Содержание к диссертации
Введение
1. Литературный обзор по возможностям применения метода имитационного моделирования к решению проблем качества 7
1.1. Краткий экскурс в проблему 7
1.2. Общая теория систем 7
1.3. Кибернетика 9
1.4. Системный анализ 10
1.5. Системная динамика 14
1.6. Самообучающиеся организации 16
1.7. К каким аспектам управления качеством целесообразно применять системный анализ. : 20
1.8. Моделирование процессов обеспечения качества 26
1.9. Сравнение программных средств по моделированию процессов методом системной динамики 27
2. Постановка задачи на разработку имитационной модели процессов контроля и обеспечения качества продукции 29
2.1. Цели создания имитационной модели системы учета и анализа затрат на качество 30
2.2. Основные требования к функциональным характеристикам модели системы учета и анализа затрат на качество 30
2.3. Требования к структуре и основным процессам модели 32
2.4. Перечень основных параметров входной информации для модели 35
2.5. Перечень основных параметров выходной информации для модели 36
2.6. Требования к программному и техническому обеспечению функционирования
системы 37
2.7. План работ по созданию модели 37
3. Разработка имитационной модели 38
3.1. Составление содержательного описания объекта моделирования 38
3.2. Составление концептуального описания модели
3.2.1. Подсистема выходного контроля сырьевых материалов 40
3.2.2. Подсистема входного контроля сырьевых материалов 46
3.2.3. Подсистема контроля параметров производственных участков А и В и корреляционного анализа 47
3.2.4. Подсистема учета финансовых и маркетинговых показателей 60
3.2.5. Имитация нестабильности производственного процесса 62
3.2.6. Результаты концептуального описания модели
3.3. Формализация и разработка (программирование) модели 63
3.4. Подготовка исходных данных и настройка модели
3.4.1. Установка горизонта моделирования 68
3.4.2. Ввод исходных данных 69
3.4.3. Проведение имитации 70
3.4.4. Получение результатов моделирования 70
3.5. Тестирование модели на функциональность и на достижение поставленных целей 71
3.5.1. Тестирование подсистемы выходного контроля готовой продукции 72
3.5.2. Тестирование подсистемы входного контроля сырья 76
3.5.3. Тестирование подсистемы контроля производственных участков и корреляционного анализа параметров производственного процесса
3.5.4. Тестирование подсистемы анализа финансовых и маркетинговых показателей предприятия 79
3.5.5. Тестирование модели системы учета и анализа затрат на качество 80
3.5.6. Результаты тестирования модели 81
4. Проведение имитационного эксперимента 82
4.1. Выбор отклика 82
4.2. Выбор факторов 83
4.3. Построение плана эксперимента 86
4.4. Проведение эксперимента 87
4.5. Проверка гипотезы об однородности дисперсий результатов эксперимента 88
4.6. Определение коэффициентов регрессии линейной модели
4.6.1. Проверка значимости коэффициентов регрессии 90
4.6.2. Проверка адекватности линейной модели
4.7. Поиск оптимальных условий для минимизации отклика эксперимента 91
4.8. Результаты проведения имитационного эксперимента 94
5. Внедрение имитационной модели на предприятии 96
5.1. Информация о предприятии 96
5.2. Цели внедрения модели на производстве 96
5.3. Процесс изготовления толкателей и исходные данные 97
5.4. Результаты внедрения имитационной модели 98
Заключение
Список литературных источников
- Самообучающиеся организации
- Требования к структуре и основным процессам модели
- Формализация и разработка (программирование) модели
- Определение коэффициентов регрессии линейной модели
Введение к работе
Актуальность исследования. Важность для отечественной экономики скорейшего освоения и внедрения современных методов управления качеством трудно переоценить. Вместе с тем весь комплекс мер, понимаемый под системой качества (безотносительно к стандартным моделям систем качества) образует сложную многофакторную систему, которой приходится управлять в реальных условиях, имея лишь приблизительные представления о том, к каким экономическим результатам может привести то, или иное управленческое решение. Адекватного инструментария для количественного прогнозирования поведения таких систем при различных начальных условиях в ходе изучения предметной области обнаружить не удалось.
