统计过程控制实验指导书模板Word文档格式.docx
《统计过程控制实验指导书模板Word文档格式.docx》由会员分享，可在线阅读，更多相关《统计过程控制实验指导书模板Word文档格式.docx（35页珍藏版）》请在冰豆网上搜索。
1.3、1.4项内容,要求学员完成检测零件的实际操作和学习利用软件的分析功能,在教师指导下经过思考讨论,达到实验的目的。
2、统计过程控制的基本概念和推广统计过程控制的目的意义
2.1提出推广”统计过程控制”（SPC）技术的依据
在激烈的市场竞争环境下,能否保证和不断提高产品质量已成为一个企业增其强竞争力的核心内容之一。
机械产品是由许多部件、组件和零件组成的,其中零件是组成产品的最基本的单元,因此要保证产品质量首先就要保证零件的质量。
为了确定某零件加工后的质量如何,我们需要对成品零件按照图纸上所规定的尺寸公差和技术要求,使用相应的检验工具或仪器对其进行检查,以判断该零件是否合格。
传统工业企业质量管理比较重视成品的最终检验,一般是事后分析产品质量问题产生的原因,再来设法加以改进。
随着现代化生产的发展,这种被动的质量控制方法已经不能满足进一步提高产品质量的需求。
特别对于汽车、摩托车、家电、电子等大批量生产的产品,不论从成本和生产效率两方面都不允许对每个零件都进行检验,而事后解决问题还必然会出现大量废次品和浪费。
为了经济合理地满足不断提高的产品质量要求,增强企业竞争力,有必要在广大企业中推广现代质量管理和质量控制方面的新成果。
”统计过程控制”SPC（StatisticalProcessControl）在机械制造行业有人也称为”工序质量控制”,是指利用数理统计的方法,对生产工艺过程的各个阶段进行的监测与控制。
加工工艺过程中产品零件尺寸出现误差的原因,一般是由正常的随机因素和某些系统误差因素（如刀具磨损、机床热变形等）引起的。
经过对工序零件质量检测数据的统计处理,绘制并分析”控制图”、”直方图”、计算”过程能力系数”（或”工序能力系数”）Cp、Cpk值等……,即一般所称的SPC方法。
该方法一方面能够评定工序保证质量的能力,同时,还能够一定程度预报产品质量变化的趋势,鉴别产生误差的原因,以便提出改进的措施,达到最终保证与改进产品质量的目的。
1924年,美国休哈特（W·
A·
Shewhart）博士将数理统计方法引入质量管理,创造了”控制图”,从而开始了统计质量控制阶段。
使质量管理由单纯依靠质量检验、事后把关,发展到工序过程管理,突出了质量预防性控制。
时至今日SPC的方法已经在国外的生产制造企业中得到了广泛的应用,并取得了显著的效益。
有不少国外知名量仪公司生产的检测仪器,都带有SPC接口,以满足这项技术推广的需要。
SPC是ISO9000质量标准中的重要内容。
过去企业开展ISO9000质量认证中,由于实施SPC的硬、软件条件不够具备而经常被忽略,显然这种不正常的情况不可能永远下去。
特别值得注意的是,的IS09000质量标准中,增加了”过程的监视与测量”新条款,特别强调了实行统计过程控制的意义。
（1994年版本没有明确要求运用过程方法来管理质量体系）。
在汽车QC9000质量体系新标准中,SPC是其中的重要内容。
美国汽车制造商对其一级供货商联手推行QC9000标准,被纳入”制造技术发展50年大事记”,国内翻译出版了美国通用、福特、克莱斯勒汽车公司联合实施SPC的”SPC指导手册”等。
都意味着对于大中规模批量生产企业,今后不论从推行生产过程的质量控制,或者经过IS09000、QC9000质量认证的评审,开展SPC都是不可缺少的。
根据调查显示,国内企业中统计过程控制方法的应用还比较少,而质量控制与检测的方法基本上还停留在手工输入数据的阶段,数字化程度低不但作业效率低下还容易出错。
因此掌握SPC方法,利用数字化检测仪器进行质量检测,采用电脑进行统计分析,对提高企业产品质量和市场竞争力具有十分现实和重要的意义。
