过程能力统计管理

过程能力统计管理（精选5篇）

过程能力统计管理 第1篇

许多质量管理技术是对已出产的产品 (包括半成品) 进行分析、检验或评估, 抽样检测是判断一批产品是否合格的方法, 它通过对不合格的产品分析, 发现设计与制造的中的问题, 以找出提高产品质量的途径和方法, 这是一种“事后”的补救性的方法。统计质量管理则与这种方法不同, 它是在生产过程中的各个阶段 (工序) 对产品质量进行实时的监控与评估, 是一种预防性方法。贯彻预防性原则是现代质量管理的一个特点。统计过程控制, 从内容上来说主要有两个方面: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。

2 统计过程控制基本原理

2.1 小概率事件原理

在生产过程中, 仅有相互独立的偶然性因素影响时, 产品特性值X会服从正态分布, 即N (μ, σ2) , P (μT-3σT

2.2 影响产品质量的来源

根据来源的不同, 影响质量的原因 (因素) 可归结为5M1E (人员、设备、原材料、工艺方法、测量和环境) 。但从对产品质量的影响大小来分, 又可分为偶然因素与异常因素。偶因引起质量的偶然波动, 异因引起质量的异常波动。休哈特的实质是区分偶然因素与异然因素两类因素。因此, 我们可以根据质量的特性的分布去区分波动的类型。当随时间变化, 质量的特性分布为保持不变的正态分布时, 这时为正常波动, 这是无法避免的。当质量的特性发生变化时, 则存在异常波动, 需要去识别它, 并加以剔除。

由于质量特性通常有两大类, 一类是计量的, 如温度、长度、电阻等, 一类是计数, 如不合格品数、缺陷数等, 因此常规控制图也有两大类。按统计量分, 可分为计量值控制图和计数值控制图。它们均有各自适用的范围。

3 控制图的原理与构造

控制图是根据正态分布的3σ原理而构造出来的。图上有中心线 (CL) 、上控制限 (UCL) 和下控制限 (LCL) , 并有按时间顺序抽取的样本统计量数值的描点序列。将这三条水平线画在一张坐标纸上, 其横轴为时间T或样本序号, 纵轴为观察值, 这就形成了一张控制图, 如图1所示。当把观察值按序点在图上, 就可用于过程控制。这些上、下控制界限被用来判断生产过程有无异常。

综上可知, 控制图实际上是生产过程质量的一种记录图形, 它提供了判断过程是否处于统计控制状态的一种方法。目前最常用、最基本的是X-R (均值-极差) 控制图, 灵敏度高, 极差计算简便。

4 实例应用

下面以介绍-R图的制作过程为引线, 结合工作中的实际应用阐述统计控制技术在质量管理中的应用。

4.1 制作分析用控制图

例, 镍氢电池车间生产型号为QNFG40F的单体电池, 为保证电池极组装入到壳体内的松紧度, 极组包隔膜后, 每隔1小时随机抽4个极组测定其厚度 (单位为mm) , 这就得到一个样本, 抽取了个样本 (数据见表) 。标准要求其厚度值在[21.5, 22.5]之间为合格。作能用于控制的均值-极差控制图。

(1) 计算每一个样本的均值与极差

例1每一个样本的均值与极差一起列在表1的最后两列中。

(2) 计算k个样本的均值的均值与极差的均值

k个样本的均值的均值与极差的均值便是控制图的中心线。对于例1来讲, 由表的数据可以求出来, 于是得到

(3) 计算图与R图的上、下控制界限

图的上、下控制限计算方法如表2。

以上的A2、D4、D3都是与样本的容量n有关的常数, 具体数值见表3。

对例1来讲, n=4由表2可查得, 由此可得A2=0.729, D3=0, D4=2.282。

于是, 图的上、下控制限计算如表4。

(4) 作分析控制图

4.2 分析过程状态和过程能力

根据图上的分布和判异准则等, 对生产过程的状态和过程能力进行分析评价, 评价结果详见表5。

4.3 当生产过程不处于统计控制状态时可采取措施

(1) 首先应该寻找产生异常的原因。在找原因时应先从自己着手, 或从内部着手, 譬如记录、计算、作图等是否有错, 测量是否正确, 操作有无不当之处, 工具是否有缺损, 机器是否疲劳, 材料有无变化, 电压是否有波动等。

(2) 当异常数据点不多时, 在确认原因后, 消除降低质量的异常因素, 同时去掉异常数据点对应的一组数据, 重新计算中心线和控制界限。然而在重新计算时, 不应去掉对质量有利的数据, 也不能去掉虽使质量降低但不能消除异常原因的数据。

