焊接清洗剂公司统计过程质量控制

焊接清洗剂公司 统计过程质量控制 目录 一、 控制图的观察与分析 2 二、 控制图的基本原理 3 三、 质量数据与分布规律 7 四、 过程质量控制的特点 10 五、 项目概况 16 六、 公司简介 19 公司合并资产负债表主要数据 20 公司合并利润表主要数据 21 七、 项目风险分析 21 八、 项目风险对策 24 九、 组织机构管理 26 劳动定员一览表 26 十、 发展规划 27 一、 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。 二、 控制图的基本原理 数据或质量特性值处理的方法中，不论是频数分布表、直方图、分布的计量值、分布规律及过程能力指数等所表示的都是数据在某一段时间内的静止状态。但是，生产过程中，用静态的方法不能随时发现问题以调整生产或工作。因此，生产过程或工作现场不仅需要处理数据的静态方法，也需要能了解数据随时间变化的动态方法，并以此为依据来控制产品生产过程或工作的质量。 1、控制图的基本概念 控制图是对测定、记录、评估和监察过程是否处于统计控制状态的一种统计方法设计图。世界上第一张控制图是美国休哈特在1924年5月16日提出的不合格品率（P）控制图。 （1）控制图的设计原理。 ①正态性假设。 ②3σ准则。 ③小概率事件原理。小概率事件原理是指小概率的事件一般不会发生。由3σ准则可知，数据点落在控制界限以外的概率只有0.135%，因此，生产过程正常情况下，质量特性值是不会超过控制界限的，如果超出，则认为生产过程发生异常变化。 （2）控制图应用经验与理论分析表明，当生产过程中只存在正常波动时，产品或过程质量将形成典型分布，若过程正常，即分布不变，则出现点子超过UCL或LCL的概率只有0.135%左右。若过程异常，分布曲线上移或下移，产品或过程质量的分布必将偏离原来的典型分布，即μ,σ发生变化。发生这种情况的可能性很大，其概率可能为0.135%的几十至几百倍。小概率事件在一次试验中几乎不可能发生，若发生即判断异常。因此，根据典型分布是否偏离就能判断异常波动是否发生，而典型分布的偏离可由控制图检出，所以，控制图上的控制界限就是区分正常波动和异常波动的科学界限，亦可分析偶然因素与异常因素对过程的影响。 2、控制图的基本种类 （1）常规控制图的分类。常规控制图是按产品质量的特性及其分布规律所作的分类。 ①均值—极差控制图。 ②均值—标准差控制图。 ③中位数—极差控制图。 ④单值—移动极差控制图。 ⑤不合格品率控制图。 ⑥不合格品数控制图。 ⑦缺陷数控制图。 ⑧单位缺陷数控制图。 （2）按控制图的用途划分。按控制图的用途来划分，可以分为分析用控制图和控制用控制图。 实施SPC分为两个阶段，一是分析阶段，二是监控阶段。在这两个阶段所使用的控制图分别被称为分析用控制图和控制用控制图。两者间的关系适应日本质量管理的名言：“始于控制图，终于控制图。”所谓“始于控制图”是指对过程的分析从应用控制图对过程进行分析开始，所谓“终于控制图”是指对过程的分析结束，最终建立了控制用控制图。故根据使用的目的和用途的不同，控制图可分为分析用控制图与控制用控制图。 ①分析用控制图。分析用控制图是根据过去数据，主要用于分析现状，涉及分析两个方面的内容，一是所分析的过程是否处于统计控制状态，二是该过程的过程能力指数是否满足要求，若经过分析后，生产过程处于非统计控制状态，则应查找原因并加以消除。 ②控制用控制图。控制用控制图由分析控制图转化而来，当过程达到了确认的状态后，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（简称判断准则），在稳定之前还要用到判断异常的准则。 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，可能又会出现异常，这时应查出原因，采取必要措施，加以消除，以恢复统计控制状态。 3、控制图的界限公式 对于常规控制图的控制界限计算公式，世界上各个国家都有相应的标准。中华人民共和国国家标准《常规控制图》（GB/T4091—2001），等同于国际标准《休哈特控制图》（ISO8258：1991）及其1993年的修订本。 （1）常规计量控制图的界限公式。 （2）常规计数控制图的界限公式。计数控制图是通过记录所考察的样本中每个个体是否具有某种特性（或特征），如合格与不合格；合格率与不合格率；缺陷与单位缺陷等某种事件所发生的次数对过程进行监控的控制图。 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