SPC统计制程品管

STATISTICALPROCESSCONTROL(SPC)(统计制程管制)管制图之选用量测系统量测系统（量具之变异在可允许之范围内）品质之决定进料检验完工检验制程能力分析双边规格单边规格（品质特性质）计量值从←X，σ←S计数值P←PCaCpCpkP(不良率)量测系统品质之决定制程管制制程能力分析品质特性质计量值从-X-R,X-6,X-R,X-Rm计数值-Pm,P,C,U,D新速管制图雅式管制图CaCpCpkP(不良率)不同单位之品质比较，使用Cv（变异系数）=S/X（或同一单位，但不同品质特性质）以管制图进行制程能力分析一组数据之变化情形，除了可以用图形法来表示外，数量化之描述亦以提供有用之情报。数据之量化表示有很多种，常用的有平均数（mean）、中位数（median）、众数（mode）、变异数（variance）、标准差（standarddeviation）。平均数假设X1，X2，…，Xn为样本中之观测值，样本数据之集中趋势可由样本平均数来衡量，样本平均数定义为变异数变异数是用来衡量数据之散布情形。样本变异数S2为S2=计数值管制图不良率管制图（pchart）CLp=UCLp=LCLp=不良数管制图(pnchart)CLpn=UCLpn=LCLpn=(σpn=)3．缺点数管制图（cchart），样本大小相同CLc=UCLc=LCLc=4．单位缺点数（uchart），样本大小不相同CLu=UCLu=LCLu=计量值管制图管制图管制图类别群体之μ及σ未知时群体之μ及σ已知时平均值管制图全距管制图CLR=d2σUCLR=D2σLCLR=D1σ-S管制界限公式图别群体情况未知群体情况已知平均值管制图CLX=μUCLX=μ+AσLCLX=μ-Aσ标准差管制图CLS=C2σUCLS=B2σLCLS=B1σ管制图图别群体情况未知群体情况已知中位值管制图CLX=μ全距管制图CLR=d2σUCLR=D2σLCLR=D1σX-Rm管制图 X管制图 管制图 机遇原因之变异（commoncause）非机遇原因之变异（specialcause）大量之微小原因所引起。不管发生何种之机遇原因，其个别之变异极为微小。几个较为代表性之机遇原因如下：原料之微小变异。机遇之微小振动。机器测定时不十分精确之作法。实际上要除去制程上之机遇变异原因，是件非常不经济之处置。一个或少数几个较大原因所引起。任何一个非机遇原因，都可能发生大之变异。几个较为代表性之非机遇原因如下：原料群体之不良。不完全之机遇调整。新手之作业员。非机遇原因之变异不但可以找出其原因，并且除去这些原因之处置，在经济观点上讲常是正确者。管制图之选定原则管制图之选定管制图之选定资料性质？资料是不良数或缺点数？样本大小n≥2?中心线CL之性质？n是否一定？单位大小是否一定？n是否较大？X―σ图X―R图X―Rm图eq\o(\s\up8(~),X)―R图pn图p图C图u图计量值计数值n≥2n=1不良数缺点数一定不一定一定不一定eq\o(\s\up8(~),X)Xn=2~50<n<25管制图之比较优点缺点计量值管制图用于制程之管制，甚灵敏，很容易调查事故发生之原因，因此可以预测将发生之不良状况。能及时并正确地找出不良原因，可使品质稳定，为最优良之管制工具。在制造成过程需要经常抽样并邓以测定以及讲算，且需点上管制图，较为麻烦而费时间。计数值管制图只有生产完成后，才抽本，将其区分为良品与不良品，所需数据，能以简单方法获得之。对于工厂整个品质情况了解非常方方便。只靠此种管制图，有时无法寻求不良之真正原因，而不能及时采取处理措施，而延误时机。管制图之绘制流程（步骤）决定管制项目决定管制项目标准化搜集数据绘制解析用管制图解析安定状态？绘制直方图满足规格？管制用管制图追求、去除异常原因以达安定状态。检讨机械、设备等等提升制程能力满足不满足安定状态非安定状态检定规则一：有单独一个点子，出现在三个标准差区域之外者。（有一点落在管制界限之外者）。如图22。UCLUCLCL+3σ+2σ+1σA区B区C区图22检定规则二：连续三点之中有两点落在A区或甚至于A区以外者。（在中心线之同侧三个连续点中有两点出现在两个标准差之外者）。如图23。UCLUCLCL+3σ+2σ+1σA区B区C区图23检定规则三：连续五点之中有四点落在B区或甚至于以外者。（在中心线同侧，五个连续点中有四个点超出一个标准差者）。如图24。UCLUCLCL+3σ+2σ+1σA区B区C区图24检定规则四：连续有八点落在C区或甚至于在C区以处者。（八个连续点子落在C区或其中连续七点出现在中心线之同一侧者）。UCLUCLCL+3σ+2σ+1σA区B区C区图25检定规则五：连续几点同一方向时：（如下图）连续五点继续上升（或下降）——注意以后动态。（如图26a）连续六点继续上升（或下降）——开始调查原因。（如图26b）连续七点继续上升（或下降）——必有原因，应立即采取措施。（如图26c）图26a图26a图26b图26cUCLCL+3σ+2σ+1σLCL-1σ-2σ-3σ不合格率管制图(P管制图)〔例〕考虑某一生产铝箔包之机器，此机器系以三班制连续生产，其考虑之品质特性为铝箔包之缝合是否良好。为了设立管制图，30组大小为n=50之样本从三班以半小时之间隔收集，其数据显示在表5-1。