统计过程控制之通用控制图

统计过程控制（SPC）与休哈特控制图(三)第六章通用控制图世界各国的控制图大多采用3σ方式。在应用控制图时,需要计算控制图的控制界限并根据实测数据计算出所控制的统计量,在控制图中描点。这两项都需要一定的工作量,尤其是p图与pn图、u图与c图,由于控制界限计算公式中含有样本大小n,控制界线随着n的变化而呈凹凸状,作图十分不便,也难于判稳、判异。若n变化不大,虽可用n的平均数n代替n,但不精确,当点子接近控制界限时有误报与漏报异常的可能。1981年我国张公绪教授与阎育苏教授提出的通用控制图解决了上述问题。在通用控制图上,控制界线是直线,而且判断异常的结果也是精确的。通用控制图已于1986年发布为国家标准GB6381。通用控制图主要包括两个内容:标准变换和直接打(描)点法。一、标准变换与通用图所谓随机变量的标准变换是指经过变换后随机变量的平均值变成0、方差变成1的变换,即：　变换后的随机变量=(随机变量一μ)/σ这是可以理解的。随机变量的取值减去其平均值后的平均值应为0;其次,分母为标准差,也就是说用标准差作尺度,这样,变换后的标准差应为1。现在,对3σ控制界限的一般公式UCL=μ+3σCL=μLCL=μ-3σ进行标准变换,于是得到UCLt=（UCL-μ）/σ=3CLt=（UCL-μ）/σLCLt=（UCL+μ）/σ=3式中,下标t表示标准变换后,也表示通用的“通"。这样,任何3σ控制图都统一变换成式(3.6.1一2)的控制图,称为通用控制图。通用图的优点是控制界限统一成3,0,-3,可以事先印好,简化控制图,节省管理费用,在图上容易判断稳态和判断异常。通用图的缺点是在图中打(描)点也需要经过标准变换,计算要麻烦些。为了解决这个问题,需要应用直接打点法。二、直接打点法控制图判断异常的准则主要有下列两点:(1)点子出界或恰在控制界限上;(2)界内点子的排列非随机。前者对于点子位置要求精确,后者对于点子位置要求相对精确就可以了。这就启控制图判断异常的准则主要有下列两点:(1)点子出界或恰在控制界限上;(2)界内点子的排列非随机。前者对于点子位置要求精确,后者对于点子位置要求相对精确就可以了。这就启发我们在通用图上作出K=-3,-2,...3,3的七根水平横线,把整个通用图分成Ⅰ，Ⅱ，...，Ⅷ共八个区域,如图3.6.2一1所示。如果点子落在区域Ⅰ或Ⅷ中,则点子显然出界,而且其结果是精确的;如果点子落在其余区域内,则只需将此点描在该区域中即可,其具体位置不要求那么精确。将通用图分成Ⅰ，Ⅱ，...，Ⅷ共八个区域的七根线:K=-3,K=-2,...,K=2,K=3称为标杆线。如果在现场数据中找出与此对应的七个数据(可称之为现场标杆数据),则在现场测得所控制质量指标的数据后,将它与这七个现场标杆数据相比较,便立刻知道应在通用图上哪个区域中描点。这就是直接打(描)点法。直接打(描)点法的公式仍然从标准变换公式导出。从式(3.61-1)有　　　　　　　　　　K=(现场标杆数据一μ)/σ于是　　　　　　　　　　现场标杆数据=μ+Kσ(K=-3,-2,-1,0,1,2,3)这就是直接打点公式。根据具体的控制图,得出相应的均值与标准差数据,代人上式,可以列出直接打点表。现场工人可根据现场实测数据,查直接打点表,然后直接在通用图中描点,无需任何计算,十分方便。实践证明,这对于推广控制图十分重要。三、Pt(通用不合格晶率)控制图和pnt(通用不合格品数)控制图p图的统计量为样本不合格品率p=D/n,这里D为样本不合格品数,n为样本大小。pn图的统计量为样本不合格品数D=np。若过程的不合格品率P已知,则从式(3.6.1-1)知,统计量户经过标准变换后为pt====Dt从上式可见,经过标准变换后,p图的统计量pt与pn图的统计量Dt恒等,即对同一个二项分布总体的数据而言,无论应用统计量pt还是应用统计量Dt,在通用图上都得到相同的图形。这样,在原来应用p图或如图的场合都可采用pnt图,以便直接利用不合格品数D。现在给出pnt图的直接打点公式,以便作出pnt图的直接打点表。令DK,n为对应于通用图上标杆线K和样本大小n的现场标杆数据,于是从式(3.6.2一2),有DK,n=n+K，（K=-3，-2，-1，0，1，2，3，）式中,为P的估计量。例用通用图重做例3.5.7一1并与p图比较。;解采用Pnt图重做例3.5.7一1。进行步骤如下:步骤1:计算样本平均不合格品率。参见表3.5.7一1末,=0.93890步骤2:选择参数n的范围。由于在表3.5.7一1中n的最小值为55,最大值为99,所以pnt图的直接打点表最好选择n为50,55,60,...,100,105,以包括可能出现的n的数值。步骤3:计算直接打点表。根据式(3.6.3一2)计算如T图的直接打点表,如表3.6.3-1所示。