热处理生产的质量管理_SPC技术.docx

热处理生产的质量管理SPC 技术樊东黎( 北京机电研究所，北京100083)摘 要: 介绍了一种于上世纪 80 年代兴起、90 年代推行的质量管理技术统计过程控制( SPC) 。与传统的统计质量管理( SQC) 法不同，统计过程控制( SPC) 技术能精确控制热处理工艺参数，防患于未然， 使废品和返修品率接近于零。诠释了统计过程控制的技术术语，介绍了统计控制的步骤及采用统 计过程控制技术提高碳氮共渗件质量的实例。关键词: 热处理; 质量管理; 统计过程控制中图分类号: O213文献标识码: A文章编号: 1008-1690( 2012) 01-0001-11Quality Management of Heat Treating ProductionSPC TechnologyFAN Dong-li( Beijing Research Institute of Mechanical and Electrical Technology，Beijing 100083，China)Abstract: An advanced quality management technology different from traditional statistical quality，ie statistical process control method，which sprang up in the 1980s and was spreaded in the 1990s，was introduced The heat treatment process parameters can be more precisely controlled by use of this technology and the precautions can be further taken，thus making waster and reworks rates to close to zero The SPCs terminologies were annotated，and steps implementing SPC technology and actual examples of improving quality of carbonitrided parts by the SPC technology were introducedKey words: heat treatment; quality management; statistical process control( SPC)理加工企业在接受委托任务时，客户也会按不同零件和材料提出以上各种具体的质量要求。这些要求 只要是合理的，加工企业都应予满足，在工艺、设备、 检测控制仪器条件方面必须保证能达到客户的技术 指标。但是工厂质量不可能精确到没有波动，任何 质量要求都应该是一个范围。在范围内的产品是合 格品，不合格的部分产品能重新加工返修，但会增加 生产成本，不能返修的就成为废品，还要赔偿用户的 损失。企业接受委托加工任务后，其生产工艺试验 和最终的质量检验，除非不得已是不会采取破坏零 件方式的，破坏性检查和废品会给企业造成很大损 失。按美国热处理加工企业的经验，一个零件的价 格是 10 20 倍的热处理成本，如果生产成千上万零 件的废品率达到 1% 2% ，会损失掉多少利润8?通常，热处理质量检验的内容只是硬度，因为检 查硬度一是对零件基本不破坏，其次是硬度与强度、质量管理是众多专营热处理加工企业的命脉。传统的统计质量管理( SQC) 法对保证产品质量、减 少质量分散度、减少废品和降低返修率，从而降低生产成本起到重要作用。上 世 纪 80 年 代 兴 起1、90年代推行的统计过程控制( SPC) 技术能精确控制工 艺参数( 变量) ，防患于未然，使热处理返修品率接 近于零。多年来美国曾报道过一些 SPC 技术在热 处理生产中的应用情况。笔者收集了部分有代表性 的文献，撰写了此文，供热处理企业参考，期望对提 高我国热处理产品质量有所帮助。1统计质量管理技术热处理生产的质量是对热处理工件的硬度、畸变、渗层、淬硬层、表面状态、力学性能、显微组织等方面要求的满足程度。这些要求是由机器零件设计 师根据零件服役条件和预计使用寿命提出的。热处收稿日期: 2011-11-09作者简介: 樊东黎( 1934 ) ，男，山西定襄人，教授级高级工程师，中国热处理学会荣誉理事长，中国热处理行业协会荣誉理事，全国热处理标准化技术委员会顾问，本刊编委会高级顾问。E-mail: pf wang vip sina com韧性、塑性有一定关联，通过硬度可大致推测其他力学性能的变化。