【正文】 充分利用這些信息的方法。在監(jiān)控過程波動方面已有不少研究成果，但仍有大量的工 作可做，特別是多變量問題。 (5)現(xiàn)代工業(yè)正從計數(shù)型數(shù)據(jù)的應(yīng)用向計量型數(shù)據(jù)的應(yīng)用轉(zhuǎn)移。 (7)應(yīng)用程序的開發(fā)。這將為學(xué)術(shù)界和工業(yè)界提供相互結(jié)合、取長補(bǔ)短的機(jī)會，也將展示應(yīng)用統(tǒng)計質(zhì)量控制的成效。 共 52 頁 第 9 頁 SPC 的運作流程 圖 SPC 運作流程圖 如圖 14 所示 ： 無 有 有 無 有 電機(jī)行業(yè)應(yīng)用 SPC 的意義 在 電機(jī) 生產(chǎn)過程中，產(chǎn)品質(zhì)量的波動是不可避免的。以 SPC的觀點為制程系統(tǒng)的分配隨時間的不同是固定的，稱為在統(tǒng)計的管制狀態(tài)下；或簡稱管制狀態(tài)下 (Under Control)。以 SPC的觀點為制程系統(tǒng)的分配隨時間的改變而不是固定的，稱為不在統(tǒng)計的管制狀態(tài)下；或簡稱不在管制狀態(tài)下 (Out of Control)。 圖 1—6 由上可知 ，過程波動具有統(tǒng)計規(guī)律性，即當(dāng)過程受控時，過程特性一般服從穩(wěn)定的隨機(jī)分布 (如正態(tài)分布 )。一般來說， SPC適用于以下過程 ： (1)SPC 適用于有計劃的，且能重復(fù)批量生產(chǎn)的過程 。統(tǒng)計方法在產(chǎn)品、服務(wù)和程序設(shè)計方面，在工序控制、避免產(chǎn)生不合格共 52 頁 第 11 頁 品、問題分析、查找原因、確定產(chǎn)品公差，預(yù)測、驗證和測量或評價質(zhì)量特性等方面是非常有用的。 —— 檢驗和試驗的統(tǒng)計方法等。結(jié)合 電機(jī) 行業(yè)的特點， SPC完全適用于 電機(jī) 行業(yè)，且 電機(jī) 行業(yè)也有必要實施 SPC方法，原因如下 : (1)SPC 的核心工具是控制圖，控制圖可作為向現(xiàn)場人員、管理人員、顧客等提供有關(guān)過程能力的直觀語言，且為評定產(chǎn)品質(zhì)量提供了客觀依據(jù)。 (5)SPC 是改進(jìn)產(chǎn)品 /服務(wù)質(zhì)量及可靠性的基礎(chǔ)。因此，利用 SPC進(jìn)行 電機(jī) 企業(yè)的質(zhì)量監(jiān)控和管理，是十分有意義的。 利用柏拉圖判斷各類故障原因進(jìn)行分析，得出造成電機(jī)不良率居高不下最主要原因，然后通過對主要故障進(jìn)行分析，尋找出根本原因，從而找到解決問題的根本方法。 統(tǒng)計基礎(chǔ) 兩類數(shù)據(jù) 按統(tǒng)計數(shù)據(jù)的性質(zhì)來分，可以將數(shù)據(jù)分為以下兩類 : 計量值數(shù)據(jù) 計量值數(shù)據(jù)是指產(chǎn)品質(zhì)量須經(jīng)過實際測量而取得的連續(xù)型實際數(shù)據(jù)，例如影響 電極耐壓質(zhì)量的直流電阻值、 、 空載試驗時的電壓電流值及功率、堵轉(zhuǎn)試驗時的電壓電流值及功率等參數(shù) 。計數(shù)值數(shù)據(jù)可分為計件值數(shù)據(jù)和計點值數(shù)據(jù)兩類。 