2.2统计过程控制的基本概念
为了便于说明问题,我们取得重庆厚强机械厂领导的支持,同意提供该厂的产品零件
——曲柄销制造过程的有关工艺资料作为实例。
为了让学生对这种零件的实际制造工艺环境有直观的体会,我们拍摄了该厂生产该零件主要工序的加工过程,并制作成光盘,供学生学习参考。
该零件的照片如图1,成品的主要视图如图2－1所示。
零件材料为20CrMo钢,其热处理工艺要求为,渗碳深度为0.8～1.2mm,淬火至硬度HRC60～65。
外圆最终尺寸为
成品包装之前,按照规定要求以3微米的间隔为一个组别,对曲柄销零件经过尺寸检验分组包装,以利于今后的装配。
产品零件的制造过程,从毛坯到成品都是由一系列工序组成。
该曲柄销零件经过简化的加工工艺流程如图2－2所示。
（注:
图中”钻油孔”工序其实包含钻多个孔,还有倒角、钳工去毛刺等,在这里一并简化纳入第9道序。
）
以下以曲柄销加工的第4道工序为例,简单说明实现统计过程控制（SPC）的若干概念。
该零件最终需要控制的质量特征量显然主要是外圆尺寸
。
（1）为了保证产品质量,需要实行统计过程控制（SPC）。
即对产品制造的全过程（特别是重要工序）进行监测与控制。
工序是构成制造过程的基本单位。
本例图1零件加工的工艺主要由切断、车削、粗磨、钻孔、热处理、精磨、超精磨等15道工序组成。
（a）对产品质量的监测控制,应包括产品工艺过程所有的工序。
本例产品零件的质量,不但取决于最后的精磨、超精磨等精加工工序,棒材毛坯的质量、车削、粗磨及热处理等工序都会对最终成品零件的质量带来影响。
本实验的内容是取其中的第4道粗磨工序的质量进行监测。
即为了达到图1零件直径尺寸公差
最终的技术要求,该粗磨工序允许的尺寸公差范围也必须加以限制,本例工艺文件规定允许的公差范围为
以保证必要的精磨余量如图2－3所示。
另外,如果热处理工序没有达到规定的HRC60～65范围,自然也不能合格。
（b）利用检测零件尺寸得到的偏差数据和分析结果对工艺过程进行反馈控制,使该工艺过程始终处于稳定的最佳技术状态,这也是我们进行统计过程控制的最终目的。
（2）SPC要求对反映工序质量的特性数据（本例为零件的直径值）进行数理统计分析,以便对该工序保证产品质量的能力及存在问题的原因进行全面、科学的估计。
在制造过程中,产品零件的尺寸、形状和位置或其它质量特征值（如硬度等）出现误差无法避免,归纳起来一般是由普通因素和特殊因素两类原因引起的。
设备的运转处于正常状态,加工过程中出现误差的原因一般称为普通因素或随机因素,一般符合统计规律,这种情况我们称设备处于可控状态;
设备运转不正常,如刀具磨损、机床发热的变形等多种原因而使加工误差出现特异的变化（属于系统误差）,引起误差的原因一般称为特殊因素。
这种情况我们称设备处于失控状态;
为了保证加工质量,正确区分这二类误差因素,才有可能采取有效的针对性的解决措施。
为了全面了解分析某工序加工过程产品质量的状况,SPC采取了科学的数理统计的方法。
特别在大批量生产时,不可能对全部产品零件进行检测的情况下,更需要应用数理统计中的抽样检验方法,以实现只检验少数零件而达到科学估计全体产品零件的质量及变化趋势,实现对产品工艺过程的各个阶段进行监测与控制,同时又达到降低质量管理成本的目的。
实施SPC的大致流程如图3所示。
这里涉及控制图、直方图、过程能力、过程能力指数（Cp、Cpk值）等概念,将在下面分别进行介绍。
3、统计过程控制实验的一种硬件工具介绍
当一批零件被加工出来后,需要对成品零件按照图纸上所规定的技术要求,使用相应的检验工具（仪器）,对其进行检查,获得的数据一般称为”质量特性值”,对这些数据加以处理分析,能够判断该零件是否合格以及工艺上存在的问题。
为此首先需要配备相应的检具和仪表。
作为一个例子,结合本实验,其最简单的一种硬件配置如图4所示:
检查曲柄销零件所使用的检具为D913型轴承检查仪,主要功能用于测量圆柱形零件的外径。