但是，硬度也要在零件无关紧要部 位测量，有时硬度压痕也会对一些重要零件的使用 寿命造成影响。当然测量形状尺寸变化( 畸变) ，渗 透染色、荧光、磁力、射线和超声波探伤都无损于零 件，显微组织检验可以是无损 ( 检 查 表 面) 、也 可 以 是切片( 检查内部) 。破坏性的显微组织检验通常 用与零件相同材料并经过相同工艺热处理的试棒， 有时也切自零件预留的多余部分。热处理质量管理的任务之一是缩小质量分散 度。由于热处理炉的炉温和气氛的差别，同一炉零 件会因装炉位置不同而造成质量分散，同一炉子不 同炉次因工艺条件变化和操作上的差异也会造成质 量分散。不同的加热炉也由于有效加热区温度的均 匀性、控温精度、炉气循环、碳势控制精度的差别造 成热处理件质量的差异。用质量统计方法可以觉察 产品质量波动规律，进而分析找出异常波动原因，从 而采取措施纠正过度偏差。这就意味着实现了统计 质量管理( SQC) 。SPC 和 SQC 都立足于统计学理论: 采集事件并 以一定可 信 度 对 其 加 以 分 类。就象可以分析扣硬 币、掷骰子的几率一样，利用统计学原理可以预见零 件尺寸和热处理后硬度的波动范围。要理解统计质量管理过程，必须首先明确以下定义6:( 1) 正常分布 统 计 分 析 时，假设所分析数据 是随机的毫 无 规 律 的，即数据依某个平均值散布。 当数据取自某自然或仿真过程时，一般表现出的变 化图和频率分布图被称作正常分布。( 2) 扣钟曲线 当在图上标出规定值的发生率和性能值的关系曲线时，其结果是正常( 态) 的或呈 扣钟形曲线规律。( 3) 标准偏差 定义为全部数据测量值与平 均( 中) 值的差之和除以数据点数的平方根。如图 1 所示，落在 ( 2 范围) 内的数据占 68 3% ，落在 2内的数据占 95 5% ，在 3 内的数据为 99 7% 。图 1 所有数据在标准偏差范围的扣钟状正常分布曲线Fig 1 The normal distribution curve is a bell curve in which68 3% of all data lie between plus and minus sigma( standard deviation)( 4 ) 范 围统计控制的最终量是范围 R 或 r( range) ，即测量出的最大和最小值之差。例 如，假设用 20 个零 件 测 硬 度 ( HRC) ，每个零件的不同位 置测两次，每次测出的单个硬度值以 x 表示，其计算 出的平均( 中) 值以 x 表示，求出每个测量值与平均值的差，然后将此差值平方。将 A 批和 B 批零件硬度的标准偏差画出如图 2 所示的扣钟曲线，就可以发 现 B 批零件比 A 批更接近平均值。每批零件的计算 平均值都是 50 3，但 A 批零件的标准偏差是 3 79， 而 B 批 是 1 30。 A 批 的 范 围 R ( r ) 是 14，B 批 的 R( r) 是 5。显然，用于两批零件的淬火工艺，从质量 控制角度看要首选 B。图 2 从假设的 A 和 B 两组数据的分布曲线可看出两种工艺在控制质量上的差别8Fig 2 The distribution for two sets A and B of hypothetical data show that the two differed considerably in the control exercised8这些数值的计算和分析涉及到许多专门的数值统计方法，靠人工计算是非常乏味和耗时的，而使用 计算机和专用软件，只要输入数据点数和测量值就 可以算出所有的量，省事而便捷。( 5) 工艺能力( capability) 指数 Cp 和 Cpk3，11Cp 和 Cpk 都是专门的统计学概念，其表达式为:Cp = USL LSL( 1)62热处理2012 年第 27 卷 第 1 期式中: USL 为技术要求上限; LSL 为技术要求下限; x 为测量数据的总平均值; 为标准偏差; 6 为( 2) 标准偏差 数值的分散度，即数据 远 离中值的程度，可用下式计算:正常分散率，在此范围内包含 99 73% 的合格数据。Cpk 也是工艺过程的能力指数，用 来 度 量 统 计 分散度和最接近技术要求极限的关系。其定义为二 个数值 CPU 和 CPL 中较小的一个:n2i = 1 ( xi x) = 槡( 3) n 1式中: xi 为 i 点的数值;x 为中值; n 为数值点的总数。( 3) 控 制 极 限 3Cpk = ( CPU，CPL) min( 2)上 下 控 制 极 限 ( upper and式中: CPU = ( USL x) /3; CPL = ( x LSL) /3。lower control limits) 被定义为由工艺变 量 中 值 求 出的 3 倍标准偏差 3，从统计学角度，99% 的变量读 数都应落在此控制范围内，除非改变工艺。