоматическом режиме. Внедрены линии штамповки лонжеронов, модернизирована линия изготовления обечаек машин, и т. д.

Предметом исследования дипломного проекта являются статистические методы контроля качества и управление качеством.

Целью исследования является определение путей совершенствования существующего технологического процесса сборки и сварки каркаса кабины автомобиля «МАЗ» на основе применения статистических методов управления контроля качества сборки и сварки.

В дипломном проекте решались следующие задачи:

— анализ методов статистического контроля и управления качеством в машиностроении,

— разработка инструментов статистического контроля для процессов сварки каркаса кабины;

— определение репрезентативных выборок контролируемых узлов каркаса кабины в соответствии с ИСО 11 453−2005;

— разработка системы мониторинга несоответствий при производстве каркаса кабины автомобиля МАЗ.

1. Анализ методов статистического контроля и управления в автомобилестроении

1.1 Статистические методы контроля и управления качеством как основа внедрения ИСО/ТУ 16 949

В настоящий момент специальные процессы, к которым относится сварка, требуют доказательного менеджмента, а доказательный менеджмент невозможен без внедрения статистических методов контроля. Таким образом, на сегодняшний день управление данными не представляется возможным без применения статистических методов контроля.

Поэтому для внедрения статистических методов контроля на автомобильных предприятиях Республики Беларусь, изданы два стандарта ИСО/ТУ 16 949"Системы менеджмента качества. Частные требования по применению СТБ ИСО 9001−2001 для автопроизводителей и их поставщиков", и ГОСТ ИСО 11 453"Статистическое представление данных".

Основной акцент в ГОСТ ИСО 11 453"Статистическое представление данных" сделали на определение объема выборки. Анализ показал, что на большинстве предприятий республики объемы выборки не обосновывается, а берутся в размере 10−40% от генеральной совокупности, из практического опыта и интуиции специалистов. В данном стандарте описаны определения объема выборки. С помощью этого стандарта предприятия могут решить такие вопросы как:

а) Дана совокупность элементов, из которых отобрана выборка из n элементов, и у x элементов выборки обнаружена некоторая характеристика. Какая доля (пропорция) совокупности имеет эту характеристику?

б) Отличается ли пропорция, определенная в соответствии с задачей а), от номинального указанного значения?

в) Различаются ли доли элементов с заданной характеристикой в этих двух совокупностях?

г) Выборки какого объема следует отбирать для решения задач б) и в), чтобы быть достаточно уверенным в правильности решения?

Для решения последней задачи приведем некоторые формулы из стандарта ИСО 11 453"Статистическое представление данных".

Если объемы выборок и не заданы, их минимальные значения должны быть выбраны такими, чтобы мощность критерия была не менее (), а уровень значимости — не менее .

(1.1)

где доля (пропорция) целевых элементов совокупности,

r— отношение объемов выборок;

=; (1.2)

(1.3)

(1.4)

(1.5)

где — вспомогательная величина.

Для большинства предприятий — поставщиков материалов и компонентов для автомобильной промышленности актуальность внедрения требований стандарта СТБ ИСО/ТУ 16 949−2006 «Системы менеджмента качества. Частные требования по применению СТБ ИСО 9001−2001 для автопроизводителей и их поставщиков» (далее — ИСО/ТУ 16 949) уже не вызывает сомнения. Однако не каждое предприятие достаточно осознает, почему в мировой практике специалисты в области менеджмента качества уделяют большое внимание созданию в обязательном порядке необходимой основы для внедрения, данного стандарта.

При планировании качества продукции должны быть определены и включены в план управления соответствующие статистические методы для каждого процесса. Предприятиями должны применяться и быть понятными основные статистические понятия, такие как вариация, управление (стабильность), воспроизводимость процесса и корреляция.

Рассматривая постоянное акцентирование стандарта ИСО/ТУ 16 949 на статистические методы, можно с сожалением отметить недальновидность большинства автомобильных предприятий, которые игнорируют применение статистических методов обеспечения качества. И хотя в ИСО 9001 содержится прямое требование применять для мониторинга и анализа «методы, в том числе статистические», они не получили распространения на предприятиях РБ.

Очень важным для повышения качества и эффективности производства является объем и глубина записей об анализе причин несоответствий. К сожалению, на предприятии РУП «МАЗ» таких данных о значениях параметров изделий мало или нет совсем при регистрации несоответствий. При производстве каркаса кабины автомобиля МАЗ, при приемке готовой продукции учитывается в журнале регистрации брака только количество кабин принятых со второй приемки. Данных о видах, количествах дефектов от сварки, регистрации дефектов не ведутся совсем. В связи с этим теряется массив данных для поиска путей улучшения продукции и процессов.

1.2 Выборочный контроль при приемке продукции

При приемке партии продукции контроль может быть сплошным, когда контролируется каждая единица продукции. Такой контроль чаще всего экономически необоснован, а иногда и невозможен. Более распространен выборочный контроль, когда заключение о качестве партии продукции делается на основе анализа выборки ограниченного объема.