从这些数据可建立一试用管制图，由于30组样本共包含个不合格品，因此===0.2313利用当做是制程不合格率之估计值，可得管制界限为=0.2313=0.23130.1789亦即上管制界限=0.4102下管制界限=0.0524表5-1试用管制界限数据,n=50样本不合格品数不合格率样本不合格品数不合格率180.161680.162120.241780.16380.161860.124100.219130.26560.1220100.2670.1421200.47160.3222180.36890.1823250.59140.2824150.310100.22590.181170.1426120.241260.122770.1413220.4428140.2814120.242990.1815180.363080.16不合格品数总和=347，=0.2313样本编号样本编号样本不合格率0.41020.23130.0524样本编号样本编号样本不合格率0.41020.23130.0524P管制图平均值：0.2143标准差：0.0580样本大小：50样本编号样本编号0.38840.21430.0402样本不合格率P管制图平均值：0.2143标准差：0.0580样本大小：50机器调整后之数据，n=50样本不合格品数不合格率样本不合格品数不合格率3180.164330.063260.124460.1233110.224570.143450.104640.083560.124780.163640.084850.103760.124960.123840.085070.143970.145140.084060.125260.124130.065340.084240.085450.10不合格品数总和=135，=0.1125P管制图P管制图平均值：0.2143标准差：0.0580样本大小：500.38840.21430.0402样本编号样本不合格率机器调整后之管制图检定： 1=0.2143，α=0.052=0.1125Ho：P1-P2=0H1：P1-P2>0Z==0.1673所以Z==6.933Z=6.933>Zα=1.645，故acceptH1，显示不合格率经调校后已有显著改善。由于改善成功，可以利用(样本31#~54#)之数据重新计算管制界限。Cp==0.1125UCL=LCL=(设为零)新的不合格率数据，n=50样本不合格品数不合格率样本不合格品数不合格率5570.147560.125680.167680.165750.1077110.225860.127890.185940.087970.146050.108040.086120.048150.106230.068220.046340.088310.026460.128430.066570.148550.106650.108640.086750.108770.146830.068850.106970.148940.087090.189030.067160.129160.1272100.209270.147330.069350.107440.089470.14样本不合格率样本不合格率样本编号0.24660.11250.0000P管制图平均值：0.1125标准差：0.0447样本大小：50P管制图之新管制界限P管制图P管制图平均值：0.1125标准差：0.0447样本大小：500.24660.11250.0000样本编号样本不合格率管制图之继续使用不合格点数管制图(C管制图)〔例〕假设表5-7之数据为25组样本大小为100部电脑之连续样本。试建立管制图。表5-7检查100片PCB板所发现之不合格点数样本不合格点数样本不合格点数151472815434169491711512181067196782098122122921221310723811122410126257139〔解〕此25组样本共含236个缺点，因此c之估计值为 试用管制界限为 UCL= 中心线= LCL=C管制图C管制图平均值：9.44标准差：3.0718.669.440.22样本编号不合格点数图5-10为依此25组样本所绘制之管制图，其中样本9及21均超出管制界限，因此必须诊断样本9及21之异常原因。若异常原因已排除后，则可将样本9及21之数据删除，并重新计算管制界限，新的不合格点数之平均值为=193/23=8.39。修正后之管制界限为UCL=中心线==8.39LCL=单位不合格点数管制图(u管制图)〔例〕某个电脑制造商想对最后装配线建立单位不合格点数管制图，并以10部电脑为一样本。表5-9为20组样本大小为10之样本资料。表5-9每单位平均不合格点数样本样本不合格点每单位平均编号大小总数，c不合格点数，u=c/n11090.921080.831070.7410121.2510141.461070.771060.681090.9910121.21010161.6111090.9121080.8131070.71410171.71510121.2161060.6171090.9181060.6191080.8201010119219.2〔解〕从这些数据可估计单位不合格点数之平均值为 因此管制图之参数为 UCL= 中心线==0.96 图5-12为单位平均不合格点数管制图，由图可看出此制程为管制内，因此试用管制界限可用来管制制程。u管制图u管制图平均值上：0.96标准差：0.31样本大小：10样本编号1.890.960.03单位不合格点数图5-12单位不合格点数管制图D管制图〔例〕某产品之不合格点分成三种，各类不合格点之权重为50，10和1，试以下列资料建立单位缺失管制图之管制界限。(检验单位n