例如,表中,当K=3,n=55时D3,55=55×0.0389+3=6.4其余类推。注:由于DK，n不可能为负,故表中每列只列出第一个负数以估计描点之用。步骤4:应用直接打点表在通用图上描点。例如,对于第一组样本,n=85,D=2,从表3.6.3一1中n=85的这一列查得D=2在D0.85=3.3和D-1.85=1.5之间。故第一组样本的点子应描在K=0与K=-1这两根标杆线之间。再如,对于第27组样本,n=99,D=10,从表16.3一1中与n=99最接近的n=100这一列查得D=10＞D3.100=9.7,于是判断该样本的点子超过上控制界限,过程失控。其余类推,如图3.6.3一1所示。由图可见,pnt图和p图的性状一致,但pnt图的控制界线为直线,而且所得结果是精确的,要方便得多。此外,无论样本大小n是否为常数，pnt图均可用。所以通用图不但减少了常规控制图的种类,由8种减为6种,而且也扩大了休哈特控制图(Pn图与C图)的应用范围。四、Ct(通用缺陷数)控制图和Ut(通用单位缺陷数)控制图c图的统计量为样本(即一定检查单位)的缺陷数c。u图的统计量为样本的单位缺陷数u=C/。若过程的平均缺陷数λ已知,则从式(3.6.1一1)知,统计量u经过标准变换后为Ut====式中,=n,它是与n个检查单位的总缺陷数C对应的过程参数。从上式可见,经过标准变换后,u图的统计量Ut与c图的统计量Ct恒等,即对同一个泊松分布总体的数据而言,无论应用统计量Ut还是应用统计量Ct,在通用图上都得到相同的图形。这样,在原来应用u图或c图的场合都可采用Ct图,以便直接利用缺陷数c。由于Ct图的控制界线为直线,而且所得结果是精确的,所以要比价图方便得多。此外,wu无论样本大小n是否为常数,Ct图均可用。因此,通用图不但减少了常规控制图的种类,而且也扩大了休哈特控制图的应用范围。      第七章两种质量诊断理论本章将讨论生产线的分析方法,两种质量的基本概念,两种质量诊断理论。一、两种质量诊断理论1．生产线的分析方法通常,一个产品在生产过程中要经过若干道工序加工才能完成。因此,每道工序都对产品的最终质量起作用。对于由若干道工序组成的一条生产线应如何分析和评价呢?传统的休哈特分析方法是道道工序把关,即上工序只允许把合格品送往下工序加工,这样就可以保证产品的最终质量。这种场合的分析方法是假定上道工序的产品总是合格品,从而无需考虑上工序对下工序的影响。因此,在分析生产线时,每道工序都看成是独立的,参见下图的模型Ⅰ。换言之,在传统分析方法中各工序都假定与其余工序是统计独立的。这时若分析某道工序的质量问题,只需考虑该工序本身的质量因素就行了,所以这种模型的优点是分析简单。工序1……工序n       序n工序2 传统生产线分析模型Ⅰ在现实生活中,对于上下无联系的工序,如机械加工中的镗内圆与钻孔,这种传统方法是有效的。但在许多场合,上下工序是相关的而不是统计独立的,如石油、化工等流程式生产或制药、食品加工等有严格时限要求的场合,传统的道道把关实际上做不到。因此,传统分析方法有局限性,需要采用新的选控分析方法。在选控分析方法中(如上图所示),认为上工序对下工序的影响,或多或少,始终存在,即上下工序间都是相关的。上下工序不相关(上工序影响为零)仅仅是本情况的特例。换言之,下图的模型Ⅱ更一般,更符合实际,且把上图的模型Ⅰ作为其特例。工序n       序n……工序2工序1选控生产线分析模型Ⅱ在模型Ⅰ中,各工序间是统计独立的,故分析工序时只需要考虑本工序的质量因素;而在模型Ⅱ中,各工序是相关的,故分析工序时除去考虑本工序的质量因素以外,还需考虑上工序的影响。为了简化模型Ⅱ的分析,需要提出两种质量的概念。二、两种质量为了简化分析图选控生产线分析模型Ⅱ,需要提出两种质量的概念。例如,在第n道工序(这里可以是生产线的任一道工序),根据质量涵义所涉及的范围大小,存在以下两种质量:1.  工序综合质量,简称总质量。总质量不但包括第n道工序的加工质量,而且综合了所有上道工序的加工质量在内。总质量就是通常意义下的产品质量,不过强调一个“总”,字而已。总质量的特点是:它可以由用户直接感受到。对于负责整个生产线的主管人员来说,他当然要关心总质量,因为总质量直接为用户感受到。但是,只关心总质量是不够的,当总质量发生问题时,往往不能立刻判定究竟是哪道工序造成的。因此,他还需关心第二种质量,即工序固有质量。2.工序固有质量,简称分质量。分质量是指该工序本身的加工质量,而不包括上工序的影响。分质量是一种新的质量概念。分质量的特点是:它反映了该工序的工作质量。事实上,影响一道工序的因素按照来源的不同可分为人、机、料、法、环五大类因素(即4M1E)。其中,料即原材料、半成品,它来自上道工序,与本工序元关;环即环境,由于整条生产线大多处于相同的环境下,故可将环境看成是一个共同的因素而不必给予特殊的考虑。