План контроля — это система правил по отбору изделий для проверки (формированию выборок) и принятию решения относительно всей партии — партию принять или забраковать. Забракованная партия или возвращается поставщику, или производится ее сплошной контроль. Применение плана статистического контроля по существу является проверкой статистической гипотезы: качество партии соответствует предъявляемым требованиям при альтернативной гипотезе: качество партии не соответствует предъявляемым требованиям.

Наиболее распространен контроль альтернативному признаку.

Различают следующие типы планов контроля:

На рисунке 1.1 представлены четыре типа контроля (одноступенчатый, двухступенчатый, многоступенчатый и последовательный)

· одноступенчатый: если среди n изделий число дефектных m не превышает приемочное число с (), то партия принимается, в противном случае бракуется.

· двухступенчатый: на первой ступени, если среди изделий в выборке число дефектных не превышает приемочное число (), то партия принимается; если, где — браковочное число, то партия бракуется; если же < <, то принимается решение о взятии второй выборки; на второй ступени объемом с приемочным числом, если суммарное число дефектных изделий не превышает (+), то партия принимается, в противном случае партия бракуется.

· многоступенчатые планы — обобщение двухступенчатого плана. Берется выборка объемом и определяется число дефектных изделий; при партия принимается, при < < (>+1) принимается решение о взятии второй выборки объемом. Пусть среди (+) изделий имеется (+) (- приемочное число второй ступени), то партия принимается, при <(+)< (>+1), принимается решение о взятии третьей выборки, и т. д. На заключительном к-том шаге, если среди суммы (++…+) проконтролированных изделий оказалось (++…+) дефектных и (++…+), то партия принимается, в противном случае партия бракуется. В многоступенчатых планах число шагов к задается заранее. Обычно = =…= .

· последовательный контроль, при котором решение принимается после оценки ряда выборок, общее число которых заранее не устанавливается, а определяется в процессе контроля по результатам предыдущих выборок. Принимается одно из трех решений — принять партию, забраковать партию, продолжить контроль.

Рисунок 1.1- Графическое изображение планов контроля.

1.3 Применение стандартов выборочного контроля

Выборочный контроль при приемке продукции регламентирован государственными стандартами, большинство из которых соответствуют международным стандартам ИСО.

Например, стандартные процедуры выборочного контроля по альтернативному признаку, базирующиеся на концепции приемлемого уровня качества AQL, должны обеспечивать высокую вероятность приемки партии продукции с качеством, лучшим, чем AQL, и отклонение партий с качеством, худшим, чем AQL. При этом, чтобы удовлетворить требования и поставщика, и потребителя применяются нормальный, усиленный, и ослабленный контроль.

Если при нормальном контроле, который обеспечивает защиту поставщика от неоправданного отклонения хороших партий, две из пяти партий не прошли приемки. Тогда делается переход на усиленный контроль с увеличенным объемом выборки или сниженным приемочным числом с тем, чтобы обеспечить интересы потребителя. Если же достаточно большое число последовательных партий при нормальном контроле принимаются, возможен переход на ослабленный контроль. Таким образом, стандарты обеспечивают защиту потребителя путем переключения при необходимости, на усиленный контроль. В то же время при стабильном уровне качества снижаются затраты на контроль путем переключения на ослабленный контроль, при котором объем выборки в два с лишним раза ниже, чем при нормальном.

Исходными данными для контроля являются — объем партии, приемлемый уровень качества, тип плана (одно-, двух-, многоступенчатый: применяются планы с числом ступеней до семи), вид контроля (нормальный, усиленный или ослабленный) и уровень контроля, устанавливаемый при заключении контракта (например, при разрушающих испытаниях объем выборки должен быть минимальным). По выбранному уровню контроля и объему партии выбирается код объема выборки, далее в зависимости от приемлемого уровня качества и выбранного кода по таблицам определяют объем выборки, приемочное и браковочное число.

Ниже приведены основные стандарты, используемые для выборочного контроля:

· ИСО 2859-.0−93. Статистические методы. Процедуры выборочного контроля по альтернативному признаку. Часть 0.

Введение

в систему выборочного контроля по альтернативному признаку на основе приемлемого уровня качества АQ L.

· ИСО 2859−1-89. Статистические методы. Процедуры выборочного контроля по альтернативному признаку. Часть 1. Планы выборочного контроля последовательных партий на основе приемлемого уровня качества AQL.

· ИСО 2839−2-85. Статистические методы. Процедуры выборочного контроля по альтернативному признаку. Часть 2. Планы выборочного контроля отдельных партий на основе предельного качества LQ.

· ИСО 2859−3-91. Статистические методы. Процедуры выборочного контроля по альтернативному признаку. Часть 3. Планы выборочного контроля с пропуском партий.

· ИСО 3951−89. Статистические методы. Процедуры выборочного контроля и карты контроля по количественному признаку для процента несоответствующих единиц продукции.

