质量管理,质量控制,工序控制ppt课件

1、第三章工序控制一、工序才干和工序才干指数二、工序才干评价三、工序才干调查四、控制图 .一、工序才干和工序才干指数产品设计终了后，其最终质量主要取决于消费过程。衡量消费过程才干的标志是工序质量。工序质量在4M1E的综合影响下，消费过程的稳定性。工序质量的定量目的是工序才干和工序才干指数。 .1、工序才干的概念工序才干,是指工序处于控制形状(稳定形状)下的实践加工才干(用6表示)。稳定形状下的工序应该具备以下几方面的条件:原资料或上道工序的半废品符合规范；本工序按作业规范实施，无异常要素；按既定规范检验废品。总之，在消费的前、中、后各个工序都要按规范进展,非稳定形状下测得的工序才干是没有意义的。

2、.工序满足产质量量要求的才干主要表如今两个方面：1是产质量量能否稳定；2是产品的质量目的能否到达要求。因此当确认工序才干可以满足质量要求的条件下，工序才干是以该工序产质量量特性值的动摇来表示的，普通取3幅度来表述。用表示数据的离散程度，用6来测度工序才干。当6大时，表示工序才干低；6小时，表示工序才干强。 .对工序才干测定、分析的意义是保证产质量量的根底任务。只需掌握了工序才干才干控制制造过程中的符合性质量。是提高消费才干的有效手段。经过对工序才干的测试与分析可以发现影响产质量量的主导要素，进而有针对性地采取改良设备、改善环境、提高工艺程度、严肃操作规程等手段来提高消费才干。为产品的质量改良找

3、出方向。经过工序才干的测定与分析，为技术与管理人员提供关键的工序才干数据，可以为产品设计的改良、管理程序或规程的优化提供第一手资料。.2、工序才干指数的计算 质量规范是指加工产品必需到达的要求，通常用公差容差或允许范围等来衡量，普通用符号T表示。为了阐明工序才干满足技术要求的程度，我们定义工序才干指数。CpT/B=T/6其中:T公差，6工序才干。 Cp值越大，阐明工序才干越能满足技术要求，甚至还有一定的才干贮藏。但是从经济的角度来说，并不是工序才干指数越大越好，它应该与经济效益相匹配。.1当质量特性为计量值时分两种情况进展讨论：a、分布中心与公差中心重合b、分布中心与公差中心不重合.a、分布中

4、心与公差中心重合T公差范围Tu公差上限TL公差下限规范差 PL,Pu不合格品率TLTUTPLPUB.例：某零件的尺寸公差为 ，从该零件的加工过程中随机抽样，求得: =0.02问Cp=？并估计不合格品率。 .b、公差中心与分布中心不重合的情况 a技术条件为单侧公差时有些质量特性只需单侧公差，如强度、寿命等只设下限，而形位公差，杂质等只规定其上限，在单侧公差时，工序才干以3计算，下面分两种情况来阐明。.单侧公差上Tuu当时.单侧公差下TLu当时,.b技术条件为双侧公差时 令:偏心距=|M-|相应地定义偏移系数 KK=/(T/2)=2/T=2|M-|/TTuTLMT/2T/2其中：M(TU+TL)/

5、2.公差中心与分布中心不重合时的工序才干指数我们知道左/右侧工序才干补偿不了右/左测工序才干的损失，所以在公差中心与分布中心发生偏移时，要取T/2-与T/2+中的较小者来计算工序才干指数。这个工序才干指数被称为修正后的工序才干指数，记为Cpk。.例： 知一批零件的规范差为S=0.056，公差范围T=0.35毫米，从该批零件的直方图中得知尺寸的分布中心与公差中心的偏移为0.022毫米，求Cpk值。.当质量特性为计数值时 a、计件质量目的 b、计点质量目的 .a、计件质量目的 在消费实际中，往往不是仅以产品的某一质量特性值来衡量产品的质量，而是同时思索几个质量特性，因此，产品的最终质量标志就是“合

