项目质量管理第3部分质量控制讲解课件.ppt

《项目质量管理第3部分质量控制讲解课件.ppt》由会员分享，可在线阅读，更多相关《项目质量管理第3部分质量控制讲解课件.ppt（85页珍藏版）》请在三一办公上搜索。

1、2023/4/1,1,第二章 项目质量控制,质量控制的含义和一般过程项目质量管理概念、过程和要求质量控制的技术和方法（SPC）一、统计基础二、统计思想与变异理论三、常用统计技术和方法四、抽样技术与抽样检验五、过程能力六、控制图,2023/4/1,2,质量管理三个普遍的过程(三部曲),2023/4/1,2,chenyt_,2023/4/1,3,质量控制,质量控制（quality control，QC)质量管理的一部分，致力于达到质量要求。,质量控制过程确定标准，评价实际绩效将实际绩效与质量目标对比对差异采取措施,控制系统,2023/4/1,5,项目质量控制（Project Quality Con

2、trol）,监控特定的项目成果，以判定它们是否符合有关的质量标准，识别以消除引起不满意绩效的原因的方法。项目产品质量控制项目工作质量控制,2023/4/1,6,项目质量控制的目的和要求,QC的目的是确保项目质量能满足质量要求QC贯穿于项目实施的全过程QC的范围涉及质量形成的各个环节QC应贯彻预防为主与检验把关相结合的原则QC应运用统计过程控制（SPC）的方法和技术,2023/4/1,7,项目质量控制的特点,项目质量的影响因素多，项目质量控制具有阶段性项目过程变异多容易产生判断错误项目一般不能解体、拆卸项目质量受费用、工期的制约,2023/4/1,8,项目质量控制过程,1.依据1)质量管理计划2

3、)质量测量指标3)质量核对表4)组织过程资产5)工作绩效信息6)批准的变更请求7)可交付成果,3.成果1)质量控制衡量2)确认的缺陷补救3)质量基准(更新)4)推荐的纠正措施5)推荐的预防措施6)请求的变更7)推荐的缺陷补救8)组织过程资产(更新)9)确认的可交付成果10)项目管理计划(更新),2.工具与技术1)因果图2)控制图3)流程图4)直方图5)帕累托图6)趋势图7)散点图8)统计抽样9)检查10)缺陷补救审查,2023/4/1,9,项目质量控制系统,2023/4/1,10,项目质量控制与改进过程,2023/4/1,11,项目质量控制实施,为什么需要控制？,2023/4/1,12,202

4、3/4/1,13,统计思想及其应用,统计是一门关于收集、组织、分析、解释和展现数据的科学。在质量管理实践中，测量和分析过程产生了各种各样的数据。统计的技术和方法为人们提供了一种从数据中获取信息，以形成决策和采取行动的有效途径。统计的技术和方法为我们了解的现状，分析过程的变异，监控过程状态，建立控制标准和实施控制措施，保证过程输出满足要求的产品和服务，提供了有效的方法，其中SPC变是这方面的知识体系。,2023/4/1,14,一、统计基础,了解统计的基本知识，是学习和应用统计技术和方法的前提。相关的统计的知识有数据的类型、定性数据量表、样本与总体、统计特征数、随机变量与概率分布等。,2023/4

5、/1,15,(一)质量数据的类型,所谓数据即对象的观测值。质量数据即质量特性的观测值。1计量数据凡是可以连续取值的，或者说可以用测量工具具体测量出小数点以下数值的这类数据，就叫做计量数据。2计数数据凡是不能连续取值的，或者说即使用测量工具也得不到小数点以下的数据，而只能得到0或者1，2，3等自然数的这类数据，就叫做计数数据。相应地，取计数数据的变量或非连续数值的变量，为离散变量。计数数据还可以细分为计件数据和计点数据。,2023/4/1,16,(二)总体和样本,1总体在某一次统计分析中研究对象的全体，有时又叫“母体”。总体是提供统计数据的大本营，是源源不断地供给数据的原始数据库。它是一个完全数

6、据集或感兴趣的对象的集合。总体可以是有限的，也可以是无限的。组成总体的每个单元（产品）叫做个体。总体中所含的个体数叫做总体容量（总体大小），常用符号N表示总体。2样本样本也叫“子样”。它是从总体中随机抽取出来并且要对它进行详细研究分析的一部分个体（样品）。样本中所含的样品数目，一般叫样本大小或样本量，常用符号n表示。被抽出的样本中的每一个产品叫做样品。样本是由1个或若干个样品或个体组成的。,2023/4/1,17,(三)概率与随机变量,在一定条件下，并不总是出现相同结果的现象称为随机现象。为了研究随机试验结果，揭示客观存在的统计规律，人们引入了随机变量这个概念来表示随机事件。认识随机现象的首要