1.4 Контрольные карты — средство управления процессом

Совершенствование процесса с помощью контрольных карт есть итерационная процедура, в которой повторяются основные фазы сбора данных, управления и анализа. Во-первых, данные собирают согласно плану, затем эти данные используют для расчета контрольных границ, которые дают основу для интерпретации данных на статистическую управляемость. Когда процесс статистически управляем, они могут использоваться для оценки воспроизводимости процесса. Чтобы усовершенствовать управление и воспроизводимость, должны быть идентифицированы обычные и особые причины, и процесс соответственно модифицирован. Затем цикл начинается снова, и собираются новые данные, которые интерпретируются и используются как основа для действия.

1 Сбор: Данные о характеристике (процесса или продукта) изучают и приводят к форме, в которой они могут быть нанесены на контрольную карту. Этими данными могут быть измеренные значения размера обработанной детали, число отверстий в виниловом сите, время пробега рельсовой тележки, число бухгалтерских ошибок и т. д.

2 Управление: На основе данных рассчитывают пробные контрольные границы. Они изображаются на карте как направление для анализа. Контрольные границы не являются пределами спецификации (допуска) или целями, а основываются на естественной изменчивости процесса и выборочном плане.

Затем данные сравнивают с контрольными границами, чтобы узнать, стабильна ли изменчивость и исходит ли она только от обычных причин, Если очевидно наличие особых причин, изучение процесса продолжается для определения того, что влияет на него. После принятия действий (обычно локальных) собирают дополнительные данные, контрольные границы пересчитывают, если необходимо, и на некоторые дополнительные особые причины воздействуют снова.

3 Анализ и совершенствование: После обращения ко всем особым причинам и приведения процесса в статистически управляемое состояние контрольная карта продолжает вестись для наблюдения. Индексы воспроизводимости процесса также рассчитываются. Если изменчивость от обычных причин чрезмерна, процесс не может производить продукт, который устойчиво соответствует требованиям потребителя. Процесс должен быть исследован и, как правило, должны быть предприняты менеджерские действия для совершенствования системы.

Выгоды получаемые от использования контрольных карт:

Контрольные карты являются эффективным средством для понимания изменчивости процессов и помогают достичь статистически управляемого состояния. Они часто пригодны для ведения на рабочих местах операторами процессов. Они дают непосредственную информацию о работе процесса, позволяющую надежно судить о том, когда должно быть произведено то или иное действие, а когда действия не нужны (т.е. избежать изменений регулировки);

Когда процесс статистически управляем, его эффективность предсказуема. Таким образом, изготовитель и потребитель могут полагаться на стойкий уровень качества и на стабильные затраты по обеспечению этого уровня качества;

Процесс, находящийся в статистически управляемом состоянии, может быть дополнительно усовершенствован посредством снижения изменчивости от обычных причин и улучшения центрирования (настроенности) процесса. По данным контрольных карт могут быть проверены ожидаемые последствия предлагаемых усовершенствований в системе и определены действительные влияния даже относительно малых изменений. Требуемое количество данных будет зависеть от изучаемого процесса. Такие усовершенствования процесса могут снизить затраты и повысить производительность сокращением изменчивости около целевого значения.

Контрольные карты предоставляют общий язык для сообщения информации о настроенности процесса между двумя или тремя сменами персонала процесса, между производственниками (оператор, инспектор) и вспомогательными службами (обслуживание, управление материалами, технологи, служба качества), между разными рабочими местами в процессе, между поставщиком и потребителем, между заводом по изготовлению/сборке и конструкторскими организациями;

Контрольные карты благодаря различению обычных и особых причин изменчивости, хорошо показывают, следует ли проблему решать локально или она потребует менеджерских действий. Это сокращает путаницу, растерянность и излишние затраты от неправильных усилий по решению проблемы.

В статистических методах контроля применяют контрольные карты для количественного признака, а также контрольные карты для альтернативного признака.

Контрольные карты для количественного признака применяются, когда при регистрации данных фиксируют измеренные значения характеристик процесса.

Данные карты являются мощным средством, которое может быть использовано, когда в процессе возможны измерения. Примерами могут быть диаметр подшипника, усилие при закрывании двери или время для рассмотрения ваучера. Карты по количественному признаку, и в особенности их наиболее употребительные формы — карты X и R — представляют типичные примеры применения контрольных карт к управлению процессами (рис 1.2).

Рисунок 1.2 — Данные измерений промежуточных и окончательных результатов процесса Контрольные карты для количественного признака особенно полезны по нескольким причинам:

Большинство процессов и их результатов имеют измеримые характеристики, так что потенциальная применимость широка.

Количественное значение (например, диаметр равен 16,45 мм) содержит больше информации, чем простое высказывание «да-нет» (например, диаметр внутри допуска).

Хотя получение одного измеренного данного в общем дороже, чем получение одного данного «да-нет», меньшее количество единиц требуется измерить, чтобы получить больше информации о процессе, так что общая цена измерений в некоторых случаях ниже.

