技术监督毕业设计论文

广西工学院成人高等教育专科毕业论文PAGE摘要产品质量是一个国家综合实力的反映，是国民经济发展和对外贸易的关键因素。而保证工序质量是保证产品质量的必要前提。工序质量控制是提高产品质量的客观要求和根本保证，是质量管理中最具有现实意义的研究内容之一。本论文旨在探讨工序质量控制的基本理论、方法及一般实际应用。论文的主要内容如下：(1）对质量管理概念进行了介绍，讨论了工序质量控制在生产中的应用和国内外研究现状。(2）讨论了工序和工序质量控制；对工序质量波动进行了分析，计算了工序质量波动的损失。(3）将控制图分为分析用控制图和控制用控制图两个阶段，当加工工序还未判稳时用分析用控制图进行判稳，工序判稳后用控制用控制图对工序质量进行控制，并详述了分析用控制图和控制用控制图的判稳、判异准则。(4）介绍了对于计量数据可选用的控制图有：均值—级差（—R）控制图、均值—标准差（—S）控制图和单值—移动级差（X—Rs）控制图。对于计件数据介绍了不合格品率控制图（P控制图）。介绍了排列图、因果图和直方图三种质量改进工具，可以有效地帮助质量管理人员对工序出现的异常进行分析。(5)以某企业碳氮共渗工序为例,探讨了工序质量控制理论工具的实际运用。关键词：质量管理；工序质量控制；控制图；质量改进目录第一章绪论 1第一节质量管理简介 1一、质量检验阶段 1二、统计质量控制(SQC)阶段 1三、全面质量管理(TQM)阶段 2四、21世纪的质量管理 2第二节工序质量控制在生产中的作用和意义 3第三节工序质量控制国内外研究概况 4第二章工序质量控制 7第一节工序的概念 7第二节工序质量控制 7一、工序质量控制的内容 8二、工序质量统计控制 8第三节工序质量波动的分析 9一、工序质量波动极其产生原因分析 9二、工序质量波动的规律 10三、工序质量波动损失 10第三章控制图和质量改进常用工具 13第一节控制图的概念及原理 13一、控制图的概念 13二、控制图的原理 13三、控制图的控制界限 14第二节常规控制图和判断准则 14一、分析用控制图和控制用控制图 14二、判稳和判异准则 15第三节控制图的种类 17一、计量值控制图 17二、计数值控制图 17第四节工序能力和工序能力指数的计算 17一、工序能力 17二、工序能力指数 18三、工序能力评价 19第五节质量改进及常用工具 19一、质量改进的概述 19二、质量改进的步骤及内容 19三、质量改进常用工具 20第四章质量控制和改进工具的现实运用 23第一节Microsoftoffice软件在质量分析中的运用 23第二节—R图的运用 25一、数据整理 25二、确定控制界限 25三、绘制控制图 26四、分析和判断 26第三节排列图和因果图的运用 27一、整理数据绘制排列图 27二、绘制因果图 28三、分析： 28结论 29致谢 30参考文献 31广西工学院成人高等教育专科毕业论文PAGE32第一章绪论第一节质量管理简介质量管理是对达到或实现质量的所有职能和活动的管理。它包括质量政策的制定，质量目标或水平的确定，企业内部或外部有关质量控制的组织和措施以及质量管理体系的建立等。质量管理即有微观方面的，也有宏观的方面。对于企业来说，主要包括两方面的内容，即质量保证和质量控制。质量管理所包含的质量保证是企业组织对客户来说的，就是要对客户实行质量承诺。质量管理所包含的质量控制是对企业内部来说的，是指为保证其产品过程或服务的质量所采取的作业技术或有关活动。质量控制是质量保证的基础。从国外工业发达国家的情况来看，质量管理的发展大体经历了质量检验、统计质量控制和全面质量管理三个阶段，现分别介绍如下。一、质量检验阶段质量检验的思想源远流长，但是作为一种科学的管理方式，则形成于20世纪初至30年代。20世纪初科学管理的创始人美国工程师泰勒提出了“科学管理理论”，创立了“泰勒制度”。泰勒主张计划与执行必须分开，因而需要有“专职检验”这一环节。与此同时，随着生产规模的扩大，对零件的互换性、标准化的要求也越来越高。因此，大多数企业都设置了专职部门和检验人员，负责产品质量的检验和管理。那时，人们对质量管理的理解还只限于质量的检验，即依靠检验手段挑出不合格品，并对不合格品进行统计而已，管理的作用很薄弱。这种“检验的质量管理”是以半成品、成品的事后检验为主的质量管理方式，对于防止不合格品出厂，保护用户利益和出厂产品质量是完全必要的。但它还存在如下缺点：(一)解决质量问题缺乏系统的观念；(二)只注重事后的结果，缺乏预防；(三)它要求对成品进行100％的检验，在大批量生产情况下往往难以实现。二、统计质量控制(SQC)阶段统计质量控制形成于20世纪30年代。1924年，美国贝尔电话实验室的休哈特（W.A.Showhart）应用数理统计提出了SPC(StatisticalProcesscontrol）理论，其目的是预防生产过程中不合格品的产生，从理论上实现了质量管理从事后把关向事前预防的转变。1931年，休哈特出版了《加工产品质量的经济控制》专著。1929年，同一实验室的道奇（H.F.Dedge）和罗米格（H.G.Romig）提出了统计抽样检验原理和抽样表。他们是最早把数理统计引入质量管理领域的三位学者。但由于当时美国经济处于萧条时期，上述成果未得到广泛应用。20世纪50年代初期，由于美国当时国际竞争压力很小，上述方法在美国逐渐消失。直到20世纪80年代，日本经济的迅猛发展，特别是日本质量管理所引起的巨大作用，又一次引起世人对统计质量控制的重视。