过程质量控制技术.docx
《过程质量控制技术.docx》由会员分享，可在线阅读，更多相关《过程质量控制技术.docx（16页珍藏版）》请在冰点文库上搜索。
过程质量控制技术
过程质量控制技术
自1924年，休哈特提出控制图以来，经过近80世纪的发展，过程质量控制技术已经广泛地应用到质量管理中，在实践中也不断地产生了许多种新的方法。
如直方图、相关图、排列图、控制图和因果图等“QC七种工具”以及关联图、系统图等“新QC七种工具”。
应用这些方法可以从经常变化的生产过程中，系统地收集与产品有关的各种数据，并用统计方法对数据进行整理、加工和分析，进而画出各种图表，找出质量变化的规律，实现对质量的控制。
石川謦曾经说过，企业内95%的质量问题可通过企业全体人员应用这些工具得到解决。
无论是ISO9000还是近年来非常风行的6Sigma质量管理理论都非常强调这些基于统计学的质量控制技术的应用。
因此，要真正提高产品质量，企业上至领导下至员工都必须掌握质量控制技术并在实践中加以应用。
QC七种工具
•一、排列图法
•二、因果图法
•三、分层法
•四、散布图法
•五、调查表法
•六、直方图法
•七、控制图法
（鉴于有些计算方法需要统计数理基础，比较复杂，这部分里重在给大家铺垫基础，不想因为太复杂的书里计算引发大家的畏难情绪，就不罗列出计算公式了，感兴趣的客户可以在《深入探讨》中找到这部分的详细内容）
一、排列图
意大利经济学家V.Pareto于1897年在研究国民所得时发现大部分所得均集中于少数人，而创出此原理。
Dr.JosephJuranrecognizedthisconceptasauniversalthatcouldbeappliedtomanyfields.Hecoinedthephrases“vitalfewandusefulmany”（关键的少数，次要的多数）
在任何过程中大部分缺陷也通常是由相对少数的问题引起的。
排列图（又称柏拉图、Pareto图）是基于帕累托原理，其主要功能是帮助人们确定那些相对少数但重要的问题，以使人们把精力集中于这些问题的改进上。
简单来说就是：
1.排列图法是从许多影响质量的因素中分析、寻找主要因素的方法.
2.所遵循的原理是关键的占少数,次要的占多数.
制图步骤：
收集数据
进行分类，按项目频数由小到大，列出数据表。
计算各类问题占总问题的百分比。
计算各问题的累计百分比
纵坐标左为频数刻度，右为相应的百分数刻度最后，按数据表中的累计百分数，画出图中的折线。
二、因果图
因果图由日本质量学家石川馨发明，是用于寻找造成质量问题的原因、表达质量问题因果关系的一种图形分析工具。
一个质量问题的产生，往往不是一个因素，而是多种复杂因素综合作用的结果。
通常，可以从质量问题出发，首先分析那些影响产品质量最大的原因，进而从大原因出发寻找中原因、小原因和更小的原因，并检查和确定主要因素。
这些原因可归纳成原因类别与子原因，形成类似鱼刺的样子，因此因果图也称为鱼刺图，如下图所示。
分析时要注意以下几点：
1、原因分析要从5M1E出发
2、要集思广益
3、可用排列图检查效果
例如：
下图是在制造中出现次品后，寻找其原因形成的因果图。
图中可以看出，原因被归为工人、机械、测试方法等6类，每一类下面又有不同的子原因。
三、分层法
分层法又名层别法，是将不同类型的数据按照同一性质或同一条件进行分类，从而找出其内在的统计规律的统计方法。
常用分类方式：
按操作人员分、按使用设备分、按工作时间分、按使用原材料分、按工艺方法分、按工作环境分等。
四、散布图
1、定义：
散布图又称散点图、相关图，是用来分析两个非确定性变量之间相关关系的方法。
横坐标通常表示原因特性值，纵坐标表示结果特性值，交叉点表示它们的相互关系
2、散布图判别：
强正相关
弱正相关
不相关
曲线相关
弱负相关
强负相关
例如：
下图表示了某化工厂产品收率和反应温度之间的相关关系，可以出，这是正相关。
五、检查表
检查表又名核查表、调查表、统计分析表，是利用统计表对数据进行整体和初步原因分析的一种表格型工具，常用于其它工具的前期统计工作。
下图为不合格品分项检查表。
不合格项目
检查记录
小计
表面缺陷
正正正正
20
砂眼
正
5
形状不良
一
1
裂纹
正正正一
16
其他
正正
10
六、直方图
（一）直方图用途
