Основные инструменты контроля и управления качеством

2) домашний труд — уборка  квартиры; покупки; ремонт (плановый, либо неплановый); забота, уход, воспитание о беспомощных членах семьи (дети, старики, больные), включая, например, приготовление пищи; прочие разовые виды работ, например, вскапывание огорода на дачном участке и др.;

3) самообслуживание —  уход за собой (личная гигиена,  оформление

внешности и т. п.); питание; пассивный отдых (в том числе  сон);

4) свободное время —  общение с родственниками и  друзьями, все

виды активного отдыха, а также разного рода непрофессиональные занятия для души.

       Чтобы отобразить примерное соотношение рабочего и внерабочего времени, в социологии труда используется так называемая структурная схема индивидуального фонда времени (см. рисунок 2.2).

Рисунок 2.2 – Схема индивидуального  фонда времени

 

       При рассмотрении структуры индивидуального фонда времени

важно обратить внимание на то, что все время жизни можно  поделить на время труда, то есть расходования умственных и физических

сил, и на время отдыха, то есть восстановления умственных и физических сил. Представленные на схеме пропорции (размеры секторов

круга) также условны, поскольку  они могут очень сильно варьировать  у представителей различных социальных групп.

       Время труда, как правило, складывается из рабочего времени, из

внерабочего времени, связанного с работой, и частично из времени

домашнего труда. Время отдыха преимущественно складывается из

свободного времени и  времени самообслуживания. Отчасти  некоторые виды домашнего труда  могут быть отнесены к отдыху. Следует также отметить, что в некоторых случаях бывает довольно сложно выделить время труда и время отдыха в чистом виде. Сложность заключается в том, что разные виды деятельности имеют для различных людей различную субъективную ценность. То, что для одного человека является тяжелым трудом, для другого может оказаться настоящим качественным отдыхом.[9]

 

       В данной курсовой работе необходимо оценить личный бюджет времени с учётом рекомендаций по научной организации учебного труда студента.

 

      Общее время (количество часов в неделе): 7*24=168 часов (10080 минут).

     1. Учёба.      

         Учебное время (аудиторские занятия): ≈21,5 часов.

         Регламентированные перерывы: ≈1,5 часа.

         Самостоятельная работа: ≈16 часов.

     2. Внеучебное  время.

     2.1 Связанное  с учёбой.

             Подготовка: ≈1час.

             Дорога: ≈3 часа.

     2.2 Домашний  труд.

             Покупки: ≈4,5 часа.

             Уборка квартиры: ≈3 часа.

     2.3  Самообслуживание.

              Пассивный отдых (сон): ≈60 часов.

              Питание: ≈7 часов.

              Уход за собой: ≈7часов.

     2.4  Свободное  время.                 

              Общение: ≈14 часов.

              Активный отдых (спорт): ≈5 часов.

              Пассивный отдых (телевизор, чтение, компьютер): ≈14 часов.

              Прогулка: 4 часа.

   Прочее (например поход в гости, кино, театр, выезд на природу и т. д.): 6,5часов.

    

      По полученным данным построим диаграмму Парето.

 

        Рисунок 2.3 – Диаграмма Парето по личному бюджету времени

 

    

        Данная диаграмма показывает, что больше всего времени затрачивается на самообслуживание (74 часа или 44%). Это естественно, т.к. на один только сон уходит 60 часов. Затем идёт учебное время (39 часов или 23,2%). Немного меньше времени затрачивается на свободное время (37 часов или 22%). Меньше всего приходится на домашний труд (7,5 часов или 4,5%), прочее (6,5 часов или 3,8%) и связанное с учёбой время (4 часа или 2,4%).

       Таким  образом, не выполняется рекомендуемая недельная учебная нагрузка – 46 часов. Моя недельная нагрузка составляет всего 39 часов.