以美国为首的工业发达国家掀起了大力推行SPC的热潮。由于这一阶段应用数理统计来预防不合格的发生，因此质量职能由专职检验人员转移给专业质量控制工程技术人员承担。这标志着事后检验的观念转变为预防质量事故的预防观念。三、全面质量管理(TQM)阶段全面质量管理的理论于20世纪60年代提出，至今仍在不断的发展和完善之中。20世纪50年代以来，随着社会的发展，人们对产品质量的要求越来越高，不仅注重其性能，而且增加了耐用性、可靠性、安全性、经济性等要求；在生产和企业中广泛应用系统分析的概念，把质量问题作为一个系统工程加以综合分析研究；20世纪60年代的管理理论中出现了“行为科学理论”，突出“重视人的因素”,“参与管理”，强调人在管理中的作用；“保护消费者利益”运动的兴起；随着市场竞争，尤其是国际市场竞争的加剧，各国都很重视“产品责任”和“质量保证”问题。由于上述情况的出现，仅仅依赖质量检验和运用统计方法是很难解决问题的。故从20世纪60年代起，许多企业开始推行全面质量管理。最早提出全面质量管理概念的是美国菲根堡（A.v.Feigenbaum）。1961年，他发表了《全面质量管理》一书。该书强调质量职能应由公司全体人员来承担，质量管理应贯穿于产品产生、形成的全过程。20世纪60年代以后，全面质量管理的观念在全球范围内得到了广泛的传播，各国都结合自己的实践进行了创新。日本结合国情，提出全公司质量管理。全面质量管理的概念已逐步被世界各国所接受。四、21世纪的质量管理进入21世纪，质量管理呈现出下列许多新的特点和趋势：第一，随着国际贸易的迅速扩大、产品和资本的流动日趋国际化和全球经济一体化，企业的竞争范围逐渐扩大，随之而来的是国际产品质量保证和产品责任问题。制定质量管理国际标准以促进国际技术经济合作、消除技术贸易壁垒成为世界各国共同的需要。国际标准化组织提出的ISO9000族标准已为许多国家所采用，它标志着现代管理向着规范化、系列化、科学化和国际化的新高度在不断地深入和发展。第二,自从本世纪80年代以来，全面质量管理的重点己经由制造向设计和售后服务两侧延伸售后服务的质量和产品质量同等重要。必须以顾客为导向，不断加以改进使顾客满意，甚至进一步促使顾客忠诚。第三,美国质量专家克劳斯比提出，质量就是一次成功，零的缺陷。零缺陷活动，是以消除工作缺陷为目的。为此，企业逐渐发展出六西格玛管理。在此基础上，进一步的质量提高是由整体供应链来共同保证的，要求企业必须在充分挖掘内部资源的基础上，整合、利用外部资源，与顾客、供应商、分销商、合作者建立稳定的合作关系，坚持互利的原则。第四,人们对环境问题的重视以及可持续发展观的形成迫使人们重新审视全面质量管理。人们应当建立一种全新的生态质量观。第五,以微电子技术为中心的新技术革命，使社会进入信息化时代。计算机的软件在社会经济生活中占据了日益重要的地位。为保证并提高软件质量，有一些软件企业通过贯彻ISO9000族标准或进行能力成熟度模型认证，强调实施软件工程，采取在软件产品设计和开发阶段实行标准化，加强软件配置管理和技术管理等手段取得良好的效果。第六,在21世纪，各组织更加强调满足顾客的个性需求，通常采取“大规模定制”生产方式，形成以互联网、自动控制等技术为支撑的生产网络。同时，21世纪是一个“以知识为基础，以互联网为沟通，形成全球化的发展”的时代。质量管理观念逐渐化为组织的质量文化，质量管理的方针也从持续改进转化为持续创新。第二节工序质量控制在生产中的作用和意义1994年美国质量管理专家朱兰在美国质量管理学会年会上指出：20世纪以“生产力的世纪”载入史册，未来的21世纪是“质量的世纪”。朱兰做出上述论断有其下列科学背景：第一,近年来，由于科学技术的迅猛发展，产品的不合格品率迅速降低，如电子产品的不合格品率由过去的百分之一、千分之一降低到百万分之一，乃至十亿分之一。第二,生产控制方式由3控制方式向6控制方式演进。在3控制方式下均值无偏移不合格品率为,6控制方式下均值无偏移不合格品率为。在许多发达国家除加工制造部门外，银行、网站甚至政府部门己经开始使用6控制方式。目前，美国公司的平均水平己从十年前的3左右提高到5的程度，而日本则己超过了5.5σ的水平。可以毫不夸张地说西格玛水平己成为一个国家综合实力与竞争力的最有效的指标。第三,我国对外贸易发展迅速，对外贸易额迅速增长，对外经济联系日益紧密。西方工业发达国家来华加工订货，一般都要求企业在生产线推行SPC，如未推行就认为该企业的产品质量没有保证，拒绝订货。当代我国己推行了质量体系认证制度，虽然成绩显著，但存在的重大缺点之一即未按照质量管理学科的特点办事。例如对于质量体系的建立，很多企业未采取统计方法来保证其实现，或者仅仅采用因果图与排列图就算是己经采用了统计方法，应付了事。产品质量低劣己严重影响我国国民经济的健康发展，削弱了我国产品在国际市场上的竞争力，导致了资源的浪费与经济效益的低下。美国统计资料表明该国的不良成本通常占销售的30％左右，如IBM公司的质量不良成本始终在20%-40%间波动。由此可见，即使是西方发达国家，尽管采取了一系列科学严格的管理措施，如PPM级管理、实时生产管理、零缺陷活动等，由于质量问题而导致的质量损失也是巨大的。据有关材料分析，当前我国产品质量水平能达到国际先进水平的只有13％左右，有65％的产品落后世界先进水平20年左右。加强在线控制强化工序管理，降低工序不良品损失，已成为国家和企业提高产品质量、增加经济效益的当务之急而提高产品质量也就是提高国民经济运行的质量。