Роль и значение статистических методов в управлении качеством. причины, сдерживающие применение статистических методов в практике отечественных предприятий

О перспективах развития статистических методов

Теория статистических методов нацелена на решение реальных задач. Поэтому в ней постоянно возникают новые постановки математических задач анализа статистических данных, развиваются и обосновываются новые методы. Обоснование часто проводится математическими средствами, т.е. путем доказательства теорем. Большую роль играет методологическая составляющая — как именно ставить задачи, какие предположения принять с целью дальнейшего математического изучения. Велика роль современных информационных технологий, в частности, компьютерного эксперимента.

Отметим, что актуальной является задача анализа истории статистических методов с целью выявления тенденций развития и применения их для прогнозирования.

Ситуация с внедрением современных статистических методов на предприятиях и в организациях различных отраслей народного хозяйства внушает оптимизм. На отечественных предприятиях продолжают развиваться структуры, нуждающиеся в статистических методах, — подразделения качества, надежности, управления персоналом, центральные заводские лаборатории и другие. Толчок к развитию в последние годы получили службы контроллинга, маркетинга и сбыта, логистики, сертификации, прогнозирования и планирования, инноваций и инвестиций, управления рисками, которым также полезны различные статистические методы, в частности, методы экспертных оценок. Включенные в учебник методы необходимы органам государственного и муниципального управления, организациям силовых ведомств, транспорта и связи, медицины, образования, агропромышленного комплекса, научным и п работникам всех областей деятельности.

Процесс анализа

Процесс статического анализа состоит из двух основных шагов: создания дерева кода (также называемого абстрактным деревом синтаксиса) и анализа этого дерева.

Для того чтобы проанализировать исходный код, анализатор должен сначала «понять» этот код, т.е. разобрать его по составу и создать структуру, описывающую анализируемый код в удобной форме. Эта форма и называется деревом кода. Чтобы проверить, соответствует ли код стандарту кодирования, необходимо построить такое дерево.

В общем случае дерево строится только для анализируемого фрагмента кода (например, для какой-то конкретной функции). Для того чтобы создать дерево код обрабатывается сначала лексером, а затем синтаксическим анализатором.

Лексер отвечает за разбиение входных данных на отдельные лексемы, а также за определение типа этих лексем и их последовательную передачу синтаксическому анализатору. Лексер считывает текст исходного кода строку за строкой, а затем разбивает полученные строки на зарезервированные слова, идентификаторы и константы, называемые лексемами. После получения лексемы лексер определяет ее тип.

Рассмотрим примерный алгоритм определения типа лексемы.

Если первый символ лексемы является цифрой, лексема считается числом, если этот символ является знаком «минус», то это — отрицательное число. Если лексема является числом, она может быть числом целым или дробным. Если в числе содержится буква E, определяющая экспоненциальное представление, или десятичная точка, число считается дробным, в противном случае — целым. Заметим, что при этом может возникнуть лексическая ошибка — если в анализируемом исходном коде содержится лексема «4xyz», лексер сочтет ее целым числом 4. Это породит синтаксическую ошибку, которую сможет выявить синтаксический анализатор. Однако подобные ошибки могут обнаруживаться и лексером.

Если лексема не является числом, она может быть строкой. Строковые константы могут распознаваться по одинарным кавычкам, двойным кавычкам, или каким-либо другим символам, в зависимости от синтаксиса анализируемого языка.

Наконец, если лексема не является строкой, она должна быть идентификатором, зарезервированным словом, или зарезервированным символом. Если лексема не подходит и под эти категории, возникает лексическая ошибка. Лексер не будет обрабатывать эту ошибку самостоятельно — он только сообщит синтаксическому анализатору, что обнаружена лексема неизвестного типа. Обработкой этой ошибки займется синтаксический анализатор[].

