生产型企业常用品质管理方法技术手册.docx
《生产型企业常用品质管理方法技术手册.docx》由会员分享,可在线阅读,更多相关《生产型企业常用品质管理方法技术手册.docx(106页珍藏版)》请在冰豆网上搜索。
生产型企业常用品质管理方法技术手册
生产型企业
常用品质管理方法手册
第一章:
基础概念―――――――――――――――――――――――――04
一、产品质量的波动――――――――――――――――――――――04
二、统计数据及其分类―――――――――――――――――――――04
三、总体和样本――――――――――――――――――――――――05
四、统计量――――――――――――――――――――――――――05
五、两类错误和风险――――――――――――――――――――――07
第二章:
过程能力和过程能力指数――――――――――――――――――08
一、过程能力―――――――――――――――――――――――――08
二、过程能力指数及其计算公式―――――――――――――――――08
三、过程性能指数―――――――――――――――――――――――11
第三章:
控制图――――――――――――――――――――――――――13
一、控制图及其原理――――――――――――――――――――――13
二、控制图的作用―――――――――――――――――――――――14
三、两类错误―――――――――――――――――――――――――15
四、控制图的分类―――――――――――――――――――――――16
五、判异准则―――――――――――――――――――――――――17
六、过程改进策略―――――――――――――――――――――――20
七、常规控制图的作法及其应用―――――――――――――――――21
八、应用控制图的注意事项―――――――――――――――――――32
第四章:
因果图――――――――――――――――――――――――――33
一、因果图的概念―――――――――――――――――――――――33
二、因果图的绘制―――――――――――――――――――――――33
三、因果图的注意事项―――――――――――――――――――――35
第五章:
排列图――――――――――――――――――――――――――36
一、排列图的概念―――――――――――――――――――――――36
二、制作排列图的步骤―――――――――――――――――――――36
三、排列图的分类―――――――――――――――――――――――36
四、使用排列图的注意事项―――――――――――――――――――38
五、排列图与因果图的结合使用―――――――――――――――――39
第六章:
直方图――――――――――――――――――――――――――42
一、直方图的概念和作用――――――――――――――――――――42
二、直方图的使用方法―――――――――――――――――――――44
第七章:
头脑风暴法――――――――――――――――――――――――47
一、头脑风暴法的概念―――――――――――――――――――――47
二、头脑风暴法的用途―――――――――――――――――――――47
三、头脑风暴法的使用步骤―――――――――――――――――――47
第八章:
回归分析―――――――――――――――――――――――――49
一、散布图――――――――――――――――――――――――――49
二、相关系数―――――――――――――――――――――――――50
三、一元线形回归方程―――――――――――――――――――――53
第九章:
分层法――――――――――――――――――――――――――54
一、分层法的介绍―――――――――――――――――――――――54
二、分层法的作用―――――――――――――――――――――――54
三、分层法的应用程序―――――――――――――――――――――54
第十章:
质量改进―――――――――――――――――――――――――57
一、质量改进的概念――――――――――――――――――――――57
二、质量改进的基本过程(PDCA循环)―――――――――――――58
三、质量改进的步骤、内容和注意事项――――――――――――――60
第一章:
基础概念
一、产品质量的波动
1.正常波动
由随机原因引起的品质波动,又称一般波动。
这些随机因素在生产过程中大量存在,对产品质量经常发生影响。
但是它造成的质量特性值波动往往比较小。
一般情况下这些质量波动在生产过程中是允许存在的,所以称为正常波动。
公差就是承认这种波动的产物。
我们把仅有正常波动的过程称为处于统计控制状态,简称为控制状态或稳定状态。