第三节工序质量控制国内外研究概况自1924年美国贝尔实验室工程师休哈特，创立控制图至今，工序质量控制的理论与技术已经有了长足的发展。初期的工序质量控制理论仅以SPC技术为基础，SPC理论能科学地分析出制造过程中产品质量的偶然波动与异常波动，从而对过程的异常及时预测，以便人们采取措施，消除异常，恢复过程的稳定。在此期间，SPC理论在休哈特控制图理论的基础上有了较大的扩展，如累积和控制图、区域控制图、预控图、通用控制图、多元均值控制图、多元离散控制图，以及在田口理论基础上提出的田口控制图。自80年代以来，SPC被西方各国作为重点发展的科技之一，如加拿大STELCA钢铁公司于1988年将SPC技术作为优先发展的七个高科技技术之一。到了80年代，诊断技术作为工序质量控制的客观要求进一步完善了工序质量控制的内容，成为SPCD(StatisticalProcesscontrolandDiagnosis)，即统计过程控制与诊断。SPC虽然能对过程的异常进行报警，但并不能告诉是什么异常，发生于何处，也不能进行诊断。1982年我国学者提出了两种质量诊断理论，并在美国福特汽车公司获得应用，取得了良好的效果。两种诊断理论突破了传统的休哈特质量控制理论，进一步发展和完善了工序质量控制的理论和方法。针对制造过程中产品多质量指标的情况，1994年我国学者又提出了多元逐步诊断理论；1996年又提出了两种质量多元诊断理论，解决了多工序多指标系统的质量控制与诊断问题。但两种诊断理论对于工序所能提供的诊断信息也是较为有限的，它无法表明工序的哪些环节出现了问题、出现了什么问题。当前人们对有关工序质量控制的SPCDA(StatisticalProcessControlDiagnosisandAdjustment，统计过程控制／诊断与调整）或称之为ASPC(AlogrithmicStatisticalProcessControl，算法的统计过程控制）的研究内容给予了充分关注。这种基于计算机技术的工序质量控制系统，基于闭环反馈控制和超前控制的管理理念，可使工序质量控制达到更加理想的水平，但类似系统目前尚处于研究的初级阶段。工序能力测算是判别制造过程能力能否达到加工技术要求的重要方法，国内外质量管理工作者对工序能力和工序能力指数的研究给予了高度的重视。Chan.L.K于1988年提出了一种工序能力的新措施，为使工序能力指数计算更为准确，Price.B于1993年提出了一种估计样本离差的方法，Rodrigueg.R.N在其论文中介绍了工序能力分析的最新进展，对几种工序能力指数进行评述；SPiring.F.A于1997年提出了统一各种工序能力指数的方法。国内也有不少关于工序能力指数的研究，对传统的工序能力分析研究进行了深化。然而仍有不少领域值得探索，特别是美国摩托罗拉公司自80年代末推行6质量计划对以往的工序能力分析理论构成了新的挑战。早在1962年日本著名质量管理专家石川馨就在一份供基层现场人员阅读的质量刊物--《现场与质量控制》的创刊词中提出：“以领班为核心，组成一个小组，共同学习质量控制方法使现场控制成为质量控制的核心”。自本世纪50年代美国开始进行工序质量控制方法的研究与开发，即通过监测及调节生产过程的方法来控制质量。这种方法把工序质量控制从对最终产品的检验提前到产品生产过程的控制，大大提高了质量控制的有效性。在加拿大杜邦公司，20世纪50年代末60年代初，质量实现目标仅定为消灭废品。但是，即使减少了废品损失，也仍存在着次品、返修品等不良品。因此，20世纪80年代，该公司提出了零缺陷的目标，要求消灭一切不良品，并采取严格的科学管理，运用各种先进的加工设备，特别是注重引入计算机控制机制，使产品质量优良率不断上升，并正在逐步向零缺陷的质量目标迈进。当今许多发达国家，己把产品零缺陷当作现阶段改进工序质量的终极目标，并且在任何实现零缺陷质量目标上进行研究和探索，提出了许多行之有效的改进工序质量的数理统计方法，如采用原产品检验和鲁莽差错预防等质量控制技术。随着SPC(统计过程控制)理论的不断深入，原有的质量监控手段已显得相对落后，即使在全面质量管理的发源地日本，20世纪80年代以前，制造过程的质量控制手段仍主要依靠手工计算为主，并尽可能地应用简化的图表，如七种工具。为解决这一问题，自80年代以来，美国、加拿大等国利用计算机工业力面的优势，将计算机技术与统计过程控制（SPC）理论相结合，正在力求实现在线质量控制，以使许多因计算复杂、在手工条件下很难实施的实验设计方法成为简单易行的常用力法。随着机电一体化技术的发展和计算机在企业中的广泛应用，西方工业发达国家纷纷加大了对工序质量控制的研究，为保证产品质量、提高生产率、降低生产成本起到了巨大的作用。许多行之有效的理论方法己开始固化到现代设备中，极大地提高了质量控制的自动化水平，使其能够自动判别工作状态，修正不良偏差，自动识别产品质量，从而增强了其在国际市场上的竞争能力。但是，随着新的制造模式，如CIMS、FMS、AMI、AM等的出现，使得以大批量生产加工为基础的统计过程控制理论的应用暴露出明显的不足和缺陷。在新的质量控制理论尚未出现的情况下，这些先进制造模式在发挥其应有的作用方面受到了约束20世纪八十年代末期6最早作为种突破性的质量管理战略在摩托罗拉公司制造业领域付诸实践，使产品的不合格率大幅下降。而真正把6这一高度有效的质量管理战略变成管理哲学和实践，从而形成一种企业文化的是杰克·韦尔奇领导下的通用电气公司。