质量工程课程设计报告.docx

1、质量工程课程设计报告郑州航空工业管理学院课 程 设 计 报 告 2010 级 工业工程 专业 1005072 班级课程名称 质量工程课程设计 题 目 抛射器的性能设计与改进 姓 名 王 赛 学号 100507225 指导教师 禹建丽 职称 教授 二一三 年 十一 月 二十二 日课 程 设 计 任 务 书一、设计题目抛射器的性能设计与改进二、设计依据1、六西格玛改进流程DMAIC步骤及要求；2、六西格玛改进流程DMAIC案例。三、设计内容根据给定的抛射器，六西格玛改进流程DMAIC步骤及要求，及其相关案例，定义相关的性能指标，建立性能的测量方法，分析影响性能的原因，找出因素的最优设置，设计抛射器

2、技术要求，模拟生产并对产品的质量进行抽样和控制评价。2013年11月22日目 录课 程 设 计 报 告 0课 程 设 计 任 务 书 1一、设计题目 1二、设计依据 1三、设计内容 1目 录 0抛射器的性能设计与改进 1序、课程设计简介 1一、界定阶段(Define) 2二、量测阶段(Measure) 3三、分析阶段(Analyze) 7四、改进阶段(Improve) 10五、控制阶段(Control) 11六、总结 13参 考 文 献 14课程设计 答辩评语 15抛射器的性能设计与改进学号：100507225 姓名：王赛 序、课程设计简介本课程设计是与质量工程学配套的实践环节之一。在完成理论

3、教学基础上，对学生进行一次全面的实操性锻炼，采用制造企业的实际案例和数据，要求学生完成某一方面的实际设计内容，包括统计过程控制、试验设计等内容。通过本环节的设计锻炼，让学生加深对本课程理论与方法的掌握，同时具备分析和解决生产运作系统问题的能力，改变传统的理论教学与生产实际脱节的现象。同时学生应掌握以下技能：(1)能正确运用工业工程基本原理及有关专业知识，应用DMAIC改进流程和质量控制方法对产品的质量相关方面进行分析；(2)通过本次设计，熟悉6质量管理工具MINITAB在DMAIC改进流程中的应用，学会怎样运用这个工具对产品性能进行分析，对生产流程进行改进；(3)通过此次课程设计，树立正确的设

4、计思想，培养学生运用所学专业知识分析和解决实际问题的能力。能正确运用质量工程基本原理及有关专业知识，应用DMAIC改进流程和质量控制方法对产品的质量相关方面进行分析。通过本次设计，熟悉6质量管理工具MINITAB在DMAIC改进流程中的应用，学会怎样运用这个工具对产品性能进行分析，对生产流程进行改进。一、界定阶段(Define)1、项目选择如下图-1示为抛射器示意图，为获取最远抛射距离，优化并简化实验程序，决定对此试验进行正交试验设计，并将这一实验的设计目标定为高效率高标准高质量地获取最远抛射距离。图-1 抛射器示意图2、项目实施全面析因实验设计是研究多因素多水平的一种设计方法，它是根据选取所

5、有因素的所有水平组合，进行全面实验的设计，最终选出最优组合的方法。通过分析影响获取最远抛射距离这一试验设计目标的各种因素，可以了解影响抛射物飞行距离的因素共有A、B、C三个，各个因素各有4、6、5三个水平，可以以此来进行全面析因实验，并针对各个因素进行方差分析，最后对最优组合进行检验。二、量测阶段(Measure)进行全面析因实验，分别设计在A1、A2、A3、A4水平下B、C因素的全析因实验，每个组合进行三次实验并求出平均值，记录以下实验数据，如表-1、表-2、表-3、表-4所示。（单位：cm）表-1 A1水平下的实验数据A1C1C2C3C4C5B1177.1177.3134.9134.395

6、.995.962.162.232.436.2177.2134.295.962.936.6177.5133.995.961.739.5B2339.3339.1271.8273.2212.1212.9161.9161.7114.8114.3339.8273.8213.7162.3114.8338.3273.9212.9161.0113.2B3421.9422.8351.0351.1284.2282.5222.5222.8167.3167.6423.8351.3279.4223.0167.7422.7351.1284.0222.8167.8B4443.9443.7373.7374.1309.3311

7、.5249.9251.4199.9200.2443.4374.5312.7251.7198.4443.7374.1312.5252.6202.3B5259.2262.3239.9238.5216.5217.3190.3190.9167.5168.5263.9238.1217.6191.4168.9263.7237.6217.8190.9169.1B6175.5176.5172.2171.7161.4160.8154.2153.6139.6139.1173.5171.3160.5153.4138.8180.6171.5160.4153.1138.8A1水平下的最优组合为A1B4C1=443.7表

8、-2 A2水平下的实验数据A2C1C2C3C4C5B1112.2112.782.882.755.155.534.635.09.710.1113.082.255.534.710.0112.983.256.035.810.5B2241.6241.0191.0191.2149.3149.3111.4111.676.176.0241.3191.5149.7111.776.4240.1191.0148.8111.875.5B3322.8324.0267.5267.5213.5213.8166.3167.3124.4124.4323.8267.6215.4167.2126.3325.3267.3212.6

9、168.5122.5B4358.5358.9301.6301.5249.6251.7203.1204.5161.2161.5358.7301.5253.4206.5161.5359.3301.3252.2203.8161.7B5234.3234.5216.4216.7193.4193.3174.2174.5149.3149.7234.7216.4193.1174.5150.6234.5217.2193.3174.7149.3B6170.4170.5161.3161.3150.5150.8144.1143.9130.5130.4170.7161.4151.8143.8130.5170.5161.