x 为测量数据的平均值。1 个 CPU 或 CPL 小于 1 表示有一种可能性，即有一定百分比的零件超出技术要求允许范围。该指 数测出的硬度值位置最接于技术条件极限。可以选 一个 最 优 的 Cp ( 极 小 的 偏 差 ) 和 一 个 很 大 的( terrible) 的 Cpk ( 所有数据都落在技术条件 范 围) 。Cpk 通常和 Cp 一起对工艺过程进行综合评价，Cp 决 不会大于 Cpk。Cpk1 00 = 3 = 99 73% 在技术条件限度内 =2700 10 6 废品( 缺陷) ;Cpk1 33 = 4 = 99 9973% 在技术条件限度内= 63 10 6 废品;Cpk1 47 = 5 = 99 9999% 在技术条件限度内= 1 0 10 6 废品;Cpk2 00 = 6 = 99 999 99% 在技术条件限度 内 = 0 10 6 废 品 ( 6 quality ) 或 小 于 2 10 6 ( 10 亿分之 2) 废品。( 4) 控制图表( control chart)记录工艺变量的图表。图表上的每点通常都是 4 个或更多读数的平均值。在 R( r) 图表中的每点是最高和最低读数( 范 围或全程) 的差值。控制图表数据的走向是出现问 题的朕兆，例如包括超出控制极限的点，连续有 7 个 点漂移向同一方向或图中间三等分内少于 2 /3 的点。( 5) 自然偏差 ( natural variation)操 作 人 员 不能控制的工艺变量波动。减少自然偏差的唯一办法是改变( 善) 工艺。( 6) Pareto 分析法被 J M Juran 称 做 是 改 善质量的“少 有 方 式”，即包含改善质量的大多 数 机会。该名称来 源 于意大利经济学家 Vilfredo Pareto( 1848 1923) 。( 7 ) 工 艺 能 力 ( process capability) 指 数 Cp生产技术条件允许范围除以 6 倍标准偏差( 6) 的商。Cp 表示此工艺是否满足用户的质量要求，低于此指 数值表示自然偏差的后果超出技术要求范围。2统计过程控制热处理的统计质量控制( SQC) 和统计过程控制( 8) 实际( actual) 工艺 能 力 指 数 Cpk比 Cp 更( SPC) 都是在生产过程中连续记录产品质量检查结果和工艺参数( process variation) 的波动情况。SQC偏重于硬度、渗层、淬硬层、畸变、表面状态、力学性 能和显微组织等长期质量波动情况并加以记录，然 后再找出质量超限的具体原因，采取措施加以改进， 从而缩小质量波动范围，使尽可能多的产品在技术 要求范围内成为合格产品，尽量减少废品和返修品， 降低生产成本，提高企业信誉。SPC 技术主要记录 统计生产工艺变量，如温度、时间、碳势、材料、装炉 量、淬火烈度、淬冷剂浓度和温度等，通过工艺变量 波动情况的记录，统计、分析可以及时发现材料、工 艺、设备、操控上的问题，并及时纠正，以保证产品接 近 100% 合格，所以一般认为 SPC 方法更直观、使用 更方便。为严格的指数，用 Cpk 不但可测出自然偏差还可找出中心数值，被定义为工艺中值和其最严格技术条 件极限的差除以 3。2 2 统计控制步骤一个能够统计的工艺过程，只要不是操作者失 误或故意造成的后果，在任何时刻都可以重复和预 见，都是可控的。产品质量波动和工艺变量偏差可 分为管理可控的偶然偏差和操作可控的特殊偏差。 偶然偏差包括炉温均匀性，材料化学成分，淬火液温 度和搅动烈度以及硬度计等测量仪器的精确度等。 特殊偏差有炉子装载量，炉气碳势或露点的手动控 制，硬度检查 熟 练 程 度，多用炉生产线的程序变动 等。利用 SPC 技术可以对这些工艺变量施行监测、 记录、分析，找出失控原因并加以纠正，使所有工艺 变量和产品质量都保持在允许范围内。利用 SPC 技术进行控制的步骤为2:SPC 技术术语10，12( 1) 中值 工艺变量范围的中间值，也称均值，是将所有变量数值的和被数值总数除得的数值。2 13热处理2012 年第 27 卷 第 1 期第一步，首先明确所采用的热处理工艺是否受控，决定要测定的工艺变量，然后再采集数据。还必 须选定一种数据亚群( subgroup) 或称分组大小( 2 5 个测量数) 和按小时计量( 连续过程) 的或每次装 炉工艺周期的时间间隔。设置控制图至少需要 100 个数据点( 选取亚群大小的出发点是经济性和可接 受风险间的平衡。由于最常取的亚群数是 5，就以 5 的亚群数 为 例) 。许多热处理设备都是连 续 工 作， 所以必须获得全部工作班次的信息。第二步，用控制图上的数据标 出 测 定 点 位 置。