过程控制管理实务讲义PPT课件

Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,11/7/2009,#,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,过程控制管理实务讲义,1,2,一、过程控制管理,F,所谓,过程,就是使用资源，一组将输入转化为输出的相互关联或相互作用的活动。,每一个组织，一般都具有市场调研过程、产品设计开发过程、生产过程、培训过程、产品交付过程等，由于过程涉及范围太广，结合光弘公司的运作实际，本讲义中主要讲述大批量连续生产型工厂现场生产过程中基层管理,/,技术人员，通常遇到的一些问题以及如何尽量向上地处理这些问题的一些基本理论和方法。,二、大批量连续生产型工厂现场生产过程控制管理,F,(,一,),现场生产过程控制管理的目的,产品、质量是制造出来的，,现场生产过程控制管理,唯一的目的就是通过应用科学合理的方法，对现场生产过程加以实施监控，使品质成品纳期在全过程中使终处于稳定的受控状态或者及时发现异常并不断加以改进，以合理的使用资源，达到高效低耗，稳定生产出顾客满意、工厂盈利的产品。,3,(,二,),现场生产过程控制管理的内容,第一：全过程品质管理,现场生产各个环节品质处于受控状态，及时发现变异、及时应急对策；,1,、全过程品质管理基本理论,任何一个组织，任何一个过程，生产出来的一批产品其质量特性不会一个个丝毫不差，而是互相间存 在着差异，就整体来讲称作存在散差。自然希望散差幅度越小越好。具体解决这个问题，需要首先掌握产品质量的分布。为此，测定一定数量的产品质量特性值，再将特性值按大小顺序分级（即分组），统计各级内数据数，作成频数直方图。如果产品数量不断增加，级的间距也越取越窄，极限情况下的质量分布曲线。可见分布曲线比直方图更近于实际质量状态。,从分布曲线知道，在接近中央处特性值出现次数多，这中央值大致等于全体测定值的平均。这是频数分布的向心性。,散差小，特性值分布向心性强，即形成分布曲线峰高坡陡，散差大，特性值分布向心性弱，即形成分布曲线峰低坡缓。（参见图,1,）,图,1,是左右对称的钟形曲线。在生产条件经过标准化的稳定状态下生产出来的产品，其质量分布基本呈现正态分布。,表示分布的中心位置，可采用平均值或中值（也称中数）。表示散差大小则采用范围和标准偏差。,平均值,X,是测定值的算术平均，范围,R,是最大与最小测定值之差，标准偏差,S,、,（,S,为试样的标准；,表示母体分布的标准偏差）就是均方根偏差。,在此有必要对中值作一下说明。,4,中值是处于这样位置的一个测定值：将测定值顺序排列时，中值是位居中央的那个测定值。中值号为,X,。测定值数为奇数个时，中值就是中央的那个，但在偶数个时，位于中央的测定值有两个，应取它俩的算术平均作为中值。,中值,X,，在有奇数个测定值时当然不需计算，在有偶数个测定值场合，从图表上单求得。所以，现场管理人员喜欢用中值,X,。,2,、散差的原因与生产状态,优秀射手箭多射在靶心附近，拙劣射手则射的比较分散。不论哪种情况，靶心总是箭的落点分布中心，但不同的是好射手散差幅度小，劣射手散差幅度大。这散差大小是个人固有的，决定于个人技术，是许多小的原因综合影响的结果。散差的这些原因即便愿花费用与时间，也是搞不清楚的。我们称这些无法调查清楚（即无调查意义）的影响散差的因素为,偶然原因,。偶然原因是不可避免的，故也称,不可避免原因,。偶然原因对散差的影响遵循偶然规律（即建立在概率基础上的统计规律），因此，散差分布状态可概率性的预测。,假如拉弓过程中有风从一定方向吹来，那么不论射手优劣，射出的箭总偏向一定方向，使箭的分布中心偏离靶心。当然，有经验的人很快就会发现，并能对风采取措施消除异常。风所致的偏差是必然原因引起的。这处异常经努力可逐渐消除，使之恢复正常。影响散差的这种原因称作,异常原因，,或称,可避免原因,（也有称,系统原因,的）。