质量控制核心技术.docx
《质量控制核心技术.docx》由会员分享，可在线阅读，更多相关《质量控制核心技术.docx（32页珍藏版）》请在冰豆网上搜索。
质量控制核心技术
第一节质量控制概述
一质量控制基本原理
质量管理一项重要工作是通过收集数据、整顿数据，找出波动规律，把正常波动控制在最低限度，消除系统性因素导致异常波动。
把实际测得质量特性与有关原则进行比较，并对浮现差别或异常现象采用相应办法进行纠正，从而使工序处在控制状态，这一过程就叫做质量控制。
质量控制大体可以分为7个环节：
（1）选取控制对象；
（2）选取需要监测质量特性值；
（3）拟定规格原则，详细阐明质量特性；
（4）选定能精确测量该特性值得监测仪表，或自制测试手段；
（5）进行实际测试并做好数据记录；
（6）分析实际与规格之间存在差别因素；
（7）采用相应纠正办法。
当采用相应纠正办法后，依然要对过程进行监测，将过程保持在新控制水准上。
一旦浮现新影响因子，还需要测量数据分析因素进行纠正，因而这7个环节形成了一种封闭式流程，称为“反馈环”。
这点和6Sigma质量突破模式MAIC有共通之处。
在上述7个环节中，最核心有两点：
（1）质量控制系统设计；
（2）质量控制技术选用。
二质量控制系统设计
在进行质量控制时，需要对需要控制过程、质量检测点、检测人员、测量类型和数量等几种方面进行决策，这些决策完毕后就构成了一种完整质量控制系统。
1．过程分析
一切质量管理工作都必要从过程自身开始。
在进行质量控制前，必要分析生产某种产品或服务有关过程。
一种大过程也许涉及许多小过程，通过采用流程图分析办法对这些过程进行描述和分解，以拟定影响产品或服务质量核心环节。
2．质量检测点拟定
在拟定需要控制每一种过程后，就要找到每一种过程中需要测量或测试核心点。
一种过程检测点也许诸多，但每一项检测都会增长产品或服务成本，因此要在最容易浮现质量问题地方进行检查。
典型检测点涉及：
（1）生产前外购原材料或服务检查。
为了保证生产过程顺利进行，一方面要通过检查保证原材料或服务质量。
固然，如果供应商具备质量认证证书，此检查可以免除。
此外，在JIT（准时化生产）中，不倡导对外购件进行检查，以为这个过程不增长价值，是“挥霍”。
（2）生产过程中产品检查：
典型生产中检查是在不可逆操作过程之前或高附加值操作之前。
由于这些操作一旦进行，将严重影响质量并导致较大损失。
例如在陶瓷烧结前，需要检查。
由于一旦被烧结，不合格品只能废弃或作为残次品解决。
再如产品在电镀或油漆前也需要检查，以避免缺陷被掩盖。
这些操作检查可由操作者本人对产品进行检查。
生产中检查还能判断过程与否处在受控状态，若检查成果表白质量波动较大，就需要及时采用办法纠正。
（3）生产后产成品检查。
为了在交付顾客前修正产品缺陷，需要在产品入库或发送迈进行检查。
3．检查办法
接下来，要拟定在每一种质量控制点应采用什么类型检查办法。
检查办法分为：
计数检查和计量检查。
计数检查是对缺陷数、不合格率等离散变量进行检查；计量检查是对长度、高度、重量、强度等持续变量计量。
在生产过程中质量控制还要考虑使用何种类型控制图问题：
离散变量用计数控制图，持续变量采用计量控制图。
4．检查样本大小
拟定检查数量有两种方式：
全检和抽样检查。
拟定检查数量指引原则是比较不合格频导致损失和检查成本相比较。
假设有一批500个单位产品，产品不合格率为2%，每个不合格品导致维修费、补偿费等成本为100元，则如果不对这批产品进行检查话，总损失为100*10=1000元。
若这批产品检查费低于1000元，可应当对其进行全检。
固然，除了成本因素，还要考虑其她因素。
如涉及人身安全产品，就需要进行100%检查。