Благодаря меньшему числу единиц, необходимых для проверки при принятии надежного решения, временная задержка между изготовлением деталей и корректирующим действием часто может быть сокращена.

С количественными данными может быть проанализирована настроенность процесса и улучшение может быть количественно оценено, даже если все индивидуальные значения лежат внутри установленного допуска. Это важно при проведении непрерывного усовершенствования.

Карты по количественному признаку могут объяснить данные процесса как по разбросу (изменение от единицы к единице), так и по положению (среднему процесса). Благодаря этому, контрольные карты по количественному признаку могут анализироваться попарно: одна карта для положения и другая — для разброса. Наиболее, часто используется пара карт X и R. Хэто среднее значение небольшой подгруппы — мера положения, R — это размах значений внутри каждой подгруппы (большее минус меньшее значение в подгруппе) — мера разброса.

Карты X и R, как пара, составляются по измерениям конкретной характеристики выхода процесса. Эти данные получают по небольшим подгруппам постоянного объема, обычно включающим от 2 до 5 последовательных изделий с периодическим отбором подгрупп (например, каждые 15 минут, дважды за смену и т. д.), В качестве основы сбора должен быть разработан план сбора данных, который также используется при записи и нанесения данных на карту.

а) Объем подгрупп. Первый ключевой шаг при подготовке карт по количественному признаку — это определение «рациональных подгрупп». Они будут влиять на эффективность и действенность использующих их контрольных карт.

Подгруппы должны быть выбираемы так, чтобы возможности изменения среди единиц внутри подгруппы были малыми. Если изменения внутри подгруппы представляют собой только изменчивость от изделия к изделию за очень короткий период времени, то любое необычное изменение между подгруппами будет отражать изменения в процессе, которые должны быть исследованы для принятия соответствующих действий.

При первоначальном обследовании процесса подгруппы обычно должны состоять из 4−5 последовательно изготовленных изделий, представляющих только один вариант хода процесса (т.е. один и тот же инструмент, головку, камеру и т. д.). Цель такова, чтобы все изделия внутри каждой подгруппы были произведены при одинаковых производственных условиях за очень короткий интервал времени без других систематических взаимосвязей между собой. Следовательно, изменчивость внутри подгрупп будет в первую очередь отражать обычные причины. Когда эти условия не выполнены, получаемая контрольная карта не может эффективно отличить особые причины изменчивости или может представлять необычный ход процесса. Объем выборок должен оставаться постоянным для всех подгрупп.

б) Частота, подгрупп. Целью является обнаружение изменений процесса во времени. Подгруппы должны отбираться достаточно часто, чтобы они могли отразить потенциальные возможности изменений. Такие потенциальные причины изменений могут возникнуть из-за различия между сменами или замены операторов, тенденции прогрева, партий материала и т. д.

На протяжении первоначального обследования процесса подгруппы отбираются последовательно или через короткие интервалы, чтобы обнаружить, может ли процесс измениться и проявить другие нестабильности за короткие периоды времени. Когда процесс демонстрирует стабильность (или делаются усовершенствования процесса), интервал времени между подгруппами может быть увеличен. Частота подгрупп для идущего процесса может быть дважды в смену, ежечасно или с другой разумной периодичностью.

в) Число подгрупп. Оно должно удовлетворять двум критериям. С точки зрения выявления свойств процесса должно быть собрано достаточно подгрупп, чтобы все главные причины изменчивости имели возможность проявиться. Обычно 25 или более подгрупп, содержащие 100 или более индивидуальных значений, дают хороший тест на стабильность и, если она есть, хорошую оценку настройки и разброса процесса.

В некоторых случаях могут быть использованы существующие данные, которые могут ускорить эту первую фазу обследования. Однако они могут использоваться только в том случае, если они получены недавно и если основа для выделения подгрупп ясно понята.

Хотя контрольные карты наиболее часто применяются для количественного признака, были разработаны также их варианты для альтернативных признаков (рисунок-1.3). Альтернативные данные имеют только два значения (соответствуют/ не соответствуют, проходит/ не проходит, присутствует/ отсутствует), но они могут быть подсчитаны для регистрации и анализа. Другими примерами являются характеристики, которые измеримы, но результаты фиксируются в простой форме да/нет, такие как соответствие диаметра штифта, проходному калибру, приемлемость краев двери при визуальной или приборной проверке, выполнение срока поставки.

