Правильные и неправильные пути использования полей допусков. Следует ли сортировать продукцию относительно полей допуска на дефектную и бездефектную или пытаться настраивать процесс?

Статья: [26] DONALD J. WHEELER: "Right and Wrong Ways to Use Specifications. Sorting or Adjusting?"
Перевод, примечания и дополнительные графические материалы с пояснениями: научный директор Центра AQT Григорьев С. П. , с использованием материалов, любезно предоставленных ему Дональдом Уилером.

Бесплатный доступ к статьям нисколько не уменьшает ценности изложенных в них материалов.

В этой статье мы рассмотрим историю и назначение полей допусков, а также рассмотрим два распространенных способа их использования на практике. На простых примерах, я проиллюстрирую правильные и неправильные способы использования полей допусков (спецификаций).

Примечание Григорьев С. П.: В статье доказательно продемонстрировано, что оперативная корректировка процесса оператором станка относительно полей допуска имеет смысл только для нестабильных и/или нецентрированных в поле допуска процессов, в то время как корректировка стабильных и хорошо центрированных в поле допуска процессов приводит к еще большей вариабельности (большему разбросу данных вокруг среднего значения), что лишает рабочих понимания "что происходит?" при попытках улучшить качество производимых им деталей.

Голос клиента

Около 220 лет назад Эли Уитни создал хлопкоочистительную машину со сменными деталями. Использование взаимозаменяемых деталей стало технологическим прорывом того времени. Вскоре после своего успеха с хлопкоочистительной машиной Уитни получил контракт на поставку армии США мушкетов, имеющих взаимозаменяемые части. В попытке произвести большое количество деталей с возможностью их взаимозаменяемого использования, он немедленно обнаружил тот факт, который преследует любое производство с тех пор: нет двух одинаковых вещей.

Так вместо того, чтобы делать вещи одинаковыми, они должны были довольствоваться тем, чтобы сделать их похожими. Как только они приняли это, сразу же возник вопрос: "насколько схожи достаточно похожие детали?" В попытке ответить на этот вопрос были созданы технические условия (поля допусков, спецификации). Было очевидно, что небольшие отклонения могут быть допущены, поскольку части все равно будут функционировать. Однако по мере увеличения отклонений наступит момент, когда будет дешевле отказаться от детали, чем пытаться её использовать. И поля допусков (спецификации) были предназначены для определения этой точки отсечения потерь.

Двести лет назад экономика массового производства была настолько велика, что к большим отходам можно было спокойно относиться. К 1840-м годам был изобретен инструмент калибр (проходит-не проходит). К 1860-м годам это превратилось в "go-no-go gauge" что позволило проводить экономичную сортировку большого количества деталей на годные и негодные. Эта технология 1860-х годов все еще используется сегодня. Поля допусков были созданы для того, чтобы отделить приемлемый продукт от неприемлемого продукта. Всякий раз, когда поток продукции содержит несоответствующие элементы, которые могут быть идентифицированы с помощью неразрушающего контроля, использование 100-процентного контроля остается разумной стратегией, когда это может быть сделано экономически целесообразным способом. Как только вы сожгли тост, что вы можете сделать, кроме того, как очистить его от подгоревших частей?

Пример

На рисунках 1 и 2 показаны 100 окончательных значений теста вместе с их гистограммой и X-картой Шухарта для индивидуальных значений. Эти значения получены в результате производственной операции на одном из заводов моего клиента. Поля допусков для этих значений от 67 до 71. Гистограмма показывает, что этот процесс имеет только 34 процента годной продукции, в то время как X-карта показывает, что этот процесс работает непредсказуемо. Поле допуска позволяет нам произвести разделение на соответствующие и несоответствующие изделия, но выход 34 процентов недопустим.

Нужно что-то делать?

Один из популярных способов действий заключается в том, чтобы попытаться улучшить выход путем внесения соответствующих корректировок процесса. Предположим, что мы можем настроить процесс после каждого результата измерения отобранной на контроль детали (теста) и что каждая корректировка повлияет на последующие произведенные изделия. Мы будем использовать пределы поля допуска 67 и 71 для определения мертвой зоны для наших корректировок. То есть мы будем корректировать процесс только тогда, когда получим несоответствующий результат теста. Если, скажем, мы имеем результат теста 65, то мы отрегулируем процесс вверх на 4 для нацеливания процесса на среднее значение поля допуска, равное 69, и если мы имеем результат 75, то мы отрегулируем процесс вниз на 6. Однако, если у нас есть результат теста 67, 68, 69, 70 или 71, мы не будем вносить никаких изменений в этот процесс. Будем называть этот тип корректировки далее "P-контроллером".

