Управление качеством в промышленном производстве на оперативном уровне в конечном счете сводится к измерению параметров технологических объектов и оборудования, участвующих в технологическом процессе, и последующей обработке результатов этих измерений. В простейшем случае достаточно ответить на вопрос о соответствии или не соответствии центра настройки (математического ожидания) и рассеяния (дисперсии) параметров объектов и оборудования, оцениваемым по выборочным данным, заданным на них в технических условиях значениям. Например, производится изготовление конденсаторов в массовом производстве и необходимо убедиться, что среднее значение величины емкости соответствует среднему по техническим условиям или в том, что рассеяние величины емкости не превышает заданного. Задачи подобного рода подробно рассмотрены в ГОСТ Р 50779.21-96 «Статистические методы. Правила определения и методы расчета статистических характеристик по выборочным данным. Нормальное распределение». В двадцати процедурах данного стандарта устанавливаются методы для оценки математического ожидания и дисперсии генеральной совокупности, проверки гипотез относительно значений этих параметров, оценки вероятности попадания случайный величины в заданный интервал и т.д. Из всего многообразия задач, рассматриваемых в ГОСТ Р 50779.21-96, в данном разделе обсуждаются задачи оценок для наиболее простых производственных ситуаций.
Перед использованием процедур стандарта ГОСТ Р 50779.21-96 необходимо убедиться в том, что выборочные данные, с которыми работает пользователь, не содержат анормальных измерений (выбросов), а также в том, что распределение является нормальным. Проверка исходных данных на анормальность может быть выполнена на основе стандарта СЭВ СТ СЭВ 545-77. Проверка распределения на нормальность производится по результатам проверки гипотезы о виде распределения. Рассмотрим как решаются эти две вспомогательные задачи.
! См. также:
20.1 Теоретическая часть
20.1.2.1 Обнаружение анормальных измерений в исходных данных, проверка гипотезы о виде распределения данных
20.1.2.2 Точечные и интервальные оценки математического ожидания и дисперсии