减速器设计公司质量管理分析

减速器设计公司 质量管理分析 目录 一、 控制图应用的程序 3 二、 控制图的观察与分析 5 三、 质量数据与分布规律 7 四、 过程质量控制的特点 10 五、 采购供应的质量管理 16 六、 采购供应的质量职能 26 七、 产品销售的质量职能 29 八、 顾客服务的质量管理 30 九、 设计开发质量管理内容 33 十、 设计与开发的评审 38 十一、 质量检验的含义 42 十二、 质量检验的目的 48 十三、 质量检验制度 49 十四、 质量检验的计划与实施 52 十五、 项目概况 65 十六、 产业环境分析 67 十七、 人形机器人趋势下，国产减速器厂商有望受益 68 十八、 必要性分析 69 十九、 组织机构及人力资源配置 69 劳动定员一览表 70 二十、 法人治理 71 一、 控制图应用的程序 应用控制图的主要目的是发现过程或工序异常点，追查原因并加以消除，使过程或工序保持受控状态；对过程或工序的质量特性数据进行时间序列分析，以掌握过程或工序状态。因此，在进入控制图应用程序之前，根据统计过程质量控制的目的确定控制图的类型，然后，进入控制图应用的一般程序。 1、控制图应用的一般程序 （1）选取控制的质量特性与预备数据。控制的质量特性就是选出符合统计过程质量控制，运用目的、可控、易于评价的质量特性或项目，如对产品的使用效果有重大影响的质量特性，对下道工序的加工质量关系重大的质量特性，生产过程中波动大的质量特性，等等。随机收集能反映出质量特性的一组数据，即预备数据。预备数据是用来绘制控制图的数据。 （2）计算统计量。不同种类的控制图所需要的统计量各不相同，应根据所选取的控制图种类的统计变量的规定对预备数据进行统计计算。 （3）计算控制界限。不同图种的控制图，其控制界限的计算公式各不相同。但都需要计算CL，UCL，LCL，计算公式根据统计量的分布特征值及相互关系推导而得。 （4）绘制分析用控制图。根据计算的控制界限数值，在控制图纵坐标轴上刻度，并画出CL，UCL、LCL.三条界限。控制图横坐标轴的刻度为样本号。按数据表中各组数据的统计量值在控制图中打点并用直线线段连接为折线，即为分析用控制图。 分析用控制图是在对过程的稳定性或受控状态没有明确结论时绘制的控制图，主要目的是判断过程是否处于稳定状态或受控状态。 （5）过程稳定与否和异常与否的判断。作为分析用控制图的完结，依据判断规则的各项准则，对分析用控制图中点子分布状况进行判断。若分析用控制图中点子的分布没有任何违背判断准则的情况，即可判断出取样过程处于稳定受控状态，无异常原因发生。 （6）计算过程能力是否达到基本要求，过程是处于稳定或受控状态下，计算过程能力是否达到基本要求，也可以用分析用控制图中的数据作直方图判断。 （7）确定控制标准。 ①确定控制标准是对控制用控制图的要求。利用分析用控制图的判断，如若过程稳定无异常发生，且过程能力指数满足技术要求，可将分析用控制图的控制界限延长，作为标准，此时分析用控制图转化为控制用控制图，以对日常过程或工序控制进行监管。 如若过程不稳定，有异常发生，或过程能力指数不能满足技术要求，要对分析用控制图进行修正。修正时，如若组数能满足要求，可剔除不合理数据，重新得到控制界限。如若组数不能满足要求，要重新搜集数据。 ②进行日常工序质量控制。在日常生产活动中，随机间隔取样，进行测量和计算，在图上描点、观察分析、判断工序状态。如果无异常现象，则维持现状进行生产，如果出现质量降低的信息，应采取措施消除异常；如果出现质量提高的信息，应总结经验，进行标准化或制度化。 2、计量值控制图：均值一极差控制图的绘制 均值—极差控制图是均值控制图和极差控制图联合使用的一种控制图，前者用于判断生产过程是否处于或保持在所要求的受控状态，后者用于判断生产过程的标准差是否处于或保持在所要求的受控状态。 