2.第6章 数理计方法在铸件质量控制中的应用.docVIP

第6章 数理统计方法在铸件质量控制中的应用 6.1 前言 数理统计方法（Statistic Methods）是TQC中数据采集、整理、分析的基础工具。针对要解决的质量问题先搜集数据；将收集到的数据进行整理归纳，形成数、表、图形或计算出特征值，如平均值、中位数、百分比等；然后对这些数、表、图形进行观察分析，找出其中的数理统计规律。这些规律告诉我们生产或工作是否合乎要求，是否需要采取技术措施。最后经过进一步的判断找出主因，利用专业技术手段和组织协调措施达到提高质量的目的。在TQC中常用的数理统计工具有所谓的“七种数理统计工具”和“新七种工具”。 七种数理统计工具包括： （1）因果图（Cause and Effect diagram） （2）排列图（Pareto diagram） （3）直方图（Histogram） （4）管理图（Graph and control chart） （5）散布图（Scatter diagram） （6）检查表（Check sheet） （7）分层法（Stratification） 新七种工具包括： （1）系统图法(Tree Diagram methods) （2）矩阵图法(Matrix Diagram methods) （3）矩阵数据分析法(Matrix　Data-Analysis methods) （4）关联图法(Relations Diagram methods) （5）KJ法(Affinity Diagram methods) （6）过程决策程序图法(PDPC methods) （7）箭条图法(Arrow Diagram methods) 另外，在进行QC活动时，还可以结合一些价值工程理论工具，如实现困难评分法、功能系数评价表等。 6.2 主要方法应用实例 6.2.1 用排列图法分析现状 以CY6140床身铸件为例。该铸件为出口产品，精度、外观、内在质量要求均较高，结构复杂。生产初期废品率和不良品一直较高。为此，决定成立QC小组对该铸件进行改进。 对生产初期的数据进行统计，并做排列图。前八个月共生产390件，其中废品62件，废品率15.8%。在328件合格品中，不良品206件，不良品率高达60.8%。 作统计表时，应将各分类项目按出现频数（件数）从大到小的顺序排列，并计算累计百分数（见表6-1、表6-2）。排列图的左纵坐标为频数坐标，右纵坐标为累计百分数坐标。左纵坐标的总件数应对应右纵坐标的100%处。右坐标80%下方为A类区，80%-90%处为B类区，90%-100%处为C类区。从排列图上可以找出主要问题或影响质量的主要原因，通常A类区的项目占总件数的80%左右，因此是主要问题；B类区的项目占总件数的10%左右，因此是次要问题；C类区的项目占总件数的10%左右，是更次要的一般问题。从图6-1可知，砂眼和气孔是造成废品的主因，从图6-2可知，外观粗糙和硬度低是造成不良品的主因。 图6-1 床身废品排列图 图6-2 床身不良品排列图 6.2.2 用因果图讨论分析造成废品和不良品的主因（以导轨砂眼为例） 因果图是表示质量特性和原因关系的图。作因果图时，要召集与该质量问题有关的人员参加讨论，创造一个各抒己见、集思广益的会议气氛。因果图的形式见图6-3。作因果图时，大原因可从“人、机、料、法、环”方面入手，也可根据具体的生产和工艺情况确定。因果图应挂在生产现场，让每个相关者都能看到。 图6-3 导轨砂眼因果图 为了更准确地找出主要原因，在用因果图分析、讨论的基础上，运用价值工程中的“实现困难评分法”对因果图中影响砂眼的各种因素进行对比打分（见表6-3） 表6-3 产生导轨砂眼因素评分表 A B C D E F G H 合计 名称 A × 2 2 1 1 0 3 3 12 责任心不强 B 1 × 1 0 0 0 1 2 5 局部损坏未修 C 1 2 × 1 0 0 1 2 7 抛砂无力 D 2 3 2 × 1 0 1 3 12 型砂干拉强度低 E 2 3 3 2 × 1 2 3 16 工艺设计不合理 F 3 3 3 3 2 × 3 3 20 合箱操作不合理 G 0 2 2 2 1 0 × 2 9 翻箱不稳 H 0 1 1 0 0 0 1 × 3 灰份多 由打分得出影响砂眼的主要因素为：F、E、A、D。接下来即可针对主因制订对策。 6.2.3 用直方图判断分析工序状况 直方图是通过对数据的加工整理，从而分析和掌握质量数据的分布情况和估算工序不合格率的一种方法。其做法可参阅有关资料。描述直方图的关键数据有两个，一个是平均值，另一个是标准偏差。当工序处于稳定状态时，数据基本满足正