华理工质量管理与可靠性课件第5章 设计质量管理

5.1正交试验设计5.2质量功能展开QFD5.3田口方法5.4三次设计第五章设计质量管理【目的要求】熟悉正交表的格式及特征熟悉正交试验设计的基本概念和基本流程熟练掌握质量功能展开的原理及实施要点掌握质量屋的结构及内容理解田口方法的基本观点和策略熟悉三次设计的基本原理【重点】质量屋的展开原理，，三次设计方法，正交试验设计【难点】三次设计方法

学习目标5.2正交试验设计5.2.1正交试验设计的基本方法5.2.2多指标的正交试验设计

正交试验设计（OrthogonalDesign）是于二十世纪50年代初期，由日本质量管理专家田口玄一（Tachugi）博士在前人提出的多因素试验设计方法的基础上，进一步研究开发出来的一种试验设计技术。

正交试验设计法使用一种规范化的表格（正交表）进行试验设计，可以用较少的试验次数，取得较为准确、可靠的优选结论。5.2.1正交试验设计的基本方法正交试验是一个科学的安排和分析试验的方法。它是利用“均衡分散性”和“整齐可比性”正交值原理，从大量的试验点中挑选出适量、具有代表性、典型的试验点以解决多因素问题的试验方法。

正交试验的定义正交试验设计主要可以完成：◆确定出各因素对试验指标的影响规律，得知哪些因素的影响是主要的、哪些因素的影响是次要的、哪些因素之间存在相互影响；◆选出各因素的一个水平组合来确定最佳生产条件。

正交试验设计的基础是正交表。试验指标(指标、试验结果)指试验需要考察的效果数量指标：硬度、拉力、重量、长度非数量指标：颜色、外观因素

对试验指标有影响的参数，用大写A、B、C……表示可控因素：淬火温度、冷却时间不可控因素因素水平

因素变化的各种状态和条件，用1、2、3……表示。

正交试验的有关名词

正交的概念

在数学上，两个向量和若满足即两向量的内积等于零，则称向量与向量正交。

由于在构造正交表的过程中使用了上述原理，因此将相应的试验设计法称为正交试验设计。

正交表的格式与特性

正交表

完全有序元素对（完全对）

设有两组元素与，它们可构成如下的元素对：称这些元素对为由元素与构成的“完全有序元素对”，简称“元素对”。若元素为数字，则称为“完全有序数字对”。例：由数字(1,2,3,4)和(1,2,3)构成的完全有序数字对为：

若在一个矩阵的任意两列中，由两列中的对应元素所构成的数字对是完全对且每对出现的次数相等，则称这两列是均衡搭配，否则就是不均衡搭配。例如：第I列第II列第III列

第I列与第II列中的对应元素构成8个数字对：

它们是由元素(1,2)和元素(1,2)构成的完全数字对，每对各出现两次，因此称这两列为均衡搭配。

而第I列与第III列、第II列与第III列，由于每对出现的次数不相同，因此均为不均衡搭配。

正交表的定义与格式定义：设A是一个的矩阵（n行k列），其中第j列元素由元素构成，若A的任意两列均衡搭配，则称A是一张正交表。例如：L4(23)正交表2224112322121111321

列号（因素）行号（试验号）L8(4×24)正交表21124812214712123621213511222422112322221211111154321

列号（因素）行号（试验号）

正交表用符号表示，其中——正交表的代号，是LatinSquare（拉丁方格）的首字母；——正交表的列数，每一列对应着一个试验因素；——正交表的行数，表示试验的次数；——第j列中元素的个数，表示试验中第j个因素所取的水平数。若某些列中的元素个数相同，可以写成指数的形式。例如：如表示？表示各因素的水平数为2，做8次试验，最多考虑7个因素（含交互作用）的正交表。12339312382313（4把）721326132253212（3把）43II型刀30.47mm/r356r/min132I型刀20.7mm/r238r/min121常规刀10.6mm/r130r/min1（2把）14321孔径偏差（mm）刀具种类D（型）走刀量C（mm/r）切削速度B（r/min）刀具数量A（把）

因素

列号试验号◆任意列中各水平重复出现的次数相等。第j列中各水平重复出现的次数：◆任意两列所构成的水平对是完全有序数字对，各水平对重复出现的次数相等（均衡搭配）。第i列与第j列所构成的水平对重复出现的次数：

正交表的性质均衡分散性整齐可比性正交性（１）每一列中，每个数字出现的次数都相等（２）任意两列中，将同一横行的两个数字看成有序数对（左边的数在前，右边的数在后），按这一次序排出的数对，每种数对出现的次数相等。

正交表的性质

正交试验设计的基本步骤（1）定指标，确定因素，选水平；（2）选用适当的正交表，表头设计，确定试验方案；（3）严格按条件做试验，并记录试验结果；（4）计算各列的同一水平的数据和与极差Rj；（5）按极差大小排出因素的主次；（6）选取较优生产条件；（7）进行验证性试验，做进一步分析。

直观分析是通过简单地计算各因素水平对试验结果的影响，并用图表形式将这些影响表示出来，再通过极差分析（找出最大值、最小值），最终确定出优化的水平搭配方案（生产方案），或找出因素对试验结果的影响程度。根据所考查的试验指标的多少，正交试验设计可分为单指标正交试验设计和多指标正交试验设计两种。

正交试验设计的结果分析

示例例：某工厂一零件的镗孔工序质量不稳定，经常出现内径偏差较大的质量问题。为了提高本工序的加工质量，拟通过正交试验确定影响内径偏差的各因素的主次顺序，以探求较好的工艺条件来改进工艺操作规程。

