网站建设物理架构,东营网站建设那家好,别人做的网站自己想更新,网站准确的定位请点击上面 免费关注本账号#xff01;必读 → 2019年4-5月开课计划(IASC-CN俱乐部)PC是汽车行业品质管理的重要工具之一#xff0c;AIAG为此写了一整本书。这篇文章略去SPC一些基础知识的介绍#xff0c;直接来讲一下应如何利用SPC来管理一个制造过程。I. SPC的应用范围… 请点击上面 免费关注本账号必读 → 2019年4-5月开课计划(IASC-CN俱乐部)PC是汽车行业品质管理的重要工具之一AIAG为此写了一整本书。这篇文章略去SPC一些基础知识的介绍直接来讲一下应如何利用SPC来管理一个制造过程。I. SPC的应用范围存在特殊特性的工序一个从原材料到成品的制造过程通常包括很多个工序而每个工序又需要控制多个产品或过程参数。将SPC应用于所有工序的所有参数既不经济也不必要。那么哪些工序上的哪些参数需要使用SPC呢这个应该依据控制计划来决定。如果控制计划中确定某个产品或过程参数的控制方法是SPC(如下图红圈内所示的控制方法为 X-R 制图)则该参数的控制需要应用SPC。但控制计划中又如何决定哪个参数的控制应采用SPC呢常见的一个做法是如果某个参数被确定为特殊特性则该参数的控制需要使用SPC。II. 采用SPC管理过程之前应先完成测量系统的分析在应用SPC管理任何制造过程之前应先完成测量系统的分析。例如上图的控制计划中需要对切断后的长度实施SPC的话在此之前需要先对测量长度所用的测量系统进行分析以确保测量系统本身引起的变差(例如GRR)对测量结果不产生显著影响 。在此基础上从SPC得出的关于制造过程的判断才会有较大的可信度。III. 过程设计开发阶段SPC的使用初期过程能力研究和放行用SPC管理一个制造过程从它的设计开发阶段就需要开始了。如果制造过程的某个工序存在特殊特性需要应用SPC对其进行控制则该工序在投入量产之前需要对它进行研究在确认它达到以下要求后才可以放行用于量产过程不存在特殊原因过程能力达到既定的要求这两点都可以通过SPC来判断。具体的操作步骤如下1) 采集 ≥25个的子组且所有子组包含的样品数量应 ≥100(例收集25个子组子组容量应为4)。子组样品的采集应遵守以下原则子组内应尽可能减少特殊原因存在的机会而子组间应尽可能包括特殊原因存在的机会。2) 根据这些采集的子组数据计算控制限并以此控制限制作控制图。根据绘制的控制图识别过程是否存在特殊原因。如果有则分析原因并采取措施消除存在的特殊原因同时剔除这些存在特殊原因的子组用剩下的子组重新计算控制限再根据新的控制限制作新的控制图根据新绘制的控制图识别是否存在特殊原。。。重复以上的循环直至控制图中不再包括特殊原因引起的子组。由于在上述过程中会不断的剔除部分子组当剩余的子组数量小于25或样品数量小于100时应采集新的子组来补充。3) 计算过程参数Cp, Cpk, Pp和Ppk(因为过程的平均值被拉近至目标值Cp和Cpk以及Pp和Ppk应较为接近)。比较Cpk和Ppk的值如果相差较大则代表制造过程依然存在特殊原因应采取措施消除特殊原因(具体解释请参考此文)。在此步骤之后过程中的特殊原因已经消除过程将达到稳定受控状态。4) 重新采集足够的子组计算过程的平均值与目标值进行比较。如果两者相差较大则应采取措施消除过程平均值偏离目标值的原因。如何判定过程平均值和目标值相差太大并无明确的标准可以由公司内部规定例如可规定平均值和目标值之差超过1个标准差即是比较大了。5) 重新采集足够的子组计算过程参数Cp, Cpk, Pp和Ppk看这些参数是否达到目标要求(例如 )。如果过程参数未达到目标要求应采取系统性措施以减少过程的普通原因。6) 在完成以上这些措施后重新采集足够的子组计算控制限绘制控制图。此时过程的特殊原因已经消除所以过程处于稳定受控状态同时过程的普通原因也已经得到控制所以过程参数能达到既定的要求过程可以放行投入到量产中。IV. 量产过程中SPC的使用过程的监控、改善和变更在制造过程得到放行投入量产后应继续应用SPC来监控该过程。监控时应沿用上面步骤6中所建立的控制限这个控制限如无特殊原因不应更改。监控的项目跟过程研究阶段一样包括1) 是否有信号显示过程存在特殊原因如果有应采取措施消除特殊原因2) Cpk和Ppk的值差别是否较大如果是应采取措施消除特殊原因3) 过程平均值跟过程目标值差别是否较大如果是应采取措施拉近过程平均值与目标值4) 过程参数是否达到要求如果没有应采取措施减少普通原因以提升过程能力和表现。