质量管理学课件-工序质量控制.pptVIP

R控制图界限 由Minitab作图,其输出如下: (数据见chp3_12.xls)： 2、计数值控制图 (一) 不合格品率控制图( p 控制图 )—计件制 p控制图用于对产品不合格品率的控制。此外，也可用于对合格率、材料利用率、缺勤率、出勤率等进行控制。 p控制图原理 从一批稳定状态下生产的产品中，随机抽取容量为ni样本，其中发现有Di件不合格品，则不合格品率pi为： 当样本容量足够大时，pi服从正态分布，其期望与方差分别为： 其中，P为任何单位产品的不合格率，可用样本平均不合格率 来估计。 p控制图的控制界限 上述控制图的控制界限随ni的变化而变化，其形状呈阶梯形。当对控制图的精度要求不是很高时，可以用平均样本容量 代替ni。 另外，n的大小直接影响控制界限，当n 取值较大时，控制界限变窄；当n 取值较小时，控制界限变宽。当LCL值小于0时，令LCL=0。 例：为考察某产品的生产过程是否稳定，分批检验其产品，得到数据（略），试据此计算p控制图界限并建立p控制图。 解： 该控制图界限的计算如下： 3.工序能力指数的定量计算方法 （1）试切法 通过工序能力调查，确认生产过程进入控制状态以后，可以加工一批产品。为了减少用样本估计总体产生的误差，通常要加工 100 件以上。 计算样本平均值和样本标准差 计算工序能力指数 （2）SCAT法(simple capability acceptance test) 在实际中，经常需要在短时间内判断工序能力的满足程度。例如验收购进的设备，常常来不及采取试切法，因为那样做要等待加工至少100 件样品，并一一检测后才能计算C 值，有时这种情况是不可能做到的，或者产品的检验是破坏性的，大样本会造成较大的成本。 SCAT 法是一种快速的简易判断法，这种方法是把预先规定的工序能力是否合格的判断值（如表5.3.7）同由样本得到的极差R 进行比较，以判断工序能力是否满足要求。 具体的程序步骤如图5.3.10 所示。 用表5.3.7 进行判断时有两种取样方式，一种是每次取8 个样品，最多连续取4 次；另一种是每次取4 个样品，最多连续取8次。因此，SCAT 法最多取32 个样品，就能作出判断，如果取到32 件，仍不能作出判断，就应当采用其他判断方法。 表5.3.7 SCTA 法的判断基准 T—公差范围；R—极差 SCAT法具体的程序步骤： 决 因此，可以作出判断：工序能力满足质量要求。 第四节 工序质量控制图 、控制图概述 控制图是一种研究质量特性数据随时间变化的统计规律的动态方法。在控制图上可以方便地了解过去、分析现状与预测未来的质量状况。 (一)控制图的用途 其主要用途有：分析判断生产过程的稳定性；预防不合格品的发生；查明生产设备和工艺装备的实际精度，为评定产品质量提供依据。 (二)控制图的基本格式 是指利用概率统计原理，做出两条控制线和一条中心线，然后把按时间顺序抽样所得的特性值，以散点图的形式依次描在坐标图上，从点子的动态分布情况来探讨工序质量及其趋势的图形。其基本格式如下图所示。其中横坐标为以时间先后排列的样本序号，纵坐标为质量特性值或样本统计量。 CL UCL LCL 质量特性 时间／样本序号 ● ● ● ● ● ● ● ● ● 中心线用实线表示，记为CL(Control Limit) 两条控制线用虚线表示，分别记为UCL, LCL。 UCL: Upper Control Limit LCL: Lower Control Limit (三)控制图的解读 在生产过程中，定时抽取样本，把测得的点一一描在控制图上。 如果点子落在控制界限之内且点子排列无缺陷，则表明生产过程正常，过程处于统计控制状态。 如果点子越出控制线之外，或点子排列有缺陷，则说明生产条件发生了异常变化，过程已经处于非统计控制状态。此时必须对过程采取措施，加强管理使生产过程恢复正常。 二、 控制图的原理 1、控制图的设计原理 控制图的设计原理可概述为： 正态性假定； 3?准则； 小概率原理和反证法思想。 （1）正态性假定 当工序处于控制状态下，产品质量特性值由于受随机因素的影响，总会存在一定程度的波动，此时绝大多数质量特性值均服从或近似服从正态分布。可以根据此假定利用正态分布的特征建立工序控制模型。 （2）3?准则 质量特性值服从正态分布下，距分布中心±3?范围内所含面积为99.73％。如果只有随机因素的影响，则产品质量特性值应以99.73％的概率落入该范围内；如果落入此范围之外，则表明生产过程出现了异常，处于失控状态。 （3）小概率原理 当质量特性值X服从正态分布下，X落在控制界限之外的概率仅为0.27％。因此一旦X落在控制界限之外，则小概率事件发生，有理由认为生产