agc-0506-统计过程控制(SPC)与休哈特控制图(二)

统计过程控制（SPC）与休哈特控制图(二)

第五章休哈特控制图一、

特控制图的种类及其用途国标GB4091常规控制图是针对休哈特控制图的。根据该国标,常规休哈特控制图如表常规的休哈特控制图。表中计件值控制图与计点值控制图又统称计数值控制图。这些控制图各有各的用途,应根据所控制质量指标的情况和数据性质分别加以选择。常规的休哈特控制图表中的二项分布和泊松分布是离散数据场合的两种典型分布,它们超出3σ界限的第Ⅰ类错误的概率σ当然未必恰巧等于正态分布3σ界限的第I类错误的概率α=0.0027,但无论如何总是个相当小的概率。因此,可以应用与正态分布情况类似的论证,从而建立p、pn、c、u等控制图。常规的休哈特控制图数据分布控制图简记计量值正态分布均值-极差控制图一R控制图均值-标准差控制图一R控制图中位数-极差控制图Xmed一R控制图单值-移动极差控制图x一Rs控制图计件值二项分布不合格品率控制图P控制图不合格品数控制图Pn控制图计点值泊松分布单位缺陷数控制图U控制图缺陷数控制图C控制图现在简单说明各个控制图的用途:1.

一R控制图。对于计量值数据而言,这是最常用最基本的控制图。它用于控制对象为长度、重量、强度、纯度、时间和生产量等计量值的场合。控制图主要用于观察分布的均值的变化,R控制图用于观察分布的分散情况或变异度的变化,而一R图则将二者联合运用,用于观察分布的变化。2.

一s控制图与一R图相似,只是用标准差图(s图)代替极差图(R图)而已。极差计算简便,故R图得到广泛应用,但当样本大小n>10或口,这时应用极差估计总体标准差。的效率减低,需要应用s图来代替R图。3.

XMED一R控制图与一R图也很相似,只是用中位数图(XMED图)代替均值图(图)。所谓中位数即指在一组按大小顺序排列的数列中居中的数。例如,在以下数列中2、3、7、13、18,中位数为7。又如,在以下数列中2、3、7、9、13、18,共有偶数个数据。这时中位数规定为中间两个数的均值。在本例即=8。由于中位数的计算比均值简单,所以多用于现场需要把测定数据直接记入控制图进行控制的场合,这时为了简便,当然规定为奇数个数据。4.

x一Rs控制图。多用于下列场合:对每一个产品都进行检验,采用自动化检查和测量的场合;取样费时、昂贵的场合;以及如化工等过程,样品均匀,多抽样也无太大意义的场合。由于它不像前三种控制图那样能取得较多的信息,所以它判断过程变化的灵敏度?要差一些。5.

P控制图。用于控制对象为不合格品率或合格品率等计数值质量指标的场合。这里需要注意的是,在根据多种检查项目总合起来确定不合格品率的情况,当控制图显示异常后难以找出异常的原因。因此,使用p图时应选择重要的检查项目作为判断不合格品的依据。常见的不良率有不合格品率、废品率、交货延迟率、缺勤率,邮电、铁道部门的各种差错率等等。6.

Pn控制图。用于控制对象为不合格品数的场合。设n为样本大小-户为不合格品率,则t为不合格品个数。所以取pn作为不合格品数控制图的简记记号。由于计算不合格品率需进行除法,比较麻烦,所以在样本大小相同的情况下,用此图比校方便。7.

c控制图。用于控制一部机器,一个部件,一定的长度,一定的面积或任何一定的单位中所出现的缺陷数目。如布匹上的疵点数,铸件上的砂眼数,机器设备的缺陷数或故障次数,传票的误记数,每页印刷错误数,办公室的差错次数等等。8.

u控制图。当上述一定的单位,也即样品的大小保持不变时可以应用c控制图,而当样品的大小变化时则应换算为平均每单位的缺陷数后再使用u控制图。例如,在制造厚度为2mm的钢板的生产过程中,一批样品是2平方米的,下一批样品是3平方米的。这时就都应换算为平均每平方米的缺陷数,然后再对它进行控制。二、应用控制图需要考虑的一些问题应用控制图需要考虑以下一些问题:1.

控制图用于何处?原则上讲,对于任何过程,凡需要对质量进行控制管理的场合都可以应用控制图。但这里还要求:对于所确定的控制对象一质量指标应能够定量,这样才能应用计量值控制图。如果只有定性的描述而不能够定量,那就只能应用计数值控制图。所控制的过程必须具有重复性,即具有统计规律。对于只有一次性或少数几次的过程显然难于应用控制图进行控制。2.

如何选择控制对象?在使用控制图时应选择能代表过程的主要质量指标作为控制对象。一个过程往往具有各种各样的特性,需要选择能够真正代表过程情况的指标。例如,假定某产品在强度方面有问题,就应该选择强度作为控制对象。在电动机装配车间,如果对于电动机轴的尺寸要求很高,这就需要把机轴直径作为我们的控制对象。在电路板沉铜缸就要选择甲醛、Na0H、的浓度以及沉铜速率作为多指标统一进行控制。3.

怎样选择控制图?选择控制图主要考虑下列几点:首先根据所控制质量指标的数据性质来进行品,如数据为连续值的应选择一R、一s、XMED一Rs或x一Rs图;数据为计件值的应选择p或pn图,数据为计点值的应选择c或u图。其次,要确定过程中的异常因素是全部加以控制(全控)还是部分加以控制(选控),若为全控应采用休哈特图等;若为选控,应采用选控图,参见第七章(一);若为单指标可选择一元控制图,若为多指标则须选择多指标控制图,参见第七章(二)。最后,还需要考虑其他要求,如检出力大小,抽取样品、取得数据的难易和是否经济等等。例如要求检出力大可采用成组数据的控制图,如一R图。4.

如何分析控制图?如果在控制图中点子未出界,同时点子的排列也是随机的,则认为生产过程处于稳定状态或控制状态。,如果控制图点子出界或界内点排列非随机,就认为生产过程失控。对于应用控制图的方法还不够熟悉的工作人员来说,即使在控制图点子出界的场合,也首先应该从下列几方面进行检查:样品的取法是否随机,数字的读取是否正确,计算有无错误,描点有无差错,然后再来调查生产过程方面的原因,经验证明这点十分重要。5.

对于点子出界或违反其他准则的处理。若点子出界或界内点排列非随机,应执行第二章（五）的20个字,立即追查原因并采取措施防止它再次出现。应该强调指出,正是执行了第二章（五）的20个字,才能取得贯彻预防原则的作用。因此,若不执行这20个字,就不如不搞控制图。6.

对于过程而言,控制图起着告警铃的作用,控制图点子出界就好比告警铃响,告诉现在是应该进行查找原因、采取措施、防止再犯的时刻了。虽然有些控制图,如一R控制图等,积累长期经验后,根据图与R图的点子出界情况,有时可以大致判断出是属于哪方面的异常因素造成的,但一般来说,控制图只起告警铃的作用,而不能告诉这种告警究竟是由什么异常因素造成的。要找出造成异常的原因,除去根据生产和管理方面的技术与经验来解决外,应该强调指出,应用两种质量诊断理论和两种质量多元诊断理论来诊断的方法是十分重要的。有关内容参见第七章。7.

