某公司过程控制管理实务讲义(ppt 36页).ppt

1、1.过程控制、管理和实际服务。讲师：罗勇，2002，DBG继电器车间洪光公司班组长培训，2。1.过程控制和管理，即所谓的过程，是对资源的利用，是一组将输入转化为输出的相互关联或相互作用的活动。每个组织一般都有市场研究过程、产品设计和开发过程、生产过程、培训过程、产品交付过程等。由于过程涉及面广，结合洪光公司的实际操作，本讲义主要讲述基层管理/技术人员在大型连续生产工厂的现场生产过程中，遇到的一些常见问题以及如何尽可能处理这些问题的一些基本理论和方法。大型连续生产工厂的现场生产过程控制和管理。(1)现场生产过程控制和管理的目的是制造产品和质量。现场生产过程控制和管理的唯一目的是运用科学合理的方法

2、对现场生产过程进行监控，使成品质量在整个过程中处于稳定的受控状态，或及时发现异常并不断改进，从而合理利用资源，实现高效低耗，稳定生产，产生顾客满意，3，(2)现场生产过程控制管理的内容。 一是全过程质量管理，控制现场生产各环节的质量，及时发现变化，及时采取应急对策； 1.全过程质量管理的基本理论。任何组织、任何过程生产的一批产品的质量特征都不是绝对差的，但它们之间存在差异，这就是所谓的整体分散。自然，希望色散幅度越小越好。要解决这个问题，我们首先需要掌握产品质量的分布。因此，测量一定数量的产品质量特征值，然后根据大小的顺序对特征值进行分级(即分组)，并对每个级别中的数据数量进行计数，以制作频率

3、直方图。如果产品的数量不断增加，级间的距离变得越来越窄，质量分布曲线在极限情况下。可以看出，分布曲线比直方图更接近实际质量状态。从分布曲线可以看出，在中心附近有许多特征值出现，中心值大致等于所有测量值的平均值。这是频率分布的向心本质。特征值分散差小、向心分布强意味着分布曲线具有高峰和陡坡，特征值分散差大、向心分布弱，即分布曲线具有低峰和缓坡。(见图1)图1是左右对称的钟形曲线。标准化生产条件稳定状态下生产的产品质量分布基本正常。表示分布的中心，可以使用平均值或中值(也称为中值)。范围和标准偏差用于表示离差。平均值x是测量值的算术平均值，范围r是最大和最小测量值之间的差值，标准偏差s和s是样品的

4、标准；平均人口分布的标准偏差)是均方根偏差。这里有必要解释一下中间值。中值是这样一个位置的测量值，当测量值按顺序排列时，中值是中心的测量值。中间数是X.当测量值个数为奇数时，中间值为中间值，但当个数为偶数时，中间有两个测量值，它们的算术平均值应作为中间值。当然，当有奇数个测量值时，不需要计算中间值x，但是当有偶数个测量值时，可以从图表中获得。因此，现场经理喜欢使用中间值X.2。散兵游勇的原因和生产现状优秀的射手在靶心附近射箭，而差的射手则散兵游勇。在任何情况下，靶心总是箭的落点的分布中心，但不同的是，好的射手有一个小的分散偶然原因对离差的影响遵循偶然规律(即基于概率的统计规律)，因此离差的分布

5、状态可以用概率来预测。在拉弓的过程中，如果风从某个方向吹来，无论射手是好是坏，射出的箭总是偏离某个方向，这就使得箭的分布中心偏离了目标中心。当然，有经验的人很快就会发现，并能采取逆风措施消除异常。风引起的偏差是不可避免的。这种异常现象可以通过努力逐渐消除并恢复正常。影响分散的原因称为异常原因，或可避免的原因(也称为系统原因)。异常原因是不稳定和不规则的，但可以被发现和克服。对于工业生产来说，这两个原因也影响着产品质量，如原材料性能的细微差别，设备的轻微转动、滚动、滑动和冲击部件的正常磨损，夹具的轻微松动，工人技术操作的细微变化等。所有这些都是偶然的原因；原材料混有不同的规格和材料，旋转、滚动、

6、滑动和冲击部件磨损过度，夹具严重松动，设备夹具安装和调整不准确，加工基准尺寸误差都是异常原因。应该指出的是，随着科学技术的发展和人们认识的提高，过去的偶然原因将来可能会转化为异常原因。无论哪种产品都是在偶然原因的影响下生产出来的，产品质量特征的分布总是一个固定的形状，这可以通过理论和经验来证明。5、对于在稳定生产条件下生产的无异常原因的产品，可以概率性地预测其产品质量分布(一批产品或整个过程)。这种生产状态称为稳定状态或统计管理状态，简称管理状态。管理图的功能是判断生产是否处于管理之下。生产处于稳定状态，产品质量离差最小，质量可以放心，简单的抽样检验就可以交货。质量管理的目标是保持过程生产处于