7、问题是罗列出它的一切可能发生的基本结果，即样本点，随机现象的所有的可能的样本点称为样本空间。随机现象的某些样本点的集合称为随机事件。一个随机现象的两个随机事件之间存在3种可能的关系：包含、互不相容和相等。随机事件的发生与否是带有偶然性的。随机事件发生的可能性有大小之别，是可以度量的。,2023/4/1,18,1.概率,概率一个随机事件A发生可能性的大小称为这个事件的概率，通常用P(A)表示，概率是介于0到1之间的数。概率越大，事件发生的可能性越大；概率越小，事件发生的可能性也越小。不可能事件的概率为0，即P()=0。必然发生的事件的概率为1，即P()=1。在统计意义上，如果与事件A相关的随机现

8、象是可以大量重复试验的，如果在n次重复试验中，事件A发生k次，则事件A发生的频率为：n(A)=k/n。这里频率n(A)能反映事件A发生的可能性大小。频率n(A)将会随着重复试验次数的增加而趋于稳定，这个频率的稳定值即为事件A的概率。在实际中，人们无法把一个试验无限次地重复下去，只能用重复试验次数n较大时的频率去近似概率。基于概率的性质和随机事件的特点，可以具体计算事件发生的概率。,2023/4/1,19,2随机变量,表示随机现象结果的变量称为随机变量。常用大写字母X，Y，Z等表示随机变量,它们的取值 用相应的小写字母x，y，Z等表示.假如一个随机变量仅取数轴上有限个点或可列个点，则称此随机变量

9、为离散随机变量,或离散型随机变量。假如一个随机变量的所有可能取值充满数轴上一个区间（a，b)，则称此随机变量为连续随机变量，或连续型随机变量，其中a可以是-，也可以是+。,2023/4/1,20,3随机变量的分布,随机变量的取值是随机的，但还是有内在规律的。这个规律可以用分布来描述。分布的含义是：X可能取哪些值？或在哪个区间上取值？X取这些值的概率是多少？或在任一区间上取值的概率是多少(概率分布)？概率分布是指随机变量在总体中(样本空间中)的取值与其发生概率二者关系的数据模型/函数。它是表示一个随机变量的相对频率的理论模型。这个模型或称概率分布函数完整地描述了随机变量的统计规律性。,2023/

10、4/1,21,离散随机变量的分布,离散随机变量的分布可以用分布列来表示，比如随机X取n值：x1，x2，xn，X取x1的概率为p1,X取x2的概率为p2,X取xn的概率为pn。这用一个式子表示：P(X=xi)=pi i=1,2，n作为一个分布，pi 满足以下两个条件：pi0，p1+p2+pn=1满足这两个条件的分布称为离散分布，这一组pi 称为分布的概率函数。这些可以用一张表表示：,2023/4/1,22,连续随机变量的分布,连续随机变量的分布可用概率密度函数p(x)表示，也记为f（x）。它是一种表示质量特性X随机取值内在统计规律性的函数。概率密度函数p(x)有多种形式，它在以X发生概率为纵轴，

11、X取值为横轴的平面坐标系上，概率密度（即单位长度上的概率或频率）曲线不同的位置、散布程度、分布形状，反映了质量特性的差别。随机变量X的分布(概率密度函数)有几个重要的特征数，分别期望来表示分布的集中位置(中心位置)和用方差表示散布程度大小。,2023/4/1,23,连续随机变量概率的计算,X在区间（a，b)上取值的概率P(aXb)为概率密度曲线以下区间(a,b)上的面积。概率密度曲线一定位于x轴上方(p(x)0)，并且与x轴所夹的面积恰好为1。,P c1 xc2=F(c1 xc2)=,2023/4/1,24,4常用随机变量的分布,常用的离散随机变量的分布有二项分布、泊松公布和超几何分布。常用的

12、连续随机变量的分布的均匀分布、正态分布、对数正态分布等。最常见的是正态分布。,正态分布,如果一个随机变量x的概率分布呈正态分布，则其概率密度函数可以表示如图所示正态分布通常记为,其中为随机变量x的均值为x的标准偏差e=2.71828，为自然对数体系中的底数=3.14159，为圆周率,2023/4/1,26,正态分布随机变量变量,正态分布描述了许多质量特性X随机取值的规律性。特别是，根据中心极限定理，无论总体服从什么分布，只要样本量足够大，来自这个总体的随机样本的均值呈近似正态分布。,2023/4/1,27,正态分布的特点,正态分布概率密度函数曲线是对称的、单峰的钟形曲线。任何一个正态分布仅由均