而其余的人(操作人员)、机(设备,其可用性与人的维护好坏有关)和法(操作法)都与人的因素有关。所以说,分质量反映了该工序的工作质量。总质量是在上道工序提供的半成品(它的特征值反映了上工序的影响水平)的基础上,经过本工序的加工综合而成的产品质量。总质量和分质量二者的关系可概括表示如下;总工序分质量上工序的影响(简称上影)由此可见,分质量只是形成总质量的一部分。分质量与上工序无关,如果能够针对每道工序的分质量进行控制,那么就在分析上切断了下工序与上工序的联系（当然,在实际的生产线中,不可能切断上下工序间的联系。这里,强调的是在分析上切断上下工序间的联系）,从而达到简化分析的目的。而模型I所以能够分析简单就是由于上下工序无联系的缘故。因此,在用两种质量的观点分析问题时,应用分质量去分析是关键。对于一条生产线而言,首先每道工序都存在分质量,如果每道工序把上工序的影响与本工序的加工质量综合在一起,这就是总质量。所以说,每道工序都存在两种质量。只不过,在技术上与上工序无关的工序或在不需要考虑原材料输入影响的第一道工序,两种质量相等。两种质量的概念在服务过程也是存在的。现在举一个医院管理的例子来加以说明。大型综合医院设有各个医疗科室,如内科、外科、五官科、产科、儿科、肿瘤科等等。医院经常用治愈率（治愈率指平均每百个病人中,被治愈的病人所占的百分比）这个指标对各个医疗科室进行统一的评价。结果,产科的治愈率可高达97%以上,独占鳌头,而肿瘤科则因治愈率很低而殿后。显然,以治愈率来评价各个医疗科室的工作是不合理的,因为不同的疾病对治愈率有显著的影响,从而使得治愈率无可比性。为了更深入分析这个问题,现在将影响治愈率这个服务指标的所有服务质量因素分为以下两大类:1. 共有因素:指各医疗科室共同具有的质量因素,如医疗人员的医疗水准、对病人的责任心、医疗组织机构是否有利于病人的治疗等等。总之,都与人的因素、人的主观努力有关。2. 特殊因素:指疾病种类不同、医疗设备的先进程度不同等属于各医疗科室所独有的特殊因素。这些因素都与客观条件有关。由于疾病病种对治愈率有显著影响,所以利用治愈率来评价各个医疗科室并不合理。最好能设计一种新的选控治愈率,使它只受共有因素的影响而与特殊因素无关,这样用选控治愈率来评价各个医疗科室就合理了。现在将服务质量指标治愈率和选控治愈率与两种质量即总质量和分质量进行一些比较。治愈率受到所有服务质量因素的影响,而且它是病人能感受到的,所以与总质量相当,应更确切地称之为总治愈率。选控治愈率只与共有因素即人的因素有关,所以它反映了工作质量,正与分质量相当,亦可称之为分治愈率。故应用选控治愈率来评价各个医疗科室是合乎逻辑的。1982年在广西军区医院、1993年在北京铁路局医院,应用上述选控治愈率对各个医疗科室进行了统一评价,结果都很成功,产科不再是冠军,肿瘤科也不再是殿后。根据选控治愈率将各个医疗科室依序排列,所得名次与医院管理部门的印象十分吻合。由上述可见两种质量的概念是普遍存在的,不仅存在于生产过程、服务过程,而且也存在于管理过程和其他过程。1994年新版ISO9000族标准把一切工作都看成过程,这说明两种质量的诊断理论有着广阔的应用前景。三、两种质量诊断理论的思路先看医生诊病的简单例子以便由此得到启发。病人发烧去医院看病,医生用体温表测量病人的体温。若病人的体温高于37℃,医生就诊断此病人发烧。因此,诊断总是根据某个实测特性值(如体温)与标准值(如人的正常体温为37℃)进行比较而得出的。二者差值越大说明病情越严重,二者差值越小说明病情越轻微,若二者差值等于零,即二者相等,则说明正常无病。与此类似地,若对生产线的某个过程进行诊断,需要确定:(1)取产品质量的某个主要特性值作为诊断依据;(2)找出该特性值的比较标准;(3)将该特性的实测值与标准值进行比较,作出诊断。例如,为了分清上下工序在产品质量方面的责任,需要对上工序影响进行诊断。在生产线的每道工序都存在两种质量,即总质量与分质量,那么,谁反映了标准值?谁反映了测量值?由于分质量与上王序无关,它只决定于该工序的人、机、法、环(“料,,属于上工序)各个条件,是固有质量,所以分质量反映了标准值。至于总质量包含了上工序影响与分质量在内的综合质量,故它反映了测量值。将此二者进行比较即可对上工序影响进行诊断,故称之为两种质量诊断理论。当然,把上工序影响扩大到其他质量故障也一样可以诊断。这里,有一个重要的问题,即对这两种质量如何进行度量。我们提出两种方法。一种是应用控制图,总质量用休哈特图(简称休图,或更一般地称之为全控图)进行度量,分质量用选控图(参见4.1.4节)进行度量,这就是两种控制图的诊断。由于在控制图上任一瞬时均可描点,故这种诊断也是实时诊断。另一种方法是用工序能力指数,总质量用总工序能力指数Cpt进行度量,分质量用分工序能力指数Cpp进行度量,这就是两种工序能力指数的诊断。