浅谈过程控制图的应用
谈浅过程统计图的应用
产品质量很大程度依赖于生产过程的能力与稳定性,利用有效的统计方法对过程中的各个阶段进行监控和评价,可以及时地控制问题的蔓延、扩展，起到预防不合格的产生，从而保证了产品的质量。
ISO/TS16949-2002中8.1.1 “在质量先期策划中必须确定每一过程适用的统计工具,并包括在控制计划中”和8.1.2”整个组织必须了解和使用基本统计概念,如变差、控制（稳定性），过程能力和过度调整。” 另有五大手册详细介绍控制图四种计量型方法和四种计数型方法的应用（控制图八大方法，很多资料已做详细描述，此处就不重述）。我们在选用过程统计方法时，往往对照一种方法往实际情况靠拢，有点本未倒置的味道，或者是对特殊尺寸/特性寻找一种统计方法，这有点概念混淆。在几年的工作实践中总结一些统计方法应用的经验，在这里写出来和大家共享，抛砖引玉！
统计方法选择的前提是要搞清使用统计方法要达到什么样的目的，或者说是在过程中你最关心哪些方面，做到有的放矢，值得注意是的过程统计方法的重点是“过程”，并不是解决特殊/关键工序应用什么控制图来控制，而是针对整个过程，所以过程要素的选取也是关键点。
如何取点？
如果是计算CPK，每班取2-4点比较合适，点与点之间的间隔最好是能分散开来，若是二班或三班一定填写在同一张图上，这种取点也适用于计数型的控制图。
如何选取项目？
所选取的项目一定要对过程敏感，过程有变化，应首先体现在这个项目中；特别关注的项目；也可是过程中重要的参数，不仅仅局限于关键/重要项目。如果选择不当，过程控制将会变得没有什么意义，增加推广的难度；反之则会让你和整个集体领略到控制图魅力。
按生产过程类别来学浅谈一下吧。
第一类：注塑件、冲压件、橡胶件等、压铸件。这是零件是由模具来保证的，如果做好模具的维护和保养，零件的变差是很小的，这里多选择计量型的统计方法，选择的尺寸并不局限于关键尺寸、配合尺寸等，而是选择模具上易发现变化的尺寸，例如；顶杆、镶块、合模处、扳折处等，这些尺寸往往会是模具上最易变动的因素，只控制这引起多变的因素，模具型腔的尺寸是不会发生变化的,。如果局限于对关键尺寸的控制，可能会出现CPK/PPK数值很高，却对实际过程却没有什么帮助。
第二类：装配类。凡装配类的检验序往往用计数型控制图，将失效模式列出，控制不合格数/率，对生产过程有很大的帮助。这种控制图和不合格品/率的统计不可混为一谈，控制图是控制过程，是要有关人员日常要关注趋势、不合格情况，以便及时发现问题采取措施，达到消除隐患的目的，而不合格情况的统计则是对不合格情况的汇总，明确目前不合格量/率。如果装配的一种故障模式有异常，还可追溯到零、部件，原材料等生产过程。
第三类：机加工件。关键/重要的尺寸，通常在线测量或专设定一个检验工位来100%检验，对这些尺寸/特性应用控制图，是不是没有必要或者说是重复的，还有就是没定量的数值，而又要关注的问题，如应用通止规、专用检具100%测量的项目。
如果过程能力CPK达到1.67,PPM为0.57，是可以降低这个项目的检验频次，基至可以达到取消最终检验。对100%检验，再应用控制图，这并不复复，100%检验是确认产品的状态，控制图是控制过程趋势，对于刚刚应用控制图或者应用不熟练，这样是有必要的。
用通止规/专检具测量的项目，可以取几个工件测量，来完成控制图；OK 和NO OK项目并不能表明零件的变化趋势，也不可能起动预防的作用，采用控制图不仅仅是对产品，另可反映出综合加工因素如：人员、刀具、设备等，这对寻找原因、经验积累、解决问题提供了一手的资料。