=10)样本严重不合格主要不合格次要不合格总缺失单位缺失点数c1点数c2点数c3Du122212212.220218383.8306107074126767.65082828.2600990.97075757.58121717.19132828.2100322525.211053535.31221211211.21300990.914078787.815113302102116067676.717011111.118135858.519056565.620039393.9总和979157〔解〕首先计算各不合格点数项目之单位不合格点数缺失之平均值为=50（0.045）+10(0.395)+1(0.785)=6.985（注：在此例中，样本数相等，亦可由求得）标准差为管制界限为UCL=6.985+3(3.909)=18.712LCL=6.985-3(3.909)=-4.742(设为0)第15组样本之单位缺失为20.0，超出上管制界限。若可归属原因可改善，在剔除第15组样本后，重新计算管制界限=50(0.042)+10(0.347)+1(0.668)=6.238修正后之管制界限为UCL=6.238+3(3.747)=17.479LCL=6.238-3(3.747)=-5.003(设为0)-R管制图〔例〕假设汽车活塞环之管制系利用平均值及全距管制图。表6-3显示25组样本数据，样本大小n=5(所有数据均已减去80)。试建立-R管制图之管制界限。〔解〕利用表6-3之数据可得全距管制图之中心线为表6-3活塞环数据样本观测值xiRi13.9984.0024.0193.9934.0064.0040.02624.0013.9924.0034.0114.0044.0020.01933.9884.0244.0214.0054.0024.0080.03644.0053.9963.9934.0124.0094.0030.01953.9924.0074.0153.9894.0144.0030.02664.0093.9943.9973.9783.9933.9960.02273.9954.0063.9944.0004.0054.0000.01283.9854.0033.9934.0153.9923.9980.03094.0063.9954.0094.0054.0044.0040.014103.9984.0003.9904.0073.9953.9980.017113.9943.9983.9943.9953.9003.9940.008124.0034.0004.0074.0003.9964.0010.011133.9834.0023.9983.9974.0123.9980.029144.0063.9673.9964.0003.9873.9900.039154.0124.0143.9983.9994.0074.0060.016164.0023.9844.0053.9983.9963.9970.021173.9944.0123.9864.0054.0074.0010.026184.0064.0104.0184.0034.0014.0080.017194.0014.0024.0034.0053.9974.0020.008204.0004.0104.0134.0204.0034.0090.020213.9884.0014.0094.0053.9964.0000.021224.0053.9993.9904.0014.0094.0010.019234.0103.9893.9904.0094.0144.0020.025244.0154.0083.9934.0004.0104.0050.022253.9903.9843.9954.0174.0113.9990.0330.536管制界限为UCL==4.0012+(0.577)(0.0214)=4.0135LCL==4.0012-(0.577)(0.0214)=3.9889由图6-7可看出平均值管制图无任何管制外之现象。由于平均值及全距管制图均在管制内，我们可将以上所得之试用管制界限用在未来之制程管制上。样本之大小为n=5，由附表可查出D3=0，D4=2.115。因此全距管制图之管制界限为LCL=D3UCL=D4图6-6显示全距管制图，由图可看出此25组样本都在管制内。由于全距R管制图显示制程变异在管制内，接下来我们可以建立平均值管制图。平均值管制图之中心线为X-BAR管制图X-BAR管制图总平均值：4.0012样本大小：54.01354.00123.9889组平均值样本编号图6-7活塞环之平均值管制图R管制图R管制图平均值：0.0214样本大小：50.04530.02140.000样本编号图6-6活塞环之全距管制图组全距〔例〕假设上例中，活塞环之规格界限为84±0.03mm。由管制图之资料获得制程平均值=84.0012mm,,样本大小n=5，试估计产品之不合格率。〔解〕制程标准差之估计值为，因此不合格之估计值为=P{x<83.97}+P{x>84.03}=≌(-3.39)+1-(3.13)≌0.00035+0.00087=0.00122和S管制图〔例〕假设汽车引擎活塞环之内径尺时资料如表6-5所示，样本数据已减去80。