(3) 重新计算后, 如果仍有一点在控制界限之外时, 可补充到个样本后重新计算与考察, 此时只允许一点在限外;如果有两点在限外的话, 可补充到个样本后重新计算与考察。如果有两点在限外的, 仍属过程受控。当异常数据比例较大时, 应改进生产过程, 重新计算数据, 并重新计算中心线和控制界限。

4.4 作控制用控制图

当生产过程满足顾客质量要求时, 我们便可以用上面获得的中心线与上、下控制界限画控制图, 放在生产现场来对质量指标进行控制, 这张图便是控制用控制图。

在生产现场用控制图时, 通常应按收集预备数据同样的样本容量抽取样本, 并测定样本中每一个样品的特性值, 计算样本的均值与极差R, 并将它们分别描在图与R图上, 按上面提到的判断标准去判断生产过程是否处于控制状态。当生产过程无异常时可以继续进行生产, 如果发生异常需要及时消除使质量下降的原因, 使之不再发生, 而对提高质量的有利措施也应及时总结, 使之推广。

4.5 控制图应随时间和质量的要求不断的修正

当控制图使用了一段时间后应根据实际的质量水平, 对控制图的中心线和上、下控制线进行修正, 使控制水平能够不断提高。其它计数控制图不再做详细介绍, 详细介绍可参考相关文献[3]~[8]。

5 结束语

本文已经通过-R图作图方法介绍, 结合实际工作经验对统计过程技术在质量管理中的应用作了具体的阐述。不同的情况使用不同的统计过程控制图时, 计算的简单和复杂程度也是不一样的, 适当的场合选择适当的控制图, 可以及时控制生产线, 检测是否处于统计控制状态, 以及判定过程工序能力是否满足产品质量要求, 掌握生产线的信息, 对生产及时控制, 以避免生产出过多的不合格产品, 达到对产品质量进行管理的目的。

参考文献

[1]周纪芗, 茆诗松.质量管理统计方法 (第二版) [M].中国统计出版社, 2008:107-124.

[2]华东师范大学数学系.数学分析下册 (第三版) [M].高等教育出版社, 2008:190-195.

[3]罗国勋.质量管理与可靠性[M].高等教育出版社, 2005.6:187-240.

[4]王毓芳, 肖诗唐.统计过程控制的策划与实施[M].中国统计出版社, 2006.1:136-240.

[5]俞明南, 丁正平.质量管理[M].大连理工大学出版社, 2005.4:183-21364-107.

[6]周纪芗, 回归设计[J].上海质量, 1996, (11) :15-26

[7]茆诗松, 参数设计[J].上海质量, 1995, (10) :10-29

[8]许守群.超声波换器优化[J]数理统计管理, 1996, (12) :22-34

[9]苗瑞, 孙小明, 李树刚, 杨东.基于小批量生产的统计过程质量控制研究[J].计算机集成制造系统.2005.11

[10]余忠华, 吴昭同.面向小批量制造过程的质量控制方法研究.机械工程学报.2001.8

过程能力统计管理 第2篇

关键词：财务统计;建设;项目管理

0.引言

进入新的发展阶段，企业在市场中的竞争日益激烈，企业的各方面管理也逐渐的规范化，这些都对企业的信息化建设起到了良好促进作用。所以探索一套和企业自身的发展情况相吻合的管理体系就显得格外重要，尤其是在财务的管理层面。在这一背景下加强其理论性的探究就有着实质性意义。

1.项目管理及其应用理论分析

1.1项目管理的主要内涵分析

企业的发展需要在财务管理上得到强化，而将项目管理在其中得到实际的应用能够促进企业的经济健康的运行。所谓的项目管理也是管理学中的一个重要分支，是在项目活动当中所运用的专门知识及技能，并在资源的有限条件下对超过设定需求及期望的目标进行实现[1]。从其理论发展情况来看，项目管理的主要构成要素就是成本、进度、质量，之所以在财务统计分析系统建设中应用项目管理主要就是追求快速度以及质量达标和低成本相结合的效果。

1.2项目管理的实际应用理论分析

项目管理的实际应用理论是多样化的，其中最为主要就是项目人力资源管理理论及项目进度控制计划理论、项目质量管理理论及风险管理理论等。以项目风险管理应用理论为例进行分析，其主要就是对项目风险进行的识别及分析和应对的系统过程，在项目风险管理理论的内容上也较多，其中有风险管理计划编制及风险识别、风险定性分析及定量分析、风险应对计划编制和监督控制等。

2.项目生命周期及财务统计分析系统建设中的具体应用

2.1项目生命周期分析

项目属于一次性工作，所以在这一过程中就含有着不确定性，而每个项目阶段会以一个或多个交付成果完成作为标志。在每个项目阶段也涵盖着诸多可交付成果，其中的大部分均和基本阶段可交付成果有着联系[2]。项目管理中还有一个比较重要的内容就是项目生命周期，也对财务统计系统建设也有着重要的意义和作用，项目生命周期是项目的各个阶段叠加所构成的，具体的阶段划分可通过下表进行了解（如下表1所示）。