Рисунок 1.3- Данные по альтернативному признаку Контрольные карты для альтернативных признаков важны по нескольким причинам:

· Ситуации с данными об альтернативных признаках существуют в любом техническом и административном процессе, так что анализ признаков полезен для многих применений. Самая значительная трудность — создать точные рабочие определения несоответствия;

· Данные об альтернативных признаках доступны во многих ситуациях — при любом контроле, отборе для ремонта, сортировке материалов и т. п. В этих случаях не требуется никаких дополнительных затрат на сбор данных, только усилия по переводу данных в форму контрольных карт;

· Когда должна собираться новая информация, данные об альтернативных признаках в общем можно получить быстро и недорого, причем с использованием простых калибров (типа да-нет), не требуется специальное обучение;

· Многие данные, собираемые для отчетов руководству, имеют форму альтернативных признаков и могут выиграть от анализа контрольных карт. Примеры — процент принятых с первого предъявления, объемы брака, отклонения при проверке качества и материалов. Благодаря возможности различать изменчивость от обычных и особых причин, анализ контрольных карт может быть значимым в интерпретации этих отчетов для руководства;

При введении контрольных карт в организации важно определить первоочередные проблемы и использовать карты там, где они наиболее необходимы. Сигналы проблем могут исходить от системы управления издержками, претензий потребителей, узких внутренних мест и т. п. Применение контрольных карт для альтернативных признаков для ключевых показателей общего качества часто может указать путь к конкретным областям процессов, требующим более детального изучения, включая возможное использование конкретных карт для количественного признака.

В данном дипломном проекте применялись следующие типы контрольных карт для альтернативного признака:

1) р-карты для долей несоответствующих единиц (из выборок не обязательно равного объема);

2) c-карты для числа несоответствий (для выборок равного объема).

Р-карты измеряют долю несоответствующих (или так называемых дефектных) изделий в контролируемой группе. Это может быть выборка из 75 изделий, берущаяся дважды в день, некоторый процент продукции, группируемой на почасовой или ежедневной основе, доля поставок вовремя и т. д. Можно опираться на оценку одной характеристики (была ли установлена конкретная часть) или многих характеристик (были ли какие-либо ошибки в электрической системе?). Важно, что:

· Каждая компонента, часть или изделие, будучи проверено, записывается как соответствующее или несоответствующее (даже если изделие имело несколько конкретных несоответствий);

· Результаты этого контроля группируются на осмысленной основе, и несоответствующие изделия выражаются в виде долей от объема подгруппы.

Прежде чем применять р-карту, на любом предприятии необходимо осуществить ряд подготовительных шагов:

· Создать среду, подходящую для работы. Любой статистический метод потерпит неудачу, если менеджмент не подготовит заинтересованную среду; т. е. страх в организации, который может помешать людям, быть объективными, должен быть устранен;

· Определить процесс. Процесс должен быть понятен в смысле его связи с другими операциями/пользователями и элементами процесса (люди, оборудование, материалы, методы и среда), влияющими на него на каждой стадии.

Такие методы, как диаграмма причин и следствий, помогут сделать эти связи видимыми;

· Определить характеристики, подлежащие управлению. Сконцентрировать усилия на тех характеристиках, которые наиболее перспективны для усовершенствования процесса.

Подходящими будут несколько следующих соображений:

— потребности потребителей. Они включают как последующие процессы, использующие продукт или услугу, как вход, так и потребителей конечного изделия;

— области текущих и потенциальных проблем. Необходимо рассмотреть имеющиеся свидетельства потерь или плохой эффективности (например, брак, переделки, избыточные затраты времени, недостигаемые цели) и области риска (например, учащающиеся изменения конструкции продукта или услуги и элемента процесса);

— корреляция между характеристиками. Для эффективного и результативного изучения необходимо воспользоваться преимуществами взаимосвязи между характеристиками. Если несколько отдельных характеристик изделия имеют тенденцию изменяться вместе, может быть выгодно, строить карту только для одной из них;

· Определить технологичную измерительную систему. Характеристики должны быть технологично определены, так чтобы факты могли сообщаться всем заинтересованным лицам таким образом, чтобы они имели одно и то же значение сегодня и вчера. Это требует указания той информации, которая должна собираться, где, когда и при каких условиях. Особенно трудно установить технологичное определение, когда присутствуют субъективные оценки. Определение характеристик повлияет на тип используемых контрольных карт — карты для альтернативных признаков, например, р-карта или карты для количественного признака.

· Минимизировать изменчивость, не являющуюся неизбежной. Прежде чем начинать изучение процесса, следует снизить внешние источники изменчивости, которые не являются неизбежными, Цель этого — избежать очевидных проблем, которые могут и должны быть решены даже без контрольных карт, во всех случаях должны вестись записи, отмечающие все существенные события, такие как процедурные изменения, новый исходный материал и т. п. Это поможет в последующем анализе процесса.

С-карта измеряет число несоответствий (отклонений или так называемых дефектов) в контролируемой партии (в отличие от числа единиц, признанных несоответствующими, для np-карты).

Карта требует постоянного объема выборки или проконтролированного материала. Она применима к двум главным типам ситуаций контроля:

· Когда несоответствия разбросаны по непрерывному потоку продукта (например, трещины на болте из винила, пузыри в стекле или точки тонкой изоляции провода) и когда может быть выражена средняя доля несоответствий (например, число трещин на 100 кв. метров винила);

· Когда несоответствия, появляющиеся из-за многих потенциальных источников, могут быть найдены в одной контролируемой единице (например, контроля на авторемонтном предприятии, где каждый отдельный автомобиль может иметь один или несколько дефектов широкой номенклатуры).