试验方案设计

设计试验方案时，首先要明确试验要解决的问题（内径偏差过大），即明确试验指标——内径偏差（越小越好）；然后明确影响试验指标的主要因素，选取适当的因素水平。■明确试验指标和影响因素，制定因素水平表影响因素：试验指标：内径偏差

根据以往的生产经验和正交试验设计的特点，每个因素各选取三个水平进行试验，如下：A——镗孔时所用的刀具数量B——切削速度C——走刀量D——刀具种类II型刀0.475643I型刀0.73832常规刀0.63021D刀具种类（型）C走刀量（mm/r）B切削速度（r/min）A刀具数量（把）

因素水平■选择正交表，设计表头

根据因素及水平的多少，选择四因素、三水平的正交表L9(34)，如下：4321列号DCBA因素■根据正交表确定试验方案

按正交表L9(34)的内容及所设计的表头，将试验方案填入正交表中。12339312382313（4把）721326132253212（3把）43（II型刀）3（0.47mm/r）3（56r/min）132（I型刀）2（0.7mm/r）2（38r/min）121（常规刀）1（0.6mm/r）1（30r/min）1（2把）14321孔径偏差（mm）刀具种类D（型）走刀量C（mm/r）切削速度B（r/min）刀具数量A（把）

因素列试验号号

按设计的试验方案进行试验

严格按试验方案进行试验，将孔径偏差的试验结果填入表格中。0.315123390.050312380.2852313（4把）70.350213260.335132250.2853212（3把）40.3103（II型刀）3（0.47mm/r）3（56r/min）130.1452（I型刀）2（0.7mm/r）2（38r/min）120.3901（常规刀）1（0.6mm/r）1（30r/min）1（2把）14321孔径偏差（mm）刀具种类D（型）走刀量C（mm/r）切削速度B（r/min）刀具数量A（把）

因素列试验号号

试验结果的计算与分析

试验结果的计算与分析主要解决以下三个问题（试验的目的）：◆

分清各因素对试验指标影响的主次顺序；◆找出（确定出）优化生产方案，即确定出采用什么样的因素水平组合才能使试验指标达到最优；◆分析试验因素对试验指标的影响趋势；为进一步试验指明方向。0.315123390.050312380.2852313（4把）70.350213260.335132250.2853212（3把）40.3103（II型刀）3（0.47mm/r）3（56r/min）130.1452（I型刀）2（0.7mm/r）2（38r/min）120.3901（常规刀）1（0.6mm/r）1（30r/min）1（2把）14321孔径偏差（mm）刀具种类D（型）走刀量C（mm/r）切削速度B（r/min）刀具数量A（把）

因素列试验号号■直接分析

由试验数据可以直接看出，在#8号试验（A3B2C1D3）的工艺条件下，镗出来的孔孔径偏差最小（0.05mm）。■计算分析

通过对原始试验数据的简单计算，确定各因素水平的影响程度，最终找出最佳生产条件。

但这种条件是否就是因素水平的最佳搭配呢？在9种方案之外还有没有更好的水平搭配呢？这需要通过进一步的计算、分析得到最佳的生产条件。0.6450.9300.9750.550K3（水平3下的3个偏差之和）0.7800.7450.5300.970K2（水平2下的3个偏差之和）1.0400.7900.9600.845K1（水平1下的3个偏差之和）0.1320.0620.1480.106极差T=2.4650.315123390.050312380.285231370.350213260.335132250.285321240.310333130.145222120.390111114321孔径偏差（mm）刀具种类D（型）走刀量C（mm/r）切削速度B（r/min）刀具数量A（把）

因素列试验号号0.2150.3100.3250.217

（水平3下的偏差平均值）0.2600.2480.1770.323

（水平2下的偏差平均值）0.3470.2630.3200.282

（水平1下的偏差平均值）◆

计算同一水平下的偏差之和（本例中）。◆

计算同一水平下各偏差的平均值（本例中）。◆

计算极差。◆

验算。若T为9次试验的偏差之和，则。◆

画出试验因素与试验指标关系的趋势图（以各因素的水平为横坐标，以相应水平下的为纵坐标；定量因素用实线表示，定性因素用虚线表示）。

根据正交表的综合可比性，由上述计算及趋势图可分析得出以下结论：◆

刀具数量以4把刀（A3）时为最好（还可进一步对刀具更多的情况进行试验）；◆切削速度以38r/min（B2）时为最好；◆走刀量为0.7mm/r（C2）时为最好；◆刀具类型以II型刀（D3）为最好。最佳水平组合：A3B2C2D3

为使孔径偏差最小：■分析主次因素●

按极差计算结果确定主次因素（极差越大，影响越主要）0.1320.0620.1480.106极差0.315123390.050312380.285231370.350213260.335132250.285321240.310333130.145222120.390111114321孔径偏差（mm）刀具种类D（型）走刀量C（mm/r）切削速度B（r/min）刀具数量A（把）

因素列试验号号（主）B→D→A→C

（次）●

观察趋势图确定主次因素（点子升、降的幅度越大，影响越主要）（主）B→D→A→C

（次）■直接分析结果与计算分析结果的比较直接分析的结果：A3B2C1D3计算分析的结果：A3B2C2D3

◆

直接分析的结果反映的是正交表中9次试验中的最优水平搭配，但不一定是所有可能的水平搭配（34=81种）中最优的。◆

为了展望或寻求更好的搭配，可使用计算分析，通过对趋势的观察，可以找出比直接分析结果更好的水平搭配。0.315123390.050312380.2852313（4把）70.350213260.335132250.2853212（3把）40.3103（II型刀）3（0.47mm/r）3（56r/min）130.1452（I型刀）2（0.7mm/r）2（38r/min）120.3901（常规刀）1（0.6mm/r）1（30r/min）1（2把）14321孔径偏差（mm）刀具种类D（型）走刀量C（mm/r）切削速度B（r/min）刀具数量A（把）

