ОЦІНЮВАННЯ ЯКОСТІ ТА ПРОГНОЗУВАННЯ РИЗИКІВ ПРОЦЕСІВ СИСТЕМИ УПРАВЛІННЯ ПІДПРИЄМСТВ КВАЛІМЕТРИЧНИМИ МЕТОДАМИ

Abstract

Для оцінювання якості та прогнозування ризиків процесів системи управління якістю (СУЯ) підприємств на основі стандартів ISO серії 9000 рекомендується використовувати кваліметричні методи, засновані на критеріях непараметричних статистик. У статті розглядаються дві практичні задачі. Одна з них стосується визначення випадковості часового ряду оцінок якості процесів СУЯ підприємства. Для цього пропонується використовувати критерій серій для визначення періоду, протягом якого можуть впливати випадкові або закономірні фактори на розподіл показника якості процесу. Цей підхід дозволяє прогнозувати поведінку часового ряду оцінок якості та розробляти коригуючі заходи.Друга задача полягає у визначенні довірчих інтервалів для розсіювання узагальненого показника якості процесу СУЯ з часом, використовуючи критерій Вілкоксона. Розроблено алгоритм для виявлення систематичної складової функціонування процесу СУЯ з часом та встановлення його довірчих інтервалів. Моніторинг і аналіз руху медіанного значення показника якості дозволяють прогнозувати та приймати рішення щодо поліпшення якості процесу. Знання довірчих інтервалів допомагає визначити стабільність або її відсутність у варіаціях узагальненого показника якості процесу СУЯ протягом його функціонування. To assess the quality and predict the risks in the processes of the Quality Management System (QMS) of enterprises based on ISO 9000 series standards, it is recommended to use qualimetric methods based on the criteria of nonparametric statistics. The article considers two practical tasks. One of them concerns determining the randomness of the time series of assessments of the QMS process quality. It is proposed to use the series criterion to determine the period whenrandom or natural factors influence the distribution of the process quality indicators. This approach allows to predict the behaviour of quality assessment time series and development of corrective measures. The second task focuses on establishing confidence intervals for the variance of the generalized quality indicator of the QMS process over time, using the Wilcoxon criterion. An algorithm has been developed to identify the systematic component of QMS process performance over time and to define its confidence intervals. Monitoring and analyzing the movement of the median value of the quality indicator facilitate forecasting and decision-making to enhance process quality. Understanding confidence intervals assists in determining the stability of variations in the generalized quality indicator of the QMS process during its operation.