正常波动的特点:
①在过程中,正常波动对质量变异影响的程度是非常微小的;
②正常波动始终存在于过程中,永远不可能完全将其消除;
③正常波动对质量特性值的影响方向具有随机性;
④对过程中的正常波动是难以或是在目前的技术水平下是难以控制的。
2.异常波动
由系统原因引起的产品质量波动,又称为特殊波动。
这些系统因素在生产过程中并不大量存在,对产品质量也不是经常发生影响,但是一旦存在,它对产品质量的影响就比较显著。
此类原因引起的质量波动大小和方向一般具有一定的周期性或倾向性。
因此比较容易查明,容易预防和消除。
又由于异常波动对质量特性值的影响大,因此,一般在生产过程中是不允许存在的。
常把有异常波动的生产过程称为处于非统计控制状态,简称为失控状态或不稳定状态。
异常波动的特点:
①一旦有异常波动起作用,对质量变异影响的程度是很大的;
②异常波动在过程中时有时无,无确定的时间出现;
③异常波动对质量影响的方向是确定的;
④对异常波动是可以采取措施加以控制的。
3.质量管理的一项重要工作,就是要找出产品质量波动的规律,把异常波动消除或控制在合理范围内。
从微观的角度看,引起产品质量波动的原因主要来自6个方面:
人(Men):
质量意识、技术水平、文化素养、熟练程度和身体素质等;
机器(Mavhine):
机器设备、工夹具的精度和维护保养状况等;
材料(Material):
材料的化学成分、物理性能和外观质量等;
方法(Method):
加工工艺、操作规程和作业指导书的正确程度等;
测量(Measure):
测量设备、实验手段和测试方法等;
环境(Enviroment):
工作地的温度、湿度、含尘度、照明、噪音和震动等。
二、统计数据及其分类
1.计量数据
凡是可以连续取值的,或者说可以用测量工具具体测量出小数点以下数值的这类数据,就叫做计量数据。
如:
长度、容积、重量、温度等。
2.计数数据
凡是不能连续取值的,或者说即使用测量工具也得不到小数点以下的数据,而只能得到0或者1、2、3……等自然数的这类数据,就叫做计数数据。
计数数据还可以细分为计件数据和计点数据。
计件数据:
按件计数的数据。
如:
不合格品数,质量检测的项目数等。
计点数据:
按缺陷点(项)计数的数据。
如:
疵点数、砂眼数、气泡数等。
应当注意,当数据以百分率表示时,要判断它是计量数据还是计数数据,应当取决于给出数据的计算公式的分子。
当分子是计量数据时,则求得的百分率数据为计量数据;当分子是计数数据时,即使得到的百分率不是整数,它也属于计数数据。
三、总体和样本
1.总体
在某一次统计分析中研究对象的全体,称为总体,有时也叫“母体”。
构成总体的每个成员称为个体。
一般用X表示总体,χ表示个体。
2.样本
从总体中抽取部分个体所组成的集合称为样本。
样本中含有的样品数目,一般叫做样本量或样本大小。
用n表示。
3.抽样
就是指从总体中抽取样品组成样本的过程。
满足以下两个条件的样本称为简单随机样本,简称随机抽样。
①随机性:
总体中每个个体都有相同的机会入样。
②独立性:
从总体中抽取的每个个体对其它个体的抽样无任何影响。
抽样切忌受到干扰,特别是人为干扰。
某些人为的倾向性会使所得到的样本不是随机样本,从而使最后的统计推断失效。
四、统计量
1.统计量的概念
样本来自总体,因此样本中包含了有关总体的丰富信息。
但是不经过加工的信息是零散的,为了把这些零散的信息集中起来反映总体的特性,需要对样本进行加工,图与表是对样本进行加工的一种有效方法,另一种有效的办法就是构造样本的函数,不同的函数反映总体的不同特征。
不含未知参数的样本函数称为统计量。
根据统计量的定义可以构造各种用途的统计量。
其中有一部分是常用统计量。
常用统计量可以分为描述样本集中位置和描述样本分散程度两类。
2.描述样本集中位置的统计量
对一组数据,可以用一些量表示它们的集中位置。
这些量中,常用的有样本均值、样本中位数和样本众数。
①样本均值
=
(χ1+χ2+...+χn)
n
χ
1
样本均值也称为样本平均数,记为χ,它是样本数据χ1,χ2,...,χn的算术平均数。
样本均值是使用最为广泛的反映数据集中位置的度量。
它的计算比较简单,但缺点是它受极端值的影响比较大。
~
②样本中位数
样本中位数是表示数据集中位置的另一种重要的度量,用符号Me或χ表示。
在确定样本中位数时,需要将所有样本数据按其数值大小从小到大重新排列成以下的有序样本:
χ1,χ2,...,χn
其中χ1=χmin,χn=χmax分别是数据的最小值和最大值。
{
Me=
χ(n+1)/2,当n为奇数
[χn/2+χ(n+!