6、格或“不合格。一批产品的不合格品率p或不合格品数d，被用来阐明该批产品的质量程度。这时工序才干指数Cp的计算不同于以前，它所思索的技术条件相应地改为批允许不合格品率上限pu或批允许不合格品数上限du，类似单侧公差的情况。 .a以批不合格品率为质量目的当以不合格品率P作为检验产质量量的目的、并以Pu作为规范要求时，CP值的计算如下:取k组样本,每组样本的容量分别为：n1，n2,nk，第 i 组的不合格品数为ri，定义样本容量的平均值 与不合格品率的平均值分别为：.当时CP=0 其中：pu产品的允许不合格品率上限 过程平均不合格品率 那么：.b 以批不合格品数为质量目的以不合格品数为检验产品的质量

7、目的时，设du为最大允许不合格品数，取k组样本，每组样本的容量为ni，其中不合格品数分别为：r1，r2，rk，那么样本容量平均值与样本平均不合格品率的值分别为：.那么工序才干指数为：时，Cp=0 其中：du允许不合格品数上限 样本平均不合格品数 样本不合格品数的规范差注：每组的样本容量n必需相等。.例抽取容量为100的20个样本，其中不合格品数分别为：1、3、5、2、4、0、3、8、5、4、6、4、5、4、3、4、5、7、0、5，当允许不合格品数du为10时，求工序才干指数。解：.样本平均不合格品数为:所以：.b、计点质量目的 有些产品如布、电镀件外表等的质量是以疵点数多少来评价其质量好坏的，

8、普通说来,这些疵点数服从泊松分布 ： 其中C为单位面积内所含的疵点数，假设C5时,可用下式来计算工序才干,如C5时，可适当添加单位面积的量值使C5。.记点值情况下Cp值的计算当以缺陷数C检验产质量量目的，并设最大缺陷数为Cu时,Cp值的计算如下:取k个样本，每个样本的容量为n，其中的缺陷数分别为Ci，记样本平均缺陷数为 由于缺陷数服从泊松分布，所以其方差与期望相等，它们的无偏估计都是样本平均缺陷数.那么可得工序才干指数Cp计算式为：当时，Cp=0其中：Cu允许单位面积缺陷数上限 样本缺陷数的规范差 .二、 工序才干评价 调查工序才干能否能满足设计质量的要求，主要是用该工序的工序才干指数Cp值来

9、判别。Cp值多大才算比较恰当呢？普通是根据产品的加工要求来确定的。.1、Cp1.67特级加工 适用于加工要求特别高的产品，对于普通产品，可以为工序才干贮藏过大，例如设备加工精度过高，这样势必影响消费效率，缩短设备寿命，提高消费本钱，此时可采取以下措施： 1改用精度较低的设备或采用较为简单的工艺或改换较为廉价的原资料。2更改设计，提高产质量量程度。 .2 、Cp=1.331.67一级加工工序才干富余，可以作为精细加工。3 、Cp=1.001.33二级加工适用于精度较高的加工，如内燃机配件的加工程度普通不得低于二级。4 、Cp=0.671.00三级加工这时工序才干已略显缺乏，必需分析情况，采取措施

10、，提高工序才干，同时，当被加工产品要求较高时，应对产品实行全检。 .5 、Cp0.67四级加工工序才干严重缺乏，应立刻停产检查缘由，同时对产品实行全数检查。 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6112332.工序才干CP值的评价TLTUTLTUTLTUTLTUTLTU工序才干指数工序才干等级图例工序才干评价1.67Cp特级工序才干过高1.33Cp1.67一级工序才干充足1.00Cp1.33二级工序才干尚可0.67Cp1.00三级工序才干缺乏Cp0.67四级工序才干太低.三、 工序才干调查工序才干调查是进展工序控制的预备任务。在进展工序控制时，要求消费过程相对地稳定，亦