而对破坏性检查则采用抽样检查。
5．检查人员
检查人员拟定可采用操作工人和专职检查人员相结合原则。
在6Sigma管理中，普通由操作工人完毕大某些检查任务。
三质量控制技术
质量控制技术涉及两大类：
抽样检查和过程质量控制。
抽样检查普通发生在生产前对原材料检查或生产后对成品检查，依照随机样本质量检查成果决定与否接受该批原材料或产品。
过程质量控制是指对生产过程中产品随机样本进行检查，以判断该过程与否在预定原则内生产。
抽样检查用于采购或验收，而过程质量控制应用于各种形式生产过程。
第二节过程质量控制技术
自1924年，休哈特提出控制图以来，通过近80世纪发展，过程质量控制技术已经广泛地应用到质量管理中，在实践中也不断地产生了许各种新办法。
如直方图、有关图、排列图、控制图和因果图等“QC七种工具”以及关联图、系统图等“新QC七种工具”。
应用这些办法可以从经常变化生产过程中，系统地收集与产品关于各种数据，并用记录办法对数据进行整顿、加工和分析，进而画出各种图表，找出质量变化规律，实现对质量控制。
石川謦曾经说过，公司内95%质量问题可通过公司全体人员应用这些工具得到解决。
无论是ISO9000还是近年来非常风行6Sigma质量管理理论都非常强调这些基于记录学质量控制技术应用。
因而，要真正提高产品质量，公司上至领导下至员工都必要掌握质量控制技术并在实践中加以应用。
一直方图
（一）直方图用途
直方图法是把数据离散状态分布用竖条在图表上标出，以协助人们依照显示出图样变化，在缩小范畴内寻找浮现问题区域，从中得知数据平均水平偏差并判断总体质量分布状况。
（二）直方图画法
下面通过例子简介直方图如何绘制。
[例5-1]生产某种滚珠，规定直径x为15.0±1.0mm，试用直方图对生产过程进行记录分析。
1．收集数据
在5M1E（人、机、法、测量和生产环境）充分固定并加以原则化状况下，从该生产过程收集n个数据。
N应不不大于50，最佳在100以上。
本例测得50个滚珠直径如下表。
其中Li为第i行数据最大值，Si为第i行数据最小值。
表5-150个滚珠样本直径
J
I
1
2
3
4
5
6
7
8
9
10
Li
Si
1
15.0
15.8
15.2
15.1
15.9
14.7
14.8
15.5
15.6
15.3
15.9
14.7
2
15.1
15.3
15.0
15.6
15.7
14.8
14.5
14.2
14.9
14.9
15.7
14.2
3
15.2
15.0
15.3
15.6
15.1
14.9
14.2
14.6
15.8
15.2
15.8
14.2
4
15.9
15.2
15.0
14.9
14.8
14.5
15.1
15.5
15.5
15.5
15.9
14.5
5
15.1
15.0
15.3
14.7
14.5
15.5
15.0
14.7
14.6
14.2
15.5
14.2
2．找出数据中最大值L、最小值S和极差R
L=MaxLi=15.9，S=MinSi=14.2，R=S-L=1.7（5.1）
区间[S，L]称为数据散布范畴。
3．拟定数据大体分组数k
分组数可以按照经验公式k=1+3.322lgn拟定。
本例取k=6。
4．拟定分组组距h
（5.2）
5．计算各组上下限
一方面拟定第一组下限值，应注意使最小值S包括在第一组中，且使数据观测值不落在上、下限上。
故第一组下限值取为：
然后依次加入组距h，便可得各组上下限值。
第一组上限值为第二组下限值，第二组下限值加上h为第二组上限值，别的类推。
各组上下限值见表5-2。
表5-2频数分布表
组序
组界值
组中值bi
频数fi
频率pi
1
14.05~14.35
14.2
3
0.06
2
14.35~14.65
14.5