这些点是根据每个测量亚群用中值和全程 ( 范 围)R( r) 计算出 的。中 值 ( x 线) 是 从 测 量 值 的 和 除 以测量次数而得，即x = ( x1 + x2 + x3 + + xn / n)全程( 范围) R 是亚群内最大和最小值之差，即R = x 最大 x 最小第三步，对控制图的比例定标。通常，图中的每 cm( 半英寸或 5 根线) 划分为 1、2、3、4、5 份或这些 数的倍数( 图 3) 。选好比例后，将图上各点连线，把 中值标在图的上部，全程( 范围) 标在图的下部。画 好图后，检出与其他点不成比例的各点，重新计算这 些点的数值，并在图上改正。图 3 中，全程显示工件 间的变化，并示出哪种工艺是可重现的 ( 各 亚 群 大 小的统计常数列于图的右下角) 2。图 3 控制图范例，图的上部表示中( 平均) 值，下部所示为全程( 范围) 2Fig 3 Sample control chart，showing averages on top graph and ranges on bottom graph2第四步，计算全程( 范围) 的平均值( 线) 和所有平均值的均值( x-双线) ，为计算全程的均值，把所 有的全程值相加并除以亚群( 分组) 数 K，即表 1 控制图的统计常数Table 1 Statistical constants in control chart亚群大小a2d3d4d2 =r1 + r2 + r3 + + rk / K234567891 881 020 730 580 480 420 370 340 080 140 183 272 572 282 112 001 921 861 821 131 692 062 332 532 702 852 97第五步，计算控制图的中( 均) 值和全程( 范围)的控制极限。表 1 所列为计算控制极限用的统计常 数。由于选用的亚群( 分组) 大小是 5，从表 1 中取 亚群 5 的常数，用以下公式计算出图 3 所列出的中 ( 均) 值的控制极限上限 UCLx 和下限 LCLx:UCLx = x + ( a2 r)LCLx = x ( a2 r) 10 0 31 0 22 1 78 3 08 4热处理2012 年第 27 卷 第 1 期可以看出，对渗碳过程的控制很不理想，氧探头和钢箔测定的数据差别很大。公司立即召开了包括质量 管理经理，生产经理和全体员工参加的系列会议，研 究改进措施。召开这些会议非常有益，已成为企业 管理者和员工质量体系工作和不断改进生产技术的 重要组成部分。会议决定对每台炉子进行工艺能力 调查，并将其作为长期的工作制度，对天然气、空气、 氮气、甲烷流量，装炉量大小，工艺周期长短，碳控仪 表的设定，操作者操控炉子方式及修正失控情况等 都作了详细了解和分析。经过对工艺变量的调整和 一段时间的生产实践，于 1990 年 11 月就使碳势数据 波动接近目标中值，进入了 0 07% 的控制极限( 见 图 5) 。图 4 和图 5 都是同一台渗碳炉的控制记录。计算上下控制极限的公式列在全程 图 的 上部。由于选取的 亚 群 数 是 5，故无须计算全程 图 上的下控制极限，只计算上控制极限UCLr = d4 r第六步，按 x-双线均值的平均数以及平均全程 ( 线) 和控制图的上下控制极限画线。x-双线和 线的平均值通常画实线，而上下控制极限则如图 3 所示画虚线。第七步，判断该工艺过程是否受控。图 3 的全 程( 范围) 图显示有 3 点超出上控制极限，但逐个 工件之间的偏差没有过增或过降倾向。如图 3 所示，此工艺过程不是受控的，其原因不 能由图 3 作出解释，反而会使人产生种种疑问，如: 布氏硬度检验是否正确? 淬火油温是否合适? 钢的 化学成分是否有变动? 连续回火炉移动的线速度是 否恰当? 回火温度、奥氏体化温度正确否? 炉衬是 否完整? 油的冷速是否合适? 是否更换了操作者? 是否只在换班时形成失控? 等等。这就是要充分了 解工艺基础的重要性。3 SPC 应用实例3 1Specialty Steel Treating 热 处 理 厂 ( Fraser，Mich ) 4Specialty Steel Treating( SST) Fraser Michigan 分 厂 1989 年开始 采 用 SPC 技 术，使其质量管理体系 完全满足客户福 特 汽 车 公 司 Q1 计划的严格要求， 显著提高了产品质量，减少了返修率。1989 年以前，SST 每季度有 25 30 个渗碳和渗 氮返修件。采用 SPC 控制后，每季返修件降到 3 7 件，降低了生产成本，加快了交货速度。SST 首先聘请专家对 33 名 员 工 进 行 了 3 次 共12 h 的讲 课 培 训。