试计算-S管制界限。〔解〕制程整体平均值为因此管制图之参数为UCL==4.0012+(1.427)(0.0086)=4.0135CL==4.0012LCL==4.0012-(1.427)(0.0086)=3.9889S管制图为UCL==（2.089）(0.0086)=0.018LCL==(0)(0.0086)=0表6-3活塞环数据样本观测值Si13.9984.0024.0193.9934.0064.0040.01024.0013.9924.0034.0114.0044.0020.00733.9884.0244.0214.0054.0024.0080.01544.0053.9963.9934.0124.0094.0030.00853.9924.0074.0153.9894.0144.0030.01264.0093.9943.9973.9783.9933.9960.00873.9954.0063.9944.0004.0054.0000.00683.9854.0033.9934.0153.9923.9980.01294.0063.9954.0094.0054.0044.0040.005103.9984.0003.9904.0073.9953.9980.006113.9943.9983.9943.9953.9003.9940.003124.0034.0004.0074.0003.9964.0010.004133.9834.0023.9983.9974.0123.9980.010144.0063.9673.9964.0003.9873.9900.015154.0124.0143.9983.9994.0074.0060.007164.0023.9844.0053.9983.9963.9970.008173.9944.0123.9864.0054.0074.0010.011184.0064.0104.0184.0034.0014.0080.007194.0014.0024.0034.0053.9974.0020.003204.0004.0104.0134.0204.0034.0090.008213.9884.0014.0094.0053.9964.0000.008224.0053.9993.9904.0014.0094.0010.007234.0103.9893.9904.0094.0144.0020.012244.0154.0083.9934.0004.0104.0050.009253.9903.9843.9954.0174.0113.9990.0140.215X-BAR管制图X-BAR管制图总平均值：4.0012样本大小：54.01354.00123.9889组平均值样本编号(a)管制图S管制图S管制图平均值：0.0086样本大小：50.01800.00860.0000样本编号(b)S管制图组标准差图6-13-S管制图个别值管制图及移动全距管制图自动化检验和量测技术之使用，对每一制造件进行分析。生产率低，无法以n>1之样本进行分析。有些制程（化学工业）之重复量测值相差不大，其差异只是来自于实验或分析误差。在此情况下，使用n>1无法提供更多之情报，因此可采用n＝1之样本。在产品之不同位置，重复量测所得之数值相差不大，由此数据估计之标准差可能会太小。一个例子为在整卷纸之不同位置量测纸张厚度。在上述情况下，我们无法以样本全距来仨计制程之变异性。一个可行之方法是以移动全距（movingrange）来估计制程之变异性。移动全距可定义为Mri=|xi-xi-1|,亦即以相邻之2数据计算全距。〔例〕某种化学产品之主要品质特性为粘度，此产品系以批量之方式生产，由于生产率太慢，故使用样本大小n=1,表6-9为15批产品之数据。试计算管制界限。〔解〕此15产品之粘度的平均值为x＝32.8，两连续数据之移动全距的平均值为＝5.053。由表得知D3＝0，D4＝3.267（在此例中，移动全距定义为前后数据之差异量的绝对值，因此n=2），由此可得移动全距管制图之参数为 UCL＝D4＝（3.267）（5.053）＝16.508 中心线＝5.053 LCL＝0 图6－15（a）为移动全距管制图，由图可看出并无点超出管制界限。 对于个别管制图，其参数为 UCL＝ 中心线＝ LCL＝ 由n=2，查表可得d2＝1.128，因此管制界限为UCL＝32.8÷3（5.053）＝46.2381.128 中心线＝32.8UCL＝32.8－3（5.053）＝19.3621.128样本编号样本编号16.5085.0530.000移动全距某化学产品之粘度批号粘度移动全距136.3—228.67.7332.53.9438.76.2535.43.3627.38.1737.29.9836.40.8938.31.91030.57.81129.41.11235.25.81337.72.51427.510.21528.40.9个别值样本编号个别值样本编号(b)个别值管制图个别值及移动全距管制图46.23832.80019.362=32.8=5.05333.65.21728.55.11836.27.71930.06.22028.31.7(a)移动全距管制图