Вероятная ошибка (probable error) стабильной системы измерений

Вы можете скачать данные в отсортированном списке в формате CSV для самостоятельного построения контрольной XmR-карты: скачать .

Гистограмма распределения 100 исходных значений нестабильного и плохо центрированного процесса до корректировки.

Рисунок 1: Гистограмма распределения 100 исходных значений нестабильного и плохо центрированного процесса до корректировки.

XmR-карта (голос процесса) 100 исходных значений нестабильного и плохо центрированного процесса до корректировки.

Рисунок 2: X-карта индивидуальных значений (голос процесса) 100 исходных значений нестабильного и плохо центрированного процесса до корректировки оператором. Красные линии, соответственно, верхняя и нижняя натуральные границы процесса, зелёная линия - центральная линия (среднее) процесса. Красные точки (серии точек) - сигналы присутствия особых причин, свидетельствующие о статистически неуправляемом состояния процесса. Рисунок подготовлен с использованием разработанного нами «Контрольные карты Шухарта ПРО-Аналитик +AI (для Windows, Mac, Linux)» .

Ниже на анимированном рисунке 2 показано, как процедура корректировки будет работать с исходными данными рисунка 1. Например, начальное значение 69 не приведет к корректировке последующих значений. Второе значение 74, плюс нулевая корректировка предыдущего измерения, дает скорректированное значение 74. Это приводит к корректировке на -5 до цели процесса в номинале 69. Третье значение 69 плюс корректировка предыдущего измерения -5 дает скорректированное третье значение 64. Это приводит к корректировке +5 следующих значений процесса и т.д.

Анимация изменяющихся 100 исходных значений в процессе корректировки нестабильного и плохо центрированного процесса.

Рисунок 3: Анимация изменяющихся 100 исходных значений в процессе корректировки нестабильного и плохо центрированного процесса. USL - верхняя граница допуска, Цель - номинальное значение поля допуска, LSL - нижняя граница поля допуска.

Правило осуществления корректировки процесса по измерению дефектной детали.

Рисунок 4: Правило осуществления корректировки процесса по измерению "дефектной" детали.

График 100 (ста) исходных значений до корректировки нестабильного и плохо центрированного процесса относительно полей допуска (голос клиента).

Рисунок 5: График 100 (ста) исходных значений до корректировки нестабильного и плохо центрированного процесса относительно полей допуска (голос клиента). USL - верхняя граница допуска, Цель - номинальное значение поля допуска, LSL - нижняя граница поля допуска.

Кумулятивный эффект корректировки неуправляемого и плохо центрированного процесса.

Рисунок 6: Кумулятивный эффект корректировки неуправляемого и плохо центрированного процесса.

Результирующие данные неуправляемого и плохо центрированного процесса после преобразования P-контроллером с использованием полей допуска в качестве мертвой зоны.

Рисунок 7: Результирующие данные неуправляемого и плохо центрированного процесса после преобразования P-контроллером с использованием полей допуска в качестве мертвой зоны. USL - верхняя граница допуска, Цель - номинальное значение поля допуска, LSL - нижняя граница поля допуска.

Гистограмма распределения 100 новых значений после корректировки нестабильного и плохо центрированного процесса.

Рисунок 8: Гистограмма распределения 100 новых значений после корректировки нестабильного и плохо центрированного процесса.

Контрольная карта Шухарта 100 новых значений после корректировки нестабильного и плохо центрированного процесса.

Рисунок 8.1.: X-карта индивидуальных значений (голос процесса) 100 значений после корректировки оператором нестабильного и смещенного (нецентрированного) процесса, отображённого на Рисунке 2., демонстрирует статистически устойчивое состояние. Рисунок подготовлен с использованием разработанного нами «Контрольные карты Шухарта ПРО-Аналитик +AI (для Windows, Mac, Linux)» .

Контрольная карта Шухарта 100 значений до и после корректировки нестабильного и плохо центрированного процесса.

