控制用控制图与分析用控制图
控制用控制图与分析用控制图
一、分析用控制图与控制用控制图的含义
一道工序开始应用控制图时,几乎总不会恰巧处于稳态,也即总存在异因。如果就以这种非稳态状态下的参数来建立控制图,控制图界限之间的间隔一定较宽,以这样的控制图来控制未来,将会导致错误的结论。因此,一开始,总需要将非稳态的过程调整到稳态,这就是分析用控制图的阶段。等到过程调整到稳态后,才能延长控制图的控制线作为控制用控制图,这就是控制用控制图的阶段。故根据使用的目的的不同,控制图可分为分析用控制图与控制用控制图两类。
(一) 分析用控制图
分析用控制图主要分析以下两个方面: (1)所分析的过程是否处于统计控制状态?
(2)该过程的过程能力指数C p 是否满足要求? 荷兰学者维尔达(S.L.Wievda)把过程能力指数满足要求的状态称作技术稳态。
由于C p 值必须在稳态下计算(Cp 的定义及具体计算方法见第四节) ,故须先将过程调整到统计稳态,然后再调整到技术控制状态。
根据状态是否达到统计控制状态与技术控制状态,可以将它们分为如表4.3-1所示的四种情况:
(1)状态I:统计控制状态与技术控制状态同时达到,是最理想的状态。 (2)状态Ⅱ:统计控制状态未达到,技术控制状态达到。 (3)状态Ⅲ:统计控制状态达到,技术控制状态未达到。
(4)状态Ⅳ:统计控制状态与技术控制状态均未达到,是最不理想的状态。 显然,状态Ⅳ是现场所不能容忍的、需要加以调整,使之逐步达到状态Ⅰ。
从表4.3-1可见,从状态Ⅳ达到状态Ⅰ的途径有二:
状态Ⅳ
态Ⅰ或状态Ⅳ
状态Ⅲ
状态Ⅱ状
状态Ⅰ,究竟通过哪条途径应由具体的技术经济分
析来决定。虽然从计算C p 值上讲,应该先达到状态Ⅲ,但有时为了更加经济,宁可保持在状态Ⅱ也是有的。当然,在生产线的末道工序一般以保持状态Ⅰ为宜。
东莞德信诚精品培训课程(部分) (点击课程名称打开课程详细介绍)
东
错误!
莞德信诚公开课培训计划>>>
ERLINK "http://www.bz01.com/download/dgSignUp.doc"
http://www.bz01.com/download/dgSignUp.doc
分析用控制图的调整过程即质量不断改进的过程, (二) 控制用控制图
当过程达到了我们所确定的状态后,才能将分析用控制图的控制线延长作为控制用控制图。由于后者相当于生产中的立法,故由前者转为后者时应有正式交接手续。这里要用到判断稳态的准则(简称判稳准则) ,在稳定之前还要用到判断异常的准则(简称判异准则) 。
进入日常管理后,关键是保持所确定的状态。
经过一个阶段的使用后,可能又会出现新的异常,这时应查出异因,采取必要措施,加以消除,以恢复统计过程控制状态。 二、常规控制图的设计思想
常规控制图的设计思想是先定犯第一类错误的概率α,再看犯第二类错误的概率β。
(1)按照3α方式确定CL 、UCL 、LCL ,就等于确定α0=0.27%。
(2)在统计中通常采用α=1%,5%,10%三级、但休哈特为了增加使用者的信心把常规控制图的α取得特别小,这样β就大,这就需要增加第二类判异准则,即既使点子不出界,但当界内点排列不随机也表示存在异常因素。 三、判异准则
判异准则有点出界和界内点排列不随机两类。由于对点子的数目未加限制,故后者的模式原则上可以有很多种,但在实际中经常使用的只有具有明显物理意义的若干种。在控制图的判断中要注意对这些模式加以识别。
国标GB/T4091—2001《常规控制图》中规定了8种判异准则。为了应用这些准则,将控制图等分为6个区域,每个区宽1σ。这6个区的标号分别为A 、B 、C 、C 、B 、A 。其中两个A 区、B 区及C 区都关于中心线CL 对称。需要指明的是这些判异准则主要适用于错误! 质量特性X 服从正态分布。
准则1:一点落在A 区以外(图4.3-1) 。在许多应用中,准则1甚至是惟一的判异准则。准则1可对参数μ的变化或参数σ的变化给出信号,变化越大,则给出信号越快。准则1还可对过程中的单个失控做出反应,如计算错误、测量误差、原材料不合格、设备故障等。在3σ原则下,准则1犯第一类错误的概率为α0=0.0027。
准则2:连续9点落在中心线同一侧(图4.3-2) 。此准则是为了补充准则1而设计的,以改进控制图的灵敏度。选择9点是为了使其犯第一类错误的概率α与准则1的α0=0.0027大体相仿。
错误! 2
准则2的现象,主要是过程平均值μ减小的缘故。
出现图4.3-2准则2的现象,主要是过程平均值μ减小的缘故。 准则3:连续6点递增或递减(图4.3-3) 。此准则是针对过程平均值的趋势进行设计的,它判定过程平均值的较小趋势要比准则2更为灵敏。产生趋势的原因可能是工具逐渐磨损、维修逐渐变坏、操作人员技能的逐渐提高等,从而使得参数α随着时间而变化。
准则4:连续14点相邻点上下交替(图4.3-4) 。本准则是针对由于轮流使用两台设备或由两位操作人员轮流进行操作而引起的系统效应。实际上,这就是一个数据分层不够的问题。选择14点是通过统计模拟试验而得出的,也是为使其α大体与准则1的α0=0.0027相当
错误! 点中有
2点落在中心线同一侧的B 区以外(图4.3-5) 。过程平均值的变化通
常可由本准则判定,它对于变异的增加也较灵敏。这里需要说明的是:三点中的两点可以是任何两点,至于第3点可以在任何处,甚至可以根本不存在。出现准则5的现象是由于过程的参数μ发生了变化。
准则5:连续3点中有2点落在中心线同一侧的B 区以外(图4.3-5) 。过程平均值的变化通常可由本准则判定,它对于变异的增加也较灵敏。这里需要说明的是:三点中的两点可以是任何两点,至于第3点可以在任何处,甚至可以根本不存在。出现准则5的现象是由于过程的参数μ发生了变化。
准则6:连续5点中有4点落在中心线同一侧的C 区以外(图4.3-6) 。与准则5类似,这第5点可在任何处。本准则对于过程平均值的偏移也是较灵敏的,出现本准则的现象也是由于参数μ发生了变化。
准则7:连续15点在C 区中心线上下(图4.3-7) 。出现本准则的现象是由于参数σ变小。对于这种现象不要被它的良好“外貌”所迷惑,而应该注意到它的非随机性。造成这种现象的原因可能有数据虚假或数据分层不够等。 在排除了上述两种可能性之后才能总结现场减少标准差σ的先进经验。 准则8:连续8点在中心线两侧,但无一在C 区中(图4.3-8) 。造成这种现象的主要原因也是因为数据分层不够,本准则即为此而设计的。
错误! 策与系统改进
四、局部问题对策与系统改进 (1)局部问题对策
由异常原因造成的质量变异可由控制图发现,通常由过程人员负责处理,称为局部问题的对策。统计资料表明,这类问题约占过程问题的15%。 (2)系统改进由偶然原因造成的质量变异可通过分析过程能力发现,但其改善往往耗费大量资金,需由高一级管理人员决策,称为系统改进。统计资料表明,这类问题约占过程问题的85%。
系统早期出现的问题往往是局部问题,这一点与可靠性理论中的浴盆曲线类似。