Tilastolliset tiedon analysointimenetelmät on kuvattu riittävän yksityiskohtaisesti kotimaisessa kirjallisuudessa. Sen sijaan venäläisten yritysten käytännössä vain osa niistä on käytössä. Tarkastellaanpa joitain tilastollisen käsittelyn menetelmiä.
Yleistä tietoa
Kotimaisten yritysten käytännössä pääasiassa tilastolliset valvontamenetelmät ovat yleisiä. Jos puhumme teknologisen prosessin säätelystä, se havaitaan erittäin harvoin. Tilastollisten menetelmien soveltaminen edellyttää, että yritys muodostaa ryhmän asiantuntijoita, joilla on asianmukainen pätevyys.
Merkitys
ISO ser:n mukaan. 9000, toimittajan on määritettävä tilastollisten menetelmien tarve, joita sovelletaan tuotantoprosessin kykyjen ja tuotteiden ominaisuuksien kehittämisessä, säätelyssä ja varmentamisessa. Käytetyt menetelmät perustuvat todennäköisyysteoriaan ja matemaattisiin laskelmiin. Tilastollisten tietojen analysointimenetelmiä voidaan toteuttaa missä tahansa tuotteen elinkaaren vaiheessa. He antavat arvion ja selvityksen tutkinnostatuotteen heterogeenisuus tai sen ominaisuuksien vaihtelevuus suhteessa vahvistettuihin nimellisarvoihin tai vaadittuihin arvoihin sekä sen luomisprosessin vaihtelevuus. Tilastolliset menetelmät ovat tekniikoita, joilla on mahdollista arvioida tutkittavien ilmiöiden tila tietyllä tarkkuudella ja luotettavuudella. Niiden avulla voit ennustaa tiettyjä ongelmia, kehittää optimaalisia ratkaisuja tutkittujen tosiasiatietojen, trendien ja mallien perusteella.
Käytä reittiohjeita
Tärkeimmät alueet, joilla tilastomenetelmiä käytetään laaj alti, ovat:
- Prosessin ohjaus.
- Tuotteen hyväksyminen. Se käyttää tilastollisia laatumenetelmiä.
- Teknologisten toimintojen vakauden ja tarkkuuden tutkimus.
- Luotettavuuslaskenta ja testaus.
Kehittynyt maakäytäntö
Tilastolliset menetelmät ovat perusta luotaessa tuotteita, joilla on korkeat kuluttajaominaisuudet. Näitä tekniikoita käytetään laaj alti teollisuusmaissa. Tilastolliset menetelmät ovat itse asiassa takeita siitä, että kuluttajat saavat tuotteet, jotka täyttävät asetetut vaatimukset. Niiden käytön vaikutus on todistettu Japanin teollisuusyritysten käytännöillä. He auttoivat saavuttamaan korkeimman tuotantotason tässä maassa. Pitkäaikainen kokemus ulkomailta osoittaa, kuinka tehokkaita nämä tekniikat ovat. Erityisesti tiedetään, että Hewlelt Packard tilastollisestimenetelmillä pystyi vähentämään avioliittojen määrää kuukaudessa 9 000:sta 45 yksikköön yhdessä tapauksessa
Vaikeudet käyttöönotossa
Kotimaan käytännössä on useita esteitä, jotka eivät salli tilastollisten menetelmien käyttöä indikaattoreiden tutkimisessa. Vaikeuksia aiheutuu seuraavista syistä:
- Suurin osa asiantuntijoista ja yritysjohtajista ei ymmärrä riittävää ymmärrystä tekniikoiden olemuksesta ja merkityksestä, tiedon ymmärtämisen, muuntamisen ja käytön tärkeydestä.
- Tietämättömyys sekä itse tilastomenetelmistä että niiden käyttöjärjestyksestä.
- Suurin osalla asiantuntijoista ei ole kokemusta empiiristen tietojen käsittelystä.
- Epäluottamus tulosten luotettavuuteen.
- Selkeiden, helposti luettavien käyttöoppaiden puute ilman matemaattista hyötykoneistoa.
Ohjelman kehitys
On sanottava, että tiettyjen tilastomenetelmien tarpeen määrittäminen laadun alalla, tiettyjen tekniikoiden valinta, hallinta on melko vaikeaa ja pitkäkestoista työtä mille tahansa kotimaiselle yritykselle. Sen tehokkaaksi toteuttamiseksi on suositeltavaa kehittää erityinen pitkän aikavälin ohjelma. Sen tulisi määrätä sellaisen palvelun muodostamisesta, jonka tehtäviin kuuluu tilastollisten menetelmien soveltamisen organisointi ja metodologinen ohjaus. Ohjelman puitteissa on tarpeen säätää asianmukaisten teknisten välineiden varustamisesta, asiantuntijoiden koulutuksesta, tuotantotehtävien kokoonpanon määrittämisestä.tulee ratkaista valituilla menetelmillä. Masterointi on suositeltavaa aloittaa käyttämällä yksinkertaisimpia lähestymistapoja. Voit käyttää esimerkiksi tuttuja tuotannonhallinnan alkeistilastollisia menetelmiä. Tämän jälkeen on suositeltavaa siirtyä muihin menetelmiin. Se voi olla esimerkiksi varianssianalyysiä, tiedon selektiivistä käsittelyä, prosessien säätelyä, tekijätutkimuksen ja kokeiden suunnittelua jne.