        Теперь  перечислю помехи («воры времени»), которые вызывают у меня непродуктивные потери времени:

         - плохое планирование дня;

         - недостаток мотивации, лень;

         - случайные телефонные звонки;

         - незапланированные посетители;

         - запоздалая информация;

         - не всегда хорошая самодисциплина;

         - отвлечение;

         - привычка откладывать дела на  потом; 

         - спешка и чрезмерная суетливость;

         - неусидчивость.

                                              3. Гистограммы

 

         Для наглядного представления тенденции изменения наблюдаемых значений применяют графическое изображение статистического материала. Наиболее распространенными графиками, к которым прибегают при анализе распределения случайной величины, являются полигон, гистограмма и кумулятивная кривая. Однако когда говорят о втором инструменте контроля качества, то упоминают только гистограмму, как наиболее часто применяемое на практике графическое изображение распределения.

 Гистограмма - это инструмент, позволяющий зрительно оценить закон распределения величины разброса данных, а также принять решение о  том, на чем следует сфокусировать внимание для целей улучшения процесса.

 Гистограмма отображается серией столбиков одинаковой ширины, но разной  высоты. Ширина столбика представляет интервал в диапазоне наблюдений, высота  — количество наблюдений (измерений), попавших в данный интервал. При нормальном законе распределения данных существует тенденция расположения большинства результатов наблюдений ближе к центру распределения (к центральному  значению) с постепенным уменьшением при удалении от центра.[6] 

Гистограмма применяется  главным образом для анализа  значений измеренных параметров, но может  использоваться и для расчетных  значений. Благодаря простоте и наглядности  гистограммы нашли применение в  различных областях:

        - для анализа сроков получения заказа (за контрольный норматив принимается срок поставки согласно договору);

                - для анализа времени реагирования группы обслуживания от момента получения заявки от клиента, времени обработки рекламации от момента ее получения и т.д.;

               - для анализа значений показателей качества, таких как размеры, масса, механические характеристики, химический состав, выход продукции и т.д. при контроле готовой продукции, при приемочном контроле, при контроле процесса в самых разных сферах деятельности;

              - для анализа чистого времени операций, времени износа режущей поверхности и т.д.;

               - для анализа числа бракованных изделий, числа дефектов, числа поломок и т.д.[17]

       Распределение  единиц совокупности на группы  по количественному признаку, по  степени возрастания или убывания  числового значения признака  называется вариационным рядом. Составными элементами каждого вариационного ряда являются два ряда чисел: ряд вариантов и ряд частот или частостей.

Варианты – отдельные числовые значения варьирующего признака.

Частоты – абсолютные числа, показывающие, сколько раз встречается та или иная варианта в данной совокупности. Частоты, выраженные в долях единицы или в процентах к итогу, называются частостями.

Вариационный ряд графически обычно изображается при помощи гистограммы  распределения или полигона распределения.[7]

Полигоном частот называется ломаная, состоящая из отрезков прямых, соединяющих последовательно точки (х_i, n_i) или (х_i, w_i), i = 1, 2,…, m.

Для иллюстрации рядов  распределения используются также  кумуляты и огивы. Для построения кумуляты на оси абсцисс отмечаются значения признака (концы интервалов), а на оси ординат – отрезки, длины которых пропорциональны накопленным частотам или частостям. А для построения огивы на оси абсцисс отмечаются частоты или частости, а на оси ординат - значения признака.

Определение числа интервалов на гистограмме часто осуществляют по формуле Старджесса:

, (3.1)

где n – число наблюдений, а величина интервала:

, (3.2)

где (x_max – x_min) – разность между наибольшим и наименьшим значениями признака.