表1 项目生命周期阶段划分表

名称 内容分析

启动阶段 确定需求目标、可行性研究、项目立项、建立项目组织、项目批准、确定项目经理等

规划阶段 订立合同条款、初步设计、估算费用和进度、详细规划和设计等

执行阶段 项目实施、项目监理、项目控制等

收尾阶段 项目交接、项目收尾、文档整理、项目后评价等

2.2项目管理在财务统计分析系统中的具体应用

对财务统计分析系统建设中的项目管理的应用要能遵循相关的原则，这样才能够将其自身的作用得到充分发挥，首先就是规范性及标准化的原则，这样能够方便系统和其它生产系统之间的交换。再者就是开放性及先进性的原则，这一原则的遵守能够对投资的有效习惯和延续性得到有力的保障。还有就是可扩展性及可伸缩性，灵活性及可维护性等原则，在这些相关的原则下应用项目管理，能够将财务统计分析系统得到完善的建设，从而促进企业的财务科学化管理。

将项目管理在财务统计分析系统建设中的应用，就要能够通过项目管理的特点进行对其加以完善，最为主要的就是要从其建设的渠道上进行着手，这是完善其建设的重要保障。财务部门是企业的重要经济运行的控制部门，企业的发展都要经过财务部门提供经济信息，这也成了企业管理的重要依据。在这一过程中的财务统计分析则主要是对财务报表及账目进行的数据分析，对财务信息的准确性及及时性有着重要保障，项目管理的实际应用就是对财务统计分析中的问题进行梳理协调的过程[3]。

从具体的措施上主要是在系统对财务统计信息的搜集后对其信息进行合理化的配置，将信息的有效性加以综合化，进而将客观的信息得以有效保障。然后在此基础上通过项目管理的创新性对所分析后的结果进行有效处理，将其作为财务管理中的改革依据，这样就能够对企业财务统计分析的完善程度得到加强。

另外在项目的进度控制方面为能够有效的保障整体进度不受到影响，要在对中措施的实施下保障财务统计分析系统的建设进行。从技术措施上来看主要是早建设期可在项目数据ETL上采取数据直连的方法保障项目进度，要能在数据安全角度出发。从组织的措施实施上来看要成立项目进度管理小组，通过财务部的相关负责人进行负责牵头，然后应用方及开发商的任务以及责任要能够得到明确化，从而来建立控制制度及体系。

3.结语

总而言之，当前的企业发展需要在财务管理完善的基础上进行，这就需要通过一系列的手段来促进财务统计分析系统建设进程，项目管理的应用能够有效的解决这一问题。通过对项目管理的应用能够对财务的数据得到准确严谨的保障，为企业决策提供理论依据。

参考文献：

[1]汤葵.统计分析在财务管理中的作用[J].经营管理者，2012， （16）.

[2]陶红.财务分析在财务管理中的作用[J].中国新技术新产品， 2013，（21）.

[3]谢文博.浅析财务报表分析在企业财务管理中的作用[J].商场现代化，2014，（20）.

统计过程控制在质量管理上的应用 第3篇

在工业4.0的大环境下,制造企业正在经历一次深刻的变革,其核心是现代信息技术与制造业的深度融合[1]。

当前国内制造企业普遍把统计过程控制(Statistical Process Control,SPC)作为质量管理的重要手段。这是休哈特博士(W.A.Shewhart)1924年在美国贝尔实验室首次提出的一种质量控制技术。经过多年的发展,现在ISO 9000质量管理体系特别注重过程控制和统计技术的应用,六西格玛管理也把统计过程控制作为控制阶段的主要工具之一[2,3]。

在进行数据收集和统计分析上,多数制造企业采用人工测量和记录关键质量特性数据,再通过JMP、MINITAB等软件来衡量产品批次的质量情况。这样做法存在如下弊端:手工记录作业强度大、效率低、准确性无法保证,而且做事后分析,时间严重滞后,一旦出现质量问题,会导致产品过多损耗[4,5]。同时,使用现有的软件无法与实际生产相集成,仅能作为静态的数据处理分析工具,不能动态地对生产过程进行干预或进行质量问题的层层追溯[6]。

鉴于此,本文以薄膜晶体管液晶显示器(thin-film transistor liquid crystal display,TFT-LCD)生产为例,针对其质量控制点,设计并开发了基于制造执行系统(Manufacturing Execution System,MES)的统计过程控制系统。以此确定生产过程的关键质量特性数据,实现数据采集;根据分布特性选择对应的控制图对生产过程进行监控;发现引起波动的主要因素并采取相应的措施[7]。