二、 控制图的观察与分析 在生产过程中，通过分析控制图来判定生产过程是否处于稳定状态。 1、控制图的判断稳态准则 在生产过程中只存在偶然因素而不存在异常因素对过程的影响状态，这种状态称为统计控制过程状态或稳定状态，简称稳态。稳态是生产过程追求的目标。 在统计量为正态分布的情况下，只要有一个点子在界限外就可以判断有异常。但由于两类错误的存在，只根据一个点子在界限内外远不能判断生产过程处于稳态。如果连续在控制界内的点子更多，即使有个别点子出界，过程仍看作是稳态的，这就是判稳准则。 在做控制图判别时，首先应该判断过程是否稳定。生产过程或工序是否处于受控状态，其基本判断条件有以下两条。 （1）在控制界限内的点子排列无缺陷，为随机排列。点子排列无缺陷意味着应满足以下三个条件：①样本点分布均匀，位于中心线两侧的样本点各占50%；②靠近中心线的样本点约占2/3；③靠近控制界限的样本点极少。 （2）所有点子基本上都落在控制界限内。由概率论理论可知，小概率事件可以认为不会发生。 如果在控制图中点子未出界限，同时界线内点子的排列也是随机的，则认为生产过程处于稳定状态或控制状态。如果控制图点子出界或界限内点排列非随机，则认为生产过程不稳定或失控。对于生产过程或工序而言，控制图的判断稳态准则起着告警铃的作用，控制图点，子出界就好比告警铃响，告诉现在是应该进行查找原因、采取措施、防止再犯的时刻了。 2、控制图的判异规则 控制图上的点子依样本时间序列而出现在控制图上，通常是很随机地散布在管制界内。有时点子虽未超出管制界限，但一连串好几点都在管制图的中心线以上或点子呈现周期性变化时，也可判为异常。 判异准则有两类：①点出界就判异，这一点是针对界外点的；②界内点排列不随机判异，这一点则是针对界内点的。 常规控制图的判异准则参照ISO8258和GB/T4091—2001有8种准则。将控制图等分为6个区。 三、 质量数据与分布规律 1、质量数据的基本概念 定量分析是现代质量管理中的基本特征之一。为了进行定量分析，就必须有数据。因此，在质量管理中要特别重视对数据的搜集、整理和分析工作。 质量数据是指某质量指标的质量特性值，在质量控制过程中，将检测和分析得到的质量特性值用数字记录下来，简称质量数据。由于质量一词含义丰富，既包括狭义的产品质量，也包括广义的工作质量，因而质量指标在企业中就多种多样，质量数据在企业中几乎无处不在。在质量数据统计分析中，从样本到总体的问题，即统计推断问题。所谓统计推断，就是根据抽样分布律和概率理论，由样本结果（统计数）来推论总体特征（参数）。因此，特别关注三项指标，一是数据的集中位置，二是数据的分散程度，三是数据的分布规律。 质量数据是指由个体产品质量特性值组成的样本（总体）的质量数据集，在统计上称为变量；个体产品质量特性值称变量值，根据质量数据的特点，可以将其分为计量值数据和计数值数据。 （1）计量值数据。计量值数据是指可以连续取值的数据，属于连续型变量。其特点是在任意两个数值之间都可以取精度较高一级的数值。它通常可以用仪器测量的连续性数据，如长度、重量、强度、时间、标高、位移等。 （2）计数值数据。计数值数据是指不能连续取值的，只能用自然数表示的数据，属于离散型变量。如合格品件数、废品数、错字数、质量缺陷点数等。计数值数据还可进一步划分为计件值数据和计点值数据。计件值数据是指按产品个数计数的数据，如合格品件数、废品件数等；计点值数据是指按点计数的数据，如缺陷、棉布上的疵点数、铸件上的砂眼数等。计数值是指具有离散分布性的数据。 2、质量数据的统计特征值 应用统计过程质量控制，其基本的做法就是用有限的样本去分析推断总体的特征。 过程的质量特性值是不断波动的。当搜集到的数据足够多时，就会发现一个现象，即所有数据都在一定范围内分散在一个中心值周围，越靠近中心值，数据越多；越偏离中心值，数据越少。这意味着数据的分散是有规律的，表现为数据的集中性。