该仪器工作台尺寸为160×
160mm,测量外径的范围为
～
测量高度范围为8～60mm。
在仪器上方
的套筒内装上B531型电子数显千分表,该表的输出端带有RS232输出接口,能够和PC计算机主机连接,接受数显千分表测得的数据。
从图4中能够看出,检查仪的工作台面上固定有定位触头1和2。
触头1和数显千分表的测头保持一条直线,以作为用比较测量方法测量零件的基准。
当被检零件直径改变时,能够经过松开螺母1,使触头1沿台面的T型槽滑动至适合的位置,然后再拧紧螺母1。
触头2则作为被测工件在仪器上定位的辅助支撑,以保证工件的中心经过触头1和电子数显千分表测头的联线。
改变定位触头2的位置则靠松开螺母2,沿台面倾斜T型槽移动调整至适合的位置。
夹紧电子数显千分表在仪器上依靠拧紧螺丝3。
松开夹紧手柄2时,可经过旋转螺母3对数显千分表测头的位置进行微调,调整完毕厚再拧紧夹紧手柄2。
对工件轴向检测位置的调整,则需分别松开夹紧手柄1（调整数显千分表位置）和螺丝1和2（调整定位触头1和2的位置）。
统计过程控制常见的分析工具根据ISO9000和国家标准（如常规控制图GB4901等）主要有”直方图”、”控制图”和”过程能力指数”等。
在介绍上述内容之前,首先对采集和分析所用的主要数据作简单介绍。
以本实验粗磨曲柄销零件测量作为例子,图3中零件的直径公差允许范围为
若加工第i个零件经检测后获得的实际直径值为19.012则这个零件测量获得的偏差值以符号
表示,则
＝0.012;
当抽检多个零件时,i=1、2、3、……,则同样可测得
、
、……。
在作分析时,零件尺寸公差允许的偏差上、下限分别以如下符号表示:
公差上限:
＝＋0.022;
公差下限:
＝－0.030。
4.1直方图
图6直方图与质量标准的比较
直方图也叫质量分布图,它是将测量所得的一批质量特性值数据（如零件尺寸偏差的测量值等）首先按大小顺序排列,并将它划分为若干区间,然后统计各区间数据出现的频数,再以这些频数为矩形的高来表示质量特性值数据分布状态的图表,直方图的一般形式如图5所示:
图中横坐标表示产品的质量特性值（如零件尺寸偏差的测量值等）,并在横坐标上划分若干等距的小区间,纵坐标表示被测样本总容量为N的样品数据中落在各个小区间内的频数f。
在工序质量控制中,我们经过观察直方图的大致形状,就能够判断该工序的工艺过程是否异常,而且还能够进一步判断它属于哪一类型,以便找出产生质量问题的原因,如图6和图7所示:
图6反映了直方图与质量标准的相互关系。
T为质量标准中的公差范围,T=
其中a、是理想情况,所有的尺寸都落在允许
公差带范围T内,且直方图两边有一定富余,表明工序处于受控状态;
b、属于工序能力刚好满足要求无富裕情况;
c、属于工序能力过高的情况,直方图两边有很大的富余量,该工序虽然无废品之虞,由于使用了超过需要的精密设备,工艺过程的经济性可能较差;
d、属于双侧无余量或超差的情形,说明该工序能力较差,会产生大量废品,为了解决这一问题,需要对机床进行精化、改进工艺方法和装备或更换到精度高一些的机床上加工;
e、属于单侧无余量或单侧超差的情形,尺寸分布中心偏移了质量标准中心,说明机床加工定尺寸的调整偏大或偏小了,需要重新调整,使尺寸分布中心移至质量标准的中部,否则工序极易产生不合格品;
f、称”陡壁型直方图”,图中左边的虚线部分是不存在的,是为了说明而添加的辅助线。
这种情况多半由于操作工人经过自检后擅自剔除不合格品后,将剩余数据所作直方图的结果。
图7反映直方图形状的若干典型特点。
其中1）为正常型:
中间直方为峰,左右大致对称分布,近似正态分布形状。
说明加工误差性质主要属于随机性的,工艺过程处于受控状态;
2）为折齿型:
主要是测量方法或读数有问题,也可能是分组太细所致;
3）为孤岛型:
一般是由于工艺条件发生突变造成的,如原材料或毛坯件的异常变化、有不熟练的工人替班等工艺条件发生变化;
4）偏向型:
分布中心偏向一方。