控制图的重新制定。控制图是根据稳定状态下的条件(人员、设备、原材料、工艺方法、环境,即4M1E)来制定的。如果上述条件变化,如操作人员更换或通过学习操作水平显著提高,设备更新,采用新型原材料或其他原材料,改变工艺参数或采用新工艺,环境改变等,这时,控制图也必须重新加以制定。由于控制图是科学管理生产过程的重要依据，所以经过相当时间的使用后应重新抽取数据,进行计算,加以检验。8.控制图的保管问题。控制图的计算以及日常的记录都应作为技术资料加以妥善保管。对于点子出界或界内点排列非随机以及当时处理的情况都应予以记录,因为这些都是以后出现异常时查找原因的重要参考资料。有了长期保存的记录,便能对该过程的质量水平有清楚的了解,这对于今后在产品设计和制定规格方面是十分有用的。三、-R(均值-极差)控制图对于计量值数据,一R(均值一极差)控制图是最常用、最重要的控制图,因为它具有下列优点:1.

适用范围广。对于图而言,计量值数据x服从正态分布是经常出现的。若x非正态分布,则当样本大小n≤4或5时,根据中心极限定理,知道近似正态分布。对于R图而言,通过在电子计算机上的统计模拟实验证实,只要总体分布不是太不对称的,R的分布没有大的变化。这就从理论上说明了一R图适用的范围广泛。2.

灵敏度高。图的统计量为均值,反映在x上的偶然波动是随机的,通过均值的平均作用,这种偶然波动得到一定程度的抵消;而反映在x上的异常波动往往是在同一个方向的,它不会通过均值的平均作用抵消。因此,正图检出异常的能力高。至于R图的灵敏度则不如图高。现在说明一下一R图的统计基础,假定质量特性服从正态分布N(μ,),且μ,σ均已知。若x1,x2,...,xn是大小为n的样本,则样本均值为=由于服从正态分布N(μ,/n),并且样本均值落入下列两个界限μ-=μ-(5.3-1a)μ+=μ+(5.3-1b)间的概率为1-α。因此若μ与σ已知,则式(5.3-1a)与式(5.3-1b)可分别作为样本均值的控制图的上下控制界限。如前述,通常取Za/2=3,即采用3σ控制界限。当然,即使x的分布是非正态的,但由于中心极限定理,上述结果也近似成立。在实际工作中,μ与σ通常未知,这时就必须应用从稳态过程所取的预备样本的数据对它们进行估计。预备样本通常至少取25个(根据判稳准则(2),最好至少取35个预备样本)。设取m个样本,每个样本包含n个观测值。样本大小n主要取决于合理分组的结构,抽样与检查的费用,参数估计的效率等因素,n通常取为4,5或6。令所取的m个样本的均值分别为1,2,...,m,则过程的μ的最佳估计量为总均值,即==（1+2+…+m）/m(5.3-2)于是可作为图的中心线。为了建立控制界限,需要估计过程的标准差σ可以根据m个样本的极差或标准差来进行估计。应用极差进行估计的优点是极差计算简单,所以至今R图的应用较s图为广。现在讨论极差法。设x1,x2,...,xn为一大小为n的样本,则此样本的极差R为最大观测值xmax与最小观测值xmin之差,即R=xmax-xmin(5.3-3)若样本取自正态总体,可以证明样本极差R与总体标准差σ有下列关系:令W=R/σ,可以证明E(W)=d2,为一与样本大小n有关的常数,于是,σ的估计量为=E(R)/d2。令m个样本的极差为R1,R2,...,Rm,则样本平均极差为=(5.3-4)故σ的估计量为=E(R)/d2(5.3-5)若样本大小n较小,则用极差法估计总体方差与用样本方差去估计总体方差的效果是一样的。但当n较大,如n>10或12,则由于极差没有考虑样本在xmax与xmin之间的观测值的信息,故极差法的效率迅速降低。但在实际工作中,一R图一般取n=4，5或6,所以极差法是令人满意的。若取μ的估计量为，σ的估计量为E(R)/d2,则图的控制线为UCL=μ+3≈+3=+CL=μ≈(5.3-6)LCL=μ-3≈-3=-式中=3(5.3-7)为一与样本大小n有关的常数,参见附录Ⅴ计量值控制图系数表。由上述,已知样本极差R与过程标准差σ有关,因此可以通过R来控制过程的变异度,这就是R图。R图的中心线即=。为了确定R图的控制界限,需要对σR进行估计。若质量特性服从正态分布,令W=R/σ,可以证明σw=d3(d3为一与样本大小n有关的常数),于是从R=Wσ知知σR=σwσ=d3σ。由于σ未知,故从式=E(R)/d2得σR的估计量为=d3/d2(5.3-8)根据上述,得到R图的控制线如下UCL=+3≈+3=+3d3/d2CL=≈=(5.3-9)LCL=-3≈-3=-3d3/d2令D3=1-3d3/d2，D4=1+3d3/d2，则代入上式后，得R图的控制线为UCL=CL=(5.3-10)LCL=式中,系数D3、D4参见计量值控制图系数表。现在我们通过例子说明建立一R图的步骤,其他控制图的建立步骤也与此类似。例5.3-1厂方要求对汽车引擎活塞环的制造过程建立一R控制图进行控制。现取得25个样本，每个样本包含5个活塞环的直径的观测值，如活塞环直径的数据表所示。解我们按下列步骤进行。步骤1:取预备数据。已取得预备数据如活塞环直径的数据表所示。步骤2:计算样本均值。例如,对于第一个样本,我们有1==74.010其余类推。步骤3:计算样本极差R。例如,对于第一个样本,xmax=74.030,xmin=73.992,于是有R1=74.030-73.992=0.058其余类推。

活塞环直径的数据样本序号观测值1Ri174.03074.00274.01973.99274.00874.0100.038273.99573.99274.00174.00174.01174.0010.019373.98874.02474.02174.00574.00274.0080.036474.00273.99673.99374.01574.00974.0030.022573.99274.00774.01573.98974.01574.0030.026674.00973.99473.99773.98574.01473.9960.024773.99574.00673.99473.00073.00574.0000.012873.98574.00373.99374.01573.98873.9970.030974.00873.99574.00974.00574.00474.0040.0141073.99874.00073.99074.00773.99573.9980.0171173.99473.99873.99473.99573.99073.9940.0081274.00474.00074.00774.00073.99674.0010.0111373.98374.00273.99873.99974.00774.0060.0291474.00673.96773.99474.00073.98473.9900.0391574.01274.01474.99873.99974.00774.0060.0161674.00073.98474.00573.99873.99673.9970.0211773.99474.01273.98674.00574.00774.0010.0261874.00674.01074.01874.00374.00074.0070.0181973.98474.00274.00374.00573.99773.9980.0212074.00074.01074.01374.02074.00374.0070.0182173.99874.01074.01374.02074.00374.0090.0202274.00473.99973.99074.00674.00974.0020.0192374.01073.98973.99074.00974.01474.0020.0252474.01574.00873.99374.00074.01074.0050.0222573.98273.98473.99574.01774.01373.9980.035小计平均1850.0240.58174.0010.023步骤4:计算样本总均值与平均样本极差。由于=1850.024,=0.581,故===74.001===0.023