11、即工序才干要足够大，这就需求对消费过程的工序才干做详细的调查,同时对原来的工艺规范、技术规范等等进展验证,确定比较合理的工艺、技术规范。工序才干调查的方法常用的有：1、直方图法2、工序才干图法.1、直方图法 1搜集数据a 数据要足够多，普通要求：n50。b数据要按加工条件等进展分层，这样便于发现问题。2用这些数据画直方图,计算 ,S,与Cp。假设Cp值足够大，阐明工序才干是充分的。假设Cp比较小，那么阐明工序才干缺乏，就运用因果分析图等统计方法，找出存在问题，提高工序才干，在实际中，提高工序才干往往不是一次能到达目的，而是要经过几次调整。.2、工序才干图 所谓工序才干图即为:按加工时间顺序抽出

12、部分产品，画出其质量特性的分布图，并与技术条件进展比较。画工序才干图的目的是经过了解质量特性值随时间变化的情况，对消费过程有比较深化的了解，从而设法使消费坚持稳定。下面引见几种比较典型的工序才干图。 .a、点子都在上、下限之内动摇，阐明消费过程稳定，能满足要求。 特性值TuTLt.b、消费过程比较稳定，但动摇偏大，能够是由于加工设备的精度不够或丈量仪器的精度逐渐下降等缘由。 特性值TuTLt.c、特性值TuTLt消费过程稳定，但平均值偏高，能够存在某种系统缘由，如加工设备调整不当、操作人员人为地将数据偏向某一方等。 .d、消费过程不稳定，呈周期性变化，能够是环境要素如振动等周期性变化引起的。

13、特性值TuTLt.e、消费过程不稳定，点子有逐渐上升的趋势，消费过程中存在某种系统缘由,如刀具的磨损等。 特性值TuTLt. 四、控制图 控制图概述一质量动摇的两种缘由二控制图原理.控制图概述控制图是对消费过程中产质量量情况进展适时控制的统计工具,是质量控制中最重要的方法之一。人们对控制图的评价是:“质量控制始于控制图,亦终于控制图。早在1924年,休哈特博士就开场把数理统计运用于工业消费中,制造了世界上第一张工序质量控制图，自控制图问世以来，由于把产质量量控制从事后检验改动为事前预防，对于保证产质量量,降低消费本钱,提高消费率开辟了宽广的前景,因此它在世界各国得到了广泛的运用。.控制图的主要

14、用途：分析判别消费过程的稳定性，从而使消费过程处于统计控制形状。及时发现消费过程中的异常景象和缓慢变异，及时预防不合格品的发生。查明消费设备和工艺配备的实践精度，以便作出正确的技术决议。为评定产质量量提供根据。.一质量动摇的两种缘由由于受5M1E的影响，即使是同一个人，同一种资料或同一设备消费出来的同一种产品，其质量程度也是不尽一样的。在工序处于控制形状时，这些质量特性应服从于某种分布规律，而当工序失去控制时，质量特性必然会发生突变。按照对质量特性影响的大小，要素可分为随机缘由与系统缘由二大类： .1、随机缘由正常缘由 如原资料性能、成分的微小差别，刀具的正常磨损，操作者生理与心思的正常变化等

15、等，其特点是没有规律性，也没有可预见性，这些变化是不可防止的，它们只需统计意义，在一定的科技与消费力程度下没有方法躲避和消除。.2、系统缘由异常缘由 如工人不按操作要求、资料规格不对、工夹具严重松动等等，它们经常引起质量的显著改动，这类要素普通较少出现，即使出现，也容易找到。我们把随机缘由引起的产质量量特性的动摇称为正常动摇,把由系统缘由引起的产质量量的动摇称为异常动摇,并称前者为工序处于控制形状,后者为工序处于失控形状。 .二 控制图的原理 控制图的原理控制图的两类错误控制图的作用.1、控制图的原理控制图的设计原理可以用四句话来表述,即: 正态性假定；3准那么；小概率原理；反证法思想。1正态

16、性假定 任何消费过程消费出来的消费出来的产品,其质量特性值总会存在一定程度的动摇,当过程稳定或受控时这些动摇主要来自于5M1E的微小变化呵斥的随机误差。此时,绝大多数质量特性值均服从或可发明条件使之近似服从正态分布。该假定称为正态性假定。.23准那么假设质量特性数据服从正态分布，我们知道距分布中心各为3(即3)的范围内所含面积为99.73%，假设消费过程只受随机缘由的影响，该过程的产品的质量特性数据应有99.73%的概率落入该范围内，而假设某一数据落到这范围之外，那么我们有很大的把握以为该点不属于原先的分布，由此而断定消费过程出现了某种异常缘由。.图3.1 3准那么-3+399.73图3.1.