异常原因是不稳定、不规律的，但既能发现它，也能克服它。,对于工业生产亦是这两种原因在影响产品质量，如原材料性质的微小差异，设备的微小转动、滚动、滑动、冲击部份正常磨损，夹具的微小松动，工人技术操作的微小变化等等皆属偶然原因；而原材料中混入了不同规格、材质的原材料，转动、滚动、滑动、冲击部分的过度磨耗，夹具的严重松动，设备治具安装调整不准确，加工基准尺寸的误差等等皆属异常原因。须指出，随着科学技术的发展和人们认识的提高，过去作为偶然原因者，今后可能转化为异常原因。,不论哪种产品，只要是仅在偶然原因影响下生产，其产品质量特性分布总是某种固定不变的形状，理论与经验皆可证明这一点。,5,对于在没有异常原因出现的稳定生产条件下生产出来的产品，可以概率性预测它产品质量分布（一批产品或整个工序）。这样的生产状态称作,稳定状态,或,统计管理状态,，简称,管理状态,。,管理图的作用就在于能判断产品生产是否处在管理状态。,生产处于稳定状态，产品质量散差最小，质量可以自信，经简单抽检即可交货。质量管理的目标，即是将工序生产维持在稳定状态。,只要稳定状态下的母体分布处于用户指定的标准界限内，生产就应正常维持下去。,假如母体分布偏离了指定位置，则说明有异常原因存在。此刻若不发现并消除异常原因，则生产的产品会出现不符合标准的不合格品。假如母体分布散差过大，超出标准界限的也是不合格品。这两种情况都需要改善生产条件。以使分布中心移至正常位置或散差幅度减至符合标准。改变生产条件仍满足不了标准要求时，恐怕要考虑变更标准界限了。,注,标准界限是产品质量特性值所允许存在的范围。比如轴径为,1000.1mm,这是从两侧给出标准界限；烧碱纯度在,96%,以上，这是从一侧给出标准界限，对于机械零尺寸特性。标准界限即是公差。,3,、正态分布的性质,在生产条件（通过标准化）仅受偶然原因影响的时候，其产品母体的质量特性分布为下态分布曲线，其数学表达式如下：,式中，,f,：测定值出现频数,：母体平均值,：母体标准偏差,e,：自然对数底，数值等于,2.71828,按上式作出的理论正态分布曲线,其下部应向两侧无限延展着，而实际的质量特性频数分布却具有有限的界限。不过，这有限范围内的频数分布形状与理论正态工线极其相似，故实际使用中不妨碍采用理论上处理方法。,6,正态分布如图，根据统计理论，它具有下述性质：即产品质量测定值在,1,倍标准偏差（,1,）以上的可能性（概率）为,31.7%,；偏离平均值,2,倍标准偏差（,2,）以上的可能性为,4.55%,；偏离平均值,3,倍标准偏差（,3,）以上的可能性为,0.27%,，换句话讲，假如测试,1000,个产品的特性值，则可能有,997,个产品的特性值出现在（,-3,）的区间内，而小于（,-3,）与大于（,+3,）的产品加起来可能不超过,3,个。,正态分布决定于,和,，只要,和,一定，分布形状也就一定了。若,或,同时发生了变化，可断定生产条件出现了异常原因所致的变化。,4,、母体与试样的关系,只要母体（工序或批）分布始终不变，就说明生产状态稳定，可顺利生产，怎样才能知道母体分布呢？如能将构成母体的全部产品一一进行测试，无疑可以知道状态，但这在需要消耗破坏产品的场合，根本办不到；就是不损伤产品，鉴于经济理由也不能一一测试。,唯一的办法是从母体中抽取部分产品（试样）进行测试，然后根据统计学推理判断母体的分布状态,从正态分布的母体中随机抽取试样，测试其质量特性，求出试样测定值的平均值记作,x,。若反复取样、测试、求平均，则这些试样平均值,x,的分布仍是正态分布，理论上知道它同母体有下述关系：,X n,2,X,=,2,式中，,：母体的平均值,：母体的标准偏差,n,：试样的大小（每次取样所抽的产品数）,x,：试样平均值,X,的分布的标准偏差,x,：各试样平均值 的平均即总平均,这就是说，通过调查试样平均值的分布，可以推断所属母体的分布,7,只要工序生产处于稳定状态，则从中抽取的试样的平均值 ，出现在（,X 3,）的可能性亦为,99.73%.,假如规定每当发现试样平均值 出现在,(),区间外就认为是生产状态有了变化，则这咱判断发生错主的可能性在,1000,次中仅有,3,次。