Понятие «качество образования». Эволюция понятия в российской и зарубежной образовательной системах

 

     3 Инструменты качества 

     3.1 Семь инструментов  контроля качества 

     Для анализа результатов контроля качества  широкое распространение получили методы статистического контроля качества, которые представляют записи статистических данных о процессах изготовления продукции или предоставления услуг. Наиболее известные из них «семь инструментов контроля качества», которые сначала широко применялись в кружках качества в Японии, а затем, благодаря своей эффективности и доступности для рядовых работников, распространились и по другим странам.

     Инструменты качества:

• Диаграмма Парето;
• Причинно-следственный анализ;
• Группировка данных по общим признакам;
• Контрольный лист;
• Гистограмма;
• Диаграмма разброса;
• График и контрольная карта.

     По  мнению Каору Исикавы применение перечисленных методов позволяет  решить 95% любых проблем, возникающих  на производстве.[7]

     Исходя  из поставленной задачи, разрабатывается система применения методов качества. Разработанная система не обязательно должна содержать все 7 методов. Порядок применения инструментов контроля качества в системе также может быть различный, в зависимости от установленной цели. Далее будут рассмотрены два инструмента качества: гистограмма и диаграмма разброса. 

     3.2 Метод «Гистограмма» 

     Гистограмма - один из инструментов статистического  контроля качества.  Метод гистограмм применяется везде, где требуется  проведение анализа точности и стабильности процесса, наблюдение за качеством продукции, отслеживание существенных показателей производства. Целью метода является контроль действующего процесса и выявление проблем, подлежащих первоочередному решению. Данный метод - один из наиболее распространенных методов, помогающих интерпретировать данные по исследуемой проблеме. Благодаря графическому представлению имеющейся количественной информации, можно увидеть закономерности, трудно различимые в простой таблице с набором цифр, оценить проблемы и найти пути их решения.

     План  действий:

     1. Собрать данные для измеряемых (контролируемых) параметров действующего  процесса.

     2. Построить гистограмму.

     3. Проанализировать гистограмму:

• определить тип распределения данных (нормальное, несимметричное, бимодальное и т. д.);
• выяснить вариабельность процесса;
• при необходимости осуществить анализ нормального распределения с использованием математического аппарата.

4. Ответить  на вопрос: "Почему распределение  именно такое, и о чем это  говорит?"

     Для осмысления качественных характеристик изделий, процессов, производства (статистических данных) и наглядного представления тенденции изменения наблюдаемых значений применяют графическое изображение статистического материала, т. е. строя гистограмму распределения.

     Гистограмма - один из вариантов столбиковой диаграммы, позволяющий зрительно оценить распределение статистических данных, сгруппированных по частоте попадания в определенный (заранее заданный) интервал. Собранные данные служат источником информации в процессе анализа с использованием различных статистических методов и выработке мер по улучшению качества процессов.

     Порядок построения гистограммы:

1. Собрать данные, выявить максимальное и минимальное значения и определить диапазон (размах) гистограммы.
2. Полученный диапазон разделить на интервалы, предварительно определив их число (обычно 5-20 в зависимости от числа показателей) и определить ширину интервала.
3. Все данные распределить по интервалам в порядке возрастания: левая граница первого интервала должна быть меньше наименьшего из имеющихся значений.
4. Подсчитать частоту каждого интервала.
5. Вычислить относительную частоту попадания данных в каждый из интервалов.
6. По полученным данным построить гистограмму - столбчатую диаграмму, высота столбиков которой соответствует частоте или относительной частоте попадания данных в каждый из интервалов:

• наносится горизонтальная ось, выбирается масштаб и откладываются соответствующие интервалы;

• затем строится вертикальная ось, на которой также выбирается масштаб в соответствии с максимальным значением частот.[8]

Затем производится анализ формы гистограммы:

     1) Обычная (симметричная, колоколообразная) форма(рисунок 3). Среднее значение гистограммы соответствует середине размаха данных. Максимальная частота также приходится на середину и постепенно уменьшается к обоим концам. Форма симметричная.

     

     Рисунок 3 – Обычное распределение 

     Такая форма гистограммы встречается  наиболее часто. Она свидетельствует  о стабильности процесса.

     2) Отрицательно скошенное распределение  (положительно скошенное распределение) (рисунок 4). Среднее значение гистограммы располагается правее (левее) середины размаха данных. Частоты резко уменьшаются при движении от центра гистограммы вправо (влево) и медленно влево (вправо). Форма ассиметричная.

     

     Рисунок 4 - Отрицательно скошенное распределение 

     Такая форма образуется либо, если верхняя (нижняя) граница регулируется теоретически или по значению допуска либо, если правое (левое) значение невозможно достигнуть.