该公司在1996年初开始把6作为一种管理战略列在其三大公司战略举措之首（另外两个是全球化和服务业）在公司全面推行6的流程变革方法。而6也逐渐从一种质量管理方法成为了世界上追求管理卓越性的企业最为重要的战略举措，这些公司迅速将6的管理思想运用于企业管理的各个方面，为组织在全球化、信息化的竞争环境中处于不败之地建立了坚实的管理和领导基础。继摩托罗拉、德仪、联信、霍尼维尔、通用电气等先驱之后，几乎所有的财富500强的制造型企业如ABB、柯达Kodak、西门子和诺基亚等公司、都陆续开始实施6管理战略。值得注意的是，一直在质量控制领域领先全球的日本企业也在九十年代后期开始了向6进军的旅程。自通用电气之后，现在所有国际化的大公司都将6战略应用于全部企业流程的优化，而不仅仅局限于制造流程。第二章工序质量控制第一节工序的概念在机械制造工艺学中，工序指的是一个工人（对重型机床的加工而言可能是数个工人）在一个工作地点（一般指一台机床）对一个工件（对多轴机床来说时同时对几个工件）所连续完成的那一部分工艺过程。而这在质量管理中被认为是最狭义的工序l23］。在质量管理科学中，所谓工序是指生产与检验原材料与产品的具体阶段。也就是指人员、机器设备、材料、方法、环境条件、测量手段等六大质量因素（通常简称5M1E),对产品质量发挥综合影响的过程，如图2.1所示。图2.1工序的概念在此综合影响过程中，首先把5M1E输入，继而进行转换，然后输出转换结果并进行测量因此工序是一种价值转换过程：5M1E输入→转换→产品质量输出从统计意义上说，因为工序是抽取样本的一个源，所以工序也是总体的一种模式。而工序所产出的产品即包括过去已生产的产品和现时正生产中的产品，也包括在未来将出产的产品的总和。由于未来将出产的产品是无限的，所以从生产持续性观点出发，应把工序视为一种永存实体；而从概率统计观点出发，应把工序视为一种无限总体。第二节工序质量控制工序质量控制就是对影响工序质量水平的因素进行分析、控制和管理的过程。在产品生产过程中，监控工序质量因素的变化及其规律，使产品质量特性在允许的范围波动，达到能够稳定地生产出合格品的目的。早在1939年，美国质量管理专家休哈特与戴明合著的《由统计方法出发的质量管制》一书中即强调：“质量是制造出来的，而非检验出来的”，主张“将简单而且单刀直入的统计方法运用在制造过程中，才是预防质量滑坡的最好方法，也唯有统计的质量管制技巧，才能节省大量的检验成本，在最经济而有效的条件下，达到质量管理的目标。一、工序质量控制的内容工序质量控制的内容包括以下几个方面：(一）对生产条件的控制就是对人、机、料、法、环、测六大因素的进行控制，也就是要求生产技术及业务部门提供并保持合乎标准要求的条件，以工作质量去保证工序质量。同时，还要求每道工序的操作者对所规定的生产条件精心有效地控制，包括开工前的检查和加工过程中的监控，检查人员应给予有效监督。(二）对关键工序的控制对影响质量的关键工序应采取特殊措施。对关键工序，除控制生产条件外，平衡经济效益与质量水平的关系，采取各种措施使其始终处于最优状态，而其中最有效的方式就是工序质量统计控制。(三）对计量和测试条件的控制计量测试条件关系到质量数据的准确性，必须加以严格控制，要规定严格的检定制度，计量器具应有明显的合格标志，超期未鉴定或鉴定不合格的应严格禁用；测试手段和方法必须适应先进工序质量控制技术的要求。(四）对不良品的控制不良品的控制应有明确的制度和程序，不是仅仅局限于报表的统计和简单的返修品与废品的区别，而更重要的是根据统计信息进行预防性控制及正确评价，保持工序质量改进的持续性。二、工序质量统计控制早在上个世纪初，以数理统计技术为基础的工序质量控制就在生产过程中显示出其重要作用并取得了明显成效。随着社会生产力的不断发展，人们对产品质量要求的不断提高，以及管理科学理论的不断丰富和发展，工序质量控制的理论和方法非但未被摒弃，反而在现代化生产加工过程中愈加成熟和完善。尤其是计算机技术的飞速发展，使以数理统计为依据的工序质量控制方法有了更加广阔的应用前景。在工序质量控制中，最有效的控制方式和手段之一就是工序质量统计控制。工序质量统计控制就是应用概率与数理统计理论把两类因素（偶然因素和系统因素）区分开来，以使该系统工序保持稳定状态。也就是从生产工序中收集数据、进行统计分析、判断是否稳定，发现异常立即采取措施，使工序恢复正常的有效方法。工序质量统计控制的工作内容包括以下三部分：(一)数据采集从需控制的工序中收集含有质量特性信息的数据，这些数据的采集应该符合随机抽样理论。统计分析针对要解决的问题选择相应的SPC工具对数据进行处理、分析，找出影响工序的主要因素，制定解决的最佳途径。现场管理根据统计分析的结果来管理生产，改善工序参数，使生产能始终处于控制状态。第三节工序质量波动的分析产品制造过程是产品质量形成过程中的重要环节，是企业参加人员最多、涉及部门最广的一个阶段。在确认产品设计质量的前提下，它是实现产品设计质量的关键。构成制造过程的基本单位是工序。产品制造质量是在工序加工出来的，即产品制造质量是由许多工序的加工过程逐渐形成的。工序是产品零部件制造过程的基本环节，也是生产过程的基本单位。工艺质量职能和生产质量职能的成效都是通过工序表现出来的，通过工序管理可以使工艺和生产质量职能得到更好的发挥。工序质量是指工序质量因素满足产品制造质量的程度，也就是指工序加工过程的优劣程度。工序控制就是以影响工序质量水平的质量因素进行分析、控制和管理的活动。