这种,0.27%,的判断错误（即危险率），对于工业产品的质量管理来讲，不妨可以忽略不计。,至此，管理图的构思便有了。在座标纸上纵轴取为试样平均值,X,，横轴取为试样次序号（一般多按时间先后抽样）。在试样平均值（,X,）的平均值,X,处画一条平行于横轴的中心线，再在,X,的上下各取,3 X,的距离处画两条界限线。从生产工序每隔一定时间抽一次试样，计算平均值,X,，画出座标点（以下称作打点），如此得到的座标图便是,管理图,。有点超出界限线，就认为出现了异常原因而破坏了稳定状态，应立即寻找原因采取对策，使生产状态恢复正常。,X,5,。,3,管理图,综上所述，在仅有偶然原因影响的稳定状态下生产出来的产品为一固定正态分布。按正态分布性质，产品特性值出现在,3,界限外的比率很小，,1000,次中约有,3,次（即,0.27%),。如果将这,3,次忽略不计，即认为正态分布母体的产品特性值全部分布在,3,界限内，那么，当有特性值出现在,3,界限外时，我们就可判断为有异常原因使生产状态发生了变化（即分布状态改变）。这样做，在,1000,次中可能有,3,次是将本来正常的稳定状态误判为异常状态。,将正常判为不正常的错误，称作第,1,种错误。由于按此错误判断去修改生产条件，结果是徒劳的，故也称徒劳错误。人们不禁要问：为减少第,1,种错误，如将界限从,3,扩展到,4,不是错判危险率降至,0.006%,了吗,?,即,10,万次中约有,6,次。,然而，如此扩展界限，又使漏过异常原因变动的机会增多。从图,14,可知，属于其他分布的产品进入界限内的比率增加。这会使本来不是正常状态而判为正常状态，即犯第,2,种错误。换言之，出现在界限内的产品，实际上可能属于别的发布，越扩大界限，犯第,2,种错误的危险越增加。,孤立的看，哪一种错误都可以避免。但同时避免两种错误却是不可能的。减少第,1,种（增大界限），就会增加第,2,种错误；反之，亦然。于是，问题就在于如何将两种错误造成的合计损失控制在最小限度。也就是说，因产品出现在界限外而误判为母体异常，采取措施造成的损失（第,1,种错误损失），以及因产品在界限内而未判断出母体异常、未采取措施造成的损失（第,2,种错误损失），两者损失相加为最小的地方，就是管理界限线所在之处。,8,具有,3,大小的管理界限，实际应用最广。一般场合，它会使两种错误造成的损失控制在最小限度。如果没有特殊的经济理由去选,3,之外的管理界限，最好采用,3,界限。,3,管理图，是以平均值为中心，在其上下各取,3,宽度画管理界限。中心的线称中心线，上部的管理界限称上部管理界限线（简称,UCL,），下部的管理界限称下部管理界限线（简称,LCL,），三线统称管理线。,在管理图上按试样平均值打点，点若超出管理界限即可判定发生了异常原因，点居于管理界限内则判断为稳定状态。如此，可以最经济地监视生产条件的变动情况。,管理图对监督生产、发现异常有很大效果，故是质量管理中最常用的方法。,6,、管理图的种类,根据统计分布类型即管理界限线画法的不同，管理图主要有,7,种。这,7,种又可分作两大类，即计量值用管理图与计数值用管理图。,（,1,）,X-R,（平均值与范围）管理图,（,2,）,X,（测 定 值 ）管理图,（,3,）,X-R,（中值 与 范围）管理图,（,4,）,Pn,（不合格品个数）管理图,（,5,）,P,（不合格品率）管理图,（,6,）,C,（缺 陷 数）管理图,（,7,）,U,（单位缺陷数）管理图,用于计量值,用于计数值,9,管理图不单是按时间顺序排列数据，而且能够发现随时间变化的各种工序要因（材料、工人、作业方法、设备等）的影响。在同一管理图上发现有不同工