1 研究对象

TFT-LCD生产过程主要包括阵列、彩膜、成盒和模组工艺,为了保证产品的最终质量,需要从现场测量数据中准确地找到当前已经存在的质量问题和预测未来的发展趋势。其中阵列工艺流程如图1所示。

我们结合实际生产情况进行需求分析后,对统计过程控制提出了个性化要求,以满足质量管理并提供决策支持。

首先,对于生产的产品我们不可能也不必要做到全部测量,只需要按照一定规律抽取若干产品进行测量即可。即当一批玻璃(Glass)完成某一关键工序后,根据预先设定的抽检频率对某几张玻璃进行质量测试,由统计过程控制系统采集过程质量特性数据。如此通过抽样产品的数据分析来推断总体产品,风险性是不可避免的,但可以根据实际生产情况调整抽样的频率,提高分析准确度。

其次,在进行测量时,一台设备同时上传的质量特性数据几十个甚至上百个,我们需要选择其中的关键数据作为采集项进行处理,以便在缓解数据处理压力的同时也不会造成数据存储的浪费。

最后,需要实现多用户、多层次地管理模式,包括设定产品规格限和控制限、判异准则以及报警处理模式等等,以便提高系统的灵活性,使异常反馈更加多样化。

因此,切实地将统计过程控制与生产过程相集成,采集大量的抽样检测产品的质量特性数据做统计分析,计算过程统计量并建立控制图,从而科学准确地掌握生产过程中产品质量的偶然波动与异常波动,准确发现过程异常并预警,采取措施尽快消除和避免异常波动,使过程处于正常波动状态,恢复生产过程的稳定,从而持续优化和改进产品的质量。

2 所用工具

2.1 原理

统计过程控制是指为了贯彻预防原则,应用数理统计方法对过程中的各个阶段进行评估和监控,建立并保持过程处于可接受且稳定的水平,从而保证和服务符合规定要求的一种技术,其主要表现形式是各种控制图和相应的过程能力分析。

其中控制图是对过程质量特性值进行测量、记录、评估和监测,以判断过程是否处于统计控制状态的一种用统计方法设计的图形。由中心极限定律可知,任意一个总体中抽取样本量为n的样本,当n充分大时,样本的抽样分布近似服从均值为μ、方差为的正态分布。而在范围内的样本数占总样本数的99.73%。控制图的基本原理可以用图2概括表示。

2.2 控制图

控制图的种类很多,常用的控制图根据数据类型分成两类:对于连续变量使用计量控制图;对于离线变量使用计数控制图,文本涉及的统计过程控制系统主要研究计量控制图,包含均值-极差图(Xbar-R Chart)、均值-标准差图(Xbar-S Chart)和单值-移动极差图(I-MR Chart)。

其选择原理如图3所示。

3 应用

3.1 系统构架

结合TFT-LCD生产的实际情况,系统架构定义为四个层次:设备层、数据采集层、数据服务层和应用层,如图4所示。

设备层:设备层主要包括各类测量设备,每个设备具备标准化和网络接口,可进行数据传输。例如阵列工艺中,每次MASK后会进行关键质量特性数据的测量,举例:CD(Critical Dimension),对各层相应位置进行关键尺寸的测量,要求各层CD数据要求在产品设计的规格范围内;TP(Total Pitch),是分布在玻璃(Glass)上每张屏(Panel)周边的测量标记,通过与设计值比较,可以直观看出玻璃形变的趋势,TP如果不好,会直接影响对盒精度,发生漏光不良。

数据采集层:设备层的设备通过HSMS通信协议将设备测量的数据以消息模式传递给EIS Server(Equipment Interface System Server,设备接口系统服务器)进行消息重组,通过TIB/RV Middle Ware传递给MES Server接收标准化格式的测量数据,其中统计过程控制模块会根据用户设定的处理机制筛选出相关数据并上传给数据库进行分析、处理和存储。

数据服务层:生产过程中产生的质量特性数据首先存在On-Line DB中,该数据库与实际生产相连,过多的查询、分析势必影响数据库性能,这必然给生产带来滞后影响。为了更好地进行分析处理,另建Off-Line DB存储离线数据,方法是在Oracle数据库中自定义存储过程(Procedure),由Job(计划任务)定时提取相关数据存储。

应用层:应用层相当于系统的用户,用户可访问On-Line DB进行统计过程控制建模,选择关键质量特性数据,设定规格限、控制限,制定判异规则和报警处理模式等;也可访问Off-Line DB进行数据分析,计算统计量(如最大值、最小值、平均值、标准差、长、短期过程能力指数等),绘制控制图(Xbar-S Chart、Xbar-R Chart、I-MR Chart等)并且选取相应的判异准则确认生产情况等。

