SPC过程能力评估.docxVIP

PAGE 1 PAGE 1 SPC过程能力评估  现代质量理念从根本上转变了以检验产品实物质量为主的传统模式，把质量掌握的重点转移到形成产品的生产过程。实践表明，对过程的即时监控，直接关系到生产过程的运行质量、产品的质量成本和最终产品的质量。  而统计程序掌握（SPC）是这样一种技术，它旨在贯彻预防原则，应用数理统计对过程进行监测和分析，使过程处於可接受的且稳定的水平，从而保证产品符合规定要求。  执行SPC时过程能力评估的传统方法  SPC的目的是使生产过程处於可接受的并且稳定的水平，而过程能力则是指过程的状态满意技术标准（产品规格、公差）的能力，它以质量特性值正常波动的分散范围来表示，并以能力指数、来反映满意技术标准的程度。事实上，过程能力分析已经成为现代企业实施质量掌握的一种有力手段。  （-R）图是迄今企业实施SPC时应用最多、也被认为最有效的一种计量型掌握图。建立和分析-R掌握图的基础是收集资料、合理选择样本子组和样本组的大小，即包含子组的数量。如n为每个子组内的样本数，m为所取样本的容量、即所包含子组的数量，由此即可计算出、R等统计量。  在进而求出均值图和极差图的掌握限後，就可绘制出掌握图，并依据图中点分布的状态，利用判稳准则和判异准则进行相应的分析、推断。若发觉异常状况时则需查找原因，准时采取纠正措施。  -R当图表明过程处於统计受控状态时，就可评估过程能力，如质量特性值为双向公差时，能力指数Cp、Cpk按下式计算：  式中，USL为产品质量特性值的上限，LSL为质量特性值的下限，而样本中全部子组平均值为：，标准偏差则由公式打算，式中dn为常数，取决於样本子组的大小n，可通过查表得到。当质量特性值为单向公差时，过程能力指数一般只取Cpk，此时，对单向上公差或单向下公差的状况分别按式（2）计算：  执行SPC时过程能力评估方法的优化  由於简易可行、运行成本低（对於、的计算用人工也能完成），上述方法在企业界得到广泛应用。一些厂商还据此开发了专用软件，并有部分已配置在相关产品上。然而，正是以质量特性值的抽检样本听从正态分布的假设为前提，使这种方法存在一些局限性。  实际状况表明，在种类众多的质量特性值中，即使是连续抽取的随机样本，也只有几何量中的长度、物理量中的扭矩等少数几种基本遵循正态分布规律，包括各种形位公差在内的大多数被测量则都不听从。  而且，在评定过程能力时，除了需考察连续抽取的子组样本外，还必需考虑过程的时间特性带来的影响，此时，所采集样本遵循正态分布的比例更低。这些影响通过子组分布模型的二项统计量—位置(t)和s(t)离散性来描述，图1是源自实际生产的几个典型例子。  图1 过程分析中的样本分布模型实例  明显，传统的表述形式只适用於图1a的状况，即全部子组的样本均听从正态分布，且分布中心位置和离散性较稳定。  但事实上，依据Q-DAS公司供应的信息，现代汽车制造业在对生产过程进行即时监控时，所用於评定的抽检样本中，遵循正态分布规律的仅占2%左右，而“混合分布”（包括“无分布”）所占比例却很大，见图1b、图1c示例。  至於样本形成混合分布的原因许多，在图1b中，此时子组的样本虽都听从正态分布，但分布的中心位置呈现系统地变化伴随不确定地变化的混合模式。而在图1c中，子组样本原来就不听从正态分布。评估过程能力的普遍性原则（也称“百分比法”）正是在这种状况下推出的。  在正态分布状态下，随机样本的均值估计和标准偏差分别反映了实际分布模型的位置和离散性，而由於样本中的个体出现在±3范围以外的概率只占0.027%，可忽视不计，因此认为正态分布的离散性范围，即分布宽度是±3，分布宽度的界限（也称“分位点”）为χ0.135%和χ99.865%。  作为过程能力表征的能力指数Cp、Cpk定义的普遍性原则为：被测参数的公差（USL，LSL）与样本的统计学模型的均值估计和其分布宽度界限值、的比值χ0.135%和χ99.865%。按以上所述的普遍性原则，过程能力指数Cp、Cpk可表述为：  当被测参数为双向公差时，  当被测参数为单向公差时，过程能力指数一般只取Cpk，此时，对单向上公差或单向下公差的状况分别按式（4）计算：  困难在於，不同样本分布模型的分布界限完全取决於它们的概率密度函数，虽然在理论上可以据此推演出相关的公式（尽管很复杂），再通过计算或所制成的相应曲线来求取不同分布模型的能力指数Cp、Cpk，但都很麻烦。从技术角度讲，只有充分发挥现代计算机的数学运算能力，利用统计分析和最优拟合算法，才有可能进行快速、精确的能力评定。