工艺质量知识培训课件.ppt

,南阳卷烟厂质量管理部,全员工艺质量培训知识,2010年,9月,第一部分,质量管理与质量数据,一、质量理论概述戴明质量理论14要点,1）建立坚定的目标；2）采用新哲学；3）停止大量检验；4）结束仅依靠价格选择供应商的做法；5）持续改进系统；6）建立工作岗位培训；7）提升领导力；,8）排除恐惧；9）打破部门之间的障碍；10）消除口号；11）取消工作标准；12）排除障碍，使员工以自己的工作为荣；13）制定教育和自我改进计划；14）让所有员工都参与。,朱兰质量理论要点1）朱兰三部曲定义了三个对质量管理非常重要的基本过程，其被称为朱兰三部曲，包括三个过程即质量计划、质量控制和质量改进，且三个过程是相互关联的。2）控制与突破控制是指与过程有关的活动，它可确保过程稳定，且能提供一致性输出。控制包括收集与过程有关的数据，以确保过程的一致性。突破性改进意味着过程经深入研究后，能对其作出重大且非随机性的改进。控制活动和与突破相关活动应该同时进行。3）有计划的质量改进方式项目方式的改进。4）将经济概念帕累托定律（80/20原则）应用于质量问题。5）朱兰博士提出的“质量大堤”的观念是强调企业需要用质量来确保生存和发展。,石川馨质量理论要点1、非常相信大众统计，开发并推广质量管理的七种基础工具。2、石川馨质量哲学1）质量始于教育并终于教育；2）质量的第一步是要了解顾客需求；3）理想的质量控制是不再需要检验；4）消除根本原因而非表象；5）质量控制是所有员工和所有部门的责任；6）不要将方法和目标混淆；7）质量第一，注重长期目标；8）市场营销是质量的入口和出口；9）当将事实摆在下属面前时，高层管理者不能发怒；10）公司95%的问题可以用七种质量控制工具解决；11）无散布性的数据是错误数据。12）质量职能是指为了使产品使用或服务具有满足顾客需要的质量而需要进行的全部活动的总和。,费根鲍姆质量理论1、主张全员参与到质量改进活动中去。2、全面质量控制的19个步骤1）全面质量控制可被定义为一个改进系统；2）大Q质量（全公司对全面质量控制的承诺）比小q质量（生产线上的改进）重要；3）控制是一个四步骤的管理工具；4）质量控制需要对无协调性活动进行整合；5）质量增加利润；6）期望质量而非渴望质量；7）人员影响质量；,8）全面质量控制可应用于所有产品和服务；9）质量是一种全生命周期的考虑；10）控制过程；11）全面质量系统涉及全公司的运营结构；12）质量有许多运营和财务利益；13）质量成本是一种衡量质量控制活动的方法；14）组织质量控制；15）管理者是质量促进者，而非质量警察；16）致力于持续的承诺；17）使用统计工具；18）自动化不是万能药；19）在源头控制质量。,克劳士比质量理论1）清楚表示管理阶层对质量作出承诺；2）各部门代表组成质量改进团队；3）确定如何测量目前和潜在质量问题的位置；4）计算质量成本，并将它作为一种管理工具说明其用途；5）提高质量意识和对所有员工的关心；6）采取正式的行动来纠正先前步骤所识别的问题；7）成立零缺陷计划委员会；8）培训所有员工以积极完成属于自身部分的质量改进计划；9）成立零缺陷日，以使员工知道已做的改变；10）鼓励个人为自己和团队建立改进目标；11）鼓励员工与管理阶层相互沟通他们在实现质量目标时所遇到的障碍；12）认可和感谢所有参与的人；13）举行经常性的质量会议；14）再做一次。15）满意是指顾客对其要求已被满足的程度的感受。,田口玄一质量理论1）质量改进工作始于休哈特在统计过程控制方面和戴明在质量改进上的努力，而田口方法是其工作的继续。2）田口方法提供一个用以确定可控产品或服务设计因子与过程输出之间功能关系的基础，一个通过优化可控因子调整过程均值的方法，一个检验过程中随机噪声与产品或服务变异之间关系的程序。3）田口方法的独特之处在于对质量所下的定义、质量损失函数和稳健性设计的概念。4）质量检验阶段是一种事后把关型的质量管理,因此不是一种积极的质量管理方式。,二、质量管理与数据现代质量管理方法（如六西格玛管理法）是一种基于数据的决策方法，它是建立在统计学基础之上的，在实施时，虽不必精通统计理论，但它对统计学的基本概念及方法须有足够的理解及掌握，否则推行现代质量管理可能流于形式。根据公司对数据的分析和处理实际做法，可以将和公司的数据分析水平确定为以下几种：1）只凭经验进行分析和决策，从来不用数据；2）收集数据，但只看看数字大小就行了；3）收集数据并画出控制图；4）对数据进行描述性统计分析；5）对数据进行描述性统计分析和统计推断。