统计过程控制(SPC)在大型锻件制造过程中的应用xiugai.doc

统计过程控制（Statistical Process Control）在大型锻件制造过程中的应用 李 琦 唐永明 金跃进 （无锡宏达重工股份有限公司，无锡214128）摘要：根据大型锻件制造企业里统计学应用普遍薄弱的现状，介绍了统计过程控制（Statistical Process Control）的一种质量管理技术，并以实例给示了大型锻件制造过程能力的控制方法。该技术可对大型锻件制造过程中出现的异常因素进行有效的预防，可提高大型锻件的过程能力和质量控制水平。关键词：大型锻件；Statistical Process Control；统计学Statistical Process Control application In heavy forgings manufacturing process Qi Li , Yongming Tang ，Yuejin JinAbstract : According to weak application situation of statistical in heavy forging manufacturing company , this paper introduces a quality management techniques of statistical process control , and exemplifies to show the ability of heavy forging manufacturing process control method . The technology of heavy forging manufacturing process will do an effective prevention of the unusual factors , and also can improve the ability of heavy forging process and quality control standards .Key words : Heavy forging , Statistical Process Control , Statistics 大型锻件主要用于制造重大技术装备的关键和重要部件，产品质量直接影响到重大技术装备的整体水平和运行的可靠性和安全性。是发展电力、船舶、冶金、石化、重型机械和国防等工业的基础，是发展先进技术装备制造业的前提，是衡量一个国家工业发展水平的重要标志之一。我国生产大型自由锻件已有50多年历史，目前自由锻液压机的数量和等级、大型锻件的产量位居世界之首，很多企业在大型锻件的技术创新方面取得了一定的成果。但是，这些企业在大型锻件制造的质量过程控制方面，往往会出现同一种技术和工艺产生不同的结果或不符合项重复出现的现象。由于锻件的尺寸很大，截面很厚，所以大型锻件在制造上存在一定的困难，加上工艺复杂，造价昂贵，一旦报废，便给企业造成很大的经济损失。如何提高大型锻件质量，提高一次成材率，这是企业迫切需要解决的问题。俗话说，产品质量是生产出来的，而不是检验出来的。不加强过程的控制，生产出来的产品好坏存在，“盖棺论定”， 事后检验仅起把关作用，对企业效益毫无好处。因此，加强过程控制才是硬道理，所谓“有一个好过程，就有一个好产品”。基于我国大型锻件的制造水平与国外存在的差距，并根据许多企业仅对大型锻件制造的半成品、成品普遍采用补救性的“事后”分析、检验或评估、验证，我们提出了运用统计过程控制（SPC）中的一种控制方法，对大型锻件制造过程中的各个阶段进行一种预防性的“事前”分析、监控或评估，起到纠正及时、损失减少、成本降低、质量保证的良好效果。一、统计过程控制的基础知识统计过程控制（Statistical Process Control 简称SPC）是应用数理统计方法对生产过程各个阶段收集、整理的数据进行分析、评估和监控，建立并保持过程处于可接受的并稳定的水平，从而保证产品与服务符合规定要求的一种质量管理技术。是以预防为主，排除质量问题或即将发生的质量问题的隐患，以达到控制质量、降低成本和取得经济效益的目的。统计过程控制的内容包括两个方面，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。1统计过程控制的起源统计过程控制发源于美国。20世纪20年代，休哈特（W.A.Shewhart）在美国贝尔电话实验室工作时提出了过程控制理论以及控制理论的具体工具即控制图。