统计过程控制(SPC)与休哈特控制图Word文档
统计进程操纵SPC与休哈特操纵图(一)
统计进程操纵（SPC）与休哈特操纵图(一)那个地址介绍SPC，操纵图的重要性，操纵图原理，判稳及判异准那么，休哈特操纵图，通用操纵图。
第一章统计进程操纵（SPC）一、什么是SPCSPC是英文Statistical Process Control的字首简称，即统计进程操纵。
SPC确实是应用统计技术对进程中的各个时期进行监控，从而达到改良与保证质量的目的。
SPC强调全进程的预防。
SPC给企业各类人员都带来益处。
关于生产第一线的操作者，可用SPC方式改良他们的工作，关于治理干部，可用SPC方式排除在生产部门与质量治理部门间的传统的矛盾，关于领导干部，可用SPC方式操纵产品质量，减少返工与浪费，提高生产率，最终可增加上缴利税。
SPC的特点是:（1）SPC是全系统的，全进程的，要求全员参加，人人有责。
这点与全面质量治理的精神完全一致。
(2) SPC强挪用科学方式(主若是统计技术，尤其是操纵图理论)来保证全进程的预防。
（3）SPC不仅用于生产进程，而且可用于效劳进程和一切治理进程。
二、SPC进展简史进程操纵的概念与实施进程监控的方式早在20世纪20年代就由美国的休哈特(W. 提出。
今天的SPC与昔时的休哈特方式并无全然的区别。
在第二次世界大战后期，美国开始将休哈特方式在军工部门推行。
可是，上述统计进程操纵方式尚未在美国工业牢固扎根，第二次世界大战就已终止。
战后，美国成为那时工业壮大的国家，没有外来竞争力量去迫使美国公司改变传统方式，只存在美国国内的竞争。
由于美国国内各公司都采纳相似的方式进行生产，竞争性不够强，于是进程操纵方式在1950~1980年这一时期内，慢慢从美国工业中消失。
反之，战后经济蒙受严峻破坏的日本在1950年通过休哈特初期的一个同事戴明(W. Ed- wards Deming)博士，将SPC的概念引入日本。
从1950～1980年，通过30年的尽力，日本跃居世界质量与生产率的领先地位。
美国闻名质量治理专家伯格(Roger W. Berger)教授指出，日本成功的基石之一确实是SPC。
SPC与休哈特控制图
统计过程控制与休哈特控制图目录第一节统计过程控制（SPC）与控制图概述 (2)一、什么是SPC？ (2)二、控制图及其原理 (2)第二节休哈特控制图分析 (5)一、控制图的两类错误 (5)二、控制图的判断准则 (6)第三节休哈特控制图 (12)一、简单说明各个控制图的用途： (13)二、用控制图需要考虑的一些问题 (15)三、各种控制图的原理及制作 (16)第一节统计过程控制（SPC）与控制图概述一、什么是SPC？SPC是英文Statistical Process Control的字首简称，即统计过程控制。
SPC就是应用统计技术对过程中的各个阶段进行监控，从而达到改进与保证质量的目的。
SPC强调全过程的预防。
SPC的特点是:（1）SPC是全系统的，全过程的，要求全员参加，人人有责。
(2) SPC强调用科学方法(主要是统计技术，尤其是控制图理论)来保证全过程的预防。
（3）SPC不仅用于生产过程，而且可用于服务过程和一切管理过程。
二、控制图及其原理1、控制图所谓控制图是对过程质量加以测定、记录从而进行控制管理的一种用科学方法设计的图。
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。
2、控制图原理的第一种解释控制图是美国贝尔电话研究所的休哈特（W.A.Shewhart）于20年代创立的。
它是显著性检验在过程稳定性控制中的应用。
一个过程本身的输出有其统计特性θ，例如批产品的不合格率p、不合格数，加工误差的均值μ及方差2σ，缺陷率u，…..它们客观存在，人们关心的是这统计特性是否稳定？对统计特性选定一个估计它的统计量^θ（例如对p选pˆ，对μ选_x，对2σ选2S…等等。
）选定一个α小概率，则对客观的θ而言，^θ有一个拒绝域，正常即过程稳定下，θ落在拒绝时间或样本号域内是小概率α。
我们相信在一般情况下，小概率事件不会出现，所以如果θ落在拒绝域，认为过程的θ值已发生变化，要审核这过程，纠正变异。
统计过程控制与休哈特控制图(四)
统计过程控制（SPC）与休哈特控制图(四)第八章排列图法和因果图法一、排列图法（一）什么是排列图排列图是为寻找主要问题或影响质量的主要原因所使用的图。