,数据的统计分析1、数理统计是从总体数据的一部分个体（样本）来推断总体的特征或倾向的科学。2、为何采用数理统计1）必要性。经济原因或总体数据难以采集。2）可能性。数理统计是门科学，在一定范围内，其推测结论的可信度是足够高的，对实际决策有重要价值。3、数理统计的基本方法,1）控制图法2）抽样检验法3）参数估计,4）假设检验5）试验设计6）相关与回归,在工作中统计工具为何有时会失灵？缺乏对统计工具的认识而误用；一般人均轻视与数学有关的事物，以致造成应用统计时的自然壁垒。企业内部的文化壁垒使得难以应用统计方法进行持续改进；统计专家与一般管理者有沟通上的困难；通常统计没有被很好地讲授，讲授中强调数学推导而忽视应用；人们缺乏科学方法的了解；组织缺乏收集数据的耐心，所有决策都必须在“昨天”已被制定；统计被视为一种用来支持现存观点的方法，而非形成决策或改进决策的方法；由于害怕可能违反重要的统计假设，所以害怕使用统计。同时，时间序列数据相当杂乱，需要更有效的先进统计方法；大多数人并不了解随机变异，导致过多的过程干预；统计工具通常只有问题发生时才被迫使用，并且只着重结果而非原因；对第类错误和第类错误概念的错误理解。,三、数据收集的目的数据是描述企业经营管理状况、设备及工装使用状况、产品质量特征的语言，是质量管理的基础（1）掌握和了解生产现状（2）分析质量问题，找出产生问题的原因（3）对一批产品质量进行评价，判定合格与否（4）对工序进行分析、调查，控制生产状态（5）掌握与调节工艺状态,四、数据的分类1 计量值数据：适用于长度、重量、时间、强度等质量特性值的分析和控制。这类数据具有连续型随机变量的分布特征，符合正态分布通常是使用量具、仪器进行测量而取得,2 计数值数据是对批产品中的不合格品数或单位产品上的缺陷数进行检查时得到的正整数数据不能连续取值，一般是不用量具、仪器进行测量就可以“数”出来，具有离散性计数值数据又可分为：计件值数据：按件计数的数据计点值数据：按点计数的数据,计件值数据：对产品按件检查时得到的数据。如：批产品中的不合格品数、事故件数等指1，2，3.，,计点值数据：检查单件产品上质量缺陷时得到的数据。如：单位棉织品上的疵点数、铸件上的砂眼数，收音机底版焊点数等。注意：表示百分率的数据（如出勤率、不合格品率、退修率等）其类型取决于其分子数据的类型。,其它分类：3 顺序数据：按某种标准将产品进行优劣排序，所得到的排位值如：按外观美观程度对10种手机的排序得到的一组排序值点数数据：如：满分100或10打分优劣数据：如01强制打分法中数据，1表示好，0表示差,五、总体和样本不同类的质量特性值所形成的统计规律是不同的，从而形成了不同的控制方法。由于工业产品数量很大，我们所要了解和控制的对象产品全体或表示产品性质的质量特性值的全体，称为总体。通常是从总体中随机抽取部分单位产品即样本，通过测定组成样本大小的样品的质量特性值，以此来估计和判断总体的性质。质量管理统计方法的基本思想，就是用样本的质量特性值来对总体作出科学的推断或预测。,1.总体（population）：被研究对象所属的集合,体,一批零件、一个工序或某段时间内生产的同类产品,的全部都可以称为总体个体：构成总体的基本单位，即单位产品，构成总体的个体数称为总体的大小，一般用N表示有限总体（finite population）无限总体（infinite population）2.样本（sample）：从总体中抽取的一部分个体的全体，样本的大小一般用n表示大样本：样本数量大于30个以上小样本：样本数量在30个以内,总体与样本的关系:总体,样本,六、数据收集的方法目的不同，收集的方法（数量、时间、地点、取样方式、测试方法、精确度以及定性质量指标数量化的方法及标准等）不同,1.2.,试验法：在考察范围内以最少的试验次数和最合理的试验条件，取得最佳的试验结果，并根据试验所获得的数据，对产品或某一质量指标进行估计抽样法：先从一批产品（总体）中抽取一定数量的样品，然后经过测量或判断，做出质量检验结果的数据记录,随机抽样指总体中每一个个体都有同等可能的机会被抽到。这种抽样方法事先不能考虑抽取哪一个样品，完全用偶然方法抽样，常用抽签或利用随机数表来抽取样品以保证样品代表性。抽样当总体容量不大时，随机抽样是一种有效的抽样方法；,分层抽样分层抽样是先将总体按照研究内容密切有关的主要因素分类或分层，然后在各层中按照随机原则抽取样本。