因素列试验号号

计算分析的结果有时也可能不如直接分析合理，其主要原因可能是：

◆试验误差过大；

◆存在其它影响因素而未加以考虑；

◆因素水平选取不当。【例5-2】某工厂为了提高产品的转化率，决定进行试验，寻找较好(或最好)的生产工艺条件。根据历史资料，认为影响转化率的因素可能有四个，分别是反应温度（℃）、反应时间（分）、用碱量（㎏）和反应压力（个大气压），依次记为A、B、C和D（设因素之间没有交互作用）。由经验，确定了各因素的三个不同水平，见表5-2。问应如何安排试验？具体的正交试验设计思路及例题答案见教材内容

正交试验例题

技术人员为了改善某种刚才热处理的强度，依据已有技术信息选择的因素极其水平：淬火温度Ａ：A1=840oC,A2=850oC,A3=860oC;回火温度：B1=410oC,B2=430oC,B3=450oC;回火时间：C1=40min,C2=60min,C3=80min;试验结果如下，试考察淬火温度、回火温度、回火时间对钢材强度的影响。

1)、计算并填充表格中的空缺项；

2)、试用极差分析法确定最佳的工艺条件，并把个因素的主次顺序排列出来。正交表安排试验试验号列号1234硬度因素ABCyj123456789840840840850850850860860860123123123410430450430450410450410430406080804060608040190200175165183212196178187正交试验结果分析直观分析：第6组效果最好，指标硬度最高A2B1C2.

淬火温度840℃，回火温度450℃，回火时间60min

正交试验结果分析Ij

IIj

IIIjKIj/

KIIj/

K

IIIj/

K极差5655605613188.333186.6671871.6665515615743183.667187191.3337.6665805525543193.333184184.6679.3335606085183186.667202.667172.66730正交试验结果分析极差分析（最优组合）：因素组合A1B3C1指标硬度最高淬火温度850℃，回火温度410℃，回火时间40min主次因素分析

回火时间>回火温度>淬火温度5.2.2多指标正交试验设计

实际工作中存在着大量的多指标工业试验。在这类试验的设计中，设计与分析较单指标要复杂，各指标之间可能会出现一些矛盾，如何兼顾这些指标呢？多指标试验设计常用的方法主要有两种：

◆综合平衡法

◆综合评分法例：油泵柱塞组合件收口强度稳定性试验■综合平衡法

某厂生产的油泵柱塞组合件是经过机械加工、组合收口、去应力等工序制成的。试验前产品的拉脱力波动较大，且拉脱力与转角两指标往往相互矛盾。本试验的目的是通过对产品结构尺寸的优化来达到提高产品质量的目的。为此，确定三个试验指标：拉脱力（望大）；轴向游隙（望小）；转角（望大）。

例：某厂生产的油泵柱塞组合件是经过机械加工、组合收口、去应力等工序制成的。试验前产品的拉脱力波动较大，且拉脱力与转角两指标往往相互矛盾。本试验的目的是通过对产品结构尺寸的优化来达到提高产品质量的目的。为此，确定三个试验指标：拉脱力（望大）；轴向游隙（望小）；转角（望大）。

●

明确试验目的，确定试验指标◆

拉脱力（，望大）◆

轴向游隙（，望小）◆

转角（，望大）●

确定试验因素，选择因素水平

由实践经验得知，柱塞头的外径D、高度L、倒角以及收口压力p四个因素对试验指标产生主要影响，故考查这四个因素，每个因素取三水平。2.01.0×30°11.714.831.71.5×30°11.815.321.51.0×30°11.615.11收口压力

p（MPa）柱塞头倒角

K×β（mm×°）柱塞头高度L（mm）柱塞头外径D（mm）DCBA

因素水平●

选择正交表，设计表头

本试验属四因素、三水平试验，故选用正交表L9(34)，表头见后。●

根据正交表设计试验方案，进行试验，收集试验数据

为提高试验精度，减小试验误差的影响，对每种水平搭配进行7次重复试验，然后分别取、、的7次平均值作为试验分析的数据。为简化计算，还对原始数据进行了适当的转换。●

对各指标的试验数据分别进行计算（同单指标），并进行直接分析和计算分析

试验方案试验结果因素列号试验号ABCD拉脱力Fi’（N）轴向游隙δi’（mm）转角α’（°）123411(15.1)1(11.5)1(1×50°)1(1.5)-302025.5212(11.8)2(1.5×30°)2(1.7)3648-1.0313(11.7)3(1×30°)3(2.0)62717.542(15.3)123-15.6621.55223151128-10.062312-12526.573(14.8)132-682818.58321391520.5933211956-4.5T=88.5T=390T=94.5说明：

、、分别为各指标7次重复试验结果数据的平均值。拉脱力F’81.5-112442-3339.517834.54060-113.51227.2-3.7814-1113.259.311.513.320-37.84T=94.5T=390T=88.5-4.55619123390.552913123818.528-682313726.525-121326-10.0128511322521.56-15.63212417.527633313-1.048362221225.520-30111114321转角α’（°）轴向游隙δi’（mm）拉脱力Fi’（N）DCBA因素列号试验号试验结果试验方案指标38.223.747.110◆

计算指标拉脱力F’对应于同一因素水平的。◆

计算指标拉脱力F’对应于同一因素水平的。◆

计算指标拉脱力F’对应于同一因素水平的。◆

依次计算指标轴向游隙和转角对应于同一因素水平的、、。转角轴向游隙8518310813610111022815920497549528.3613645.333.736.676536832.31831.739.728.75821.339.52639.514.54416-10.5381152.565.54213.28.713.24.814.75.3-3.512.73.717.521.8141112.225.39.2◆