步骤5:计算R图与图的控制线。计算一R图应该从R图开始,因为图的控制界限中包含,所以若过程的变异度失控,则计算出来的这些控制界限就没有多大意义。对于样本大小n=5,从附录V查得D3=0,D4=2.115,又从步骤4知R=0.023,于是代入式(5.3-10)后,得到R图的控制线为UCL==2.115(0.023)=0.049CL==0.023LCL==0(0.023)=0如一R控制图所示。事实上,LCL=D3=(1一3d2/d3),当n=5,1-3d2/d3=1-3(0.864)/2.326=-0.114为负值,但R不可能为负,故此时LCL不存在。这里,LCL=0不过作为R的自然下界而已。当把25个预备样本的极差描点在R图中后,根据判断稳态的准则(1)知过程的变异度处于控制状态。于是可以建立图。

对于样本大小n=5,从附录V查得A2=0.577,又从步骤4知=74.001,R=0.023,于是代入式UCL=μ+3≈+3=+CL=μ≈LCL=μ-3≈-3=-后,得到图的控制线为UCL=+=74.001+0.577(0.023)=74.014CL==74.001LCL=-=74.001一0.577(0.023)=73.988如图（-R控制图）所示。当把预备样本的均值描点在图中后,根据判断稳态的准则(1)知过程的均值处于稳态。由于图和R图都处于统计稳态,且从该厂知过程也处于技术稳态,于是上述-R图可加以延长,作为控制用控制图供日常管理之用。步骤6:延长上述一R图的控制界限作控制用控制图。为了进行日常管理,该厂又取了15个样本,参见一R图的日常管理数据表。在计算出各个样本的与R后在一R图描点,如一R图用于日常管理图所示。从图中可见,图在第11个样本后的几个点子均出界,说明存在异常因素。事实上,从x图上第9、第10个点子后的点子逐渐上升的趋势已可看出这是由于过程均值逐渐增大的结果。现在对一R图进行一些讨论:1.

如何联合应用一R图查找异常。如表（一R图的判断）所示,表中情况一、二、四的判断是成立的,至于情况三,现在说明如下:对于正态分布总体N(μ,),只有μ变化而σ不变,则在图将由于描点出界的概率增大而告警;但若只有σ变化,而μ不变,这时不仅R图将由于描点出界的概率增大而告警,且图中描点出界的概率也增大,从而也会告警。所以在情况三,R图告警可以判断σ变化,而图同时告警则不能判断μ一定发生变化,因为有可能是由于σ变化引起的,μ是否发生变化应视具体情况而定。一R图的判断情况图R图判断一告警未告警μ变化二未告警告警σ变化三告警告警σ变化,至于μ变化是否发生应视具体情况而定四未告警未告警正常

2.容差图。在图上的描点是样本的平均值而非样本的各个测量值x,有时将样本中的逐个x反映在规格界限的容差图中是有用的,如图（容插图）所示。图中的竖线表示该样本中各个x值的范围,规格界限为74.000±0.03。从图（容插图）可见,图（一R图用于日常管理图）连续4个点子出界并非是由于样本的个别异常观测值造成的,而是由于过程均值的偏移而造成的。我们求得从第9组到第15组样本的总均值为74.015,若过程均值从原来的稳定值74.001偏移到此值,则将产生6.43%的不合格品。3.

控制界限、规格界限与自然容差界限间的关系。一R图的控制界限与规格界限毫无关系完全是两码事。规格界限是由技术经济要求所决定的,而控制界限则是由过程的以标准差σ度量的自然变异度,亦即过程的自然容差界限所决定的.两者不可混为一谈，如图（控制界限、规格界限于自然容差界限）所示。

4.

应用一R的一些注意事项：(1)合理分组原则。在收集数据进行分组时要遵循休哈特的合理分组原则:1)组内差异仅由偶然波动(偶然因素)造成;2)组间差异主要由异常波动(异常因素)造成。下面作些说明。首先,若过程稳定,则在过程中只存在偶然波动(偶然因素),它由3σ方式中的σ所反映。如果确定σ值不仅有偶然波动而且还有异常波动,则σ值增大,也即上下控制界限的间隔加大。在极端情况下,若异常波动全部进入σ值的计算,则上下控制界限的间隔将大到使任何点都不会出界。从而控制图就失去了控制的作用。因此,一个样本组内各个样品特性值的差异要求尽可能由偶然波动造成。这就要求同一个样本组的各个样品的取样应在短时间内完成。其次,各个样本组的统计量平均值也是有差异的。由于偶然波动始终存在,它必然会对此差异有影响,但这种影响是微小的。若过程异常,要求统计量平均值之间的差异主要由异常波动(异常因素)造成,这样便于由控制图检出异常。这就要求在容易产生异常的场合增加抽样频率,反之,亦然。(2)经济性。抽样的费用不得高于所获得的效益。(3)样本大小n和抽样频率。若用控制图去检出过程的较大偏移,例如2σ或更大的偏移,则可用较小的样本(如n=4,5或6)即可将其检出,若检出较小的过程偏移,则需用较大的样本,甚至需要n=15至25。当然,较小的样本在抽样时正好碰到过程偏移的可能性也小。因此,可以采用添加警戒限和其他判定界内点非随机排列的原则,来提高控制图检出过程小偏移的能力,而不采用大样本的作法。对于R图,若采用小样本则对于检出过程标准差的偏移是不很灵敏的,但大样本(n>10),用极差法估计标准差的效率将迅速降低。因此,对于n>10的样本,应该采用s图而不用R图。在确定正图和R图的样本大小时,图和R图的操作特性曲线是有用的。至于抽样频率,实践表明多倾向于采用小样本、短间隔而不是大样本、长间隔。（4）图和R图检出过程质量偏移的能力可由其操作特性曲线(简称OC曲线)来描述。1)图的检定能力和OC曲线。假定过程标准差σ为常数,若过程均值由稳定状态值μ0偏移到另一值μ1,其中μ1=μ0+,则在偏移后第一个抽取的样本未检出此偏移的概率(即第Ⅱ类错误的概率)或β风险为β=P{LCL≤≤UCL|μ=μ1=μ0+}（5。3-11）由于～N(μ,/n),而图的上下控制界限分别为UCL=μ0+3,UCL=μ0-3,于是,可将式(5.3一11)写成β=Φ[]-Φ[]=Φ[]-Φ[]=Φ(3-K)-Φ(-3-K)（5.3-12）式中,φ为标准正态累积分布函数,参见附录I表A一1。根据式β=Φ(3-K)-Φ(-3-K)可作出图的OC曲线如μ变化而σ一定时图的OC曲线图所示。从图中可见,当n一定时,β值随K的增加而减少;而当K一定时,β值随n的增加也减少。当样本大小n<4,5或6时,图由偏移后第一个样本就检出过程的小偏移并不有效。例如,若偏移为1.0σ,n=5,则由此图可查得β近似等于0.75,于是此偏移由第一个样本检出的概率仅仅为1一β=1一0.75=0.25;此偏移由第二个样本检出的概率为β(1一β)=0.75(1一0.75)=0.19;...;此偏移由第K个样本检出的概率为(1一β)。一般,为检出此偏移的期望样本个数为,(1一β)=（5.3-13）由此,在本例有1/（1一β）=1/0.25=4,即若n=5,在图检出1.0σ的偏移的期望样本个数为4个。以上讨论是当总体标准差σ一定而均值μ变化时图的OC曲线。若μ值一定而σ变化,不妨设标准差由σ偏移到σ=K1σ,则与式(5.3-12)类似地可得出β风险为β=Φ[]-Φ[]=Φ(3/)-Φ(-3/)（5.3-14）表5.3一4是根据式(5.3一14)计算得到的β值。由此表可知,图不仅对μ的变化具有检定能力,而且对σ的变化也具有检定能力,也就是说,即使当μ保持不变而σ变化时也会在图上反映出来,这与一R图的判断表一致。此外,当μ不变而σ变化时,β值与样本大小n无关(见式(5.3-14))。表5.3一4μ一定σ变化时图的β值11.522.5345β0.99730.95450.86640.79680.68280.54680.4514另外，还可以讨论均值μ及标准差σ同时变化时图的第Ⅱ类错误概率β值，这里只给出的计算公式及当n=4时的β值(见表μ及σ同时变化时图的β值(n=4))β=Φ[]-Φ[](5.3-15)根据上表中数据可画出如μ及σ同时变化时图的OC曲线所示的一系列OC曲线。由图中可见,当σ增大,即K1值变大时,曲线的倾斜率变得平缓;而K1值较小时图的β值随K值增大而激减,亦即图检出过程均值偏移的概率激增,即图的灵敏度增加。

