质量分析常用工具培训教材课件.ppt

《质量分析常用工具培训教材课件.ppt》由会员分享，可在线阅读，更多相关《质量分析常用工具培训教材课件.ppt（32页珍藏版）》请在三一办公上搜索。

1、,质量分析常用工具培训教材,1.前言2.排列图3.因果图4.散布图5.直方图6.控制图,目录,统计质量控制是质量控制的基本方法，执行全面质量管理的基本手段，也是SPC的基础，这里简要介绍制造企业应用最广的统计质量控制方法。常用统计分析方法与控制图 获得有效的质量数据之后,就可以利用各种统计分析方法和控制图对质量数据进行加工处理,从中提取出有价值的信息成分。常用统计分析方法 此处介绍的方法是生产现场经常使用,易于掌握的统计方法,包括排列图、因果图、检查表、控制图等。,1.排列图 排列图是找出影响产品质量主要因素的图表工具.它是由意大利经济学家巴洛特（Pareto)提出的.巴洛特发现人类经济领域中

2、少数人占有社会上的大部分财富,而绝大多数人处于贫困状况的现象是一种相当普遍的社会现象,即所谓关键的少数与次要的多数原理.朱兰(美国质量管理学家)把这个原理应用到质量管理中来,成为在质量管理中发现主要质量问题和确定质量改进方向的有力工具.,1.1排列图的画法,1.2 排列图制作可分为5步:1.2.1 确定分析的对象 排列图一般用来分析产品或零件的废品件数、吨数、损失金额、消耗工时及不合格项数等.1.2.2 确定问题分类的项目 可按废品项目、缺陷项目、零件项目、不同操作者等进行分类。1.2.3 收集与整理数据 列表汇总每个项目发生的数量，即频数fi、项目按发生的数量大 小，由大到小排列。最后一项是

3、无法进一步细分或明确划分的项 目统一称为“其它”。1.2.4 计算频数fi、频率Pi和累计频率Fi 首先统计频数fi，然后按(1)、(2)式分别计算频率Pi和累计频率 Fi(1)(2)式中，f为各项目发生频数之和。1.2.5 画排列图 排列图由两个纵坐标，一个横坐标，几个顺序排列的矩形和一 条累计频率折线组成。如图1所示为一排列图实例。,1.3 排列图用途 1.3.1 确定主要因素、有影响因素和次要因素 根据排列图可以确定质量问题的主要因素：累计频率Fi在0-8 0%左右的若干因素。是影响产品质量的主要因素，如图中焊 缝气孔和夹渣。主要因素个数一般为1-2个，最多不超过个。根据排列图可以确定质

4、量问题的有影响因素：累计频率Fi在80-95%左 右的若干因素。它们对产品质量有一定影响，称为有影响因素。根据排列图可以确定质量问题的次要因素：累计频率Fi在95-100%左 右的若干因素，其对产品质量仅有轻徽影响，称为次要因素。1.3.2 抓主要因素解决质量问题 将质量影响因素分类之后，重点针对1-2项主要因素进行改进提高，以解决质量问题。实践证明，集中精力将主要因素的影响减少比消灭 次要因素更加有效。1.3.3 检查质量改进措施的效果 采取改进措施后，为了检验其效果，可用排列图来检查。若改进后的 排列图中横坐标上因素频数矩形高度有明显降低，则说明确有效果。,2.因果图 在找出质量问题以后，

5、为分析产生质量问题的原因，以确定因果关系的图表称为因果图。它由质量问题和影响因素两部分组成。图中主干箭头所指的为质量问题，主干上的大枝表示主要原因。中枝、小枝、细枝表示原因的依次展开。2.1.因果图的画法,2.1.1 确定待分析的质量问题，将其写在图右侧的方框内，画出主 干，箭头指向右端，见图。.2.1.2 确定该问题中影响质量原因的分类方法。一般对于工序质量 问题，常按其影响因素：人(Man)、设备(Machine)、原材料(Material)、方法(Method)、环境(Environment)等进行分 类，简称为4M1E。对应每一类原因画出大枝、箭头方向从左 到右斜指向主干，并在箭头尾端