17、图示如把图3.1转过一个角度成图3.2外形,即成控制图的根本外形,各条线的意义如图3.2所示。 UCL:Upper Control Limit;CL :Central Line;LCL:Lower Control Limit.UCLCLLCL异常点图3.2.3小概率原理所谓小概率原理，即以为小概率事件普通是不会发生的。由3准那么知，当X服从正态分布时X落在控制界限之外的概率只需0.27%。因此，我们有理由以为在正常情况下，X不应该超出控制界限。小概率原理符合人们的推理思想,故又被称为实践推理原理，当然运用小概率原理也能够导致错误,但是导致错误的能够性恰恰就是这个小概率事件。 4反证法思想一旦控

18、制图上的点子越出界限或其它小概率事件发生，那么疑心原消费过程失控，亦即不稳定。此时要查找缘由，确认过程能否发生了显著变化。.2、控制图的两类错误 在设定上下控制界限时,我们将它们置于3处,即有99.73%的数据在该范围内,另有0.27%的数据落在其外,根据控制图的原理,当数据属于正常分布时,有0.27%的能够被判为异常,即把正常的消费过程判为出现异常,称这类错误为第一类错误，用表示。.图示+3-3/2.另一种相反的景象是，属于不正常分布的数据有能够落入控制界限内，这时就会将不正常的消费过程判为正常，这类错误称为第二类错误，用表示。第一类错误与上下控制界限的设定有关，第二类错误与样本量n有关，1

19、-被用来衡量控制图的灵敏度，称为检出才干(即检出不正常点的才干)。.三 控制图的分类 1、按控制对象分类： .2、按用途分类1)分析用控制图。用于分析消费过程能否处于统计控制形状，假设经过分析后，消费过程处于统计控制形状且满足质量要求，那么把分析用控制图转为管理用控制图；假设经过分析后，消费过程处于非统计控制形状，那么要查找导致失控的异常缘由，去掉异常数据点，重新计算中心线与控制线。假设异常数据点比例过大，那么应改良消费过程，再次搜集数据，重新计算控制界限；消费过程虽然处于统计控制形状,但不满足质量要求,那么应调整消费过程的有关要素，直到满足要求方能转变为管理用控制图。.2管理用控制图。管理用

20、控制图由分析用控制图转化而成，它用于对消费过程进展延续监控。按照确定的抽样间隔和样本大小抽取样本，计算统计量数值并在控制图上描点，判别消费过程能否异常。管理用控制图在运用一段时间后，该当根据实践情况对中心线和控制界限进展调整。.3、控制图的判别规那么要到达控制工序的目的，仅仅画出控制图还不够，必需学会正确地判别控制图，及时从控制图上获得工序异常的信息。下面是判别控制图的普通准那么：.控制图中点子能够出现异常的缘由有三种：分布中心偏移如分布；分布的离散程度偏大如分布；分布的中心偏离和分布的离散程度偏大如分布。.UCLCLLCL11.1、工序正常时点子陈列情况 工序正常时，控制图上的点子应随机地分

21、散在中心线的两侧附近。点子没有跳出控制图界限点子陈列无异常 .2点子异常陈列的情况 1链 2点子在控制界限附近出现 3倾向 4周期.1 链 链：在中心线上方或下方延续出现n个点称为n点链。 a、在中心线一侧出现7点链 .数理统计中把出现概率小于1%的时间称为小概率事件，这时这种事件出现的能够性极小。 .b、点子在中心线一侧多次出现 a延续11点中至少有10点在同一侧 .b延续14点中至少有12点在同一侧c延续17点中至少有14点在同一侧d延续20点中至少有16点在同一侧 .2点子在控制界限附近出现 (a)延续3点中有2点出如今控制界限附近(b)延续7点中有3点出如今控制界限附近(c)延续10点

