环卫设备项目质量管理手册

环卫设备项目 质量管理手册 目录 一、 产业环境分析 3 二、 环卫设备产业链 4 三、 必要性分析 4 四、 过程质量控制的特点 5 五、 质量数据与分布规律 10 六、 控制图应用的程序 13 七、 控制图的基本原理 16 八、 过程能力的计算和评价 20 九、 过程能力 22 十、 质量改进的PDCA循环法 23 十一、 质量改进的一般步骤 28 十二、 六西格玛管理的特点 31 十三、 六西格玛管理的实施 35 十四、 项目基本情况 39 十五、 投资计划方案 45 建设投资估算表 47 建设期利息估算表 47 流动资金估算表 49 总投资及构成一览表 50 项目投资计划与资金筹措一览表 51 十六、 项目规划进度 52 项目实施进度计划一览表 52 一、 产业环境分析 从国际看，和平与发展仍是当今时代的主题，世界多极化、经济全球化、文化多样化、社会信息化深入发展，世界经济在深度调整中曲折复苏，新一轮科技革命和产业变革蓄势待发，我省发展具有相对稳定的国际环境。 从国内看，我国进入全面建成小康社会决胜阶段，经济长期向好基本面没有改变，发展仍处于可以大有作为的重要战略机遇期，但内涵和条件发生深刻变化。新常态下经济发展表现出速度变化、结构优化、动力转换三大特点，增长速度从高速转向中高速，发展方式从规模速度型转向质量效率型，经济结构调整从增量扩能为主转向调整存量、做优增量并举，发展动力从主要依靠资源和低成本劳动力等要素投入转向创新驱动，正在由原来加快发展速度的机遇转变为加快经济发展方式转变的机遇，正在由原来规模快速扩张的机遇转变为提高发展质量和效益的机遇。明确了当前时期主要目标、重点任务、重大举措。国家加快实施“一带一路”、区域协同发展等重大战略，为借势发展、融合发展、开放发展提供了历史机遇。新型工业化、信息化、城镇化、农业现代化同步推进，为稳增长、调结构、防风险、保民生拓展了新空间。全面深化改革破解发展深层次体制机制障碍，为补齐全面建成小康社会短板增强了动力和活力。 同时，必须清醒看到，在全面建成小康社会的前进道路上还有不少困难和问题，发展不平衡、不协调、不可持续的问题仍然突出。 二、 环卫设备产业链 环卫属于公共产品，环卫设备的下游行业主要为城市环境卫生管理业以及城市道路及公路养护业，销售对象主要是归各地政府市政环卫主管部门和公路管理单位及其下属企业，多为事业型管理，支出属于政府财政。 伴随环卫业务向城市综合管理方向发展，环卫企业可承接部分城乡社区管理事务服务支出事项。根据财政部统计数据，我国历年社区管理事务支出约为城乡社区环境卫生支出的1．2倍，其中2021年城乡社区管理实务支出为3458亿元，环境卫生支出为2647亿元。伴随环卫业务向城市综合管理扩容，未来环卫市场空间有望翻倍增长。 三、 必要性分析 1、提升公司核心竞争力 项目的投资，引入资金的到位将改善公司的资产负债结构，补充流动资金将提高公司应对短期流动性压力的能力，降低公司财务费用水平，提升公司盈利能力，促进公司的进一步发展。同时资金补充流动资金将为公司未来成为国际领先的产业服务商发展战略提供坚实支持，提高公司核心竞争力。 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。 抽样检验通常是指生产前对原材料的检验或生产后对成品的检验，根据随机样本的质量检验结果决定是否接受该批原材料或产品，过程质量控制是指对生产过程中的产品随机样本进行检验，以判断该过程是否在预定标准内生产。抽样检验用于检验与评价，而过程质量控制应用于各种形式的生产过程。 因此，所谓统计过程质量控制，是利用数理统计的方法，对生产过程的各个阶段进行控制。