它是由两个纵坐标、一个横坐标、几个按高低顺序依次排列的长方形和一条累计百分比折线所组成的图。
它的基本图形,见图9-1。
排列图又称帕累托图。
最早是由意大利经济学家帕累托用来分析社会财富的分布状况。
他发现少数人占有着绝大多数财富，而绝大多数人却占有少量财富处于贫困的状态。
这种少数人占有着绝大多数财富左右社会经济发展的现象，即所谓“关键的少数、次要的多数”的关系。
后来，美国质量管理专家米兰，把这个“关键的少数、次要的多数”的原理应用于质量管理中，便成为常用方法之一（排列图），并广泛应用于其它的专业管理。
目前在仓库、物资管理中常用的ABC分析法就出自排列图的原理。
（二）排列图的作图法1．搜集数据搜集一定时期的质量数据，按不同用途加以分层、统计。
以某卷烟厂卷烟车间成品抽样检验时外观质量不合格品项目调查表中的数据为例（表9-1）。
2．作缺陷项目统计表为简化计算和作图，把频数较少的油点、软腰和钢印三次缺陷合并为“其它”项，其频数为37。
（1）把各分层项目的缺陷频数，由多到少顺序填入缺陷项目统计表，“其他”项放在最后,见表9-1。
（2）按表9-1的表头计算累计频数和累计百分比。
并填入统计表9-2中。
3．绘制排列图绘制排列图的步骤如下：（1）画横坐标，标出项目的等分刻度。
本例共七个项目。
按统计袤的序号，从左到右，在每个刻度间距下填写每个项目的名称，如空松、贴口、......、其它。
如图9-2。
（2）画左纵坐标，表示频数（件数、全额等)。
确定原点为0和坐标的刻度比例，并标出相应数值，本例为100、200、300等等。
（3）按频数画出每一项目的直方图形，并在上方标以相应的项目频数。
如空松458、贴口297等。
（4）画右纵坐标表示累计百分比。
画累计百分比折线，可用两种方法。
统计过程控制(SPC)
解：
于是，过程能力指数为：
过程能力不够充分，从图2发现分布中心μ=0.1968与规范中心M=（TU+TL）/2=0.1720有偏离，应进行调整。调整后，Cp值会有所提高。
单侧规范情况的过程能力指数
01
只有上限要求，而对下限没有要求： 只适用于的范围:
02
只有下限要求，而对上限没有要求： 只适用于的范围:
4
3
6
5
判稳准则的分析 判稳准则的思路
打一个点未出界有两种可能性：
► 过程本来稳定 ► 漏报 （这里由于α小，所以β大），故打一个点子未出界不能立即判稳。
在点子随机排列的情况下，符合下列各点之一判稳：
01
► 连续25个点，界外点数d=0；
02
► 连续35个点，界外点数d<0；
03
► 连续100个点，界外点数d<2。
0.1821
0.1828
0.0086
18
0.1812
0.1585
0.1699
0.168
0.1694
0.0227
19
0.1700
0.1567
0.1694
0.1702
0.1666
0.0135
20
0.1698
0.1664
0.17
0.16
0.1666
0.01
图1
μ’
μ
图2-7 正态曲线随着标准差变化
σ=2.5
σ=1.0
σ=0.4
y
x
不论μ与σ取值为何，产品质量特性值落在[μ-3σ，μ+3σ]范围内的概率为99.73%。 图2-8 正态分布曲线下的面积
统计过程控制与休哈特控制图(DOC 32页)
资料范本本资料为word版本，可以直接编辑和打印，感谢您的下载统计过程控制与休哈特控制图(DOC 32页)地点：__________________时间：__________________说明：本资料适用于约定双方经过谈判，协商而共同承认，共同遵守的责任与义务，仅供参考，文档可直接下载或修改，不需要的部分可直接删除，使用时请详细阅读内容统计过程控制（SPC）与休哈特控制图(二)第五章休哈特控制图一、特控制图的种类及其用途国标GB4091常规控制图是针对休哈特控制图的。
根据该国标,常规休哈特控制图如表常规的休哈特控制图。
表中计件值控制图与计点值控制图又统称计数值控制图。
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。
常规的休哈特控制图表中的二项分布和泊松分布是离散数据场合的两种典型分布,它们超出3σ界限的第Ⅰ类错误的概率σ当然未必恰巧等于正态分布3σ界限的第I类错误的概率α=0.0027,但无论如何总是个相当小的概率。