1.5 Компьютерные технологии в обеспечении контроля и управления качеством

Осознавая динамичное развитие рыночных условий и растущие запросы со стороны потребителей, можно сказать, что задача номер сегодня — это эффективное управление производством с целью получения продукции максимального качества, в кратчайшее сроки и с минимальными производственными затратами.

Новые технологии: ERP, JIT, MPRII, SPC и IQC — все это инструменты, помогающие в достижении идеального конечного результата — эффективного менеджмента. Безусловно, небезынтересным является богатый опыт, накопленный в этой области американскими и японскими компаниями, все шире и успешнее использующими в ходе производства автоматизацию и компьютеризацию.

Контроль качества с использованием компьютеров превращается из рутинной и малоосмысленной операции в несложный и высокоинформативный процесс, предоставляющий новые сведения о возможностях улучшения качества продукции, оптимальном использовании ресурсов и организации производства. (рис. 1.4)

Рисунок 1.4- Интерфейс программы STATISTICA

Применяя статистические методы, на предприятиях персонал стремится найти закономерности в случайных данных и воспользоваться найденными закономерностями. Ранее, до появления мощных персональных ЭВМ, практическое применение статистических методов было делом чрезвычайно сложным, требующим больших интеллектуальных усилий и временных затрат. Теперь, благодаря таким системам как STATISTICA, открылся путь к новым технологиям статистической обработки данных (рис 1.5), максимально сокращающий рутинные процедуры.

Рисунок 1.5- Обработка контрольных карт.

Использование системы STATISTICA не требует наличия специальной математической подготовки и позволяет полностью сосредоточиться на данных и моделях, не вникая в технические детали того или иного статистического метода.

Если раньше каждый шаг исследований, начиная от представления данных, перевода их в нужный формат, проверки, группировки, сортировки, сжатия, графической интерпретации, подготовки программ обработки, задания параметров анализа, и до просмотра результатов, был трудной задачей, то теперь: достаточно двух-трех щелчков мыши, чтобы огромные объемы данных чрезвычайно быстро преобразовались, обработались и появились на экране в виде графиков, диаграмм и таблиц.

STATISTICA представляет собой интегрированную систему статистического анализа и обработки данных. Она состоит из следующих основных компонент, объединенных в рамках одной системы:

электронных таблиц для ввода и задания исходных данных, а также специальных таблиц для вывода численных результатов анализа;

мощной графической системы для визуализации данных и результатов статистического анализа;

набора специализированных статистических модулей, в которых собраны группы логически связанных между собой статистических процедур;

специального инструментария для подготовки отчетов;

встроенных языков программирования SCL (STATISTICA Command Language) и STATISTICA BASIC, которые позволяют пользователю расширить стандартные возможности системы.

Для проведения законченного статистического исследования пользователю не потребуется дополнительное программное обеспечение — все этапы статистического анализа, начиная от ввода исходных данных и их преобразований и заканчивая подготовкой отчета или написания собственных процедур обработки, можно выполнить, используя только систему STATISTICA.

STATISTICA предоставляет пользователю уникальную среду экспериментирования, разведки, графического отображения и углубленного анализа данных, в которой статистическая обработка становится не рутинным занятием, а увлекательным исследованием с использованием новейших компьютерных технологий и современных приемов.

Статистический анализ — это не только формулы и вычисления, но и графическое представление данных. Сотни типов графиков, включая научные, деловые и специализированные статистические графики, включены в систему STATISTICA.(рис 1.6)

Рисунок 1.6- Интерфейс статистического анализа.

В STATISTICA имеются сотни типов графиков, предназначенных как для графической визуализации исходных данных, разведочного анализа, так и для графического вывода результатов и выбора последующих направлений анализа. Такие уникальные графики, как лица Чернова, диаграммы Вороного, матричные, категорированные графики, трассировочные и др., а также большой выбор двумерных и трехмерных научных и деловых графиков и диаграмм становятся легко доступными для пользователя при помощи нескольких щелчков мыши.

Кроме стандартных типов графиков, в STATISTICA имеется чрезвычайно большое количество специализированных статистических графиков: «ящиков с усами» с разнообразными опциями по выбору средней точки, граничных значений, подгонки, определения выбросов, — различных гистограмм, графиков на нормальной вероятностной бумаге, графиков типа «вероятность-вероятность», «квантиль-квантиль», специальные графики для анализа пропущенных данных и т. д. Графики можно уменьшать, увеличивать, накладывать друг на друга, изменять масштабы, вращать, корректировать перспективу, применять средство «Рентген» в трехмерной графике, чтобы увидеть «очертания дальних гор на фоне ближних», определять собственную палитру цветов, добавлять в график пользовательский текст, рисунки, стрелки и т. д. Графики могут автоматически изменяться при изменении связанного с ними файла данных. Все эти действия производятся всего несколькими щелчками мыши.