13、值和标准偏差这两个参数完全确定；确定中心位置，称为位置参数，决定分布曲线的形状，称为形状参数；越小，曲线越陡，数据离散程度越小，越大，曲线越扁平，数据离散程度越大。随机变量的均值=0，且标准偏差=1，则称为这时的正态分布为标准正态分布。正态分布曲线下面的面积，是随机变量在相应区间取值的概率，或者说总体中有多大比例的数值落在相应的区间范围内。总体中有68.26%的个体落于1范围内；总体中有95.44%的个体落于2范围内；总体中有99.73%的个体落于3范围内总体中有99.9999998%的个体落于6范围内。,2023/4/1,28,(四)常用统计参数,样本来自总体，因此，样本中包含了有关总体的丰

14、富信息，但未经加工的信息是零散的，为了将零散的信息综合起来反映总体和特征，需要对样本进行加工。图表是加工信息的一种方法，另一种方法是构造样本函数，不同的函数反映总体的不同特征。其中不含未知参数的样本函数称为统计参数，也称为统计特征数或统计参数。统计参数有两类：一类是表示数据总体状态和集中位置的，如均值、中位数；另一类是表示数据散布范围或离散程度的，如极差，标准偏差。,2023/4/1,29,二、统计思想与变异理论,(一)变异(Variation)及其来源(二)变异的类型(三)关于变异的观点(四)两类管理错误(五)统计变异思想在管理中运用的领域,2023/4/1,30,(一)变异(Variati

15、on)及其来源,变异是指在过程运行中，任何与目标或规范要求不一致的变化，有时也称为波动。变异是客观存在的，它存在于任何事物中，变异可以是非常小的，甚至没有高精度的测量仪器就无法感觉到。变异也可以很大并且容易发现。世界上没有两个对象具有相同的特性测量值；如果两个对象有相同的特性测量值，常常是由于测量手段的限制造成的。根据产生引起变异因素的性质，可以分为一般原因变异(common cause varitation)和特殊原因变异两类。(special cause varitation),2023/4/1,31,(二)变异的类型,现代质量控制专家休哈特从变异的角度将过程分为两类：（1）伴有“不可避免

16、的随机变异”的稳定过程；（2）伴有“可确定原因引起的变异”的不稳定过程。如果过程变异的范围落在顾客容许的范围（规范限）内，则生产和发运的产品可以确保顾客满意，如果过程变异的范围恰好与顾客容许的范围相等，那么就必须对过程进行严格监控，当有必要时还需调整过程，以便使输出最大限度地使顾客满意，如果过程变异的范围超出了顾客容许的范围，就需要对输出进行检验，以确定其是否满足顾客的要求。当过程的变异量能够以一定的置信度进行预测时，就称过程处于统计控制状态。尽管很难确切预测每一个具体的值，但我们可以预测它将落人某个范围。类似地，我们还可以预测长期平均值。对于不稳定的过程，无法预测有多少产品落人顾客的容差限内

17、，生产让顾客满意的产品所必需的成本也无从得知，因为组织被迫生产了大量备用库存，并在制定工作预算时，也必须包括备用库存因素。戴明认同休哈特的变异的来源，并称产生过程变异的原因分别为一般原因和特殊原因。,2023/4/1,32,1一般原因变异,一般原因是一个过程中始终存在的、非人力可控的、而成为过程的固有的组成部分的变异因素。在生产过程中，一般原因产生的变异通常占全部所观察到的变异的80-95%。一般原因是由于系统设计导致的,当然,系统是由管理人员设计的。变异的一般原因持续存在，并引起可控的变异或一般原因变异。仅有一般原因支配的系统称为稳定系统；当一个过程仅受到一般原因影响时，则称该过程为受控过程

18、。一般原因变异与诸如供应商的选择、输入的质量、人员聘用和培训状况、设备选择。机器维修和工作条件等有密切的联系。如果过程变异过大，必须改变过程。,2023/4/1,33,2特殊原因变异,特殊原因是除一般原因以外的引起过程变异的因素。也称为可指定原因变异。通常特殊原因是由外部来源产生的。这些外部来源不是某个过程中固有的。通常是孤立的偶发因素，它们打破一般原因的随机模式。因此，特殊原因更易于利用统计方法进行探测，并且通常可以经济地纠正。特殊原因变异指在一个生产过程中，一个或多个因素处于不正常的或不期望的状态引起的变异。由特殊原因支配的过程为不稳定过程或不受控过程。在不稳定的过程中观测到的不期望的变异

19、水平或不期望的变异水平是由非过程固有的特殊原因引起的。变异的特殊原因通常者是在局部时间和空间发生的，它们的出现可以被探察，引起不可控变异。特殊原因经常导致正常情况的突然偏离或极端偏离，但也可以是过程特性的慢性漂移。当控制图失控时，应该调查是哪些特殊原因影响了过程输出。过程的操作人员通常具有指导特殊原因调查的特殊知识。,2023/4/1,34,(三)关于变异的观点,变异存在于系统之中，并且如果系统稳定，则是可以预测。对于一个稳定的系统，实际生产过程中发生的变异，总体上来自过程本身。而许多经理却认为所有的变异都是可控的，并归咎于那些无能为力的工人。对于一个稳定系统，为工人所规定的数字目标通常是没有