工序能力指数对瞬时的质量变化是不灵敏的,一个阶段度量一次才有意义,故这种诊断也是阶段诊断。无论控制图还是工序能力指数都是统计工具,所以上述两种质量的诊断都是统计诊断。统计诊断只能用于大量数据的场合,若数据过少，应用这种诊断有困难。与此相对应地在现场还有技术诊断。技术诊断是最根本的,现场发生了质量问题,最终要通过技术诊断加以确认,但它耗资费时,而统计诊断则快速节约。因此,技术诊断与统计诊断各有优缺点,应相辅相成,发挥各自的优势。四、两种控制图的诊断本节准备讨论下列问题:总质量由休图度量,分质量由选控图度量,选控图的任务,选控图是如何完成任务的,两种控制图诊断的典型情况等。(一)总质量由休图度量工序总质量要受到本工序的异常因素和上工序的异常因素两方面的影响,即该工序全部可能的异常因素的影响。而休哈特控制图的实质是区分由偶然因素(简称偶因)引起的偶然波动和由异常因素(简称异因)引起的异常波动,即区分偶然因素和异常因素这两类因素。这里异常因素包括全部可能发生的异因,从这个意义上讲,休图也可称作全控图,故总质量可以用全控图来进行度量。休图、累积和控制图、验收控制图,乃至多元控制图等都是全控图。(二)分质量由选控图度量工序分质量只是工序总质量的一部分,它与上工序的影响无关,所以分质量只受到一部分异因的影响,我们称这部分异因为欲控异因,其余的异因为非控异因。因此,度量分质量需要一种能够选择部分异因加以控制的新型控制图,称之为选控控制图（简称选控图或选图)。全控图的实质是区分偶然因素和异常因素两类因素,而选图的实质是区分三类因素,即偶然因素、欲控异因和非控异因。与全控图相对应,选图可以有选控休图、选控累积和控制图、选控验收控制图,乃至选控多元控制图等等。(三)选控固的任务选控图需要完成的任务有二：1.只选择欲控异因加以控制(选控),而对于非控异因,则即使它实际上发生了,也不加反映。例如,在工序控制方面,对于分质量而言,本工序发生的种种质量问题均属于欲控异因,而上工序的影响则属于非控异因。若用选控图度量分质量,就首先有一个如何选出分质量加以控制的问题。我们并不是直接去选出分质量,这样做很困难,而是走另一条迂回道路:从总质量中排除非控因素（这里非控异因为上影)的影响,这样剩下来的就是分质量。因此,选控图的第一个任务是从总质量中排除非控异因的影响。3. 区分偶因与欲控异因。在完成上述选控图的任务Ⅰ后,剩下的只有分质量,影响它的只有偶因与欲控异因。故选控图的第二个任务即区分偶因与欲控异因。(四)选控图是如何完成其任务的选控图是如何完成其第一个任务(即选控)的呢?在正态分布情况下,设本工序质量指标为y,y～N(μ,),上工序影响用上工序质量指标x描述,则一般地有μ=F(x)σ=G(x)式中,函数F(x)和G(x)可由回归或技术分析或经验求得。若上下工序联系密切,则由于非控异因即上工序影响x的变化,本工序质量指标y的分布为一正态分布族,一般的控制图不适用。为了达到选控,使选图对非控异因x不加反映,对y应用标准变换(参见3.6.1节),并记变换后的y为ycs,则уcsi==≈式中ycs称选控值,下标“cs',表示选控(cause-selecting),符号“^”表示估计值。当样本充分大时,近凶有理ycs～N(0,1),于是μi=0，σi=1，故ycs与非控异因x无关,从而达到选控。由于标准变接(414一2)对于y的分布性质不加限制,故(414一2)也可用于二项分布与泊松分布,达到选控。应该强调指出,选控的实现方法并不是唯一的。例如,在二项分布情况下还可用反正弦变换实现选控,在泊松分布情况下还可用平方根变换实现选控等等(参见本章参考文献[4])。在下列特殊条件:(1)正态分布情况;(2〉σ=G(x)=为一常数;(3)μ=F(x)由回归方法求得,则式(4.1.4一2)可简化为3)уcsi==≈=或y’csi=уcsi=-=-F()≈-i=-当样本充分大时,近似地有y＇cs～N(0,)。现在讨论如何完成选控图的第二个任务,即区分偶因与欲控异因。这与一般控制图的原理是相同的。在正态分布大样本情况下,若σ不为常数y＇cs～N(0,1);若σ=σ0为一常数,则y＇cs～N(0,)。因此可应用正态分布的各种控制图对选控值ycs进行控制,从而得出相应的选控图。例如,对于Xcs-Rcs(选控单值一选控移动极差)控制图,利用3σ界限公式,有控制图的控制界限为UCL=+3≈ycs+3ycs=cs+2.66scsCL=≈ycs=csLCL=-3≈ycs-3ycs=cs-2.66scs式中,μycs为选控值ycs的总体均值,σycs为ycs的总体标准差,cs以ycs的样本均值,Rscs为ycs的杨本意动机差，scs控制图的控制极限为UCL=+3≈Rscs+3Rscs=3.27scsCL=≈Rscs=RcsLCL=-3≈Rscs-3Rscs=-再如,对于-R(选控均值一选控极差)控制图有cs控制图的控制界限为UCL=+3≈cs+3cs=cs+scCL=≈cs=csLCL=+3≈cs+3cs=cs+sc式中，μ为cs的总体均值,σcs为cs的总体标准差,cs为cs的样本均值,即ycs的样本总均值,Rcs为ycs的样本极差,cs为其均值。