1931年休哈特出版了他的代表作加工产品质量的经济控制，从而标志着统计过程时代的开始。如今，在国内该技术还未得到广泛的重视和使用，尤其是在锻压行业，仅仅停留在检验阶段。2统计过程控制的基本原理在最早时期人们就发现在生产过程中，生产出来的产品绝对没有相同的。无论怎么严格控制，无论付出多大的努力去追求相同的目标，也是徒劳的。他们总是存在或多或少的差异，正像自然界中不存在两个绝对相同的事物一样。这就成为质量变异的固有本性波动性，也称变异性。根据来源的不同，影响质量的波动因素可分为人、机器、材料、法（标准、图纸和工艺等）、环境、测量（简称5M1E）六个方面。但从对产品质量的影响大小来分，可分为偶然因素与异常因素（在国际标准和我国国家标准中称可查明的因素）两类。偶然因素是过程固定的，始终存在的，对质量影响很小，但难以除去，例如机床开动时的轻微震动等。异常因素则非过程固有，有时存在，有时不存在，对质量影响大，但不难除去，例如刀具、量具和工装模具过度磨损以至于使质量特性超过工艺要求等。偶然因素引起质量的偶然波动，异常因素引起质量的异常波动。偶然波动是不可避免的，但对质量的影响一般不大。异常波动对质量影响大，且采取措施不难消除，故在过程中异常波动及造成异常波动的异常因素是企业应该注意的对象，往往这些异常波动会引起产品的不合格。偶然波动和异常波动都是产品质量的波动，那么如何能发现异常波动呢？假定现在异常波动已经消除，只剩下偶然波动，则此偶然波动的波动可视为正常波动。以偶然波动作为基础，若过程中异常波动发生，则此异常波动叠加于正常偶然波动上后所产生的波动一定会比原来的最小偶然波动大为增加，从而在控制图上会造成点子频频出界，故可判定过程发生了异常变化。根据上述，可以说统计过程控制的实质就是区分偶然因素与异常因素两类因素。3统计过程控制对过程的作用统计过程控制（SPC）是以预防为主的一种主动管理模式，生产过程的质量控制其主要目的在于保证过程能力始终处于受控稳定状态，稳定持续地生产合格的产品。为此，必须及时了解生产过程的质量状态，来判断其是否受控。产品质量受到生产过程状态的影响，而生产状态受到了人、机、料、法、环、检测（简称5M1E）六个因素的影响。当“5M1E”受到完善的管理和控制时，通常可消除异常因素的影响，仅存在偶然因素的影响。这时，综合影响效果的质量特性值的概率分布，反映了过程的实际加工能力。控制图的作用是及时警告。只在控制图上描点，是不可能起到预防作用的。必须强调要求现场第一线的工程技术人员来推行SPC，把它作为日常工作的一部分，而质量管理人员则应该起到组织、协调、监督、鉴定与当好领导参谋的作用。4统计过程控制控制图的分类统计过程控制共有八种常规性控制图，包括xR、xs、MeR、XRs 、P、np、c和u控制图。其中xR（x均值 R极差）是最常用最基本的控制图。下面着重介绍下xR在生产锻件过程中的应用。二、统计过程控制在生产锻件过程中的应用1统计过程控制（xR）操作程序（1）建立统计过程模型；（2）要识别锻件生产企业所有与锻件产品有关的过程；（3）明确这些过程的目的；（4）应用SPC测定这些过程的稳定性和这些过程的能力；（5）通过SPC测定的结果，采取措施改进这些过程实现的过程目标；（6）选定合适的控制种类：一般选用xR图（均值-极差图）；（7）确定样本容量和抽样时间；（8）对每个工序收集并记录2025个样本数据；（9）每组样本的大小为4或5（K=4或5）；（10）计算样本的统计值，如样本平均值（xi），样本极差值（Ri），样本平均极差值（R），样本总平均值（x）等。（11）计算统计量的控制界限（UCL，CL，LCL）：描画控制图并标上统计量；（12）对于点的排列和分布进行判定是否过程异常；（13）根据变异的情况指定措施，并跟踪和监督。2判断工序是否稳定受控的标准和依据2.1 x图，R图判异准则；（1） 25个点中没有一个在界外；（2） 控制界限内点的排列无下述异常现象；（3） 连续7点或更多点在中心线同一侧；（4） 连续7点或更多点有上升或下降趋势；（5） 连续11点中至少有10点在中心线同一侧；（6） 连续14点中至少有12点在中心线同一侧；（7） 连续17点中至少有14点在中心线同一侧；（8） 连续20点中至少有16点在中心线同一侧；（9） 连续3点中至少有2点在2倍标准偏差与3倍标准偏差控制界限之间；（10）连续7点中至少有3点在2倍标准偏差与3倍标准偏差控制界限之间；（11）连续10点中至少有4点在2倍标准偏差与3倍标准偏差控制界限之间；（12）连续14个点相邻点上下交替（周期状）；（13）连续15个点集中在范围内。