上述讨论说明图采用小样本是合理的。虽然小样本的β风险较大，但由于我们周期地抽取样本并检验和在图上描点,所以非常可能在抽取合理的样本个数后就可检出过程的偏移。此外,还可采取增添警戒限和界内点非随机排列的判定准则来提高图检出过程偏移的能力。2)R图的检定能力和OC曲线。为了构造R图的仅OC曲线需要用到W=R/σ的分布。设过程标准差从处于稳定状态的σ偏移到=σ(>σ),则R图的OC曲线(见图3.5.3-7)给出了此偏移未被第一个样本检出的概率,即β值。从图3.5.3-7图中曲线可见,当样本大小n增加时,β值减小,R图的检定能力提高,这点同图的情况相同。但有一点是不同的,即图对σ的变化有一定的检定能力,但R图对μ的变化却没有检定能力,也即若σ不变而μ变化,不能在R图上反映出来。另外,当采用小样本时,例如n=4,5或6时,R图对检出过程的偏移不是很有效。这时可采用前述增加控制图灵敏度的措施。若样本大小n>10或12时,一般应采用s图来代替R图。3)一R图的检定能力。分析了图和R图的检定能力,现在来分析图和R图同时使用时的总检定能力。在样本大小n较小时,一R图未能检出过程偏移的概率等于它们个别未能检出过程偏移的概率的乘积。设β为图未能检出偏移的概率,βR为R图未能检出偏移的概率βR为一R图未能检出偏移的概率,则有βT=β·βR例如,当n=4时,可以算得一R图的命值如表所示。对于不同的n可能算出不同的βT值。由表一R图的β值（n=4）中数据可见,同时应用图和R图的检定能力比单独使用图或R图的检定能力大。四、-s(均值-标准差)控制图若样本大小n较大,例如n>10或12,这时用极差法估计过程标准差的效率较低。最好在—R中用s图代替R图。若为一概率分布的未知方差,则样本方差=为的无偏估计量,但样本标准差s并非是σ的无偏估计量。若样本取自正态总体,可以证明=σ,这里为一与样本大小n有关的常数。现在,我们考虑。已知的情况,由于E(s)=σ,故s图中的中心线为σ,于是s图的控制线为UCL=σ+3σCL=σ（5.4-1）LCL=σ-3σ定义=-3（5.4-2）=+3（5.4-3）则代如上式后，得到已知的图的控制线为UCL=σCL=σ（5.4-4）LCL=σ式中,系数B5、B6可自附录V表A一5查得。若σ未知,则必须根据以往的数据进行估计。从E(s)=σ,有=/C4,这里=（5.4-5）于是得到。未知情况的s图的控制线为UCL=+3CL=（5.4-6）UCL=-3定义=1-3（5.4-7）=1+3（5.4-8）由此得到σ未知情况的s图的控制线为UCL=CL=LCL=式中,系数B3、B4可从附录V查得。在应用-s图时,相应的正图的控制界限也需要应用/C4来估计σ，于是这时图的控制线为UCL=+CL=LCL=-令=则图的控制线可写成UCL=+CL=LCL=-式中，系数A3可从附录Ⅴ查得。

五、Xmed-R(中位数-极差)控制图Xmed-R图与-R图相似,只不过用Xmed(中位数)图代替图而已。若样本取自正态总体,为样本中位数,m个样本的样本平均中位数为=可以证明E()=μ。σ=σ/。这里,m3为一与样本大小n有关的常数。于是=,由此得σ已知情况的图的控制线为UCL=+3σ/CL=LCL=-3σ/式中,系数可从附录V查得。若σ未知,则需应用估计量R/d2。代人上式后,得σ未知情况的Xmed图的控制线为UCL=+3σ/d2=+CL=LCL=-3σ/d2=-当n=5,从附录V可查得=1.198,所以Xmed图的控制界限间隔要比图的约宽20%,从而Xmed图检出过程偏移的能力也要比图减低不少。六、x-Rs(单值-移动极差)控制图现在样本大小为1,所以对过程标准差σ的估计要通过相邻两个样本间的移动极差Rs来进行。设从过程抽取的样本为,i=1,2,...,n,则移动极差定义为Rsi=|一|,i=1,2,...,n-1而平均移动极差为=若样本取自正在总体,可以证明E(Rs)=σ,=,于是=。对于σ已知的情况,x图的控制线为UCL=+3σCL=UCL=-3σ而Rs图的控制线为UCL=σ+3=3.69σCL=σLCL=σ-3=0式中LCL为负值,但Rs不可能为负,故取LCL=0作为Rs的自然下界。对于σ未知的情况,x图的控制线为UCL=+3=+2.66CL=LCL=-3=-2.66而Rs图的控制线为UCL=+3()=3.27CL=LCL=-3()=-3.27式中LCL为负值,但Rs不可能为负,故取LCL=0作为Rs的自然下界。例在炼钢过程中,对于某种化学成分需要进行控制。在生产稳定时已测得25组数据,如表所示。由于该化学成分的化验需要很长的时间,试制定x一Rs控制图对其加以控制。