(a)移动全距管制图制程能力分析制程能力分析可定义为估计制程能力之工程研究。制程能力分析通常是量测产品之功能参数而非制程本身。当分析者可直接观察制程及控制制程数据之收集时，此种分析可视为一种真的制程能力分析。因为经由数据收集之控制及了解数据之时间次序性，可推论制程之稳定性。若当只有品质数据而无法直接观测制程时，这种研究称为产品特性分析（productcharacterization）。产品特性分析只可估计产品品质特性之分布，或者是制程之输出（不合格率），对于制程之动态行为或者是制程是否在管制内则无法估计。这种情形通常是发生在分析供应商提供之品质数据或者是进货检验之品质资料。在整个品质改善计划中，制程能力分析占一个很重要之部分，制程能力分析可有如下之应用：预测制程是否能符合允差协助产品设计人员选择或更改制程协助设立制程管制之抽样区间设立新生产设备之规格在竞争供应商间做一选择降低制造过程中之变异性在制程间数个公差有交互影响时协助规划生产之程序3．单位规格之制程能力评价一．评价方式在计量值方面，如仅有几何公差(如规格上限a规格下限)。在计数值方面，如P不良率，nP不良数，C缺点数都是愈少愈好，故属规格上限。二．公式计量值：τmax(规格上限)τmix(规格上限)00CPKτmax(规格上限)τmix(规格上限)00计数值：不良率 CPK=，规格上限：Pmax不良数 CPK=，规格上限：(nP)max缺点数 CPK=，规格上限：Cmax4.制程能力在制程管制上之应用〔例〕一、线圈电阻之规格为20±4欧姆。当制程为管制内时，-R管制图之参数为=20.864，=3.5，n=5。计算Cpk指标。计算产品之不合格率。若将制程平均值调整至20.0，计算不合格率。〔解〕(a)由于制程在管制内，制程之平均值和标准值差可估计为 μ==20.864,σ=/d2=3.5/2.326=1.505 Cpk指标为 Cpk=min{,}=3.136/4.515=0.695 (b)不合格率为1-φ（）+φ（）=1-φ(2.08)+φ(-3.23)=(1-0.9812)+0.0006=0.0194(c)由于为双边规格，将制程平均值调整至规格之中心，将可获得最小之不合格率，不合格率为1-φ（）+φ（）=1-φ(2.66)+φ(-2.66)=0.0078若要进一步降低不合格率，则需从降低制程变异数着手。〔例〕二、20组本大小为5之饮料瓶破裂强度(burstingstrength)的样本数据。假设强度要求至少为49.9，试计算制程能力指标。〔解〕 及R管制图之管制界限计算如下： R管制图 UCL=D4=(2.115)(0.0935)=0.1977 中心线==0.0935 LCL=D3=(0)(0.0935)=0 管制图 UCL=+A2=49.998+(0.577)(0.0935)=50.0514 中心线==49.998 LCL=-A2=49.998-(0.577)(0.0935)=49.9436图9-3显示此20组样本之及R管制图，此二图显示制程数据在统计管制内，因此制程参数可估计为μ==49.998 σ==0.0935/2.326=0.0402 Cp指标为 Cp=(μ-LSL)/(3σ)=(49.998-49.9)/(3×0.0402)=0.813 此例显示制程为统计管制内，但在不符合产品规格之情况下生产。