Различные теоретические и методологические аспекты анализа сложных систем отражены в работах отечественных и зарубежных ученых: Л. фон Берталанфи, А. А. Богданова, Н. А. Белова, М. М. Завадовского, Н. Винера, Л. Розенблюта, Дж. Б. С. Холдена, Г. Канна, И. Манна, Э. Квэйда, Дж. Форрестера, П. Сенге. Вопросы, посвященные проблематике управления качеством продукции, представлены трудами Ю. П. Адлера, В. А. Лапидуса, С. Б. Щепетовой, Э. Деминга, Д. Джурана, К. Исикавы, Ф. Кросби, Г. Тагути, А. Фейгенбаума.
Если отдельно теоретические вопросы как общего моделирования систем, так и различные методы управления качеством продукции, получили широкое развитие, то эффективные методы моделирования систем учета и анализа затрат на обеспечение качества с целью получения достоверных прогнозов последствий управленческих решений раскрыты до на-, стоящего времени не в полной мере.
Изложенное выше дает основание считать выбранную тему исследования актуальной для науки и практики хозяйственной деятельности.
Цель исследования. Основной целью диссертационной работы является создание адекватного инструментария количественного прогнозирования системы управления качеством продукции промышленного предприятия для выработки мер по повышению результативности производственных процессов. Под результативностью производственных процессов с точки зрения системы управления качеством понимается статистическая стабильность и экономичность процессов изготовления продукции.
Предмет и объект исследования. Предметом исследования являются методы моделирования и прогнозирования поведения сложных систем. Объектом исследования является деятельность предприятий по контролю и обеспечению качества выпускаемой продукции.
Задачи исследования. Для достижения поставленной цели в диссертационном исследовании необходимо было решить следующие задачи:
-
сделать обзор методов и подходов в области анализа и прогнозирования поведения сложных систем;
-
на основании обзора подобрать адекватный научный метод для разработки инструмента прогнозирования процессов контроля и обеспечения качества продукции;
-
сделать обзор реализованных решений по применению данного метода к решению задач анализа и прогнозирования сложных систем в целом, и систем управления качеством, в частности;
-
провести анализ современных методов управления качеством с целью выбора наиболее подходящего объекта моделирования;
-
на основании анализа предполагаемого объекта моделирования разработать постановку задачи на разработку требуемого инструмента прогнозирования, включая цели, требования к структуре и функциональности, требования к входным и выходным данным;
-
на основании постановки задачи разработать требуемый инструмент прогнозирования и протестировать его на соответствие требованиям, указанным в постановке задачи;
-
применить разработанный инструмент4 прогнозирования на практике для решения задачи поиска путей повышения результативности производственных процессов.
Теоретическая и методологическая основа. Теоретическую и методологическую основу исследования составили работы отечественных и зарубежных ученых и специалистов, материалы научно-практических конференций, нормативные и методические материалы по моделированию сложных систем, а также внедрению систем менеджмента качества и поиску путей повышения результативности производственных процессов, связанных с качеством продукции на отечественных и зарубежных предприятиях.
Методы исследования. Методами исследования послужили исторический и системный подход к предмету и объекту исследования, анализ и синтез систем, планирование эксперимента.
Достоверность и обоснованность научных положений, выводов и рекомендаций. Достоверность и обоснованность научных положений, выводов и рекомендаций, сформулированных в диссертационном исследовании обусловлены их разработкой на основе применения методов системного и логического анализа, обобщения зарубежного и отечественного опыта в области моделирования систем и управления качеством продукции, достоверного информационного обеспечения при разработке инструмента прогнозирования, а также проверки результатов исследования в реальных условиях производства.