解按下列步骤进行:步骤1:预备数据的取得。已给定样本大小为1的数据25组,如表3.5.6-1所示。步骤2:计算均值。从表3.5.6-1中第(2)栏数据得到===67.036这就是x图的中心线。步骤3:计算移动极差Rs。根据式(3.5.6-1),算得Rs1=|67.00一67.05|=0.05其余见表中第(3)栏。步骤4：计算平均移动极查s。根据表3.5.6-1中第(3)栏数据得到s===0.12步骤5:计算x-Rs图的控制线。先考虑Rs图,由于总体的σ未知,将上述s=0.123代人式(3.5.6-6)后,得到Rs图的控制线为UCL=3.27s=3.27×0.123=0.402≈0.40CL=s=0.123≈0.12LCL=0

如图所示。将24个Rs值描点在此图中,然后根据判稳准则(1)判断过程的变异度处于控制状态。现在开始计算x图的控制线,将=67.036与s=0.123代入式(3.5.6-5)后,得到IUCL=s+2.66s=67.036+2.66×0.123=67363≈67.36CL==67.036≈67.04LCL=-2.66s=67.036-2.66×0.123=66.7092≈66.71如图所示。将25个值描点在此图中,然后根据判稳准则(1)判断过程的均值也处控制状态。于是,在技术问满足后,可以延长x一Rs图的控制线作为控制用控制图进行日常管理。再说明一下x控制图的控制界限与规格之间的关系。这里,与控制图情况不同,如果x图的控制界限在规格界限之内,产品质量就保证满足规格的要求。否则如果控制界限在规格界限之外,产品质量就不能保证满足规格的要求,这时应改进工艺或放宽规格要求。七、p{不合格晶率)控制图p图的统计基础为二项分布。当控制图的控制对象为不合格品率时,过程处于稳定状态是指任何单位产品不合格品的概率为一常数P且所生产的各个单位产品都是独立的。这时,所生产的每一单位产品都是具有参数P的二项随机变量的一个实现。设我们取一个包含n个单位产品的随机样本,其中不合格单位产品数为D,则D服从参数为n和P的二项分布即P{D=x}=,x=0,1,...,n从2.3.5节知道随机变量p的均值和方差分别为nP与nP（1-P）。样本不合格品率p定义为样本不合格品数D与样本大小n的比值,即p=D/n从2.3.5节知道随机变量p的均值和方差分别为μp=P=P(1-P)/n这里,与正态分布情况不同μp的与是不独立的,故只需一张控制图即p图对过程进行控制。若过程不合格品率P已知,则从式(3.3.2-1)可知p图的控制线为UCL=P+3CL=PLCL=P-3若不合格品率P未知,这时须根据以往的数据对其进行估计。通常至少取25个预备样本。设每个样本的样本大小为ni,第i个样本中的不合格品数为Di,则其样本不合格品率为pi=Di/ni(i=1,2,...,m)式中,m为样本个数,而样本平均不合格品率为=/可作为不合格频率P的估计量。于是P未知的情况的p图的控制为UCL=+3CL=LCL=-3例某半导体器件厂2月份某种产品的数据如表3.5.7-1中的第(2)、(3)栏所示。作p控制图对其进行控制。解我们按下列步骤进行:步骤1:预备数据的取得。已给定数据如上表所示。步骤2:计算样本不合格品率。表3.5.7-1中第(2)、(3)栏数据,算得第一个样本的不合格品率为=2/85=0.024其余类推。步骤3:计算。从表3.5.7-1末行可得=/步骤4:计算p图的控制线。将=0.0389代入式(3.5.7一8)得到p图的控制线为UCL=0.0389+3CL=0.0389LCL=-3由于本例各个样本的样本大小n不相等,所以必须对各个样本分别求出其控制界限。如对于第一个样本,在式(3.5.7一9)中代入n1=85后,得到UCL=0.0389+0.58/=0.102CL=0.0389LCL=0.0389一0.58/=一0.024这里,LCL取负值,由于p不可能为负,故令LCL=0作为p1的自然下界。其余各个样本以此类推,参见图3.5.7一1。为了判断过程是否处于稳定状态,将各个样本的不合格品率描点在图3.5.7一1中。由于第27个样本的点子出界,所以过程失控,需要执行第二章（五）的20个字,找出异常因素并采取措施保证它不再出现。然后重复步骤1～4,直到过程稳定为止,这时p图可作为控制用控制图供日常管理使用。现在,对p图进行一些讨论:1．

本大小n的确定。若过程不合格品率P很小,则必须选择样本大小n充分大才能使得样本中至少包含1个不合格品的概率很大。否则,若P很小而n又不大,p图的控制界限将使得样本中只要出现1个不合格品就会点子出界从而显示过程失控。如设P=0.01,n=8,则上控制界为UCL=P+3=0.01+=0.1155如果现在样本中有一个不合格品,则样本不合格品率p=1/8=0.1250,它在p图中的描点出界。事实上,由于P>0,总会出现一些不合格品,所以只凭出现一个不合格品就判断过程失控是不合理的。为了避免这种情况,可以选择充分大的n使得样本中至少包含1个不合格品的概率不小于某个数值r。通常,取nP在1到5的范围内,即取1/P<n<5/P式中,P为过程的不合格品率,可由估计。1.

要求下控制界限为正。在例3.5.7一1中,我们已经看到第一个样本的LCL为负。要求LCL为正,则应有LCL=P-K＞0即要求n＞设P=0.01,K=3,若要求LCL为正,则n＞2.

p图上点子超出下控制界限。在户图上点子超出LCL,表明过程不合格品率异常低,这是好现象,应认真总结经验。但这时必须注意是否有下列可能:(1)由于质量检验人员缺乏经验而漏检;(2)检验仪表有问题;(3)数据不真实。3.