Синтаксический анализатор понимает грамматику языка. Он отвечает за обнаружение синтаксических ошибок и за преобразование программы, в которой такие ошибки отсутствуют, в структуры данных, называемые деревьями кода. Эти структуры в свою очередь поступают на вход статического анализатора и обрабатываются им.

В то время как лексер понимает лишь синтаксис языка, синтаксический анализатор также распознает и контекст. Например, объявим функцию на языке Си:

Лексер обработает эту строку и разобьет ее на лексемы как показано в таблице 1:

Таблица 1 — Лексемы строки «int Func(){return 0};».

Строка будет распознана как 8 корректных лексем, и эти лексемы будут переданы синтаксическому анализатору.

Этот анализатор просмотрит контекст и выяснит, что данный набор лексем является объявлением функции, которая не принимает никаких параметров, возвращает целое число, и это число всегда равно 0.

Синтаксический анализатор выяснит это, когда создаст дерево кода из лексем, предоставленных лексером, и проанализирует это дерево. Если лексемы и построенное из них дерево будут сочтены правильными — это дерево будет использовано при статическом анализе. В противном случае синтаксический анализатор выдаст сообщение об ошибке.

Однако процесс построения дерева кода не сводится к простому представлению лексем в виде дерева. Рассмотрим этот процесс подробнее.

Группировка сведений

Этот экономико-статистический метод используется для упорядочения множества показателей, которые были получены при оценке и измерении одного или нескольких параметров объекта. Как правило, такая информация представлена в форме неупорядоченной последовательности значений. Это могут быть линейные размеры заготовки, температура плавления, твердость материала, количество дефектов и так далее. На основе такой системы сложно делать выводы о свойствах изделия либо процессах его создания. Упорядочивание осуществляется с помощью линейных графиков. Они наглядно показывают изменения наблюдаемых параметров в течение определенного периода.

Статистические методы исследования

После определения переменной можно переходить к сбору и анализу данных. Условно можно выделить описательный этап анализа и собственно аналитический. Описательный этап включает представление собранных данных в удобном графическом виде – это графики, диаграммы, дашборды.

Для самого анализа данных используют статистические метода исследования. Выше мы подробно останавливались на типах переменных – различия в переменных важны для при выборе статистического метода исследования, так какждый из них требует свой тип переменных.
Статистический метод исследования – это метод исследования количественной стороны данных, объектов или явлений. На сегодня выделяют несколько методов:

1. Статистическое наблюдение – это систематический сбор данных. Перед наблюдением необходимо определить те характеристики, которые будут исследоваться.
2. После наблюдения данные можно обработать при помощи сводки, которая анализирует и описывает отдельные факты как часть общей совокупности. Или при помощи группировки, во время которой все данные разделяются по группам на основании каких-либо признаков.
3. Можно определить абсолютную и относительную статистическую величины – можно сказать, что это первая форма представления статистических данных. Абсолютная величина придает данным количественные характеристики в индивидуальном порядке, в независимости от других данных. А относительные величины, как ясно из названия, описывают одни объекты или признаки относительно других.При этом на значение величин могут влиять различные факторы. В этом случае необходимо выяснить вариационный ряд этих величин (например, максимальное и минимальное значение при определенных условиях) и указать причины, от которых они зависят.
4. На каком-то этапе данных становится слишком много и в этом случае можно применить метод выборки – использовать при анализе не все данные, а только их часть, отобранную по определенным правилам. Выборка может быть:
   случайной,
   стратифицированной (которая учитывает, например, процентное соотношение групп, находящихся внутри объема данных для исследования),
   кластерной (когда сложно получить полное описание всех групп, входящих в исследуемые данные, для анализа берут только несколько групп)
   и квотная (похожа на стратифицированную, но соотношение групп не равно изначально имеющемуся).
5. Метод корреляционного и регрессионного анализа помогает выявить взаимосвязи данных и причины, по которым данные зависят друг от друга, определить силу этой зависимости.
6. И наконец, метод динамических рядов позволяет отследить силу, интенсивность и частоту изменений объектов и явлений. Он позволяет оценить данные во времени и дает возможность прогнозирования явлений.

