质量管理(第五章).ppt
- 文档编号:10307245
- 上传时间:2023-05-25
- 格式:PPT
- 页数:65
- 大小:1.34MB
质量管理(第五章).ppt
《质量管理(第五章).ppt》由会员分享,可在线阅读,更多相关《质量管理(第五章).ppt(65页珍藏版)》请在冰点文库上搜索。
质量管理QualityManagement,主讲:
宗强,质量管理,-2-,引起质量变异的六因素(5M1E)总体与样本的概念及数据抽样的方法反映数据集中性与离散性的度量指标正态分布及其数学描述计量特性值控制图的绘制方法计数特性值控制图的绘制方法质量控制图的观察与分析工序能力的概念与测评,知识要点,引导案例:
润通管件有限公司走上质量管理的快车道!
质量管理,-3-,基于经验的质量管理已变得不灵了SPC实现了质量管理的三个根本性转变通过工序能力的计算可以找到新的突破口,引导案例:
流水线生产,“流水线上无法生产出完全相同的两种产品”。
造成质量变异的原因何在?
“如何才能找到其中的主要原因?
”统计过程控制回答了这些关键性问题。
三个转变:
从定性描述为主转变为定量分析为主;从事后检验为主转变为事前控制为主;从产品检验为主转变为过程控制为主;,统计过程控制,用途1.分析判断生产过程的稳定性,生产过程处于统计控制状态。
2.及时发现生产过程中的异常现象和缓慢变异,预防不合格品产生。
3.查明生产设备和工艺装备的实际精度,以便作出正确的技术决定。
4.为评定产品质量提供依据。
质量管理,-6-,第五章统计过程控制,5.1统计过程控制的基本原理5.2质量控制图5.3工序能力测定与分析,第一节统计过程控制的基本原理,统计过程控制的概念统计过程控制(简称SPC)是应用统计技术对过程中的各个阶段进行评估和监控,建立并保持过程处于可接受的且稳定的水平,从而保证产品与服务符合规定的要求的一种质量管理技术。
它是过程控制的一部分,从内容上说主要是有两个方面:
一是利用控制图分析过程的稳定性,对过程存在的异常因素进行预警;二是计算过程能力指数分析稳定的过程能力满足技术要求的程度,对过程质量进行评价。
统计过程的特点,它是一种预防性方法;强调全员参与;强调整个过程,重点在于P(Process),即过程。
SPC解决的两个基本问题一是过程运行状态是否稳定,可利用控制图这一统计工具进行测定;二是过程能力是否充足,可通过过程能力分析来实现。
SPC理论的作用,1.确保制程持续稳定、可预测。
2.提高产品质量、生产能力、降低成本。
3.为制程分析提供依据。
4.区分变差的特殊原因和普通原因,作为采取局部措施或对系统采取措施的指南。
SPC实施工具,控制图是SPC中最重要的工具。
目前在实际中大量运用的是基于Shewhart原理的传统控制图,但控制图不仅限于此。
近年来又逐步发展了一些先进的控制工具,如对小波动进行监控的EWMA和CUSUM控制图,对小批量多品种生产过程进行控制的比例控制图和目标控制图;对多重质量特性进行控制的控制图。
实施SPC的过程,实施SPC的过程一般分为两大步骤:
首先用SPC工具对过程进行分析,如绘制分析用控制图等;根据分析结果采取必要措施:
可能需要消除过程中的系统性因素,也可能需要管理层的介入来减小过程的随机波动以满足过程能力的需求。
第二步则是用控制图对过程进行监控。
SPC适用范围,SPC非常适用于重复性生产过程。
它能够帮助我们1.对过程作出可靠的评估。
2.确定过程的统计控制界限,判断过程是否失控和过程是否有能力。
3.为过程提供一个早期报警系统,及时监控过程的情况以防止废品的发生。
4.减少对常规检验的依赖性,定时的观察以及系统的测量方法替代了大量的检测和验证工作。
SPC适用范围,SPC作为质量改进的重要工具,不仅适用于工业工程,也适用于服务等一切过程性的领域。
在过程质量改进的初期,SPC可帮助确定改进的机会,在改进阶段完成后,可用SPC来评价改进的效果并对改进成果进行维持,然后在新的水平上进一步开展改进工作,以达到更强大、更稳定的工作能力。
第一节统计过程控制的基本原理,这两件产品一样吗?