分层抽样可以减少层内差异，增加样本的代表性。抽样样本当获得的资料不均匀，或呈偏态分布时，分层抽样是,一种有效的抽样方法；,系统抽样比分层抽样好；,1，2，,.,K,K+1，K+2，,.，,2K,2K+1，2K+2，.，,3K,直到 N为止如果被抽总体足够大，并且易作某种次序的整理时，,系统抽样从总体中每隔K个个体抽取一个个体的抽样方法，比值K是总体容量N与样本容量n之比；例，从具有1000个个体的总体中抽取50个个体。,总体、样本、数据间的关系:,抽样分析,总体管理结论,样本测试数据,1.2.3.4.,明确收集数据目的与方法注意数据的修正，剔除异常数据数据记录要真实、可靠、准确测定和记录工作应标准规范 如年月日的书写：,06/07/2;,07/02/2006;,02/07/2006,5.,注意记录与数据有关的数据背景 如测试时间、地点、数量、测试者、零件号、批号、名称规格及必要的环境 条件等有利于分析问题，且可以避免不同条件的数据混淆。,收集数据的注意事项：,收集数据的质量要求:1.精度：最低的抽样误差或随机误差2.准确性：最小的非抽样误差或偏差3.关联性：满足质量管理和质量研究的需要4.及时性：在最短的时间里取得并共享数据5.一致性：保持指标序列的可比性6.最低成本：以最经济的方式取得数据,七、数据整理的方法,1.2.3.,图表法：按数据收集顺序制作图表，把握偏差状态 如：排列图、散布图、控制图等对比比较法：采用比较观察法把握原因 如：实物比较；影响因素比较；状态比较技术观察法：借用各种先进的技术手段观察如放大镜、摄像机、红外线或激光测定等,八、表征数据的统计特征数在质量管理统计方法中，数据的特征数可分为两类：表征数据资料集中趋势的统计特征数表征数据资料变异程度的统计特征数,表征数据集中趋势的统计特征数：平均数,中位数,众数,x i,x=,ni=1,1n,Me=x n+1(n为奇数)2,12,+1,Me=,(x n+x n)(n为偶数)2 2,中位数优点：即使数据中有异常,值存在，与平均数相比所受的影响较小,(x,CV(%)=100,表征数据变异程度的统计特征数：,极差,方差,标准偏差,变异系数,R=ymax ymin,2,s 2=,ni=1,(x i x)n 1,=,ni=1,2,(x i x)2n,2,s=,ni=1,(x i x)n 1,in,ni=1,x)2,=,sx,卷烟生产过程控制与管理,第二部分,内容介绍,1 工序质量控制的基本原理2 工序能力分析2.1 基本概念2.2 工序能力分析的目的 2.3 工序能力分析的程序 2.4 多变异分析2.5 工序能力指数的计算 2.6 工序能力指数与不合格率2.7 工序能力的判断及处置2.8 工序能力分析中应注意的问题,3 控制图原理及其应用 3.1 控制图的原理3.2 控制图的选择方法3.3 计量控制图的控制程序3.4 开始建立控制图之前的准备工作3.5 建立控制图的步骤3.6 控制图的分析与判断3.7 统计过程控制的实施3.8 统计过程控制的应用误区4 现场的改进与管理4.1 现场的质量改进4.2 现场的管理4.3 应用统计方法的注意事项,引言在生产过程中，产品的加工质量的波动是不可避免的。它是由人、机器、材料、方法和环境等基本因素的波动影响所致。波动分为两种：正常波动和异常波动。正常波动是偶然性因素（不可避免因素）造成的。它对产品质量影响较小，在技术上难以消除，在经济上也不值得消除。异常波动是由系统原因（异常因素）造成的。它对产品质量影响很大，但能够采取措施避免和消除。过程控制的目的就是消除、避免异常波动，使过程处于正常波动状态。,统计过程控制（简称SPC）是一种借助数理统计方法的过程控制工具。它对生产过程进行分析评价，根据反馈信息及时发现系统性因素出现的征兆，并采取措施消除其影响，使过程维持在仅受随机性因素影响的受控状态，以达到控制质量的目的。它认为，当过程仅受随机因素影响时，过程处于统计控制状态（简称受控状态）；当过程中存在系统因素的影响时，过程处于统计失控状态（简称失控状态）。由于过程波动具有统计规律性，当过程受控时，过程特性一般服从稳定的随机分布；而失控时，过程分布将发生改变。SPC正是利用过程波动的统计规律性对过程进行分析控制。因而，它强调过程在受控和有能力的状态下运行，从而使产品和服务稳定地满足顾客的要求。