介绍质量工程学的四个重要方法.doc

介绍质量工程学三个重要方法 SPC—统计过程控制 DOE—实验设计 FMEA—故障模式及影响分析 QFD—质量功能展开 SPC—统计过程控制 在生产过程中，产品的加工尺寸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。 控制图是SPC中最重要的工具。目前在实际中大量运用的是基于Shewhart原理的传统控制图，但控制图不仅限于此。近年来又逐步发展了一些先进的控制工具，如对小波动进行监控的EWMA和CUSUM控制图，对小批量多品种生产过程进行控制的比例控制图和目标控制图；对多重质量特性进行控制的控制图。（相关控制图的介绍及应用将在今后陆续推出） SPC源于上世纪二十年代，以美国Shewhart博士发明控制图为标志。自创立以来，即在工业和服务等行业得到推广应用，自上世纪五十年代以来SPC在日本工业界的大量推广应用对日本产品质量的崛起起到了至关重要的作用；上世纪八十年代以后，世界许多大公司纷纷在自己内部积极推广应用SPC，而且对供应商也提出了相应要求。在ISO9000及QS9000中也提出了在生产控制中应用SPC方法的要求。 SPC非常适用于重复性生产过程。它能够帮助我们 对过程作出可靠的评估。 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。 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。 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。 SPC作为质量改进的重要工具，不仅适用于工业工程，也适用于服务等一切过程性的领域。在过程质量改进的初期，SPC可帮助确定改进的机会，在改进阶段完成后，可用SPC来评价改进的效果并对改进成果进行维持，然后在新的水平上进一步开展改进工作，以达到更强大、更稳定的工作能力。 DOE—实验设计 任何事物都可看作是一个过程。由于输入的变化、各种干扰因素的影响以及各波动源之间可能存在的交互作用，使得过程的输出变化不定。在大多数情况下，这种输出的不稳定会给我们带来许多困扰，甚至损失。究竟是那些因素显著地影响到输出的波动？在什么条件下输出能够控制在理想的范围内？实验设计可以帮助我们解开其中之谜。 实验设计是以概率论与数理统计为理论基础，经济地、科学地制定实验方案以便对实验数据进行有效的统计分析的数学理论和方法。其基本思想是英国统计学家R.A.Fisher在进行农田实验时提出的。他在实验中发现，环 境条件难于严格控制，随机误差不可忽视，故提出对实验方案必须作合理的安排，使实验数据有合适的数学模型，以减少随机误差的影响，从而提高实验结论的精度和可靠度，这就是实验设计的基本思想。 实验设计过程可以分成实验方案的设计和实验结果的数据分析两部分。实验方案的设计包括确定实验指标、选取因素、确定因素水平、建立实验指标的数学模型和设计实验方案。实验设计的方法种类很多，但为了提高实验的准确性和可靠性，都必须遵循三个基本原则：随机化原则、重复原则和局部控制原则。实验结果的数据分析是应用线性代数、概率论和数理统计等数学工具对实验数据进行分析处理，包括拟合模型、对模型的检验、实验统计量的计算以及实验经过的解释。 在实际应用中，实验设计可以解决如下问题： 科学合理地安排实验，从而减少实验次数、缩短实验周期，提高经济效益。 从众多的影响因素中找出影响输出的主要因素。 分析影响因素之间交互作用影响的大小。 分析实验误差的影响大小，提高实验精