22、中有4点出如今控制界限附近 UCLLCL+2-2CL.3 倾向 当点子延续有7个以上趋上升或下降时，应判别该消费过程为异常。 .4 周期 当控制图上的点子陈列呈周期性变化时，情况比较复杂，不能随便下“消费过程为异常的结论。 .四控制图的作法 计量值控制图 计数值控制图 单件小批量产品的控制图 .1、计量值控制图此图可以同时控制质量特性值的平均值与离散程度。它可用于控制对象为长度、质量、强度、纯度、时间和产量等计量值的场所。只需把 控制图 与R控制图结合运用才干全面地看出消费过程形状的变化。与其它控制图相比，可以提供较多的质量信息和较高的检出力。(平均值与极差控制图)(). 控制图由 图和R图组

23、合而成，前者用来控制平均值的变化,后者那么用来控制数据的离散程度 。.控制图的原理总体与样本的关系在实际上曾经保证在稳态下随机变量服从正态分布，因此，我们就可以用随机抽样的方法来推断总体的分布特征值。.由3原理不难得到：. R图的控制界限： 由前面讨论知:进而可得以下的控制线.D3与D4可以由查表得到.控制图的普通作法搜集数据最少50个，最好在100个以上；数据分组。按数据获得的依次分组，每组4-5个数据或更多；计算组平均值；计算极差；计算x-bar与R控制线；画x-bar与R控制图。.例 一车间欲对某零件外径用控制图进展工序控制，该零件外径的尺寸及公差为 ,为了作出控制图,从消费过程中按消费

24、的时间顺序随机抽出20批样本，每组样本量为n=5，试作 控制图。 .组号数 据 小组和 平均数R17391102779343687.229283807881884108210391888885784308613483838183754058185818691788442084136977371677836873.6307859183768942484.4158839187888843787.489808383958142284.41510917987818342184.212.11857981757739779.41012777784888340981.81113888082858542084

25、.4814898388959645190.21315828485918542785.4916767177808538977.81417808479908641983.811188677738371390781519828676867940981.81020888683878342785.4583111662.2259.图.R图.画控制图： a、纸张规格，方格纸 b、 、R图的位置： 图在上，R图在下。 .UCLCL样本号 1 2 3 4 5 6 7 8 9RUCLCLLCL.3、关于 控制图判别的阐明 1当 图出现异常，而R图正常时，普通可从工序中寻觅缘由，如设备的调整、工夹具的安装、刀具的磨

26、损等，当这些缘由被找到并加以校正后，控制图很快就会恢复正常形状。2当R图出现异常时，情况就比较复杂，往往是设备的性能下降了，或是加工资料的规格改动等，这时单靠调整工序是无法处理的，必需采取其它措施如检修设备甚至改换设备等。 .() X-RS 单值与挪动极差控制图X-Rs控制图的运用范围： X-Rs的原理根本与均值极差控制图一样.它普通在工序内部匀一,不需求多个丈量值(如酒精的浓度);或由于费用或时间关系,只能获得一个丈量值(如破坏性实验等，可以运用该控制图，但其灵敏度不高，不适宜用来分析大批量消费的工序。挪动极差是指一个丈量值Xi与紧邻的后续丈量值Xi1之差的绝对值，记作 Rs即： RS=|X

27、iXi+1| (i=1,2,k-1).极差控制图不再进展分组，测定值个数就是组数K，K个测定值有K-1个挪动极差，每个挪动极差值相当于样本大小n=2的极差值。确定控制界限的步骤如下：计算总样本平均数：计算挪动极差平均数：.假设样本取自正态总体，可以证明：挪动极差Rs的期望与方差分别为：于是有：.计算控制界限。由前面的分析知：根据3原理可得x控制图控制界限如下：.例：某车间欲用X-RS控制图控制变性乙醇的质量，质量特性是变形乙醇的甲醇含量,下面是随机抽得的数据表。式中：E2=3/d2，当n=2时，E2=2.66,所以控制界限为:同理可得Rs控制图界限为：.群号测定值RS群号测定值RS群号测定值R