5.量测误差与制程能力指标在分析制程能力指标时，我们假设量测误差可忽略。但量测误差对制程能力指标确实有所影响，本节以下介绍一方法，在量测误差存在之情况下，用来评估实际之制程能力。假设Xm为品质特性之量测值，Xm包括品质特性之真实值X，和量测误差ε，亦即Xm=X+ε。品质特性之量测值的变异可写成其中代表量测误差之变异数，为制程之实际变异数。由于量测误差一般符合常态分配，因此允差被量测误差所估用之百分比为上式可写成=c〔(USL-LSL)/6〕，将之代入中，可得由量测值所得之制程能力指标设为，制程之真实指标为Cp，则可写成可简化为。若无量测误差，=0，c=0，则=Cp。另一方面，若制程之变异数为0，仍有一上限值，亦即。上式说明制程能力指标之最大值受到量测误差之限制。制程之真实能力指标可写成其中CR=1/，称为能力比（capabilityratio）。若能估计量测误差，则将能估计真实之制程能力指标。〔例〕产品品质特性之规格为100±30，量测系统之标准差为=8。此制程之能力指标是否能达到2.0以上？〔解〕制程能力指标之上限为1/0.8=1.25。因此，无论如何改善制程，制程能力指标不可能超过2.0。

附录资料：不需要的可以自行删除各类食品抽样大全一、啤酒产品抽样方法1.1批次凡同原料、同配方、同工艺生产的啤酒，经混合过滤，同一清酒罐、同一包装线当天包装出厂（或入库）的、具有同样质量检验报告单的产品为一批。1.2抽样1.2.1按下表抽取样本。桶装啤酒应使用灭菌的器具，在无菌的条件下从各样本中采样、封装。（瓶、听）箱装啤酒先按下表规定抽取样本，再随机从各样本中抽取单位样品件数。当样品总量不足4.0L时，应适当按比例加取。表5样本批量范围箱、桶样本数箱、桶单位样品件数瓶、听/箱50以下3351～1200521201～3500081≥350011311.2.2采样后应立即贴上标签，注明：样品名称、品种规格、数量、制造者名称、采样时间与地点、采样人。将其中三分之一样品封存，于5℃～25℃保留

二、酱腌菜产品抽样方法3.1组批同一班次一次投料为一批，产量小，而原辅料未发生变更时，可将两个或三个班次的产品为一批。3.2抽样3.2.1成品库按批抽样，抽样单位以坛数或箱计3.2.2采样坛数或箱数按下式计算

S=N/（5）1/2

式中：S—抽样箱数N—被检产品的坛数或箱数

在抽取样坛（箱）的上、中、下层或箱中的四角上、下层按四分法分别抽取样菜或样袋。缩分至2000-----4000克三、炒货食品的抽样方法抽样依据标准：GB19300-2003

8.1所抽样品须为相同生产日期，并处于保质期内的合格产品。同一班次、同一生产线生产的同一品种、同一规格的产品为一批。8.2每种产品随机抽取16个包装，样品总量不得少于2kg，主要考虑净含量以及酸价、过氧化值等指标所消耗样品的量。8.3抽样样品分乘份，送检验机构检验，1份用于检验，1份备查。样品确认无误后，由抽样人员与被抽样单位在抽样单上签字、盖章，当场封存样品并加贴封条。封条上应当有抽样人员签名、抽样单位盖章及封样日期。8.4抽样单上应写明产品生产工艺（烘炒类或油炸类）。

产品抽样方法一、葡萄酒抽样方法抽样依据标准：GB/T15037-941.1批次同一生产期内所生产的﹑同一类别﹑且经包装出厂的﹑具有同一批号的产品为同一批次产品。1.2.1按下表抽取样本。样本以瓶为单位。

表

抽样方案批量＜1500箱≥1500箱样本大小n（瓶数）≤375ml/瓶8≤375ml/瓶12≥500ml/瓶4≥500ml/瓶81.2.2抽样方式

从每批产品中随机抽取n箱，再从n箱中各抽取一瓶，抽取的样品一半作该产品的样本进行检测，另一半由供需双方共同封存，留做复核﹑仲裁用。1.2.3抽样单上必须标明以下内容

葡萄酒的标签应注明：酒名﹑类别﹑酒精度﹑原汁含量﹑净容量﹑厂名﹑厂址﹑批号﹑商标﹑封装年月﹑标准代号及编号，符合本标准的产品可不标保质期。

二、白酒抽样方法抽样依据标准：GB10346-892.1.取样方法批量在500箱以下，随机抽取4箱，每箱取样一瓶（以500ml计）其中两瓶做感官和理化检验用，其余两瓶由供需双方共同封印，作为仲裁样品保存半年。2.2.抽样单上必须标明以下内容

类别﹑等级﹑酒精度﹑净容量﹑厂名﹑厂址﹑批号﹑商标﹑封装年月﹑标准代号及编号。

三、黄酒﹑果酒抽样方法抽样依据标准：QB/T1982-94

QB/T1983-94

QB/T2027-943.1组批同一生产期内所产生的，同一类别且经包装出厂的，具有同一批号的产品为同一批次产品。3.2抽样3.2.1按下表规定的抽样方案抽取样本。样本以瓶为单位。