因此,可以应用与正态分布情况类似的论证,从而建立p、pn、c、u 等控制图。
常规的休哈特控制图1.x一R控制图。
对于计量值数据而言,这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。
x控制图主要用于观察分布的均值的变化,R控制图用于观察分布的分散情况或变异度的变化,而x一R图则将二者联合运用,用于观察分布的变化。
2.x一s控制图与x一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n>10或口,这时应用极差估计总体标准差。
的效率减低,需要应用s图来代替R图。
3.XMED一R控制图与x一R图也很相似,只是用中位数图(XMED图)代替均值图(x图)。
所谓中位数即指在一组按大小顺序排列的数列中居中的数。
例如,在以下数列中2、3、7、13、18,中位数为7。
又如,在以下数列中2、3、7、9、13、18,共有偶数个数据。
统计过程控制(SPC)与休哈特控制图完整编辑版
统计过程控制(SPC)与休哈特控制图（完整版）目 录：统计过程控制（SPC ）与休哈特控制图(一)第一章 统计过程控制（SPC ）一、什么是SPC二、SPC 发展简史 三、什么是SPCD 与SPCDA? 四、SPC 和SPCD 的进行步骤五、宣贯ISO9000国际标准与推行SPC 和SPCD 的关系第二章 控制图原理 一、控制图的重要性 二、什么是控制图三、控制图原理的第一种解释 四、控制图原理的第二种解释 五、控制图是如何贯彻预防原则的 第三章两类错误和3σ方式 一、两类错误 二、3σ方式第四章 分析用控制图与控制用控制图 一、分析用控制图与控制用控制图 二、 哈特控制图的设计思想 三、判断稳态的准则 四、判断异常的准则统计过程控制（SPC ）与休哈特控制图(二)第五章 休哈特控制图一、特控制图的种类及其用途 二、应用控制图需要考虑的一些问题 三、-R(均值-极差)控制图 四、-s(均值-标准差)控制图 五、Xmed-R(中位数-极差)控制图x x六、x-Rs(单值-移动极差)控制图七、p{不合格晶率)控制图八、pn(不合格晶数)控制图九、c(缺陷数)控制图十、u(单位缺陷数)控制图十一、计量值控制图与计数值控制图的比较统计过程控制（SPC）与休哈特控制图(三)第六章通用控制图一、标准变换与通用图二、直接打点法三、Pt(通用不合格晶率)控制图和pnt(通用不合格品数)控制图四、Ct(通用缺陷数)控制图和Ut(通用单位缺陷数)控制图第七章两种质量诊断理论一、两种质量诊断理论二、两种质量三、两种质量诊断理论的思路四、两种控制图的诊断五、两种工序能力指数的诊断统计过程控制（SPC）与休哈特控制图(四)第八章排列图法和因果图法一、排列图法三、其它常用的图表第九章直方图法一、什么是直方图二、直方图的作法三、直方图的观察分析四、直方图的定量描述五、直方图与分布曲线六、直方图法在应用中常见的错误和注意事项第十章散布图法一、什么是散布图二、散布图的作图方法三、散布图的判断分析四、散布图法在应用中应注意的事项统计过程控制（SPC）与休哈特控制图(一) 这里介绍SPC，控制图的重要性，控制图原理，判稳及判异准则，休哈特控制图，通用控制图。
统计过程控制休哈特Shewhart控制图
修哈特控制图 – 概述
深圳市共进电子有限公司
休哈特控制图的变量
深圳市共进电子有限公司
_
X 控制图 与 中心极限定理
• 中心极限定理 : • 如果在n个样本中取k个观察，样本x1, x2, . . . , xk将近似
N(x,x)的分布，有：
深圳市共进电子有限公司
k
xi
x
i 1
模块范围
• 产品控制与过程控制 • 识别变化 • 休哈特控制图 • 指标的不稳定性 • 执行控制图
深圳市共进电子有限公司
控制模型产品的质量控制
Raw Material, Components & Sub-Assemblies
Process
Product
Inspection
Fail
Pass
Rework
7 73.995 74.006
深圳市共进电子有限公司
识别变化
Special Variation
Natural Variation under 0 (±30)
Historical Level (0)
