Использование статистических методов контроля для повышения качества полиграфической продукции
Автор: Данилов Я.Н.
Журнал: Международный журнал гуманитарных и естественных наук @intjournal
Рубрика: Технические науки
Статья в выпуске: 11-2 (74), 2022 года.
Бесплатный доступ
Обеспечение конкурентоспособности в рыночных условиях является важнейшим приоритетом для полиграфического производства. В статье рассматриваются основные этапы полиграфического процесса и предлагаются пути повышения его эффективности. Успешное решение данной задачи возможно на базе широкого использования статистических методов контроля качества продукции на всех этапах производственного процесса. Достижение поставленной цели возможно при использования программного пакета STATISTICA компании Statsoft, модульное построение которого позволяет проводить регрессионный, корреляционный и дисперсионный анализ качества полиграфической продукции.
Полиграфическая продукция, производство, статистический метод, контроль качества, конкурентоспособность
Короткий адрес: https://sciup.org/170196764
IDR: 170196764 | DOI: 10.24412/2500-1000-2022-11-2-91-94
Текст научной статьи Использование статистических методов контроля для повышения качества полиграфической продукции
Обеспечение конкурентоспособности предприятий полиграфического производства строится на базе систем качества, сертифицируемых в соответствии со стандартом ISO серии 9000. Важной особенностью контроля качества печатной продукции является рассмотрение всей совокупности взаимосвязанных процессов. Основными этапами, обеспечивающими требуемое качество продукции, являются: планирование; измерение; сравнение параметров процесса с эталонными. Ключевая роль при решении данных задач отводится статистическому контролю, который представляет собой научно-обоснованную базу получения и обработки информации контроля качества продукции и состояния технологических процессов [1].
Современный инструментарий контроля качества представляет собой совокупность отдельных методов и системы, обеспечивающих комплексный контроль заданных показателей (рис. 1). Использование каждого из представленных методов контроля качества начинается со сбора не- обходимой информации. При этом результаты измерений заносятся в контрольные листки, представляющие собой таблицу-протокол первичной регистрации данных относительно контролируемого объекта. Статистическая информация ежедневно собирается и хранится в архиве. Такая организация процесса дает возможность проводить анализ технологического процесса при использовании построенных диаграмм качества. Эффективность использования статистических методов обработки информации базируется на широком использовании автоматизированных средств [2]. Следует отметить, что сплошной контроль качества, преимущественно используемый на современном полиграфическом производстве, является крайне неэффективным ввиду высокой стоимости и большой численности контрольного аппарата. Сложившаяся практика показывает, что многие действующие предприятия вынуждены направлять значительные ресурсы на осуществление выборочного контроля качества.

Рис. 1. Основные инструменты контроля качества полиграфической продукции
Одной из фирм, выпускающих передовые решения автоматизированного статистического анализа для повышения качества контроля полиграфической продукции, является Statsoft. Данная компания является крупнейшим в мире разработчиком статистического программного обеспечения, предлагая потребителям широкие возможности оптимизации бизнес-процессов. Главным продуктом Statsoft является система STATISTICA, назначение которой заключается в анализе данных, их визуализации, прогнозирования, а также проведении регрессионного, корреляционного, дисперсионного и других методов статистического анализа [3].
STATISTICA является наиболее подходящим инструментом углубленного анализа статистических данных для повышения качества полиграфической продукции. В частности, модуль STATISTICA Advanced Linear/Nonlinear Models предоставляет возможность производить анализ углубленных линейных и нелинейных регресси- онных, корреляционных и дисперсионных моделей.
Регрессионные модели GRM, предлагаемые модулем модуль STATISTICA, позволяют пользователям уникальную и высокоэффективную возможность реализации стандартных функций в общей линейной модели. Особенная актуальность для полиграфических предприятий относительно его использования состоит в наличия широкого набора пошаговой регрессии и технологии лучшего подмножества построения моделей, которые поддерживает непрерывные и категориальные переменные. При этом пошаговые методы и методы лучшего подмножества построения моделей составных планов возможно использовать в GRM, включая планы с эффектами для категориальных предсказанных переменных. Также некоторые опции регрессионных результатов включают в себя карты Парето параметров оценивания и целые модельные критерии с различными методами оценивающих моделей [4].