20、意义的。管理人员应该对系统负责。实验表明存在的问题是管理不善。人员能够而且确实影响过程的结果，不加区别地消除一般变异原因，去“干预”过程会产生不必要的变异。有可用的工具控制图用来监视变异，区分一般原因变异和特殊原因变异。戴明估计由一般原因引起的变异中，工人引起的变异占80%。这并非是工人的错，他们通常尽了最大的努力，甚至在其它因素达不到理想情况时也是如此，这更多的是管理者的责任，他们影响过程，而不处于过程之中。管理者决定在设计过程中花费多少时间和费用，将影响使用的资源和方法。正是过程的设计影响着一般因素引起的变异的大小。,2023/4/1,35,关于变异的观点,所以，变异一般原因是一个过程固有

21、的。一般原因通常占所观察到变异的绝大部分，不能逐个得到识别和控制。变异的特殊原因是偶发性的，由外部扰动引起，通常可以在统计意义上进行识别，还可以解释和纠正。只有一般原因支配的系统称为稳定系统。朱兰在一般原因变异与特殊原因变异的基础上，为质量改进项目区分出了主要由特殊原因支配的偶发问题和长期问题。改进项目从一个混饨状态开始，应该首先通过消除偶发问题达到可控的变异。当达到了可控变异的状态后，质量改进项目就应该通过消除长期问题，从而缩小可控变异的范围来使质量得到一个突破性的提高。通过消除偶发问题实施控制，通过消除长期问题实现管理突破的想法是朱兰思想的关键。,2023/4/1,36,(四)两类管理错误

22、,变异无处不在，许多管理者不了解一般原因与特殊原因的区别，可能导致干预稳定系统而增加变异，或者失去消除变异的特殊原因的机会。这就是管理者可能会犯的两个根本性错误：第(一)针对所有的实际上是由一般原因引起的瑕疵、抱怨、差错、故障、事故或短缺等质量问题，像特殊原因那样处理。这种情况下，干预一个稳定的系统会增加系统的变异，从而形成长期针对一般原因进行“瞎调整”。第(二)针对所有的实际上是由特殊原因引起的瑕疵、抱怨、差错、故障、事故或短缺等质量问题归因于一般原因。这种情况下，由于错误地假设变异不可控而失去了减少变异的机会。,2023/4/1,37,(五)统计变异思想在管理中运用的领域,在组织层次上，它

23、有助地主管人员了解业务系统及其核心过程，利用来自整个组织的数据评估绩效，开发有用的测量系统，并鼓励员工进行试验以改进工作。在过程层次上，统计思想可以激励管理人员开发和评估标准化的项目管理系统，设置现实的目标，针对变异性质，以过程为关注焦点而不是去责备员工。在单体或个人层次上，统计思想可以帮助员工拥有丰富的变异知识，以更好地分析工作数据，识别重要的测量指标和改进的机会。,2023/4/1,38,三、常用统计技术和方法,在质量管理实践中，人们运用统计科学原理，将基本的统计技术运用于观察、分析和解决质量问题，产生了许多有用、实用的统计方法。统计方法是关于收集、整理、分析、解释和展现统计数据，并对数据

24、所反映的问题作为一定结论的方法。它是统计技术的具体运用和专门化。描述性统计统计推断/推断性统计预测性统计,2023/4/1,39,常用统计技术和方法,2023/4/1,40,(一)描述性统计,描述性统计有效地收集、组织和描述数据的统计方法。它可以提供自然原始数据的重要的定量信息。集中趋势测量指标（均值、中位数、比例）离散测量指标（极值、标准偏差、偏差）,2023/4/1,41,(二)统计推断,统计推断是一个过程，它根据从总体中抽取的数据，获得关于总体未知特征的结论。参数估计即根据从总体中抽取的样本估计总体分布中包含的未知参数的方法。它是统计推断的一种基本形式，是数理统计学的一个重要分支，分为点

25、估计和区间估计两部分。假设检验是一种基本的统计推断形式，又称统计假设检验。根据样本数据推断关于总体的某一命题成立与否的系统化方法。试验设计（DOE）就是在预先“设计”好的某种条件下有计划地进行试验，从而能够更迅速、更经济、更有效地获得预测某种现象的统计资料，并通过分析试验结果，从中归纳出具有普遍性和可重复性的规律的一种方法，它是科学和合理地制定试验方案及分析试验结果的一种数理统计工具，也称为称正交设计或实验设计。DOE是了解大量过程变量的影响，以及改进质量的强有力的工具。,2023/4/1,42,(三)预测性统计,预测性统计即为基于过去的数据来预测未来的统计过程。这一技术技术能够分清一个过程的