7、稳定状态。只要稳定状态下的母公司分布在用户指定的标准限值内，生产就应保持正常。如果母公司分布偏离指定位置，则有异常原因。如果此时未发现并消除异常原因，生产的产品将会出现不合格产品。如果矩阵分布的离差太大，超过标准限值的也是不合格产品。在这两种情况下，生产条件都需要改善。使得分配中心移动到正常位置或者色散幅度减小到符合标准。当改变生产条件仍不能满足标准要求时，恐怕我们应该考虑改变标准限值。注：标准限值是产品质量特征值的允许范围。例如，轴直径为1000.1毫米，这是从两侧给出的标准极限；烧碱纯度在96%以上，这是从一个方面给出的标准限值。机械零尺寸特性。标准限值是公差。3.正态分布的性质当生产条件

8、(通过标准化)仅受偶然原因影响时，产品矩阵的质量特征分布为下分布曲线，其数学表达式如下：其中，f:测量值的频率：矩阵的平均值：矩阵的标准差e:自然对数基数，该值等于2.71828。根据上述公式得到的理论正态分布曲线，其下半部分向两边无限延伸，而实际质量特征却很常见。然而，这一有限范围内的频率分布形状与理论正常电力线非常相似，因此理论处理方法在实际应用中不受阻碍。根据统计理论，它具有以下性质：产品质量测量值大于1倍标准差(1)的概率(概率)为31.7%；偏离平均值2倍以上标准偏差(2)的概率为4.55%；偏离平均值3倍以上的概率如果或同时，可以断定生产条件由于异常原因发生了变化。4.矩阵与样品的

9、关系只要矩阵(过程或批次)分布保持不变，就意味着生产状态稳定，生产可以顺利进行。我们如何知道矩阵分布？如果你能一个接一个地测试组成矩阵的所有产品，你无疑能知道状态，但不可能消费和破坏产品；即使产品没有损坏，由于经济原因，也不能逐个测试。唯一的方法是从矩阵中抽取一些产品(样品)进行测试，然后根据统计推理判断矩阵的分布状态，从正态分布的矩阵中随机抽取样品，测试其质量特性，计算样品测量值的平均值为X。如果重复取样、测试和平均，这些样品的平均值X的分布仍然是正态分布， 其理论上已知与母体具有以下关系：X n 2X=2，其中：母体的平均值：母体的标准偏差n:样本的大小(每次取样的产品数量)X:样本平均值

10、分布的标准偏差X:每个样本的平均值是总平均值，也就是说，通过研究样本平均值的分布，我们可以推断出母体、7的分布。 只要过程生产处于稳定状态，从中提取的样品的平均值出现在(X 3)中的概率也是99.73%。如果规定每次样本的平均值出现在()区间之外，就认为生产状态发生了变化，那么我们就可以判断错误发生的可能性为1000次。对于工业产品的质量管理，这0.27%的误判(即风险率)可以忽略不计。这时，管理图的想法就产生了。在坐标纸上，纵轴作为样品的平均值x，横轴作为样品的序列号(通常，样品是按照时间顺序采集的)。在样品平均值(X)的平均值X处画一条平行于水平轴的中心线，然后在X上下3 X的距离处画两条

11、边界线。从生产过程中每隔一定时间取样品，计算平均值X，并画出坐标点(以下简称打点)，得到的坐标图即为管理图。如果超过极限线，则认为异常原因破坏了稳定状态，应立即查找原因并采取对策，使生产状态恢复正常。5 .3管理图综上所述，在稳定状态下生产的产品只受偶然原因的影响，是一个固定的正态分布。根据正态分布的性质，产品特征值出现在3个界限之外的比例很小，约为1000次的3倍(即0.27%)。如果忽略这三次，也就是说，正态分布母公司的所有产品特征值都分布在3个极限以内，那么当一些特征值出现在3个极限以外时，我们就可以判断出有使生产状态发生变化的异常原因(即分布状态发生变化)。这样，1000次中有3次，正