Luokittelu
Taloudellisen analyysin tilastolliset menetelmät sisältävät erilaisia tekniikoita. Tarpeetonta sanoa, että niitä on melko paljon. Japanin johtava laadunhallinnan asiantuntija K. Ishikawa suosittelee kuitenkin seitsemän perusmenetelmän käyttöä:
- Pareto-kaaviot.
- Ryhmittele tiedot yhteisten ominaisuuksien mukaan.
- Ohjauskortit.
- Syy-seurauskaaviot.
- Histogrammit.
- Ohjaustaulukot.
- Scatterplots.
Omaan johtamiskokemukseensa perustuen Ishikawa väittää, että 95 % kaikista yrityksen kysymyksistä ja ongelmista voidaan ratkaista näillä seitsemällä lähestymistavalla.
Pareto-kaavio
Tämä tilastotietomenetelmä perustuu tiettyyn suhteeseen. Sitä on kutsuttu "Pareton periaatteeksi". Hänen mukaansa 20 % syistä ilmenee 80 % seurauksista. Pareto-kaavio näyttää visuaalisessa ja ymmärrettävässä muodossa kunkin seikan suhteellisen vaikutuksen kokonaisongelmaan laskevassa järjestyksessä. Tätä vaikutusta voidaan tutkiatappiot, viat, jotka aiheutuvat jokaisesta syystä. Suhteellinen vaikutus on kuvattu pylväillä, tekijöiden kumulatiivinen vaikutus kumulatiivisella suoralla.
Syy-seurauskaavio
Siellä tutkittava ongelma on ehdollisesti kuvattu vaakasuoran suoran nuolen muodossa, ja siihen välillisesti tai suoraan vaikuttavat olosuhteet ja tekijät ovat vinonuolien muodossa. Rakentaessa tulee ottaa huomioon merkityksettömältäkin vaikuttavat olosuhteet. Tämä johtuu siitä, että käytännössä on melko usein tapauksia, joissa ongelman ratkaisu varmistetaan sulkemalla pois useita merkityksettömältä näyttäviä tekijöitä. Syyt, jotka vaikuttavat pääolosuhteisiin (ensimmäisten ja myöhempien tilausten) on kuvattu kaaviossa vaakasuuntaisilla lyhyillä nuolilla. Yksityiskohtainen kaavio on kalan luurangon muodossa.
Ryhmätiedot
Tätä taloustilastollista menetelmää käytetään yksinkertaistamaan indikaattoreita, jotka on saatu arvioimalla ja mittaamalla yhtä tai useampaa kohteen parametria. Yleensä tällaiset tiedot esitetään järjestämättömänä arvosarjana. Nämä voivat olla työkappaleen lineaariset mitat, sulamispiste, materiaalin kovuus, vikojen lukumäärä ja niin edelleen. Tällaisen järjestelmän perusteella on vaikea tehdä johtopäätöksiä tuotteen ominaisuuksista tai sen valmistusprosesseista. Järjestys tehdään viivakaavioiden avulla. Ne näyttävät visuaalisesti muutoksia havaituissa parametreissa tietyn ajanjakson aikana.
Ohjaustaulukko
Se esitetään pääsääntöisesti taajuusjakaumataulukon muodossa kohteen parametrien mitattujen arvojen esiintymisestä vastaavilla aikaväleillä. Tarkistuslistat laaditaan tutkimuksen tarkoituksen mukaan. Indikaattoriarvojen alue on jaettu yhtä suuriin aikaväleihin. Niiden lukumäärä valitaan yleensä yhtä suureksi kuin tehtyjen mittausten lukumäärän neliöjuuri. Lomakkeen tulee olla yksinkertainen, jotta vältytään täyttö-, lukemis- ja tarkistusongelmat.
Histogrammi
Se esitetään porrastetun monikulmion muodossa. Se kuvaa selkeästi mittausindikaattoreiden jakautumista. Asetetut arvot on jaettu yhtä suuriin aikaväleihin, jotka piirretään x-akselia pitkin. Kullekin välille rakennetaan suorakulmio. Sen korkeus on yhtä suuri kuin arvon esiintymistiheys tietyllä aikavälillä.