Конечно, для качественного статистического исследования необходимо обладать знаниями математической статистики. Крупные компании давно осознали пользу такого анализа – это же практически возможность не только понять почему компании так развивалась в прошлом, но и узнать, что ее ждет в будущем: например, зная пики продаж, можно правильно организовать закупку товаров, их хранение и логистику, скорректировать количество персонала и их рабочие графики.

Сегодня все этапы статистического анализа могут и должны выполнять машины – и на рынке уже есть решения для автоматизации

Достаточно подробно изложены в отечественной литературе. В практике российских предприятий, между тем, используются только некоторые из них. Рассмотрим далее некоторые методы статистической обработки.

Сведения о рекомендациях

1
ПОДГОТОВЛЕНЫ Открытым акционерным обществом «Научно-исследовательский центр
контроля и диагностики технических систем» (ОАО НИЦ КД) и Техническим комитетом
по стандартизации ТК 125 «Статистические методы в управлении качеством
продукции» на основе собственного аутентичного перевода международного
документа, указанного в пункте 4

2
ВНЕСЕНЫ Управлением развития, информационного обеспечения и аккредитации
Федерального агентства по техническому регулированию и метрологии

3 УТВЕРЖДЕНЫ И ВВЕДЕНЫ В ДЕЙСТВИЕ Приказом Федерального агентства по
техническому регулированию и метрологии от 19 декабря 2006 г. № 318-ст

4 Настоящие рекомендации являются идентичными международному отчету
ИСО/Т013425:2003 «Руководство по выбору статистических методов для стандартов и
технических условий» (ISO/ТR13425:2003 «Guidelines for the selections of
statistical methods in standardization and specifications»).

Наименование
настоящих рекомендаций изменено относительно наименования указанного
международного документа для приведения в соответствие с ГОСТ
Р 1.5-2004 (подраздел 3.5)

5
ВВЕДЕНЫ ВПЕРВЫЕ

Введение

Статистические
методы имеют широкое практическое применение в сферах производства, услуг,
маркетинга, научных исследований и других. Эффективность статистических методов
зависит, во-первых, от пригодности выбранного метода для предназначенной цели
и, во-вторых, от правильности его применения. Неправильный выбор
статистического метода или его неправильное применение может привести к
недостоверным заключениям, существенным ошибкам и неправильным решениям.

Это
основная причина, по которой необходимы стандарты, относящиеся к применению
статистических методов.

Настоящие
рекомендации содержат каталог международных стандартов и руководящих указаний,
распространяющихся на статистические методы, изданных ИСО/ТК 69 «Применение
статистических методов». Описание документов, находящихся в процессе
подготовки, не приведено, поскольку эта информация с момента издания ИСО/ТО
13425:2003 «Руководство по выбору статистических методов для стандартов и
технических условий» устарела. Назначение рекомендаций — помочь пользователю в
выборе подходящих для его целей и потребностей статистических методов.

Применение
перечисленных в рекомендациях документов может быть полезно при решении
конкретных задач.

Перечень
национальных стандартов Российской Федерации, соответствующих упомянутым в
настоящих рекомендациях международным стандартам, приведен в дополнительном .

Выделенные курсивом сноски в тексте настоящих рекомендаций
приведены для пояснения отдельных положений ИСО/ТО 13425.

1 Область
применения

Настоящие
рекомендации содержат руководство по выбору статистических методов и краткий
обзор всех стандартов, руководств, технических отчетов, подготовленных ИСО/ТК
69.

включает в себя нетехнические и технические аннотации — краткие обзоры
содержания стандартов с некоторыми указаниями по использованию документов в
различных областях. Нетехнические аннотации обычно кратки. В этих аннотациях
число технических терминов сведено к минимуму. Они излагают краткую основу
документа. Технические аннотации более полные, В них использовано большее число
технических терминов. Технические аннотации также более подробно описывают
содержание и применение документа. Обычно аннотации этих двух видов дополняют
друг друга.