画出趋势图，按极差大小排出主次因素。（主）B→D→C→A

（次）拉脱力（主）B→D→C→A

（次）轴向游隙（主）B→C→D→A

（次）转角结果：对于拉脱力：（主）

B→D→C→A（次）（主）

B→D→C→A（次）对于轴向游隙：（主）

B→C→D→A（次）对于转角：

由于转角对应于因素C、D的极差相差不大，故综合考虑将二者的次序调换，将影响整个组件三个指标的主次顺序认定为（主）B→D→C→A

（次）◆

初选最优生产条件。

按、、（或、、）及趋势图确定出各因素水平的最优组合.对于拉脱力

：（望大）A3B2C1D3A1B1C1D3对于轴向游隙：（望小）对于转角：（望大）A1B1C1D2◆

综合平衡，选取最优生产条件。

A3B2C1D3A1B1C1D3A1B1C1D2因素C：因素B：因素D：因素A：

对三个指标来说均是C1最好，故选C1；

对三个指标来说B均为主要因素（极差最大），一般情况下倾向于选B1，但因F是该部件的主要参数，故实际选用B2；

对转角来说，D是较次要因素，故D2将改选为D3，综合平衡后选D3；

对三个指标来说A皆为次要因素，按多数倾向选取A1。综上所述，试验后确定出如下的优化生产条件：A1B2C1D3柱塞头上口外径

柱塞头高度柱塞头上口倒角收口压力■综合评分法

对多指标一一进行测试后，按照具体情况确定评分标准，对这些指标进行综合评分，将多指标问题转化为单指标问题，进而得到多指标试验的结论。综合评分方法主要有：●

排队综合评分法●加权综合评分法●公式综合评分法5.1质量功能展开QFD5.1.1QFD定义

质量功能展开(QualityFunctionDeployment,QFD)，也有国内的专家译为“质量机能展开”、“质量功能展开”等。它是一种立足于在产品开发过程中最大限度地满足顾客需求的系统化、用户驱动式的质量保证方法。了解顾客要求策划成产品产品满足顾客要求QFD5.2.1QFD定义5.2质量功能展开QFDQFD能够有效地将顾客的需求和主张（“顾客的声音”）转化为产品的设计要求，最终生产出高质量的产品。5.2.2QFD的产生与发展产生：QFD于60年代初起源于日本，进入80年代以后逐步得到欧美各发达国家的重视并得到广泛应用。实例：

1、1966年，日本三菱重工株式会社的神户造船厂针对产品的可靠性提出了质量屋的雏形，随后日本质量专家水野滋提出了狭义的质量功能展开。

2、1978年，水野滋和赤尾洋二的《质量机能展开》出版，从全公司质量管理（CWQC）的角度介绍了质量功能展开及其应用的27个步骤。3、1988年，QFD经过10年推广应用，从制造业发展到建筑业、医院、软件生产、服务业。在总结各行业企业应用QFD经验的基础上，出版发行了由赤尾洋二教授编写的《灵活应用质量展开的实践》。

丰田公司于70年代采用了QFD以后，取得了巨大的经济效益，其新产品:QFD的在日本开发成本下降了61%，开发周期缩短了1/3，产品质量也得到了相应的改进。前倒型和后倾型投放市场设计更改件数时间SullivanL.P.美国日本90%IfJapaneseCan,WhyWeNot?世界上著名的公司如:

福特公司、通用汽车公司、克莱斯勒公司、惠普公司、麦道公司、施乐公司、电报电话公司、都相继采用了QFD。应用领域：从QFD的产生到现在二十年来，其应用已涉及汽车、家用电器、服装、集成电路、合成橡胶、建筑设备、农业机械、船舶、自动购货系统、软件开发、教育、医疗等各个领域。开发周期30—60%成本20—40%设计更改变动次数40—60%5.2.3QFD的基本原理实施QFD的关键是将顾客需求分解到产品形成的各个过程，将顾客需求转换成产品开发过程具体的技术要求和质量控制要求。通过对这些技术和质量控制要求的实现来满足顾客的需求。

QFD瀑布式分解模型产品计划零件配置工艺计划工艺/质量计划技术要求零件特性工艺步骤工艺/质量控制参数用户需求转换严格地说，QFD只是一种思想，一种产品开发管理和质量保证的方法论。对于如何将顾客需求一步一步地分解和配置到产品开发的各个过程中，还没有固定的模式和分解模型，可以根据不同目的按照不同路线、模式和分解模型进行分解和配置。产品规划矩阵顾客需求产品技术需求零件规划矩阵产品技术需求关键零件特性工艺规划矩阵关键零件特性关键工序工艺/质量控制矩阵关键工序关键工艺/质量控制参数QFD瀑布式分解模型按顾客需求（分解为5个质量屋矩阵）→技术需求(重要、困难和新的性能技术要求）→子系统/零部件特性(重要、困难和新的子系统/零部件技术要求)→制造过程需求(重要、困难和新的制造过程技术要求)→统计过程控制(重要、困难和新的过程控制参数)。