5
0.10
3
14.65~14.95
14.8
10
0.20
4
14.95~15.25
15.1
15
0.32
5
15.25~14.55
15.4
9
0.16
6
15.55~15.85
15.7
6
0.12
7
15.85~16.15
16.0
2
0.04
共计
50
100%
6．计算各组中心值bi、频数fi和频率pi
bi=（第i组下限值+第i组上限值）/2，频数fi就是n个数据落入第i组数据个数，而频数pi=fi/n（见表14-3）。
7．绘制直方图
图5-1频数（频率）直方图
以频数（或频率）为纵坐标，数据观测值为横坐标，以组距为底边，数据观测值落入各组频数fi（或频率pi）为高，画出一系列矩形，这样就得到图形为频数（或频率）直方图，简称为直方图，见图5-1。
（三）直方图观测与分析
从直方图可以直观地看出产品质量特性分布形态，便于判断过程与否出于控制状态，以决定与否采用相应对策办法。
直方图从分布类型上来说，可以分为正常型和异常型。
正常型是指整体形状左右对称图形，此时过程处在稳定（记录控制状态）。
如图5-2a。
如果是异常型，就要分析因素，加以解决。
常用异常型重要有六种：
1．双峰型（图5-2b）：
直方图浮现两个峰。
重要因素是观测值来自两个总体，两个分布数据混合在一起导致，此时数据应加以分层。
2．锯齿型（图5-2c）：
直方图呈现凹凸不平现象。
这是由于作直方图时数据分组太多，测量仪器误差过大或观测数据不精确等导致。
此时应重新收集和整顿数据。
3．陡壁型（图5-2d）：
直方图像峭壁同样向一边倾斜。
重要因素是进行全数检查，使用了剔除了不合格品产品数据作直方图。
4．偏态型：
（图5-2e）：
直方图顶峰偏向左侧或右侧。
当公差下限受到限制（如单侧形位公差）或某种加工习惯（如孔加工往往偏小）容易导致偏左；当公差上限受到限制或轴外圆加工时，直方图呈现偏右形态。
5．平台型（图5-2f）：
直方图顶峰不明显，呈平顶型。
重要因素是各种总体和分布混合在一起，或者生产过程中某种缓慢倾向在起作用（如工具磨损、操作者疲劳等）。
6．孤岛型（图5-2g）：
在直方图旁边有一种独立“小岛”浮现。
重要因素是生产过程中浮现异常状况，如原材料发生变化或突然变换不纯熟工人。
二过程能力指数
过程能力指数（ProcessCapabilityIndex）用于反映过程处在正常状态时，即人员、机器、原材料、工艺办法、测量和环境（5M1E）充分原则化并处在稳定状态时，所体现出保证产品质量能力。
过程能力指数也称为工序能力指数或工艺能力指数。
对于任何生产过程，产品质量总是分散地存在着。
若过程能力越高，则产品质量特性值分散就会越小；若过程能力越低，则产品质量特性值分散就会越大。
那么，可用6σ（即μ±3σ）来描述生产过程所导致总分散。
即过程能力＝6σ。
过程能力是表达生产过程客观存在着分散一种参数。
但是这个参数能否满足产品技术规格规定，仅从它自身还难以看出。
因而，还需要另一种参数来反映工序能力满足产品技术规定（公差、规格等质量原则）限度。
这个参数就叫做工序能力指数。
它是技术规格规定和工序能力比值，即
过程能力指数=技术规格规定／过程能力（5.3）
当分布中心与公差中心重叠时，过程能力指数记为Cp。
当分布中心与公差中心有偏离时，过程能力指数记为Cpk。
过程质量水平按Cp值可划分为五个级别：
Cp>1.67，特级，能力过高；1.67≥Cp>1.33，一级，能力充分；1.33≥Cp>1.0，二级，能力尚可；1.0≥Cp>0.67，三级，能力局限性；0.67>Cp，四级，能力严重局限性。
（一）过程能力计算办法
过程能力指数计算可分为四种情形：
（1）过程无偏情形
设样本质量特性值X~N（μ，σ2）。