各组样本的样本大小不等时的p图。这时控制界限成凹凸状,如图3.5.7一1所示,作图很不方便。令元为各组样本大小的平均值,若n的变化在元±元/2范围内,则可用下列近似方法计算p图的控制线:UCL=-3CL=LCL=+3式中,=。注意,应用此法,当点子十分接近控制界限时仍需要按式(357一8)重新计算精确的控制界限,以判断点子是否出界。本教材第六章提出的通用控制图解决了这一问题。应用pT(通用不合格品率)控制图代替户图,作图既方便,同时判断又精确。当样本大小n不等时,控制界限成凹凸状。这时应用3.4.4节判断异常的准则中的界内点排列非随机的各种模式进行判断要特别小心,因为这时样本不合格品率的描点距离中心线的相对位置与样本大小n有关。设过程的P=0.20,现有连续两个样本,一个样本的pi=0.24,ni=250，另一样本的如pi+1=0.28,ni+1=50。表面上看来,pi=0.24的描点距离中心线要比pi+1=0.28的描点更近。实际上，如果以标准差为单位进行度量,则第i个样本距离中心线的标准化的距离为di===1.58而第i+1个样本距离中心线的标准化的距离为di===1.41即实际上第i+1个描点比第i个描点距离中心线更近。在通用图上,所有点子都是经过标准变换的,所以在图上识别各种界内点排列非随机的模式要比p图方便、精确。八、pn(不合格晶数)控制图若过程处于稳定状态,过程的不合格品率为P,则在包含n个样品的一个随机样本中出现的不合格品数D服从二项分布。从2.3.5节知,随机变量D的均值为nP,而方差为nP(1一P)。于是根据式(3.3.2一1),若考虑3σ控制界限,则已知n、P情况的pn图的控制线为UCL=nP+3CL=nPLCL=nP-3若过程的不合格品率P未知,需用进行估计,则将代入式(3.5.8一1)后得如图的控制线为UCL=n-3CL=LCL=n+3可见，在UCL、CL、LCL中都包含参数n。若各样本的n不等,则UCL、CL、LCL三者都呈凹凸状,作图极其不便。因此,一般pn图只用于各样本的n相等的情况,若n不等,则需用pnT(通用不合格品数)图(参见3.6节)。无论n相等或n不等,pnT图均可应用,十分方便。九、c(缺陷数)控制图一定检查单位的产品的缺陷数通常服从泊松分布,即p（x）=(x=0,1,2,.,)式中，x为缺陷数，平均缺陷数λ（λ＞0）为泊松分布的参数。泊松分布的均值与方差都等于参数λ。若考虑3σ控制界限，则已知过程平均缺陷数λ的情况的c图的控制线为UCL=λ+3CL=λLCL=λ-3若参数λ未知,则须根据以往的数据进行估计。设检验了m个检查单位的产品,其缺陷数分别为c,i=1,2...,m,于是样本的平均缺陷数为,=可以用来估计参数λ。因此,当平均缺陷数λ未知时,c图的控制线为UCL=+3CL=LCL=-3现在对c图进行→些讨论:1.检查单位的大小。一个检查单位可以包含一个或若干个产品,确定检查单位的大小主要考虑下列因素:(1)便于取得数据;(2)参数λ不能过小以保证c图对检出过程偏移有一定的检出能力;(3)要考虑检查产品缺陷的费用,所以λ也不能过大;(4)要求λ>1,否则样本缺陷经常为0,容易造成误解,以为过程已经处于良好状态。因此,通常取大小适当的检查单位,使得1＜A＜5式中,λ可用J估计。2.通常c图用于检查单位即样本大小保持不变的场合。如果检查单位不能保持不变,则参数λ也将随之而变,这样c图的UCL、CL、LCL三者都呈凹凸状,作图极其不便。这时可采用Ct(通用缺陷数)图(参见3.6节)。无论检查单位有无改变,Ct图均可应用,十分方便。十、u(单位缺陷数)控制图u图与c图的关系和p图与pn图的关系相似。如果各个样本的检查单位也即样本大小是变化的,这时应将各个样本的缺陷数折算成平均每个检查单位的缺陷数,简称平均缺陷数,然后用u图进行控制。假定从参数为λ的泊松分布总体抽取一个包含n个检查单位的随机样本,样本的总缺陷数为C,则样本的平均每检查单位的缺陷数,简称样本单位缺陷数为u=C/n式中,u为泊松随机变量。设上述n个检查单位各自的缺陷数分别为随机变量x1,x2,...,xn,则u=故u为n个独立的泊松随机变量的线性组合,已知μu=U,σu=。这里，U为过程的单位缺陷述，他等于过程的平均缺陷数λ。于是U图的控制线UCL=U+3CL=ULCL=U-3为若参数U未知,则须根据以往的数据进行估计。设检验了m个检查单位的产品,其单位缺陷数分别为屿,i=13,...,m,于是样本平均单位缺陷数为=/可以用来估计参数U。因此,当U未知时,u图的控制线UCL=+3CL=LCL=-3由于在u图的UCL与LCL中包含参数n,所以若各样本的n不等,则UCL与LCL呈凹凸状,作图不便。这时可采用Ut(通用单位缺陷数)图(参见第六章)。十一、计量值控制图与计数值控制图的比较在实际应用中,必须决定到底是选择计量值控制图,例如一R图,还是选择计数值控制图,例如p图。有时,这种选择是显而易见的。譬如,若质量特性是布匹的色泽,对于这种情

况,宁可选用计数值控制图,而不会尝试去把质量特性“色泽',加以定量。但有时,作出选择也不是那么容易。计数值控制图的优点是可以同时考虑若干个质量特性,如果受检单位不满足其中任一特性的规格,则将被判断为不合格品。另一方面,如果把这若干个质量特性看作是变量,这时需要采用多元控制图同时控制这些质量特性。对质量特性的测量往往耗资费时,而计数值控制图的处理则比较简单。反之,计量值控制图的优点是:(1)能提供远较计数值控制图为多的信息。例如,可以直接获得关于过程均值和变异度的信息，当计量值控制图显示异常时可以提供潜在的异常因素的信息，在研究工序能力时总是应用计量值控制图等等；（2）计量值控制图在检出异常方面比计数值控制图更有效。如图3.5.11一1所示,设过程的标称均值为切,则当过程均值从μ1偏移到的时,一R图即有所反映,加以检出;而p图则要等过程均值从μ2继续偏移到μ3,靠近上规格限USL处才能有反映。因此,可以说计量值控制图的最重要特点,是能够在真正造成不合格品之前就已经及时发现异常,采取纠正措施。(3)对于给定的过程偏移水平而言,计量值控制图所需要的样本大小要小得多,这点在破坏性检验场合尤其重要。

附录资料：不需要的可以自行删除SPCC、SECC、SGCC的差异性

我们通常所说的板材，是指薄钢板（带）；而所谓的薄钢板，是指板材厚度小于4mm的钢板，它分为热轧板和冷轧板。众所周知，在家电制造领域里，冷轧板以及以冷轧板为原板的镀锌板的用途十分广泛，冰箱、空调、洗衣机、微波炉、燃气热水器等等的零件材料的选用都与它紧密相连。近年来，国外牌号钢材的大量涌入，丰富了国内钢材市场，使板材选用范围逐步扩大了，这对提高家电产品的制造质量，提供更丰富的款式和外观，起到了显而易见的作用；然而，由于国外的板材型号与我国板材牌号及标记不一致，再加上目前市面上很少有这方面专门介绍的资料和技术书籍，这给如何选用比较恰当的钢板带来了一定的困惑。

本文针对上述情况，介绍了在我国经常用到和使用最多的几个国家（日本、德国、俄罗斯）的冷轧薄钢板以及以冷轧板为原板的镀锌板的基本资料，并归纳出与我们国家钢板牌号的相互对应关系，借此提高我们对国外板材的识别和认知度，并能熟练选用之。