Эмпирические методы исследования

Этот вид основан на эмпирическом, то есть чувственном восприятии, а также на измерении с помощью приборов. Это важный компонент научных исследований во всех областях знаний от биологии до физики, от психологии до педагогики. Он помогает определять объективные законы, в соответствии с которыми происходят изучаемые явления.

Приведённые ниже эмпирические методы исследования в курсовой работе и прочих студенческих трудах вполне можно назвать основными или универсальными, потому что они актуальны для абсолютно всех областей познания.

Изучение разнообразных источников информации. Это не что иное, как элементарный сбор информации, то есть этап подготовки к написанию магистерской диссертации или курсовой работы. Сведения, на которые вы будете опираться, можно брать из книг, прессы, нормативно-правовых актов и, наконец, из интернета

При поиске информации следует помнить, что не все находки являются достоверными (особенно в интернете), поэтому при выборке сведений следует отнестись к ним критически и обращать внимание на подтверждение и сходство материалов из разных источников.
Анализ полученных сведений. Это этап, который идёт следом за сбором информации

Недостаточно просто найти нужный материал, нужно ещё и тщательно проанализировать его, проверить на логичность, достоверность и актуальность.
Наблюдение. Этот метод представляет собой целенаправленное и внимательное восприятие изучаемого явления с последующем сбором информации. Чтобы наблюдение принесло желаемые плоды, необходимо подготовиться к нему заранее: составить план, набросать факторы, требующие особого внимания, чётко определиться со сроками и объектами наблюдения, подготовить таблицу, которую вы будете заполнять в процессе работы.
Эксперимент. Если наблюдение – это скорее пассивный метод исследования, то эксперимент характеризуется вашей активной деятельностью. Для проведения опыта или серии опытов вы создаёте определённые условия, в которые помещаете предмет исследования. Далее вы наблюдаете за реакцией предмета и фиксируете результаты опытов в виде таблицы, графика или диаграммы.
Опрос. Этот метод помогает глубже заглянуть в изучаемую проблему, задавая конкретные вопросы вовлечённым в неё людям. Опрос применяется в трёх вариациях: это интервью, беседа и анкетирование. Первые два вида устные, а последний – письменный. После выполнения опроса нужно чётко сформулировать его результаты в виде текста, диаграммы, таблицы или графика.

Вычислительная статистика

Развитие вычислительной техники во второй половине XX века оказало значительное влияние на статистику. Ранее статистические модели были представлены преимущественно линейными моделями. Увеличение быстродействия ЭВМ и разработка соответствующих численных алгоритмов послужило причиной повышенного интереса к нелинейным моделям таким, как искусственные нейронные сети, и привело к разработке сложных статистических моделей, например обобщённая линейная модель и иерархическая модель.

Получили широкое распространение вычислительные методы, основанные на повторной выборке как критерий перестановок и бутстреппинг, наряду методы как семплирование по Гиббсу позволили более доступно использовать байесовские алгоритмы. В настоящее время существует разнообразное статистическое программное обеспечение общего и специализированного назначения.

Близнецовый метод в изучении генома

Области применения популяционно-статистического и близнецового метода включают в себя изучение закономерностей наследования признаков в парах близнецов. Предложенный еще в 1875 году ученым Гальтоном, этот метод изначально применялся для оценки роли наследственности и среды в развитии психических свойств человека. Сейчас он широко применяется в изучении наследственности и изменчивости нормальных и патологических признаков. С его помощью можно выявить наследственный характер определенного признака, определить пенетрантность аллеля и дать оценку влияющих на организм внешних факторов.

Суть близнецового метода:

• В разных группах близнецов сравнивается один и тот же признак, учитывается также сходство или различие их генотипов.
• У монозиготных близнецов наблюдается полная генетическая идентичность. Их сравнение в условиях отличающегося постэмбрионального развития дает возможность обнаружить признаки, которые были сформированы благодаря внешней среде.

