Статистические методы в управлении качеством. Ефимов В.В. - 22 стр.

UptoLike

ВУЗ: 

УлГТУ | Ульяновск

Составители: 

Рубрика: 

22
22
грузки для каждой переменной. Таким образом, например, дисперсия факто-
ра А (D
A
) составит 2,42 = 0,83•0,83 + 0,3•0,3 + 0,83•0,83 + 0,4•0,4 + 0,8•0,8 +
0,35•0,35. Расчет значимости фактора Б показал, что D
Б
= 2,64, т.е. значи-
мость фактора Б выше, чем фактора А.
Если собственное значение фактора разделить на число переменных
(в нашем примере их 7), то полученная величина покажет, какую долю дис-
персии (или объем информации) γ в исходной корреляционной матрице со-
ставит этот фактор. Для фактора А γ =0,34 (34%), а для фактора Б – γ = 0,38
(38%). Просуммировав результаты, получим 72%. Таким образом, два факто-
ра, будучи объединены, заполняют только 72% дисперсии показателей ис-
ходной матрицы. Это означает, что в результате факторизации часть инфор-
мации в исходной матрице была принесена в жертву построения двухфак-
торной модели. В результате – упущено 28% информации, которая могла бы
восстановиться, если бы была принята шестифакторная модель.
Где же допущена ошибка, учитывая, что все рассмотренные переменные,
имеющие отношение к требованиям по конструкции двери, учтены? Наибо-
лее вероятно, что значения коэффициентов корреляции переменных, относя-
щихся к одному фактору, несколько занижены. С учетом проведенного ана-
лиза можно было бы вернуться к формированию иных значений коэффици-
ентов корреляции в матрице интеркорреляций (таблица 2.2).
На практике часто сталкиваются с ситуацией, что число независимых
факторов достаточно велико, чтобы их всех учесть в решении проблемы или
с технической или экономической точки зрения. Существует ряд способов по
ограничению числа факторов. Наиболее известный из них – анализ Парето.
При этом отбираются те факторы (по мере уменьшения значимости), которые
попадают в (80-85)% границу их суммарной значимости.
Факторный анализ можно использовать при реализации метода структу-
рирования функции качества (QFD), широко применяемого за рубежом при
формировании технического задания на новое изделие.
2.3. Статистические методы прогнозирования
Прогнозирование тех или иных событий в процессах жизненного цикла
изделия неразрывно связано со временем [26, 27]. Учитывая, что невозможно
точно предусмотреть условия и факторы, которые будут влиять на реализа-
цию возможного события в будущем, прогнозирование является вероятност-
ным процессом. Проблемы прогнозирования сопровождают весь период
создания нового изделия. Среди них:
- прогноз характеристик рынка сбыта продукции,
- прогноз надежности узлов и конструкции изделия при его эксплуа-
тации,

Страницы