其目的不是把他们培 养 成 专 业 统计师，而只是让他们入门 SPC; 掌握在热处理生产 中的应用，辨别生产工艺变量的失控，并采取适当的 纠正措施。课堂上主要讲明记录和采集数据必须掌 握其准确性的原则，只有采集到精确的工艺数据才 有助于确定保证产品合格的现行工艺能力 ( process capability) 。同时 还 特 别 交 待，推 行 SPC 采 集 数 据 的目的决不是为了找谁的过失，而是要利用图表上 的数据发现生产中需要改进之处，以免引起员工的 抵触情绪。完成培训后，在渗碳炉上进行了 SPC 演练。操 作人员将用钢箔法测定的炉子工作区炉气实际碳势 和控制器设定值以及氧探头测量值标在 SPC 图表上。图 4 所示为 1990 年 4 月记录的典型图表4，10。5热处理2012 年第 27 卷第 1 期SST 公司用计算出的工艺能力值 Cp 和 Cpk 来追踪统计控制效能，将操作者收集的数据信息输入统 计程序，用计算机算出企业领导需要的 Cp 和 Cpk 数值。图 6 所示为某号炉在 1 个月内的碳控工艺能力 调查结果。其 Cpk = 1 41，而 Cp = 1 52，这意味着该 工艺的自 然 偏 差 落于产品的可接受范围。而 一 年 前，此炉 子 的 Cpk = 0 55，Cp = 0 63。 在 实 施 SPC 前，该厂所有炉子的 Cp 和 Cpk 都很低，后来所有炉 子都能在 Cpk 1 3 条件下工作。对于要求更高精 度的产品，通过严格控制，可将 Cpk 提高到 1 47 或 以上。图 6 1990 年 12 月测出的工艺能力，表明改进工艺控制后该炉子的碳势能正常地控制在要求范围内4，10Fig 6 Process capability study for December 1990 shows that this furnace is well within the required range of carbon potential after improving process control4，10Pennsylvania Metallurgical Inc ( Bethlehem，Pa )公司用 SPC 技术揭示出钢件碳氮共渗时渗层严重 偏离技术要求的问题。生产中发现，不同位置炉料 有过渗和欠渗现象，通过改变工艺参数、改进料盘、 夹具结构和装料方式使这种情况得到明显改善。用户的 AISI 1018 钢件碳氮共渗层深度要求为0 20 0 46 mm。该厂在 Surface Combustion Inc 公 司提供的密封箱式炉中施行碳氮共渗。该炉有效加SST 公司还对所有的返修件进行了 Pareto 分析，记录返修原因，找出需要维护的炉子和应对返修 件负责的操作者，并向企业领导提出报告。每季度对这些报告审查分析一次。如果问题的范围还在扩大，就在质量经理主持下严格审查，副总裁也要对此 进行周期检查，必要时随时检查。在严密的 SPC 控制下，最明显的效果是返修件显著 减 少。1989 年 1 季 度 的 返 修 量 ( 30 件 ) 等 于1992 年的全年; 1989 1992 年期间 SST 的返修件逐 年降低的情况示于图 7。1992 年全年返修 30 件的 各种返修原因所占份额列于图 8，渗层不足是返修的主要原因，占 23 3% ，由于人工操作失误造成的 返修品占 20% 。SST 公司对每个返修件都要仔细调 查分析原因，在上下级联席会议上讨论对策。热 区 尺 寸 为 750mm 750 mm 1200mm，用CASEmate 控制系统和氧探头控制炉气碳势，可使碳势保持在 0 05% 范围内。有效加热区内的炉温均 匀度为 6 ，用强烈搅动的快速淬火油淬火。在一盘炉料中放置 100 个试件，共渗淬火后用 努氏硬度计测量标准定义的有效硬化层深度，即从 表面到相当于 50 HRC 的努氏 硬 度 深 度。结 果，硬 化层波动 范 围 0 20 0 58 mm，表 面 硬 度 732 HK ( 60 HRC) ，心部硬度 351 HK( 35 HRC) 。随后进行工艺能力分析，检查渗层波动是否在 用户要求范围内。为此，需求出工艺能力指数 Cp 和3 2题56用 SPC 技术解决碳氮共 渗工艺出现的问 热处理2012 年第 27 卷 第 1 期Cpk。计算这些指数前，须画出控制图，以辨 别 所 有试件是否都在受控状态。为此要标出每个样件在各 料盘的位置及其有效硬化层数值 ( 见表 2 ) ，并画出 “个值、中值和全程( 范围) ”图，见图 9。该图表明， 各位置试件的工艺都是受控的。要求的有效硬化层 深度为 0 20 0 46 mm。关键标号: UIL 和 LIL 为上 下个值极限，UCL 和 LCL 为上下控制极限; CL 为图 中心线( 图中尺寸为英寸，下同) 。