,实施SPC的过程一般分为两大步骤：首先用SPC工具对过程进行分析，如绘制分析用控制图等；根据分析结果采取必要措施：可能需要消除过程中的系统性因素，也可能需要管理层的介入来减小过程的随机波动以满足过程能力的需求。第二步则是用控制图对过程进行监控。SPC非常适用于重复性生产过程，它能够帮助我们：1.对过程作出可靠的评估。2.确定过程的统计控制界限，判断过程是否失控和过程是否有能力。3.为过程提供一个早期报警系统，及时监控过程的情况以防止废品的发生。4.减少对常规检验的依赖性，定时的观察以及系统的测量方法替代了大量的检测和验证工作。,1 工序质量控制的基本原理生产制造过程是从设计质量到产品实物质量的实现过程，也是在产品质量形成过程中涉及职能部门最广及参与人员最多的重要过程。生产制造过程控制的核心是工序质量控制，统计质量控制是工序质量控制的重要内容和方法。质量差异是生产制造过程的固有本性，质量的波动具有客观必然性。,正常波动（偶然性波动）：由大量的、微小的不可控因素的作用而引起，波动具有随机性，对工序质量的影响比较小，在现有生产条件下也难以识别和消除。异常波动（系统性波动）：由少量的、但较显著的突发性的可控因素的作用而引起，不具有随机性，对工序质量的影响十分显著，甚至是破坏性的，在现有和产技术条件下一般易于识别和消除。表征过程中实际的改变。普通原因（偶然原因）：指过程在受控的状态下，出现的具有稳定的且可重复的分布过程的变差的原因。普通原因表现为一个稳系统的偶然原因。只有过程变差的普通原因存在且不 改变时，过程的输出才可以预测。特殊原因（可查明原因）：指造成不是始终作用于过程的变差的原因，即当它们出现时将造成（整个）过程的分布改变。只用特殊原因被查出且采取措施,否则它们将继续不可预测的影响过程的输出。工序质量控制的任务：使正常波动维持在适度的范围内；及时发现异常波动，查明原因，采取有效的技术组织措施消除系统性波动，使生产过程重新回到受控状态。,偶然性和系统性、正常和异常之间的关系对微小的、不可控的随机性因素缺少有效的控制，常会累积成或诱发出系统性因素，导致异常波动，使生产过程失控。由于技术和管理的进步，使原来难以识别和消除的正常波动变得可以识别并消除。这时原来的正常波动在新的技术条件下将被转化为异常波动。为了不断提高生产过程质量控制的水平，在有效控制正常波动，消除异常波动的基础上，应当通过质量改进，使一些不可控随机性因素逐渐成为可控的系统因素，不断推进质量管理的水平。,生产制造质量是产品设计、工艺选择、计划调度、人员培训、工装设备、物质供应、计量检验、安全文明、人际关系、劳动纪律等工作在生产现场的综合反应，工序质量是诸多因素的综合作用。人们常把影响工序质量的因素归纳为“5M1E”，即操作 者（man）、机 器 设 备（machine），材 料（material）、工艺方法（method）、测试手段（measure）及环境条件（environment）。工序质量控制常表现为对“5MIE”这六大因素的控制。工序质量波动的具体表现就是生产过程中质量特性的波动。,质量特性值波动的具有统计规律性质量波动的个别观测结果具有随机性，但在受控状态下的大量观测结果必然呈现某种意义上的规律性。这种统计规律是统计质量控制的必要前提的客观基础。统计质量控制，就是对生产过程中工序质量特性值总体进行随机抽样，通过所得样本对总体做出统计推断，采取相应对策，保持或恢复工序质量的受控状态。在统计质量控制中，工序质量特性值的观测数据是工序质量的表现，不仅反应了工序质量的波动性，也反映了这种波动的规律性。,根据质量特性值的属性，质量数据可分成计数值和计量值两种类型，其中计数值又可分为计件值和计点值两种。计数值质量数据不能连续取值。在统计质量控制中，计数值类型的质量特性值的统计规律可用离散型随机变量如超几何分布、二项分布、泊松分布等来描述。计量值质量数据可以连续取值。在统计质量控制中，计量值类型的质量特性的统计规律可以用连续型随机变量如正态分布来描述。,工序质量的受控状态与失控状态生产过程中，工序质量有两种状态：受控状态和失控状态。正态分布是应用最为广泛的一种连续型概率分布，在计算值质量特性值的控制和检验中经常被用来描述（或近似描述）质量变化的规律。如工序质量特性值X，其中分布参数为和，即XN（,2）则工序质量的两种状态可以用和的变化来判别。,受控状态工序质量处于受控状态时，质量特性值 的分布特性不随时间而亦变化，始终保持稳定且符合质量规格的要求。