量产中的过程监控需要考虑的一个问题是过程平均值和过程参数应如何计算。由于过程在量产阶段可能会随时间出现变化例如机器震动越来越剧烈、新员工替代老员工、原材料品质的变化等我们需要监控的是过程最新的状态所以在计算量产中的过程平均值和过程参数时不应使用自过程放行以来所有采集的子组而是应该只用最近一段时间内采集的子组例如最近一个星期内采集的子组(如果子组采集的频率较高的话)或者最近采集的25个子组(如果子组采集频率较低的话)。量产中的制造过程除了满足上面提到的4项要求外还应满足品质管理的一个重要理念即持续改进所以还需要考虑对一个稳定受控且Cpk等参数达到要求的制造过程进行改善。这个改善只能通过系统性措施来减少普通原因的影响从而降低由普通原因引起的过程的离散程度提升过程的能力和表现。在完成改进后应重新采集足够的子组并计算过程新的控制限并以这个新的控制限实施对过程的监控。上面所提到的改进应不改变过程的平均值而只是缩小过程的离散程度即过程的控制限如下图所示但在量产阶段还可能会出现一些变更例如设备的搬动、材料的更换等可能会产生如下的三种结果。对于这些变更即使变更后过程Cpk等参数依旧满足要求汽车行业的客户也通常都会要求提交变更通知在得到客户的允许后才可以实施这些变更。所以在策划变更时应监控变更前后过程的平均值和控制限的变化由此来决定变更是否需要通知客户并最终确定变更是否可行。SPC的概念广义的SPC包括传统的7大质量工具(the magnificent seven)1. Histogram 柱状图2. Check sheet 检查表3. Pareto chart 柏拉图4. Cause-and-effect diagram 鱼骨图5. Process flow diagram 过程流程图6. Scatter diagram 散点图7. Control chart 控制图狭义SPC指的就是就是我们常说的控制图 Control Chart一种对生产过程的关键质量特性值进行测定、记录、评估并监测过程是否处于控制状态的一种图形方法。控制图除了众所周知的休姆哈特控制图(shewhart control chart)外其实还有多种其他控制图如累积和控制图CUSUM(cumulative sum control chart)指数加权移动平均控制图EWMA(Exponentially Weighted Moving-Average control chart)等。本系列推文的重点是比较常用的休姆哈特控制图SPC 7大工具中的其他部分后续会有文章介绍。这里有必要补充一点当我们说到“质量工具”往往更多地关注了工具的技术层面而忽略了运用工具的“环境”。这种片面的认知常常导致工具应用的低效。虽然上面提到的7大质量工具是SPC的重要部分但不能说SPC就是这7大工具因为SPC还需要一个“持续改善领导支持”的环境。如果一个企业没有追求持续改善的文化环境也没有最高管理层对这种文化环境的追求那么SPC就不能发挥其威力这时候SPC就不是真正的SPC了。我想橘生淮南则为橘,橘生淮北则为枳大概也就是这个道理。SPC的发展及应用历史最早的控制图是由美国贝尔电话实验室的休姆哈特博士在1924年提出的P图-P Chart后来此类控制图都被叫做休姆哈特控制图。从休姆哈特的P图算起SPC理论从创立到今天已接近百年。SPC理论创立之初恰逢美国大萧条时期该理论当时理论无人问津。后来二次世界大战时SPC理论在帮助美国军方提升武器质量方面大显身手于是战后开始风行全世界。不过二战后美国无竞争对手产品横行天下SPC在美国并没有得到广泛重视。日本二战战败后被美国接管为了帮助日本的战后重建美国军方邀请戴明到日本讲授SPC理论。1980年日本已居世界质量与劳动生产率的领导地位其中一个重要的原因就是SPC理论的应用。1984年日本名古屋工业大学调查了115家日本各行业的中小型工厂结果发现平均每家工厂采用137张控制图。戴明在日本讲授SPC因此SPC无论是在欧美还是日本都是非常重要的质量改进工具所以大家有必要去深入认识SPC、应用SPC、推广SPC。与SPC相关的几个重要的概念1. 变差就像世界上没有两张完全相同的树叶一样任何一个工厂无论其多么先进从其生产线出来的同一种产品或多或少总会存在一些差异这种差异就是变差。