Научная новизна. Научная новизна основных выводов, полученных в результате проведенного исследования, состоит в следующем:
-
обоснована необходимость создания инструмента оперативного прогнозирования состояний системы контроля и обеспечения качества продукции при различных начальных условиях для выработки путей повышения результативности производственных процессов;
-
применен метод системной динамики для создания с помощью вычислительной техники имитационной модели как средства прогнозирования системы контроля и обеспечения качества продукции при различных начальных условиях для выработки путей повышения результативности производственных процессов;
-
предложена универсальная структура имитационной модели для учета затрат, связанных с контролем и обеспечением качества на основе процессного подхода, позволяющая средствами системной динамики описывать производственные процессы любой сложности;
-
в имитационной модели формализованы процессы накопления и динамики затрат, связанных с контролем и обеспечением качества продукции, непосредственно в местах их возникновения;
-
получено эмпирическое подтверждение предположения Э.Деминга о неэффективности проведения выборочных инспекций на входе и выходе производственного цикла;
-
разработана имитационная модель системы позволяет оперативно оценивать и прогнозировать, к каким экономическим результатам приведет то, или иное управленческое решение в области контроля и обеспечения качества продукции.
Практическая ценность. Предложенная в диссертационной работе имитационная модель системы учета и анализа затрат на обеспечение и контроль качества продукции промышленного предприятия может быть использована предприятиями для планирования действий по повышению результативности производственных процессов. Результаты исследования представляют интерес для предприятий массового производства любой отрасли промышленности при планировании мероприятий по обеспечению и контролю качества выпускаемой продукции.
Апробация результатов работы. Результаты диссертационного исследования внедрены ООО «Московское УПП № 13 ВОС» г.Москва, что подтверждено соответствующим актом внедрения.
Публикации. По теме диссертационного исследования опубликованы пять статей.
Объем и структура работы. Диссертационная работа состоит из введения, пяти глав, заключения и библиографии. Объем работы оставляет 108 страниц основного текста, 18 таблиц, 38 рисунков. Список использованной литературы содержит 156 наименований.
Самообучающиеся организации
Предпосылки к разработке методологии системного анализа сформировались после второй мировой войны, когда европейские страны были заняты восстановлением пострадавшего хозяйства, а перед американским правительством встала проблема переориентировать экономику страны, сфокусированную на выполнение военных заказов, на самостоятельное мирное развитие. Перед оборонным комплексом после войны также встала проблема перевода вооруженных сил на мирный режим несения службы и оптимизации выбора наиболее эффективных и наиболее экономичных средств вооружений для действующей армии в соответствии с военной стратегией на будущее. С другой стороны, перед промышленными корпорациями также обострились проблемы выбора оптимальных характеристик продукции, выбора направлений развития в новых экономических условиях. Экономический бум, в свою очередь, повлек за собой увеличение интенсивности использования природных ресурсов, увеличение нагрузки на инфраструктуру городов и населенных пунктов, управление которыми также нуждалось в тщательном планировании и выборе наиболее подходящей стратегии развития. Решение этих глобальных задач требовало применения универсального подхода, позволявшего комплексно рассмотреть исследуемую систему, определить сдерживающие и усиливающие факторы, учесть все взаимосвязи и отдаленные последствия выбора той, или иной стратегии развития системы в будущем. Такой методологией, основанной на общей теории систем, стал системный анализ /19/.
Первоначально, работы по системному анализу были организованы федеральным правительством США для нужд Министерства обороны. До этого, в довоенное и военное время при планировании функционирования вооруженных сил работы по созданию вооружений начинались без рассмотрения того, как они будут использоваться, сколько они будут стоить и оправдает ли вклад в оборону затраты на их создание /20/. Причина подобного положения заключалась в том, что в то время относительные затраты на вооружение были невелики, возможностей для выбора было мало, поэтому фактически использовался принцип «ничего, кроме самого лучшего». После второй мировой войны и, особенно, с началом «атомного века» расходы на создание оружия возросли во много раз и этот подход стал неприемлемым. Его постепенно заменял другой: «только то, что целесообразно и за минимальную стоимость». Однако для реализации нового принципа нужно было уметь находить, оценивать и сравнивать различные альтернативы вооружений /19/.