QFD瀑布式分解模型顾客需求是QFD最基本的输入。顾客需求的获取是QFD实施中最关键也是最困难的工作。要通过各种先进的方法、手段和渠道搜集、分析和整理顾客的各种需求，并采用数学的方式加以描述。QFD瀑布式分解模型（1）确定顾客的需求由市场研究人员选择合理的顾客对象，利用各种方法和手段，通过市场调查，全面收集顾客对产品的种种需求，然后将其总结、整理并分类，得到正确、全面的顾客需求以及各种需求的权重(相对重要程度)。在确定顾客需求时应避免主观想象，注意全面性和真实性。QFD瀑布式分解模型（2）产品规划产品规划矩阵的构造在QFD中非常重要，满足顾客需求的第一步是尽可能准确地将顾客需求转换成为通过制造能满足这些需求的物理特性。产品规划的主要任务是将顾客需求转换成设计用的技术特性。并根据顾客需求的竞争性评估和技术需求的竞争性评估，确定各个技术需求的目标值。QFD瀑布式分解模型（3）产品设计方案确定依据上一步所确定的产品技术需求目标值，进行产品的概念设计和初步设计，并优选出一个最佳的产品整体设计方案。这些工作主要由产品设计部门及其工作人员负责，产品生命周期中其它各环节、各部门的人员共同参与，协同工作。QFD瀑布式分解模型（4）零件规划基于优选出的产品整体设计方案，并按照在产品规划矩阵所确定的产品技术需求，确定对产品整体组成有重要影响的关键部件/子系统及零件的特性，利用失效模型及效应分析(FMEA)、故障树分析(FTA)等方法对产品可能存在的故障及质量问题进行分析，以便采取预防措施。QFD瀑布式分解模型（5）零件设计及工艺过程设计根据零件规划中所确定的关键零件的特性及已完成的产品初步设计结果等，进行产品的详细设计，完成产品各部件/子系统及零件的设计工作，选择好工艺实施方案，完成产品工艺过程设计，包括制造工艺和装配工艺。QFD瀑布式分解模型（6）工艺规划通过工艺规划矩阵，确定为保证实现关键产品特征和零部件特征所必须给以保证的关键工艺步骤及其特征，即从产品及其零部件的全部工序中选择和确定出对实现零部件特征具有重要作用或影响的关键工序，确定其关键程度。QFD瀑布式分解模型（7）工艺/质量控制通过工艺/质量控制矩阵，将关键零件特性所对应的关键工序及工艺参数转换为具体的工艺/质量控制方法，包括控制参数、控制点、样本容量及检验方法等。QFD瀑布式分解模型5.2.4质量屋质量屋(HouseofQuality,HOQ)的概念是由美国学者J.R.Hauser和DonClausing在1988年提出的。质量屋为将顾客需求转换为产品技术需求以及进一步将产品技术需求转换为关键零件特性、将关键零件特性转换为关键工艺步骤和将关键工艺步骤转换为关键工艺/质量控制参数等QFD的一系列瀑布式的分解提供一个基本工具。质量屋（HOQ）连接着顾客需求（VoiceofCustomer）和技术需求（VoiceofEngineer）的交汇点。

质量屋的概念及结构

关系矩阵屋顶顾客需求技术评估竞争分析技术特性关系矩阵质量策划质量特性要求质量设计质量相关矩阵质量屋的结构（HOQ）QFD质量屋的构成一级质量屋举例质量屋的绘制过程质量设计与其它公司比较设计质量质量特性重要度重要度与其它公司比较策划质量水平提高率要求质量重要度质量策划市场调查抽出质量要求变换要求质量抽出质量要素质量特性首先，建立QFD跨职能小组，5-6人较好直接向用户了解问卷调查访谈研究利用公司内的信息用户意见或投诉企业内信息行业信息第一步：市场调查第二步：绘制要求质量展开表一次水平二次水平用亲和图归纳

A、抽出质量要素（技术特性）

B、利用亲和图对质量要素进行分类

C、绘制质量要素展开表第三步：制作质量要素展开表第四步：构造要求质量与质量要素的关系矩阵

质量要素展开表要求质量展开表形状尺寸重量耐久性点火性操作性外观设计性话题性要求质量重要度能可靠地点着

容易使用

可安心携带

△

可长期使用

△外观设计好

爱不释手△△

质量要素重要度

5

3△1确定“要求质量”的重要度；开展Benchmarking，对本公司各项要求质量满足程度进行设定；求得水平提高率和卖点（salespoint）;计算绝对重要度和相对重要度。第五步：进行质量策划要求质量的重要度计算质量要素展开表要求质量展开表形状尺寸重量耐久性点火性操作性外观设计性话题性质量策划重要度水平比较策划重要度本公司X公司Y公司策划质量水平提高率卖点绝对重要度要求质量重要度能可靠地点着

545351.2617.1容易使用

534351.61.51234.2可安心携带

△

444441.0411.4可长期使用

△333331.038.5外观设计好

434241.31.26.217.7爱不释手△△

334341.33.911.1质量要素重要度第六步：用独立配点法求得质量要素重要度

质量要素展开表要求质量展开表形状尺寸重量耐久性点火性操作性外观设计性话题性要求质量重要度能可靠地点着/51.3/85.5/51.317.1容易使用/171.0/171.0/102.634.2可安心携带/34.2△/11.4/57.0/34.211.4可长期使用/42.5/25.5/25.5△/8.58.5外观设计好/53.1/53.1/88.5/53.117.7爱不释手△/11.1△/11.1/33.3/55.511.1质量要素重要度258.3235.5161.9145.2190.5130.3108.6包含了市场竞争的重要度！独立配点法该方法先将“要求质量”重要度与◎、○、△的值(经常用的值是◎5、○3、△1，也用4：2：1和3：2：1)相乘，然后，纵向将这些值相加，得出质量要素重要度。