在制造过程中，工序质量因素的变化及其对产品质量的作用是一个极其复杂的过程。工序质量控制过程也就是发现和利用这个极其复杂过程的内在规律，使之达到能够稳定地生产合格品的目的的过程。一、工序质量波动极其产生原因分析工序质量属制造质量的范畴。质量的优劣主要体现为产品或工艺质量特性符合设计规范、工艺标准的程度，即符合性质量。在制造业中生产的产品，其某个质量特性值不可能维持在某一定值上，而是表现为相对标准值有一定的偏差。对于相同产品的某个质量特性值做大量的统计，其结果就表现为产品的质量特性值相对于标准值的波动。工序质量控制的对象是工序质量的波动，目的是保证受控工序能稳定地生产合格的产品，并将工序质量的波动限制在允许的范围内，使工序处于受控状态。工序质量因行业而异，一般来说对产品可分割的工序，工序质量即为产品质量特性，如尺寸、精度、纯度、强度等。对产品不可分割或最终才能形成者，则通常指工艺质量特性，如化工产品生产装置的温度、压力、浓度和时间。工序质量波动包括产品之间的波动；单个产品与目标值之间的波动；工艺质量特性在不同生产线、不同批次、不同时间的稳定性和波动导致产品质量特性随时间、环境的变化等方面。工序质量波动有两种类型：一是正常波动；一是异常波动。工序质量波动的类型体现了波动产生的不同原因和不同处理方式。正常波动是由于随机性因素的经常作用而产生的偶然波动。工序控制的任务是要维持正常波动的适度水平。异常波动是由于系统因素引起的系统误差产生的波动。由于系统是在特定情况下突然发生的，故异常波动不具备随机规律，在未采取纠正措施前始终具有系统性。系统因素是导致工序质量问题的主要原因，是工序质量控制的主要对象。工序质量波动的综合体现是工序质量特性值的统计参数、均值和标准差发生变化而导致工序质量失控。工序是人员、机器设备、材料、方法、环境条件、测量手段（5M1E)的组合，这些因素是工序质量的制约变量，工序质量波动的原因就在于上述因素的综合应用。二、工序质量波动的规律工序质量波动值是随机变量，通过其产品质量波动表现出来。依据大数定律，大量产品的质量波动必然呈现出一定的规律性，遵循一定的概率分布。又依据中心极限定律，可以得到一群相互独立的、具有同分布的连续型质量特性值的综合，当它们的波动属于正常波动时，其分布一般服从正态分布或渐进正态分布，其分布函数表达式为：(2.1)式中,为分布均值,为分布标准差。一群离散型质量特性值，当它们的波动属于正常波动时，其分布一般服从二项分布(计件质量特性值)或泊松分布(计点质量特性）。二项分布的表达式为：(2.2)式中,,该分布的均值为,标准差为。泊松分布的表达式为:(2.3)该分布的均值为,标准差为。二项分布和泊松分布在一定条件下，近似正态分布。三、工序质量波动损失既然工序存在质量波动，就会导致产品质量发生波动，从而带来质量损失，并且降低社会经济效益。质量波动损失大致有两类：一类是质量波动导致故障、公害以至灾害所带来的损失，这类质量损失将危及生产者、消费者和其他社会成员；另一类是质量波动导致产品性能、可靠性等质量特性降低所带来的损失，这类质量损失主要涉及生产者和消费者，有时也危及其他社会成员。质量波动损失的事后计算是比较容易，不是工序质量控制讨论的范围。故在此只讨论质量波动损失的事前估算，并依据设计和制造质量进行预估为此建立质量波动损失函数。设产品质量特性的标准差为，质量特性值为的产品，发生质量波动后，给用户带来的损失为，则当时，。当对的偏差达到时显然有：(2.4)其中，为时用户蒙受的损失。把质量波动损失围绕目标值进行泰勒展开，则得到：．．．(2.5)在时，损失函数不仅等于0，而且是最小值，故微分值。从而式(2.5)右边第一项和第二项均为0。又由于偏差值非常小，故泰勒展开式的第四项以后各项都远小于第三项，因而可以忽略不计。所以，因质量特性值少的波动而引起的损失，可用泰勒展开式第三项表达：(2.6)令的系数为，则式(2.6)可写成:(2.7)将式(2.4)代入式(2.7)得:(2.8)由式(2.8),得:(2.9)由于每件产品的质量特性值的波动大小不同，当时，该批产品的平均质量损失可用下式表达：(2.10)对于上述结论设为允许差即公差的一半，为标准差，表示工序质量波动的单位量；为生产工序发生不良的损失。则当工序质量波动时：(2.11)如通过工序控制使工序质量波动降低到，与此相应的质量波动损失将降低到：(2.12）因此可以看出,如果通过工序控制,把的波动抑制在标准中心的很小的邻域内,将降低质量波动损失,增大社会经济效益。所以工序控制的效能，不仅可以维持工序状态的稳定，还可以降低质量波动损失，提高产品的经济效益。第三章控制图和质量改进常用工具20世纪20年代，美国的休哈特(W.A.Shewhart)首先提出了过程控制的概念和实现过程控制的方法。迄今为止，统计过程控制，简称SPC(statisticalprocesscontrol)基本原理同前者并无本质上的差别。近一个世纪以来，统计过程控制的理论和方法得到了广泛的应用。有关调查资料显示，在经济发达国家中，仅就中小企业的实际调查结果发现，采用统计过程控制图的企业平均每家超过100例，这不仅说明了类似这些企业的现代化管理水平，同时，也证实了控制图应用的广泛前景。第一节控制图的概念及原理一、控制图的概念控制图是控制生产过程状态，保证工序加工产品质量的重要工具。控制图是一种将估，从而监察过程是否处于控制状态的一种统计方法设计的图。