比如同一生产线生产出的一批合格螺栓长度不可能做到完全一样。2. 普通原因 vs 特殊原因类似于上面螺栓的例子为什么两个相同的汉堡并不能保证其重量完全相等呢这是因为制作汉堡的工艺流程不可能保证每一个汉堡的重量绝对的一样总会存在一些细微差异。只不过作为顾客我们能够接受这样的差异。我们把导致这种普遍的、固有的、可接受的变差的原因叫做普通原因 common cause。但如果哪天你买了两个同样的汉堡却发现其中一个汉堡中间完全没有添加蔬菜这不再是常见的、普通的变差而是有某种特殊原因导致的变差比如员工的操作的失误。这种变差往往是顾客不能接受的。我们把导致这种非普遍的、非固有的、异常的变差的原因叫做特殊原因 special cause。你会接受一个漏掉蔬菜的汉堡吗3.受控 vs 不受控如果一个过程仅仅只有普通原因引起的变差我们就说这个过程受控 in statistical control. 如果一个过程存在特殊原因引起的变差我们就说这个过程不受控 out of control. 控制图的使命就是帮助我们发现并消除导致过程变异的特殊原因这是一个使过程从不受控变成受控的过程。在这里强调下过程“受控”不等于“满足设计规范”“不受控”也不是说就“不满足规范”。受控于是否满足规范是两码事。受控并满足规范(蓝色控制限红色规范限下同)受控但不满足规范4. 中心极限定理中心极限定理是SPC的重要理论依据。这个定理是这样的“设X1X2...Xn为n个相互独立同分布随机变量其总体的分布未知但其均值和方差都存在当样本容量足够大时样本均值的分布将趋近于正态分布”。如何理解举个例子,不管全中国的30岁男人体重成何种分布,我们随机抽N个人的重量并计算其均值,那么当N足够大的时候,那么N个人的平均重量W就会接近于成正态分布。不禁有人要问多大算“足够大”记住如果总体的分布对称N〉5时效果就比较理想了如果总体分布不对称一般N〉30时候才算足够大。这个定理还有一个重要推论 样本均值的分布将会比总体的分布窄n是样本容量。5. 合理的抽样中心极限定理中我们说到了抽样那么什么是抽样, 为什么要抽样呢抽样(Sampling)就是从研究总体中选取一部分代表性样本的方法。在SPC理论中抽样是考虑到1)经济性即成本因素2)有的质量特性只能进行抽样研究比如需要通过破坏性实验获得的质量数据。显然抽样是有风险的如果抽样不合理其结果就是“管中窥豹略见一斑”了因此我们说要合理抽样(rational sampling)。合理抽样涉及到几个问题样本大小、抽样频率、抽样类型(连续取样、随机取样or 其他结构化取样)。为了满足统计过程控制的目标, 抽样计划必须确保:样本内变差包含了几乎所有由普通原因造成的变差子组内不存在由特殊原因造成的变差, 即所有特殊原因造成的影响都被限制在样本之间的时间周期上。抽样大小(子组大小)会影响控制图的敏感度样本越大能探测到的均值偏移Mean Shift 越小。一般来说计量型数据推荐最少取4至5个连续零件计数型数据样本一般不少于500(20~25组每组至少25个数据)。如何使用SPC控制图一、休姆哈特控制图类型介绍关于SPC控制图的制作步骤我们来看个流程图上图中黄色路径针对的是计量型数据涉及四种控制图1. X-Bar R chart--均值-极差控制图最常用、最基本的 控制图控制对象为长大衣、重量、强度、纯度、时间和生产量等计量值的场合。2. I MR chart--单值-移动极差图此图灵敏度较其他三个图差一些多用于以下场合1)自动化检测(对每一个产品都检测)2)破坏性取样成本高3)样品均匀如化工等过程多取样也没用。3. X-Bar S chart --均值-标准差控制图与均值-极差图类似只是用标准差图(S图)代替了极差图(R图)而已极差计算简便故R图用得广泛但当样本量n9时应用极差估计总体标准差的效率减低顾最好用S图替代R图。4. Xmed R chart--中位数-极差控制图同样 与均值-极差图类似只是用中位数图代替了均值图由于中位数可直接读出非常简单故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。橙色路径是针对 计数型数据同样涉及四种控制图1. P Chart --P控制图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。2. np Chart --np控制图控制对象为不合格品数由于计算不合格品率需要进行除法故在样本大小相等时此图比较简单。