6、写上原因分类项目，见图。2.1.3 将各分类项目分别展开，每个大枝上分出若干中枝表示各项 目中造成质量问题的一个原因。中枝平行于主干箭头指向大 枝。见图。2.1.4 将中枝进一步展开成小枝。小枝是造成中枝的原因，依次展 开，直至细到能采取措施为止。2.1.5 找出主要原因，画上方框作为质量改进的重点。2.2 因果图的用途2.2.1 根据质量问题逆向追溯产生原因，由粗到细找出产生质量问 题的各个层次、各种各样的原因。以及各原因的传递关系。2.2.2 因果图可明确原因的影响大小和主次。从而可以作为制定质 量改进措施的指导依据。,3.散布图 在质量问题的原因分析中，常会接触到各个质量因素之间的关系。

7、这些变量之间的关系往往不能进行解析描述，不能由一个（成几个）变量的数值精确地求出另一个变量的值，我们称之为非确定性关系。散布图就是将两个非确定性关系变量的数据对应列出，标记在坐标图上，来观察它们之间的关系的图表。3.1散布图的画法 3.1.1收集数据 所要研究的两个变量如果一个为原因，另一个为结果时，则一 般取原因变量为自变量，取结果变量为因变量。通过抽样检测 得到两个变量的一组数据序列。,3.1.2 在坐标上画点 在直角坐标系中，把上述对应的数据组序列以点的形式一一描 出。注意，横轴与纵轴的长度单位选取原则是使两个变量的散布 范围大致相等，以便分析两变量之间的相关关系。,3.2.散布图的用途

8、 3.2.1 确定两变量（因素）之间的相关性 两变量之间的散布图大致可分下列六种情形，如图所示。1)强正相关。x增大，y也随之线性增大。x与y之间可用直线y=a+bx(b为正数)表示。此时，只要控制住x，y也随之被控制住 了，图(a)就属这种情况。2)弱正相关。图(b)所示，点分布在一条直线附近，且x增大，y基本上随之线性增大，此时除了因素x外可能还有其它因素 影响y。3)无关。图(c)所示，x和y两变量之间没有任何一种明确的趋 势关系。说明两因素互不相关。4)弱负相关。图(d)所示，x增大，y基本上随之线性减小。此 时除x之外，可能还有其它因素影响y。5)强负相关。图(e)所示，x与y之间可

9、用直线y=a+bx(b为负数)表示。y随x的增大而减小。此时，可以通过控制x而控制y 的变化。6)非线性相关。图(f)所示，x、y之间可用曲线方程进行拟 合，根据两变量之间的曲线关系，可以利用x的控制调整实 现对y的控制。,3.2.2 变量控制。通过分析各变量之间的相互关系。确定出各 变量之间的关联性类型及其强弱。当两变量之间的关联 性很强时，可以通过对容易控制（操作简单、成本低）的变量的控制达到对难控制（操作复杂、成本高）的变 量的间接控制。3.2.3 可以把质量问题作为因变量，确定各种因素对产品质量 的影响程度。当同时分析各种因素对某一质量指标的作 用关系时，或某一质量现状的引发因素包含多

10、种因素 时，应尽可能将质量数据按照各种可能因素类型进行分 层，如：按操作人员分层、按使用设备分层、按工作时 间分层、按使用原材料分层、按工艺方法分层或按工作 环境分层等等。图所示为将因素分层之后使原来无关的 数据得以进一步细分。从而提示出更准确的内在联系。,4.直方图直方图是适用于对大量计量值数据进行整理加工、找出其统计规律。即分析数据分布的形态，以便对其总体分布特征进行推断的方法。主要图形为直角坐标系中若干顺序排列的矩形。各矩形底边相等，为数据区间。矩形的高为数据落入各相应区间的频数。4.1.直方图画法4.1.1 收集数据。数据个数一般在100个左右，至少不少于50个。理论上讲数据越多越好，