Рисунок 8.2.: X-карта индивидуальных значений (голос процесса) 100 значений до (зона-1) и после (зона-2) корректировки нестабильного и смещенного (нецентрированного) процесса демонстрирует статистически устойчивое состояние. Рисунок подготовлен с использованием разработанного нами «Контрольные карты Шухарта ПРО-Аналитик +AI (для Windows, Mac, Linux)» .

Ну и как мы справились? P-контроллер используя пределы поля допуска для того чтобы определить мертвую зону форсировал выход годной продукции от 34 процентов до 62 процентов. Очень впечатляющее улучшение. Это произошло потому, что этот процесс не был сосредоточен в поле допуска и управлялся непредсказуемо. В результате этих двух аспектов данных, приведенных на рисунке 2, многие из 32 (тридцати двух) корректировок были действительно необходимы для улучшения, и, следовательно, Р-контроллер повысил производительность.

Однако, выход годной продукции 62 процентов не было всем на что был способен этот процесс. Это могло бы быть и лучше. Когда мы определили особые причины исключительной вариации, показанной на рисунке 2, и предприняли шаги по контролю этих особых причин в производстве, мы получили процесс, показанный на рисунке 9 (ниже).

Гистограмма распределения 100 новых значений после устранения ранее проявившихся особых причин вариабельности.

Рисунок 9: Гистограмма распределения 100 новых значений после устранения ранее проявившихся особых причин вариабельности.

X-карта индивидуальных значений (голос процесса) 100 значений вполне предсказуемого процесса.

Рисунок 10: X-карта индивидуальных значений (голос процесса) 100 значений. Процесс на рисунке работает вполне предсказуемо. Ранее проявившиеся особые причины вариаций устранены, за исключением серии точек 55, 56, 57, 58, 59, 60 в которых проявилась возможно новые особые причины вариабельности. UNPL - верхняя естественная контрольная граница процесса, LNPL - нижняя естественная контрольная граница процесса, CL - центральная линия (среднее). Рисунок подготовлен с использованием разработанного нами «Контрольные карты Шухарта ПРО-Аналитик +AI (для Windows, Mac, Linux)» .
Примечание Григорьев С. П.: Вы можете скачать данные стабилизированного процесса в отсортированном списке в формате CSV для самостоятельного построения контрольной XmR-карты: скачать .

X-карта индивидуальных значений (голос процесса) 100 значений вполне предсказуемого процесса.

Рисунок 10.1: X-карта индивидуальных значений (голос процесса) по 100 значений до устранения особых причин вариабельности нестабильного процесса (Зона-1) и после (Зона-3). UNPL - верхняя естественная контрольная граница процесса, LNPL - нижняя естественная контрольная граница процесса, CL - центральная линия (среднее). Рисунок подготовлен с использованием разработанного нами «Контрольные карты Шухарта ПРО-Аналитик +AI (для Windows, Mac, Linux)» .

Когда они начали управлять этим процессом предсказуемо и по его цели (номиналу поля допуска), их выход годной продукции поднялся до 84 процентов. Это полный потенциал для этого процесса в его текущем состоянии. 84-процентный выход годной продукции - это не какая-то невозможная цель, а просто то, что этот процесс способен выдавать, когда он работает на полном потенциале. Прогнозируемая работа позволит свести к минимуму вариацию результатов технологического процесса, в то время как работа по цели процесса позволит максимизировать соответствие производимого продукта.

Попробуем улучшить стабильный процесс тем же методом

Но этот процесс все еще не выпускает 100-процентов соответствующей продукции. Разве мы не можем что-то сделать с 16-процентным объемом несоответствующей продукции? Ну а что если мы применим P-контроллер с мёртвой зоной в поле допуска к данным на рисунке 10? Когда мы делаем это, мы в конечном итоге получаем данные рисунка 11.

Анимация изменяющихся 100 исходных значений в процессе корректировки стабильного и хорошо центрированного процесса.

Рисунок 11: Анимация изменяющихся 100 исходных значений в процессе корректировки стабильного и хорошо центрированного процесса. USL - верхняя граница допуска, Цель - номинальное значение поля допуска, LSL - нижняя граница поля допуска.

Анимация изменяющихся 100 исходных значений в процессе корректировки стабильного и хорошо центрированного процесса.

Рисунок 12: График ста исходных значений до корректировки стабильного и хорошо центрированного процесса относительно полей допуска (голоса клиента). USL - верхняя граница допуска, Цель - номинальное значение поля допуска, LSL - нижняя граница поля допуска.