在图中，0和0是排除了任何影响工序质量的系统因素后，质量特性值X或其统计的理想分嘏的数学期望和标准差，代表生产过程中工序质量控制的目标。图中黑点表示随着时间的推移，X的观测值x（或X的统计量的观测值，如样本平均值、样本中位数等）的散布情况。从图可见，这些黑点依概率散布在中心线（0）两侧，没有任何系统性规律，且介于上、下控制限（UCL,和LCL,失控状态工序质量处于失控状态时，质量特性值的分布特性发生变化，不再符合质量规格的要求。此时，可以有几种不同的表现形式（或兼而有之）：（1）0，=0，保持稳定。从表面看，过程状态是稳定的，但由于质量特性值或其统计量的分布集中位置（）已偏离控制中心（0），黑点越出控制界限某侧的可能性变大,（2）=0，0，保持稳定。由于分布的分散程度（）变大，导致黑点越出控制界限两侧的可能性变大（3）0，0，和都保持稳定。（4）和中至少一个不稳定，随时间而变化。工序质量的基本要求是：一旦发现工序质量失控，就应立即查明原因，采取措施，使生产过程尽快恢复受控状态，尽可能减少因过程失控所造成的质量损失。,工序质量状态识别中的问题随着生产过程的继续，影响工序质量的5MIE诸因素始终处于运动变化中，因此，工序质量具有明显的动态特性。在工序质量或多或少、或快或慢的变化中，“受控”和“失控”是和控制目标相关联的两种质量状态，在一定条件下，它们可以相互转化。工序质量控制是一个不断发现问题、分析问题、反馈问题的纠正问题的动态监控过程，已发现的问题及时纠正了，新的问题又可能随时出现。从某种意义上说，工序质量控制的成功取决于能否及时发现生产过程的质量偏差，即质量特性的异常表现。由于生产过程中工序质量特性值表现的随机性，工序质量异常波动的发现及原因分析往往需要借助数理统计中的统计推断方法。工序质量的统计推断依赖于对总体随机分布的了解。遗憾的是，质量总体的真实分布通常是未知的。因此，在对工序质量进行统计推断之前，必须解决质量总体的分布形式及分布的统计特征值问题。,(x,对于各式各样的质量总体，经可以用正态分布随机变量来描述或近似地描述，尤其是统计推广中广泛应用的样本平均值的统计量，不论其来自什么样总体，只要样本容量n充分大（实践中只需n30），样本平均值就趋于正态分布。所以，正态分布是统计推断中最广泛的分布形式。在没有特殊条件的场合，总是假设所涉及的总体为正态分布随机变量。总体的统计特征，常用的就是,总体的数学期望和标准偏差。总体的数学期望常用样本均值,来估计，总体的标准偏差可用样本的标准偏差来估计，但更多的是用样本的极差来估计。,=s/c4,=R/d2,2,kni=1,i x)kn 1,=s=,如何正确选用？,2 工序能力分析在过程质量分析与控制中，计算与分析工序能力指数是质量管理的一项重要的基础工作，许多企业都定期在企业内部各主要工序上计算过程能力指数。通过工序能力分析，可以发现工序的质量瓶颈和工序中存在的问题，从而进一步明确质量改进的方向。,2.1 基本概念1.工序能力：是指处于稳定、标准状态下，工序的实际加工能力。工序处于稳定状态，是指工序的分布状态不随时间的变化而变化，或称工序处于受控状态；工序处于标准状态，是指设备、材料、工艺、环境、测量均处于标准作业条件，人员的操作 也是正确的；工序的实际加工能力是指工序质量特性的分散(或波动)有多大。加工能力强或弱的区分关键是质量特性的分布范围大小，或集中程度。由于均方差是描述随机变量分散的数字特征，而且，当产品质量特性服从正态分布N(,2)时，以3原则确定其分布范围(3)，处于该范围外的产品仅占产品总数的0.27%，因此，人们常以6描述工序的实际加工能力。实践证明：用这样的分散范围表示工序能力既能保证产品的质量要求，又能具有较好的经济性。,表达式：B=6 或 B6S影响因素：,(1)人,与工序直接有关 的操,作人员、辅助人员的质量意识和操作技术水平；(2)设备包括设备的精度、工装的精度及其合理性、刀具参数的合理性等；(3)材料包括原材料、半成品、外协件的质量及其适用性；(4)工艺包括工艺方法及规范、操作规程的合理性；(5)测具测量方法及测量 精度的适应性；(6)环境生产环境及劳动条件的适应性。,2.工序能力指数：衡量工序能力对产品规格要求满足程度的数量值，记为Cp。通常以规格范围T与工序能力B的比,值来表示。即：,T=规格上限TU-规格下限TL。工序能力指数把工序能力和实际的质量控制要求联系起来。即使是相同的工序能力，也会因为工序质量标准的不同，而使工序能力指数大相径庭。