从而达到改进与保证产品质量的目的。SPC强调全过程预防为主的思想。SPC不仅可用于制造过程，而且还可以用于服务过程，以改进和保证服务质量。SPC强调全员参加，人人有责，强调采用科学的方法来达到目的。 3、SPC的特点 许多质量管理技术是对已生产出来的产品进行分析、检验或评估，以找出提高产品质量的途径和方法，这是事后补救的方法。而统计过程控制与其他方法不同，它是在生产过程的各个阶段对产品质量进行适时的监控与评估，因而是一种预防性的方法，强调全员参与和整个过程的控制。因而其特点可总结为以下几点。 （1）产品质量的统计观点。应用数理统计方法分析和总结产品质量规律的观点是现代质量管理的基本观点之一。产品质量的统计观点包括以下两方面内容。 ①产品质量或过程质量特性值是波动的。在生产过程中，产品的质量特征值的波动是不可避免的，它是由设备（Machine）、材料（Material）、操作人（Man）、工艺（Method）、环境（Environment），即4MIE五个方面等基本因素的波动综合影响所致。由于产品在生产中不断受4MIE等质量因素的影响，而这些质量因素是在不断变化的，即使同一个工人，用同一批原材料在同一台机器设备上所生产出来的同一种零件，其质量特性值也不会完全一样。它们或多或少存在差异。这是质量变异的固有本性—波动性。产品公差制度的建立已表明产品质量是波动的。 ②产品质量的变异具有统计规律。即产品质量特性值的波动具有统计规律性。产品质量特性值的波动幅值及出现不同波动幅值的可能性大小，服从统计学的某些分布规律。在质量管理中，常用的分布主要有正态分布、二项分布、泊松分布等，而寿命特性值很多服从指数分布。知道了质量特性值服从什么分布，就可以利用这一点来保证与提高产品的质量。 因此，可以用统计理论来保证与改进产品质量。统计过程质量控制就是在这种思想指导下产生的。 （2）发现及纠正异常因素。从对质量的影响大小来看，质量因素的波动分为两种：正常波动和异常波动，或称为偶然误差（偶然因素）和系统误差（异常因素）。产生质量波动的因素分为随机因素和异常因素两大类。随机因素对产品质量和过程的影响可用质量改进的技术与方法进行识别、减小和降低；异常因素对产品质量的影响很大，在生产过程中应利用SPC控制技术及时分析，并纠正和消除。因此，在正常生产过程中一旦发现异常因素，则应尽快地把它找出来，并采取措施将其消除。这就是抓主要矛盾。SPC控制技术是发现及纠正异常因素的科学工具。 （3）稳定状态是过程质量控制追求的目标。在生产过程中，只有随机因素而没有异常因素的状态称为稳定状态，也叫统计控制状态。在统计控制状态下，对产品质量的控制不仅可靠而且经济，所产生的不合格品最少。因此，稳态生产是过程控制所追求的目标。 （4）预防为主是统计过程控制的重要原则。质量是制造出来的，不是检验出来的。统计过程控制的目的是在生产过程中实施一种避免浪费，不生产废品的预防策略，发挥质量管理人员、技术人员、现场操作工人的共同作用，从上、下工序过程的相互联系中进行分析，实现“预防为主”的原则，在生产过程中保证产品质量。 现代质量管理强调以预防为主，要求在质量形成的整个生产过程中，尽量少出或不出不合格品，这就需要研究两个问题：一是如何使生产过程具有保证不出不合格品的能力；二是如何把这种保证不出不合格品的能力保持下去，一旦这种保证质量的能力不能维持下去，应能尽早发现，及时得到情报，查明原因，采取措施，使这种保证质量的能力继续稳定下来，保持下去，真正做到防患于未然。前一个问题一般称为生产过程的工序能力分析，后一个问题一般称为生产过程的控制。 五、 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