谈谈“三个”管理体系运行中统计技术的应用

喜羊羊

谈谈“三个”管理体系运行中统计技术的应用

    随着管理体系标准应用的广泛深入，和GB/Z19027/ES/TR10017:2003(GB/T19001-2000的统计技术指南)的采用。统计技术的应用，有了新的发展趋势。自国家注册审核员资格审批实施笔试为主的方式以来，合格率普遍显低，有人分析：“考生失分多的原因，主要是统计技术基础知识太欠缺。部分考生在工作经历中没有接触过统计技术知识，部分考生虽经过统计知识培训，但实践经验较少，不注意统计技术日常基础知识的积累。”同时明确指出：“掌握统计技术需要有一定的时间和过程去学习和理解”。
    其实，管理体系标准的应用中（包括QMS、EMS、OHSMS和其他管理体系标准），其比较看得见摸得着的成效和业绩是统计技术应用所显示的效果。世界当代著名的质量管理专家所倡导的“质量工作的十个基本点”中，第3和第4个基本点就涉及具体的统计技术。等同采用ISO/TR10017:2003《ISO9001:2000的统计技术指南》的国家标准：〈GB/Z19027-2005/ISO/TR10017:2003〉是GB/T19000族标准的组成部分。它针对标准中57个条款要素作出“统计技术潜在需求的识别”。
    笔者在杭州北航的审核实践中，接触到“三体系”运行中三个比较典型的统计技术应用事例，不妨在此列举，以反映统计技术，在质量、环境、安全管理体系运行中的应用，供读者参考，并以此抛砖引玉。
一、“假设检验”在质量管理中的应用
    在未开展“PSC”(统计过程控制)或“PSD”的企业 / 组织中，对于产品质量形成过程中的日常监视、控制和分析，往往通过随机的抽样检验检查。对生产过程，往往通过生产现场的巡回监测，进行适时的监视和测量。在批产品交付或最终检验中，也需要通过这些有限的抽样作出分析和判定。来判定系统或批量总体是否符合规定要求。这就必然涉及统计学中的“假设检验”问题。因为仅仅按照少数抽样所取得的样本参数，直接判定总体是有较大风险，也不够符合统计技术要求。
    比如：某铸造厂生产小型毛坯铸件，与顾客商定每个批号中的铸件不合格品率不得超过3%，并商定按统计要求判定批合格后交货。现从当日生产的批号中随机抽取50只进行检验，发现了2只不合格品，问该批产品能否交货？
    很明显，如果按百分比例，且以样本不合格品率来直接判定，该批产品就不能发货。但按照统计理论来科学判定，结论却却相反。由于样本容量较大，N=50；又加上只是判定该批产品能否发货，即批产品是否合格。故可以近似地采用依据二项分布所规定的μ检验。
    设立假设： H0（不合格品率P ≤0.03） H1（不合格品率P>0.03）。
    取 可信度α=0.05，查表得拒绝域：{μ>μ}={μ>1.645}。由样本观察值求得X=2/50=0.04。
    并代入μ检验统计量公式：

    式中：X为样本不合格品平均值；
          P为规定的不合格品率；
          N为样本容量。
    显然，μ未落入拒绝域中，不能拒绝原假设，即应允许该批产品交货。
    这一例子又一次证明了，按百分比抽样判定交货的不合理性。
二、环境管理排污监测中的“假设检验”
    GB/T24001—2004 idt ISO14001:2004中的4.5.1“监测和测量”要求对可能具有的重大环境影响的运行与活动的关键特性进行例行“监测和测量”并对“组织环境目标和指标符合情况进行跟踪分析。”其关键特性的监测测量必然会涉及数据的分析、检验与预测。比如：环境管理中对“水、气、声、渣”类污染排放指标监测和测量往往通过取样来判定一段时间的排污是否符合国家排放标准。特别是未建立控制图进行控制与分析的状况下，有必要对一段时间的监测数据进行假设检验。
    例如：某有机化工厂地处II类地表水环境质量标准要求，排放的废水中的生物需氧量（BOD）不得超过3mg/L。废水中的BOD含量一般来说，近似服从正态分布。该企业在投产之初的半个月中，对废水中的BOD进行每日监测测量。15天的监测测量记录如下：
    3.0； 3.7； 3.5； 3.4； 2.9； 3.5； 3.3；
    3.1； 3.2； 2.5； 3.0； 2.9； 3.6； 2.7； 2.8。单位为mg / L  。
    要问在总体上（即15天的总体情况）是否符合规定要求？并在α=0.05水平上判定是否符合Ⅱ类地表水环境质量标准？
    解：如果总体排放符合Ⅱ类地表水环境质量标准，则均值u≤3mg / L，否则u>3mg /L
故设立假设：H0（u≤3） ；H1（u>3）。由于未告知总体的标准偏差σ，用样本标准偏差S替代，并按统计理论选用τ检验判定。根据15天的样本数，求得日平均值x＝3.14；S＝0.345；
代入检验统计量公式：