Кумулятивный эффект корректировки стабильного и хорошо центрированного процесса.

Рисунок 13: Кумулятивный эффект корректировки стабильного и хорошо центрированного процесса.

Примечание Григорьев С. П.: Обратите внимание, что график Кумулятивного эффекта корректировок для стабильного и хорошо центрированного процесса, представленный на рисунке 13 отличается своей симметричностью относительно оси (X) от такого же графика для нестабильного и нецентрированного процесса (рисунок 6). Что в случае с рисунком 13 говорит о том, что пытаясь корректировать стабильный и хорошо центрированный процесс, мы просто возились с перемещением одних значений вниз, а других вверх, лишь ухудшив положение дел. "Хотели как лучше, а получилось, как всегда". - В. С. Черномырдин.

Результирующие данные стабильного и хорошо центрированного процесса, преобразованные P-контроллером с использованием полей допуска в качестве мертвой полосы.

Рисунок 14: Результирующие данные стабильного и хорошо центрированного процесса после преобразования P-контроллером с использованием полей допуска в качестве мертвой полосы. USL - верхняя граница допуска, Цель - номинальное значение поля допуска, LSL - нижняя граница поля допуска.

Гистограмма распределения 100 новых значений. Результирующие данные стабильного и хорошо центрированного процесса, преобразованные P-контроллером с использованием полей допуска в качестве мертвой полосы.

Рисунок 15: Гистограмма распределения 100 новых значений после попыток корректировки стабильного и хорошо центрированного процесса.

X-карта индивидуальных значений (голос процесса) 100 значений после попытки корректировать стабильный и хорошо центрированный процесс.

Рисунок 16. X-карта индивидуальных значений (голос процесса) 100 значений после попытки корректировать стабильный и хорошо центрированный процесс. UNPL - верхняя естественная контрольная граница процесса, LNPL - нижняя естественная контрольная граница процесса, CL - центральная линия (среднее). Рисунок подготовлен с использованием разработанного нами «Контрольные карты Шухарта ПРО-Аналитик +AI (для Windows, Mac, Linux)» .

X-карта индивидуальных значений (голос процесса) 100 значений после попытки корректировать стабильный и хорошо центрированный процесс.

Рисунок 16.1. X-карта индивидуальных значений (голос процесса) 100 значений до (Зона-3) после (Зона-4) попытки оператора корректировать стабильный и хорошо центрированный процесс. UNPL - верхняя естественная контрольная граница процесса, LNPL - нижняя естественная контрольная граница процесса, CL - центральная линия (среднее). Рисунок подготовлен с использованием разработанного нами «Контрольные карты Шухарта ПРО-Аналитик +AI (для Windows, Mac, Linux)» .

Здесь P-контроллер, используя поле допуска в качестве мертвой зоны, преобразовал процесс, который имел соответствие 84% в другой процесс с соответствием 68%! Доля несоответствующей продукции удвоилась с 16 до 32 процентов.

Почему это произошло? Это произошло из-за того, что Р-контроллер реагировал на шум и вносил неуместные корректировки. С помощью всего лишь нескольких корректировок в первом случае (рисунок 2) P-контроллер начал приносить положительные результаты, но в конечном итоге ненужные корректировки отдалили процесс от цели и ухудшили ситуацию.

Примечание Григорьев С. П.: В попытке улучшить стабильный процесс потребовалось совершить 32 корректировки. Потерянное время на корректировки лишь ухудшило положение дел при тех же самых действиях, что и в первом случае (рисунок 2). Это может ввести любого высококвалифицированного оператора в полный ступор. Как вы думаете, что будет делать оператор в этом случае? Разве менеджмент поможет ему решить эту проблему? Ах, если бы менеджмент мог знать это! Результат любых попыток корректировки хорошо центрированного и стабильного процесса поясняется на простом языке в эксперименте с воронкой и мишенью Эдварда Деминга.

"Мы сами всё разрушим своими же упорными стараниями".

[2] Эдвардс Деминг,"Выход из кризиса"
(W. Edwards Deming, "Out of the Crisis")

На рисунке 2 процесс был нецентрированным в поле допуска и работал непредсказуемо. Там P-контроллер, использующий поле допуска в качестве мертвой полосы, действительно улучшил положение дел. На рисунке 14 этот процесс был центрированным и предсказуемым. Там P-контроллер просто добавил шум к процессу который увеличил изменение в потоке продукта и сделал положение дел хуже.