而Rcs控制图的控制界限为UCL=+3≈cs+3Rcs=csCL=≈Rcs=csLCL=-3≈cs-3Rcs=cs式中,为选控值Rcs的总体均值，σRcs为Rcs的总体标准差。对于二项分布与泊松分布,情况,选控图另有一系列作法。选控图对全控图是相应的,故对应于休图,选控图也有常规选图系列,如表4.1.4一1所示。例某制药厂抗生素车间为了分清过滤工序与脱色工序的质量责任,决定在脱色工序建立选控图,预备数据见表4.1.4-20表中x表示过滤液透光度,y表示脱色液透光度。解由于透光度为计量值，应采用正态分布选控图。为便于说明问题，采用最简单的Xcs-Rscs控制图，建立步骤如下：分布休图选控图正态分布-R图cs-Rcs(选控均值一选控极差)图根据非控异因个数是单个还是多个,每种选控图还可以为单因素选控图与多因素选控图-s图cs-Scs(选控均值一选控标准差)图Χmed-R图Χmedcs-Rcs(选控均值一选控极差)图x-R图Xcs-Rscs(选控单值一选控移动极差)图二项分布P图Pcs(选控不合格品率)图Pn图Pncs(选控不合格品数)图泊松分布u图Ucs(选控单位缺陷数)图C图Ccs(选控缺陷数)图 步骤1:对于正态分布情况,需要检验质量特性值y的标准差σ=G(x)是否为常数。若σ不为常数,应用式(4.1.4一2),若σ为常数,则应用式(4.1.4一4)求出选控值ycs。该厂根据以往经验知本例脱色液透光度y的σ为常数。而二项分布与泊松分布则不需要此步骤,因为此二分布的。参数不为常数。步骤2:求出函数μ=F(χ)。此函数可根据技术分析或回归方法或经验公式得出。本例应用回归方法求出此函数。根据表4.1.4-2中数据作出的散点图(见图4.1.4一1),选择回归模型=+再用微机或电子计算器算得回归系数=0.142237=81.91244而相关系数r=0.374,查附录VI相关系数检验表,当n=47,n-2=45,取α=1%,得检验数rα(n一2)=r0.01(45)=0.372,故式(4.1.4-9)是有意义的。步骤3:计算回归值。根据式(4.1.4一9),计算结果见表4.1.4-2中第(4)栏。例如,对于批号1,x1=76.8,于是1=+x1=81.91244+0.142237(76.8)=92.847步骤4:计算选控值ycs。根据式(4.1.4一4),计算结果见表4.1.4-2中第(5)栏。例如,对于批号1,有ycs=y1一1=92.1一92.847=一0.747步骤5:计算Rscs。计算结果见表4.1.4一2中第(6)栏。例如,对于批号2,有Rscs1=|ycs1一ycs2|==|一0.747一0.694|=1.441步骤6:计算cs与scs。从表末行知=0.002,=46.953,则 cs==≈0.0000scs==＝1.0207这里,cs是cs图的中心线,scs是Rscs图的中心线。步骤7:作-图。先作图。根据式(4.1.4一6),图的控制线为UCL=3.27scs=0.0000+2.66(1.0207)=2.7151≈3.34CL=scs≈1.02LCL=-如图4.1.4一2所示。为了判断脱色工序分质量的变异度是否处于稳定状态,将表4.1.4一2中第(6)栏的数据描点在图中。于是根据判稳准则(1)知脱色工序分质量的变异度处于稳定状态。现在将cs=0.0000与scs=1.0207代入式(4.1.4一份,得的控制线为UCL=cs+2.66scs=0.0000+2.66(1.0207)=2.7151≈2.72CL=cs=0.0000≈0LCL=cs-2.66scs=0.0000-2.66(1.02070)=-2.7151≈-2.72如图4.1.4一2所示。为了判断脱色工序分质量的均值是否处于稳定状态,将表4.1.4一2中第(5)栏的数据描点在图中。根据判稳准则(1)知脱色工序分质量的均值也处于稳定状态。因此,脱色序得分质量处于稳定状态。可以延长-图的控制线作为控制用控制图。   (五)两种控制图诊断的典型情况由于任何一道工序都存在两种质量,即总质量与分质量,总质量由全控图度量,而分质量由单选图(单因素选控图)度量,这里非控异因指上影(上工序影响)。上工序与下工序的接口处是上工序总质量,故也用全控图度量。这样就构成一个诊断系统,如图4.1.4-3所示。根据全控图与选图的是否显示异常,上下工序三张图的组合共有=8种典型情况,参见表4.1.4-3手为便于记忆,以后简称之为三八(三张控制图、八种典型诊断情况)表。