工序预控制图在小批量生产过程质量控制中的应用.doc

下载之前请注意： 1:版权归原作者所有。如果有问题，请尽快和我联系 2：如果遇到文件中有些地方图片显示不出来的，可能是文档转换过程中出现的问题，请和我联系，我将图片发送给你，给你带来的不便表示抱歉！请邮箱联系：lcs012@ 工序预控制图在小批量生产过程质量控制中的应用 　　摘要:在小批量生产过程中,由于样品量少,无法采用常规的统计过程控制技术进行控制。在分析统计过程控制技术在实际应用过程中存在的缺陷上,介绍工序预控制图在多产品小批量生产过程质量控制中的应用,发现该方法高效、简便,既实现了小批量生产过程的质量控制,又降低了误判的概率。 　　关键词:小批量生产 工序预控制图 　　 　　随着市场经济的发展,顾客对产品的需求日益多样化和个性化,致使越来越多的企业开始转向了多品种、小批量生产。由于样品量少,得到广泛应用的统计过程控制技术已经无法再在小批量生产的工序质量控制过程中发挥作用。本文将分析统计过程控制技术在实际应用过程中存在的缺陷和重点介绍工序预控制图在多产品小批量生产过程质量控制中的应用。 　　 　　一、统计制程控制(Statistical Process Control)应用的实际问题 　　 　　统计制程控制方法自20世纪20年代在贝尔实验室发明以来。广为各公司使用,已被证明是过程控制的强有力工具,但是在实际应用过程中,也发现存在一些缺陷,主要表现在如下几个方面: 　　1. 计算公式较为复杂 　　控制图是基于统计分布理论发展出来的方法,每种控制图都有对应的计算公式,对这些计算公司的理解需要一定的统计基础,在实际中常发生用错公式的现象。 　　2. 判定条件较为繁多 　　控制图的判稳准则和判异准则有一套复杂的判定程序,在实际使用中容易顾此失彼,或得出不符合过程实际状况的结论。 　　3. 数据要求在20组以上,收据数据的时间长,工作量大,且不适合小批量生产 　　控制图一般需要收集20组以上的数据才能够作判断,这可能需要较长的时间,如果在过程中普遍采用控制图,将大大增加作业人员的工作量或需要另设专人进行数据收集、分析和处理,同时,在小批量生产条件下,这一要求在短时间内很难实现。有些产品在一个月甚至在一个季度内生产的批量不足20批次,在这样的生产模式下,很难达到20组数据的要求;有些产品零星生产,即使经过时间的累积达到了20组的要求,这样的收集到的数据因为时间跨度大,得出的结论往往不符合过程实际状况。 　　 　　二、工序预控制图的基本原理 　　 　　过程的变异分为两种,即特殊原因引起的变异和普通原因引起的变异,并对特殊原因引起的变异进行控制,按照3σ原理,在过程控制参数服从正态分布的前提下,过程没有发生特殊变异时,控制对象的测量结果的任一点落在Xbar+/-3σ区域内的概率为99.73%。无论是统计制程控制还是工序预控制,均遵循3σ原理。因此,我们可以知道要工序预控制是基于统计原理的的过程控制方法,它的应用应满足以下三个条件: 　　(1)工序质量特性服从正态分布。因为正态分布是过程控制的基础,也是在质量管理中最重要也最常使用的分布,它能够描述很多工序质量特性的统计规律性。只有工序质量特性服从正态分布,才能够用预控制的判定规则对工序的状态作判定。绝大多数的工序质量特性均服从正态分布,如经过判断,数据不服从正态分布,则说明可能在测量时出现偏差,应重新确认测量数据或重新进行测量。实际使用时为了简便,往往不进行正态性检验。 　　(2)工序中心未偏移。工序中心未偏移是指工序质量特性的分布中心与目标重合,这的重合是一个相对的概率,根据六西格玛理论,随着实际的推移,任一工序的分布中心会在“目标+/-1.5σ”范围内动态变化,在使用工序预控制方法时,工序中心是否偏移的判断方法是,连续抽取5个样品进行测量,如果5个样品的测量数据全部落在目标区域内,则说明过程中心偏移在+/-1.5σ的可接受范围内,即认为过程中心未发生偏移。否则不能判定过程均值未偏移,需要对过程进行调整,直至连续抽取的5个样品的测量数据全部落在目标区域内。 　　(3)CP=1.即短期过程能力,其计算公式为CP=(规格上限-规格下限)/6σ。它反映的是工序中心未偏移时的过程能力,对于工序预控制方法而言,CP=1即规格上限-规格下限=6σ,这样,即意味着当工序没有特殊原因引起变异时,任一样品的测量值落在规格界限的概率大于或等于99.73%。 　　工序预控制是用工序预控制图来实施控制的,工序预控制图如下图所示,从图上可以看出,工序预控制图的控制线为控制对象的规格界限,与控制线即为规格界限与目标间隔的一半。控制区域被分为三个(1)目标区:如绿色所示,即为两条预控制线之间的区域。绿色代表安全、畅通,在工序预控制图中,用绿色表示目标区,如果测量值落在这个