12、常的稳定状态可能被误判为异常状态。将正常判断为异常的错误被称为第一种错误。根据错误的判断来修改生产条件，结果是徒劳的，所以也叫徒劳的错误。人们不禁要问：为了减少第一个错误，比如把界限从3扩大到4，把风险率判断为0.006%是不是错了？也就是说，大约十万分之六。然而，这种边界的扩大增加了错过异常变化的机会。从图14中可以看出，属于其他分布的产品进入极限的比率增加。这将使它成为正常状态而不是正常状态，也就是说，犯第二种错误。换句话说，出现在边界内的产品实际上可能属于其他出版物。界限越扩大，犯第二种错误就越危险。孤立地看，任何错误都是可以避免的。但是不可能避免这两种错误。减少第一种类型(增加极限)，

13、就会增加第二种类型的误差；反之亦然。因此，问题在于如何将t也就是说，由于产品出现在边界之外而采取措施所造成的损失(第一种错误损失)，以及由于产品在边界之内而没有判断母异常并采取措施所造成的损失(第二种错误损失)，其中两种损失之和最小，是管理边界线所在的位置。8，管理限制为3，这在实践中被广泛使用。总的来说，它将把两种错误造成的损失降到最低。如果没有特殊的经济原因选择3个限额以外的管理限额，最好采用3个限额。3管理图，以平均值为中心，在顶部和底部画出3个宽度的管理界限。中心线称为中心线，上层管理边界称为上层管理边界线(UCL)，下层管理边界称为下层管理边界线(LCL)，这三条线统称为管理线。根据

14、样本的平均值在管理图上画点。如果该点超出管理限值，则可以判断发生了异常原因，如果该点在管理限值内，则可以判断为稳定状态。这样，可以最经济地监测生产条件的变化。管理图是质量管理中最常用的方法，因为它对监督生产和发现异常有很大的作用。6.管理图的类型根据不同的统计分布类型，即管理边界线的绘制方法，管理图主要有七种类型。这七种可分为两类，即测量值管理图和计数值管理图。(1)X-R(平均值和范围)管理图(2)X(测量值)管理图(3)X-R(中位数和范围)管理图(4) Pn(不合格品数)管理图(5)P(不合格品率)管理图(6)C(差距数)管理图(7)当在同一管理图上发现具有不同过程因素的点时，为了考察这

15、些因素的影响，可以采用分级管理图的方法。例如，当两种材料用于生产时，如果将这两种材料划分为管理图表，则这两种材料的特性差异将会很明显。也就是说，我们可以通过对每个过程进行分层或根据情况改变聚类方法来把握每个重要因素的影响。这种管理图的使用称为分析管理图。通过分析可知，该过程处于稳定状态。因此，为了保持这种状态，有必要规范操作，在稳定状态下延伸边界线，并进行同样的连续打点(即绘制坐标标点)。如果操作基本上保持在相同的标准状态，则管理图上的点不应出现异常。如果有异常点，那就是过程中的某种变化。因此，我们应该立即调查原因，并采取相应的打鼾措施。管理图的这种用法称为过程管理的管理图。无论是用于分析还是

16、运行管理，管理图都是一样的。不同之处在于，分析用管理图的目的是通过分层或改变聚类方法来讨论分散的原因，而过程管理用管理图的目的是通过打点日常数据来发现过程是否异常。7.你如何知道过程处于受控/稳定状态？首先，我们应该收集每个重要质量特征值的初步数据，并制作一个管理图。当用管理图监控日常生产过程时，我们可以判断过程状态是否异常。比较的标准是管理图上预先画出的UCLLUL管理线，那么这条UCLLCL管理线是怎么得到的呢？实际上，在具体的应用中，主要是收集数据并点在图上，然后判断生产状态是异常还是稳定。UCLLCL不是每次都被计算在内的。因此，最初，数据n=125(称为初步数据)应预先从具有未来生产

17、条件(即未来4MIE)的流程中收集，以计算管理线。，10，UCLLCL从初步数据中获得的n=125，是否合适，必须从以下几个方面进行评估：如果从初步数据制作的管理图中没有缺陷，则可以认为初步数据来自过程是稳定的，并且这个n=125的数据可以立即用作直方图，并与标准(已建立的质量标准)进行比较。如果直方图是无缺陷的(即有足够的余量)，由n=125的初步数据产生的UCL /LCL可以作为未来生产过程的比较标准；否则，必须从根本上改进生产过程4MIE，或减少X移动或S标准偏差。在采取上述措施之后，再次收集n=125，重新计算UCL/LCL，并做出相同的判断，直到在相应的直方图和标准之间有足够的余量。UCL/LCL确定后，您可以进入流程管理。将您稍后击中的点与通过上述方法获得的UCL/LCL点进行比