11、但因收集数据需要耗费时间和人 力、费用，所以收集的数据有限。4.1.2 找出最大值L，最小值S和极差R。找出全体数据的最大值L 和最小值S，计算出极差R=L-S。4.1.3 确定数据分组数k及组矩h。通常分组数k取4-20。设数据个 数为n，可近似取。通常取等组距，h=R/k。4.1.4 确定各组上、下界.只需确定第一组下界值即可根据组距h 确定出各组的上、下界取值。注意一个原则：应使数据的全 体落在第一组的下界值与最后一组（第k组）的上界值所组 成的开区间之内。4.1.5 累计频率画直方图。累计各组中数据频数fi，并以组距为底 边，fi为高，画出一系列矩形，得到直方图。见图所示。,4.2.直

12、方图用途4.2.1 计算均值和标准差S 均值表示样本数据的“质量中心”，可以按下式计算，式中，n为数据个数。样本数据的分散或变异程度可用下列样本标准差进行度量：,4.2.2 从直方图可以直观地看出产品质量特性的分布形态，便 于判断工序是否处于统计控制状态，以决定是否采取相 应处理措施。至此为止，我们介绍了质量控制中常用的统计分析方法。这些方法都是现场中经常用到的，实现方便、简单有效的统计质量控制方法。各种方法可以单独使用，也可以综合使用，如何结合生产实际情况，选择一种合适的方法，达到预期的控制效果，仍需要广大工程技术人员在实践中不断摸索并总结经验。,5.控制图 现在将介绍过程控制中常用的控制图

13、方法。包括控制图的重要性，控制图原理，控制图种类及选用。,5.1 控制图的重要性控制图是对生产过程或服务过程质量加以测定、记录从而进行控制管理的一种图形方法。图9-6所示为一控制图图例。图上有中心线CL、上控制界限UCL和下控制界限LCL，并有按时间顺序抽取的样本统计量数值的描点序列。统计过程控制(SPC)作为统计质量控制(SQC)的核心技术受到普遍的重视。目前，工业发达国家都将统计过程控制列为高技术项目，认为SPC是实现以预测为主的质量控制的有效手段。控制图所以能获得广泛应用，主要是由于它能起到下列作用：5.1.1 贯彻预防为主的原则。应用控制图有助于保持过程处于控制状 态，从而起到保证质量

14、防患于未然的作用。5.1.2.改进生产率。应用控制图可以减少废品和返工，从而提高生产 率、降低成本和增加生产能力。5.1.3.防止不必要的过程调整。控制图可用以区分质量的偶然波动与异 常波动，从而使操作者减少不必要的过程调整。5.1.4.提供有关工序能力的信息。控制图可以提供重要的过程参数数据 以及它们的时间稳定性，这些对于产品设计和过程设计都是十分 重要的。,5.2 控制图原理 5.2.1.统计控制状态 任何一个生产过程，不论它是如何精确设计和精心维护，总存在 着一定量的固有的或自然的变化。它是由许多偶然因素形成的偶 然波动的累积效果。由于这种波动比较小，所以我们认为这时生 产过程处于受控状

15、态或称为稳态。此外，在生产过程中有时也发生由异常因素造成的异常波动。如：由于设备调整不当、人为差错或原材料的缺陷而导致的质量 波动。与偶然波动相比这种异常变化要大得多，而且往往表现一 定的趋势和规律，此时，我们认为生产过程处于失控状态。受控状态是生产过程追求的目标，此时，对产品的质量是有把握 的。控制图即是用来监测生产过程状态的一种有效工具。,5.2.2.控制图的统计学原理 令为度量某个质量特性的统计样本。假定的均值为,而的标准 差为。于是，中心线、上控制限和下控制限分别为 式中，为中心线与控制界限之间的用标准差为单位所表示的间隔 宽度。图说明了控制图的控制原理。对于每一个控制点来讲，只要 点