下面對計量值數(shù)據(jù)和計數(shù)值數(shù)據(jù)各自服從的正態(tài)分布和二項分布、泊松分布做簡單的 介紹。反映實際值偏離中心位置的程度，其值越大，表示數(shù)據(jù)越分散。 正態(tài)分布的概率 正態(tài)分布的概率見表 21： μ177。 % % μ177。的概率為 %，于是落在 μ士 3σ之外的概率就為 100%%= %，如正態(tài)分布曲線圖。在質(zhì)量管理中，由于計件值數(shù)據(jù)不合格品數(shù)是由合格 /不合格來計量的，所產(chǎn)生的不合格品數(shù)控μ 1σ 2σ 3σ 1σ 2σ 3σ % % % 圖 21 共 52 頁 第 14 頁 制圖和不合格品率控制圖都是以二項分布為 理論依據(jù)的。 統(tǒng)計過程分析 過程的定義 所謂過程指的是共同工作以產(chǎn)生輸出的供方、生產(chǎn)者、人、設(shè)備、 輸入材料、方法和環(huán)境以及使用輸出的顧客之集合，見圖 22。 一定的工作方式 /資源的融合 統(tǒng)計方法 人 設(shè)備 材料 方法 環(huán)境 輸入 過程 /系統(tǒng) 輸出 顧客 識別不斷變化的需求和期望 產(chǎn)品或服務(wù) 圖 2— 4 過程控制系統(tǒng) ),2,1,0(!)( ???? ? kkkXP ek ??共 52 頁 第 15 頁 過程檢測模型和過程反饋模型 過程檢測模型 圖 23說明，過程檢測模型的控制點是輸出。因此，我們需要將檢測信息進(jìn)行統(tǒng)計并反饋，查出根本原因。采取的措施包括變化操作 (例如 :操作員培訓(xùn)、變換輸入材料等 )，或者改變過程本身更基本的因素 (例如 :設(shè)備需要修復(fù)、人的交流和關(guān)系如何，或整個過程的設(shè)計 —也許應(yīng)改變車間的溫度或濕度 )。 四類過程 一般來說，當(dāng)過程質(zhì)量特性分布呈現(xiàn)正態(tài)分布時，過程處于統(tǒng)計控制狀態(tài)，影響質(zhì)量特性的波動源可判斷為隨機(jī)性因素 (偶然因素 )。 消除異常因素產(chǎn)生的波動，一般只需針對具體問題采取措施，由與過程有關(guān)的人員實施，能解決或糾正部分的過程問題 。這是由于偶然因素造成的過程偏差過大 (如原材料 )，必須降低偶然因素造成的過大的變差 。 過 程不受控且過程特性不滿足技術(shù)規(guī)范要求，應(yīng)采取措施，消除偶然因素和異常因素造成的過大波動。 共 52 頁 第 17 頁 過程能力 過程能力 過程能力是指過程處于統(tǒng)計受控狀態(tài)下 (不存在異常因素 )的實際加工能力，可描述為一個穩(wěn)定過程的固有變差的總范圍。 對于任何生產(chǎn)過程，產(chǎn)品質(zhì)量總是分散地存在著。這時，產(chǎn)品的計量質(zhì)量特性值有 %落在規(guī)格范圍內(nèi)，即有%的合格品落在 60范圍內(nèi)，這幾乎包含了全部產(chǎn)品，以此可判斷過程處于穩(wěn)定狀態(tài)圈。這個參數(shù)就叫做過程能力指數(shù)。有規(guī)格上下限，當(dāng) μ=Tm時，過程無偏，此 時過程能力指數(shù)按下式計算 : Cp＝＝ ＝ 式中： Tu——公差下限 Tl——公差下限 S——樣本標(biāo)準(zhǔn)差 圖 2—2 過程能力與過程要求的比較 公差中心與分布中心重合時 (2)過程有偏情形 （ Cpk） 由于偏差的存在，使過程能力的大小與公差非范圍的比較不再是再簡單的比值關(guān)系，要考慮到分布中心 與公差中心的偏離程度。 