Возможное возникновение различных нештатных ситуаций обуславливает необходимость использования специального модуля, оценивающего воздействие случайных факторов на ход полиграфического процесса. Проведение дисперсионного анализа смешанных моделей со случайными факторами обеспечивается использованием программного модуля ANOVA. Программа позволяет анализировать как стандартные факторные (перекрестные), так и иерархически вложенные планы. При этом имеется возможность вычисления таблицы ожидаемых средних квадратов для эффектов плана, компонентов дисперсии для эффектов модели, коэффициентов для синтеза знаменателя и полную таблицу дисперсионного анализа с критериями, основанными на суммах квадратов для синтезированных ошибок и числе степеней свободы.
Использование модуля «Подгонка и моделирование» дает возможность оценки подгонки теоретических распределений к наблюдаемым данным. Пользователь может произвести моделирование данных из теоретического распределения, выбрав при этом внутреннюю корреляционную структуру данных. Именно на основе данного модуля появляется возможность безошибочного моделирования выпуска полиграфической продукции на основе получаемых данных. Полученные результаты поз- воляют не только смоделировать, но и оценить работу системы. Примером является выделение нескольких важных характеристик. Предполагается, что если сумма первых двух качественных характеристик больше, чем удвоенная величина третьей характеристики, то продукт считается дефектным. Подгонка теоретических распределений к наблюдаемым дает возможность моделирования процесса и получения требуемых показателей. Процедура моделирования позволяет прогнозировать конкретные числовые показатели качества полиграфического процесса и определять, например, процент дефектов продукции [5].
Заключение
Использование статистических методов автоматизированного контроля открывает широкие возможности для повышения качества полиграфической продукции. В качестве основных выводов можно отметить:
-
- сплошной контроль качества, преимущественно используемый на современном полиграфическом производстве, является крайне неэффективным ввиду высокой стоимости и большой численности контрольного аппарата;
-
- действующие полиграфические предприятия направляют ресурсы для исследования возможности обеспечения выборочного контроля качества;
-
- контроль качества полиграфического производства возможен на базе использования статистических методов программного пакета STATISTICA компании Statsoft;
-
- модульное построение программного
пакета позволяет осуществлять регрессионный, корреляционный и дисперсионный анализ качества полиграфической продукции, что способствует обеспечению заданных показателей.
Список литературы Использование статистических методов контроля для повышения качества полиграфической продукции
- Морозова, А.Е., Юраков, Н.С., Юракова, Т.Г. Применение статистических методов контроля качества для контроля геометрических параметров изделия в условиях крупносерийного производства // Современные материалы, техника и технологии. - 2018. - №6 (21).
- Ефремов, А.Н., Юдин, С.В. Анализ практического применения инструментария контроля качества на машиностроительном предприятии // Известия ТулГУ. Технические науки. - 2021. - №12.
- Гржибовский, А.М., Иванов, С.В., Горбатова, М.А. Описательная статистика с использованием пакетов статистических программ Statistica и SPSS // Наука и здравоохранение. - 2016. - №1.
- Берикашвили, В.Ш. Статистическая обработка данных, планирование эксперимента и случайные процессы: учебное пособие для вузов / В.Ш. Берикашвили, С.П. Оськин. - 2-е изд., испр. и доп. - М.: Изд-во Юрайт, 2022. - 164 с. - (Высшее образование).
- Юдин С.В., Калинин Н.В., Юдин А.С. Статистические методы управления качеством как часть управленческой культуры // Известия ТулГУ. Технические науки. - 2022. - №5.
- Гржибовский А.М., Иванов С.В., Горбатова М.А. Однофакторный линейный регрессионный анализ с использованием программного обеспечения Statistica и SPSS // Наука и здравоохранение. - 2017. - №2.