Man(操作人员)Machine(机器)Material(物料)Method(方法)Measurement(测量)Environment(环境)即5M1E,产生产品变异的原因,1.不同操作人员的熟练程度不同,操作方法各异。
同一个操作人员,在不同的时间,其生理和精神状态会有差异。
即使在正常生理和精神状态下,同一个操作人员完成的作业也不可能相同。
2.机器设备的加工精度会随着时间的增加而降低,即使经过维修也不可能与原来的完全一致。
3.不同批次的原材料必有差异,即使同一批次的原材料,任意取出其中的一部分会与其他部分有差异。
4.每一种产品可能会采用不同的作业方法或工艺技术来加工。
即使同一种作业方法的某些动作也会不同。
5.温度、湿度、气压、振动等因素的作业环境随时在发生变化而影响产品的质量形成。
6.测量器具本身也有精度上的变化。
变异因素的分类,由于人、机、物、方法、测量和环境对产品质量的形成产生差异,因而产品质量必然产生差异。
如同流水线不可能生产出完全一样的两件产品。
为了把质量变异控制在可接受的范围之内。
将5M1E方面的原因分为偶然性因素和必然性因素。
偶然性原因与必然性原因,偶然性原因操作人员技术上微小的变化机器设备的微小振动原材料性质的微小差异环境温度的微小变化.偶然性因素的出现带有随机性,一般不易识别,且是难以消除的。
即使能够消除,在经济上往往也是不合算的。
偶然性原因与必然性原因,必然性原因:
又称系统性因素或异常原因。
必然性原因往往突然发生,造成产品质量的变异较大。
如:
操作人员未按操作规程作业;机器设备严重损坏;原材料带有其他物质;作业环境突变;必然性因素的出现有一定的规律性,容易识别和查找,且易于采取相应的措施予以消除。
划分偶然性原因与必然性原因的意义,引导人们判断是否有必然性原因在起作用?
这些原因是什么?
应把人力、物力和财力放在必然性原因上。
如果生产过程中造成质量变异问题都是属于偶然性因素,那么生产过程就处于统计控制的稳定状态。
在这种情况下,已经生产出来的和正在生产的产品质量变异在可能的范围。
如果生产过程中有必然性因素在起作用,那么,生产过程就脱离了统计控制状态,一些原来被视为偶然性的因素就会被视以必然性因素来对待。
质量数据及其采集,数据是开展质量管理活动的基础资料。
没有数据,质量管理就会成为无源之水,无本之木。
质量水平通过数据来体现,质量变异需要数据来描述。
格局质量数据的特性不同,可将质量数据分为:
计量特征数据和计数特征数据。
计量特征数据:
可以连续取值的数据。
如重量、压力、强度、体积、长度、温度、湿度、密度等。
计数特征数据:
不能连续取值,只能数出个数、次数的数据。
如废品数、合格品数、缺陷点数等。
总体与样本,总体:
所研究质量对象的全体。
总体可以使有限的,也可以是无限的。
个体:
组成总体的基本单位。
样本:
又称为子样。
总体中的一部分个体所组成的集合。
样品:
样本中每一个个体。
样本容量:
样本中所包含样品数目。
数据抽样方法,1.随机抽样:
亦称简单随机抽样或完全随机抽样。
就是从总体中不加任何分组、分类、排队等某种规则对总体中的个体进行抽取。
完全随机抽取,使得总体中每一个个体都有相同的可能被抽取到。
注意的问题:
随机抽样不是“随意抽样”。
抽样方法:
为了保证抽取样本的随机性,可以采取的方法:
抽签法;随机数骰子法;随机数表法;计算机生成随机数法;,数据抽样方法,随机抽样法适用于对总体信息掌握较少、总体中各个个体之间差异较小、总体、样本容量较小的场合。
随机抽样关心的问题:
抽样多少?