Методы, использовавшиеся в промышленности и коммерции, а также разработанные к этому времени модели исследования операций не могли быть использованы из-за свойственных им ограничений. Требовались методы, которые позволили бы анализировать сложные проблемы как целое, обеспечивали рассмотрение многих альтернатив (стратегий), каждая из которых описывалась большим числом переменных, обеспечивали полноту каждой альтернативы, помогали вносить измеримость, давали возможность отражать неопределенности. Получившаяся в результате развития и обобщения широкая и универсальная методология решения проблем была названа ее авторами «системный анализ». Новая методология, созданная для решения военных проблем, была прежде всего использована в этой области. Однако очень скоро выяснилось, что проблемы гражданские, проблемы фирм, финансовые и многие другие проблемы не только допускают, но и требуют рассмотрения с точки зрения системного подхода/19/.
Широкое применение системного анализа способствовало его развитию. Системный анализ быстро впитал в себя достижения многих родственных и смежных областей и различных подходов и превратился в самостоятельную, богатую формами и областями приложений, уникальную по своему назначению и характеру научную и прикладную дисциплину и область профессиональной деятельности.
Непросто определить, кто был основателем системного анализа и когда это именно это произошло. Как сообщается в/21/, примерно с середины 40-х годов инженеры и руководители предприятий стали свидетелями возникновения все более широкого подхода к проблеме проектирования технологического оборудования. Это явление было плохо понято и описывалось неточно. Его называли системотехникой (system engineering), системным анализом (system analysis) и часто системным подходом (system approach).
Считается, что разработка, широкое применение и популяризация системного анализа — заслуга корпорации РЭНД /22/. Действительно, теоретики и специалисты этой корпорации выполнили ряд основополагающих работ по системному анализу, а также выдвинули из своей среды многих из тех лиц, которым пришлось практически применять эту методологию в Министерстве обороны и других ведомствах и компаниях США. Одна из первых книг по методологии системного подхода, вышедшая в США в 1956 году, была написана ведущими специалистами корпорации РЭНД Германом Каном и Ирвином Манном /23/. Более ранние, но менее систематичные работы были выполнены также специалистами этой корпорации, начиная с 1950 года/24-28/.
Корпорация РЭНД была создана в 1947 году (за год до выхода в свет «Кибернетики» Н. Винера). В 1948 году в составе Министерства ВВС США была организована группа оценки систем оружия (WSEG), которая сыграла важную роль в развитии и применении системного анализа. В 1950 г. в составе РЭНД был создан Отдел оценки вооружений, который вел разработки и широко применял стоимостные варианты системного анализа. В начале 50-х годов понятие «системы оружия» и практика «системного руководства» становятся общеупотребительными. Начавшаяся в 1952 г. разработка сверхзвукового бомбардировщика В-58 была первой разработкой, которая была поставлена как «система». Большое влияние на формирование идей системного анализа в 50-х годах оказала разработка стратегических ра 13 кетных систем и систем противовоздушной обороны /19/.
К 1960-му году методология системного анализа была уже детально разработана и изложена в вышедшей в работе группы специалистов РЭНД /29/.
Следует отметить, что корпорация РЭНД, будучи созданной более полу века назад, успешно решает свои задачи и в наши дни. Корпорация RAND, которая старательно подчеркивает тот факт, что является неправительственной, некоммерческой организацией, известна тесными связями с официальным Вашингтоном и тем, что часто выполняет заказы Пентагона. RAND — одна из первых организаций в мире, которая стала называться "мозговым центром". Это название она получила в 1946 году после того, как выполнила заказ своего первого клиента— ВВС США. Именно ее знаменитый аналитик Герман Кан подготовил в 1960-е годы рекомендации для армии США для ведения войны во Вьетнаме. Львиная доля аналитических обзоров RAND в годы "холодной войны" приходилась на долю СССР. Сегодня отделения корпорации, насчитывающей более 1600 сотрудников, расположены в Нью-Йорке, Санта-Монике, Питсбурге и Вашингтоне (США), а также в Голландии, Германии и Великобритании /30/.