26、特征并预测未来结果。相关分析研究随机变量之间的相关关系的一种统计方法。其中利用相关系数表示相关程度。回归分析研究一个或多个随机变量Y1，Y2，Yi与另一些变量X1、X2，Xk之间的关系的统计方法。又称多重回归分析。通常称Y1，Y2，Yi为因变量，X1、X2，Xk为自变量。回归分析是一类数学模型，通常使用回归方程表达相关关系。回归分析中关心的是一个随机变量Y对另一个（或一组）随机变量X的依赖关系的函数形式。相关分析中所讨论的变量的地位一样，分析侧重于随机变量之间的种种相关特征。,2023/4/1,43,四、抽样技术与抽样检验,抽样，就是指从总体中抽取样品组成样本的过程。抽样的目的在于从样本所包含

27、的信息中，获得关于总体特征的知识。在质量管理中，常用这种研究局部去推断全局，研究样本去估计预测总体的统计方法，从而达到保证产品质量的目的。当然，运用样本估计、推断总体不会百分之百正确，而且会有误差和判断错误。抽样有多种方式或技术，其中广泛应用的典型抽样是随机抽样。统计抽样技术在抽样检验中的应用，形成了质量检验中最常用的抽样检验技术和方法,2023/4/1,44,(一)随机抽样,随机抽样，即从总体中随机抽取一定数目的个体单位作为样本进行观察，使每个个体单位都有一定的概率被选人样本，从而使根据样本所做出的结论对总体具有充分的代表性。随机抽样能有效地避免主观性导致的倾向性误差（系统误差），使得样本资

28、料能够用来有效地估计和推断总体的数量特征，并通过计算抽样误差，说明估计结果的可靠程度。非随机抽样或称判断抽样。利用判断抽样，检查相关数据的任意样本，计算不合格的百分比。由于判断抽样不是随机的，作出错误结论的风险不能量化。因此，它并不是首选的抽样方法。,2023/4/1,45,1随机抽样方法,抽样研究的目标是以最低的成本，按照事先为该项研究确定的精度和可靠性，抽取最大可能代表总体的样本。最常用的抽样方法有：简单随机抽样分层随机抽样等距随机抽样整群随机抽样。,2023/4/1,46,简单随机抽样,简单随机抽样是最基本的一种概率抽样，即指总体中的每一个个体被抽到的机会是相同的。特点是：方法简单直观，

29、由于总体中每个个体抽取的概率相等，计算抽样误差及对总体参数加以推断时比较方便。其缺点是程序比较复杂，在实际工作中做到总体中每个个体都被抽到的机会完全一样是不容易的。,2023/4/1,47,分层随机抽样,分层随机抽样也称为分类随机抽样，即先将总体按某些重要的标志分成互不交叉重叠的若干层，然后在各层中采用简单随机抽样或其他抽样方式抽取若干个样本单体，由各层的样本单体组成一个样本。分层随机抽样会提供与简单随机抽样类似的结果，但使用的样本量更少。它比相同样本量的简单随机抽样产生更小的估计误差。分层随机抽样的优点是：样本代表性好，抽样误差小；缺点是：抽样手续较烦琐。这种方法常适用于产品质量的验收。,2

30、023/4/1,48,等距随机抽样,等距随机抽样也称为系统随机抽样或机械随机抽样，即将总体单体按某一标志（如时间）排序，然后按一定间隔来随机抽取样本单位。等距随机抽样的优点是：实施方便，同时能够保证样本对总体的代表性，适合大批量生产的流水线上产品的抽查；缺点是：若总体单位排序后呈现一定的规律性甚至周期性，而抽样间隔的周期正好与之吻合，依赖于这样排列的等距抽样就因而会产生系统性的偏差。,2023/4/1,49,整群随机抽样,整群随机抽样也称集团随机抽样，即在总体中，不是抽取个别样品，而是随机抽取整群的产品。整群随机抽样的优点是：比较方便；当群内的要素不相像（不均一）时，整群抽样可以产生不错的结果

31、。缺点是：由于样本只是来自个别几个群体，而不能均匀地分布在总体中，因而代表性较差，抽样误差较大。,2023/4/1,50,2抽样误差,抽样误差无论如何精心抽取样本，抽样误差总会产生，通常是由于样本不能总是代表总体而产生的结果。减少抽样误差的唯一方法是扩大从总体中抽取的样本。抽样误差大小由样本量确定，所以样本量是抽样中的关键事项。通常，可以针对所研究的问题，确定在一定的置信水平下，根据可接受的抽样误差的大小，确定恰当的样本量。系统误差（通常称为非抽样误差）由于主观性导致的倾向性误差（系统误差），系统误差来源包括：偏向：从自己的观点看问题或解决方案的倾向。非可比的数据：数据来自两个总体却被误认为是