用此图可说明该 工艺过程是否受控，也说明放在炉内各位置的个体试件是否受控。关于能力指数的计算。为分析控制图上超出控 制极限的数值、度量工艺参数的统计分布与技术要 求间的关系，测 定 工 艺 过 程 能 力，可按下式计算出 Cp 值:Cp = ( USL LSL) /6( 4)式中: USL 为技术要求上限; LSL 为技术要求下限; 6 为测出的工艺偏差。当 Cp = 1 33 或更高时， 就认为此工艺过程的能力是可取的。表 2 整盘炉料零件的有效硬化层深度 / mm4，10Table 2 Effect case depth for furnace load / mm4，10零件位置( 上部) 第 1 筐第 2 筐零件编号123451TC0 480 360 480 300 231TE0 400 560 400 430 401BC0 360 300 330 480 38第 3 筐3BC0 280 430 330 330 361BE0 250 510 380 380 201M0 380 330 330 430 402TC0 380 380 300 430 332TE0 510 460 480 430 462BC0 380 380 300 430 33第 4 筐( 底部)4BC0 460 380 510 480 512BE0 400 400 530 460 432M0 400 230 330 230 25零件编号123453TC0 330 230 330 360 303TE0 510 460 480 510 463BE0 400 530 380 460 483M0 460 360 230 400 254TC0 460 460 480 430 484TE0 480 460 460 530 384BE0 590 580 480 510 514E0 380 330 330 430 40注: 1-从正对面数起的筐; 2-零件位置标号: 数字是零件位置号码( 1 4) ，第一个字母是料筐中的层位 ( T-顶部，B-底部，M-中部) ，第 2 个字母如果出现，则表示边缘 E，或心部 C。定义为二个数值 CPU 和 UPL 中的一个较小值，即Cpk = ( CPU，CPL) min( 5)式中: CPU = ( VSL x) /3，CPL = ( x LSL) /3; x 为中值。若一个 CPU 或 CPL 小于 1，只表示有一种可能性，即有一定百分比的零件超出技术要求范围。对 所取的 100 个试件，Cp = 0 512，CPU = 0 2214，CPL= 0 7990，Cpk = 0 2214。 从这些数值可计算出有 0 83% 的零件未达到渗层要求的下限，而 25 3% 的 零件超出了技术条件的上限。过度的偏差是由零件在炉内的摆放位置造成 的。但这台炉子的温度和碳势都是严格控制的，在 炉气供给充分和淬火剂冷速足够的前提下，为什么 会出现很低的 Cp 和 Cpk，大批零件的硬化层的检测 结果证实过度偏差是由于摆放位置的差异所致。硬 化层和试件位置关系数据的个值、中 值 和 全 程 ( 范 围) 图示于图 9，硬化层深度的分散度示于图 10。图图 9 100 个 AISI 1018 钢碳氮共渗件的个值、中值和全程图( 见表 2) 4，10Fig 9 Individual，median and range chart forthe 100 carbonitrided parts4，10为度量统计分散度和最接近技术要求极限间的关系，还应计算出工艺过程能力的另一指数 Cpk。其7热处理2012 年第 27 卷 第 1 期10 中，LSL 和 USL 为技术要求上下限。该工艺过程的标准 偏 差 是 0 0033，Cpk 和 Cp 都 很 低 ( 分 别 是0 2214 和 0 5102 ) ，估 算 的 低 于LSL的 零 件 为0 83% ，高于 USL 的零件为 25 32%4，10。图 12 位于料筐心部 40 个碳氮共渗件的有效硬化层分布4，10Fig 12 Distributiuon of effective case for 40 carbonitrided parts located at the center of baskets 4，10图 10 100 个碳氮共渗件的有效硬化层深度分布Fig 10 Distribution of effective case depth for 100 carbonitrided parts改进工艺后标准偏差为 0 043 mm( 降低 48% ) ，Cpk= 0 6318，Cp = 0 933，低于 LSL 的百 分 比 为 0 01， 而高于 USL 的百分比仅 2 9，如图 13 和表 3 所示。