Scatterplots
Niitä käytetään testattaessa hypoteesia kahden muuttujan suhteesta. Malli on rakennettu seuraavasti. Yhden parametrin arvo piirretään abskissa-akselille ja toisen indikaattorin arvo piirretään ordinaatalle. Tämän seurauksena kaavioon ilmestyy piste. Nämä toiminnot toistetaan kaikille muuttujien arvoille. Jos suhde on olemassa, korrelaatiokenttä laajenee, eikä suunta ole sama kuin y-akselin suunta. Jos rajoitusta ei ole, se on yhdensuuntainen yhden akselin kanssa tai on pyöreä.
Ohjauskortit
Niitä käytetään prosessin arvioinnissa tietyn ajanjakson ajan. Ohjauskarttojen muodostus perustuuseuraavissa paikoissa:
- Kaikki prosessit poikkeavat asetetuista parametreista ajan myötä.
- Ilmiöiden epävakaa kulku ei muutu sattum alta. Poikkeamat, jotka ylittävät odotetut rajat, eivät ole satunnaisia.
- Joitakin muutoksia voidaan ennakoida.
- Vakaa prosessi voi poiketa satunnaisesti odotettujen rajojen sisällä.
Käyttö venäläisten yritysten käytännössä
On sanottava, että kotimaiset ja ulkomaiset kokemukset osoittavat, että tehokkain tilastollinen menetelmä laitteiden ja teknisten prosessien vakauden ja tarkkuuden arvioimiseksi on ohjauskorttien laatiminen. Tätä menetelmää käytetään myös tuotantotoiminnan säätelyssä, tuotantokapasiteettien potentiaalin tutkimuksessa. Karttoja laadittaessa on välttämätöntä valita tutkittava parametri oikein. On suositeltavaa suosia sellaisia indikaattoreita, jotka liittyvät suoraan tuotteen käyttötarkoitukseen, jotka ovat helposti mitattavissa ja joihin voidaan vaikuttaa prosessiohjauksella. Jos tällainen valinta on vaikea tai ei perusteltu, on mahdollista arvioida säädetyn parametrin kanssa korreloivat arvot.
Vuanssit
Jos indikaattoreita ei ole taloudellisesti tai teknisesti mahdollista mitata kartoitukseen vaaditulla tarkkuudella kvantitatiivisen kriteerin mukaan, käytetään vaihtoehtoista etumerkkiä. Siihen liittyvät termit, kuten "avioliitto" ja "vika". Jälkimmäinen ymmärretään tuotteen jokaisena erillisenä virheenävahvistetut vaatimukset. Avioliittoa kutsutaan tuotteiksi, joiden tarjoaminen kuluttajille ei ole sallittua, koska siinä on puutteita.
Ominaisuudet
Jokaisella korttityypillä on omat erityispiirteensä. Se on otettava huomioon valittaessa niitä tiettyyn tapaukseen. Kortteja kvantitatiivisen kriteerin mukaan pidetään herkempänä prosessin muutoksille kuin vaihtoehtoista ominaisuutta käyttävät kortit. Ensimmäiset ovat kuitenkin työvoimav altaisempia. Niitä käytetään:
- Virheenkorjausprosessi.
- Arvioidaan teknologian käyttöönoton mahdollisuuksia.
- Laitteen tarkkuuden tarkistaminen.
- Toleranssin määritelmät.
- Useita kelvollisia tapoja luoda tuote.
Extra
Jos prosessin häiriölle on tunnusomaista ohjatun parametrin keskiarvon muutos, on tarpeen käyttää X-karttoja. Jos arvojen hajonta kasvaa, tulee valita R- tai S-malli. On kuitenkin tarpeen ottaa huomioon useita ominaisuuksia. Erityisesti S-kaavioiden käyttö mahdollistaa prosessin epäjärjestyksen määrittämisen tarkemmin ja nopeammin kuin R-malleilla, joilla on sama otoskoko. Samanaikaisesti jälkimmäisen rakentaminen ei vaadi monimutkaisia laskelmia.
Johtopäätös
Kvantitatiiviset analyysimenetelmät taloustieteessä antavat meille mahdollisuuden tutkia laadullisen arvioinnin aikana löydettäviä tekijöitä avaruudessa ja dynamiikassa. Niitä voidaan käyttää ennustavien laskelmien suorittamiseen. Taloudellisen analyysin tilastolliset menetelmät eivät olesisältää menetelmiä taloudellisten prosessien ja tapahtumien syy-seuraus-suhteiden arvioimiseksi, lupaavien ja käyttämättömien suorituskyvyn parantamisreservien tunnistamiseksi. Toisin sanoen tekijätekniikat eivät sisälly harkittuihin lähestymistapoihin.