Требования к структуре и основным процессам модели
Для проектирования модели, исходя из достижения изложенных выше целей, воспользуемся принципами структурирования функции качества/63/, согласно которым из известных желаемых характеристик конечного продукта определяются характеристики всех входных потоков для его производства. В нашем случае известно, каких целей должна достигать модель. На основании этих целей определим функциональные характеристики модели. Затем на основании требований к функциональности определим ее структуру и так далее согласно плану, указанному в разделе «Постановка задачи на разработку имитационной модели системы учета и анализа затрат на качество».
Цель 1: Поддержка анализа и прогнозирования финансовых затрат предприятия на текущий контроль и обеспечение качества готовой продукции. Для достижения этой цели модель должна адекватно отражать динамику затрат предприятия на контроль производственного процесса изготовления продукции, на выходной контроль готовой продукции, на входной контроль сырья, а также затраты на проведение корректирующих действий по Джураиу и Фейгенбауму, а также затраты на производство некачественной продукции по Тагути. В зависимости от динамики накопления этих затрат должно происходить формирование доходной и расходной части бюджета контроля и обеспечения качества продукции предприятия. Модель должна адекватно отражать структуру затрат по всем категориям, включая затраты на контроль производственного процесса, на входной и выходной контроль, затраты по Тагути по всем параметрам производства и затраты на проведение корректирующих действий.
Цель 2: Поддержка анализа и прогнозирования основных стратегических финансовых и маркетинговых показателей предприятия (себестоимость, прибыль, доля рынка) при применении различных стратегий управления качеством продукции (подтверждение, либо опровержение мифа о том, что высокое качество стоит дорого).
Модель должна адекватно отражать динамику изменения себестоимости продукции и прибыли компании в зависимости от динамики доходной и расходной частей бюджета, а также изменения потенциального объема рынка в зависимости от качества готовой продукции и от реакции потребителей. Также модель должна предоставлять средства определения наиболее «проблемных» параметров продукции, которые вызывают больше всего несоответствий и порождают максимальные затраты на проведение корректирующих действий. Также модель должна предоставлять возможности для анализа причин возникновения основной массы несоответствий и затрат на проведение корректирующих действий (парк оборудования, смена персонала, или какие-то другие причины), так как эта информация является ключевой при планировании развития компании в среднесрочном и долгосрочном периоде.
Цель 3: Поддержка анализа и прогнозирования степени достижения интересов всех заинтересованных сторон: потребителей готовой продукции, поставщиков сырья, акционеров и персонала предприятия.
Модель должна предоставлять адекватную оценку величины: - возможного снижения цены изделия в процентах за счет снижения себестоимости продукции от работы системы качества (интересы потребителей); - совокупных затрат на приобретение сырья у различных поставщиков в целях обоснованного выбора поставщика не на условиях низкой цены для долговременного сотрудничества (интересы поставщиков); - возможного увеличения прибыли предприятия и объёмов рынка за счет снижения себестоимости продукции от работы системы качества (интересы акционеров и владельцев компании); - возможного увеличения дохода предприятия на одного сотрудника в натуральном выра жении за счет достигнутой экономии от работы системы качества (интересы персонала).
На основании требований к функциональности модели определим требования к ее структуре и к основным процессам.
Для достижения требуемой функциональности модели целесообразно учесть следующее: Требование к функциональности 1: адекватно отражать динамику и структуру затрат предприятия на контроль производственного процесса изготовления продукции, на выходной контроль готовой продукции, на входной контроль сырья, а также затраты на проведение корректирующих действий. - Выработать критерии оценки годности/негодности готовой продукции и сырья; - Выработать критерии оценки годности/негодности выборочных средних и дисперсий параметров производства; - Выделить категории затрат на проведение корректирующих действий по характеру несоответствий (регулированию средних и дисперсий производственного процесса); - Предусмотреть влияние самопроизвольных выбросов (резкого ухудшения качества) в процессе производства и в параметрах сырьевых материалов на качество готовой продукции; - Осуществлять сравнение затрат на проведение различных видов выходного контроля готовой продукции и входного контроля сырья (сплошной контроль, выборочный контроль и т. д.); - Проведение входного и выходного контроля целесообразно смоделировать на основе стандартных планов контроля, а контроль производственных процессов на основе метода учета затрат по Тагути /105/; - При моделировании учета затрат по Тагути принять обоснованное и адекватное значение коэффициента в уравнении затрат по Тагути; - Проводить непрерывный корреляционный анализ параметров производства внутри производственного участка как между самим параметрами, так и с учетом их парных взаимодействий; - Проводить непрерывный корреляционный анализ параметров производственных участков и итогового показателя качества готового изделия; - Предусмотреть влияние не одинаковой трудоемкости по снижению дисперсии параметров производства при разных ее значениях; - Предусмотреть влияние характеристик качества исполнения отдельных технологических операций на итоговую характеристику качества готовой продукции.