1板材牌号及标记的识别

1.1冷轧普通薄钢板

冷轧薄钢板是普通碳素结构钢冷轧板的简称，俗称冷板。它是由普通碳素结构钢热轧钢带，经过进一步冷轧制成厚度小于4mm的钢板。由于在常温下轧制，不产生氧化铁皮，因此，冷板表面质量好，尺寸精度高，再加之退火处理，其机械性能和工艺性能都优于热轧薄钢板，在许多领域里，特别是家电制造领域，已逐渐用它取代热轧薄钢板。

适用牌号：Q195、Q215、Q235、Q275；

符号：Q—普通碳素结构钢屈服点（极限）的代号，它是“屈”的第一个汉语拼音字母的大小写；195、215、235、255、275—分别表示它们屈服点（极限）的数值，单位：兆帕MPa（N/mm2）；由于Q235钢的强度、塑性、韧性和焊接性等综合机械性能在普通碳素结构钢中属最了，能较好地满足一般的使用要求，所以应用范围十分广泛。

标记：尺寸精度—尺寸—钢板品种标准

冷轧钢板：钢号—技术条件标准

标记示例：B-0.5×750×1500-GB708-88

冷轧钢板：Q225-GB912-89

产地：鞍钢、武钢、宝钢等

1.2冷轧优质薄钢板

同冷轧普通薄钢析一样，冷轧优质碳素结构钢薄钢板也是冷板中使用最广泛的薄钢板。冷轧优质碳素薄钢板是以优质碳素结构钢为材质，经冷轧制成厚度小于4mm的薄板。

适用牌号：08、08F、10、10F

符号：08、10—钢号开头的两位数字表示钢的含碳量，以平均碳含量×100表示；F—不脱氧的沸腾钢；b—半镇静钢，Z—一般脱氧的镇静钢（有时无字母表示）。

例如：08F表示其平均含碳量为0.08%的不脱氧沸腾钢；由于08F钢板的塑性好，冲压性能也好，大多用来制造一般有拉延结构的钣金件制品。

拉延级别：Z—最深拉延级，S—深拉延级，P—普通拉延级

表面质量：Ⅰ—高级的精整表面、Ⅱ—较高级的精整表面、Ⅲ—普通的精整表面

标记：尺寸精度—尺寸—钢板品种标准

冷轧板：钢号—表面质量组别——拉延组别—技术条件标准

产地：鞍钢、武钢、太钢、抚顺钢厂、大连钢厂、沈阳钢厂、重庆钢厂和宝钢等

1.3深冲压用冷轧薄钢板

深冲压冷轧薄钢板多半用铝脱氧的镇静钢，属于优质碳素结构钢。由于它的塑性非常好，具有优良的深拉延特性，所以被广泛用于需要比较复杂结构的深拉延的制品上。适用牌号：08A1

符号：08-钢号开头的两位数字表示钢的含碳量，以平均碳含量×100表示；A1-使用铝脱氧的镇静钢。

表面质量：Ⅰ-特别高级精整表面，Ⅱ-高级精整表面，Ⅲ-较高级精整表面；

拉延性能级别：ZF-可拉延最复杂件，HF-可拉延很复杂件，F-可拉延复杂件。

标记：尺寸精度—尺寸—钢板品种标准

冷轧板：钢号—表面质量组别—拉延组别—技术条件标准

标记示例：A-1.0×750×1500-GB708-88

冷轧板：08AⅠ-Ⅱ-HF-GB5213-85

产地：鞍钢、武钢、宝钢、太钢和重庆钢厂等

1.4日本冷轧碳素薄钢板

适用牌号：SPCC、SPCD、SPCE

符号：S-钢（Steel）、P-板（Plate）、C-冷轧（cold）、第四位C-普通级（common）、D-冲压级（Draw）、E-深冲级（Elongation）

热处理状态：A—退火、S-退火+平整、8—（1/8）的硬质、4—（1/4）的硬质、2—（1/2）的硬质、1—硬质。

拉延性能级别：ZF—用于冲制拉延最复的零件，HF—用于冲制拉延很复的零件，F—用于冲制拉延复的零件。

表面加工状态：D—麻面（轧辊经磨床加工后喷丸处理），B—光亮表面（轧辊经磨床精加工）。

表面质量：FC—高级的精整表面，FB—较高级的精整表面。状态、表面加工状态、表面质量代号、拉延级别（仅对SPCE）、产品规格及尺寸、外形精度（厚度和/或宽度、长度、不平度）。

标记示例：钢板、标准号Q/BQB402，牌号SPCC，热处理状态退火+平整（S），表央加工状态为麻面D，表面质量为FB级的切边（切边EC，不切边EM）钢板、厚度0.5mm，B级精度，宽度1000mm，A级精度，长度2000mm，A级精度，不平度精度为PF.A，则标记为：钢板ECQ/BQB402-SPCC-SD-FB/（0.5×1000A×2000A-PF.A）产地：宝钢、台湾、日本、南韩浦项等

1.5德国冷轧碳素薄钢板

适用牌号：st12、st13、st14、st15、st14-T

符号：ST-钢（Steel）、12-普通级冷轧薄钢板、13-冲压级冷轧薄钢板、14-深冲级冷轧薄钢板、15-特深冲级冷轧薄钢板、14-T-超级冷轧薄钢板。表面质量：FC-高级的精整表面，FB-较高级的精整表面。

表面结构：b-特别光滑、g-平滑、m-无光泽、r-粗糙。

标记：产品名称（钢板或钢带）、本产品标准号、表面质量代号、拉延级别（仅对St14、St14-T、St15）、表面结构、边缘状态（切边EC，不切边EM）、产品规格及尺寸、外形精度（厚度和/或宽度、长度、不平度）。

标记示例：钢板、标准号Q/BQB403，牌号St14，表面结构为特别平滑（b），表面质量为FC，切边（EC），厚度0.8mm，A级精度、宽度1200mm，A级精度，长度2000mm，A级精度，不平度为PF.B精度，标记为：Q/BQB403St14-FC-ZF-b

钢板EC：0.8A×1200A×2000A-PF.B

产地：宝钢、德国等

1.6

俄罗斯冷轧碳素薄钢板

适用牌号：CT-3kП、08kП、08ПC

符号：CT-普通钢、kП-沸腾钢、ПC-镇静钢。产地：俄罗斯

1.7我国与上述三个国家的标准钢板牌号近似对照（见表1）

2热镀锌薄钢板

2.1连续热镀锌薄钢板

连续热镀锌薄钢板简称镀锌板或白铁皮，是厚度0.25~2.5mm的冷轧连续热镀锌薄钢板和钢带，钢带先通过火焰加热的预热炉，烧掉表面残油，同时在表面生成氧化铁膜，再进入含有H2、N2混合气体的还原退火炉加热到710~920℃，使氧化铁膜还原成海绵铁，表面活化和净化了的带钢冷却到稍高于熔锌的温度后，进入450~460℃的锌锅，利用气刀控制锌层表面厚度。最后经铬酸盐溶液钝化处理，以提高耐白锈性。

钢板表面美观、有块状或树叶状镀结晶花纹，且镀层牢固，有优良的耐大气腐蚀性能，同时，钢板还有良好的焊接性能和冷加工成型性能。与电镀锌板表面相比，其镀层较厚，主要用于要求耐腐蚀性较强的扳金件。