又设X规格规定为（Tl，Tu），则规格中心值Tm=（Tu+Tl）/2，T=Tu-Tl为公差。
当u=Tm时，过程无偏，此时过程能力指数按下式计算：
（5.4）
（2）过程有偏情形
当μ≠Tm时，则称此过程有偏。
此时，计算修正后过程能力指数：
（5.5）
（5.6）
k称为偏移系数。
（3）只有单侧上规则限Tu时，X（5.7）
（4）只有单侧上规则限Tl时，X>Tl产品合格情形
（5.8）
（二）过程能力指数与过程不合格品率p之间关系
1．Cp与p关系
（5.9）
2．Cpk与p关系
（5.10）
3．Cp（u）与p关系
（5.11）
4．Cp（l）与p关系
（5.12）
以上四式中，Φ值可依照正态分布函数表查出。
例如，Φ（4.17）=0.999985。
[例5-2]已知某零件加工原则为148±2（mm），对100个样本计算出均值为148mm，原则差为0.48（mm），求过程能力指数和过程不合格品率。
由于样本均值
=148（mm），过程无偏。
依照式5.4，过程能力指数为：
=1.39
过程不合格品率为：
=3×10-5
三控制图
控制图是对生产过程中产品质量状况进行实时控制记录工具，是质量控制中最重要办法。
人们对控制图评价是：
“质量管理始于控制图，亦终于控制图”。
控制图重要用于分析判断生产过程稳定性，及时发现生产过程中异常现象，查明生产设备和工艺装备实际精度，为评估产品质量提供根据。
国内也制定了关于控制图国标——GB4091.1。
控制图基本样式如图5-3所示。
横坐标为样本序号，纵坐标为产品质量特性，图上三条平行线分别为：
实线CL——中心线，虚线UCL——上控制界限线，虚线LCL——下控制界限线。
在生产过程中，定期抽取样本，把测得数据点一一描在控制图中。
如果数据点落在两条控制界限之间，且排列无缺陷，则表白生产过程正常，过程出于控制状态，否则表白生产条件发生异常，需要对过程采用办法，加强管理，使生产过程恢复正常。
（一）控制图设计原理
1．正态性假设：
控制图假定质量特性值在生产过程中波动服从正态分布。
2．3σ准则：
若质量特性值X服从正态分布N（μ，σ2），依照正态分布概率性质，有
（5.13）
也即（μ-3σ，μ+3σ）是X实际取值范畴。
据此原理，若对X设计控制图，则中心线CL=μ，上下控制界限分别为UCL=μ-3σ，LCL=μ+3σ。
3．小概率原理：
小概率原理是指小概率事件普通不会发生。
由3σ准则可知，数据点落在控制界限以外概率只有0.27%。
因而，生产过程正常状况下，质量特性值是不会超过控制界限，如果超过，则以为生产过程发生异常变化。
（二）控制图基本种类
按产品质量特性分类，控制图可分为计量值控制图和计数值控制图
1．计量值控制图：
用于产品质量特性为计量值情形，如长度、重量、时间、强度等持续变量。
惯用计量值控制图有：
均值——极差控制图（
图），中位数——极差控制图（
图），单值——移动极差控制图（
图），均值——原则差控制图（
图）。
2．计数值控制图：
用于产品质量特性为不合格品数、不合格品率、缺陷数等离散变量。
惯用计数值控制图有：
不合格品率控制图（P图），不合格品数控制图（Pn图），单位缺陷数控制图（u图），缺陷数控制图（c图）。
按控制图用途来分，可以分为分析用控制图和控制用控制图。
1．分析用控制图
分析用控制图用于分析生产过程与否处在记录控制状态。
若经分析后，生产过程处在控制状态且满足质量规定，则把分析用控制图装化为控制用控制图；若经分析后，生产过程处在非记录控制状态，则应查找因素并加以消除。
2．控制用控制图
控制用控制图由分析控制图转化而来，用于对生产过程进行持续监控。
生产过程中，按照拟定抽样间隔和样本大小抽取样本，在控制图上描点，判断与否处在受控状态。