Итак, к какому же выводу мы пришли? Можем ли мы использовать поле допуска для того чтобы отрегулировать процесс, находящийся в статистически неуправляемом состоянии? В то время как использование P-контроллера с использованием поля допуска в качестве мертвой зоны может быть лучше, чем ничего не делать, но это не позволяет вам получить максимальную отдачу от вашего процесса.

Почему P-контроллер не эффективен, когда процесс работает предсказуемо и центрирован в поле допуска? Любые ручные и автоматизированные механизмы регулирования процесса по своей сути являются реактивными. Будь то простой P-контроллер или более сложный PID-регулятор, они не могут действовать, пока не получат воспринимаемый сигнал. Поскольку первоначальный процесс был непредсказуем и не был центрирован в поле допуска, существовало много реальных сигналов, которые P-контроллер поймал. Однако были также некоторые слабые сигналы (шум), на которые реагировал Р-контроллер, что приводило к ненужным корректировкам. Если мертвая зона полностью не совпадает с голосом процесса, ваш механизм регулировки процесса приведет к слишком большому количеству регулировок. В любом случае, результатом будет рост вариабельности в потоке продукта. Использование автоматического регулятора стабильного процесса обычно приводит к большей вариабельности, чем то, на что способен процесс, когда он работает на полном потенциале.

X-карта индивидуальных значений (голос процесса) 100 значений после попытки корректировать стабильный и хорошо центрированный процесс.

Рисунки 2; 8.1; 10; 16. X-карта индивидуальных значений (голос процесса) 100 значений для всех случаев, рассмотренных в статье выше. UNPL - верхняя естественная контрольная граница процесса, LNPL - нижняя естественная контрольная граница процесса, CL - центральная линия (среднее). Рисунок подготовлен с использованием разработанного нами «Контрольные карты Шухарта ПРО-Аналитик +AI (для Windows, Mac, Linux)» .

Смотрите пример вмешательства оператора в процесс управления потоком газа на предприятии, производящем метан биогенного происхождения в статье: Концепция вариабельности в управлении технологическими процессами .

Ошибка первого рода

- "Но это означает, что вы не будете реагировать на значения, которые находятся вне пределов спецификации!"

Да, несоответствующие значения 64, 65, 66 и 72, 73, 74 являются частью того, что этот процесс производит, когда он работает предсказуемо и хорошо центрирован в поле допуска. Позвольте мне повторить. Как видно из рисунков 9 и 10, когда этот процесс работает на своём полном потенциале, он будет производить продукт в диапазоне значений от 64 до 74 (по оси Y). Взятые по одному, эти значения не являются сигналом о том, что с процессом что-то происходит, даже если они могут быть вне спецификаций. Поля допусков предназначены для сортировки годных продуктов от негодных. Они являются голосом клиента, а не процесса. Поля допуска никогда не следует путать с голосом самого процесса.

- "Вы хотите сказать, что я должен игнорировать несоответствующую продукцию?"

Несоответствующий продукт должен быть отклонен. Но если ваш процесс управляется предсказуемо и настроен по цели (номиналу), тот факт, что элемент не соответствует, не говорит вам о том, что требуется корректировка процесса.

Примечание Григорьев С. П.: В этом случае для дальнейших улучшений потребуются системные изменения (смена сырья, технологии, оборудования, инструмента, обучения оператора и т. д.).

Конечно, управление процессом предсказуемо и центрировано не может осуществляться без построения диаграммы поведения процесса (XmR-карты Шухарта индивидуальных значений ), поэтому здесь не должно быть никаких догадок. Если у вас нет диаграммы поведения процесса, шансы, по крайней мере 10 к 1, что вы управляете своим процессом непредсказуемо. Если это так, то автоматический контроллер процесса позволит вам получить только часть того, на что ваш процесс способен.

Краткие сведения

Современное качественное движение - это обучение тому, как перестать сжигать тосты. Это не означает, что нам не придется время от времени очищать тост; это означает, что мы перемещаемся вверх по течению, чтобы работать над процессом, а не сортировать хороший материал от плохого в конце производственной линии. Поля допусков по-прежнему актуальны, они по-прежнему определяют голос клиента, но важно отличать их от голоса процесса. Хотя мы действительно хотим, чтобы голос процесса был согласован с полями допусков (голосом клиента), поля допусков не дают верную информацию о том, что необходимо делать для получения полного потенциала вашего процесса.