随机性,数据抽样方法,2.分层抽样:
从一个可以分成不同层次的总体中,按规定的比例从不同层次中抽取个体的抽取方法。
例如:
在测量分析病人体温时,应按照早上和晚上两个层次进行。
因为早上的体温是就餐和服药之前的结果。
晚上的体温是就餐和服药之后的结果。
一个项目或工序往往是由不同的班组或作业队伍进行操作.分层抽样就是将不同班组或不同作业队伍进行分类抽样.适用范围:
比较不同操作者;比较不同材料、加工设备,工艺方法;,数据抽样方法,3.系统抽样:
有系统地将总体分成若干个部分,然后从每一个部分抽取样品。
即按照一定的时间间隔、或一定的次序抽取样品。
如每隔15天,每隔20米抽取样品。
适用范围:
流水生产线工序质量控制;观察质量波动是否有周期性。
数字特征及其度量,集中性平均数中位数众数离散性方差与标准差极差,平均数,1.简单平均数设有n个各质量数据:
则平均数2.加权平均数设有n个各质量数据:
各数据的频数:
平均数,则平均数:
平均数是一种综合指标,表示了这批数据所代表的产品所能达到的平均水平。
中位数,设有n个质量数据:
,将这些数据按升序或降序排列,就形成一个新的数列:
(1)如果数据个数n为奇数,则位于中间的一个数即为中位数。
(2)如果数据个数n为偶数,则位于中间两个数的平均值即为中位数。
中位数表示数据的平均性比较粗略,但计算比较简单。
党对数据进行粗略分析时常常使用中位数。
算例,有一组数据:
4,6,15,10,9,15,20,8.试计算这组数据的平均值,中位数,众数,标准差和极差。
解答:
经计算可知,平均数=10.875中位数=9.500众数=15标准差=5.357极差=16,质量管理,-31-,第五章统计过程控制,5.1统计过程控制的基本原理5.2质量控制图5.3工序能力测定与分析,第二节质量控制图,正态分布的分布函数及其涵义,正态分布的性质及应用,正态分布概率密度函数在x=处取得最大值正态分布概率密度函数在x=处有拐点正态分布概率密度曲线以横轴为渐近线正态分布曲线与横坐标所围总面积为1正态分布曲线关于x=对称,正态分布的性质及应用,不同z值下的累积概率,总体分布与样本分布,样本均值的数学期望就是总体均值样本均值的标准差随样本容量n而变化样本极差的均值与总体标准差存在比例关系样本极差的标准差与总体标准差存在比例关系样本中位数与总体标,参数估计系数表,控制图简介控制图:
按样本或时间顺序描点绘制出的有关产品质量的样本统计量图形,控制图的分类,两类错误与3控制界限第一类错误:
去真第二类错误:
存伪,两类判断错误,第一类错误:
就是生产过程处于统计控制状态,却虚发警报,而将生产过程误判断为出现异常。
通常把第一类错误的概率称为生产者风险或第类风险。
记为。
第二类错误:
就是生产过程已处于异常,却没有发出警报,而将生产过程误判断为处于统计控制状态。
通常把第二类错误的概率称为消费者风险或第类风险。
记为。
计量特性值控制图:
均值控制图,例:
某零件内径要求为800.5mm,每隔1小时抽取4件,共10个样本,测量数据列于下表,试绘制均值-极差控制图。
解答,均值界限,极差界限,零件内径均值和极差控制图,计数特性值控制图:
p图,例:
对某一流水生产线加工的电子产品进行电压负载试验,要求这种电子产品要在一定的电压范围内连续正常工作100小时,否则被判定为不合格。
为此,每隔4小时从生产线上抽取1000件产品进行测试,共抽取20个样本,测试结果如下表所示,试绘制不合格率控制图(p图)。
解答,控制界限,控制图,控制图的观察与分析样本点出界,质量管理,-49-,第五章统计过程控制,5.1统计过程控制的基本原理5.2质量控制图5.3工序能力测定与分析,第三节工序能力分析与测定,工序能力:
工序的加工质量满足技术标准的能力。
影响因素:
影响质量的六个因素,即5M1E工序能力指数:
质量标准与工序能力的比值。
原理:
当工序处于稳定状态时,产品的计量质量特性值有99.73%落入范围内。
即稳定的生产过程所加工的产品至少有99.73%落入6范围内。
这几乎包含了全部产品。
因此,通常用6表示工序能力。
即。
根据是否有公差要求和质量特性值分布中心与公差中心M是否重合,可将工序能力指数计算分为三种类型。
1.有双向公差要求,与M重合,质量特性直分布中心与公差中心值M重合,2.有双向公差要求,与M不重合,质量特性直分布中心与公差中心值M不重合,CPK管理的含义,CPK管理的含义:
即使加工精度保持不变,当质量特性值分布中心与公差中心M不重合时,工序能力就会降低。
偏差越大,工序能力就越小。
所以,在实际质量管理中,不但要控制加工精度,还要尽可能地把加工中心保持在一定的范围内。
例题,一种零件圆孔内径尺寸公差为,加工100件后检测得,试求工序能力指数,并根据工序能力指数评价工序能力。
3.单向公差要求,单向公差要求:
对产品质量仅有上限要求,如噪音、杂质等只要确定一个上限。
有些产品仅要求下限机械零件的光洁度、机电产品的耐压强度等。
例题,某厂生产的电子元件寿命不得低于2500小时,现从生产过程中随机抽取500个元件进行检验,试验均值小时,试求工序能力指数。
工序能力分级,不合格品率计算,正态分布函数概率计算公式
(1)标准正态分布设:
(2)一般正态分布设:
例题,对一批钢轴进行抽检,测得钢轴的平均轴长326mm,标准差13mm。
公差标准最短不得小于300mm。
试求这批钢轴低于下限的不合格率。
解:
不合格品率计算,1.双向公差要求,与M重合2.双向公差要求,与M不重合,例题,一种零件,其公差要求为mm,现从生产线上随机抽取一批产品进行检测,结果为:
,S=0.007。
试计算工序能力指数及总体不合格品率。
(1)计算工序能力指数,
(2)计算总体不合格品率,附表附表1.标准正态分布表,
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 质量管理 第五