表 2—5 過程能力等級評定表 3． 提高過程能力的途徑有 : (1)改進(jìn)生產(chǎn)工藝 (5)搞好現(xiàn)場控制 (2)改良生產(chǎn)設(shè)備 (6)開展 QC活動 (3)定期維護(hù)保養(yǎng)設(shè)備 (7)加強(qiáng)培訓(xùn)，增強(qiáng)質(zhì)量意識 (4)做好環(huán)境保護(hù) (8)修訂標(biāo)準(zhǔn) 范圍 等級 判斷 措施 Cp= 世界級 過程能力很高 對于關(guān)鍵的裝配特性、關(guān)鍵性能、影響壽命與可靠性的關(guān)鍵過程，應(yīng)努力 達(dá)到此過程能力水平 ＞ Cp＞ 特 級 過程能力高 關(guān)鍵過程應(yīng)達(dá)到此水平。 是質(zhì)量控制中最重要的工具之一。公差制度就是承認(rèn)質(zhì)量波動。因此，控制系統(tǒng)誤差造成的質(zhì)量波動，就成了控制圖的主要任務(wù)。 第 Ⅰ 類錯誤：把處于統(tǒng)計控制狀態(tài)下的生產(chǎn)工序誤判為處于非統(tǒng)計控制狀態(tài)， 稱為第 Ⅰ 類錯誤。 一般情 況下，要同時避免兩類錯誤是不可能的。 質(zhì)量特性值 UCL(上控制限 ) CL(中心限 ) LCL(下控制限 ) 樣本序號（時間） 共 52 頁 第 21 頁 控制圖的類型 控制圖是畫有控制界限，對生產(chǎn)過程中產(chǎn)品質(zhì)量進(jìn)行控制的一種圖?？刂茍D的分類名稱及主要用途如下表： 按控制的名稱 適用范圍及特點 計量值 平均值與極差控制圖 （ xR） (1)適用范圍廣，包括各種物理量及成本、產(chǎn)量等等。 中位值與極差控制圖 （ xR） (1)使用簡單，宜在現(xiàn)場采用。 (3)檢出能力與子樣大小 n有關(guān)。 使用控制圖的兩個階段及判斷控制圖異常的準(zhǔn)則 應(yīng)用統(tǒng)計過程控制方法分為兩個階段，一是過程分析階段，二是過程監(jiān)控階段。分析階段的首要工作是生產(chǎn)準(zhǔn)備，即準(zhǔn)備生產(chǎn)過程所需的原料、設(shè) 備 、測量系統(tǒng)等，并確保生產(chǎn)在各要素正常的情況下進(jìn)行 。 監(jiān)控階段的主要工作是用控制用控制圖對過程進(jìn)行監(jiān)控，其中控制用控制圖是由分析用控制圖轉(zhuǎn)化而來的，用于對過程進(jìn)行連續(xù)監(jiān)控。 應(yīng)用控制圖一般遵循以下流程 ， 見下圖： 否 是 否 作分析控制圖 確定需控制的質(zhì)量特性 選定控制圖 制定抽樣方案并收集數(shù)據(jù) 過程受控 過程能力足夠 將分析用控制圖轉(zhuǎn)為控制用控制圖并監(jiān)控過程 改進(jìn)過程，提高過程能力 剔除異常值，消除異常因素的影響 異常點多 是 是 否 修正控制圖 圖 3— 4 控制圖應(yīng)用流程圖 共 52 頁 第 23 頁 25 1 35 0 34 0 100 1 99 2 98 2 25 判斷控制圖異常的準(zhǔn)則 界外判異準(zhǔn)則 在統(tǒng)計量為正態(tài)分布的情況下，由于第一類錯誤的概率 a= %，概率很小，所以只要有一個點子在界外就可以判斷過程有異常。如果連續(xù)在控制界內(nèi)的點子更多，則即使有個別點子出界，過程仍可看作是穩(wěn)態(tài)的。 