32、来自一个总体。不加鉴别的趋势估计：认为过去发生的未来仍然会发生的假设。(错误的)因果关系(假设)：由于两个变量有关系，而认为其中一个发生变化必然引起另一个变化的假设。不恰当的抽样：因使用了有误差的数据收集方法，而导致产生偏向。,2023/4/1,51,(二)抽样检验,抽样检验是指按照一定的方案(规则、程序)，从一批产品中随机抽取样本(被抽取产品)进行检验，根据样本的检验结果判断该批产品是否合格，并由此判定该批产品是接收还是拒收的检查验收方法。抽样检验也称为验收抽样检验或抽样检查。它是检验的基础，也是最常用的检查方法。抽样检验方案一个抽样检验方案通常包含三个参数：交验批量N、样本量n、合格判定数

33、或接受数A，通常用(N，n,A)表示。其中产品批质量的判断原则是：从产品批中随机抽取数量为n的样本，检验样本中的全部产品，其中不合格品数为d，如果dA则该批产品合格，予以接收；如果dA，则该批产品不合格，予以拒收。抽样检验标准抽样检验作为一种以统计理论基础上的抽样检验方式，已有80多年的历史。适应生产发展的需要，抽样检验方法得到了不断完善和发展，并且日趋标准化。国际标准化组织于1974年将美国军用标准MIL-STD-105D推荐为国际标准ISO2859。我国于1981年发布了国家标准“逐批检查计数抽样程序及抽样表”，2003年经过修订并重新发布了这相标准，即GB/T2828.1-2003。,2

34、023/4/1,52,1抽样检验的特点,优点：节约了检验费用；适用于破坏性测试；所需检验人员较少；由于拒收的是整批产品，而不是仅仅退回不合格品，更有力地促进产品质量的提高。,缺点。存在接受“劣质”批和拒收“优质”批的风险；增加了计划的工作量；样本所提供的产品信息一般少于全数检验。,2023/4/1,53,2抽样检验的类型,根据所测量产品质量特性数据的性质，抽样检验分为两类：计数抽样检验，是根据规定要求，把检验结果分为合格品和不合格品或者计算缺陷数的抽样检验。计量抽样检验，是对用连续量表示其质量特征（例如长度、厚度、重量、纯度）的产品的抽样检验。根据抽样检验方案中样本量的获得方法可以分为：一次抽

35、样二次抽样多次抽样序贯型抽样按抽样方式常用的有：标准型抽样检验选别型抽样检验调整型抽样检验连续型抽样检验,2023/4/1,54,3.抽样特性曲线,抽样特性曲线（operating characteristic curve）是指当一个抽样检验方案(N，n,A)确定后，产品批的接收（确定产品批为合格）概率L(p)与产品批的实际质量水平(合格率p)间的关系曲线。抽样特性曲线也称为OC曲线，曲线所反映的函数关系称为抽样检验方案的检验特性函数。不同的抽样检验方案，有着不同的抽样检验特性函数，也就是有不同的OC曲线。抽样特性曲线反映了抽样检验方案对各种质量水平的产品批的辨别能力，是制定和评价抽样检验方案

36、的基本工具。(以计数标准型抽样检验方案为例)。,2023/4/1,55,抽样特性曲线的原理,在抽样检验中，对于一个抽样检验方案(N,n,A)，任何规定的产品批接收概率L(p)或拒收概率1-L(p)，对应着一定的产品质量水平p；而要保证规定的产品质量水平p时，产品批的接收概率为L(p)，而拒收概率为1-L(p)。典型的标准型抽样方案是这样确定的：希望不合格品率为p1的批尽量不合格，设其接收概率为L(p1)=；希望不合格品率为p0的批尽量合格，设其拒收概率为1-L(p0)=。一般规定=0.05，=0.01，抽样方案的OC曲线通过A、B两点。p0 和p1 是两个重要的参数，对一批产品进行抽样检验时，

37、可以通过控制A、B两个点，来权衡生产方的利益和风险度与使用方的产品批质量水平和风险度。,2023/4/1,56,4.两类错误和两类抽样风险,2023/4/1,57,五、过程能力,过程能力是指一个过程处于稳定状态时，也就是当操作者、机器、设备、原材料、方法和环境等因素标准条件下，过程所具有的加工精度和加工能力。这种能力是一个过程能够稳定地生产出满足规范要求产品的能力；它由系统的一般原因所确定，是在过程受控条件下达到的。从定量的角度看，它是在诸因素受控的情况下，过程所加工产品的质量特性的波动幅度(分散程度)。通常用标准偏差的6倍来表示。即过程能力：B=6。通常使用两种统计技术评估过程能力：频数分布