表批量＜1500箱≥1500箱样本大小n（瓶数）≤375ml/瓶8≤375ml/瓶12≥500ml/瓶6≥500ml/瓶8

3.2.2抽样方式

从每批产品中随机抽取n箱，再从n箱中各抽取一瓶，抽取的样品一半作该产品的样本进行检测，另一半由供需双方共同封存，留做复核﹑仲裁用。3.2.3抽样单上必须标明以下内容

类别﹑等级﹑酒精度﹑净容量﹑厂名﹑厂址﹑批号﹑商标﹑封装年月﹑标准代号及编号。四、肉制品抽样方法抽样依据标准：经过标准化部门备案的有效企业标准4.1.1组批同一批投料﹑同一班次﹑同一条生产线的产品为一个生产批。4.1.2抽样：所抽样品须为同一生产批，并确认在保质期内的产品，抽样基数不少于20kg，每件样品数量为4kg（不少于4个包装），分成两份。样品经企业确认无误后，抽样人员应当场封样，并填写抽样单和封条，抽样单和封条上应有抽样人员签名﹑抽样单位盖章及抽样日期。填写好的抽样单经企业确认无误后，企业应在抽样单上签名﹑盖章。

五、糖果的抽样方法抽样依据标准：SB10018-20015.1抽样方法和数量同一天同一班次生产的同一品种为一批。在生产线或成品仓库内随机抽取样品。抽样件数见表表抽样件数每批生产包装件数（以基本包装箱）抽样件数（指基本包装箱）200（含200）以下3201～8004801～180051801～320063200以上7在抽样件数中随机抽取3件，每件约100g,混匀;从其中取三分之一用于感官检验,三分之一用于净含量检验,三分之一用于检验﹑干燥失重和还原糖检验。5.2抽样单上必须标明以下内容

类别﹑等级﹑净含量﹑厂名﹑厂址﹑批号﹑商标﹑封装年月﹑标准代号及编号。

七、大米的抽样方法抽样依据标准GB5490-1985

八、炒货食品的抽样方法抽样依据标准：GB19300-2003

8.1所抽样品须为相同生产日期，并处于保质期内的合格产品。同一班次、同一生产线生产的同一品种、同一规格的产品为一批。8.2每种产品随机抽取16个包装，样品总量不得少于2kg，主要考虑净含量以及酸价、过氧化值等指标所消耗样品的量。8.3抽样样品分乘份，送检验机构检验，1份用于检验，1份备查。样品确认无误后，由抽样人员与被抽样单位在抽样单上签字、盖章，当场封存样品并加贴封条。封条上应当有抽样人员签名、抽样单位盖章及封样日期。8.4抽样单上应写明产品生产工艺（烘炒类或油炸类）。九、蜜饯的抽样方法抽样依据标准：GB10782-1989抽样方法9.1.1抽样必须具有代表性,应在全批产品的不同部位,按规定件数随机抽取样品,样品的检验结果适用于整个检验批次。9.1.2每批产品的抽样数量100件以下者,按3％抽取,100件以上者每增100件增抽1件,增加部分不足100件时按100件计算。9.1.3瓶装及其他小包装产品,同一批次取样件数,250g以上包装每件不得少于3件,250g以下的包装,每件不得少于6个。9.2取样方法9.2.1干态产品在抽样件中,从每件的上、中、下三部分分别取样，每件取样数量应基本一致，将全部样品充分混匀后，以四分法分取1.5kg供作试样。9.2.2酱状的产品在取样前必须充分混匀,糖渍产品必须沥卤断线一分钟后取样。9.2.3所取样品装入清洁干燥的容器内供检验,用作微生物检验的样品必须按无菌操作程序进行取样。9.2.4取样后应在存样容器上标明品名、等级、批次、日期、厂名、抽样日期及抽取人姓名或代号。十、食用油的抽样方法抽样依据标准：GB5524-198510.1扦样工具10.1.1扦样管：适用于桶装油扦样。内径1.5～2.5cm，长约120cm的玻璃管。10.1.2扦样筒：适用于散装油扦样。用圆柱形铝筒制成，容量约0.5L，有盖底和筒塞。在盖和底的两圆心处装有同轴筒塞各一个,作为进样用。盖上有两个提环,筒塞上有一个提环,系以细绳，筒底有三足。10.1.3样品瓶：磨口瓶，容量1～4kg。10.2扦样方法10.2.1桶装油扦样法扦样规定如下：7桶以下：逐桶扦样10桶以下：不少于7桶11～50桶：不少于10桶51～100桶：不少于15桶101桶以上：按不少于总桶数的15％扦取。扦样的桶点要分布均匀。10.2.2扦样：先将油脂搅拌均匀，将扦样管缓慢地自桶口斜插至桶底，然后堵压上口提出扦样管,将油样注入样品瓶内。如指定扦取某一部位油样时,先用姆指堵压扦样管上孔，插至要扦取的部位放开姆指，待扦取部位的油样进入管中后，立即堵压上孔提出,将油样注入样品瓶内。如扦取的样品数量不足1kg时，可增加扦样桶数，每桶扦样数量一致。10.2.3散装油扦样法：散装油以一个油池、一个油罐、一个车槽为一个检验单位。10.2.4分层：按散装油高度，等距离分为上、中、下三层，上层距油面约40cm处；中层在油层中间；下层距油池底板40cm处，三层扦样数量比例为1:3:1(卧式油池、车槽为1:8:1)。10.2.5扦样数量规定如下：500t以下：不少于1.5kg;501-1000t：不少于2.0kg;1001t以上：不少于4.0kg。10.2.6扦祥：将扦样筒关闭筒塞,沉入扦样部位后,提动筒塞上的细绳，让油进入筒内,提起样筒扦取油样。10.2.7输油管流动油取样：根据油脂数量和流量，计算流动时间，采用定时、定量法用油勺在输油管出口处取样。10.3分样方法将扦取的油脂样品，经充分摇动，混合均匀后，分出1kg作为平均样品备用。