對于準(zhǔn)則 (1)，若過程為正態(tài)分布， 令 d為界外點數(shù)，連續(xù) 25個點在界內(nèi)的概率為 : P(連續(xù) 25點， d=0)= = P(連續(xù) 25點， d0)== α1= 54比 α0= ，故一般不以此作為判斷過程是否處于穩(wěn)態(tài)的準(zhǔn)則，但有時為了方便起見，也將此作為判斷準(zhǔn)則。同樣地 ， 對于準(zhǔn)則 (3)， P(連 續(xù) 100點， d≤2)＝ + 0 .0027+ 0 .0027 ＝ P(連續(xù) 100點， d＞ 2)=1P(連續(xù) 100點， d≤2)== α3 = a0=。 界內(nèi)判異準(zhǔn)則 第一類錯誤的概率取為 a= ，很小，于是第二類錯誤 (漏發(fā)警報的錯誤 )的概率 β就一定很大，針對這一點，即使對于在控制界限內(nèi)的點子也要觀察其排列是否隨機(jī)。 界內(nèi)點子 排列不隨機(jī)的模式很多， 常見的有 :點子屢屢接近控制界限、鏈間斷、共 52 頁 第 24 頁 2 2 2 2 鏈傾向、點子集中在中心線附近、點子呈周期性變化等等，在控制圖的判斷中要注意對這些模式的識別。 (2) 連續(xù) 7個點中，至少有 3點接近控制界限 。 點子在中心線兩側(cè)未超過 2σ界限的概率為 : P(μ－ 2σ≤x≤μ＋ 2σ)＝ 2[Ф(2)－ Ф(0)]＝ 2[－ ]＝ 于是 ， 若過程正常，則模式 1中準(zhǔn)則 (1)的情況出現(xiàn)的概率為 : P(連續(xù) 3個點中至少有 2個 點接近控制界限 )＝ C3（ ) ()+ C2()＝ 由此可見 ， 連續(xù) 3點中至少有 2點接近控制界限為小概率事件，若 發(fā)生，則可判斷過程異常。在控制圖中心線一側(cè)連續(xù)出現(xiàn)的點稱為鏈，其點子數(shù)目稱作鏈長。連續(xù) 11點中有 10個點在一側(cè)可判斷過程存在異常，見圖 37 概率分析如下 : 在過程正常為正態(tài)分布的情況下，點子在控制圖控制界限內(nèi)中心線一側(cè)出現(xiàn)的概率為 ，即為 ，則連續(xù) 11點中有 10個點在一側(cè)的概率為 : P(連 續(xù) 11個點在 一側(cè) )=C11() + C11() ＝ 0. 0114 由此可以看出，連續(xù) 11點有 10點在中心線一側(cè)為小概率事件，因此，若發(fā)生，則可判斷過程異常。 模式 5 : 點子集中在中心線附近。界限內(nèi)的概率為 : P( μ－ σ≤x≤μ＋ σ)＝ 2[Ф(l)一 Ф(0)]＝ 2[ － 0]＝ 式中 ， Ф(l)與 Ф(0)的值可在標(biāo)準(zhǔn)正態(tài)分布表中查得。 LCL CL UCL 圖 3— 10 點子呈現(xiàn)周期性變化 共 52 頁 第 28 頁 第四章 常規(guī)控制圖 在 南華電機(jī) 耐壓測試質(zhì)量 控制 中的應(yīng)用 南華電機(jī) 集團(tuán) 電機(jī)加工流程 南華電機(jī)集團(tuán)電機(jī)加工流程如下： 南華集團(tuán)電機(jī)耐壓測試簡介 南華集團(tuán)電機(jī)耐壓測試主要包括以下兩個 部分：線圈車間耐壓測試和總裝車間耐壓測試。 中心線 pCL? 上控制線 npppU C L /)1(3 ??? 下控制限 npppL C L /)1(3 ??? ② 各樣本容量 n 不等時。需要我們?nèi)ヌ幚?