10、1150.1143.9130.2A2水平下的最优组合为A2B4C1=358.9表-3 A3水平下的实验数据A3C1C2C3C4C5B152.552.67.58.414.114.61.42.09.710.153.18.415.32.210.252.39.314.52.510.4B2155.5156.4123.5124.194.395.068.468.656.556.5157.2124.595.569.356.3156.4124.295.368.256.7B3232.2234.6193.2193.6152.5153.7119.5121.387.287.4235.3192.4153.4122.387

11、.5236.3195.3155.2122.287.6B4281.5280.6238.5238.3200.1199.2162.6161.6127.2127.4281.6238.3198.4160.7126.3278.7238.2199.1161.5128.6B5209.8210.3193.5190.8173.4173.1152.8152.5134.2134.7210.3189.2172.5152.2134.6210.7189.7173.3152.4135.3B6158.7176.2150.5150.3144.4145.1133.4133.4124.6124.5158.3150.3145.5133

12、.2124.3211.6150.2145.3133.7124.7A3水平下的最优组合为A3B4C1=280.6表-4 A4水平下的实验数据A4C1C2C3C4C5B16.36.35.35.527.926.724.724.232.632.86.05.424.824.032.96.55.727.523.932.8B288.789.168.368.749.149.012.212.613.913.488.869.249.211.613.489.868.648.713.912.8B3160.3159.0127.6128.5106.2104.077.277.154.856.4158.6128.0102.6

13、77.854.5158.0130.0103.176.459.8B4212.1211.6177.7178.6150.3149.7122.3122.497.196.7211.6180.4149.3122.196.6211.7177.8149.6122.796.3B5184.5185.3166.1166.4148.5149.6133.8133.8115.4114.8184.0166.5151.4133.9113.6187.4166.7149.0133.8115.3B6150.4150.3141.8141.8132.6132.5125.5125.4113.4113.6150.1142.0132.512

14、5.3113.8150.3141.7132.4125.4113.7A4水平下的最优组合为A4B4C1=211.6至此发现，全因素全水平下，最优组合为A1B4C1=443.7三、分析阶段(Analyze)对A、B、C三个因素分别进行方差分析。考虑数据参差不齐，舍弃其中数值较小的A4、B1、B2、B6、C4、C5水平，整理数据，分别对A、B、C进行单因子方差分析。总体均值为264.6，查表有F（0.01）=5.61，F（0.05）=3.40。分别对三个因素计算:记样本数据的总变差平方和为，首先建立样本数据的方差分析恒等式 其中组间变差平方和为组内变差平方和为总样本平均数为各组样本平均数为,在原假设

15、成立的条件下，线面的检验统计量服从分子自由度为m-1，分母自由度为n-m的F分布，即：假设显著性水平为，利用EXCEL工具可以计算各组数据分别的方差、平均值以及F值等数值。制表如下；表-5 单因子A的方差分析表水平样 本 数 据均值A1422.8351.1282.5443.7374.1311.5262.3238.5217.3322.6A2324.0267.5213.8358.9301.5251.7234.5216.7193.3262.4A3234.6193.6153.7280.6238.3199.2210.3190.8173.1208.2来源离差平方和自由度方差FP值显著性A58947.522

16、29473.768.00.002E88126.02243671.918T147073.526（1）P-值规则：由于P-值=0.002142临界值3.402826，检验统计量的样本值落入拒绝域，所以A的取值对结果有显著性差异。表-6 单因子B的方差分析表水平样 本 数 据均值B3422.8351.1282.5324.0267.5213.8234.6193.6153.7271.5B4443.7374.1311.5358.9301.5251.7280.6238.3199.2306.6B5262.3238.5217.3234.5216.7193.3210.3190.8173.1215.2来源离差平方和

17、自由度方差FP-值显著性B38276.83219138.414.20.03E108796.7244533.197T147073.526同理，由于P-值=0.03临界值3.402826，检验统计量的样本值落入拒绝域，所以B的取值对结果有显著性差异。表-7 单因子C的方差分析表水平样 本 数 据均值C1422.8443.7262.3324.0358.9234.5234.6280.6210.3308.0C2351.1374.1238.5267.5301.5216.7193.6238.3190.8272.7C3282.5311.5217.3213.8251.7193.3153.7199.2173.12