只有通过工序能力指数，才能考察工序能力是否能够满足质量控制的实际需要，以及满足这种需要的程度。,TB,T6S,C p=,=,2.2 工序能力分析的目的预测工序质量特征值的变异对公差的符合程度；帮助产品开发和工序开发者选择和设计产品/工序；对新设备的采购提出要求；为供应商的评价和选择提供依据；为工艺规划/规程的制定提供依据；找出影响工序质量的瓶颈因素；减少制造过程的变异，从而进一步明确质量的改进方向；为产品检验方法的制定提供依据；为确定质量管理点提供依据。,2.3工序能力分,析的程序,明确分析目的,充分利用质量情报明确必要性与目标、落实负责单位、完成期限、责任者、方法按调查计划规定作业，记录数据及其背景作直方图、趋势图、控制图、并判定稳定性,选顶定分析对象（工序特性值）检查工序标准条件确定测试与抽样检查方法制定调查计划收集数据分析数据,稳定状态工序能力分析工序能力过强设法降低成本修改标准,不稳定状态追查不稳定原因工序能力不足追查原因采取措施,计算并分析Cp或Cpk工序能力充分简化检查方法，确认工序能力适宜时，进行工序控制采取有效的管理措施,2.4 多变异分析 从统计质量管理的角度看，产品/工序质量的改进过程就是不断地发现产品/工序质量特征值的主要变异并逐步减少变异的过程，多变异分析就是用来分析工序质量特征值变异规律的一个重要方法。1.多变异分析的分类：在进行工序能力分析时，要求所抽检的样本观测值满足两点要求：一是样本应能捕获主要的随机性变异现象；二是样本不应包括系统性变异。因此，一个合理的抽样方案不仅应包括主要的随机变异，而且在抽样前应对变异的来源进行分析。产品内变异：生产出的单位产品，其质量特征值在不同位置上的变异。产品间变异：不同位置上的质量特征值的平均值间的变异；时间变异：不同时间点上质量特征值的变异。,2.多变异分析的方法：分析和度量3种变异的方法有两种：方差分析：根据方差分析可以确定时间变异和产品间变异相对于产品内变异是否显著，进一步的方差分解，可估算出每种变异的方差，从而分析出主要的变异来源和各部分变异的分量，为改善质量/或在工序控制中合理抽样指明方向。绘制多变异图：通过绘制多变异图来直观分析3种变异的大小。一旦确定了主要变异来源，也为进一步寻找影响变异的原因指明了方向。3.多变异分析对工序质量分析和过程控制的意义进行工序能力分析时，根据多变异分析结果确定合理的抽样方案。对于短期工序能力分析，一般要求样本数据应包含产品内变异和产品间变异。对于长期工序能力分析，还应考虑时间变异。在选择和设计控制图之前应进行多变异分析，明确变异来源，才能选择适宜的控制图和设计合理的抽样方案。进行试验参数优化时，事先进行多变异分析，找出变异来源，为合理安排试验设计方案提供依据。,2.5 工序能力指数的计算工序能力指数的计算必须满足的3个条件：工序处于受控状态，即影响工序能力指数的因素只有随机性变异，没有系统性变异；质量特征值是相互独立的；产品/工序质量特征值服从正态分布。当质量特性是计量值时，把某一期间内获取的数据绘制成 X R 控制图，确认其处于受控状态，然后计算工序能力指数。当质量特性是不合格品数或不合格品率等计数值时，用平均不合格品数或平均不合格品率来表示过程能力的大小。,Cp=U L,B 6 6,T T T T,P1,P2,TL,TU,f（x）,Tm,T,1双侧规格界限双侧规格界限是指既具有规格上限(TU)要求，又有规格下限(TL)要求的情况：（1）无偏规格中心Tm与分布中心 X 重合计算公式：,标准偏差的估计一般通过平均组内变差来估算，由=s/c4 或=R/d2 给出。,(TU T L),=,6,T 6,6,工序能力指数：,当k，即eT/2时，规定Cpk=0(图中，曲线2),（2）有偏规格中心Tm与分布中心 X 不重合计算公式：,f（x）,e,1,2,TL,TUe,P1,P2,Tm,T,绝对偏移量：e=Tm x(图中曲线1),12,eT 2,(TU+T L)x12,偏移系数：k=,=,T6,C pk=(1 k)C p=(1 k)或：T 2eT T 2eC pk,2单侧规格界限,（1）仅给出规格上限TU计算公式：,（2）仅给出规格下限TL计算公式：,TU x3,TU 3,C p=,f（x）,TU,TU,x,f（x）,TL,x,-TL,x TL3,TL3,C p=,(x,3关于CP/CPK和PP/PPK在计算和分析工序能力时，若按时间先后顺序抽取k个样本，每个样本含量为n，由于对过程标准差的估计可以采用不同的方法。