说明机床定尺寸的调整偏大或偏小了（如试切法定尺寸中经常会出现”宁大勿小的倾向”）;
5）双峰型:
往往是不同机床或不同熟练程度的工人加工的零件混在一起了,而出现了两个分布;
6）平峰型:
说明加工中出现系统误差。
即存在某种缓慢的倾向性因素如刀具磨损等在起作用。
实际生产过程所反映出来的直方图,是以上各种情况的综合,图形形状千差万别,需要充分利用质量统计分析有关知识和现场工艺经验,才可能做出符合实际的分析结论。
4．2控制图
控制图是用来分析和判断工序是否处于稳定状态的一种图形工具,它经过监测工艺过程中的质量波动情况,判断并发现工艺过程中的异常因素,具有稳定生产、保证质量、预防废
品产生的作用,它已成为大批量生产中统计过程控制的主要方法。
控制图的基本形式如图8所示。
图中纵坐标表示需要控制的质量特性;
横坐标表示按一定方法取样得到的编号,图中有三条平行于横轴的线段,它们分别是:
CL为中心线,UCL为控制上控制界限,LCL为下控制界限。
根据美国贝尔实验室的休哈特博士的质量理论,在
范围内包含全部质量数据的99.73%,如果能够将这部分控制住,工艺过程就基本上实现了受控。
因此在绘制控制图坐标图时,把质量特性值的分布中心
（下面经过数据处理用均值的平均值
表示）作为控制中心线CL;
以
＋3
作为控制上线UCL;
作为控制下线LCL。
图9控制图坐标系
在生产过程中,对全部产品进行检验是很不经济的,也是不现实的,特别是在产品批量很大时就根本不可能对产品实施全检。
控制图的基本原理就在于,它利用从零件总体中抽取一定数量的样本进行检测,然后再利用样本的质量分布状况来推断总体的质量分布状况,进而判断工艺过程是否稳定。
在使用控制图时,可将质量特性值X的一系列观察值依次标在图上。
若这些点全部落在上、下控制限内,而且点的排列是随机的、无缺陷的则能够判定,该工序处于受控状态。
（缺陷类型可参看图12、图13、图14、图16、图15）。
根据产品质量特性的不同,可将控制图分为计量值、计件值和计点值三种控制图。
本实验只涉及计量值。
计量值控制图又有几种形式,其中使用最普遍的是”均值－极差控制图”（
—R控制图）,本实验以均值－极差控制图为例,介绍控制图的作法。
均值－极差控制图的主要内容是分别将样本的均值
和样本的极差R,根据工艺过程的时间顺序描绘在控制图上,其作图的基本步骤如下:
（1）收集检测零件特性值的数据
（a）每隔一定时间,抽测正在加工的一组零件,组成一个样本。
每组内的零件个数为n件,称样本容量,共检测K组。
样本的容量n一般为2～10,本实验取n＝5;
样本的个数K一般为20～25,本实验取K=20;
（b）建立控制图坐标系（图9）及记录原始数据;
（c）计算每个样本的均值
和极差R:
R=max（
…,
）－min（
式中:
X1,X2…为样本内的每个质量特性测量值,n为样本容量。
（2）计算控制界限
（a）将各样本均值的平均值和极差的平均值
分别作为控制图中
图和R图的中心线CL,
和
分别按下式计算:
K为样本的个数,R1和
即为第1个样本的极差和均值,R2和
为第2个样本的极差和均值,等等。
（b）计算控制限
对R图有:
中心线CL=
上控制界限UCLR=D4
下控制界限LCLR=D3
对
图有:
上控制界限UCLX=
下控制界限
根据数理统计理论,上式中的D3、D4、A2与样本容量n有关,当n从2到10的数据如表1:
表1控制图用系数表
n
2
3
4
5
6
7
8
9
10
D4
3.27
2.57
2.28
2.11
2.00
1.92
1.86
1.82
1.78
D3
/
0.08
0.14
0.18
0.22
A2
1.88
1.02
0.73
0.58
0.48
0.42
0.37
0.34
0.31
（c）按照工艺过程的时间顺序将每一个样本的均值和极差分别描在
图和R图上,并连成曲线,如图10所示。
（3）如何认识和分析控制图?