18、27.9来源离差平方和自由度方差FP-值显著性C33430.1216715.03.50.05E113643.5244735.1T147073.526同理，由于P-值=0.05=显著性水平,但是F=3.529993临界值3.402826，检验统计量的样本值落入拒绝域，所以C的取值对结果有一般显著性差异。综上分析可知：因素A的取值对实验结果影响最为显著，因素C对抛射器射程的影响最不显著，因素B对抛射器射程的影响一般。这一点从原始数据中也可以看得出来，如在A1水平下的实验数据（表-1）要明显好于A2、A3、A4水平下的实验数据（表-2、表-3、表-4）。四、改进阶段(Improve)通过以上的实验以

19、及分析，我们着手考虑对实验过程就行改进。1、关于全析因实验方法的改进本实验共有三个因素，分别有4、6、5个水平，也就是说全面实验存在120种组合，而每个组合要进行不止一次的多次实验，以每个组合进行三次试验为例，全面实验要不断调整抛射360次，是一个比较繁琐的过程。很容易考虑到要进行部分析因的正交实验法，但是这样的4*5*6正交表并非易于获得，进而难以实施。因此我们可以考虑舍去部分明显结果数值很小的因素水平，比如A4等。舍弃部分水平后，我们便可以尝试如3*3*3或4*4*4之类的正交实验法，可以减少很多的实验次数。2、关于单因子方差分析法的改进此次共进行了三次方差分析，由于采用的是单因子方差分析

20、法，所以我们可以考虑在B因素和C因素水平确定情况下针对A的不同水平进行试验，这样出现的显著性结果会更有说服力，但这样A就可以进行6*5=30次单因子方差分析，但由于试验次数太多，难以实施，所以进行A的方差分析时，不再考虑B因素和C因素的水平，融合所有试验数据进行分析，这样更全面，也易于操作。五、控制阶段(Control)首先，我们针对A1B4C1水平进行30*3次实验，并记录数据表-8。表-8 A1B4C1实验数据子组12345678910数据445.3443.6444.6445.7446.8444.8444.8447.4445.7445.7443.5445.7446.5443.2444.04

21、43.8444.2444.8446.2444.7442.5446.4445.7443.5443.5442.3444.8444.7444.6446.8子组11121314151617181920数据441.7443.4445.4446.0447.2447.2444.2443.8444.4444.2447.6443.1448.4447.4446.0443.1444.1443.5442.9444.1448.9443.5443.5447.4445.3444.8443.5443.6442.8443.5子组21222324252627282930数据446.8443.2445.7445.2447.2447

22、.2447.4445.0443.2448.4443.9442.5448.2447.1446.5445.0442.9446.4447.0446.9442.4442.3446.7448.5447.3443.3442.8443.4443.5445.1将90个数据输入Minitab中的C2列,选择统计控制图子组的变量控制图Xbar-R(B)，子组大小选择3，确定。图-2 Minitab数据处理观察控制图，得到如下控制图，见图-3：图-3 A1B4C1水平下的Xbar-R控制图这表明实验过程处于受控状态，因此可以认为A1B4C1水平下的均值为444.831。六、总结本次课程设计是我大学四年来最令我印象深

23、刻的课程设计，因为它不同于以往的分组式、团队型的课程设计，要完全依靠自己独立完成，这在很大程度上加深了我对质量工程学这一课程的理解，也锻炼了自己的思维能力。在完成这篇课程设计的过程中有以下几点令我印象深刻：1.质量工程学、统计学、系统工程等课程在实际操作中的指导现实意义。我吸收了以前多次课程设计的经验和教训，将所学习的融会贯通，渗透到这篇论文的方方面面里来，这是对自己学习知识的能力和运用知识能力的有力锻炼，并且进一步加强了制作课程设计报告的能力。这次课程设计虽然不一定我最好的一篇，但我一定是付出了最多辛勤和汗水的。2.对EXCEL、MINITAB、SPSS软件的运用。优秀合理的排版是保证一篇论

24、文赏心悦目的重要条件，因此，在数据处理过程中我借用了SPSS软件，在Xbar-R图设计中我借助了MINITAB软件，EXCEL的应用更是渗透在整个过程中，这使我学习到了以前不曾接触过的内容，给予了我很大的收获。3.对工业工程的进一步认识。我认识到质量工程学作为工业工程专业一门重要学科，在质量设计改善中发挥的作用，从产品的研发加工、组装等环节都应考虑质量的重要性。六西格玛是工业工程的重要内容，六西格玛管理方法在诸多项目中的成功实施表明，六西格玛可以有效地改进现代企业的产品管理体系，提高质量管理水平，进而提升现代企业的竞争能力，实现企业持续发展。 最后，我要感谢在本次课程设计过程中给我巨大帮助的老师，是她的谆谆教导才使我更好地完成本次论文的创作。参 考 文 献1 张公绪，孙静.新编质量管理学.北京：高等教育出版社，2003,82 田口玄一.实验设计法M.北京:机械工业出版社, 1987.3 潘渔洲.现代企业质量管理M.北京经济管理出版社,1999. 37-42.4 周纪芗.茆诗松.质量管理统计方法M.北京:中国统计出版社,1999. 78-90.课程设计 答辩评语成绩 答辩组长签名 2012 年 11 月 日附：答辩小组成员名单：姓 名职 称工 作 单 位备 注