图中有中心线（CL,CentralLine）、上控制线（UCL,uppercontrolLimit）和下控制线（LCL,LowercontrolLimit)，并有按时间顺序抽取的样本统计量数值的描点序列，如图3.1所示。UCL=49.553UCL=49.553CL=49.5068LCL=49.460649.4606图3.1UCL、CL与LCL统称为控制线（controllines）。若控制图中的描点落在UCL与LCL之外或描点在UC与LCL之间的排列不随机，则表明过程异常。二、控制图的原理控制图的设计原理包括：正态性假定、3准则、小概率原理、反证法思想。正态性假定任何生产过程生产出来的产品,其质量特性值总会存在一定程度的波动,当过程稳定或者说受控时,这些波动主要由5M1E的微小变化造成的随机误差引起。此时，绝大多数质量特性值的分布服从或近似服从正态分布。称为正态性假定。3准则在生产过程中,仅有偶然性误差存在时,质量特性X服从正态分布N，根据正态分布的概率性质，有，即是的实际取值范围。(三)小概率原理所谓小概率原理，即认为小概率事件是不会发生的。由准则可知，若X服从正态分布，X的可能值超出控制界限的可能性只有0.27%，属于小概率事件。因此，一般认为不会超出控制界限。当然，运用小概率原理也可能导致错误，但犯错误的可能性恰恰是此小概率。反证法思想一旦控制图上的点子超出界限或其他小概率事件发生,则可怀疑生产过程失控,也即不稳定。此时，要从5M1E去找原因，看是否发生了显著变化。三、控制图的控制界限控制图中的上、下控制界限是判断工序是否失控的主要依据，因此应用控制图的核心问题之一就是确定经济合理的控制界限。我国和大多数工业国家是用3σ来确定上下控制界限的。用质量特性的平均值作为中心线。UCL=LCL=CL=其中:—样本统计量—的平均值—的标准偏差第二节常规控制图和判断准则一、分析用控制图和控制用控制图一道工序开始应用控制图时，几乎总不会恰巧处于稳态，也即总存在异因。如果以这种非稳态状态下的参数来建立控制图，控制图界限之间的间隔较宽，以这样的控制图来控制工序质量，将导致错误的结论。根据稳态所处阶段的不同，控制图可以分为分析用控制图和控制用控制图两种。分析用控制图是对收集到的数据进行分析，寻找稳态。控制用控制图是对实时数据进行分析，保持稳态。(一)分析用控制图分析用控制图的首要目的是寻找过程的稳态，即只有偶因没有异因的状态，判断过程是否达到稳态依据的是判稳准则。对未达到稳态的过程进行调整，运用“查出异因，采取措施，保证消除，纳入标准，不再出现”，最终达到稳态。这种稳态又称为统计稳态。除了统计稳态外，还要分析过程的技术稳态。技术稳态是指过程满足技术标准、技术要求的能力，判断过程是否达到技术稳态的依据是规范界限。即利用控制界限来判断过程是否处于统计稳态，利用规范界限来判断技术稳态。衡量过程技术稳态的常用指标是过程能力指数。技术稳态受偶因波动情况的影响，提高技术稳态，需要通过减少偶因的波动来达到。控制图不是控制偶因的工具，因而控制图对提高过程技术稳态没有帮助。统计稳态与技术稳态这两个问题是互相独立的，需要分别进行处理。分析用控制图的调整过程即质量不断改进的过程。(二)控制用控制图当工序达到了可以认可的状态后，即统计稳态和技术稳态，就从分析用控制图阶段进入了控制用控制图阶段。控制用控制图阶段的目的是保持稳态。对常规控制图，可以将分析用控制图的控制界限延长作为控制用控制图，利用判稳准则和判异准则来判断工序是否有异常，如果出现异常，说明过程的稳态被破坏，需要立即利用生产追求的目标，保持工序的稳态是生产立法，故由分析用控制图阶段进入控制用控制图阶段要有正式的交接手续。用统计的语言来描述分析用控制图阶段和控制用控制图阶段，可以认为分析用控制图阶段是不知道总体参数，即不知道分布的阶段，需要通过大量的数据来估计分布及分布参数，具体判断工具是判异准则。若过程没有处于稳态，需要利用“查出异因，采取措施，保证消除，纳入标准，不再出现”，来消除异因纳入标准，重新收集数据进入分析用控制图阶段。对于控制用控制图阶段，它是在己知稳态的分布和总体参数的情况下，保持稳态，即保持分析用控制图阶段得到的分布和总体参数不变。在分析用控制图阶段，不能进行实时控制，因为它要从收集到的一段数据来估计稳态，控制用控制图阶段则可以进行实时控制，可以对每一组新收集到的数据，运用判异准则判断过程是否异常，即过程的总体参数是否发生变化。控制用控制图阶段不是无限地进行下去，而是经过一个阶段的使用后，这段时间的长短须根据产品、过程的具体情况来确定。利用这段时间内新收集到的数据，使用分析用控制图来重新寻找稳态，分析过程的稳态是否已经发生了变化。二、判稳和判异准则控制图的判断准则，是由概率理论所制定的用来识别生产过程状态的规则，它通过样本数据形成的样本点位置以及变化趋势对生产过程进行分析和判断，判断生产过程是处于受控状态还是失控状态。制定判断准则适宜用二项分布概率计算公式，其应用条件是：每次试验只有两种结果，即失败或成功；且每次试验时相互独立的。{χ=κ}=(1-)控制图上样本点的分布满足用二项分布计算的概率条件。如：一个点不是落在中心线这一侧，就是落在中心线另一侧，只有两种试验结果；又如:一个点不是落在控制范围内，就是落在控制范围外，也只有两种结果；而相邻两点是否落在范围内又是相互独立的。在统计假设检验中，小概率数值常取0.05与0.01。而在判别控制图中点子排列有缺陷的小概率数值标准取0.01。当在控制图上的所有点子全部落在控制限内，且在控制限内的点子排列无缺陷就判断为生产过程处于受控状态。