统计过程操纵.ppt

第4章统计过程控制
在产品质量形成全过程中，生产制造过程是从设计质量到产品实物质量的实现过程，也是涉及职能部门最广、参与人员最多的重要过程。生产制造过程控制的核心是工序质量控制，其质量职能具体表现在以下三方面：（1）严格执行制造质量计划；（2）保证工序质量处于受控状态；（3）有效控制生产节拍，及时处理质量问题，保证均衡生产、文明生产。学习目标：一、统计过程控制的基本原理沃特·阿曼德·休哈特（出生于美国伊利诺伊州的新坎顿1918-1924任西方电气公司工程师。道奇
罗米格

三个根本性转变：
定性描述——定量分析
事后检验——事前控制
产品检验——过程控制（一）产生质量变异的原因生产实践表明，在生产制造过程中，无论工序件多么严格，工序环境多么理想，都无法加工出两个完全相同的零件，它们的特性值总存在差异。这就是质量变异的固有本性——波动性。只有找到变异的原因，才能确定控制的对象。原因可从来源和性质两个角度分析：1.质量变异的来源概括为：“5M1E”
2.质量变异的性质
（1）偶然性原因：因大量的、微小的不可控制因素的作用而引起，这种波动具有随机性。如材料成分的微小差异，机床的固有振动，刀具的正常磨损，工人操作上的细微变化等。偶然性原因对工序质量的影响较小，在现有生产技术条件下难以识别和消除。因此，偶然性原因也称正常波动。工序质量控制的任务是使正常波动维持在适度的范围内。（2）系统性原因：由少量的，但较显著的可控制因素的作用而引起，这种波动不具有随机性。如材料不符，设备故障，刀具的严重磨损，操作人员违反操作规程等。系统性原因往往导致生产过程失控，对工序质量的影响十分显著，甚至是破坏性的。工序质量控制的任务是及时发现异常波动，查明原因，采取有效的技术措施进行消除，使生产过程重新回到受控状态。偶然性和系统性、正常和异常之间的关系是相对而言的，在一定的条件下可以转化：发现后若不控制；技术和管理的进步使以前难以识别的原因可以识别和消除了。（二）质量数据及其采集
1.质量管理角度分：计量值数据和计数值数据
（1）总体（2）样本
2.抽样方法
（1）随机抽样（抽签掷骰子抓阄随机数表（乱数表）
（2）分层抽样（按工人、车间、材料、设备等
（3）系统随机抽样
（4）整群抽样
（5）重复抽样、不重复抽样等等。随机数表

（三）质量变异的数字特征及其度量

1.数据的集中性——平均数、中位数、众数

平均数—期望值E(X)=∑XiPi
例：为调度车辆：300350350300340350
380300340320。

2.数据的离散性——方差与标准差、极差（四）总体分布与样本分布二、质量控制图前面所学习的排列图、直方图等用以反映样本质量数据在某段时间内的静止状态。为了有效地进行现场质量控制，就需要用动态的方法反映数据随时间变化的统计规律。（一）控制图的作用●判别生产工序过程是否处于控制状态；●区分质量变异（波动）的原因(偶然、系统原因)（二）控制图的基本格式1.标题部分：包括工厂、车间、班组名称，机床设备的名称、编号，零件、工序名称，检验部位、要求，测量器具，操作工人、调整工、检验工、绘图者的姓名，以及控制图的名称、编号等。2.控制图部分（三）控制图的统计原理1.±3σ原理（6σ原理）我国和世界上大多数国家一样，都采用±3σ原理来确定控制界限。即：当样本统计量X为：

就形成各种各样的控制图。规格限6σ质量的意义(数据源于美国)

ppm——1×10-6——每100万个产品中有1个不合格品2.两类错误
用控制图判断工序是否稳定,实际上是进行统计判断,既然是统计推断就难免出现错判。
(1)将正常判断为异常。即工序仍处于控制状态，但由于偶然性原因的影响，使得点子超出控制界限而虚发警报。称为第一类风险，记作α。
（2）将异常判断为正常，即工序已经变化为非控制状态，但点子没有超出控制界限而漏发警报。称为第二类风险，记作β。
这两类错误不能同时避免。为了使两类错误所造成的总损失最小，惟有±3σ原理。实践证明，其检出力最强。检出力：控制图发现工序异常的能力。（四）控制图的类型与举例◆类型——计量值控制图计数值控制图◆举例1.均值与极差控制图(控制图)(1)适用范围控制图常用于控制尺寸、重量、时间、强度、成分等计量值。是将控制图和R控制图并用。控制图观察平均值的变化，R控制图观察各组的离散波动变化。(2)控制图中心线、上下控制界限的确定如果总体的分布服从正态分布N(μ,σ),这时从总体中抽取足够大的样本n,其样本平均值、极差R仍趋于正态分布,有：R的正态分布与总体正态分布μ值无关，但与总体正态分布的σ值有关。根据统计研究：一个样本的极差R和同一个样本的标准差S之间有密切关系：则控制图：R控制图：例：P89：N=80n=4k=20控制