十一、酱油的抽样方法抽样依据标准：GB18186-200011.1组批同一天生产的同一品种产品为一批。11.2抽样从每批产品的不同部位随机抽取6瓶（袋），分别做感官特性、理化、卫生检验，留样。11.3判定规则11.3.1交收检验项目或型式检验项目全部符合本标准判为合格品。11.3.2交收检验项目或型式检验项目如有一项不符合本标准，可以加倍抽样复验。复验后如仍不符合本标准，判为不合格品。十二、食醋的抽样方法抽样依据标准：GB18187-200012.1组批同一天生产的同一品种产品为一批。12.2抽样从每批产品的不同部位随机抽取6瓶（袋），分别做感官特性、理化、卫生检验、留样。12.3判定规则12.3.1交收检验项目或型式检验项目全部符合本标准判为合格品。12.3.2交收检验项目或型式检验项目如有一项不符合本标准，可以加倍抽样复验。复验后如仍不符合本标准，判为不合格品。

十三、鸡精的抽样方法抽样依据标准：SB/T10371-20036.3

组批同一天生产的同一品种产品为一批。6.4

抽样

从每批产品的不同部位随机抽取6包（罐），分别做外观和感官特性、理化、卫生检验，留样。

6.5

判定规则出厂检验项目或型式检验项目全部符合本标准判为合格品。十四、内墙涂料的抽样方法抽样依据标准：GB3186-8214.1盛样容器和取样器械14.1.1盛样容器；应采用下列适当大小的洁净的广口容器：14.1.1.1内部不涂漆的金属罐，14.1.1..2棕色或透明的可密封玻璃瓶，14.1.1.3纸袋或塑料袋。14.2取样器械14.2.1取样器械应分别具有下述两种功效：14.2.1.1能使产品尽可能混合均匀。14.2.1.2取出确有代表性的样品。14.2.2材质与设计取样器械应使用不和样品发生化学反应的材料制成。并应便于使用和清洗（应无深凹的沟槽、尖锐的内角，难于清洗和难于检查其清洁程度的部位）。14.3取样数目按随机取样方法，对同一生产厂生产的相同包装的产品进行随机取样，取样数不低于(N/2)1/2建议采用以下的数字

十五、挂面的抽样方法抽样依据标准：SB/T10068-9215.1产品按批量进行检验,以每一工班为一批在工厂库房中取样,每批量抽样5箱,并从每箱中抽样1.00kg。15.2产品经检验符合本标准规定,即为合格品。

十六、米粉的抽样方法抽样依据标准：SN/T0395-95

十七、味精的抽样方法抽样依据标准：QB/T1500-9217检验规则17.1组批凡同一生产厂名、产品名称、规格(包括配料)、商标及批号,并具有同样质量合格证的产品,均视为一批。17.2抽样按表3抽取样品。

注：①“样本”系指产品的最大