质量管理与可靠性09综述.pptVIP

控制图 Control Chart 机械工程学院 控制图 1、了解控制图的涵义和作用 2、均值-极差控制图 3、单值-移动极差控制图 4、不合格品率控制图 5、单位缺陷数控制图 6、控制图的观察和分析及使用程序 主要要求 控制图：主要内容 控制图由来 1924年，美国的休哈特（W.A.Sheuhart）首先提出用控制图进行工序控制，起到直接控制生产过程，稳定生产过程的质量达到预防为主的目的。 在现场直接研究质量数据随时间变化的统计规律的动态方法； 控制图是判别生产过程是否处于控制状态的一种手段，利用它可以区分质量波动是由偶然原因引起的还是由系统原因引起的。 预防为基础的系统 检验还是预防？ 过程控制应当以预防为目的，而不是简单地在发现问题后返工。 如果输入符合规范，且过程变量被控制在一定的范围内，则输出就是正确的。 检验还是预防？ 以预防为主的系统，我们应着重减少变化，并避免浪费。 控制图的用途 1、分析判断生产过程的稳定性，从而使生产过程处于统计控制状态； 2、及时发现生产过程中的异常现象和缓慢变异，预防不合格品发生； 3、查明生产设备和工艺装备的实际精度，以便作出正确的技术决定； 4、为评定产品质量提供依据； 控制图的标题 控制图的基本格式包括两个部分： 1、标题部分； 2、控制图部分； 产品质量的统计规律 从对产品质量的影响大小来分，质量因素可分为 偶然因素（简称偶因，random cause）偶因引起质量的偶然波动（偶波）。 异常因素（简称异因，也称为可查明因素，assignable cause, 或系统因素，systematic cause）。异因引起质量的异常波动（简称异波）。 过程中只有普通原因的变异 过程中有特殊原因的变异 产品质量的统计规律 产品质量的波动是具有随机现象的统计规律。 对于计量特性值，如长度、重量、时间、强度、纯度、成分等连续性数据。最常见的是正态分布(normal distribution) 对于计件特性值，如特性测量的结果只有合格与不合格两种情形的离散性数据，最常见的是二项分布（binomial distribution）。 对于计点特性值，如铸件的沙眼数、布匹上的疵点数、电视中的焊接不合格数等离散性数据，最常见的是泊松分布（Poisson distribution）。 控制图的基本模式 3σ 3σ 控制上限UCL Upper Control Limit 控制下限LCL Lower Control Limit 中心线CL Central Limit 样品编号（或取样时间） 质量特性 x 正态性假定 正态性假定: 任何生产过程生产出来的产品，其质量特性值总会存在一定程度的波动，当过程稳定或者说受控时，这些波动主要是由5MIE的微小变化造成的随机误差。此时，绝大多数质量特性值均服从或近似服从正态分布。这一假定，称之为正态性假定。 5MIE: 人、机器、原材料、工艺方法、测量及生产环境 3σ准则 3σ准则 　　在生产过程中，仅有偶然性误差存在时，质量特性X服从正态分布N( μ， )，则据正态分布的概率性质，有 也即（ μ － 3 σ ， μ ＋ 3 σ ）是Ｘ的实际取值范围。 P｛μ － 3 σ ＜ Ｘ＜ μ ＋ 3 σ ｝＝99.73 % 小概率原理 小概率原理　 　小概率原理又称为实际推断原理，当然运用小概率原理也可能导致错误，但犯错误的可能性恰恰就是此小概率。 　 　由准则可知，若Ｘ服从正态分布，则Ｘ的可能值超出控制界限的可能性只有0.27%。因此，一般认为不会超出控制界限。　 　所谓小概率原理，即认为小概率事件一般是不会发生的。　 反证法思想 　一旦控制图上点子越出界限线或其他小概率事件发生，则怀疑原生产过程失控，也即不稳定，此时要从5MIE去找原因，看是否发生了显著性变化。 反证法思想 5MIE: 人、机器、原材料、工艺方法、测量及生产环境 两类错误 控制图之所以规定3σ界限，主要是出于经济上的考虑。 第一类错误：将正常判为异常；概率为a; 第二类错误：将异常判为正常；概率为b; a，b不能同时减少，只能将它们控制在一定范围内。 两类错误 控制图的种类 按产品质量的特性来分类， 控制图可分为 计量值控制图与计数值控制图； 按控制图的用途来分类，控制图可分为 分析用控制图与控制用控制图； 计量值控制图 　　适用于产品质量特性为计量值的情形。例如：长度、重量、时间、强度、成分及收率等连续变量。常用的计量值控制图有下面几种： 均值－极差控制图（ 图）。 中位数－极差控制图（ 图）。 单值－移动极差控制图（ 图）。 均值－标准差控制图（ 图）。 ★ 　　计量值