)/2]/2,当n为偶数
样本中位数定义为有序样本中位置居于中间的数值,具体如下:
与均值相比,中位数不受极端值的影响。
因此在某些场合,中位数比均值更能代表一组数据的中心位置。
③样本众数
样本众数是样本中出现频率最高的值,常记为Mod。
样本众数的主要缺点是受数据的随机性影响比较大,有时也不唯一。
当n较大时,较多地采用分组数据。
3.描述样本分散程度的统计量
一组数据内部总是有差别的,对一组质量特性数据,大小的差异反映质量的波动。
也有一些用来表示数据内部差异或分散程度的量,其中常用的有样本极差、样本方差、样本标准差和变异系数。
①样本极差
样本极差是样本中最大值与最小值之差,用R表示。
R=χ(max)-χ(min)
样本极差只利用了数据中两个极端值,因此它对数据信息的利用不够充分,极差常用于n不大的情况。
②样本方差和样本标准方差
样本方差的定义为离差平方和除以n-1,用S2表示:
ⅰ=1
S2=
∑(χi-χ)2
1
n-1
n
因为n个离差平方和必为0,所以对于n个独立数据,独立的离差个数只有n-1个,称n-1为离差平方和的自由度,因此样本方差是用n-1而不是用n除离差平方和。
样本方差的正算术平方根称为样本标准差,即:
S=
∑(χi-χ)2
1
n-1
n
i-1
标准差的量纲与数据的量纲一致。
③样本变异系数
Cv=
s
χ
样本标准差与样本均值之比称为样本变异系数,有时也称为相对标准差,记为Cv:
样本变异系数是在消除量纲影响后的样本分散程度的一种度量。
五、两类错误和风险
对一批数量很大、质量状况不清楚的产品,采取随机抽样的方法进行检测、研究样本的质量状况,并以此来推断整批的质量状况时,会存在两种风险。
1.假定这批产品的质量是好的。
通过详细的研究其中的一个样本,发现此批样本的质量是坏的,于是就推断这批产品的质量是坏的。
这种把质量好的一批产品当成质量坏的产品去看待、处理的错误和风险,在统计方法中叫做第Ⅰ类错误,称为“弃真”错误。
犯这类错误的概率值一般以符号α表示,α也叫第Ⅰ类错误的风险率。
2.假定这批产品的质量是坏的。
通过详细的研究其中的一个样本,发现此批样本的质量是好的,于是就推断这批产品的质量是好的。
这种把质量坏的一批产品当成质量好的产品去看待、处理的错误和风险,在统计方法中叫做第Ⅱ类错误,称为“取伪”错误。
犯这类错误的概率值一般以符号β表示,β也叫第Ⅱ类错误的风险率。
在工序(过程)控制中,根据样本对总体(工序或过程)进行推断,也存在α和β这两类错误的风险率。
在一定的条件下,风险率α和β是一对矛盾,但是运用统计方法可以把这两这者的总风险率和总损失控制在期望的范围内。
使用统计技术就不免会存在风险或错误,但是使用统计技术是明明白白犯错误,不应用统计技术是糊里糊涂犯错误。
返回目录
第二章:
过程能力和过程能力指数
一、过程能力
过程能力也称为工序能力。
过程能力是指过程加工质量方面的能力,它是衡量加工过程内在一致性的工具,是稳定状态下的最小波动。
一般记做B。
B=6σ
过程能力决定于质量因素,与公差无关。
二、过程能力指数及其计算公式
过程能力指数是指过程能力满足质量要求的能力。
一般记做Cp。
Cp=T/B
1.双侧公差情况下的过程能力指数
对于双侧公差情况,过程能力指数Cp的计算如下:
Cp=
T
6σ
6σ
TU-TL
=
其中:
T------技术公差的幅度
TU----上公差限
TL----下公差限
σ-----质量特性值分布的总体标准差
σ
TL
TU
T
在过程能力的计算公式中,T反映对产品的技术要求,而σ反映过程加工的一致性,所以在过程能力指数Cp计算中将6σ与T比较,就反映了过程加工质量满足产品技术要求的程度。
Cp值越大表明加工质量越高,但这时对设备和操作人员的要求也高,加工成本也越大,所以对Cp值的选择应该根据技术要求与经济的综合分析来决定。
当T=6σ时,Cp=1,从表面看,似乎这是既满足技术要求又是很经济的情况,但是由于过程总是波动的,分布中心一有偏移,不合格品率就会增加,因此,通常要求Cp大于1。
2.有偏移情况的过程能力指数
当产品质量特性值分布的均值μ与公差中心M不重合,即有偏移,不合格品率必然会增大,Cp降低。
所以以上的Cp计算公式不能反映有偏移的情况,需要加以修正。
一般将修正后的过程能力指数记为Cpk。
Cpk=(1-K)Cp
其中:
K----修正系数
T/2
ε
M
μ
TL