2.2 过程能力指数Cp值的评价（表4-1）Cp值的范围级别过程能力的评价Cp1.67过程能力过高1.33Cp1.67过程能力充分，表示技术管理能力已很好，应继续维持1.00Cp1.33过程能力充足，但技术管理能力比较勉强，应设法提高为级0.67Cp1.00过程能力不足，表示技术管理能力已很差，应采取措施立即改善Cp0.67过程能力严重不足，表示应采取紧急措施和全面检查，必要时可停工整顿。 2.3 控制图系数表（表4-2）子组大小n均值控制图极差控制图控制限系数中心线系数控制限系数A2A3d2D3D421.8802.6591.12803.26731.0231.9541.69302.57440.7291.6282.05902.28250.5771.4272.32602.11460.4831.2872.53402.00470.4191.1822.7040.0761.92480.3731.0992.8470.1361.86490.3371.0322.9700.1841.816100.3080.9753.0780.2231.7773统计过程控制在锻件生产过程中的运用和实例选用45#这种普遍材料锻件的抗拉强度为实例来研究热处理过程是否受控。例：某企业为了提高质量，应用排列图分析出造成锻件不合格的各种原因，发现性能不合格占第一位。为了解决性能不合格这个问题，再次使用排列图分析，结果发现是热处理造成的，为此， 厂方选用45#这种常用锻件进行过程控制。45#锻件抗拉强度要求为5600+120 ，过程能力指数要求为1，设计xR图对其热处理能力进行控制。解：（1）确定样本容量和样本个数。根据产品的具体情况，取n=5,共取20组；（2）采集数据；（3）将数据填入数据表中，如表5-1所示；（4）计算各样本的平均值xi填入表中；（5）计算总平均值x ；（6）计算样本的极差Ri ；（7）计算样本极差R （8）计算控制界限；xR控制图数据抽样表（表5-1）试验场所公司名称XXX部门XXX产品名称锻件材料牌号45#设备热处理设备2号电阻炉测量设备液压式万能试验机 WE-600C质量要求抗拉强度规范560正偏差120负偏差0单位1Mpa序号抽样时间数据x1x2x3x4x5xR12009-9-56256106406056306223522009-9-66056106356306256202032009-9-76506206356106156244042009-9-86706006306005856178552009-9-96405706506406456258062009-9-106306656256406006326572009-9-116256256005706606199082009-9-126106706206606656456092009-9-1362562062564060562335102009-9-1460560562064563562725112009-9-1559562560561566562170122009-9-1660563063060563062225132009-9-1763066065565563564730142009-9-1864564059063564563155152009-9-19565625625665625621100162009-9-2056061059561563560375172009-9-2164563564066065064625182009-9-2264564559556559060880192009-9-2365557062061562561785202009-9-2462561564563059562250x图 CL=x=625UCL=x + A2R=658 LCL=x - A2R=592R图CL=R=57UCL=D4R=120LCL=D3R=合计12492 1130平均 625 57 n系数A2d2D4 50.5772.3262.114（9）画控制图并打点，x图在上方，R图在下方。横坐标为样本号，纵坐标为x值或R值。各中心线用实线表示，控制线用虚线表示，下图可视。x 图样本号658592625n=5R图样本号12057（10）根据判异准则来判断生产过程是否处于统计控制状态中（11）计算过程能力指数Cpk求Cp值 Cp=T6=T6R/d2=Tu-Tl6R/d2=120657/2.3260.82由于x=625与容差M=（Tu+Tl）/2=620不重合，所以，有必要