16、子是在控制界限之间，我们就认为过程处于控制状态，不需要任 何措施；但如果点子落在控制界限之外，就认为过程失控，必须找 出异常因素。采取措施加以消除。正常情况下点子分布是正态的，落在控制界限之内的概率远大于落 在控制界限之外的概率。反之，若点子落在控制界限之外，可能是 属于正常情况下的小概率事件发生，也可能是过程异常发生，相对 来讲，后者发生的概率要大得多。因此，我们宁可以为后者情况发 生，这正是控制图的统计学原理。,UCL=X+A2RCL=D4RLCL=D3R,点子落在控制界限之内是否一定处于稳态？点子落在控制界线之外 是否一定出现异常？这两个问题的因答都是否定的。更为科学的判断应根据概率统计

17、方法对过程进行定量分析，精确计 算出状态的概率值之后再进行过程状态判断。以K取3为例(上、下界限距中心线距离为3倍的标准差)可计算出各 种模式控制图的概率值，如表1所示。,5.2.3.控制图根据质量数据的类型可分为：计量值控制图、计件值控制图 和计点值控制图。这些控制图各有各的用途，应根据所控制质量指 标的情况和数据性质分别加以选择。数据类型 计量值 均值-极差控制图 X-R 控制图 均值-标准差控制图 X-S 控制图 中位数-极差控制图 X-R 控制图 单值-移动极差控制图 X-RS 控制图 计件值 不合格品率控制图 P 控制图 不合格品数控制图 Pn 控制图 计点值 缺陷数控制图 C 控制

18、图 单位缺陷数控制图 u 控制图,5.2.4.各控制图用途：1.)X-R控制图。是最常用、最基本的控制图，它用于控制对象为长 度、重量、强度、纯度、时间和生产量等计量值的场合。2.)X-S控制图。此图与X-R图相似，只是用标准差图(S图)代替极 差图(R图)而已。极差计算简便，故R图得到广泛应用，但当样 本大小n10或12时，应用极差估计总体标准差的效率减低，最 好应用S图代替R图。3).X-R控制图.此图与X-R图也很相似,只是用中位数图(图）代替 均值图（图）。由于中位数的计算比均值简单，所以多用于现 场需要把测定数据直接记入控制图进行管理的场合。4).X-RS 控制图。多用于下列场合：(

19、1)采用自动化检查和测量对 每一个产品都进行检验的场合；(2)取样费时、昂贵的场合；(3)如化工等过程，样品均匀，多抽样也无太大意义的场合。由于它 不像前三种控制图那样能取得较多的信息，所以它判断过程变化 的灵敏度也要差一些。5).P控制图。用于控制对象为不合格品率或合格品率等计数值质量 指标的场合。这里需要注意的是，在根据多种检查项目总起来 确定不合格品率的场合，当控制图显示异常后难于找出异常的 原因。因此，使用P图时应选择重要的检查项目作为判断不合格 品的依据。,6)Pn控制图。用于控制对象为不合格品数的场合。设n为样 本大小，P为不合格品率，则Pn为不合格品个数，所以取 Pn为不合格品数

20、控制图的简记记号。由于计算不合格品 率需要进行除法，比较麻烦。所以在样本大小相同的情 况下，用此图比较方便。7)c控制图。用于控制一部机器、一个部件、一定的长度、一定的面积或任何一定的单位中所出现的缺陷数目。例 如，铸件上的砂眼数，机器设备的故障数等等。8).u控制图。当样品的大小变化时应换算成每单位的缺陷数 并用u控制图。,1、收集数据 以样本容量恒定的子组形式报告，子组通常包括2-5件连续的产品，并周性期的抽取子组。注：应制定一个收集数据的计划，将其作为收集、记录及描图的依据。1-1 选择子组大小，频率和数据 1-1-1 子组大小：一般为5件连续的产品，仅代表单一刀具/冲头/过程 流等。（