Формализация и разработка (программирование) модели
После заполнения массива случайных данных в переменную «Параметр А1» на основе оценок начальных среднего и среднеквадратического отклонения технологической операции А1 подсчитываются внутригрупповые среднеквадратические отклонения сгенерированных случайных значений, которые записываются в переменную «Фактич средняя дисп А1». Модель настроена таким образом, что ежедневно (впрочем, шаг моделирования может быть задан любым: час, неделя, месяц и т. д.) производится и контролируется пять равновеликих групп точек, расслоенных по следующим признакам:
1. Технологическая операция, произведенная на оборудовании первого цеха рабочими первой смены на стандартных материалах;
2. Технологическая операция, произведенная на оборудовании второго цеха рабочими первой смены на стандартных материалах;
3. Технологическая операция, произведенная на оборудовании первого цеха рабочими второй смены на стандартных материалах;
4. Технологическая операция, произведенная на оборудовании второго цеха рабочими второй смены на стандартных материалах;
5. Технологическая операция, произведенная в лабораторных условиях.
Затем фактические внутригрупповые среднеквадратические отклонения сравниваются с требуемой величиной среднеквадратического отклонения, вычисляемой из указанного оператором ранее индекса воспроизводимости и границ допуска характеристики качества, соответствующей технологической операции А1. После этого в неременной «Партии с недопустимой дисперсией А1» отмечаются те подгруппы, среднеквадратические отклонения которых выше, чем требуемая указанным индексом воспроизводимости, после чего проводятся поиск причин, вызвавших недопустимо высокую дисперсию и соответствующие корректирующие действия, а также учет затрат на их проведение, как показано на рис. 13, при этом вычисляются новые значения среднеквадратичных отклонений по результатам предпринятых корректирующих действий, как показано на рис. 14.
Для того, чтобы подсчитать затраты на проведение корректирующих действий по снижению дисперсии технологической операции целесообразно установить причину (источник) появления недопустимой дисперсии. Для этого на основании индексов подгрупп с недопустимо высокой дисперсией анализируются значения внутригрупповых среднеквадратиче-ских отклонений в других подгруппах. Так, если оказалось, что в подгруппе № 1 (первого цеха и первой смены рабочих) была обнаружена недопустимо высокая величина среднеквадратичного отклонения, то сравниваются значения внутригрупповых среднеквадратичных отклонений по группам № 3 и № 2 (первого цеха — второй смены рабочих и второго цеха — первой смены рабочих). Если окажется, что внутригрупповая величина среднеквадратичного отклонения в группе № 3 выше, то причина высокой дисперсии — оборудование первого цеха. Если же выше окажется среднеквадратичное отклонение в группе № 2, то причина высокой дисперсии — первая смена рабочих. После того, как установлена причина высокой дисперсии технологической операции — производится учет затрат согласно введенным оператором оценкам средней стоимости снижения дисперсии на соответствующую долю через воздействие на производственное оборудование, и через обучение рабочих на данной технологической операции. Если причиной оказывается экспериментальное звено, то по нему затраты учитываются аналогичным образом.