上工序下工序休图(上)休图(下) 单选图(本)     典型情况上工序全控图下工序全控图下工序选控图诊断Ⅰ异常异常异常分质量异常(存在欲控异因),上影也异常(存在非控异因)Ⅱ异常异常异常分质量正常(无欲控异因),上影异常(存在非控异因)Ⅲ异常正常正常分质量异常(存在欲控异因),上影也异常(存在非控异因),但二者方向相反而抵消,使总质量正常Ⅳ异常正常正常分质量正常(无欲控异因),上影异常(存在非控异因),但二者方向相反而抵消,使总质量正常Ⅴ正常异常异常分质量异常(存在欲控异因),上影正常(无非控异因)Ⅵ正常异常正常分质量正常(无欲控异因),上影也正常(无非控异因),但二者方向相同而叠加,失踪质量异常Ⅶ正常正常异常分质量异常(无欲控异因),上影正常(无非控异因),但二者方向相反而抵消,使总质量正常Ⅷ正常正常正常 两种控制图诊断的三八表现在对表中的八种典型情况分别作简单分析如下:情况Ⅰ:分质量异常应在本工序找出欲控异因,上影异常应在上工序找出非控异因,并将二者消除。情况Ⅱ:本工序分质量正常,而上影异常,故应在上工序找出非控异因加以消除。情况Ⅲ:分质量异常说明本工序存在欲控异因,上影异常说明上工序存在非控异因,但本工序总质量正常说明欲控异因与非控异因方向相反而抵消。因此,这二者中有一个是有利于改进工序质量的,故只需找出不利于改进工序质量的异常因素并加以消除。情况Ⅳ:上影异常说明上工序存在非控异因,但本工序总质量正常,说明本工序分质量正常且与上影方向相反而抵消,故应在两者中找出不利于工序改进的异常因素并加以消除。情况Ⅴ:上影正常,而本工序分质量异常说明存在欲控异因,故只需在本工序中找出异常因素加以消除。情况Ⅵ:上影和分质量均正常,但两者方向相同而叠加使本工序总质量异常。这种情况的出现大多由于上影和分质量中有-个的质量特性值已经靠近控制图控制界限,而另一个的质量特性值与其同方向而叠加,结果造成本工序全控图打点出界而显示异常。这种本身并未异常而仅仅由于方向相同叠加造成质量异常的因素称为致异因素,它扩大了异常因素的概念。情况Ⅶ:分质量异常,上影正常且与分质量方向相波而抵消,使本工序总质量正常,故应在两者中找出不利于工序改进的异常因素并加以消除。情况Ⅷ:上下工序均正常,无需处理。注意,由上表中可见,若无两种质量诊断理论,而在生产线的各工序只使用休图,则表4.1.4一3中情况Ⅱ、Ⅲ、Ⅵ、Ⅶ将发生虚报与漏报的错误,这已为工厂的实践所证实。这里并不是休图本身的错误,而是人们对休图理解的错误。休图只能用来反映总质量,从而包括上影在内。若我们认为休图能够反映分质量而与上影元关,那就是错误的。(六)两种控制图诊断的实例例仍用例前例。该厂抗生素分厂日常生产的数据见表4.1.4-4,试用两种控制图的诊断理论进行诊断。解为应用表4.1.4一3进行诊断,除了本工序的休图x(y)一Rs(y)图与选控图-图外,还作出了上工序的休图x(x)一Rs(x)图,这里选控图的非控异因为上影,用上工序过滤质量特性值x表示。它们的日常打点数据参见表4.1.4一4中的第(2)、(3)、(4)、(5)、(7)、(8)栏。上工序的x(x)一Rs(x)图与本工序的x(y)一Rs(y)图的计算过程略。于是得到图4.1.4一4与图4.1.4-5。在图4.1.4一5上可以对本工序脱色液透光度的变异度是否失控进行诊断,在图4.1.4一4上可以对本工序脱色液透光度的均值是否失控进行诊断。从图4.1.4一4与图4.1.4一5可得出异常批及其诊断,如表4.1.4一5所示。现对表4.1.4一5中的各个异常批说明如下:控制图批号X(x)X(y)XcsRs(x)Rs(y)Rscs属于例题中表的情况52＜LCL＜LCL＜LCL＞UCL＞UCL＞UCL从均值看属情况Ⅰ。从变异度看属情况Ⅰ。53   ＞UCL＞UCL＞UCL从变异度看属情况Ⅰ。54 ＞UCL＜LCL ＞UCL＞UCL从均值看属情况Ⅴ。从变异度看属情况Ⅴ。55     ＞UCL从变异度看属情况Ⅶ。64＜LCL＜LCL    从均值看属情况Ⅱ。65    ＞UCL 从变异度看属情况Ⅵ。77 ＞UCL    从均值看属情况Ⅵ。 1.由于质量指标为计量值透光度,它一般属于或近似属于正态分布,故应从均值和变异度两个侧面(见图4.1.4-4与图4.1.4一5)来观察其是否异常失控。2.根据表4.1.4一3两种控制图诊断的典型情况,很容易判断是否存在欲控异因(本工序)和非控异因(上工序影响)。这样就分清了上下工序的质量责任。3.第52批:无论从均值或变异度来看均属情况Ⅰ,即本工序和上工序均异常,需要在本工序找出欲控异因和在上工序找出异因,并加以消除。4.第53批:从变异度来看属情况Ⅰ,但从均值看属正常。仔细分析图4.1.4一4各图中第52批至第53批的变化,可知这里变异度的变化反映了由异常批第52批恢复到正常批第53批的波动,而非上下工序异常。