判断准则分为判稳准则和判异准则。(一)判稳准则稳态是生产过程追求的目标。在统计量为正态分布的情况下，由于第一类错误的概率α=0.27%，所以只要有一个点子在界外就可以判断有异常。因为α很小，第二类错误的概率р就大，只根据一个点子在界内不能判断生产过程处于稳态，因此取25个点。所以判稳准则为：连续25个点，界外点数为零个，就判稳。(二)判异准则判异准则分为两大类，即：点子出界就判异；界内点排列不随机就判异。样本点排列不随机的典型状态有以下几种情况：连续7点或更多点在中心线同一侧（7点链）；连续7点或更多点的单调上升或单调下降（7点单调链）连续11点中至少有10点在中心线同一侧；连续14点中至少有12点在中心线同一侧；连续17点中至少有14点在中心线同一侧；连续20点中至少有16点在中心线同一侧；连续3点中至少有2点落在二倍标准差与三倍标准差控制界限之间；连续7点中至少有3点落在二倍标准差与三倍标准差控制界限之间。模式：连续7点出现在中心线一侧。“连续7点出现在中心线一侧”出现的概率值为=(0.49865)(0.9973-0.49865)=0.0077因为0.0077<0.01(小概率数值标准)，所以，在控制图中“连续7点出现在中心线一侧”的现象应判断点子排列有缺陷。模式：连续3个点中，至少有2个点落在范围内。“连续3个点中，至少有2个点落在范围内”出现的概率值为：=()(0.9973-)=0.0013因为0.0013<0.01(小概率数值标准)，所以，在控制图中“连续3个点中，至少有2个点落在范围内”的现象应判断为点子排列有缺陷。第三节控制图的种类按产品质量特性值来划分，分为计量值控制图和计数值控制图。一、计量值控制图适用于产品质量特性为计量值的情形。例如：长度、重量、时间、强度、成分等连续变量。常用的计量值控制图有下面几种。(一)均值—级差控制图（—R）。—R图是图(均值控制图)和R图(极差控制图)联合使用的一种控制图。图用来控制平均值的变化，R图用来控制加工误差的变化。—R图通常在样本容量较小时使用，是一种最常用的计量值控制图；一般n=3、4、5、6为宜。(二)均值—标准差（—S）控制图。(三)单值—移动级差（X—Rs）控制图。将单值控制图和移动极差控制图配合使用，称为单值和移动极差控制图，一般把单值控制图放在移动极差控制图上面。在绘制控制图时，直接把测得的数据描在图上，不用对数据进行分组处理，也不用计算各样本的平均值勤，简便省事。使用场合：希望尽快发现和消除异常原因；从工序中只能获得一个数据；不需要测取许多数据。二、计数值控制图适用于产品质量特性为计数值的情形。例如：不合格品数、不合格品率、缺陷数、单位缺陷数等离散变量。常用的计数值控制图有：(一)不合格品率控制图（Ｐ图）。p图用于判断生产过程不合格品率是否处于或保持在所要求的受控状态；它虽然适用于样本大小n不相等的情况，但n也不宜相差太大，否则控制图的上、下控制限不是一条直线，而是阶梯式的。(二)不合格品数控制图（Pn图）。(三)单位缺陷数控制图（u图）。u图亦称为单位缺陷数控制图，用于判断生产过程的单位产品缺陷数是否处于或保持在所要求的受控状态。第四节工序能力和工序能力指数的计算一、工序能力工序能力是以质量特性值正常波动的分散范围来表示的。工序能力是工序处于稳定状态下实际加工能力，或者说是工序的加工精度。通常用总体标准差的六倍来表示工序能力的大小。工序能力应保证组织目标：减少和消除不合格品，尤其是预防不合格品的出现。因此，应确保影响质量的技术、管理和人的因素处于受控状态。技术受控的标识是工序应采用先进的工艺技术生产产品，使其具备不产生不合格品的能力。管理受控的标志是工序应采用科学的方法对过程实施有效的控制，使其具备保持不出不合格品的能力。人的因素受控是技术受控和管理受控的基础条件。其标志是职工具有高的素质。对任何过程而言，能否长期、稳定地生产合格产品或优质产品的基础条件是：具有足够的过程能力以及过程保持稳定受控。二、工序能力指数工序能力指数是指工序能力满足质量标准的程度，即产品的公差与工序能力6之比，即为。对于双侧规范界限，中心无偏移时，工序能力指数：(3.1)式中—规范上限；—规范下限；—规范范围；—样本标准差对于双侧规范界限，中心偏移时，工序能力指数：(3.2)式中—中心偏移量，；—规范范围中心值，=(+)/2;—偏移系数，;—样本平均值。无偏移情况的表示过程加工的一致性，即“质量能力”,越大，则质量能力越强；而有偏移情况的则反映过程中心、与公差中心的偏移情况，越大，则二者偏移越小，是过程的质量能力和管理能力二者综合的结果。故与的着重点不同，需要同时加以考虑，将与二数值联合应用，可对产品质量有更全面的了解。(三)对于单侧规范界限，有两种情况：只有规范上限时（如圆度、平行度、直线度等行位公差），工序能力指数：=(-)/3S(3.3)式中—样本平均值。只有规范下限时（如强度、寿命、可靠度等），工序能力指数；=(-)/3S(3.4)三、工序能力评价通常用工序能力指数来评价工序能力状态，工序能力水平可划分为五级，按等级高低，在工序质量控制上可以进行相应的处理，如表3.1所示。表3.1第五节质量改进及常用工具一、质量改进的概述质量改进与质量控制都是质量管理的一部分，前者致力于增强满足质量要求的能力，而后者致力于满足质量要求。质量控制是消除偶发性问题，使产品质量保持在规定的水平，即质量维持；而质量改进是消除系统性问题，对现有的质量水平在控制的基础上加以提高。二、质量改进的步骤及内容质量改进是一个过程，要按照一定的规则进行。