质量要素展开表要求质量展开表形状尺寸重量耐久性点火性操作性外观设计性话题性质量策划重要度水平比较策划重要度本公司X公司Y公司策划质量水平提高率卖点绝对重要度要求质量重要度能可靠地点着/51.3/85.5/51.3545351.2617.1容易使用/171.0/171.0/102.6534351.61.51234.2可安心携带/34.2△/11.4/57.0/34.2444441.0411.4可长期使用/42.5/25.5/25.5△/8.5333331.038.5外观设计好/53.1/53.1/88.5/53.1434241.31.26.217.7爱不释手△/11.1△/11.1/33.3/55.5334341.33.911.1质量要素重要度258.3235.5161.9145.2190.5130.3108.6水平比较本公司7214其他公司X7318Y8221Z739设计质量8530第七步：设计质量确定，质量屋形成计划质量权重Wi计划质量重要度Wai重要度Ii销售点Si改进比例Ri目标T本企业U…企业A零件特性np…零件特性4零件特性3零件特性2零件特性1屋顶…顾客需求4顾客需求3顾客需求2…r11顾客需求1顾客需求Ci企业Br12r13r14r21r22r23r24r2npr1npr31r41rnc1

……………………顾客需求ncrnc2rnc3

rnc4rnc

np

r32r33r34r3npr4npr42r43r44市场评价计划质量要求质量重要度Ii改进比例（水平提高率）Ri=改进目标Ti/本企业现状Ui计划质量重要度Wai=改进比例Ri×重要度Ii×重点分Si

计划质量权重Wi=(Wai/∑Wai)×100%i表示顾客需求的编号。技术需求的重要程度按下面两式计算：技术需求重要度Taj的绝对值=∑rij·Ii

技术需求重要度Taj

的相对值=(Taj/∑Taj)×100%

其中i表示顾客需求的编号，j表示技术需求的编号，rij是关系矩阵值，Ii

是顾客需求的权重。经过调整的技术需求重要度（包含市场竞争力的重要度）：技术需求重要度Taj的绝对值=∑rij·Wi

技术需求重要度Taj的相对值=(Taj/∑Taj)×100%

注：Wi为计划质量权重5.2.4QFD的应用案例（减速箱研制过程）

减速箱是机械传动中很常用的一种装置，它的质量可以影响到整个设备的工作情况。下面以减速箱为例，说明QFD在其设计质量控制中的应用。顾客需求经过调查、分析和整理后减速箱顾客需求如图所示。4功能要求经济性可靠性9结构性能价格外形尺寸小承载能力大密封性好速度变化小振动噪声低价格适中传动效率高维修方便安全可靠使用寿命长效率无故障性耐用性维修性55686987维修性产品规划矩阵零件规划矩阵工艺规划矩阵关键工艺步骤关键工艺参数控制点控制方法样本容量检验方法质量控制规划矩阵样表

导入该方法要得到企业高层领导的高度重视和支持和相关部门的参与。然后分别按照质量要求的调查、转换、落实的顺序，由市场营销、开发设计、工艺、制造、品管、服务等部门人员，组成动态的跨职能小组；小组人数5-6人为好，始终要有一个归口管理部门。不能满足于现状，而要根据用户需求、新技术的变化，不断改进展开表，为不断策划出新产品提供可靠的依据。

与IPD、CE（并行工程）、FMEA、VE（价值工程）等各种方法整合

难点：过于繁琐，考验耐性QFD的导入5.3.2田口质量策略5.3.1田口质量的基本观点5.3.3质量损失函数5.3田口方法5.3田口方法

田口质量保证体系的理论基础是田口质量观、质量损失函数、信噪比和正交试验设计法。田口将产品质量控制分为线内质量控制和线外质量控制。线外质量控制就是采用三次设计法对产品进行质量设计。线内质量控制侧重于制造过程中对产品质量进行控制。田口质量保证体系田口质量观、质量损失函数、信噪比、正交试验设计法系统设计容差设计参数设计线外质量控制线内质量控制工序诊断与调整预测与校正检验与处理

在田口的理论体系中，核心是他提出的新质量观，这种质量观的特点是将质量与经济性紧密地联系在一起，这种联系用质量损失函数来表示。所以，质量损失函数是田口质量理论的一个重要内容。

三次设计理论是田口于20世纪70年代创立的一种系统化设计方法，其核心思想是在产品设计阶段就进行质量控制，试图用最低的制造成本生产出满足顾客要求的、对社会造成损失最小的产品。与传统的产品设计概念不同，田口将产品的设计过程分成三个阶段，即系统设计、参数设计、容差设计。三次设计的重点在参数设计（国外称为稳健设计或鲁棒设计，RobustDesign）。5.3.1输出质量特性1.输出特性和原因特性2.计量特性和计数特性3.静态特性和动态特性4.望目特性、望大特性和望小特性5.3.2田口质量的基本观点质量在最初即被设计到产品中的，而不是靠检验和审查出来的质量是通过最大限度地减少对目标值的偏离，得到的最佳值，而不是对规格进一步确证的失败值质量并非基于产品的外观特征或特性质量成本可用作为产品特征变化以及测算全系统损失的一种功能来加以测量5.3.3田口质量策略减少产品质量变异的方式使产品质量特性的均值尽可能达到目标值(减少目标值偏离）使由于各种干扰因素引起的功能特性波动的方差尽可能（减少产品间的变异）5.3.3田口质量策略减少目标值偏离的方法（1）通过产品的概念设计，改变输入输出之间的关系，使其功能特性尽可能接近目标值。（2）通过参数设计调整设计变量的名义值，使输出均值达到目标值。5.3.3田口质量策略减少产品间的变异的方法（1）通过减少参数名义值的偏差，从而可以缩小输出特性的方差。但是减小参数的容差需要采用高性能的材料或者高精度的加工方法，这就意味着要提高产品的成本。（2）利用非线性效应，通过合理的选择参数在非线性曲线上的工作点或中心值，可以使质量特性值的波动缩小。5.3.4质量损失函数传统设计思维上，工程师通常利用规范来衡量产品质量的好坏，这种传统的解释是：落在允许的范围内的部件都是好的，而落在允许范围之外的部件都是坏的,如图a所示。高0高0变异给社会增加的成本变异给社会增加的成本规范规范规范下界目标上界

a规范规范规范下界目标上界

b5.3.4质量损失函数高0高0变异给社会增加的成本变异给社会增加的成本规范规范规范下界目标上界

a规范规范规范下界目标上界

b田口博士认为质量就是产品上市后给予社会的损失。这种损失指产品出售后的成本，即产品销售给用户后由于产品质量的损失（质量特性偏离目标值）所需的费用。即使输出特性在用户要求的公差范围内，其输出特性的波动仍可给用户造成损失，离目标值越远，损失越大，如图b。5.3.4质量损失函数（结论）质量损失函数为其中是不依赖于y的常数，称为质量损失系数。若把产品不能正常发挥其功能的极限偏差记为，把偏差为时的损失记为，则上式中的k值可求解。