5．第54批:无论从均值或变异度来看均属情况Ⅴ,需要在本工序找出欲控异因,并加以消除。6．第55批:从变异度来看属情况Ⅶ,但从均值看属正常。仔细分析图4.1.4一4各图中第54批至第55批的变化,可知这里变异度的变化反映了由异常批第54批恢复到正常批第55批的波动,而非本工序异常。7． 64批:从均值看属情况Ⅱ,即上影异常,应在上工序找出异因并加以消除。 8． 65批:从变异度看属情况班,但从均值看属正常。仔细分析图4.1.4一4各图中第64批至第65批的变化,可知这里变异度的变化反映了由异常批第64批恢复到正常批第65批的波动,而非上下工序异常。9． 第77批:从均值看属情况Ⅳ,但从变异度看属正常。情况14指分质量正常,上影也正常,两者同方向叠加使总质量异常。不过,这里异常指的是脱色液透光度超出UCL,表示异常好,应 总结 初级经济法重点总结下载党员个人总结TXt高中句型全总结.doc高中句型全总结.doc理论力学知识点总结pdf 好经验。观察图4.1.4一4,可见此次异常主要是在图中。值非常靠近其UCL而造成的,故应总结本工序的好经验。(七)典型诊断表的特点应用两种控制图典型诊断表进行诊断首先是由张公绪在1981年创建的,它具有下列特点:1． 上道工序与下道工序的接口处只能是上道工序的总质量,而下道工序即本工序存在两种质量:总质量与分质量。总质量上用全控图上度量,总质量本用全控图本度量,分质量本用选控图本度量,三张图每张控制图可以显示正常或异常,这样共有23=8种可能的组合。故典型诊断表共有8种典型情形,这是全部可能的情形。2． 典型诊断表考虑了上下工序的连接,这点十分重要。为说明方便,前述以上影为例。实际上,也可以把上影换成其他待诊断的毛病。3． 典型诊断表的诊断应用的是直接逻辑推理,而非统计推理,因此典型诊断表本身不存在统计推理的两种错误。4． 根据不同的需要,诊断系统与相应的典型诊断表可以选择不同类型的控制图,例如,休图与选控休图,累积和图与选控累积和图,多元图与选控多元图等等。因此,对于各种情况可用同一理论来统一处理,这在统计诊断理论中还是独一无二的。五、两种工序能力指数的诊断(一)工序能力与工序能力指数头工序能力是指工序的加工质量满足技术标准的能力。它是衡量工序加工内在一致性的标准。工序能力决定于质量因素4M1E而与公差无关。这里,工序能力指加工质量方面的能力,而生产能力则指加工数量方面的能力,二者是不同的。工序能力的度量单位是质量特性值分布的标准差,记以6σ通常,用6倍标准差,即6σ表示工序能力。当工序处于稳定状态时,产品的计量质量特性值有99.73%落在均值严土汩的范围内,即有99.73%的合格品落在上述6σ范围内,这几乎包括了全部产品。工序能力指数表示工序能力满足产品质量标准(产品规格、公差)的程度,一般记以Cp。对于双侧规格情况,Cp的计算公式如下:　　　　　　Cp==≈式中,T为技术规格的公差幅度,Tu、TL分别为规格上、下限,。为质量特性值分布的标准差,可用样本标准差s来估计。在上述工序能力指数中,T反映对产品质量的要求,而σ则反映工序的加工质量,所以在工序能力指数Cp中将6σ与T比较,就反映过程加工精度满足产品质量要求的能力。根据T与6σ的相对大小可以得到图4.1.5一1的三种典型情况。Cp值越大,表明加工精度越高,但这时对设备和操作人员的要求也高,加工成本也越大,所以对于Cp值的选择应根据技术要求与经济性的综合考虑来决定。当T=6σ,Cp=1,从表面上看,似乎这是既满足技术要求又很经济的情况。但由于过程总是波动的,分布中心一有偏移,不合格品率就要增加,因此,通常取Cp大于1。 对于单侧规格情况,若只有上限要求,而对下限没有要求,则工序能力指数计算如下:Cpu=≈而当≥Tu时,令Cpu=0,表示工序能力严重不足,这时过程的不合格品率高达到50%以上。若只有下限要求,而对上限没有要求,则工序能力指数计算如下:=≈而当≤TL时,令=0,表示工序能力严重不足,这时过程的不合格品率高达50%以上。当产品质量分布的均值μ与公差中心M不重合(即有偏移)时,式(4.1.5一1)所计算的工序能力指数不能反映实际情况,需要加以修正(见图4.1.5-2)。定义分布中心μ与公差中心M的偏移ε为ε|M一μ|,而μ与M的偏移度K为K==,则式(415一1)的工序能力指数变成=（1-K）≈（1-K）这样,当μ=M(即分布中心与公差中心重合无偏移)时,K=0,=Cp;而当μ=Tu或μ=TL时,K=1,=0。这里,=0表示工序能力由于偏移而严重不足,需要采取 措施 《全国民用建筑工程设计技术措施》规划•建筑•景观全国民用建筑工程设计技术措施》规划•建筑•景观软件质量保证措施下载工地伤害及预防措施下载关于贯彻落实的具体措施 加以纠正。 