(一)质量改进的基本过程—PDCA循环任何一个质量改进过程都要遵循PDCA循环的原则，即策划（Plan）、实施（Do）、检查（Check）、处置（Act）。PDCA的内容：第一个阶段为计划阶段，又叫P阶段（Plan）。这个阶段主要内容是通过市场调查，摸清用户对产品质量的要求，确定质量政策、质量目标和质量计划等。第二个阶段为执行阶段，又称为D阶段（Do）。这个阶段是实施P阶段所规定的内容，如根据质量标准进行产品设计、试制、试验，其中包括计划执行前的人员培训。第三个阶段，又称为C阶段（Cheek）。这个阶段主要是在计划过程中或执行之后，检查执行的情况，是否符合计划的预期结果。第四个阶段是处理阶段，又称为A阶段（Action)，主要是根据检查结果，采取相应的措施。(二)质量改进的步骤质量改进步骤本身就是一个PDCA循环，分“四阶段、八步骤”完成，分别是分析现状、分析原因、找主要原因、制定计划、执行计划、调查效果、总结经验吸取教训、遗留问题转入下一循环。三、质量改进常用工具(一)因果图因果图是一种用于分析质量特性与影响质量特性的因素之间的关系的图，其形状如鱼刺，故又称为鱼刺图（fishbonediagram)，通过对影响质量特性的因素进行全面系统地观察和分析，可以找出质量因素与质量特性的因果关系，最终找到解决问题的办法。因果图按表示问题的体系不同一般可分为结果分解型和工序分析型。对于制造过程的质量问题，结果分解型常按5大因素即4MIE分为五大枝，再分别找出影响它们的因素填入中枝、小枝。工序分类型是首先按工序的流程画出大枝，然后把对工序有影响的原因填在相应的工序上。这种分析方法，简单易行，缺点是相同的因素常出现在不同的工序中，并难于表现几个原因联系在一起而影响质量的情况。结果分解型的因果图，如图3.2所示。人人料法环机技术不熟练未按规定磨刀原料混杂原料太硬刀量规定进不合理机床导轨松动机床轴承磨损照明不好车间地面振动大测测图3.2测测(二)排列图排列图排列图也称为巴雷特图,如图3.3所示，由于质量问题常可以用质量损失的形式表现出来，大多数损失往往是由少数质量问题引起的，而这些质量问题又由少数原因引起。因此，明确了“关键的少数”，就可集中资源解决这些少数原因，避免由此所引起的损失。用排列图法，可以有效地展现这些关键少数。排列图由两个纵坐标轴，一个横坐标轴，几个按高低顺序排列的矩形和一条积累百分率曲线所组成。它是以矩形高度下降的次序来显示每个问题在全部问题中的重要程度，从而找出关键的少数。左边纵坐标用刻度线表示问题发生的数量（频次等）,横坐标轴用一定间隔表示问题的种类或项目，在坐标中按不同问题的数量绘出不同高度的矩形及其积累百分率点，并连成曲线。图3.3(三)直方图直方图是从总体中随机抽取样本，将从样本中获得的数据进行整理，从而找出数据变化规律，以便预测工序质量的好坏，通过对观测值分布的状态进行分析，以便对总体的分布特征进行推断，判断工序能力是否足够，是否合理，是否存在常值系统误差，当发生异常现象时，分析不正常的原因，以便及时采取相应措施予以改进。直方图由直角坐标系中若干顺序排列的长方形组成，各长方形的底边相等，为观测值区间，长方形的高为观测值落入各相应区间的频数。矩形高度的变化呈现一定的规律，正常的趋势是从中间向两端呈逐渐下降的分布，即正态分布。直方图根据其形状可分为对称型、偏向型、双峰型、锯齿形、平定型和孤岛型，其形状和形成原因分析见表3.2。对于直方图形状为对称型的，还可以根据直方图与规范界限的比较对直方图的类型进行分类。表3.2第四章质量控制和改进工具的现实运用计算机在企业中的运用已经普及,但大多数仍是一般的办公行政运用。计算机技术与生产现场质量管理的系统化运用需要在软硬件上投入和开发，这在许多企业中依然是空白。但是，这并不意味着质量管理工作者不能在现有的条件下将计算机的计算优势在质量管理工作中充分发挥。现以某企业的热处理车间在质量管理中的做法为例展开探讨。第一节Microsoftoffice软件在质量分析中的运用“碳氮共渗”工序是某企业热处理车间的主要生产工序,任务是完成Y产品的“碳氮共渗”热处理，重要度为A级，被作为工序质量控制点。使用设备为滴控式可控气氛多用炉，共有6台相同设备连续生产，每天生产6炉Y产品。根据工艺文件，质量管理人员使用MicrosoftOfficeExcel设计了如图4.1的电子表格。此工序的质量特性为硬度，其控制范围为80.6~83.9HRA，质量特性数据由检验员每天每台炉子抽取一个炉次采集180个。显然需要进行大量的数据处理，这给质量工作人员带来大量的不便。建立了如图4.1的模板后,检验员只需在计算机上录入采集到的数据，计算机就给出了工序能力指数和直方图。质量工作人员可以及时掌握工序质量状态，作出判断。图4.1第二节—R图的运用该热处理车间某工序每天生产A产品120件，质量特性硬度的要求是80.6-83.9HRA，按比例抽检硬度5件。现收集到25天的抽检数据，做平均值-极差控制图如下：一、数据整理收集整理后的数据如表4.1所示表4.1硬度数据记录样本组日期测定值平均值极差Rx=1\*Arabic1x2x3x4x513.182.3，83.0，83.1，82.5，81.082.371.523.283.0，82.4，82.2，82.8，82.182.491.533.382.6，82.3，82.4，82.0，82.882.421.743.483.0，82.2，82.4，82.3，82.382.43