    式中u0已知，即3mg/L；n为天数。
    根据上述假设：H0（u≤3）； H1（u>3）。知拒绝域为：{τ >τ(1－α)(n-1)}
    查τ分布表，取α＝0.05，自由度15-1＝14，查表得：τ(1-α)(n-1)=1.7613。
    因τ =1.572<1.7613，故未落入拒绝域，原假设H0（u≤3mg/L）成立，即认为该厂排放的废水中的BOD含量符合规定要求。
    类似地，其他环境保护与污染排放活动，通过监视或测量后需要进行分析判断，以确定是否达到要求。
三、职业健康安全管理中的事故发生率预测
    这一管理体系运行中笔者尚未发现应用“假设检验”的典型事例，但以概率预测的方法，制订安全目标或事故预防措施的有不少。比如：用以往的事故记录，推断事故发生概率，预测事故发生，采取必要的防患措施。这在职业健康安全管理中常常遇到。
    有关统计理论告知，事故的发生数，一般服从泊松分布，即一定时间或一定区域内或某一特定单位内的事故发生次数的概率以某一参数λ（特定单位一定时间内的平均值）按一定的统计规律计算。在安全管理中需要按此分布公式，根据历史的记录，进行事故发生概率的分析与考察，使领导和员工心中有数，并积极采取必要的防患措施，防止事故发生。GB/T28001－2001标准《职业健康安全管理体系 规范》的4.5.1中的规定：“被动性的绩效测量，监视事故、疾病、事件和其他不良职业健康安全绩效的历史证据；――记录充分的监视和测量的数据和结果，以便于后面的纠正和预防措施的分析。”故，这也是贯彻执行标准的需要，在此不妨举例如下。
    如：某矿业公司每季发生安全事故数X服从泊松分布，按历史的事故记录，公司每季度平均发生1.2起安全事故。故X服从λ＝1.2的泊松分布。
    泊松分布的概率公式为：
    (x=0,1,2,……)。
    考察或预测一个季度中发生0起，1起，2起，到7起事故的概率，为实施预防措施获取必要的信息和基础资料。
    将λ＝1.2，x=0～7分别代入上述公式，并列表如下：

x	0	1	2	3	4	5	6	7
p	0.301	0.362	0.216	0.087	0.026	0.006	0.002	0.000

    上述统计表明：该公司每季发生1起事故的概率为最大，达0.362。但2起和3起的概率徒然下降，3起以后的概率在小数点2位，发生7起的概率几乎为0。因此，对安全事故的预防措施应着眼于发生1至2起事故，过多或过强地采取预防措施将会明显增加不必要的成本。这就是统计分析所要达到的目的。
    一些企业/组织，对贯彻实施GB/T19001-2000 IDT ISO9001：2000中的8.4“数据分析”和8.1中“这应包括对统计技术在内的适用方法及其应用程度的确定”条文感到有困惑。其实这些企业/组织中存在着大量的可分析利用的数据，只是由于本身的人员条件不具备而没能有效地开展。有的则是为了应付现场审核，搞几张毫无意义的“排列图”、“因果图”，算是有了“统计技术的应用”。放着那些大量可利用的产品质量特性数据而不分析利用，也算是种资源浪费，感到可惜。纠正措施和对策方案的方向是什么？笔者认为，按标准中“6.2”条款要求实施，即适当地配置必要的人力资源和通过教学培训等措施，使统计技术的应用取得满意的成效。也使“管理体系”标准应用的有效性，得到实实在在的体现。