Учет затрат па проведение корректирующих действий по снижению дисперсии технологической операции
Затр дисп Предполагается, что с каждым шагом снижать дисперсию технологической операции все сложнее. Для отображения этой зависимости вводится константа «% увеличения затрат по снижению дисперсии А1 на след шаге», означающая, на сколько процентов возрастет стоимость снижения дисперсии на ту же величину на следующем шаге. Определение внутригрупповых среднеквадратических отклонений по результатам корректи рующих действий
В переменной «Дисп А1 на след шаге» определяется величина средиеквадратическо-го отклонения в подгруппах А1, которая буде использоваться при генерировании случайных чисел на следующем шаге моделирования. Если переменная «Причина увеличения дисперсии А1» окажется на равной нулю в своей подгруппе (например, что дисперсия была увеличена оборудованием второго цеха), то в дисперсию на следующем шаге для всех подгрупп, в которых задействована причина, указанная выше (то есть, например, оборудование второго цеха), будет записано значение среднеквадратичного отклонения, меньше предыдущего на величину константы «Доля снижения дисперсии на шаге КД %», которая означает оценку средней величины снижения среднеквадратического отклонения за один день корректирующих действий.
Теперь рассмотрим процесс обработки внутригрупповых средних для каждой технологической операции на примере операции А1, как показано на рис. 15.
Процесс формирования массива случайных чисел был показан на рис. 10. Па основании этого массива в переменной «Средние партий А1» определяются внутригруиповые средние в соответствии с принятым выше принципом расслоения данных. Затем полученные средние оцениваются на предмет выхода за трехсигмовые границы регулирования относительно середины допуска, где за срсднеквадратическое отклонение принимается величина, требуемая соответствующим индексом воспроизводимости и границами допуска данной технологической операции. Если внутригрупповое среднее в какой-либо группе выходит за границы регулирования, то переменная «Ср А1 за гран регулир воспр-ти» показывает знак этого отклонения: «+», или «-». Затем анализируются значения внутригрупповых средних в других подгруппах. Так, если оказалось, что в подгруппе № 1 (первого цеха и первой смены рабочих) была обнаружена недопустимо высокое положительное отклонение величины среднего, то сравниваются значения положительных отклонений средних в группах № 3 и № 2 (первого цеха — второй смены рабочих и второго цеха — первой смены рабочих). Если окажется, что положительное отклонение среднего в группе № 3 выше, то причина отклонение среднего — оборудование первого цеха. Если же выше окажется положительное отклонение среднего в группе № 2, то причина этого явления — первая смена рабочих. Такая же последовательность логических заключений проводится при определении причины недопустимого отрицательного отклонения среднего технологической операции от середины допуска. Величина среднего на следующем шаге для генерирования нового массива случайных чисел остается той же, если не было обнаружено недопустимых отклонений, и настраивается на середину допуска в тех подгруппах, где были обнаружены причины, приведшие к разладке среднего процесса. Обработка внутригрупповых средних технологической операции А1
Определение коэффициентов регрессии линейной модели
Отклик эксперимента— это реакция объекта экспериментирования на воздействие входных переменных, количественное выражение целевой функции, которой нужно управлять, чтобы достичь желаемого результата. Отклик оценивает эффективность функционирования объекта. В данном случае, когда помимо установления вида зависимости между факторами и откликом эксперимента целесообразно определить оптимальные значения факторов для получения оптимального отклика, отклик объекта также будет являться параметром оптимизации.
Для правильного планирования эксперимента отклик должен соответствовать следующим условиям: 1. Отклик должен быть количественным и задаваться числом, характеризующим результат эксперимента; 2. Отклик должен оценивать эффективность функционирования объекта; 3. Дисперсии откликов разных опытов должны быть равны; 4. Отклик должен быть случайной величиной с нормальным законом распределения/134, 135/. По результатам тестирования модели и анализа на стадии разработки было определено, что переменной, характеризующей результат функционирования предприятия, является себестоимость продукции в конце отчетного периода. Себестоимость продукции как переменная является количественной величиной и характеризует результат эксперимента как результат работы предприятия при различных начальных условиях. Себестоимость продукции также является адекватной оценкой эффективности функционирования компании как универсальный показатель эффективности ее производственных процессов. Об однородности дисперсий откликов и о нормальности их распределения можно будет сулить по результатам проведения эксперимента, что будет рассмотрено в разделе 4.5 «Проверка гипотезы об однородности дисперсий результатов эксперимента».