一般,对于工序能力制定了如表4.1.5一1所示的标准。从式(4.1.5一1)可知,当Cp=1.33,T=8σ,这样整个质量特性值的分布基本上均在上下规格限之内,且留有相当余地,见图4.1.5一1的情况Ⅰ。因此,可以说C≥1.33时工序能力充分满足质量要求。其余可类推。需要说明的是,随着时代的进步,对于高质量、高可靠性的“6σ',情况,甚至要求Cp达到2以上,所以对Cp≥1.67时认为工序能力过高的说法应视具体情况而定。工序能力指数Cp值的评价标准Cp值的范围级别工序能力的评价Cp≥1.67Ⅰ工序能力过高,应视具体情况而定.1．67＞Cp≥1.33Ⅱ工序能力充分1.33＞Cp≥1.0Ⅲ工序能力尚可,但接近1.0时要注意.1.0＞Cp≥0.67Ⅳ工序能力不足,需要采取措施.0.67＞CpⅤ工序能力严重不足. (二)两种工序能力指数及其诊断任何一道工序都存在两种质量,即总质量与分质量,与此相应地也应该有两种工序能力指数,即1. 综合工序能力指数,简称总工序能力指数,记以Cpt。它就是通常意义下的工序能力指数,用以反映总质量的阶段情况。2. 固有工序能力指数,简称分工序能力指数,记以Cpp,用以反映分质量的阶段情况。由于分质量是一种新的质量概念,所以Cpp也是一种新的工序能力指数。以双侧规格情况为例,由式(4.1.5-1)得Cpt==式中,Tt为总质量的规格公差,也即通常的规格公差T=Tu-TL，σt可由相应的全控图得出。与此相应地,我们有　　　　　　　　　　Cpp==式中,Tp为分质量的规格公差,当无上工序影响,情况,Tp=Tt,故知Tp=T;σt为分质量的标准差,可由相应的选控图得出。由于分质量是总质量的一部分,影响分质量的因素个数总是少于影响总质量的因素个数,故前者的波动小于后者,即有σp≤σt,从而有　　　　　　　　　　Cpt＜Cpp(4.1.5-7)上式说明Cpp是该工序的工序能力指数的上界,只有当非控异因排除后,方有Cpt=Cpp应用式(415-7),我们就可以进行质量预测,即着排除非议控异因,则质量提高的最大局度为d=Cpp-Cpt或相对幅度为dr===1-式(4.1.5-9)的最后一等式表明,即使不知道规定的公差T,同样可以计算出dr。应用两种工序能力指数进行质量诊断的步骤是:(1)根据dr的数值大小判断上工序影响是否严重。当dr>30%时,认为非控异因影响大;当dr<10%时,认为非控异因影响小;而当10%≤dr≤30%时,认为非控异因影响中等（2)根据本工序的固有工序能力指数Cpp判断本工序的加工质量情况,对照表4.1.5一1,当Cpp值较低时就需改进本工序,减少σp,从而提高Cpp值。例4.1.5-1某制药厂土霉素车间测得各工序的两种工序能力指数如表4.1.5-1所示。现欲改进最终产品的质量,试问哪几道工序是改进质量的关键?工序Cp值发酵(1)酸化(2)脱色(3)结晶(4)成品(5)Cpt0.91.01.00.90.8Cpp0.91.51.11.61.5dr(%)033.39.143.846.7 解采取三种方法进行讨论:1.由后往前,逐个诊断。先计算dr,根据dr判断上影是否严重,再根据Cpp判断分质量水平。例如.第5道成品工序:dr=46.7%>30%,故上影严重;其次Cpp=1.5,很高。因此,只要上工序解决了问题,本工序的Cpg=0.8很低的问题自然迎刃而解。第4道结晶工序:dr=43.8%>30%,故上影严重;其次Cpp=1.6,很高。因此,只要上工序解决了问题,本工序的Cpg=0.9很低的问题自然迎刃而解。第3道脱色工序:dr=91%〈10%,故上影轻微;其次Cpp=1.1,不高。因此,本工序是生产线技术改造的关键工序之一。第2道酸化工序:dr=33.3%>30%,故上影严重;其次Cpp=1.5,很高。因此,只要上工序解决了问题,本工序的Cpg=1.0不高的问题自然迎刃而解。第1道发酵工序:由于不考虑原材料的上工序影响,故两种质量相等,于是Cpg=Cpp=0.9,dr=0;其次Cpp=0.9,很低。因此,本工序也是生产线技术改造的关键工序。2.只看Cpp值,选择小于、等于1.0或接近1.0者。观察各工序的Cpp值,就可发现第1、3两道工序的Cpp价值最低,都在1.0左右,所以它们就是技术改造的关键。3．只看Cpt值,选择小于等于1者。这是国内外现行的方法,只观察各工序的Cpt值,可以看到各工序都有Cpt≤1.0,所以每道工序都是技术改造的关键。但是,现场的实际技术检查证明这个结论是错误的,只有第1、3两道工序才是技术改造的关键。造成错误的原因就是由于Cpt与上工序有关。与上工序关系越密切,即dr值越大,则Cpt受影响就越大,造成错误的程度也就越大。例如,上述第2、45道工序即如此。必须强调指出,目前的作法正是上述方法3,这应该引起大家足够的重视。实例4.1.5一1证实了两种质量诊断理论的威力。