STATISTICA включает в себя следующие специализированные статистические модули: Основные статистики и таблицы, Непараметрическая статистика, Дисперсионный анализ, Множественная регрессия, Нелинейное оценивание, Анализ временных рядов и прогнозирование, Кластерный анализ, Факторный анализ, Дискриминантный функциональный анализ, Анализ длительностей жизни, Каноническая корреляция, Многомерное шкалирование, моделирование структурными уравнениями и др. Несколько модулей объединены в группу Промышленная статистика: Контроль качества, Анализ процессов и Планирование эксперимента. Отдельные модули предназначены для взаимодействия с корпоративными базами данных (Business Query) и анализа больших объемов сложных данных (Нейронные сети). В совокупности модули системы STATISTICA покрывают весь спектр современных методов статистического анализа.

Статистический анализ данных в системе STATISTICA может быть разбит на следующие основные этапы:

ввод данных в электронную таблицу с исходными данными и их предварительное преобразование перед анализом (структурирование, построение необходимых выборок, ранжирование и т. д.);

визуализация данных при помощи того или иного типа графиков;

разведочный анализ и определение подходящих методов статистической обработки;

применение конкретной процедуры статистической обработки;

вывод результатов анализа в виде графиков и электронных таблиц с численной и текстовой информацией;

подготовка и печать отчета;

автоматизация рутинных процессов обработки при помощи макрокоманд, языка SCL или STATISTICA BASIC.

STATISTICA представляет собой интегрированную систему статистического анализа и обработки данных. Система состоит из следующих основных компонент:

многофункциональной системы для работы с данными, которая включает в себя электронные таблицы для ввода и задания исходных данных, а также специальных таблиц (Scrollsheet) (рис. 1.7) для вывода численных результатов анализа. Для сложной (специализированной) обработки данных в STATISTICA имеется модуль Управления данными. Для статистической обработки чрезвычайно больших массивов данных имеется специальный инструмент Менеджер мегафайлов, который может быть использован и для предварительной обработки данных перед вводом их непосредственно в электронную таблицу STATISTICA;

мощной графической системы для визуализации данных и результатов статистического анализа;

специального инструментария для подготовки отчетов. При помощи текстового редактора, встроенного в систему, можно готовить полноценные отчеты. В STATISTICA также имеется возможность автоматического создания отчетов;

встроенных языков SCL и STATISTICA BASIC, которые позволяют автоматизировать рутинные процессы обработки данных в системе.

Рисунок 1.7 — Интерфейс таблицы Scrollsheet

Все структурные компоненты STATISTICA настолько тесно интегрированы между собой, что разделение на различные компоненты во многом условно и является полезным лишь для изучения системы с методической точки зрения.

STATISTICA работает с четырьмя различными типами документов, которые соответствуют основным структурным компонентам системы. Это:

электронная таблица Spreadsheet, которая предназначена для ввода исходных данных и их преобразования;

электронная таблица Scrollsheet для вывода численных и текстовых результатов анализа;

график — документ в специальном графическом формате для визуализации и графического представления численной информации;

отчет — документ в формате RTF (Расширенный текстовой формат) для вывода текстовой и графической информации.

В соответствии со стандартами среды Windows каждый тип документа выводится в своем собственном окне в рабочей области системы STATISTICA. Как только это окно становится активным, изменяется панель инструментов и меню. В них появляются команды и кнопки, доступные для активного документа.

Имеются несколько различных способов работы с системой STATISTICA.

1.5.1 Возможные способы взаимодействия с системой STATISTICA

Статистический анализ данных может быть проведен пользователем в одном из следующих режимов.

Интерактивный режим работы. В этом случае взаимодействие с системой осуществляется при помощи последовательного выбора различных команд из меню. Этот способ работы применяется обычно на этапе предварительного анализа данных.

Использование макрокоманд. В STATISTICA имеется возможность записи последовательности команд в одну макрокоманду. При этом можно записывать как последовательности нажатий клавиш на клавиатуре, так и движения мыши. Это удобное средство позволяет автоматизировать выполнение часто повторяющихся шагов статистического анализа, готовить уроки и презентации.

При помощи встроенного языка STATISTICA BASIC пользователь может написать свои собственные процедуры обработки данных. Это мощный язык, ориентированный на структуру данных системы STATISTICA, содержит большое количество специальных математических и статистических функций (например, операции работы с матрицами — всевозможные разложения матриц, нахождения собственных векторов и собственных значений и др., вычисление всевозможных статистических распределений и.т.д.).

Отметим, что пользователь имеет возможность разместить собственную кнопку на панели инструментов системы STATISTICA и присвоить ей выполнение либо макрокоманды, либо последовательности команд на языке SCL, либо программы на языке STATISTICA BASIC.