还应找出造成不同位置零件硬化层过度偏差的原因才能进一步采取措施，使绝大部分零件的淬硬 层都在技术要求范围内。比较分析发现，过渗零件 的绝大部分处在炉料边缘( 见图 11) ，而欠渗零件则 处于炉料中心( 见图 12 ) 。如图 11 所示，这些零件 的 47% 过渗有超过 USL 倾 向，而 只 有 0 05% 低 于 LSL。而图 12 表 明，在这些位置上出现欠渗件，有0 9% 的零件可计入低于 LSL，而 15 55% 超出 USL。 同时，过渗件更易出现在第 4 筐底部，欠渗件则集中 在第 1 筐顶部。这种情况明显是由于炉料底部和边 缘的淬火冷却条件比心部和顶部好，以及炉料外轮 廓的炉气循环也比较好之故。图 13 改进工艺和装炉方法后随意抽取的 57 炉次的4，10285 个碳氮共渗件的有效硬化层分布Fig 13 Distribution of effective case depth for 285 Carbonitridedparts taken randomly from 57 furnace loads after modification to the process and fixing4，10表 3 改进工艺和装炉的效果4，10Table 3 Effects of modifying process and fixing4，10改进前改进后硬化层 / mm工艺均值 标准偏差CpCpk超过 USL 百分比 低于 LSL 百分比0 4010 0840 51020 221425 320 830 3710 0430 93300 63182 900 01图 11 位于炉料边缘的 40 个碳氮共渗件的有效硬化层分布4，10Fig 11 Distribution of effective case depth for 40 carbonitrided parts located at edges of the furnace load4，10根据这一试验结果和分析结论，决定缩短共渗时间、降低炉气碳势，从而减小零件过渗可能性。为 避免欠渗，在料盘中央留出通道，以利于炉气和淬火 油循环。采取这些措施后，又对同类零件进行了一 次 能 力 分 析 ，在5 7 炉 次 放 置 了2 8 5 个 试 件 。结 果 ，3 3 齿轮渗碳的工艺能力9TRW Automotive 公司从 2001 年开 始 采 用 SPC技术进行热处理质量管理。该公司是针对其生产中 的下列特殊情况决定采取 SPC 技术的:( 1) 使用现有设备对不同零件进行各种不同工8热处理2012 年第 27 卷 第 1 期艺的热处理;( 2) 零件材料品 种 多，且同一种钢材也是不同 炉号和由不同供应商提供的，化学成分有明显波动;( 3) 每种零件都有各自的热处理质量要求;( 4) 要尽量避免对昂贵零件进行常规破坏性质 量检查。为满足这些要求，在每盘渗碳件炉料中放一根 25 mm 51 mm 试棒，用来测定有效渗层和显微组 织，据此调整炉气参数，预测整盘渗碳件是否能满足 用户要求，并按统计学原理建立起试棒-零件渗层关 系和计算出炉子的能力指数。( 1) 汽车齿轮渗碳工艺 通常在密封箱式炉生 产线用吸热式气氛施行齿轮的渗碳工艺有 6 种方案， 所处理的零件有螺杆、齿轮、齿条等，质量 1 4 8 2 kg，渗层要求 1 1 1 6 mm。这些零件被用于高度安 全车辆，故要求有效淬硬层必须严格控制在技术要求 范围内。为施行快速检验，避免破坏零件，用放置于 炉料中的试棒检查有效硬化层( 到 50 HRC) 深度。采 用试棒的附带优点是可避免钢材化学成分波动的影 响，因为多年来都用同一炉号的钢做试棒。用试棒除 可体现统计质量控制( SQC) 功能，还可利用统计数据 分析调节炉内气氛，达到统计过程控制( SPC) 效果。 采用试棒而不破坏零件积累数据的方法很难确切预 见实际零件的有效硬化层深度。幸而通过计算和调 整工艺使 Cp 和 Ckp 达到 1 以上，就能证明工艺过程具 有充分满足技术条件的能力，达到 100% 的可信度。( 2) 统计数据处理 为使试棒检验法达到一定 的可信度，将试棒和实际零件的有效硬化层成对数 据搜集起来，除去由于特殊原因造成的错误数据，使 所分析数据只有正常的波动。在实际生产中，试棒 的平均有效硬化层深度和工艺周期的关系应符合图14 所示的用直线标出的目标值。图 14 表 明，2 号 炉 、6 号 炉2001 年计算平均值的 直线弯曲相吻合 。计算出每一工艺周期或工艺方案的炉内所有试棒的平均有效硬化层深度就成为随后每个工艺周期或工 艺方案的目标值。所有炉子在任何时候都可按 6 种 工艺方案之一运行。只用一个与工艺周期长短无关 的统计图，采 用 正 常步骤就可以追踪炉子的性能。 