3.2 功能实现

在数据采集层中的MES server中统计过程控制模块用来实现数据采集(Data Collect)、统计量计算(SPC Data Generate)、异常判断(Rule Out Check)、报警处理(Alarm Issue)、参数建模(DC Spec/SPC Rule/SPC Spec Modelling)以及统计分析(Data/Chart Query)等功能,其中统计量计算、异常判断和报警处理是研究重点。

3.2.1 统计量计算

判断是否为预先设定的关键工序下的质量特性数据,是则计算Xbar-S Chart、Xbar-R Chart、I-MR Chart等的相关统计量,存储在SPC Data数据集合中,否则不处理。

这三种计量控制图是建立在正态分布N(μ,σ2)的理论基础上,鉴于正态分布的特征值均值和方差是相互独立的,所以要控制计量值的波动也需要两张控制图:分别是控制位置特征值(均值、单值控制图)和控制散步特征值(极差、标准差控制图)。计算公式如表1所示。

3.2.2 异常判断

为了判断过程是否处在受控状态,对于各测量工序上的质量特性数据,均可以添加一个或者多个判异准则,各个准则都进行单独运行判断,并可直观体现在控制图上,使监控更加灵敏,加大管控力度。

如果同时触发了多个判异准则,统计过程控制模块会记录全部的报警,并按最高优先级别进行报警处理。判异准则定义如表2所示。

实际监控中,对于测量的过程质量特性数据我们采用两种区间限制:规格限(Spec Limit)和控制限(Control Limit),规格限用来判断产品是否满足客户要求,也就是判断产品是否合格;控制限,是用于判断过程是否稳定的。前者对象是产品,后者是过程。通常情况下控制限是在规格限以内的,表示过程能力初步可以接受,控制限可以作为生产稳定预警线,如果控制限超出规格限表示过程能力严重不足,肯定会有部分过程输出超出控制限,也就是出现了不合格产品。

在控制图的实际使用中,我们在规格限和控制限上提供了多元化选择,其中规格限包含三种模式:

1)On-Line SPC实时监控报警状态下按产品规格设定的Spec Limit,不定期更新,存储在数据库中。

2)Off-Line SPC离线数据分析状态下根据实际需要定义的区别于产品规格的Spec Limit,不定期更新,存储在数据库中。

3)Off-Line SPC离线数据分析状态下手动输入用于当次计算分析的Spec Limit,不存储在数据库中。

控制限包含五种模式:

1)On-Line SPC实时监控报警状态下人工维护的Control Limit,不定期更新,存储在数据库中。

2)On-Line SPC实时监控报警状态下根据历史数据计算的Control Limit,定时执行,存储在数据库中。

3)Off-Line SPC离线数据分析状态下人工维护的区别于On-Line SPC模式下Control Limit,不定期更新,存储在数据库中。

4)Off-Line SPC离线数据分析状态下手动输入用于当次计算分析的Control Limit,不存储在数据库中。

5)Off-Line SPC离线数据分析状态下根据所选数据集合计算的用于当次分析的Control Limit,不存储在数据库中。

规格限和控制限各选一个进行配对,规格限1)分别和控制限1)、2)构成两对,规格限2)、3)分别和控制限3)、4)、5)构成六对,共计八种计算逻辑以满足不同用户的实际需要。

现在我们选择阵列工艺下的RS(Resistance,阻抗)作为质量特性数据,以Xbar-R Chart为例,选择规格限1)和控制限1)作为判断标准进行监控,模拟四种异常情况的发生。

说明:在展示的控制图中,分上、下两个图,上方是控制位置特征值,下方是控制散步特征值,均使用折线图。在位置控制特征值图上还有六条线:红色三条线为规格限(USL:Upper Spec Limit,规格上限;Target,目标值;LSL:Lower Spec Limit,规格下限),蓝色为控制限(UCL:Upper Control Limit,控制上限;CL:Center Line,中心线;LCL:Lower Control Limit,控制下限),并显示对应数值。正常点显示颜色是黑色,异常点用红色突出显示(图中使用绿色方框示意)。举例如下:

1)1点落在限制区域之外,选择规格限(S p e c Limit)—OOS;

2)1点落在限制区域之外,选择控制限(Control Limit)—OOC;

3)连续6点上升或下降—OOT;

4)连续9点落在中心线一侧—OOR。

3.2.3 报警处理

导致质量产生变异的因素很多,根据因素对产品质量影响的大小和性质,通常分为特殊因素和随机因素。特殊因素很多,如工艺过程的变动、设备的过度磨损、或者人员的变动更换等。这些因素对产品质量的影响是显著的,在技术上很容易识别并且消除。随机因素也很多,例如温湿度的轻微变化、机器的微小振动、原材料的席位差异等。这些因素对产品质量的影响是细小的,在技术上不易识别,更不可能避免和消除,但是如果从根本上改变生产过程,则这类波动会大幅减少[8]。