（三）控制图鉴别规则
1．分析用控制图
若控制图上数据点同步满足下表规则，则以为生产过程处在控制状态。
表5-3分析用控制图鉴别规则
规则
详细描述
规则1：
绝大多数数据点在控制界限内
1持续25点没有一点在控制界限外
2持续35点中最多只有一点在控制界限外
3持续100点中最多只有两点在控制界限外
规则2：
数据点排列无右边1~8种异常现象
1持续7点或更多点在中心线同一侧
2持续7点或更多点单调上升或下降
3持续11点中至少有10点在中心线同一侧
4持续14点中至少有12点在中心线同一侧
5持续17点中至少有14点在中心线同一侧
6持续20点中至少有16点在中心线同一侧
7持续3点中至少有2点落在2σ与3σ界限之间
8持续7点中至少有3点落在2σ与3σ界限之间
2．控制用控制图
控制用控制中数据点同步满足下面规则，则以为生产过程处在记录控制状态：
规则1：
每一种数据点均落在控制界限内；
规则2：
控制界限内数据点排列无异常状况（参见分析用控制图规则2）。
（四）控制图制作与鉴别
下面以均值——极差控制图为例阐明控制图制作与分析办法。
别的种类控制图做法和应用可参见文献8。
均值——极差控制图是
图（均值控制图）和R图（极差控制图）联合使用一种控制图，前者用于判断生产过程与否处在或保持在所规定受控状态，后者用于判断生产过程原则差与否处在或保持在所规定受控状态。
例5-3某厂生产一种零件，长度规定为49.50±0.10（mm），生产过程质量规定为过程能力指数不不大于1，为对该过程实行持续控制，试设计均值——极差控制图。
1．收集数据并加以分组
本例每隔2小时，从生产过程中抽取5个零件，测量长度值，形成一组大小为5样本，一共收集25组样本。
2．计算每组样本均值
和极差
，
（5.14）
计算成果如表5-4所示。
表5-4某零件长度各组均值和极差
组号
1
2
3
4
5
6
7
8
9
10
11
12
13
均值
49.49
49.52
49.50
49.50
49.53
49.51
49.50
49.50
49.51
49.53
49.50
49.51
49.49
极差
0.06
0.07
0.06
0.06
0.11
0.12
0.10
0.06
0.12
0.09
0.11
0.06
0.07
组号
14
15
16
17
18
19
20
21
22
23
24
25
均值
49.53
49.49
49.50
49.51
49.51
49.51
49.50
49.52
49.50
49.50
49.50
49.52
极差
0.10
0.09
0.05
0.07
0.06
0.05
0.08
0.10
0.06
0.09
0.05
0.11
3．计算总均值和极差平均
=49.5068，
=0.800（5.15）
4．计算控制界限
图控制界限计算
=49.5068+0.577×0.800=49.5530
=49.5068（5.16）
=49.5068-0.577×0.800=49.4606
R图控制界限计算
=2.115×0.0800=0.1692
=0.0800（5.17）
<0
以上两式中，A2、D4、D3均可从有关控制图系数表中查出：
当n=5，A2=0.577，D3<0，D4=2.115。
6．制作控制图
依照各样本均值和极差在控制图上描点。
如图5-4所示
7．分析生产过程与否处在控制状态
运用表5-4规则进行判断，可知生产过程处在记录控制状态。
8．计算过程能力指数
在本例中，零件长度规格限为双侧且样本总均值不等于规格中心值，应当依照有偏情形计算过程能力指数。
σ依照极差法预计得出：
，式中d2（n）依照有关控制图系数表查出，n=5时d2（n）=2.326。