Изучение генома в популяционно-статистическом методе исследования генетики человека позволяет более всесторонний поиск генетических факторов риска. В ближайшее время эти исследования будут менее дорогими и, следовательно, более доступными. Со статистической и вычислительной точки зрения исследования генома в целом предлагают нетривиальные проблемы, связанные, среди прочего, с очень большим количеством маркеров, которые должны быть включены в анализ, по сравнению с обычно меньшими размерами выборки.

Рентабельные технологии

С появлением относительно рентабельной технологии с высокой пропускной способностью генотипирования теперь можно исследовать этиологию сложных заболеваний, биологических процессов через которые наследуется ДНК и эволюционные истории человеческих популяций. С медицинской точки зрения, прогресс использования популяционно-статистического метода в изучении роли наследственности находится в разработке и анализе исследований фармакогенетики, то есть исследований, в которых генетическая изменчивость коррелирует с реакцией на лекарственные средства.

Это может в конечном счете привести к разработке подхода «персонализированной медицины» в здравоохранении. Разумеется, для каждой из этих областей исследования требуются специализированные методы вывода и вычислений. Данный обзор популяционно-статистических методов в генетике ограничивается картированием ассоциаций: мощная методология, которая, как считается, поможет понять генетическую основу заболеваний человека и других представляющих интерес фенотипов.

Вместо того чтобы пытаться широко освещать методы сопоставления ассоциаций, экспозиция сужается, чтобы включать в себя только подходы к анализу данных для исследований в случае болезни или для ситуаций, когда доступны только больные люди. Цель данной статьи — пригласить читателя в нетехнический тур по ряду выбранных популяционно-статистических методов генетики, используемых в настоящее время для картирования генов.

Термодинамика и молекулярная физика.

Молекулярная физика и термодинамика — разделы физики, в которых изучаются зависимости свойств тел от их строения, взаимодействия между частицами, из которых состоят тела, и характера движения частиц. Для исследования физических свойств макроскопических систем, связанных с огромным числом содержащихся в них атомов и молекул, применяют два качественно различных и взаимно дополняющих друг друга метода: статистический (или молекулярно-кинетический) и термодинамический.

Статистический метод — это метод исследования систем из большого числа частиц, оперирующий статистическими закономерностями и средними (усредненными) значениями физических величин, характеризующих всю систему. Этот метод лежит в основе молекулярной физики — раздела физики, изучающего строение и свойства вещества исходя из молекулярно-кинетических представлений, основывающихся на том, что все тела состоят из атомов, молекул или ионов находящихся в непрерывном хаотическом движении. В дальнейшем мы будем использовать термин «молекула» имея ввиду мельчайшую структурную единицу (элемент) данного вещества.

Термодинамический метод — это метод исследования систем из большого числа частиц, оперирующий величинами, характеризующими систему в целом (например, давление, объем, температура) при различных превращениях энергии, происходящих в системе, не учитывая при этом внутреннего строения изучаемых тел и характера движения отдельных частиц. Этот метод лежит в основе термодинамики — раздела физики, изучающего общие свойства макроскопических систем, находящихся в состоянии термодинамического равновесия, и процессы перехода между этими состояниями.

Термодинамическая система.

Термодинамика имеет дело с термодинамической системой — совокупностью макроскопических тел, которые взаимодействуют и обмениваются энергией как между собой, так и с другими телами (внешней средой). Термодинамические системы, не обменивающиеся с внешней средой ни энергией, ни веществом, называются замкнутыми. Основа термодинамического метода — определение состояния термодинамической системы. Состояние системы задается термодинамическими параметрами (параметрами состояния) — совокупностью физических величин, характеризующих свойства термодинамической системы.

