汽车制造行业品质管理学案.ppt

2-1-2 直方图作法（案例） 本案例以发动机装配车间HC排放量的测试数据作直方图： 数据收集（50-200个）与排序; 找出最大值与最小值（本案例中Xmax=125,Xmin=70); 求出全体数据的全距（分布范围或极差）R=Xmax-Xmin,本案例中R=125-70=55； 根据数据的个数进行分组，分组多少一般是数据个数在50以内的分5—7组，50—100分7—10组，100-250分10—20组，本案例分6组，组数k=6; 计算组距h, h=R/6, 本案例h=55/6≈ 11; 计算第一组的上下界限，Xmin+(+h/-h)/2, 本案例第一组上下界限为：64.575.5, 其他各组以上组上限为下限，上限以该组下限加上组距(h),依此类推…… 计算各组中心值（Xi)=(该组上限值+该组下限值）/2，本案例第一组中心值（X1)=70, 第二组中心值（X2)=81 直方图作法（案例） 记录各组的数据，整理成频数分布表（如案例续二） 计算落在每一组的数据个数（频数）并由此作图; 计算样本标准差 （S）= 案例样本标准差 S=stdev(all number)=12.8458 计算（中值）样本平均值X=∑ Xi/n=97.08 计算上下限（UCLLCL):=X±3S UCL=135.62; LCL=58.54 在直方图上标注上下限，中线（中值）及公差中心与工艺标准公差。 直方图（案例续一） 直方图（案例续二） 2-1-3 直方图读图 根据直方图的整体分布情况，推测生产过程质量是否发生异常，主要有以下几种特征： 整体分布位置是否适当； 整体分布的宽度如何； 整体分布形状是否向左或向右倾斜，是否对称，在整体分布中是否有无缺齿或折齿的现象； 整体分布的左右有无陡壁形状； 整体分布是否过于尖峰状； 有无孤岛型跳离整体之外，有无形成双峰型； 整体分布是否过于平坦。 各种异形分布形状见下图。 不同分布形状的直方图 直方图读图（续） 另外，还要将直方图和公差对比来观察直方图，分布情况如： 理想性，质量特性分布B在公差T的中间，平均值X基本与公差中心重合，质量特性分布的两边还有一定余地（CPK1.33)； 质量特性分布B虽然在公差界限内，但因偏听偏向某一边，有超差的可能，应采取措施纠正； 质量特性分布B与公差范围没有余地，总体已出现一定数量的不良品，应提高工序能力（1.0CPK1.33) 公差范围比特性分布B大很多，考虑降低成本或提高生产速度或减少检验频次； 质量特性分布B严重偏离公差范围，已明显超差，应立即纠正 质量特性分布太大，两边产生了超差，要提高加工精度，缩小分布范围。 直方图分布与公差 2-2管制图（二） 目的： 通过研究变差及其来源的方式检查、控制及改进某一时段内的工作表现。 作用： 把注意力集中到跟踪和检查一定时间内的过程变差； 便于把过程变差控制在容许的范围内，及时发现可疑的变差； 可作为持续过程质量管理的工具； 有助于工作改进，使之按照预定的方向始终如一地，可预测地发展 例子：产品质量控制，手感力矩记录，过程控制等。 各种图的用途 计量型数据 —研究过程数据的位置和分布宽度： X-R图：均值和极差分析，样本10个/组，常用； X-s图：均值和标准差分析，研究过程变异，样本10个/组，常用； X-R图：中位数和极差分析，样本10个/组，不如均值分析； X-Rm图：单值趋势和移动极差分析，不如均值分析。 计数型数据 —研究过程数据的合格/不合格，通过/不通过： P图：不合格率，样本量≧ 50，每组的样本量不一定相同，常用； NP图：不合格数，样本量≧ 50，每组的样本量相同； C图：单位产品的不合格数，每组样本量相同； U图：单位产品的不合格数，每组样本量不相同 通用做法： 选择要研究的过程； 确定样本： 样本组大小，样本个数及时效； 同等条件，如相同的操作工，机器，物料或产品； 收集原始数据； 应用相应的公式对样本数据进行统计； 计算控制界限； 作管制图； 解释管制图。 尾 声 在非洲，每个清晨羚羊醒来的时候，它知道它必须跑得比最快的豹子要快，否则就会被猎食。 在非洲，每个清晨猎豹醒来的时候，它知道它必须跑得比最慢的羚羊要快，否则就会挨饿。 无论你是猎豹还是羚羊都没有关系，重要的是——当太阳升起时，你最好开始奔跑！ 品质管理 示 例 2-2-1-7. C管制图(缺点数管制图) 步骤1：搜集数据 步骤2：分组─1个制品、1个群体或1集团为一组，但各组的单位数必须一定。 步骤3：调查各组的缺点数c。