38、直方图控制图,2023/4/1,58,变异与过程质量特性分布,直方图,正态分布,2023/4/1,59,(一)过程能力研究的内容,过程能力研究是一项精心设计的系统化的研究。它的目的是提供在特定的运行条件下，过程性能的专门信息。在过程能力研究关注的典型问题包括：过程集中于何处？过程中，存在哪些变异？与规格相比，过程性能是否可以接受？期望有多大比例的输出满足规格要求？什么因素导致过程变异？通常进行三类过程能力研究：峰值性能研究在短期内严格受控的条件下进行的，以确保没有特殊原因影响变异，用于确定过程如何在理想条件下完成所担负的工作。是过程特征研究在长期的实际运行条件下完成的，以获取原材料和操作者方面

39、存在的变异，目的在于确定一个过程如何在实际运行条件下完成所担负的工作。变异性构成研究使用一种专门设计的实验，控制变异性的来源，以评定不同变异来源对总变异的贡献。,2023/4/1,60,(二)过程能力研究的程序,系统化的过程能力研究程序包括六个步骤：选择一个有代表性的机器或过程环节(工序)；确定过程的相关条件；选择一个有代表性的操作者；提供达到标准等级的原材料；指定所用的计量与测量方法；提供记录测量值和条件的方法。,2023/4/1,61,(三)过程能力指数,过程能力指数Cp（有时称为过程潜力指数或工序能力指数）定义为规范宽度与过程标准偏差的比值。即：Cp=T/6T/6ST为产品规范确定的容差

40、范围S是所观测输出特性的标准偏差正是Cp通过一个简单的、定量的测量值将过程自然变异与设计规范联系起来。过程能力指数表示过程能力对产品设计规范的保证程度。它更准确地表示出过程能力满足要求的程度。,2023/4/1,62,过程能力指数的计算与评估,计算与评估,2023/4/1,63,(五)提高过程能力指数的途径,过程能力指数反映了过程能力，由过程能力指数的计算公式可见，提高过程能力的途径有三个：减少中心偏移量(方便、经济，首要措施)减少标准偏差S(减少变异，主要是一般原因变异，投入比较大，提高过程)增大容差范围T(需要得到顾客同意)。,2023/4/1,64,1.调整过程加工的分布中心，减少中心的

41、偏移量,措施：(1)通过收集数据，进行统计分析，找出大量连续生产过程中由于工具磨损、加工条件随时间变化而产生偏移的规律，及时进行中心调整，或采取设备自动补偿偏移、加工刀具自动调整和补偿等。(2)根据中心偏移量，通过首件检验，可调整设备、刀具等加工定位装置。(3)改变操作者的倾向性加工习惯，以容差中心值为加工依据。(4)配置更为精确的量规，由量规检验改为量值检验，或采用高一等级的量具检验。,2023/4/1,65,2.提高过程能力，减少分散程度,过程加工的分散程度，即过程加工的标准偏差S。由于材料的不均匀、设备精度等级低和可靠性差、工装模具精度较低、过程安排不合理、工艺方法不正确等，对过程能力的

42、影响是十分明显的。措施(5M1E)：修订过程，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，推广应用新材料、新工艺、新技术。检修、改造或更新设备，改造、增添与容差要求相适应的精度较高的设备。增添工具、工装，提高工具、工装的精度。改变材料的进货周期，尽可能减少由于材料进货批次的不同而造成的质量波动。改造现有的现场环境条件，以满足产品对现场环境的特殊要求。对关键工序、特种工艺的操作者进行技术培训。加强现场的质量控制，设置过程质量控制点或推行控制图管理；开展QC小组活动；加强质检工作。,2023/4/1,66,3.修订容差范围,修订容差范围，其前提条件是必须保证放宽容差范围不会影响产品

43、质量。在这个前提下，可以对不切实际的过高的容差要求进行修订，以提高过程能力的。,2023/4/1,67,六、控制图,过程能力与可控状态(输出可预测)在20世纪2030年代，美国的统计技术与质量管理专家休哈特提出统计过程控制（SPC）的理论和方法。SPC就是利用统计技术监视过程，识别变异的特殊原因以及在适当时采取纠正措施的方法论。SPC的基本观点是如果过程变异只是由于一般原因引起，则认为过程是受控的。当过程出现特殊原因时，将会超出控制图的控制限。统计控制状态的实际含义是过程平均值和方差二者都随着时间变化而保持衡定。SPC的基本工具是控制图。,2023/4/1,68,2.控制图的原理,控制图是通过

44、对过程或工序的质量特性进行测定、记录，对过程进行监测和控制的一种质量管理工具。控制图又称为管理图，它用来区分一般原因引起的变异和特殊原因引起的变异。或者说由过程固有的随机原因引起的偶然波动的工具。,时间或样本号,2023/4/1,69,控制图的原理(续),理论前提在仅存在偶然性因素的情况下，质量特性值服从正态分布。SPC的认为:如果过程变异只是由于一般原因引起，则认为过程是受控的。当过程出现特殊原因时，将会超出控制图的控制限。,2023/4/1,70,正态分布的特性,2023/4/1,71,正态分布的特性,无论、取值如何，在只有偶然性因素影响下，质量特性值落在3 区域的概率为99.73%，落在