适用牌号：Zn100-PT、Zn200-SC、Zn275-JY

结构分类代号：Z-正常锌花：按正常冷却速度结晶而获得的锌花，可作一般用途：X-小锌花：冷却速度经特殊控制，锌花尺寸小于正常锌花，适于涂漆和正常锌花达不到要求的其他场合；GZ-光整锌花：小锌花经过光整处理，适于深冲和超深冲加工及表面粗糙度要求低的场合。

加工性能代号：PT-普通用途、JY-机械咬合、SC-深冲、CS-超深冲、JY-结构。

锌层重量代号：Z100、Z200、Z275；镀锌层重量是指钢板两面含锌的总量，以每平方米钢板上含锌克数表示（g/m2），如Z100表示其含锌量不小于100g/m2。

标记示例：锌层重量275g/m2，加工性能JY，表面结构Z，表面处理Y，尺寸精度B，长×宽×高的尺寸0.70mm×700mm×2000mm的钢板标记为：钢板：275-JY-Z-Y-B-0.70×700×2000-GB2518-81

产地：宝钢、鞍钢和武钢等

2.2日本热浸镀锌薄钢板

适用牌号：SGCC、SGCD1、SGCD2、SGCD3

锌层代号：Z12、Z18、Z20、Z22、Z25、Z27

符号：S-钢（Steel）、G-冷轧（Cold）、第四位C-普通级（common）、D-冲压（Draw）；1、2-冲压级、3-深冲级；Z-镀锌层（Zine）、12，…，27-锌附着量×10g/m2。

产地：宝钢、南韩浦项、台湾华辉企业、日本新日铁株式会社、三水南方钢板集团有限公司等

2.3德国热浸镀锌薄钢板

适用牌号：St01Z、St02Z、St03Z、St04Z、St05Z

锌层代号：100、180、200、275、350、450

符号：St-钢（Steel），01-一般用、02-机械咬口用、03-冲压用、04-深冲用、05-深冲用；Z-镀锌层（Zine）；100-锌附着量（二面）100g/m2、275-锌附着量275h/m2、350-锌附着量350g/m2。

表面结构代号：Z-用常锌花、X-小锌花、G-光整锌花。表面处理代号：L-铬酸钝化、Y-涂油、LY-铬酸钝化加涂油。

表面质量代号：FA-普通级、FB-较高级、FC-高级。

尺寸、外形精度代号：厚度：PT.A-普通精度、PT.B-高级精度；宽度：PW.A-普通精度、PB.B-高级精度；长度：PL.A-普通精度、PL.B-高级精度；不平度：PF.A-普通精度、PF.B-高级精度。标记：产品名称、本产品标准号、牌号、锌层重量代号、表面结构、表面质量、表面处理、产品规格及尺寸、外形精度。

标记示例：钢板，标准号Q/BQB420，牌号St02Z，锌层重量代号275，表面结构为正常锌（Z），表面质量为FA，表面处理为铬酸钝化（L），厚度1.00mm，高级精度（B），宽度1250mm，普通精度A，长度2000mm，A级精度，不平度精度为PF.A，则标记为：Q/BQB420-St02Z-275-Z-FA-L钢板：1.00B×1250A×2000A-PF.A产地：宝钢、德

2.2日本热浸镀锌薄钢板

适用牌号：SGCC、SGCD1、SGCD2、SGCD3

锌层代号：Z12、Z18、Z20、Z22、Z25、Z27

符号：S-钢（Steel）、G-冷轧（Cold）、第四位C-普通级（common）、D-冲压（Draw）；1、2-冲压级、3-深冲级；Z-镀锌层（Zine）、12，…，27-锌附着量×10g/m2。

产地：宝钢、南韩浦项、台湾华辉企业、日本新日铁株式会社、三水南方钢板集团有限公司等

2.3德国热浸镀锌薄钢板

适用牌号：St01Z、St02Z、St03Z、St04Z、St05Z锌层代号：100、180、200、275、350、450

符号：St-钢（Steel），01-一般用、02-机械咬口用、03-冲压用、04-深冲用、05-深冲用；Z-镀锌层（Zine）；100-锌附着量（二面）100g/m2、275-锌附着量275h/m2、350-锌附着量350g/m2。

表面结构代号：Z-用常锌花、X-小锌花、G-光整锌花。表面处理代号：L-铬酸钝化、Y-涂油、LY-铬酸钝化加涂油。

表面质量代号：FA-普通级、FB-较高级、FC-高级。

尺寸、外形精度代号：厚度：PT.A-普通精度、PT.B-高级精度；宽度：PW.A-普通精度、PB.B-高级精度；长度：PL.A-普通精度、PL.B-高级精度；不平度：PF.A-普通精度、PF.B-高级精度。标记：产品名称、本产品标准号、牌号、锌层重量代号、表面结构、表面质量、表面处理、产品规格及尺寸、外形精度。

标记示例：钢板，标准号Q/BQB420，牌号St02Z，锌层重量代号275，表面结构为正常锌（Z），表面质量为FA，表面处理为铬酸钝化（L），厚度1.00mm，高级精度（B），宽度1250mm，普通精度A，长度2000mm，A级精度，不平度精度为PF.A，则标记为：Q/BQB420-St02Z-275-Z-FA-L钢板：1.00B×1250A×2000A-PF.A

3电镀锌薄钢板

3.1连续电镀锌冷轧薄钢板

指电镀锌作业线上在电场作用下，锌从锌盐的水深液中连续沉积到预先准备好的钢带表现上得到表面镀锌层的过程。适用牌号：DX1、DX2、DX3、DX4

锌层代号：14、28、42、56、70，其两位数表示锌在钢板表面的附着量（g/m2）。

符号：D-电镀、X-锌、1-商品级、2-冲压级、3-深冲压、4-结构级。

轧制精度代号：A-高级精度，B-普通精度.表面处理代号：P-磷酸盐处理，C-铬酸处理，O-涂油，N-耐指纹处理。

标记：牌号、规格、镀锌量、轧制精度、表面处理、本标准号。

标记举例：牌号为DX2，厚度2mm，宽度1000mm，长2500mm，等厚度锌层42/42，轧制精度B，表面铬酸处理的钢板，标记为：DX2-2×1000×2500-42/42-B-G-GB/T15675-1995产地：宝钢等

3.2日本电镀锌薄钢板

适用牌号：SECC（原板SPCC）、SECD（原板SPCD）、SECE（原板SPCE）锌层代号：E8、E16、E24、E32

符号：S-钢（Steel）、E-电镀（Electrodeposition）、C-冷轧（Cold）、第四位C-普通级（common）、D-冲压级（Draw）、E-深冲级（Elongation）。

锌层代号：E-电镀锌层，8、16、24、32表示锌附着量，单位为g/m2，镀层厚度（单面）1.4μ、4.2μ、7.0μ。

表面处理代号：C-铬酸系处理、O-涂油、P-磷