TU
不合格区
图2:
产品质量分布的均值μ与公差中心M不重合的情况
K=
ε
T/2
2ε
T
(0<K<1)
=
当μ=M时,K=0,Cpk=Cp。
当TL或TU=μ时,K=1,Cpk=0。
则有:
Cpk=
6σ
T-2ε
当取样组数足够多时,一般当取样数n≥20(最好n≥25)时,可以用样本标准差S估计总体标准差σ。
则:
Cpk=
6s
T-2ε
3.单侧公差情况下的过程能力指数
只有上限要求或只有下限要求称为单侧公差要求。
其过程能力指数计算与双侧公差要求不相同。
若只有上限要求,而对下限没有要求时,则过程能力指数计算如下:
Cpu=
3σ
TU-μ
μ<TU
式中,Cpu为上单侧过程能力指数。
当μ≥TU时,记Cpu=0。
若只有下限要求,而对上限没有要求时,则过程能力指数计算如下:
CpL=
3σ
μ-TL
μ>TU
χ
式中,CpL为下单侧过程能力指数。
当μ≤TL时,记CpL=0。
同样当取样数足够多时,可以用样本估计总体,用s估计σ、估计μ。
TL
TU
图:
上公差要求图:
下公差要求
注意:
Cp(Cpu、CpL)和Cpk必须在稳定状态下求得(数据基本满足正态分布)。
4.过程能力指数的评价
Cp值的范围
级别
过程能力的评价参考
Cp≥1.67
Ⅰ
过程能力过高(应视具体情况而定)
1.33≤Cp<1.67
Ⅱ
过程能力充分,表示技术管理能力已经很好,应继续维持。
1.00≤Cp<1.33
Ⅲ
过程能力充足,但技术管理能力较勉强,应设法提高为Ⅱ级。
0.67≤Cp<1.00
Ⅳ
过程能力不足,表示技术管理能力已很差,应采取措施立即改善。
Cp<0.67
Ⅴ
过程能力严重不足,表示应采取紧急措施和全面检查,必要时可停工整顿。
5.Cp和Cpk的比较与说明
根据上述,无偏移情况的Cp表示过程加工的一致性,即“质量能力”,Cp越大,则质量能力越强;而有偏移情况的Cpk反映过程中心μ与公差中心M的偏移情况,Cpk越大,则两者偏移越小,是过程的“质量能力”与“管理能力”二者综合的结果。
故Cp和Cpk的着重点不同,需要同时加以考虑。
将Cp和Cpk二数值联合使用,可以对产品质量有更全面的了解。
联合应用Cp与Cpk所代表的合格品率
Cp
Cpk
0.33
0.67
1.00
1.33
1.67
2.00
0.33
68.269%
84.000%
84.134%
84.134%
84.13447%
84.13447%
0.67
95.450%
97.722%
97.725%
97.72499%
97.72499%
1.00
99.730%
99.865%
99.86501%
99.86501%
1.33
99.994%
99.99683%
99.99683%
1.67
99.99994%
99.99997%
2.00
99.9999998%
三、过程性能指数
美国三大汽车公司(福特Ford、通用GeneralMotors、克莱斯勒Crysler)联合制订了QS-9000标准,对于统计方法的应用提出更高的要求,QS-9000标准的认证是以通过ISO9000的认证为前提的。
在QS-9000中提出Pp、Ppk的新概念,称为过程性能指数,又称为长期过程能力指数。
因此,有关过程能力指数的下列术语更为完整的表述为:
Cp-------无偏移短期过程能力指数
Cpu------无偏移上单侧短期过程能力指数
CpL------无偏移下单侧短期过程能力指数
Cpk------有偏移短期过程能力指数
以上4个指标为C系列过程能力指数。
Pp-------无偏移过程性能指数
Ppu------无偏移上单侧过程性能指数
PpL------无偏移下单侧过程性能指数
Ppk------有偏移过程性能指数
以上4个指标为P系列过程性能指数。
P系列过程性能指数的计算公式与C系列过程能力指数的计算公式类似,二者的主要差别在于,C系列的公式中σ的估计采用σST=R/d2或S/c4,且必须在稳态下计算;而P系列的计算公式中的σ的估计采用σLT=s,是在实际情况下(不一定是稳态)下计算的。
QS-9000给出Pp、Ppk的好处是:
可以反映出系统当前的实际状态,而不要求在稳态条件下计算。
Pp和Ppk也需要联合使用。
对同一过程而言,通常长期标准差的估计值σLT大于短期标准差的估计值σST。
因此,过程的质量改进就是逐步减少σLT,使之不断向σST逼近。