在质量监控中,一旦发现某个质量特性数据违反已设定的判异准则,则触发报警功能,目前启动多重预警确保事故责任人及时接到反馈并应对:

1)内部Office Automation系统对相关责任人发送邮件;

2)线上Operator Interface Client系统在相关科室使用人员界面上主动弹出报警提示信息;

3)锁定生产线上已经生产的问题品,便于品质部门介入调查;

4)锁定相关联的前工艺设备或这整条生产线,防止危险品再次产出,造成资源浪费。

发生报警后,对应担当确认异常波动的原因,评估问题严重性以及确定后续处理方案,并酌情对已锁定的问题品进行处理(报废或者再加工等),对工艺设备或生产线可进行恢复生产。目前仅有特殊权限的负责人员可以执行解除报警和恢复生产的操作,在解除报警时系统也有规范要求,须填写:异常产生的原因→原因的类型→纠正措施等,这样有助于进一步改善生产,提高产品质量。对于发生异常的原因类型就是上文提到的特殊因素和随机因素,定义如表3所示。

4 结论

本文以TFT-LCD制造企业为例,采用统计过程控制技术,结合实际生产过程,构建出设备层、数据处理层、数据服务层和应用层的四层系统构架,设计并实现了统计过程控制模块中数据采集、统计量计算、异常判断、报警处理、参数建模和统计分析等服务。从根本上将“事后检验、发现问题、解决问题”的产品质量管理方式转变为“事前预防、杜绝问题、缺陷趋零”,充分验证统计过程控制在实际生产中的可靠性和实用性。

参考文献

[1]张曙.工业4.0和智能制造[J/OL].机械设计与制造工程,2014,43(8):1-5.

[2]马逢时,周暐,刘传冰.六西格玛管理统计指南[M].北京:中国人民大学出版社,2007.

[3]钱夕元,荆建芬,侯旭暹.统计过程控制(SPC)及其应用研究[J/OL].计算机工程,2004,30(19):144-145.

[4]林明,苏静.统计过程控制(SPC)在卷烟生产过程中的应用[J/OL].中国科技信息,2012,(01).89-100.

[5]蔡林沁,谢阅,马绍良.统计过程控制分析与管理系统[J/OL].计算机应用研究,2004,(05):140-142.

[6]路春光,孟丽丽,王振中.统计过程控制SPC系统的设计与实现[J/OL].组合机床与自动化技工技术,2010(01):108-112.

[7]赵逢禹,徐济超,马义中.统计过程控制(SPC)软件的设计[J/OL].计算机工程与应用,2000(06):158-163.

过程能力统计管理 第4篇

一、统计过程控制基本知识

1. 统计过程控制的概念

统计过程控制 (SPC) 是一种借助数理统计方法的过程控制工具。它对生产过程进行分析评价, 根据反馈信息及时发现系统性因素出现的征兆, 并采取措施消除其影响, 使过程维持在仅受随机性因素影响的受控状态, 以达到控制质量的目的。

2. 统计过程控制的常用工具——控制图

(1) 控制图的概念及原理

控制图是对过程质量加以测定、记录从而进行控制管理的一种科学方法设计的图。图上有中心线 (CL) 、上控制限 (UCL) 和下控制限 (LCL) , 并有按时间顺序抽取的样本统计量数值的描点序列, 如图1所示。

根据来源不同, 质量因素可以分为人、机、料、法、环五个方面。但从对质量的影响大小来看, 质量因素可分为偶然因素与异常因素两类。偶然因素是始终存在的, 对质量的影响微小, 但难以除去;异常因素则有时存在, 对质量影响大, 但不难除去。

(2) 控制图判定准则

(1) 判稳准则 (1) 连续25个点子都在控制界限内; (2) 连续35个点子至多1个点子落在控制界限外; (3) 连续100个点子至多2个电子落在控制界限外; (2) 判异准则 (1) 点出界就判异; (2) 界内点排列不随机判异:a、连续9点落在中心线同一侧b、连续6点递增或递减;c、连续14点中相邻点交替上下;d、连续3点中有2点落在中心线同一侧的B区以外;e、连续5点中有4点落在中心线同一侧的C区以外;f、连续15点落在中心线两侧的C区内;g、连续8点落在中心线两侧且无一在C区内。

二、过程能力研究

过程能力是指处于稳定的、标准的条件下的过程实际加工能力。它反应了过程在统计受控状态下的变差大小。它是由造成变差的普通原因确定的, 通常代表过程本身的最佳性能, 与技术 (公差) 规范无关。通常用CP和CPK来表示过程能力满足技术规范的程度。

三、六氟磷酸锂生产过程统计分析

1.