Обычно в качестве параметров состояния выбирают температуру, давление и объем. Параметры состояния системы могут изменяться. Любое изменение в термодинамической системе, связанное с изменением хотя бы одного из ее термодинамических параметров, называется термодинамическим процессом. Если для данной системы внешние условия не изменяются и состояние системы с течением времени не меняется, то эта система находится в термодинамическом равновесии.

3.2 Статические vs Обычные методы

Чем же отличаются статические методы от обычных?

Обычный метод имеет привязку к объекту — экземпляру класса, статический же метод такой привязки не имеет. Обычный метод может обращаться к переменным в своем экземпляре класса, статический — нет: у него просто нет никакого экземпляра класса, связанного с ним.

Отличия двух типов методов можно выразить в таблице:

Зачем такие методы нужны, если они так сильно ограничены? Все дело в том, что у такого подхода тоже есть свои преимущества.

Во-первых, чтобы обратиться к статическим методам и переменным, не надо передавать никакую ссылку на объект.

Во-вторых, иногда бывает нужно, чтобы переменная была в единственном экземпляре. Как, например, переменная .

И, в-третьих, иногда нужно вызвать метод еще до того, как будет возможность создавать какие-то объекты. Например, вызов метода main(), с которого начинается выполнение программы: его вызывает Java-машина до создания экземпляра класса.

Есть связь с экземпляром класса

При вызове обычного метода в него передается скрытый параметр — объект, у которого его вызывали. Этот параметр имеет имя . Именно этот скрытый параметр — ссылка на объект, у которого вызвали метод — и отличает обычные методы от статических.

У статических методов такого скрытого параметра нет, поэтому внутри статических методов нельзя пользоваться ключевым словом , и из статического метода нельзя вызвать нестатический: ссылку на экземпляр класса попросту не от куда взять.

Может вызывать обычные методы класса

В обычном методе класса всегда есть скрытый параметр — — ссылка на объект класса, у которого был вызван метод. Каждый раз, когда вы взываете обычный метод внутри другого обычного метода, для этого вызова используется скрытый параметр . Пример

Именно поэтому нельзя вызвать обычный метод из статического. Внутри статического метода просто нет скрытой переменной с именем .

Ну или представьте другой случай: в программе еще не создан ни один объект нашего класса. Статический метод класса можно вызвать? Да. А сможет этот статический метод вызвать обычный метод?

И у какого объекта он его вызовет? Ведь еще не существует ни одного экземпляра нашего класса!

Может вызывать статические методы класса

Статические методы можно вызывать откуда угодно — из любого места программы. А значит, их можно вызывать и из статических методов, и из обычных. Никаких ограничений тут нет.

Может обращаться к обычным переменным класса

Из обычного метода можно обращаться к обычным переменным класса, т.к. при этом произойдет обращение к переменным экземпляра класса, который легко получить из скрытого параметра .

Статический метод не знает, из какого экземпляра класса ему брать значения обычных переменных. У нас вообще легко может быть ситуация, когда статический метод вызван, а ни одного экземпляра класса еще создано в программе не было.

Поэтому статические методы не могут обращаться к обычным переменным класса.

Статический метод вызывает обычный метод, вот только у какого объекта он должен вызваться?

Неизвестно! Поэтому и нельзя вызывать обычный метод из статического, не указывая ссылку на объект!

Может обращаться к статическим переменным класса

Ситуация с обращением к статическим переменным такая же, как и с обращениями к статическим методам. К статическим переменным можно обращаться из любого места в программе. А значит, можно обращаться из статических и обычных методов.

Может быть вызван у объекта

И статические, и обычные методы можно вызывать у объекта. Обычный метод можно, потому что только у объекта его вызвать и можно. Статический метод тоже можно вызывать у объекта: при этом компилятор сам определит тип переменной и вызовет статический метод по ее типу:

Может быть вызван у класса

У класса можно вызвать только статический метод, для вызова обычного метода нужна ссылка на экземпляр класса. Поэтому нельзя вызвать обычный метод конструкцией вида )»