根据每个样本的极差或标准差估计过程标准差,没有考虑样本间的变异或时间变异,一般称为短期过程能力指数CP和CPK;根据所有样本数据的标准差进行,称为长期过程能力指数PP和PPK。在计算CP和CPK时，根据每个样本的极差或标准差估计过程标准差：=R/d2 或=s/c4在计算PP和PPK时，根据所有样本数据估计过程标准,2,kni=1,i x)kn 1,=s=,2.6 工序能力指数与不合格率如工序处于受控状态，且质量特性值服从正态分布，则两项指标的内存联系具有简单的数学形式。当工序处于受控状态，质量特性值服从正态分布时，不合格产品率和合格品率的计算如下：当工序无偏时：,p=2(3C p),q=1 p=1 2(3C p)当工序有偏时：p=3C p(1+k)+3C P(1 k)q=1 p=1 3C p(1+k)+3C p(1 k),=2*NORMSDIST(-3*Cp),2.7 工序能力的判断及处置工序能力的判断目的：对工序工序进行预防性处置，以确保生产过程的质量水平。理想的工序能力既要能满足质量保证的要求，又要符合经济性的要求。(1)如果质量特性分布中心与标准中心重合,这时k=0,则标准界限是3(即6)时,工序能力指数Cp=1,可能出现的不良品率为0.27%,工序能力基本满足设计质量要求。(2)如果标准界限是4(即8)时,k=0,则,工序能力指数Cp=1.33,可能出现的不良品率为0.006%,这时工序能力不仅能满足设计质量要求,而且有一定的富裕能力,这种能力状态是比较理想的状态。(3)如果标准界限是5(即10)时,k=0,则,工序能力指数Cp=1.67,可能出现的不良品率为0.00006%,这时工序能力有更多的富裕,也就是工序能力非常充分。(4)当工序能力指数Cp1时,就认为工序能力不足,应采取措施提高工序能力。,2008-3-30,工序能力指数判断标准对于目前流行的6西格玛过程质量而言:CP=2CPK=1.5,提高工序能力的对策1.CP1.33。当CP1.33时表明工序能力充分，这时需要控制工序的稳定性，以保持工序能力不发生显著变化。如认为工序能力过大时，应对标准要求和工艺条件加以分析，一方面可以降低要求，以避免设备精度的浪费；另一方面也可以考虑修订标准，提高产品质量水平。2.1.0CP1.33。当工序能力处于1.01.33之间时，表明工序能力基本满足要求，但不充分。当CP值很接近1时，则会产生超差的危险，应采取措施加强对工序控制。3.CP1.0。当工序能力小于1时，表明工序能力不足，不能满足标准的需要。应采取改进措施，改变工艺条件，修订标准，或严格进行全数检查等。,提高工序能力指数的途径1.调整工序加工的分布中心，减少工序分布中心与技术标准中心的偏移量。2.提高工序能力，减少分散程度。修订工艺改进工艺方法；修订操作规程优化工艺参数；补充增添中间工序，推广应用新工艺、新技术。改造更新与产品质量标准要求相适应的设备，对设备进行周期点检，按计划进行维护，从而保证设备的精度。提高工具、工艺装备的精度，对大型的工艺装备进行周期点检，加强维护保养，以保证工艺装备的精度。按产品质量要求和设备精度要求而保证环境条件。加强人员培训，提高操作者的技术水平和质量意识。加强现场质量控制，设置关键、重点工序的工序管理点，开展QC小组活动，使工序处于控制状态。3.修订标准范围。当确信若降低标准要求或放宽公差范围不致影响产品质量,时，可以修订不切实际的现在公差要求。,2.8 工序能力分析中应注意的问题1.要选取关键的质量特性2.确定合理的抽样方案3.样本含量问题4.过程的稳定性问题5.数据分布的正态性问题6.异常值问题7.数据的独立性问题,检查过程抽样数据是否与抽样时间顺序有关,如绘趋势图和计算自相关系数来确定数据的独立性8.测量系统问题9.计数值特征的过程能力分析(单位产品缺陷数DPU,每百单位产品缺陷数DPHU,百万缺陷机会缺陷数DPMO),3 控制图原理及其应用工业革命以后，随着生产力的进一步发展，大规模生产的形成，如何控制大批量产品质量成为一个突出问题，单纯依靠事后检验的质量控制方法已不能适应当时经济发展的要求，必须改进质量管理方式。于是，英、美等国开始着手研究用统计方法代替事后检验的质量控制方法。1924年，美国的休哈特博士提出将3Sigma原理运用于生产过程当中，并发表了著名的“控制图法”，对过程变量进行控制，为统计质量管理奠定了理论和方法基础。,3.1 控制图的原理,坐标表示质量特性值或其统计量（如样本平均值）。