根据σLT和σST的差值(称为过程稳定系数)或相对差值(称为过程相对稳定系数)可以对过程的实际状况(即过程偏离稳态的稳定程度)进行评估。
过程稳定系数dσ:
dσ=σLT-σST
过程相对稳定系数drσ:
drσ=
σLT-σST
σLT
过程相对稳定系数的评价参考表
过程相对稳定系数范围
评价
drσ<10%
接近稳定
10%≤drσ<20%
不太稳定
20%≤drσ<50%
不稳定
drσ≥50%
很不稳定
返回目录
第三章:
控制图
一、控制图及其原理
1.控制图的定义(ControlChart)
控制图是对过程质量特性值进行测定、记录、评估,从而监察过程是否处于控制状态的一种用统计方法设计的图。
2.控制图的结构
CL
LCL
UCL
时间或样本号
样本统计量数值
●
●
●
●
●
●
●
●
控制图示例
CL表示中心线(CentralLine)
UCL表示上控制限(UpperControlLimit)
LCL表示下控制限(LowerControlLimit)
控制图上有中心线,上、下控制限,并有按照时间顺序抽取的样本统计量数值的描点序列。
UCL和LCL统称为控制线(ControlLines),用来区分偶然因素和异常因素。
若控制图中的描点落在UCL与LCL之外或描点在UCL与LCL之间的排列不随机,则表明过程异常。
世界上第一张控制图是休哈特在1924年5月16日提出的不合格品率p控制图。
3.控制界限与公差界限
控制界限是过程质量数据的实际分布,是过程处于稳定受控状态时质量数据所形成的典型分布的μ±3σ范围,是判断过程正常与异常的依据。
公差界限是产品设计的结果。
属于技术、质量标准的范畴,是对产品做“合格”与“不合格”的符合性判断的依据。
4.控制图的原理
①控制图的形成
将通常的正态分布图转个方向,使自变量增加的方向垂直向上,将μ、μ+3σ、μ-3σ分别标为CL、UCL、LCL,这样就得到了一张控制图。
如下图示:
μ-3σ
μ+3σ
8
9
10
11
时间(h)
UCL
LCL
CL
μ
X控制图
●
●
●
●
②控制图的控制原理
小概率事件原理:
又称为小概率事件不发生原理,若某事件发生的概率很小(如0.01),现经过一次或少数几次实验,该事件居然发生了,则就有理由认为该事件的发生是异常的。
根据此原理,控制图上的点超出界限或排列不随机均是小概率事件,一旦在抽样检测中出现,则认为过程出现异常,需要进行调整。
③3σ原则
3σ原则即是控制图中的CL、UCL、LCL由下式确定:
UCL=μ+3σ
CL=μ
LCL=μ-3σ
式中,μ、σ为统计量的总体参数。
注意,总体参数与样本统计量不能混为一谈。
总体包括过去已制成的产品、现在正在制造的产品和将来要制造的产品的全体,而样本只是从制成品中抽取的一小部分。
故总体参数值是不可能精确知道的,只能通过以往以知的数据加以估计,而样本统计量的数值是以知的。
所以,一般当样本量足够大时:
UCL=χ+3s
CL=χ
LCL=χ-3s
二、控制图的作用
1.诊断
控制图可以评估某一个过程的稳定性。
对某一过程,按照规定的频率进行采样,在控制图上打点,然后对所打的点进行判断,如果所有的点都符合判断准则,就可以认为该过程是稳定的,在统计学上称为统计稳态。
2.控制
决定某一过程何时需要调整,何时需保持原有状态。
在制程中同步使用,当控制图上的点出现异常时,就可以及时的进行调整。
3.预防
严格的说,预防也是控制的一种。
应用控制图对过程进行控制时,出现点子有上升或下降要超出控制线之前,对过程采取适当的调整,使点子恢复随机排列的过程,即是预防。
要注意的是,控制图会及时的预警,但是只在图上描点是不能起到预防的作用的,必须要求现场操作人员熟悉控制图的判断准则,并将其作为日常工作的一部分来推行时,才能起到相关的作用。
4.确认
确认某一过程的改进效果。
若过程不在稳定状态,改进后,使用控制图进行稳态的确定;若在过程改善前,控制图上的点屡屡出现异常,经过过程改善后,再使用原有控制线进行控制时,没有出现异常或较原有控制图控制线更窄,都是控制图进行过程改进确认的方面。
三、两类错误
1.第一类错误:
虚发警报(falsealarm)
过程正常,由于点子偶然超出界外而判断异常,于是就犯了第一类错误。
通常将犯第一类错误的概率记为α。
第一类错误将造成寻找根本不存在的异因的损失。
α与控制图的设计相关。
当采用3α设计控制图时,α=0.0027
2.第二类错