数据样本以2013年六氟磷酸锂的酸度质量指标为例, 每月按照不同的结晶釜随机抽取7组数据, 12个样本, 共84组数据进行分析。

2. 统计分析工具

Minitab软件是MINITAB公司开发的一款统计技术数据处理软件。它包含丰富的统计数据信息, 既可以进行数据分析处理, 又可以进行图形分析对比, 同时对未来进行预测。

它具有以下特点: (1) 强大的数据处理功能; (2) 具有明显的图形处理优势; (3) 提供多问题解决工具; (4) 简单、直接、清晰和易懂等。因此, 其被广泛应用于统计过程控制。2.3数据分析结果与讨论2.3.1酸度分布状况选择酸度, 绘制直方图, 查看其分布规律及变化趋势:

(1) 从minitab菜单中选择“统计”→“基本统计量”→“图形化汇总” (2) 以“酸度”作为变量, 置信区间选择“95.0%”; (3) 单击“确定”, 得到下图1。

由图1可知, 酸度的数据分布曲线近似服从正态分布N (50.699, 6.3432) 。因为在生产过程只受随机波动干扰时, 其质量特性值才会服从正态分布, 所以该结果表明当前生产过程无系统波动。

3. 受控状态评估

判定一个生产过程是否仅受随机因素的影响, 处于受控状态, 通常采用控制图进行评估。

4. 生产过程的在线监控

通过控制图分析, 我们得到了一个稳定受控的过程;通过过程能力分析, 我们知道了过程能力充足, 满足生产要求。接下来, 我们就可以通过前两个阶段的分析数据对生产过程进行在线监控。

根据图3控制图的使用流程, 通过确定控制图上的三条控制线:上下控制限和中心线, 将分析用控制图转化为控制用控制图;然后, 实时采集数据, 在控制图上打点, 根据点的走势来判断过程是否发生变异, 一旦出现过大的变异就及时采取措施调整生产过程, 从而达到过程控制的目的。

5. 月份对酸度指标的影响分析

影响酸度的因素多种多样, 从而造成产品质量的波动性。根据影响因素对产品进行系统分层, 并利用单值控制图分别分析, 简化独立多因素质量问题的分析。

(1) 从minitab菜单中选择“图形”→“箱线图”→“一个Y”;

(2) 以“酸度”作为图形变量, 并按“月份”进行分组;

(3) 单击“确定”, 得到下图9。

由图9可知, 不同月份生产的六氟磷酸锂产品的酸度平均值不同, 但总体差异不大, 说明月份对酸度的影响不大。

6. 结晶釜对酸度指标的影响分析

(1) 从minitab菜单中选择“图形”→“箱线图”→“一个Y”;

(2) 以“酸度”作为图形变量, 并按“结晶釜”进行分组;

(3) 单击“确定”, 得到下图10。

由图10可知, 不同结晶釜生产的六氟磷酸锂产品的酸度平均值不同, 但总体差异不大, 说明结晶釜对酸度的影响不大。

7. 过程能力提升影响生产过程能力的关键因素为质量特性分布均值、规格限和产品标准差。

在进行过程能力提升时, 可以从这三个方面入手, 改变相关的参数值, 从而提升生产过程能力指数。为了提升过程能力, 我们在室温下, 将六氟磷酸锂产品溶解在碳酸二甲酯溶剂中, 配制成饱和溶液;然后在低温冷冻结晶, 过滤, 干燥, 得到纯化后的六氟磷酸锂产品。每天抽取7组数据, 共12天, 实验数据如下表4所示:实验数据分析如下图11所示:

通过对比图11和图4、6、8可知, 酸度的平均值由50.699降至39.233, 标准差由6.343降至3.493, 过程能力指数由2.29提升至5.32, 说明将六氟磷酸锂在碳酸二甲酯中进行重结晶, 可以有效地降低产品的酸度。

结论

过程能力统计管理 第5篇

一、统计过程控制的概况

统计过程控制是基于质量管理和控制之上发展起来的, 统计过程控制是运用统计学的方法和技术对过程进行分析和控制的一种管理体系, 其整个体系可以分为以下几个阶段: (1) SPC阶段:在这个阶段中, 产品质量的偶然波动和异常波动都可以通过控制图技术科学的区分出来, 进而对异常情况进行及时报警, 以便采取有效消除措施, 从而确保质量的稳定。SPC阶段在大批量生产中的应用已经相当成熟, 需要完善的是在小批量生产中的应用。 (2) SPCD阶段:这个阶段的主要内容是利用控制图技术对过程中异常情况的产生原因和发生地点进行诊断和分析, 找出其原因所在, 为补救措施提供依据, SPCD阶段是统计过程的控制与诊断阶段。 (3) SPCD阶段:SPCD是指统计过程控制、诊断和调整, SPCD阶段是针对诊断过程中出现异常情况的原因和地点进行自我调整的阶段, 其是在SPCD阶段基础上发展起来的, 是对SPCD阶段的进一步完善。