3. c chart --c控制图用于控制一部机器、一个部件、一定长度、一定面积或任何一定单位中所出现的缺陷数目如铸件上的砂眼数机器设备故障数等。4. u chart --u控制图当样品大小变化时应换算成每单位的缺陷数并用u控制图。二、控制图制作步骤上面8种控制图都属于休姆哈特控制图其中 X-Bar R chart 和 I MR chart 是比较常用的两个。但不管是选择哪种图都按以下步骤进行Step 1根据数据类型和抽样计划确定控制图类型。Step 2使用收集的数据计算过程均值和控制限。Step 3计算绘图比例并将数据点, 过程均值和控制限绘制在控制图上。Step 4. 查找不受控的点:– a. 确定为什么不受控.– b. 纠正过程的问题, 例如抽样计划, 数据收集方式等.– c. 如果已识别出特定原因, 消除该不受控的点并且用增加的额外数据点代替.– d. 重新计算过程均值和控制限.– e. 重新计算比例并将修订后的数据点, 过程均值和控制限绘制在图上.– f. 继续重复抽样过程直到所有必须的点都受控. 这就建立起了正确的过程均值和控制限.备注我们把处于上述步骤 Step 4-d 之前的控制图叫做分析用控制图(Phase I ) d 之后的控制图叫做控制用控制图 (Phase II). 分析用控制图阶段就是过程参数未知阶段而控制用控制图阶段则是过程参数已知阶段。分析用控制图– 分析用控制图主要分析过程是否稳定和受控是否处于统计的稳定状态和技术的稳定状态此时分析的数据常为某一时间段的数据如一个星期或是一个月控制用控制图的控制限也即由此阶段的分析而得到的这是分析用控制图的主要任务之一。控制用控制图当过程达到我们所确定的“统计稳态和技术稳态”后才能将分析用控制图的控制线延长作为控制用控制图。这种延长的控制线相当于生产立法便进入日常管理。三、控制图制作案例我们将某轴类零件的直径尺寸作SPC监控假如其Nomial尺寸为18.0mm,按上述4个步骤Step1首先确定控制图类型变量数据且容易获取因此确定选取X-bar R chart.Step2收集数据计算初始的均值及控制限。如下表我们采集了m25个子组每个子组大小n5共计125个数据。按如下公式分别可得到X-bar chart, R chart 的上下控制限。Step 3开始绘图描点注意图表刻度比例要合适。Step4很幸运我们没有发现异常点说明过程本身是稳定和受控的分析阶段完成因此我们可将控制限延长开始后续的过程监控。很多情况下, Step4之前即“分析阶段” 会出现异常点, 在后续的 “控制阶段”也可能出现异常点那么如何 “判异” 呢四、控制图判异在控制图近百年发展中,先后有各种不同类型的判异准则被提出,如: Western Electric (WECO) rulesNelson RulesAIAG RulesJuran Rules....所以不同的文献资料列举的判异原则可能存在一些差异我们在选取用哪些判异原则可以根据自己的情况来定。今天我们介绍Minitab中的8大判异准则(结合下图理解)在控制限之外的任何点9 个连续的点在中心线的同一边6 个连续的点连续上升或下降14 个连续的点交互上升和下降3 个点中有2个都在A区或之外5 个点中有4个都在B区或之外15 个连续的点在任一个C区8 个点在C区之外原则1在控制限之外的任何点原则23 个点中有2个都在A区或之外原则35 个点中有4个都在B区或之外原则4连续15个点排列在中心线1个标准差范围内(任一侧)原则5连续8个点距中心线的距离大于1个标准差(任一侧)原则6连续9点位于中心线同一侧原则7连续6点上升或下降原则8连续14点交替上下变化其实SPC的内容还可以深入讲很多除了上面的休姆哈特控制图外还有累积和控制图CUSUM、指数加权移动平均控制图EWMA等。限于篇幅SPC控制图应用就介绍到此希望对大家有一定的帮助。版权声明本文来源于网络如若有版权问题请联系会立刻删除以上全部为精品小班授课名额有限先到先得有任何疑问请加文末杨老师微信了解详细 来源汽车零部件技术 转载请注明来源智慧汽车供应链严禁用于任何商业用途否则后果自负本篇仅作为知识分享侵删更多交流请加入QQ群智慧汽车供应链四群 565344187 GDT专业群 232776212 小编微信SZ18556807248 更多问题请添加小编微信添加时请备注好公司职位姓名