控制图上标有中心线和控制上、下限，控制界限是判断工序过程状态的判别标准。一般来说，控制界限不应超出公差界限。控制界限一般根据“3”原理来确定。如中心线CL=则：UCL=+3,LCL=-3,控制图又叫管理图。应用控制图可以对工序过程状态进行分析、预测、判断、监控和改进，实现预防为主的过程质量管理。控制图的基本模式如右图。控制图和坐标通常表示按时间顺序抽样的样本编号，纵,ABCCBA,两类错误应用控制图判断工序是否稳定,实际上是进行统计推断.但可能出现两类错误:第一类错误称为类风险，记为，是指将正常判为异常。处于控制状态的样品落在界限以外的概率为0.27%。第二类错误称为类风险，记为，是指是将异常判为正常,处于非控制状态的样品却没有落,在界限以外。检出力=1-：过程失控得到正确判别的概率。,小概率事件发生=0.0027/2=0.00135,随机事件发生,、风险说明：应用控制图时可能发生两种类型的错误，也即存在两类风险。风险：即误判的风险，即第一种错误，也称作第一类错误。这是当所涉及的过程仍然处于受控状态，但有某点由于偶然原因落在控制限之外，而得出过程失控的结论时所发生的错误。此类错误将导致对本不存在的问题而去无谓寻找原因而增加费用。风险：即误判的风险，即第二种错误，也称作第二类错误。当所涉及的过程失控，但所产生的点由于偶然原因仍落在控制限之内，而得出过程仍处受控状态的错误结论。此时由于未检测出不合格品的增加而造成损失。第二类错误的风险是以下三项因素的函数：控制限的间隔宽度、过程失控的程度以及子组大小。上述三项因素的性质决定了对于第二类错误的风险大小只能作出一般估计。,常规控制图仅考虑了第一类错误，对于3s控制限而言，发生这类错误的可能性为0.27%。由于在给定情形下，对于第二类错误的损失作出有意义的估计通常是不实际的，而且任意选择一个较小的子组大小(例如4或5)也很方便，故采用3s 控制限，并将注意力集中于控制和改进过程本身的性能，是适宜且可行的。当过程处于统计控制状态时，控制图提供了一种连续检验统计原假设的方法，该统计原假设为过程未发生变化并保持于统计控制状态。由于通常不预先确定过程特性对于有关目标值的具体偏离情况，加之第二类错误的风险，以及未根据满足适当的风险水平来确定子组大小等原因，故常规控制图不应在假设检验的意义上加以研究。常规控制图强调的是控制图用于识别偏离过程“受控状态”的经验有效性，而非强调其概率解释。,当一个描点值落在任一控制限之外，或一系列描点值反映出异常模式，则统计控制状态不再被接受。此情形一旦发生，就应开始进行调研以确定可查明原因，过程可能被终止或进行调整。一旦可查明原因被确认并消除，则过程恢复受控状态，随时可以继续。如上所述，对于第一类错误，在极少的情况下，可能找不到可查明原因，于是必须作出结论：虽然过程处于受控状态，但是某个偶然原因造成了描点落在控制界限之外，这表明一种非常罕见的事件发生了。当为某过程最初建立控制图时，常常会发现此过程当时未处于受控状态。根据这种失控过程的数据计算出的控制限将会导致错误的结论，因为这些控制限的间距太大。为此，在固定的控制图参数建立之前，总是有必要将过程调整到统计控制状态。,控制图的作用（1）质量诊断：可以用来度量过程的稳定性，即过程是否处于统计控制状态。应用时，应按照抽样检验理论收集质量数据，绘制控制图，通过观察折线的形态和变化趋势，判断工序的质量状态。在实际实用中，这一过程应实现标准化和制度化。（2）质量控制：可以用来确定什么时候需要对过程进行调整，什么时候需要使过程保持相应的稳定状态；（3）质量改进：可以用来确认某过程是否得到了改进，经及改进到何种程度；（4）质量评定：通过绘制控制图，可为质量评定、产品和工艺设计积累各种数据。,控制图的种类一般按质量特性值或其统计量的观测数据的性质分成计量值控制图和计数值控制图两大类。按用途分为分析用控制图和控制用控制图，分析用控制图：分析生产过程是否处于稳态（统计稳态）；分析生产过程的工序能力是否满足（技术稳态）。控制用控制图：使生产过程保持在确定的稳态。在控制图的实际应用中，常将表现数据集中程度的控制图和分散程度的控制图联合使用。两图连用后，检出力得到加强。,根据国标GB4091，常规休哈特控制图包括计量控制图四种：均值极差控制图均值标准差控制图中位数极差控制图单值移动极差控制图计数控制图四种：不合格品率控制图不合格品数控制图缺陷数控制图单位缺陷数控制图,控制限参数表,n2345678910,d