21、注：数据仅代表单一刀具、冲头、模具等 生产出来的零件，即一个单一的生产流。）1-1-2 子组频率：在适当的时间内收集足够的数据，这样子组才能 反映潜在的变化，这些变化原因可能是换班/操作人 员更换/材料批次不同等原因引起。对正在生产的产 品进行监测的子组频率可以是每班2次，或一小时一 次等。,1、收集数据 以样本容量恒定的子组形式报告，子组通常包括2-5件连续的产品，并周性期的抽取子组。注：应制定一个收集数据的计划，将其作为收集、记录及描图的依 据。1-1 选择子组大小，频率和数据 1-1-1 子组大小：一般为5件连续的产品，仅代表单一刀具/冲头/过程 流等。（注：数据仅代表单一刀具、冲头、模

22、具等生产出来的零 件，即一个单一的生产流。）1-1-2 子组频率：在适当的时间内收集足够的数据，这样子组才能 反映潜在的变化，这些变化原因可能是换班/操作人员更换/材料批 次不同等原因引起。对正在生产的产品进行监测的子组频率可以是 每班2次，或一小时一次等。,例:均值和极差图（X-R）,1-1-3 子组数：子组越多，变差越有机会出现。一般为25组，首次使 用管制图选用35 组数据，以便调整。1-2 建立控制图及记录原始数据（见下图）,1-3、计算每个子组的均值（X）和极差R 对每个子组计算：X=（X1+X2+Xn）/n R=Xmax-Xmin 式中：X1，X2 为子组内的每个测量值。n 表示子

23、组的样本容量1-4、选择控制图的刻度 4-1 两个控制图的纵坐标分别用于 X 和 R 的测量值。4-2 刻度选择：,对于X 图，坐标上的刻度值的最大值与最小值的差应至少为子组均值（X）的最大值与最小值的差的2倍，对于R图坐标上的刻度值的最大值与最小值的差应为初始阶段所遇到的最大极差（R）的2倍。注：一个有用的建议是将 R 图的刻度值设置为 X 图刻度值的2倍。（例如：平均值图上1个刻度代表0.01英寸，则在极差图上1个刻度代表0.02英寸）1-5、将均值和极差画到控制图上 1-5-1 X 图和 R 图上的点描好后及时用直线联接，浏览各点是否 合理，有无很高或很低的点，并检查计算及画图是否正确。

24、1-5-2 确保所画的X 和R点在纵向是对应的。注：对于还没有计算控制限的初期操作的控制图上应清楚地注明“初始研究”字样。,计算控制限 首先计算极差的控制限，再计算均值的控制限。2-1 计算平均极差（R）及过程均值（X）R=（R1+R2+Rk）/k（K表示子组数量）X=（X1+X2+Xk）/k 2-2 计算控制限 计算控制限是为了显示仅存在变差的普通原因时子组的均 值和极差的变化和范围。控制限是由子组的样本容量以及反 映在极差上的子组内的变差的量来决定的。计算公式：UCLx=X+A2R UCLR=D4R LCLx=X-A2R LCLR=D3R,注：式中A2,D3,D4为常系数，决定于子组样本容

25、量。其系数值见下表：,注：对于样本容量小于7的情况，LCLR可能技术上为一个负值。在这种情况下没有下控制限，这意味着对于一个样本数为6的子组，6个“同样的”测量结果是可能成立的。,2-3 在控制图上作出均值和极差控制限的控制线,平均极差和过程均值用画成实线。各控制限画成虚线。对各条线标上记号（UCLR，LCLR，UCLX，LCLX）注：在初始研究阶段，应注明试验控制限。,2-4 用控制图如何贯彻预防原则？答：20字方针：“查出异因，采取措施，加以消除，不在出现，纳入标准。”2-5 控制图判定原则有那些？答：判稳原则：1.连续25个点，界外点数D=O。2.连续35个点，界外点数D1 3.连续100个点，界外点数D2,