则：
修正系数
=0.068
依照题意，由于过程质量规定为过程能力不不大于1，显然该过程不能满足规定。
因而不能将分析用控制图转化为控制用控制图，应采用办法，提高加工精度。
图5-4零件长度均值——极差控制图
9．计算过程平均不合格品率p
依照式（5.10），过程不合格品率为：
=0.43%。
（五）控制图几种常用图形及因素分析
在使用控制图时，除了依照表5-3判断规则对生产过程进行对的判断以外，下面所列出几种观测和分析办法也是十分重要：
（1）数据点浮现上、下循环移动情形
对于
图，其因素也许是季节性环境影响或操作人员轮换；
对于R图，其因素也许是维修筹划安排上问题或操作人员疲劳。
（2）数据点浮现朝单一方向变化趋势
对于
图，其因素也许是工具磨损，设备未按期进行检查；
对于R图，原材料均匀性（变好或变坏）；
（3）持续若干点集中出当前某些不同数值上
对于
图，其因素也许是工具磨损，设备未按期进行检查；
对于R图，因素同上。
（4）太多数据点接近中心线
若持续13点以上落在中心线±σ带型区域内，此为小概率事件，该状况也应判为异常。
浮现因素是：
控制图使用太久没有加以修改而失去了控制作用，或者数据不真实。
四“QC七种工具”中其她工具
（一）排列图
意大利经济学家VilfredoPareto1897年提出：
80%财富集中在20%人手中（80/20法则）。
排列图（又称柏拉图、Pareto图）是基于帕累托原理，其重要功能是协助人们拟定那些相对少数但重要问题，以使人们把精力集中于这些问题改进上。
在任何过程中大某些缺陷也普通是由相对少数问题引起。
对于过程质量控制，排列图惯用于不合格品数或缺陷数分类分析。
在6Sigma中，也用于对项目重要问题如顾客抱怨等进行分类。
[例5-4]对曲轴加工进行抽样检查，得出不合格品共160个，导致不合格因素中，1、蓄油孔扣环占50%；2、动平衡超差占29%；3、开档大占10%；4、法兰销孔大占6%；小头直径大占5%。
画出排列图（图5-5），柱图为不合格数分类记录量，折线图为累积比例。
可以看出前两种因素占79%，应作为核心急需解决因素。
图5-5曲轴不合格品排列图
（二）因果图
因果图由日本质量学家石川馨创造，是用于寻找导致质量问题因素、表达质量问题因果关系一种图形分析工具。
一种质量问题产生，往往不是一种因素，而是各种复杂因素综合伙用成果。
普通，可以从质量问题出发，一方面分析那些影响产品质量最大因素，进而从大因素出发寻找中因素、小因素和更小因素，并检查和拟定重要因素。
这些因素可归纳成因素类别与子因素，形成类似鱼刺样子，因而因果图也称为鱼刺图。
图5-6是在制造中浮现次品后，寻找其因素形成因果图。
图中可以看出，因素被归为工人、机械、测试办法等6类，每一类下面又有不同子因素。
图5-6制造中次品浮现因素因果分析图
（三）分层法
分层法又名层别法，是将不同类型数据按照同一性质或同一条件进行分类，从而找出其内在记录规律记录办法。
惯用分类方式：
按操作人员分、按使用设备分、按工作时间分、按使用原材料分、按工艺办法分、按工作环境分等。
（四）散布图
散布图又称散点图、有关图，是表达两个变量之间互有关系图表法。
横坐标普通表达因素特性值，纵坐标表达到果特性值，交叉点表达它们互有关系。
有关关系可以分为：
正有关、负有关、不有关。
图5-7表达了某化工厂产品收率和反映温度之间有关关系，可以出，这是正有关。
图5-6反映温度和产品收率之间有关图
（五）检查表
检查表又名核查表、调查表、记录分析表，是运用登记表对数据进行整体和初步因素分析一种表格型工具，惯用于其他工具前期记录工作。
图5-5为不合格品分项检查表。
表5-5不合格项检查表
不合格项目
检查记录
小计
升级会员 