     3) Распределение с обрывом справа (распределение с обрывом слева) (рисунок 5). Среднее значение гистограммы располагается далеко правее (левее) середины размаха данных. Частоты очень резко уменьшаются при движении от центра гистограммы вправо (влево) и медленно влево (вправо). Форма ассиметричная.

     

     Рисунок 5 – Распределение с обрывом справа 

     Такая форма часто встречается в  ситуации стопроцентного контроля изделий  по причине плохой воспроизводимости  процесса.

     4) Гребенка (мультимодальный тип) (рисунок 6). Интервалы через один или два обладают более низкими (высокими) частотами.

     

     Рисунок 6 – Мультимодальное распределение 

     Такая форма образуется либо, если количество единичных наблюдений, входящих в  интервал, колеблется от интервала  к интервалу либо, если применяется  определенное правило округления данных.

     5) Гистограмма, не имеющая высокой центральной части (плато) (рисунок 7). Частоты в середине гистограммы примерно одинаковые (для плато все частоты примерно равны).

     

     Рисунок 7 – Распределение «Плато» 

     Такая форма встречается, если объединяется несколько распределений со средними значениями близко расположенными друг к другу. Для дальнейшего анализа рекомендуется применить метод стратификации.

     6) Двухпиковый тип (бимодальный  тип) (рисунок 8). В окрестностях середины гистограммы частота низкая, но с каждой стороны есть по пику частот.

     

     Рисунок 8 – Бимодальное распределение 

     Данная  форма встречается, если объединяется два распределения со средними значениями, далеко отстоящими друг от друга. Для  дальнейшего анализа рекомендуется  применить метод стратификации.

     7) Гистограмма с провалом (с «вырванным зубом») (рисунок 9). Форма гистограммы близка к распределению обычного типа, но есть интервал с частотой ниже, чем в обоих соседних интервалах.

     

     Рисунок 9 – Распределение с провалом 

     Данная  форма встречается, если ширина интервала  не кратна единице измерения, если неправильно считаны показания шкалы и др.

     8) Распределение с изолированным пиком(рисунок 10). Совместно с обычной формой гистограммы появляется небольшой изолированный пик.

     

     Рисунок 10 – Распределение с изолированным пиком 

     Такая форма образуется при включении  небольшого количества данных из другого  распределения, например, если нарушена управляемость процесса, произошли  ошибки при измерении или произошло  включение данных из другого процесса.[9]

     Можно выделить следующие достоинства данного инструмента:

• Наглядность, простота освоения и применения.
• Управление с помощью фактов, а не мнений.
• Позволяет лучше понять вариабельность, присущую процессу, глубже взглянуть на проблему и облегчить нахождение путей ее решения.

     Недостаток данного метода – интерпретация гистограммы, построенная по малым выборкам, не позволяет сделать правильные выводы.

 

     3.2 Метод «Диаграмма разброса»

     Диаграмма разброса (рассеяния, поле корреляции) – инструмент позволяющий определить вид и тесноту связи между парами соответствующих переменных. Эти две переменные могут относиться к:

• характеристике качества и влияющему на нее фактору;
• двум различным характеристикам качества;
• двум факторам, влияющим на одну характеристику качества.

     При наличии корреляционной зависимости между двумя факторами значительно облегчается контроль процесса с технологической, временной и экономической точек зрения.

     Сама  диаграмма представляет собой множество (совокупность) точек, координаты которых  равны значениям параметров x и y. Данный метод применяется в производстве и на различных стадиях жизненного цикла продукции для выяснения зависимости между показателями качества и основными факторами производства.

     При наличии корреляционной зависимости  между двумя факторами значительно  облегчается контроль процесса с технологической, временной и экономической точек зрения.

     Диаграмма разброса в процессе контроля качества используется также для выявления  причинно-следственных связей показателей  качества и влияющих факторов.

     Графически  диаграмма разброса - это точечная диаграмма в виде графика, получаемого путем нанесения в определенном масштабе экспериментальных, полученных в результате наблюдений точек. Координаты точек на графике соответствуют значениям рассматриваемой величины и влияющего на него фактора. Расположение точек показывает наличие и характер связи между двумя переменными (например, скорость и расход бензина, или выработанные часы и выход продукции).

     По  полученным экспериментальным точкам могут быть определены и числовые характеристики связи между рассматриваемыми случайными величинами: коэффициент корреляции и коэффициенты регрессии.

     Правила построения диаграммы разброса:

     1) Определить, между какими парами данных необходимо установить наличие и характер связи. Желательно не менее 25-30 пар данных.

     2) Для сбора данных подготовить бланк таблицы (листок регистрации), предусмотрев в нем графы для порядкового номер наблюдения i; независимой переменной характеристики, называемой аргументом х; зависимой переменной, называемой функцией (откликом) у.