生產与质量管理Production Quality Management.pptVIP

生产与质量管理Production Quality Management 第十七章 统计质量控制 第一节 统计思考和应用 第二节 统计过程控制 第一节 统计思考和应用 一、统计思考的原则——了解质量变异 （一）质量变异的概念 在质量控制中，产品实际达到的质量特性值与规定的质量特性值之间发生的偏离称为质量变异或质量波动，在统计技术中常用“变异系数”即标准差与平均值之比来表示变量之间的差异程度。 （二）质量变异的原因 1.影响质量的六个基本因素: 人(Manpower):操作者的质量意识、技术水平、熟练程度、正确作业和身体素质的差别等。 机器(Machinery):机器设备、工夹具的精度和维护保养状况等。 材料(Material):材料的化学成分、物理性能及外观质量的差别等。 方法(Method):生产工艺、操作规程以及工艺装备选择的差别等。 测量(Measurement):测量方法的差别。 环境(Mother-natured):工作地的温度、湿度、照明、噪声以及清洁条件的差别等。 2.质量变异性质的分类： 正常变异又称随机变异，变异的出现是随机的、无规律的，是由偶然因素引起的，这些因素在过程中始终存在，其原因不易识别，测度十分困难，因而是不可消除的变异。 异常变异又称系统变异，变异的出现是有规律的，可以追溯变异的原因，它是由特殊原因引起的，这些因素数目不多，对产品质量不经常起作用，但一旦出现了这类因素，就会使质量特性发生显著变化。这类因素是质量控制的主要对象。异常变异通常可以被解释和纠正。 （三）质量管理中的数据 质量管理强调一切用数据说话，数据是质量管理活动的基础。 1.质量控制测量指标有两大类:计量值和计数值。其中，计数值数据观测的是产品和服务的绩效特性，用于说明具体质量特性是否符合规范。计数值可进一步区分为计件值和计点值。计量值体现的是符合规范的程度。 2.产品质量数据的变异一般表现为分散性和集中性两种基本特性。 3．质量数据有两类常用的统计特征：一类是表示数据集中性的特征数，如平均值、中位数、众数等；另一类是表示数据分散程度的特征数，如极差、方差、标准差等。 第二节 统计过程控制 一、统计过程控制SPC （一）统计过程控制的概念 （二）统计过程控制的特点 （三）统计过程控制的实施步骤 1.进行SPC方法的培训。 2．确定关键质量因素: ①对每一道工序都要进行分析，找出对产品质量影响最大的因素；②找出关键因素后，列出工序流程图，即在图中按工艺流程顺序将每道工序的关键因素列出。 3．提出控制标准: ①对每个关键进行详细分析； ②对每个关键因素确定控制标准，并填写工序控制标准。 4．编制操作手册。 5．工序过程监控。 6．过程诊断和控制: ①可以运用传统的质量管理方法，如新老七种工具进行分析； ②应用过程诊断理论，对过程进行分析与诊断；③根据分析和诊断结果，采取措施对过程实施控制。 （二）控制图的用途 1.过程分析。即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．通过过程分析，及时发现生产过程中的异常现象和缓慢变异，使过程始终处于受控状态，预防不合格品发生； 3．查明生产设备的实际精度，以便作出正确性的技术决定； 4．为评定产品和工艺设计质量提供依据。 （三）控制图的预防原则 控制图不同于直方图等质量工具最大的特点在于由静态控制转变为实动态跟踪控制，通过控制图可以直观明了地了解过去、准确分析和掌握现状、科学合理地预测未来。控制图贯彻了预防原则，发挥了及时告警的作用。 （四）控制图的设计原理 控制图的设计原理可以用四句话来概述，即正态性假定、3σ准则、小概率原理和反证法思想。 1.正态性假定：假定测定结果在受控条件下具有一定的精密度和准确度，并按正态分布。该假定称之为正态假定，在此假定基础下我们就可以利用正态分布的一些固有特征建立过程控制模型。 2．3σ准则 正态分布中，不论μ与σ取值如何，产品质量特性值落在│μ-3σ，μ+3σ│范围内的概率为99.73%，落在该范围外的概率为0.27％（千分之三）。 3．小概率原理 即认为小概率事件是不可能发生的，一旦发生就认为过程出现问题，需要及时调整。 4．反证法思想 一旦控制图上的点子越出界限或者其他小概率事件发生，则有理由怀疑原生产过程处于失控状态，亦即生产工序不稳定。此时要及时查找原因。