1.5.2 Ввод данных

Данные в STATISTICA организованы в виде электронной таблицы — Spreadsheet. Они могут содержать как численную, так и текстовую информацию. Данные в электронной таблице могут иметь различные форматы, например, даты, времени, денежный и научный форматы и др. Электронные таблицы в STATISTICA поддерживают различные типы операций с данными, такие как: операции с использованием Буфера обмена Windows; операции с выделенными блоками значений (аналогично MS Excel), в том числе и с использованием метода Drag-and-Drop — «Перетащить и отпустить», автозаполнение блоков и т. д.

Ввести данные в электронную таблицу можно одним из следующих способов.

Непосредственно ввести их в электронную таблицу с клавиатуры. В STATISTICA имеются развитые инструментальные средства для автоматизации ручного ввода данных.

Вычислить новые данные на основе уже введенных данных при помощи формул, которые можно задать в электронной таблице. При этом имеется возможность быстрого доступа к большому количеству специализированных математических и статистических функций, допускается использование логических операторов. Для задания сложных процедур преобразования данных можно воспользоваться встроенным языком STATISTICA BASIC.

Воспользоваться данными, подготовленными в другом приложении. При этом доступны следующие способы ввода данных из других приложений в систему STATISTICA:

Операции копирования данных через Буфер обмена — Clipboard системы Windows.

Импорт данных из наиболее популярных приложений (включая импорт данных при помощи стандарта ODBC).

Использование механизма динамической связи DDE между данными в STATISTICA и другим Windows приложением.

1.5.3 Вывод численных и текстовых результатов анализа

Численные результаты статистического анализа в системе STATISTICA выводятся в виде специальных электронных таблиц, которые называются таблицами вывода результатов — Scrollsheet. Таблицы Scrollsheet могут содержать любую информацию (как численную, так и текстовую), от короткой строчки до мегабайтов результатов. Обычно даже в результате простейшего статистического анализа мы получаем на выходе большое количество численной и графической информации. В системе STATISTICA эта информация выводится в виде последовательности (очереди) которая состоит из набора таблиц Scrollsheet и графиков.

STATISTICA содержит большое количество инструментов для удобного просмотра результатов статистического анализа и их визуализации. Они включают в себя стандартные операции по редактированию таблицы (включая операции над блоками значений, Drag-and-Drop — «Перетащить и отпустить, автозаполнение блоков и др.), операции удобного просмотра (подвижные границы столбцов, разделение прокрутки в таблице и др.) доступ к основным статистикам и графическим возможностям системы STATISTICA. При выводе целого ряда результатов (например, корреляционной матрицы) STATISTICA отмечает значимые коэффициенты корреляции цветом. Пользователь также имеет возможность выделить при помощи цвета необходимые значения в таблице Scrollsheet.

Одной из основных задач, стоящих перед SPC-системами является обеспечение пользователей инструментами для мониторинга производственных процессов. SEWSS позволяет использовать для этих целей множество специальных графиков, в том числе обновляющихся в реальном режиме времени.

Система SEWSS включает также все необходимые вычислительные процедуры для анализа повторяемости и воспроизводимости измерительной системы (т.е. ее точности).

С ними инженеры всегда будут уверены в точности показаний датчиков и смогут подобрать оптимальные временные интервалы для повторной калибровки.

2. Технологический процесс сборки и сварки передка каркаса кабины автомобиля МАЗ

2.1 Разработка технологического процесса заготовительных операций для деталей, входящих в изделие. Обоснование выбора заготовительного оборудования

Заготовка деталей для передка производится в заготовительно-штамповом цехе. Наиболее рациональным методом заготовки детали для узлов является штамповка. Гнутые профили изготовляют штамповкой. Детали с более простой конструкцией гнут на приспособлениях или универсально-гибочном прессе.

Технологический процесс заготовки деталей изделий из проката начинается с подбора металла по размерам и маркам стали, и включает следующие операции: правку металла, разметку, резку, обработку кромок, гибку, очистку. Металл, поступающий с металлургических заводов, заготовки после резки и других заготовительных операций, требует правки. Вследствие неравномерного остывания, после прокатки металл деформируется, получает дополнительную деформацию при вырезке деталей. Правка деформированного металла осуществляется путем создания местной пластической деформации и может производиться в холодном стоянии или при предварительном подогреве.

Разметка — это процесс нанесения на металл в натуральную величину контура детали. В процессе разметки необходимые указания по обработке наносят на металл с использованием мерительного и специального инструмента: металлических рулеток, линеек, чертилок, угольников, молотков и др. Качество разметки во многом зависит от точности мерительного инструмента.

Резка металла может быть заготовительная и как операция изготовления деталей без последующей механической обработки. Она является наиболее трудоемкой и сложной операцией. На вырезание деталей затрачивается 30…50% времени необходимого для их полного изготовления. Вырезание деталей или заготовок в зависимости от вида изделия, для которого вырезают деталь, материала и размеров деталей производят различными способами: механическим, термическим и др.