直方图法是把数据的离散状态分布用竖条在图表上标出，以帮助人们根据显示出的图样变化，在缩小的范围内寻找出现问题的区域，从中得知数据平均水平偏差并判断总体质量分布情况。
（二）直方图画法。
1．收集数据
2．找出数据中最大值L、最小值S和极差R
3．确定数据的大致分组数k
4．确定分组组距
5．计算各组上下限
6．计算各组中心值bi、频数fi和频率pi
7．绘制直方图
以频数（或频率）为纵坐标，数据观测值为横坐标，以组距为底边，数据观测值落入各组的频数fi（或频率pi）为高，画出一系列矩形，这样就得到图形为频数（或频率）直方图，简称为直方图，见右图
（三）直方图的观察与分析
从直方图可以直观地看出产品质量特性的分布形态，便于判断过程是否出于控制状态，以决定是否采取相应对策措施。
直方图从分布类型上来说，可以分为正常型和异常型。
正常型是指整体形状左右对称的图形，此时过程处于稳定（统计控制状态）。
如图5-2a。
如果是，就要分析原因，加以处理。
常见的异常型主要有六种：
名称
特征
原因
处理方法
图形
正常型
异常型
双峰型
出现两个峰
观测值来自两个总体，两个分布的数据混合在一起造成的
重新收集和整理数据
锯齿型
呈现凹凸不平现象
作直方图时数据分组太多，测量仪器误差过大或观测数据不准确等造成的
重新收集和整理数据
陡壁型
像峭壁一样向一边倾斜
全数检查，使用了剔除了不合格品的产品数据作直方图
偏态型
顶峰偏向左侧或右侧
当公差下限受到限制（如单侧形位公差）或某种加工习惯（如孔加工往往偏小）容易造成偏左；当公差上限受到限制或轴外圆加工时，直方图呈现偏右形态。
平台型
顶峰不明显，呈平顶型
多个总体和分布混合在一起，或者生产过程中某种缓慢的倾向在起作用（如工具磨损、操作者疲劳等）
孤岛型
在直方图旁边有一个独立的“小岛”出现
生产过程中出现异常情况，如原材料发生变化或突然变换不熟练的工人。
（四）工序能力和工序能力指数
（1）工序能力
是指工序处于控制状态下的实际加工能力。
一般用B=6σ来表示。
这是一个经济幅度。
对于任何生产过程，产品质量总是分散地存在着。
若过程能力越高，则产品质量特性值的分散就会越小；若过程能力越低，则产品质量特性值的分散就会越大。
那么，可用6σ（即μ±3σ）来描述生产过程所造成的总分散。
若B=2σ，则合格品率为68.26%.
若B=4σ，则合格品率为95.45%.
若B=6σ，则合格品率为99.73%.
若B=8σ，则合格品率为99.994%.
（2）工序能力指数
定义：
衡量工序能力满足加工质量要求的程度
Cp=
质量标准
=
T
=
T
工序能力
6σ
6S
评价：
Cp>1.67，特级，能力过高；
1.67≥Cp>1.33，一级，能力充分；
1.33≥Cp>1.0，二级，能力尚可；
1.0≥Cp>0.67，三级，能力不足；
0.67>Cp，四级，能力严重不足。
七、控制图
控制图是对生产过程中产品质量状况进行实时控制的统计工具，是质量控制中最重要的方法。
人们对控制图的评价是：
“质量管理始于控制图，亦终于控制图”。
控制图主要用于分析判断生产过程的稳定性，及时发现生产过程中的异常现象，查明生产设备和工艺装备的实际精度，为评定产品质量提供依据。
我国也制定了有关控制图的国家标准——GB4091.1。
控制图的基本样式如下图所示。
相关说明：
横坐标为样本序号，纵坐标为产品质量特性，图上三条平行线分别为：
实线CL——中心线，虚线UCL——上控制界限线，虚线LCL——下控制界限线。
在生产过程中，定时抽取样本，把测得的数据点一一描在控制图中。
如果数据点落在两条控制界限之间，且排列无缺陷，则表明生产过程正常，过程出于控制状态，否则表明生产条件发生异常，需要对过程采取措施，加强管理，使生产过程恢复正常。
（一）控制图的设计原理
1．正态性假设：
控制图假定质量特性值在生产过程中的波动服从正态分布。
2．3σ准则：
若质量特性值X服从正态分布N（μ，σ2），根据正态分布概率性质，有
（5.13）
也即（μ-3σ，μ+3σ）是X的实际取值范围。
据此原理，若对X设计控制图，则中心线CL=μ，上下控制界限分别为UCL=μ-3σ，LCL=μ+3σ。
3．小概率原理：
小概率原理是指小概率的事件一般不会发生。
由3σ准则可知，数据点落在控制界限以外的概率只有0.27%。
因此，生产过程正常情况下，质量特性值是不会超过控制界限的，如果超出，则认为生产过程发生异常变化。