数据的分散性和集中性统称为数据的“统计规律性”。质量数据的集中趋势和离散程度反映了总体质量变化的内在规律性。 （1）质量数据的位置特征值。在分析质量数据的分布状态时，描述数据分布集中趋势主要有算术平均值、中位数等。 （2）数据的离散特征数。数据的分散程度在质量管理中就是质量特性值的波动性，反映过程能力。在分析数据的分布状态时，常被用于表示数据分布的离散程度的特征数，主要有极差、标准偏差等。 3、质量数据的分布规律 质量数据具有个体数值的波动性和总体分布的规律性。在统计过程质量控制中，各种统计技术的应用都是以质量数据的分布规律为依据进行的，其中最常用的有正态分布、二项式分布和泊松分布。 （1）正态分布。正态分布是一种最常见的连续性随机变量的概率分布。其特征是“钟”形曲线。 实际工作中，正态曲线下横轴上一定区间的面积反映该区间的例数占总例数的百分比，或变量值落在该区间的概率（概率分布）。不同范围内正态曲线下的面积可用公式计算。 轴与正态曲线之间的面积恒等于1。 （2）二项分布。二项分布是一种典型的离散性分布。 （3）泊松分布。泊松分布P（A）中只有一个参数入，它既是泊松分布的均值，也是泊松分布的方差。在实际事例中，当一个随机事件，例如，某电话交换台收到的呼叫来到某公共汽车站的乘客、某放射性物质发射出的粒子、显微镜下某区域中的白细胞等，以固定的平均瞬时速率入（或称密度）随机且独立地出现时，那么这个事件在单位时间（面积或体积）内出现的次数或个数就近似地服从泊松分布。 四、 过程质量控制的特点 1、统计过程质量控制的基本概念 所谓控制是要以某个标准为基准，一旦偏离了这个基准，就要尽快加以纠正，使之保持这个基准。SPC（统计过程控制）就是以统计控制状态（稳态）作为基准的，这是一个非常重要的基本概念。 统计控制状态也称稳态，即过程中只有正常因素（随机因素）而无异常因素（系统因素）产生的变异的状态。 影响质量变异的原因包含正常因素（随机因素）和异常因素（系统因素）两大类。 正常因素的特点表现为：对质量变异的影响是微小的；在过程中是始终存在的；对质量变异的影响方向是不确定的。由正常因素所造成的质量变异称为正常质量波动，鉴于正常质量波动的原因难以查明、难以消除，所以常采取持续改进的方法。 异常因素的特点表现为：对质量变异的影响很大；在过程中时有时无；对质量变异的影响方向是确定的；异常因素是可以控制的（可以查明、可以消除）。 由于异常因素所造成的质量变异、质量波动，其原因可以查明、可以消除，所以采取的态度应该是“严加控制”。 正常质量波动表现出质量数据形成典型分布（在确定的生产条件下，质量数据的分布中心μ和标准偏差σ表现为确定的值）。异常质量波动表现出质量数据的典型分布遭到破坏，即质量数据的分布中心μ和标准偏差σ发生显著的变化。 统计过程控制就是要保持过程中只有正常因素起作用，控制异常因素的作用，使过程处于稳定受控状态。为了实现过程控制，必须采用科学的质量控制方法，如统计技术中分布状态、控制图，来捕捉过程中的异常先兆，并结合专业技术消除异常的质量波动。也就是说，统计过程控制是通过应用统计技术识别异常、消除异常，把不合格原因消灭于过程之中，达到预防不合格品产生的目的。 2、统计过程质量控制的步骤 质量控制大致可以分为7个步骤。 （1）选择控制对象。 （2）选择需要监测的质量特性值。 （3）确定规格标准，详细说明质量特性。 （4）选定能准确测量该特性值的监测仪表，或自制测试手段。 （5）进行实际测试并做好数据记录。 （6）分析实际与规格之间存在差异的原因。 （7）采取相应的纠正措施。 当采取相应的纠正措施后，仍然要对过程进行监测，将过程保持在新的控制水准上。一旦出现新的影响因子，还需要测量数据，分析原因，进行纠正，因此这7个步骤形成了一个封闭式流程，称为“反馈环”。这点和六西格玛质量突破模式的DMAIC有共通之处。 质量控制技术包括两大类：抽样检验和过程质量控制