第四类：特殊工艺如焊接、热处理、表面处理等，这些过程参数至关重要，非常有必要用控制图来控制，也可考虑对过程参数的控制。如温度、时间、压力等，特别是对于产品检验成本高的。因为本人想应用，一直没有实现，也就不过多的说了，但我一直认为对于关键工序，只要控制住其过程，出合格产品是必然的。
控制图所表达的是综合因素，机器、刀具、人员、工件，具体应用起来还要靠自己来摸索，切记不要为应用统计图而应用，做到真正为过程服务。如果你有什么想法，请不吝赐请。
附：PPM与CPK之间的计算方法
x～N(μ σ2 ) ,计算x=μ±kσ（n为1 2 3 ... ）
当n=1时，x落在区域内的概率为P，即合格率（%），不合格率为1-P（PPM）
P= ( Φxmax –kμ)/ (kμ-Φxmin ) =2Φ(n)-1
当k=1
查正态分布表可得到 Φ（1）=0.8413 ,则
P=68.26%
1-P=317400PPM
当k=2
查正态分布表可得到 Φ（2）=0.9773 ,则
P=95.46%
1-P=45400PPM
CPK=(1-K)//(T/6σ)
K= 2(M-μ) /T (偏移量)
可得求得CPK的值，举例：已知PPM=2000 ，求此序CPK是多少（正态分布）
X=μ±kσ
P=1-0.2%=99.8%
2Φ（k）-1=0.998 ,则Φ（k）=0.999,查表k=2.96
CPK =2T/6σ=0.99
控制图的分析也是非常重要，在统计工作中至少占到50%以上，如不能做出很好的分析，控制过程也是没有什么效果的。根据我个人的经验，如果图中的点排列越随机，则CPK的值越高，这点可从概率和控制图原理来解释。小概率事件，在一次事件中认为是几乎不可能发生的事件，如果出现就认为是异常，按3σ控制原理，若过程正常则出现各种异常的概率为0.1%左右，如异常则增大几十、上百倍。
判断控制图的原则:点出界和排列不随机。（应用图分析的例子将续写）
产品质量很大程度依赖于生产过程的能力与稳定性,利用有效的统计方法对过程中的各个阶段进行监控和评价,可以及时地控制问题的蔓延、扩展，起到预防不合格的产生，从而保证了产品的质量。
ISO/TS16949-2002中8.1.1 “在质量先期策划中必须确定每一过程适用的统计工具,并包括在控制计划中”和8.1.2”整个组织必须了解和使用基本统计概念,如变差、控制（稳定性），过程能力和过度调整。” 另有五大手册详细介绍控制图四种计量型方法和四种计数型方法的应用（控制图八大方法，很多资料已做详细描述，此处就不重述）。我们在选用过程统计方法时，往往对照一种方法往实际情况靠拢，有点本未倒置的味道，或者是对特殊尺寸/特性寻找一种统计方法，这有点概念混淆。在几年的工作实践中总结一些统计方法应用的经验，在这里写出来和大家共享，抛砖引玉！
统计方法选择的前提是要搞清使用统计方法要达到什么样的目的，或者说是在过程中你最关心哪些方面，做到有的放矢，值得注意是的过程统计方法的重点是“过程”，并不是解决特殊/关键工序应用什么控制图来控制，而是针对整个过程，所以过程要素的选取也是关键点。
如何取点？
如果是计算CPK，每班取2-4点比较合适，点与点之间的间隔最好是能分散开来，若是二班或三班一定填写在同一张图上，这种取点也适用于计数型的控制图。
如何选取项目？
所选取的项目一定要对过程敏感，过程有变化，应首先体现在这个项目中；特别关注的项目；也可是过程中重要的参数，不仅仅局限于关键/重要项目。如果选择不当，过程控制将会变得没有什么意义，增加推广的难度；反之则会让你和整个集体领略到控制图魅力。
按生产过程类别来学浅谈一下吧。