田口认为，产品质量就是产品给社会带来的损失。损失越大，质量越差。为定量描述质量的高低，田口提出用质量损失函数计算质量波动损失。

设产品质量特性的目标值为m0，质量特性值为y时的质量波动损失为L(y)，则有（y=m0时视为无质量波动损失）（y=m0时L(y)取得极小值）将L(y)在y=m0处按泰勒级数展开，得5.3.4质量损失函数（过程）忽略上式中二次以上的微分项并注意到，得式中为一常数。若把产品不能正常发挥其功能的极限偏差记为Δ0，把偏差为Δ0时的损失记为A0，则上式中的k值可求解如下:

k=A0/Δ02△0——单侧极限允许偏差；

A0——超出极限允许偏差时的经济损失。L(y)ymmmmmAA0

设产品质量特性的容差范围为，特性值达到允许的极限值或时带来的损失为A，则因此工厂在制造产品时，产品容差（公差的一半）一般应比较小。当产品质量特性值的偏差大于容差时，产品就是不合格品。如把因产品不合格而给企业带来的损失记为A，代入损失函数可得故：可见，容差设计是在决定了最佳参数组合的中心值后，根据质量损失函数，在综合平衡用户与制造厂质量费用的情况下，选定合理的公差范围

例：某电视机电源电路的直流输出电压y的目标值m=110V，功能界限=25V，丧失功能的损失A0=300元，不合格时的返修费A=1元，求损失函数中的系数K和容差。若某产品的直流输出电压y=112V，此产品该不该投放市场。

◆

的计算

表示质量特性值偏离目标值的程度，因此可用特性值的方差来表示。这样，质量损失函数可表示为大批量生产：单件小批量生产：

■示例

日本国内SONY公司和美国加州圣地亚哥SONY公司生产同一型号的SONY彩电，两家使用相同的图纸，其中色彩均匀度的设计目标值均为。70年代后期，经过比较和市场调查后发现，美国生产的产品不如日本生产的产品受欢迎。【分析】美国的质量管理理念：产品的特性值落在公差范围内的就是合格品。日本的质量管理理念：产品的特性值越接近目标值越好（给用户带来的损失越小）。

在上述管理理念指导下，美国在生产过程中的质量控制使产品特性值均匀地分布在范围内，几乎没有废品（看似很严格），产品全部流入市场；日本则是通过设计阶段的三次设计法和生产过程中的质量控制，使产品特性值按正态分布在以m0为中心的范围内，即有0.27%的废品率，厂家有一定的损失。●

产品质量特性的标准差（方差的平方根）（均匀分布）（正态分布）

由可知，在其他条件相同的情况下，日本产品因质量特性值的波动给社会、工厂、用户带来的损失仅为美国的1/3。

此外，日本产品较多地集中在m0附近，因此A级品较多，产品使用一段时间后，质量特性值会进一步偏离目标值m0，但日本的大部分产品只是从A级品变成B级品，美国却有较多的C级品变成D级品（废品），从用户的角度自然喜欢购买日本的产品了。●

过程能力指数CP

可见，日本的工艺能力可以得到保障，而美国的工艺能力却严重不足。【结论】◆

符合公差要求的产品不一定是用户喜欢的产品，重要的是看产品质量特性值接近目标值的程度（在一定程度上取决于分布）以及特征值的波动程度。◆质量特性值超出公差范围会给工厂、用户带来损失，不超出也会带来损失。◆在产品的设计阶段使用三次设计法，可以较好地解决上述问题。5.4产品三次设计第一次设计——系统设计(或功能设计)第二次设计——参数设计(或质量最优化设计)第三次设计——容差设计(质量损失函数法)核心思想：在产品设计阶段进行质量控制，用最低的成本生产出满足客户要求的、对社会造成损失最小的产品。三次设计理论是由日本著名质量管理专家田口玄一博士20世纪70年代提出的一种系统优化设计方法。5.4产品三次设计质量是设计出来的，而不是制造出来的。只有在设计源头上进行治理，才是最有效和最经济的质量控制方法。这也是三次设计的意义所在。返修产品质量生产控制工艺设计产品设计被动

主动质量杠杆

三次设计是实现低成本、高质量的有效方法。传统的设计思想认为：只有用质量最好的原材料（零部件），才能组装成质量最好的整机；只有最严格的工艺条件才能制造出质量最好的产品。总之，材料、元器件质量特性越好，可靠性就越高。在国际市场上占有最大份额的日本电气产品以及美国三大汽车公司等都是在这种设计概念下取得了最好的技术经济效果，在放宽工艺要求，降低制造成本的条件下制造出高品质的产品。5.4产品三次设计

据资料介绍，日本数百家公司每年应用田口方法完成10万项左右的实例项目研究，在不增加成本的情况下，大大提高了产品设计和制造质量。田口的参数设计方法被日本人作为日本产品打入国际市场并畅销不衰的奥妙之一；是日本经济腾飞的秘诀和成功之道。