Ещё один простой случай (Григорьев С. П.)

Уверен, необходимо рассмотреть еще одну ситуацию, когда процесс находится в статистически устойчивом (управляемом) состоянии, но не центрирован в поле допуска. В примере такого процесса 77 значений вне поля допуска.

Гистограмма распределения 100 исходных значений стабильного, но плохо центрированного процесса.

Рисунок 17: Гистограмма распределения 100 исходных значений стабильного, но плохо центрированного процесса.

X-карта индивидуальных значений (голос процесса) 100 исходных значений стабильного, но плохо центрированного процесса. Красные линии, соответственно, верхняя и нижняя натуральные границы процесса, зелёная линия - центральная линия (среднее) процесса.

Рисунок 18. X-карта индивидуальных значений (голос процесса) 100 исходных значений стабильного, но плохо центрированного процесса. Красные линии, соответственно, верхняя и нижняя натуральные границы процесса, зелёная линия - центральная линия (среднее) процесса.

В этом случае потребуется только одна корректировка для центрирования процесса в поле допуска. Просто один раз измените настройку станка на величину смещения среднего стабильного процесса от центра поля допуска.

Так, если среднее стабильного и плохо центрированного процесса 73,1, а центр поля допуска 69. Смещение стабильного плохо центрированного процесса: 69,0-73,1=-4,1

Именно на величину смещения необходимо изменить настройки станка, который производит эти детали. И вызывайте техническую службу, которая должна настроить станок. Смотрите результат ниже.

Гистограмма распределения 100 новых значений после центрирования в поле допуска стабильно процесса.

Рисунок 19: Гистограмма распределения 100 новых значений после центрирования в поле допуска стабильно процесса.

X-карта индивидуальных значений (голос процесса) 100 новых значений после центрирования в поле допуска стабильно процесса.

Рисунок 20. X-карта индивидуальных значений (голос процесса) 100 новых значений после центрирования в поле допуска стабильно процесса. Красные линии, соответственно, верхняя и нижняя натуральные границы процесса, зелёная линия - центральная линия (среднее) процесса. Рисунок подготовлен с использованием разработанного нами «Контрольные карты Шухарта ПРО-Аналитик +AI (для Windows, Mac, Linux)» .

Если вы считаете, что последний случай редкое явление, вы очень ошибаетесь. Если вы не ведете контрольные карты своих процессов и не строите гистограммы распределения показателей относительно полей допусков, вы даже не можете судить об этом. Если вы знакомы с индексами производительности (воспроизводимости) процессов Cp (индекс жизненного пространства) и Cpk (индекс центрирования процесса), тогда должны знать, что Cpk в абсолютном большинстве случаем меньше Cp, что свидетельствует о смещении среднего процесса от центра поля допуска в сторону нижней или верхней границы допуска. В любом случае центрирование в поле допуска как стабильных, так любых нестабильных процессов сокращает долю дефектных деталей процессов, выходящих за границы допусков, в "один клик". В тех случаях, когда процесс функционирует внутри поля допуска, центрирование значительно улучшает качество деталей и сборочных единиц (ДСЕ), приближая большую часть деталей к центру поля допуска (для симметричных полей допусков). Последнее утверждение поясняет функция потерь Тагути .

Улучшения процесса от 77 дефектных деталей до 32 благодаря одной корректировке.

"Как Вам такое, Илон Маск?"

Важно!

  • Единственный экономически целесообразный путь существенного улучшения качества - первым делом привести процесс в статистически управляемое состояние, и только после этого заняться его центрированием в поле допуска.
  • Перед всеми исследованиями процессов убедитесь в том, что ваша система измерений , которой пользуется оператор вносящий корректировки в технологический процесс, находится в статистически управляемом состоянии, не имеет значимого смещения, выясните достаточна ли для оценки процесса её точность, адекватны ли едины измерения (разрядность измерения) или наоборот, не производите ли вы запись шума. - Смотрите описание нашего программного обеспечения Контрольные карты Шухарта .
Эдвардс Деминг о пренебрежении знаниями.

"Знаниям нет замены. Но перспектива использования знаний пугает".

[2] Из отчета Эдвардса Деминга по аудиту одного из американских предприятий, Книга "Выход из кризиса"