第一类：注塑件、冲压件、橡胶件等、压铸件。这是零件是由模具来保证的，如果做好模具的维护和保养，零件的变差是很小的，这里多选择计量型的统计方法，选择的尺寸并不局限于关键尺寸、配合尺寸等，而是选择模具上易发现变化的尺寸，例如；顶杆、镶块、合模处、扳折处等，这些尺寸往往会是模具上最易变动的因素，只控制这引起多变的因素，模具型腔的尺寸是不会发生变化的,。如果局限于对关键尺寸的控制，可能会出现CPK/PPK数值很高，却对实际过程却没有什么帮助。
第二类：装配类。凡装配类的检验序往往用计数型控制图，将失效模式列出，控制不合格数/率，对生产过程有很大的帮助。这种控制图和不合格品/率的统计不可混为一谈，控制图是控制过程，是要有关人员日常要关注趋势、不合格情况，以便及时发现问题采取措施，达到消除隐患的目的，而不合格情况的统计则是对不合格情况的汇总，明确目前不合格量/率。如果装配的一种故障模式有异常，还可追溯到零、部件，原材料等生产过程。
第三类：机加工件。关键/重要的尺寸，通常在线测量或专设定一个检验工位来100%检验，对这些尺寸/特性应用控制图，是不是没有必要或者说是重复的，还有就是没定量的数值，而又要关注的问题，如应用通止规、专用检具100%测量的项目。
如果过程能力CPK达到1.67,PPM为0.57，是可以降低这个项目的检验频次，基至可以达到取消最终检验。对100%检验，再应用控制图，这并不复复，100%检验是确认产品的状态，控制图是控制过程趋势，对于刚刚应用控制图或者应用不熟练，这样是有必要的。
用通止规/专检具测量的项目，可以取几个工件测量，来完成控制图；OK 和NO OK项目并不能表明零件的变化趋势，也不可能起动预防的作用，采用控制图不仅仅是对产品，另可反映出综合加工因素如：人员、刀具、设备等，这对寻找原因、经验积累、解决问题提供了一手的资料。
第四类：特殊工艺如焊接、热处理、表面处理等，这些过程参数至关重要，非常有必要用控制图来控制，也可考虑对过程参数的控制。如温度、时间、压力等，特别是对于产品检验成本高的。因为本人想应用，一直没有实现，也就不过多的说了，但我一直认为对于关键工序，只要控制住其过程，出合格产品是必然的。
控制图所表达的是综合因素，机器、刀具、人员、工件，具体应用起来还要靠自己来摸索，切记不要为应用统计图而应用，做到真正为过程服务。如果你有什么想法，请不吝赐请。
附：PPM与CPK之间的计算方法
x～N(μ σ2 ) ,计算x=μ±kσ（n为1 2 3 ... ）
当n=1时，x落在区域内的概率为P，即合格率（%），不合格率为1-P（PPM）
P= ( Φxmax –kμ)/ (kμ-Φxmin ) =2Φ(n)-1
当k=1
查正态分布表可得到 Φ（1）=0.8413 ,则
P=68.26%
1-P=317400PPM
当k=2
查正态分布表可得到 Φ（2）=0.9773 ,则
P=95.46%
1-P=45400PPM
CPK=(1-K)//(T/6σ)
K= 2(M-μ) /T (偏移量)
可得求得CPK的值，举例：已知PPM=2000 ，求此序CPK是多少（正态分布）
X=μ±kσ
P=1-0.2%=99.8%
2Φ（k）-1=0.998 ,则Φ（k）=0.999,查表k=2.96
CPK =2T/6σ=0.99
控制图的分析也是非常重要，在统计工作中至少占到50%以上，如不能做出很好的分析，控制过程也是没有什么效果的。根据我个人的经验，如果图中的点排列越随机，则CPK的值越高，这点可从概率和控制图原理来解释。小概率事件，在一次事件中认为是几乎不可能发生的事件，如果出现就认为是异常，按3σ控制原理，若过程正常则出现各种异常的概率为0.1%左右，如异常则增大几十、上百倍。
判断控制图的原则:点出界和排列不随机。（应用图分析的例子将续写）
没有找到相关结果
已邀请:
RSS Feed
3 个回复
sarah (威望:1) (江苏 南京)
赞同来自: