利用控制图来稳定和改进过程资料.ppt

利用控制图 来稳定和改进过程 （第五章） 学习目标 1、论述即使质量特性已经在允许的范围之内时，继续持续减少变异的必要性； 2、讨论和阐述如何使用控制图去稳定与改进一个过程； 3、讨论对一个过程调整不足和调整过度所带来的后果； 4、阐述对失控行为的监测； 5、阐述属性控制图是如何进行缺陷预防的； 6、描述变量控制图是如何进行永无止境的改进的； 7、讨论学习控制图的目的。 引 言 一个定义和证实了的过程是可以在稳定下来之后进一步得到改进的。基本上，可以通过统计控制图来实现。 没有合理的测量，过程改进不是不可能的，但将是很困难的，而且测量过程绩效最好的方式可能就是控制图了。 引 言 我们描述的控制图和其他的一些工具和方法必须在一定的环境下使用，这个环境为过程改进提供了积极的氛围。 高层管理者必须真正需要过程改进，过程改进才会有成效。 第一节 过程变异 过程变异 在第一章中，我们把过程变异分为一般变异和特殊变异。一般变异是每一个过程内在的变异，它包括无数在过程中总是出现并影响过程所有要素的小的来源。 管理层不应该让员工为这样的系统问题负责；系统是管理层的责任。如果管理层对系统中一般变异的程度感到不满，就应该采取措施减少或者消除这些变异。 过程变异 特殊变异是由系统外部的原因引起的。介入过程的人们的责任是对特殊变异进行检测、消除和矫正，但是有时候管理层必须找出这些特殊变异源。 发现之后，要制定对策来处理，如果特殊变异是不需要的，就不能让它们再次发生；如果特殊变异是适当的，必须制定对策来促使它们再次发生。 5.1.1 控制图和变异 在本章中，我们知道控制图是用来确认区分一般变异和特殊变异的。 当过程不再显示特殊变异而显示一般变异时，我们称这个过程是稳定的。 5.1.1 控制图和变异 当过程中只存在一般变异时，管理层必须采取措施来减少顾客需求和过程绩效之间的差距，努力使过程的中心线靠近一个可按受的水平（标称值），或者减少一般变异的程度。 这些类型的改变会给永无止境改进的需求提供帮助。 过程的4种情况 一个过程可以表述为以下4种情况之一： 1、混乱； 2、混乱边缘； 3、临界状态； 4、理想状态。 |m-μ|≤1.5σ 混乱状态 当一个过程处于混乱状态时会产生很多不合格产品，过程不在统计控制状态，也就是说，存在特殊变异源，在这种状态下无法知道和预测过程会产生多少不合格品。 混乱边缘 在混乱边缘的过程会产生100％的合格品，然而这个过程却是不稳定的：存在特殊变异源。 因此，无法保证这个过程会持续产生100%的合格品。 因为是不稳定的，这个过程会徘徊，产品特征随时都会发生改变而使过程进入混乱状态。 临界状态 临界状态描述的是生产一些不合格产品的稳定过程；过程变异来自于系统内部的一般变异源。 减少这种变异的唯一办法就是改进过程本身。 理想状态 理想状态描述的是生产100％的合格品的稳定状态，这是过程设计和过程控制的结果，它不是一个自然形成的状态，外力的存在会把过程从理想状态推出来。 过程会自动向混乱转化 惠勒和钱伯把这种现象比做熵（熵是一个物理概念，以日常语言来说，往往就是失序），在熵中类似地存在一个趋向宇宙中混乱的趋势。 可以把理想状态的过程形象地看做是完全清扫过的草坪，会因风的存在而把树叶、树枝或其他碎片吹过来破坏这个完美状态。保持草坪的完美清扫是一个永无止境的挑战。 同样地，努力达到过程的理想状态需要在管理上进行持续关注。 使用控制图防止过程退化 控制图是区分一般变异源和特殊变异源的统计工具，控制图要求管理毫不松懈地追求过程变异的无止境减少并努力达到过程的理想状态。 第二节 控制图的结构 控制图的结构 一般来说，控制图的中心线使用过程的平均值估计来代替；控制上限使用平均值加上3倍的标准差估计值；控制下限使用平均值减去3倍的标准差估计值。 这些计算来自于过程产出，并假设这个过程的产出不存在特殊变异。 关于它们的控制限，非随机波动的子组均值就是指特殊变异源的指示点。 第三节 利用控制图稳定过程 用例子说明问题 把一个每天进行大量数据录入的数据输入过程作为例子，考察使用控制图检测特殊变异。在连续24天内每天抽取一个子组，每个子组有200个检测值。 原始数据见表5-l(数据见附件：正文5-1)。表5-l中指示在5日、6日、10日、20日有不同寻常的好事发生(零缺陷)，而在8日和22日有不同寻常的坏事发生。 一个简单的控制图会帮助我们确定这些点是由一般变异引起还是由特殊变异引起的。 表5-1 数据录入操作表 控制图的好处 以上的图示，难以分析过程到底发生了什么问题？ 是特殊原因？还是正常原因？ 使用控制图就比较清晰了。 由于这里的数据是计件数据，所以使用p控制图。 当然，验证改进后的效果仍然需要使用控制图。 图5-3 数据录入的p控制图