Следующий после группировки этап обработки данных наблюдений представляет собой расчет статистических характеристик:

1) средняя арифметическая: , (3.3)

где x_i – варианты дискретного ряда или середины интервалов;

2) медианой ( ) называется серединная варианта упорядоченного вариационного ряда, расположенного в возрастающем или убывающем порядке. Она является центральным членом и делит вариационный ряд пополам в тех случаях, если этот ряд нечетный;

3) мода ( ) – вариант, которому соответствует наибольшая частота, т.е. значение во множестве наблюдений, встречающееся наиболее часто;[15]

4) вариационный размах – разность между наибольшей и наименьшей вариантой:  

                                              

                                      (3.4)

5) дисперсия: ;                        (3.5) 

6) среднее квадратическое отклонение: ;                                       (3.6)

7) коэффициент вариации: ;                                    (3.7)

8) начальный момент k-го порядка: ;                                  (3.8)

9) центральный момент k-го порядка: ;                       (3.9)

10) асимметрия: ;                                                        (3.10)

11) эксцесс: .                                                     (3.11)

 

В данном задании необходимо представить ряд данных в виде гистограммы, рассчитать статистические показатели распределения случайной величины и проанализировать результаты ТС-2010, русский, нечётные. Сравнить: специальность 210106.

       

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Таблица 3.1 – Исходные данные

 

 

 

 

 

 

 

 

 

 

 

 

Расчётная часть.

 

1)  Рассмотрим  ТС-2010, русский,  нечётные.

Количество наблюдений n=541, максимальное и минимальное значения:

x_max =94; x_min =36. Количество интервалов:

_{Длина интервалов:} .

 

Таблица 3.2 – Описательные статистики результатов измерений

 

 

 В этой таблице:

1 MEAN - выборочное среднее;

2 MEDIAN - медиана выборки. Значение, которое разбивает выборку на две равные части. Половина наблюдений лежит ниже медианы, и половина наблюдений лежит выше медианы (если наблюдения отсортированы по возрастанию);

3 SD - среднеквадратическое отклонение;

4 VALID_N - количество наблюдений (оббьем выборки);

5 SUM - сумма всех результатов наблюдений;

6 MIN - минимальное наблюдение в выборке;

7 MAX - максимальное наблюдение в выборке;

8 _25th% - значение, ниже которого располагается 25% выборочных данных (если наблюдения отсортированы по возрастанию);

9 _75th% - значение, ниже которого располагается 75% выборочных данных (если наблюдения отсортированы по возрастанию).

 

 

 

 

 

 

 

 

Таблица 3.3− Результаты вычисления описательных статистик

Variable	Descriptive Statistics (Spreadsheet1.sta)
	Valid  N	Mean	Median	Mode	Frequency of mode	Sum	Minimum	Maximum	Std.Dev.
Балл по русскому	541	64,78743	65,00000	67,00000	29	35050,00	36,00000	94,00000	8,972856

 

 

 

Таблица 3.4− Результаты группировки

Category	Frequency table: Балл по русскому (Spreadsheet2.sta) K-S d=,04359, p> .20; Lilliefors p<,05
	Co unt	Cu mulati ve Co unt	Percent of Valid	Cumul % of Valid	% of all Cases	Cumul ative % of All	Expe cted Count	Cumul ative Expected	Perc ent Expected	Cumul ative % Expe cted
30,00000<x= 40,00000	5	5	0,92421	0,9242	0,92421	0,9242	1,5516	1,5516	0,28681	0,28681
40,00000<x= 50,00000	25	30	4,62107	5,5453	4,62107	5,5453	25,3222	26,8739	4,68063	4,96745
50,00000<x= 60,00000	131	161	24,21442	29,7597	24,21442	29,7597	133,7100	160,5839	24,71534	29,68279
60,00000<x= 70,00000	246	407	45,47135	75,2311	45,47135	75,2311	228,5872	389,1711	42,25271	71,93550
70,00000<x<= 80,00000	111	518	20,51756	95,7486	20,51756	95,7486	127,4840	516,6551	23,56451	95,50001
80,00000<x<= 90,00000	21	539	3,88170	99,6303	3,88170	99,6303	23,0043	539,6594	4,25218	99,75219
90,00000<x<= 100,0000	2	541	0,36969	100,0000	0,36969	100,0000	1,3171	540,9765	0,24346	99,99565
Missing	0	541	0,00000		0,00000	100,0000