45、区域之外的概率为0.27%，这个概率是非常小的，是小概率事件。概率原理:小概率事件在一次试验中是不会发生的，如果发生，则可判断出现异常。,2023/4/1,72,控制图的原理(续),2023/4/1,73,控制图的原理(续),因此我们可以认为：当区间定为3 时候，质量特性值应该落在这个区间，如果落在这个区间之外，就可以判断生产过程出现异常。在控制图中，我们通常把+3 定位UCL，-3 定为LCL，定为CL。,2023/4/1,74,(二)控制图的用途,确立统计控制状态。根据描点的位置和分布状况，监视过程状态。监视过程并在过程超出控制限时提供报警信号。即发现异常变异，启动必要的调查和纠正措施。确

46、定过程能力。在一个较长的时期里，比较控制图所显示的过程的统计控制状态或比较不同过程的控制图，显示和提供关于过程能力、过程稳定性的证据。控制图在质量诊断方面，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；在质量控制方面，可以用来确定什么时候需要对过程加以调整，而什么时候需要使过程保持相应的稳定状态；在质量改进方面，可以用来确认过程是否得到了改进。,2023/4/1,75,(三)控制图的类型和适用情况,2023/4/1,76,(四)控制图的应用程序,建立和应用控制图的一个完整过程通常包括以下几个步骤：选取控制图拟控制的质量特性，如重量、不合格品数等。选用合适的控制图种类确定样本组、样本大小

47、和抽样间隔。在样本组内，假定波动只由偶然原因所引起。收集并记录至少2025个样本组的数据，或使用以前所记录的数据。计算各组样本的统计量，如样本平均值、样本极差和样本标准差等。计算各统计量的控制界限。画控制图并标出各组的统计量。研究在控制界限以外的点子和在控制界限内排列有缺陷的点子，并标明异常(特殊)原因的状态。决定下一步的措施。,2023/4/1,77,应用实例,实例X-s控制图exe X-R控制图,2023/4/1,78,XR控制图的设计与应用,计数控制图不合品数,2023/4/1,79,2023/4/1,80,(五)控制图的观察和分析,控制图上点子及其排列状况，反映出生产过程的稳定程度，以

48、便决定是否采取措施。观察分析控制图有以下两类基本的判定原则，同时在应用中需要避免经常发生的错误。(1)判稳准则点子没有超出控制线（在控制线上的点子按超出处理），控制界线内的点子排列无缺陷，反映过程处于控制状态，生产过程稳定，不必采取措施。(2)判异准则控制图的点子出现点子超出，或者处于控制线上或控制界限内点子的排列出现非随机状态，即判生产过程异常，则需要分析原因，有针对性地采取措施。根据控制图判定过程异常，是一项专业性较强的工作，需要进一步的知识和技巧。国标GB/T40912001常规控制图中规定了8种典型的差异准则。为了应用这些准则，将控制图等分为6个区域，每个区宽为1，分别标记为A、B、C

49、、C、B、A，其中两个A区、两个B区和两个C区关于控制图中心线CL对称。,2023/4/1,81,判异准则(一四),准则一：1点落在A区之外,准则二：连续9点落在中心线的同一侧,准则三：连续6点递增或递减,准则四：连续14点相邻点上下交替,2023/4/1,82,判异准则(五八),准则五：连续3点中有2点落在中心线同一侧的B区之外,准则六：连续5中有4点落在C区之外,准则七：连续15点落在C区中心线上下,准则八：连续8点落在中心线两侧，但无1点在C区中,2023/4/1,83,(3)控制图应用中常见的错误,在5M1E因素未加控制，过程处于不稳定状态时就使用控制图管理过程。在过程能力不足，即在C

50、p1的情况下就使用控制图。用公差线代替控制线，或用压缩的公差线代替控制线。仅打“点”而不做分析判断，失去控制图的报警作用。不及时打“点”因而不能及时发现过程异常当5M1E发生变化时，而未及时调整控制线。画法不规范或不完整。在研究分析用控制图时，对已弄清有异常原因的异常点，在原因消除后，未剔除异常点数据。,人有了知识，就会具备各种分析能力，明辨是非的能力。所以我们要勤恳读书，广泛阅读，古人说“书中自有黄金屋。”通过阅读科技书籍，我们能丰富知识，培养逻辑思维能力；通过阅读文学作品，我们能提高文学鉴赏水平，培养文学情趣；通过阅读报刊，我们能增长见识，扩大自己的知识面。有许多书籍还能培养我们的道德情操