针对某一具体工艺方案获得的试棒有效硬化层深度 值除以平均 目 标 值 就 能 围 绕“1 ”( individual) 波 动 的比 率，把最终比率标在 I / MR ( individual / movable range) 图( 见图 15 和图 16 ) 上。图 15 中，超出 USL 的数据是由于偶然事件，如熄火、周末停炉或热电偶 损坏等引起的。检出 I / MR 图的 趋 向，就可以根据由氧探头信 号计算 出 的 碳 势 ( 或 露 点) 对工艺参数稍作 改 动。 此参数的变动反映在一般情况下不考虑 CO 含量的 变化，而实际上 CO 含量是有变化的甚至影响碳势 的控制精确度。通过这种探索，通常可以找到只改 变一个参 数 就 可 以调整整个系统的有效方法。图17 所示就是改变一个因素可在图上看到效果 的 例 子，是对炉料进行破坏性检查，以确保热处理结果与 技术条件相一致，并进行调整，使工艺处于所要求的 范围内。图 14 根据所有炉子的平均值绘制的每个工艺7周期试棒的 ECD 目标值Fig 14 Target test bar ECD values for each cycle time have7been established from averages from all furnaces图 15 显示 1 号炉 2002 年工艺偏差的 I / MR 图和柱形分布图7Fig 15 I / MR chart and histogram indicates process variation for furnace 1 in 200279热处理2012 年第 27 卷 第 1 期图 16 显示 2002 年 2A 炉工艺偏差的 I / MR 图和柱形分布图7Fig 16 I / MR chart and histogram indicates process variation for furnace 2A in 20027格品。( 3) 计算能力 由于不存在试棒和热处理件有 效硬化层深度的直接对应关系，就排除了根据热处 理件技术条件确定工艺能力的可能性。即使实际零 件的准确有效硬化层深度不知晓，也能靠统计学成 果用两个事实充分证实: 缺乏产品和热处理关联的 函数关系; 在没有明显可归咎的原因的情况下，大量 失控炉料在最后检验时却都符合技术要求。后一个 事实有助于理解为什么要使一种产品落入尽可能狭 窄的工艺控制带。这样不仅可提高质量，而且这些 界外数据也可用来确立技术条件，从而计算出工艺 能力。所确定的工艺过程控制带在 0 92 1 08( “1 ” 是目标值) 时，通常可见到的实际控制极限是具体 炉子运行的 3，其范围是 0 89 和 1 12，意味着可 看到有些数据在工艺控制带之外，从而要对某些实 际零件实行破坏性检查。在该公司生产中，这意味 着约有 1 5% 的炉料，每年有 30 个越出界外的成对( 试棒和实际零件) 数据点。在技术要求范围内炉 料的 30 个数据点中平均取出 20 个进行破坏检查， 其原因已知的其余炉料数据点 会落在技术要求之 外，零件将成为返修品或废品。通常，不希望破坏零 件检查性能，但破坏检查所得数据却对确定技术要 求极限十分重要。此外，建立一个健全的质量管理 体系的花费也不大。为确认炉料的符合度( conforming) ，将搜集到的 过去 5 年来 100 + 界外数据列入表 4。由于这些数 据取 自 炉 料 的 技 术 条 件，最 重 要 数 值 ( highlight values) 0 82( 最小) 和 1 18 ( 最大) 就成为工艺的技 术条件范围。如 I / MR 图和两台炉子的柱形图 ( 图15 和图 16) 的实例，利用这些技术条件极限就可以 算出所有炉子的能力。当这些炉子的指数随时间恶图 17 I / MR 图Fig 17 I / MR chartI / MR 系列图表也是一种具有质量保证功能的手段。依赖建立的 3 控制极限，当试棒有效硬化 层深度值落入控制带内时，零件就全部合格，无需用零件施行破坏性检查。当数据落在控制带以外时，质量控制系统就会发出对一个零件进行解剖检验的 指令。每台炉子都有独自的统计控制带，经过一段时间，由于炉子状态的改变，后者会发生变化。最理想 的状态是此带尽可能狭窄，而工艺变量尽量集中在目标值附近( 不是实际统计的平均值) 。因此，为提高质量标准，应在所有炉子中选取至少一台能达到 历史最高水平者，使 LCL / UCL 在 0 92 1 08 范围 内，以此作为所有炉子统一的控制带。所设置的工艺控制带也就成为所有炉子的判据，并作为调整工 艺和必须建立的检验“反应”( inspection“reaction”) 的准则( principle guidline) ，也就是必须从炉料中取一个实际零件进行检查。几