AI智能学习桌项目统计过程质量控制【范文】

AI智能学习桌项目 统计过程质量控制 目录 一、 公司简介 3 公司合并资产负债表主要数据 4 公司合并利润表主要数据 4 二、 过程能力 5 三、 过程能力的计算和评价 6 四、 质量数据与分布规律 8 五、 过程质量控制的特点 11 六、 控制图应用的程序 16 七、 控制图的基本原理 19 八、 项目基本情况 23 九、 经济效益评价 27 营业收入、税金及附加和增值税估算表 28 综合总成本费用估算表 29 利润及利润分配表 31 项目投资现金流量表 33 借款还本付息计划表 36 十、 投资计划 37 建设投资估算表 39 建设期利息估算表 40 流动资金估算表 41 总投资及构成一览表 42 项目投资计划与资金筹措一览表 43 十一、 项目规划进度 44 项目实施进度计划一览表 45 一、 公司简介 （一）基本信息 1、公司名称：xx集团有限公司 2、法定代表人：卢xx 3、注册资本：1320万元 4、统一社会信用代码：xxxxxxxxxxxxx 5、登记机关：xxx市场监督管理局 6、成立日期：2012-2-22 7、营业期限：2012-2-22至无固定期限 8、注册地址：xx市xx区xx （二）公司简介 展望未来，公司将围绕企业发展目标的实现，在“梦想、责任、忠诚、一流”核心价值观的指引下，围绕业务体系、管控体系和人才队伍体系重塑，推动体制机制改革和管理及业务模式的创新，加强团队能力建设，提升核心竞争力，努力把公司打造成为国内一流的供应链管理平台。 公司注重发挥员工民主管理、民主参与、民主监督的作用，建立了工会组织，并通过明确职工代表大会各项职权、组织制度、工作制度，进一步规范厂务公开的内容、程序、形式，企业民主管理水平进一步提升。围绕公司战略和高质量发展，以提高全员思想政治素质、业务素质和履职能力为核心，坚持战略导向、问题导向和需求导向，持续深化教育培训改革，精准实施培训，努力实现员工成长与公司发展的良性互动。 （三）公司主要财务数据 公司合并资产负债表主要数据 项目 2020年12月 2019年12月 2018年12月 资产总额 16087.78 12870.22 12065.84 负债总额 6870.80 5496.64 5153.10 股东权益合计 9216.98 7373.58 6912.73 公司合并利润表主要数据 项目 2020年度 2019年度 2018年度 营业收入 42599.38 34079.50 31949.53 营业利润 10532.78 8426.22 7899.59 利润总额 9849.51 7879.61 7387.13 净利润 7387.13 5761.96 5318.73 归属于母公司所有者的净利润 7387.13 5761.96 5318.73 二、 过程能力 1、过程能力 过程能力（PC）是指过程（或工序）处于稳定状态下的实际加工能力，它是衡量工序质量的一种标志，又叫工序能力，在机械加工业中又叫加工精度。 SPC的基准就是统计控制状态或称稳态。过程能力反映了稳态下该过程本身所表现的最佳性能（分布宽度最小）。因此，在稳态下，过程的性能是可预测的，过程能力也是可评价的。离开稳态这个基准，对过程就无法预测，也就无法评价。 过程能力决定于由偶然因素造成的标准差。通常用6倍标准差（六西格玛）表示过程能力，它的数值越小越好。 2、过程能力指数 过程能力指数，简称Cp或Cpk，以往称为工序能力指数，现在则统一称为过程能力指数。Cp是用于反映过程处于正常状态时，即人员、机器、原材料、工艺方法、测量和环境（5MIE）充分标准化并处于稳定状态时，所表现出的保证产品质量的能力。 过程能力是表示生产过程客观存在着分散的一个参数。但是这个参数能否满足产品的技术规格要求，仅从它本身还难以看出。因此，还需要另一个参数来反映工序能力满足产品技术要求（公差、规格等质量标准）的程度。这个参数就叫做过程能力指数，也称为工序能力指数或工艺能力指数。它是技术规格要求和工序能力的比值。 三、 过程能力的计算和评价 （一）过程能力的计算 当生产过程处于稳定状态时，一定的工序能力指数与一定的不合格品率相对应。根据所采用数据类型的不同和技术要求的不同，工序能力指数和不合格概率的计算又可以分为四种情况。 （二）过程能力评价 过程能力指数客观且定量地反映了过程能力满足质量标准的程度。它与生产过程中的加工能力和管理水平有关。过程能力指数越大，产品的加工质量就越高。因此，在实际生产中，根据过程能力指数的大小对过程的加工能力进行分析和评价，以便于采取必要的措施，既要保证过程质量，又要使成本适宜。 1、无偏状态下过程能力评价 一般情况下，无偏状态是指过程中心与质量标准公差中心重合。 （1）特等一过程能力过于充裕。在过程或工序允许的情况下，可考虑放宽管理或降低成本，可放宽检查，如人和设备的配备可相对降低一些，这样可以带来降低成本、提高效率的效果；提高产品的原设计精度，改进产品性能；加大抽样间隔，减少抽验件数，降低检验的各种消耗。 （2）1等—过程能力充裕。按过程进行管理，正常运转；非重要过程或工序可允许小的外来波动；对不重要的过程或工序可放宽检查，工序控制抽样间隔可放宽。 （3）2等—过程能力尚可。必须加强对生产过程的监控，防止外来波动；调查4MIE因素，作必要改进；严格执行各种规范、标准、制度；坚持合理的抽样方案和检验规程。 （4）3等一过程能力不足。必须采取措施提高过程或工序能力，通过因果图、排列图找出需要改进的因素；分析质量标准是否脱离实际，应实事求是地修正质量指标过严的情况；加强质量检验工作。 （5）4等一过程能力严重不足。立即追查原因，采取紧急措施，提高工序能力，对4MIE必须进行根本性的改革，要从根本上消除影响质量的关键因素。 2、有偏状态下过程能力评价 一般情况下，有偏状态是指过程分布中心与质量标准公差中心不重合，出现了偏移。从统计的角度看有偏状态，中心偏移使得过程分布中心值不在目标值上，偏移量的出现使得过程能力指数Cp降低，过程输出的不合格品率增加。 四、 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。 五、 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