（二）控制图的基本种类
1、按分析数值特征分：
大类
小类
用途
计量值控制图
图
均值——极差控制图
长度、重量、时间、强度等连续变量
图
单值——移动极差控制图
图
中位数——极差控制图
图
均值——标准差控制图
计数值控制图
P图
不合格品率控制图
不合格品数、不合格品率、缺陷数等离散变量
u图
单位缺陷数控制图
Pn图
不合格品数控制图
c图
缺陷数控制图
2、按控制图的用途来分，可以分为分析用控制图和控制用控制图。
分析用控制图
分析用控制图用于分析生产过程是否处于统计控制状态。
若经分析后，生产过程处于控制状态且满足质量要求，则把分析用控制图装化为控制用控制图；若经分析后，生产过程处于非统计控制状态，则应查找原因并加以消除。
控制用控制图
控制用控制图由分析控制图转化而来，用于对生产过程进行连续监控。
生产过程中，按照确定的抽样间隔和样本大小抽取样本，在控制图上描点，判断是否处于受控状态。
（三）控制图的判别规则
1、分析用控制图
若控制图上数据点同时满足下表的规则，则认为生产过程处于控制状态。
分析用控制图判别规则
规则
具体描述
规则1：
绝大多数数据点在控制界限内
1连续25点没有一点在控制界限外
2连续35点中最多只有一点在控制界限外
3连续100点中最多只有两点在控制界限外
规则2：
数据点排列无右边的1~8种异常现象
1连续7点或更多点在中心线同一侧
2连续7点或更多点单调上升或下降
3连续11点中至少有10点在中心线同一侧
4连续14点中至少有12点在中心线同一侧
5连续17点中至少有14点在中心线同一侧
6连续20点中至少有16点在中心线同一侧
7连续3点中至少有2点落在2σ与3σ界限之间
8连续7点中至少有3点落在2σ与3σ界限之间
2、控制用控制图
控制用控制中的数据点同时满足下面规则，则认为生产过程处于统计控制状态：
规则1：
每一个数据点均落在控制界限内；
规则2：
控制界限内数据点排列无异常情况（参见分析用控制图规则2）。
（四）控制图几种常见的图形及原因分析
在使用控制图时，除了根据表5-3的判断规则对生产过程进行正确判断以外，下面所列出的几种观察和分析方法也是十分重要的：
症状
对于
图
对于R图
数据点出现上、下循环移动的情形
其原因可能是季节性的环境影响或操作人员的轮换
其原因可能是维修计划安排上的问题或操作人员的疲劳
数据点出现朝单一方向变化的趋势
其原因可能是工具磨损，设备未按期进行检验
原材料的均匀性（变好或变坏）
连续若干点集中出现在某些不同的数值上
其原因可能是工具磨损，设备未按期进行检验
原因同左
太多的数据点接近中心线
若连续13点以上落在中心线±σ的带型区域内，此为小概率事件，该情况也应判为异常。
出现的原因是：
控制图使用太久没有加以修改而失去了控制作用，或者数据不真实
五QC新七种工具
质量控制新七种工具是日本质量管理专家于70年代末提出的，用于全面质量管理PDCA的计划阶段。
它们与上述主要运用于生产过程质量控制和预防的QC七种工具相互补充，共同致力于质量提高。
（这部分有关详细内容可见《深入探讨》中《新QC新七种工具》一文）
名称
描述
图示
关联图
用于将关系纷繁复杂的因素按原因-结果或目的-手段等目的有逻辑地连接起来的一种图形方法。
PDPC法
又称过程决策程序图法，是将运筹学中过程决策程序图应用于质量管理。
它是指在制定达到目标的实施计划时加以全面分析，对于事态进展中各种障碍进行预测，从而制定相应的处置方案和应变措施的方法。
头脑风暴法
也称集思广益法，它是采用会议的方式，引导每个人广开言路、激发灵感，畅所欲言地发表独立见解的一种集体创造思维的方法。
树图
也叫系统图，它把要实现的目的与需要采取的措施或手段，一级一级系统地展开，以明确问题的重点，寻找最佳手段或措施。
矩阵图
是以矩阵的形式分析因素间相互关系及其强弱的图形。
它由对应事项、事项中的具体元素和对应元素交点处表示相关关系的符号构成。
箭线图法
又称矢线图法，计划评审法KERT、关键路线法CPM，是网络图在质量管理中的应用。
是制定某项质量工作的最佳日程计划和有效地进行进度管理的一种方法。
亲和图
别名卡片法、KJ法、A型图解法。
用于归纳、整理由“头脑风暴”法产生的观点、想法等语言资料，按它们之间亲近关系加以归类、汇总的一种图示方法。
升级会员 