绘制直方图或控制图都是为了分析工件加工过程中是否有异常情况,以便及早发现问题并进行有针对性的纠正和改进工艺过程。
我们在利用控制图对工序质量进行分析时,不但需要有质量统计分析的理论基础,同时还必须对实际加工的工艺背景有所了解。
下面提供几幅典型的趋势图以供参考:
如图11所示,质量特性曲线的平均值
和极差R的所有测点都处于上控制界限UCL和下控制界限LCL之间,且对称于中心线CL呈随机分布,说明该工序属于较理想的受控制状态。
如图12所示,被测质量特性的平均值
出现愈来愈大的倾向性变化而极差R基本不变,说明工艺过程中存在缓慢的、有倾向性的影响零件被加工尺寸的因素（如刀具磨损等）在起作用。
图13所示,
被测质量特性的平均值基本不变,而从某一个时段开始极差R变大了,说明工艺过程中可能出现了例如装夹松动等随机因素此时在影响加工质量,根据数理统计理论,标准差和极差R二者之间有明显的相关性,极差R增大就意味着标准差的增大。
另外,当控制图出现图14、图15、图16等特征时,也表明工序出现了异常,需要加以分析和控制。
图14所示,被测质量特性在中心线两侧分布不均匀,表现为多数点处于中心线的一侧,称为”同侧链”;
图15表明一部分点靠近控制界限;
图16所示,被测质量特性在控制图上是非随机地分布在中心线的两侧,出现周期的特征,这些情况都是不正常的,表明工艺过程已有异常情况发生,应立即进行分析,找出原因,采取措施,纠正异常情况。
4.3过程能力与过程能力指数
过程能力（或工序能力）是指工艺过程处于正常或受控状态时,加工产品的能力。
一般以产品质量特性数据分布的6倍总体分布标准偏差
表示,正如前面已经提到的在
范围内包含全部质量数据的99.73%,能够充分反映质量处于受控状态。
为了计算和统计的方便,用样本标准偏差S近似估计
过程能力反映了过程实际的加工能力,即工序能达到的实际质量水平,但它与产品的质量技术标准无关。
为了反映和衡量过程能力满足质量技术标准的程度,引入了过程能力指数的概念。
过程能力指数是加工质量标准（一般就是公差T）与过程能力的比值,用符号Cp表示:
过程能力指数客观且定量地反映了过程能力满足质量标准的程度,它与过程的加工精度和加工成本直接相关。
以本实验的曲柄销零件粗磨工序为例（图2－3）,加工允许的偏差范围T＝＋0.05－0=0.05mm。
而计算出来的样本标准偏差S的6倍（6S）,则反映现有工艺正常加工情况下的实际误差范围。
因此不难理解,二者相除的所得的过程能力指数Cp值愈大,说明该工序满足加工预定精度的能力愈强,反之则愈弱。
因此我们能够根据过程能力指数的大小对工序的加工能力进行分析和评价,以便采取必要的措施,从而使我们的加工过程既能保证质量,且成本又最低。
表2是列出了对各种不同过程能力指数的评价标准。
表2过程能力指数
值的评价标准
值的范围
级别
过程能力的评价及处理措施
≥1.67
Ⅰ
过程能力过高（应视具体情况而定）,应采取措施减低生产成本
1.67>
≥1.33
Ⅱ
过程能力充分,表示质量管理能力达到较高水平
1.33>
≥1.0
Ⅲ
过程能力尚可,表示质量管理能力合格
1.0>
≥0.67
Ⅳ
过程能力不足,表示质量管理能力较差,应采取措施立即改进
0.67>
Ⅴ
过程能力严重不足,表示应采取紧急措施和进行全面检查
一般把Cp≧1作为体现工艺基本稳定的界限,
被认为是良好工艺追求的目标（视产品不同类型而有所变动）,Cp≦1一般是不希望的,过小的Cp值将意味着产品中有大量不良品或废品。
根据统计理论,表3给出Cp值与不合格品率的对应关系。
表3过程能
升级会员 