质量管理工具培训总结.doc

一、统计过程控制 2 二、过程能力分析 4 三、出厂检验及过程检验 6 四、测量系统分析 8 一、统计过程控制 1、统计过程的目的是，鉴别过程是正常波动还是异常波动。 2、在控制图中，普通原因引起的变异是噪音；特殊原因引起的变异是信号，我们要注重信号，来改进。 3、控制图只在改善能够给公司或客户带来好处的关键过程中运用实施。 4、在控制图中发现特殊原因存在时，应立即做出反应。 5、属性变量控制图 NP图：研究对象是缺陷产品数量，其取样的样本量都是相同的。 P图：研究对象是缺陷产品数量的比率，是针对产品的。 C图：研究对象是产品缺陷数量，基取样的样本量相同。 U图：研究对象是每单位内缺陷数量，是针对产品缺陷的。 6、控制图应用举例： (1)合成氨反应的催化剂寿命：I-MR图 (2)每个螺钉的平均扭矩：图 (3) 每匹布上的瑕疵个数：U图 (4)每批采购件的包装缺陷率：P图 (5)每月生产缺陷发动机的百分比数：P图 (6)应收帐款的平均收回时间：图 (7)电镀工艺中的反应速度I-MR 二、过程能力分析 1、生产线上，连续取足够样本，代表短期过程能力；多次取样，如每天、固定间隔、仓库取样等，代表长期过程能力，因为其包括了人、机、料、法、环、测等多种普通波动；连续取样时，样本只有一种波动。 2、改善过程能力的手段：数据置中、数据分布瘦身。还有一种可行但不被认可的方法：改变控制限范围。 3、只有当数据分布的均值与控制限的中值相等时，Cp=Cpk；对于同一组数据，Cp≥Cpk；Cp与平均值的位置无关，所以，实际都使用Cpk表示过程能力。所以，Cp是过程应具备的能力的良好指针，表示过程能力的上限。 4、当Cpk＝0时，过程有50%的废品率；当Cpk0时，过程有大于50%的废品率，可以从控制限与正态公布曲轴图中看出。 5、Cp≥Cpk≥Ppk，整体的数据包括班内及班间的影响； Ppk代表长期性能，可以理解为过程绩效，不是过程能力； Cpk代表过程能力。 如一名举重运动员，其能举起的最大重量为能力，不论是训练中还是比赛中获得的；而其每次参加比赛时，不一定能举起最大重量，故其举起的重量为性能，也可以理解为绩效，因为受到了异常原因的影响。 6、用minitab计算正态分布时，当子组大小一栏选择为“1”时，可能出现CpkPpk的现象，此时是软件计算原理不同导致，且此时的Cpk无意义。而Ppk是正确的，此时评价的关键是看所取的样本是否受异因的影响。 7、对设备能力评价用Cmk,因Cpk计算时，受到的异因影响比计算Cmk多，故一般情况下CpkCmk。所以，若Cmk不提高，Cpk不可能提高。 8、提高Cmk的途径有：提高设备能力、更换设备。 9、短期过程能力累积后，得到的是长期过程能力。 注意，组间原因均不能理解为根本原因。 10、有的要求精细化的公司，会规定哪种数据服从哪种分布，以提高数据分析的效率。用minitab可以查看数据服从哪种分布，见统计－质量工具－个体分布标识。 11、数据变换是指将不是正态分布的数据，变换为正态分布的数据。数据变换方法有两种，其中常用的是Box-Cox变换，用minitab可以实现。在正态分布对话框下，有“Box-Cox变换”选项。 三、出厂检验及过程检验 1、检测设备，如用游标卡尺测量后，脚下一踩开关，数据自动进入电脑，减少劳动强度，提高准确性。 2、对计量型数据，一定要用计量型的检测方法来检测。 3、抽样检验的抽样原则为“0收1退”，即当发现有不合格时，就退货。在此原则下，当存在不合格，却恰好抽样全部合格时，称为“受假”，记为β。 4、汽车行业一般将“受假”风险控制在10%以下。在Excel中，可以用“＝Binomdist(c,n,P坏,0)”来计算受假风险。变量分别为：风险值、真实不合格品率、抽样数。 5、c收C+1退原则：即当抽样检验时，发现C件以内不合格，接收；当抽样检验时发现C+1件不合格是时不接收；此时，若恰好抽样均为不合格时，称为“拒真”，记为α。 6、0收1退原则： binomdist(0,n,0.01，0) + binomdist(1,n,0.01,0) = binomdist(1,n,0.01,1) c收C+1退原则： BETA风险（受假风险）：binomdist(c,n,P坏，1）（控制在10%以下）； Alpha(拒真风险）：1－binomdist(c,n,P好,1)（控制在5%以下）。 7、α与β是成反比例关系的。GB2828的抽样原则是使拒真风险低，从而受假风险提高，故按国标来检验时，接收方受损失；实际工作中，在进货检验时，应控制受假风险低；其他可以参考损失与成本的关系来决定控制α还是控制β。 四、测量系统分析 1、做MSA分析前，应先由minitab生成一份数据收集表，按数据收集表格式