Таким образом, откликом эксперимента, а также параметром оптимизации, выбираем переменную себестоимости продукции как предварительно удовлетворяющую всем требованиям к отклику. Целью эксперимента является поиск условий (значений факторов), при которых себестоимость продукции (отклик) будет минимальной.
Факторами являются независимые входные переменные, значения которых задает экспериментатор. Факторы представляют собой способы воздействия на обьект, выраженные количественно. Основными требованиями к факторам являются требования к управляемости и однозначности/136-138/. Под управляемостью понимается возможность поддерживать фактор на требуемом уровне в течении всего эксперимента, а под однозначностью — соответствие одного значения фактора одному числу и независимость факторов от других переменных. Факторы будем выбирать из входных переменных модели, указанных в разделе 3.4 «Подготовка исходных данных и настройка модели». Все эти характеристики могут быть определены оператором перед проведением имитации и поддерживаться моделью на заданном уровне в течении всего эксперимента, что свидетельствует об их управляемости и однозначности. О физической несовместимости факторов речи не идет, так как они носят экономический характер и рассматриваются в рамках имитационного, а не реального эксперимента. Однако, экономическая несовместимость факторов в рамках имитационного эксперимента вполне возможна. Она может выражаться в значениях разного рода затрат, заведомо превышающих цену продукции. Хотя такая ситуация вполне возможна при управлении реальным предприятием, она все-таки считается ненормальной и специально стремиться к ее достижению при планировании имитационного эксперимента предполагается нецелесообразным.
Множество факторов должно быть полным и информативным, то есть в эксперимент должны быть включены все факторы, оказывающие существенное влияние на обьект. Остальные факторы должны быть застабилизированы на каком-то определенном уровне, близком к их обычному состоянию. Таким образом, среди входных переменных модели целесообразно выделить существенные факторы и определить для них области варьирования. Поскольку модель разрабатывалась исходя из поставленных целей и требований к функциональности (см. раздел 2 «Постановка задачи на разработку имитационной модели системы учета и анализа затрат»), то есть от результата к способам его достижения, то все исходные данные, являющиеся потенциальными факторами имитационного эксперимента, являются в той, или иной мере существенными. Для определения меры их влияния на отклик целесообразно их все включить в план эксперимента (всего входных данных около ста видов), но тогда количество опытов полного факторного эксперимента будет чрезмерно большим, равным двум в степени числа факторов. Однако среди исходных данных есть априорно несущественные для целей конкретного имитационного эксперимента, такие как начальный объем рынка и пр. Объем рынка, например, в экспериментальных целях можно принять бесконечным, поскольку исследование рынка выходит за рамки конкретного эксперимента. Также есть факторы характерные для всех технологических операций, например, индексы воспроизводимости и начальные значения средних и дисперсий. Для усиления статистического влияния этих факторов на значение отклика, а также в целях минимизации числа опытов без потери информативности целесообразно объединить сходные характеристики для нескольких технологических операций в один фактор и варьировать их значения одновременно, а такие же характеристики для других технологических операций — зафиксировать на уровне, относительно которого целесообразно изучить поведение системы. Рассмотрим подробнее все потенциальные факторы имитационного эксперимента.
К факторам с заранее известным направлением улучшения можно отнести все переменные задающие начальные значения дисперсий и средних, а также стоимостей проведения контроля продукции и технологических операций, проведения корректирующих действий и переделки производственных операций, поскольку очевидно, что лучшими значениями для этих переменных будут низкие дисперсии и средние, равные серединам допусков, а также низкие стоимости контроля, проведения корректирующих действий и переделки технологических операций.
Установленные границы допусков технологических операций (см. табл. 1) являются несущественными факторами, поскольку они тесно связаны с начальными значениями средних и дисперсий контролируемых характеристик и их изменение приведет к тем же эффектам.
Похожие диссертации на Разработка имитационной модели процессов контроля и обеспечения качества для прогнозирования путей повышения результативности производственных процессов