由此可见, 统计过程控制是将对质量的检验过渡到了对质量的控制之上, 统计过程控制可以有效预防不良产品的产生, 相比较传统的事后检验, 统计过程控制可以大大降低项目的损失, 节约成本支出。

二、统计过程控制在公路工程质量管理中的应用现状

将统计过程控制应用到工程建设项目管理中的提出较早, 但发展缓慢。一直以来, 公路建设的施工方没有停止对可以提高公路质量的方法体系的探索, 由于建设过程中的早起破坏问题一直得不到有效解决, 加之对统计过程控制方法体系的不了解, 统计过程控制技术在公路建设中的应用一直没有得到有效重视, 其主要有以下几个方面的原因。首先, 公路施工方没有充分理解统计过程控制技术, 没有意识到统计过程控制技术对工程质量的保障和对成本控制的明显效果, 施工企业在接触统计过程控制技术的过程中, 只是简单的认为统计过程控制技术就是一种提升工程质量的管理体系, 和一般的控制管理方法没有区别, 所以统计过程控制体系一直没有得到公路施工方的重视。其次, 由于统计过程控制技术是基于统计学原理之上发展起来的, 所以就需要对数据信息进行大量的采集和分析, 而数据信息的采集是一项繁琐和复杂的工作, 在计算机应用尚未完全普及之时, 数据采集工作是一项浩大的工程, 所以统计过程控制技术在公路工程建设中没有得到广泛的推广。除此之外, 许多施工企业由于没有正确掌握统计过程控制技术的管理思路, 在利用控制图对施工质量进行控制的过程中因为没有看见预期的效果而中途停止该方法的应用, 统计过程控制技术需要采集足够的信息, 耗时比较长, 只有数据信息全面而且真实, 才能从根本上确保工程的质量。

三、统计过程控制在公路工程质量管理中的应用策略

(1) 在SPC阶段能够充分利用控制图技术对公路质量进行监测是统计过程控制技术的关键所在。公路建设的原材料和施工水平及其稳定性等指标都可以通过控制图上点的分布情况来表现出来, 分布图上点的分布波动越小, 越呈现出随机性, 就表明材料的质量越均匀, 施工质量越趋于稳定性, 因此科学合理的运用控制图技术对提高公路工程施工的管理水平有着及其重要的作用。 (2) 采用统计过程控制技术可以有效把握公路工程建设的工作重点。传统的质量管理控制体系都是在施工后对工程的质量进行技术检验, 而统计过程控制技术突破了这种技术的弊端, SPC技术能够在施工前和施工中对工程质量进行检测, 使得工程质量隐患从根本上得到消除。合理利用控制图, 能够有效预防和控制不良工程质量的产生, 这种质量管理手段并不是要求所有指标都能达到标准要求, 而是通过控制图上点的分布情况最大限度地对工程的质量进行实时检测, 从而能够对施工做出及时调整, 统计过程控制技术是确保整个工程的整个施工阶段质量稳定性的主要方式, 也是一项行之有效的工程质量控制措施。 (3) 除此之外, 由于很多因素都可以影响公路工程的施工质量, 因此在工程的每个环节都应注重统计过程控制技术的应用。为了达到对每个环节的有效监测, 可以参照AASHTO验收取样方法, 站在承包商所要承担的风险角度对样本和频率的合理性进行分析, 依据施工质量的不同对付款等工程支出进行调整。这种方式可以明确工程各方的责任, 可以将确保工程质量的责任落实到个人, 从而使公路工程建设原材料的质量得到项目方的更加重视, 也使公路的施工安排和建成功能得到承包方的足够重视, 提高了承包方对工程质量监督的主动性, 只有各方对工程建设的各个环节产生足够的重视, 才能确保公路质量的稳定性和安全性。可以看出, 统计过程控制在公路工程质量管理中的有效应用可以对工程的材料性能、施工过程和工程的质量管理进行有效的控制, 统计过程控制在公路工程质量管理中的应用应全面做好数据信息的采集和分析工作, 合理运用控制图技术对施工过程进行有效监测, 在确保公路质量的前提下, 将成本支出降低到最小化。

结语

统计过程控制技术是一种借助数理统计方法控制施工过程的高新技术, 其应用能从数据和事实角度确保工程施工质量的稳定性, 也为公路工程建设的整体质量提供了保障。随着统计过程控制技术的不断创新和完善, 其在公路工程的质量管理中将会占据着越来越重要的作用。

参考文献

[1]孙军华, 荣蓉, 祝奎.统计过程控制在质量管理中的应用[J].海峡科技与产业, 2013 (06) .

[2]王儒.统计过程控制在质量管理中的应用[J].中国商贸, 2015 (01) .