Reject Rate
Optimum Level (1)
深圳市共进电子有限公司
Time
Natural Variation under 1 (±31)
• 目标一致 （戴明） • 适应性 （约瑟夫朱兰） • 符合要求 （菲利普克劳士比） • 逆变异 （道格拉斯蒙哥马利）
深圳市共进电子有限公司
识别变化
• 固有的或正常的变化 由于累积的影响，许多小的不可避免的原因在不断的积累 下导致经营过程的唯一机会差异，被认为是“在控制中”
• 特别或分配变化，由于 一）不当调整设计 二）操作员的错误 三）有缺陷的原材料 一个进程中运行存在的分配变化的原因被认为是“失去控 制”
统计进程操纵SPC与休哈特操纵图_02
统计进程操纵（SPC）与休哈特操纵图(二)第五章休哈特操纵图一、特操纵图的种类及其用途国标GB4091常规操纵图是针对休哈特操纵图的。
依照该国标,常规休哈特操纵图如表常规的休哈特操纵图。
表中计件值操纵图与计点值操纵图又统称计数值操纵图。
这些操纵图各有各的用途, 应依照所操纵质量指标的情形和数据性质别离加以选择。
常规的休哈特操纵图表中的二项散布和泊松散布是离散数据场合的两种典型散布,它们超出3σ界限的第Ⅰ类错误的概率σ固然未必刚巧等于正态散布3σ界限的第I类错误的概率α=,但不管如何老是个相当小的概率。
因此,能够应用与正态散布情形类似的论证,从而成立p、pn、c、u等操纵图。
常规的休哈特操纵图1.x一R操纵图。
关于计量值数据而言,这是最经常使用最大体的操纵图。
它用于操纵对象为长度、重量、强度、纯度、时刻和生产量等计量值的场合。
x操纵图要紧用于观看散布的均值的转变,R操纵图用于观看散布的分散情形或变异度的转变,而x一R图那么将二者联合运用,用于观看散布的转变。
2.x一s操纵图与x一R图相似,只是用标准差图(s图)代替极差图(R图)罢了。
极差计算简便,故R图取得普遍应用,但当样本大小n>10或口,这时应用极差估量整体标准差。
的效率减低,需要应用s图来代替R图。
3.XMED一R操纵图与x一R图也很相似,只是用中位数图(XMED图)代替均值图(x图)。
所谓中位数即指在一组按大小顺序排列的数列中居中的数。
例如,在以下数列中二、3、7、13、18,中位数为7。
又如,在以下数列中二、3、7、九、13、18,共有偶数个数据。
这时中位数规定为中间两个数的均值。
在本例即297=8。
由于中位数的计算比均值简单,因此多用于现场需要把测定数据直接记入操纵图进行操纵的场合,这时为了简便,固然规定为奇数个数据。
4.x一Rs操纵图。
多用于以下场合:对每一个产品都进行查验,采纳自动化检查和测量的场合;取样费时、昂贵的场合;和如化工等进程,样品均匀,多抽样也无太大意义的场合。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
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=n P P P p /)1(--=)1(P nP nP np --=)1(P nP nPD --=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 p +K)1(p p n -，（K=-3，-2，-1，0，1，2，3，）式中,p 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p。
参见表 3.5.7一1末, p=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)55-⨯=6.4.00389.01(0389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=n U U U u /)1(--=n n C //λλ-=λλn n C -=λλ''-C式中,λ'=nλ',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。
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。
……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。