28、S11.09110.980.12211.400.2221.130.04121.370.39221.680.2831.290.16131.180.19231.580.1041.130.16141.580.40240.900.6851.230.10151.310.27251.700.8061.430.20161.700.39260.950.7571.270.16171.450.2534.127.1081.630.36181.190.26移动极差 91.340.29191.330.14101.100.24201.180.15.X 图的控制界限.RS 图的控制界限： . 中位值与极差控制图与控制图相比

29、， 控制图不需求太多的计算，但精度稍低一些，消费现场乐于运用它。它是由样本中位数取代样本均值的一种方法，所以作图法根本与 x-bar-R的作图法一样。其中：m3是由样本n决议的系数.样本中位数的平均数为：极差的平均数为：.2、计数值控制图 1 不合格品率控制图P 2 规范变换P控制图 3 不合格品数控制图pn 4 缺陷数控制图c 5 单位缺陷数控制图u .(1)不合格品率控制图P控制图P控制图的运用范围： P控制图用于对产品不合格率进展控制的场所，是经过产品不合格品率的变化来控制一批产品的质量.P控制图单独运用,不需组合。除了不合格品率外，对于合格率、资料利用率,缺勤率,出勤率等都可以用P控制

30、图进展控制.P控制图原理。由概率分布实际知，从一批稳定形状下消费的大量产品中，随机抽取容量为n的样本，以d代表其中包含的不合格品数，那么d服从二项分布。.P控制图的控制界限故，E(d)=np, D(d)=np(1-p),其中：n样本容量，p不合格品率.当p较小，而n足够大时，该二项分布趋近于正态分布N(np,np(1-p)由3原理知：=np,2=np(1-p).由中心极限定律，当n时实际中取n足够大 .由Shewhart控制图的原理得到P控制图的中心线与上下界限为： .b、关于p与n的阐明： A、p是工序的不合格品率，但往往此值不易知道，可用过程平均来估计它。 B、关于样本量n的阐明： .a样

31、本量n的大小可这样来决议：因p知，经过抽样使每组的不合格品d最少在15之间，这是中心极限定律的要求，从而: 例 p=0.05,d=15.bn的大小直接影响控制界限，n控制界限变窄，n控制界限变宽。c从UCL，LCL表达式中可看出，假设样本量n不一样,UCL与LCL就不是直线而是阶梯状的。有条件时，应使n取一样的值，以使UCL与LCL为直线。 当n无法获得一致而对控制图的精度要求不是很高时，可用以下方法： .但需满足： 这时p图的控制界限为： .c、作图步骤 (a) 搜集数据留意选择样本量n的大小(b)计算各组的pi .c)计算平均不合格品率.P控制图数据表 样本号样本量n不合格品数pn不合格品

32、率p（%）UCLLCL1302154.970.1730.0250.0472516183.490.3120.0190.0410.00253366102.730.1570.0230.045418342.190.2220.0320.0545263103.800.1840.0270.049622531.330.20.0290.051739010.260.1520.0220.044821210.470.2060.0300.052921110.470.2060.0300.0521029610.340.1740.0250.047.11512101.150.1330.0190.0410.02512610182

33、.950.1210.0180.0390.0261335351.420.1600.0230.0451416231.850.2360.0340.0561523083.480.1980.0290.0511617784.520.2250.0330.0551716021.250.2370.0340.05618162100.620.2360.0340.0561933182.420.1650.0240.0462043140.930.1450.0210.0436092140.(2)规范变换P控制图 由前面的阐明知：当n时，有： 即:.设各样本的不合格品率是p1,p2，pk,过程平均为 分别将p1,p2，pk变换成规范正态分布下的相应数据为： p1,p2，pk:.，数据的规范化处置过程.这样，P控制图的控制界限变为： 规范化.例： 组号nipnipi110040.040.101.429210020.020.1003100000.10-1.4294200100.050.0713.018520060.030.0711.006620040.020.0710720040.020.0710810030.030.100.714920040.020.071010200120.060.0714.024.113003