信噪比SN（SignaltoNoiseRatio）的概念来自于通讯等电子技术领域，用来表示有用信号的功率相对于无用噪声信号功率的相对大小，其定义为——倍数——分贝数，dB（常用）或5.4.1试验设计中的SN比1957年，田口将信噪比（SN比）的概念引入试验设计技术中，用SN比描述产品质量特性的波动程度，在系统或产品的开发设计、测试误差分析、动态特性评价、工艺设计中的稳定性设计等工作中取得了非常显著的实效，现已成为现代试验设计的重要基础。5.4.1试验设计中的SN比在测量技术中，用相对测量误差表示测量精度比用绝对误差更为合理。类似地，在评价质量特性值的波动时，用相对波动比用绝对波动也更为合理。质量特性值的绝对波动用其方差或误差的偏差平方和表示，相对波动则用数理统计中的变异系数CV表示（对于非负特性值，如尺寸、重量、强度、输出电压等），其定义为——质量特性值及其估计值（样本均值）；——质量特性值的标准差及其估计值。变异系数CV越小，表示质量特性相对波动越小，产品的质量越好。在质量工程中，习惯采用CV的倒数来表达相同的意义，即显然，这一结果越大，相对质量波动越小，产品的质量越好。为了与相对应，同时考虑目标值m可能有正有负，田口对传统的信噪比进行了引申，将信噪比定义为显然，二者越大，相对质量波动越小，产品的质量越稳定。因此，提高产品质量与提高产品的SN比是一致的。实际常用（dB）（dB）试验设计中SN比的含义：质量特性值平均值的平方与误差方差的比值。实际计算SN比时，由于及是未知的，因此常用它们的估计值及。估计方法如下：令则因此SN比可表示成或说明：上述定义仅适用于望目特性指标质量的评价，对于望大、望小特性指标，田口对SN比进行了修正。下面将这三类特性指标的信噪比归纳如下（推导略）。●望目特性（希望越小越好，越接近指定的目标值越好）●望小特性（对于和，都是希望越小越好）●望大特性（希望越大越好，同时越小越好）此时，通常是先按望小特性的方法估计出，然后将特性值y取倒数估计y的倒数的，即可按望小特性值进行处理。系统设计参数设计容差设计⊙运用专业的科学和工程技术⊙初步选定部件或材料⊙确定出输出质量特性及类型⊙确定影响因素的公差范围⊙选择可控因素最佳水平组合⊙运用试验设计等优化方法⊙找出目标值⊙不增加成本条件下使系统对波动不敏感⊙在质量和成本间权衡⊙利用质量损失函数优化⊙在一定的成本增加前提下求得进一步改进质量用户需求稳健产品5.4.2设计质量的形成过程例：潜水泵定子线圈浸漆工艺参数的试验设计本试验的日的是通过对QY2.2kW潜水泵定子线圈浸漆烘干工艺的试验研究，寻找烘干工艺最佳工艺参数搭配。试验的指标是绝缘电阻值达到稳定值时油漆烘干所需的时间（越短越好）。选择烘干温度A和油漆粘度B两个因素的不同水平组合进行试验。■试验方案设计25″128℃218″135℃1B油漆粘度A烘干温度因素水平因素水平表除因素A、B外，还要考虑交互作用A×B对试验指标的影响。本试验为2因素2水平试验，选用正交表L4(23)安排试验。为提高试验精度（同时也为了计算信噪比），每号试验进行了四次重复试验。60353535122460151515212（128℃）310055522（25″）1240001511（18″）1（135℃）1

y4[注]y3y2y1321烘干时间（yi

-180）（min）A×BBA因素列试验号号[注]：y4为电阻自动测量仪测得的数据。■试验结果的计算分析

本试验的试验指标是油漆烘干时间（min），要求它越小越好，属望小特性值，可采用下式计算各号信噪比：

●计算各号试验的SN比60353535122460151515212（128℃）310055522（25″）1240001511（18″）1（135℃）1

y4[注]y3y2y1321烘干时间（yi

-180）（min）A×BBA因素列试验号号第1号试验的SN比用同样的方法计算出2~4号试验的，见下表。-32.601818.7572751224-30.291068.754275212（128℃）3-34.012518.751007522（25″）12-26.59456.25182511（18″）1（135℃）1321（dB）A×BBA因素列号试验号●进行方差分析对于使用SN比的正交试验，用SN比作为试验指标进行相应的数据处理，其计算、处理方法与一般正交试验相同。计算结束后，列出方差分析表，进行因素的显著性检验。-64.30-66.61-62.89-59.19-56.88-60.606.5323.671.31-32.601818.7572751224-30.291068.754275212（128℃）3-34.012518.751007522（25″）12-26.59456.25182511（18″）1（135℃）1321（dB）A×BBA因素列号试验号331.51T3.9227.841.676.5316.53A×B[*]6.0423.67123.67B0.331.3111.31A显著性F

值方差V自由度

f偏差平方和S

方差来源方差分析表●确定最佳工艺参数由方差分析表可以看出，油漆粘度B对试验结果有影响。由于本试验是初步摸索合理的浸漆烘干工艺，而这种试验一般来说试验误差都较大。因此可以认为油漆粘度B对试验结果有显著影响。因素A（烘干温度）及交互作用A×B对试验指标均无明显影响，合并为误差项e’。因素的最佳组合可以通过效应估计得到，如下：◆总平均的估计值◆因素A、B在水平1、2下的效应的估计值类似地，可计算出选取SN比较大的水平作为工艺参数，最后确定A1B1（烘干温度135℃，油漆粘度为18″）为最佳工艺参数。●最佳水平组合条件下试验指标估计值及其波动范围的估计由于只有因素B显著，因此可忽略A及A×B的效应，试验指标的估计值近似估计出显著度时，试验指标的估计值的波动半径