论文导读:：随着现代科学技术的发展，对零件加工精度的要求越来越高，对生产过程的控制和分析也势在必行。建立在概率论基础上的过程控制工具SPC技术是目前控制稳定产出的主要工具之一。文章主要介绍了SPC的控制原理、控制过程和SPC的判异标准。
论文关键词：加工精度，控制SPC技术
传统的精度分析方法通过人工进行，工作量大，计算繁琐，检测精度相对不高。现代科学技术的发展对机器零件的精度要求越来越高，这就要求减少误差，保证工艺过程的稳定，以确保零件的加工精度，那么对加工精度分析和控制的要求也就越来越高。基于此提出了利用计算机辅助进行加工精度的统计分析，使得这项工作的效率及准确性得到大大的提高。目前控制SPC技术，SPC技术是生产过程控制稳定产出的主要工具之一，在生产型企业中应用的非常广泛。
一、SPC技术的发展
SPC即统计过程控制。SPC是20世纪20年代美国贝尔实验室休哈特博士首先应用正态分布特性于生产过程中的管理。二战后期，美国将休哈特方法在军工部门推行，同时休哈特的同事戴明博士在日本推行SPC得到非常好的应用。在日本强有力的竞争下，80年代起，美国又重新大规模推行SPC。经过近70年在全世界范围的实践，SPC理论已经发展得非常完善，其与计算机技术的结合日益紧密，其在企业内的应用范围、程度也已经非常广泛、深入。目前，已成为生产过程中控制稳定产出的主要工具之一，在生产型企业中应用的非常广泛。在我国SPC理论的应用还没有普及。随着市场竞争的日益激烈，企业对产品的质量提出了更高的要求，特别是加入WTO以后，企业将面临着全球化的产品竞争，而产品竞争的法宝就是以质取胜，质量无国界，企业要想加入全球产业链之中，就必须按照国际统一的质量管理标准和方法进行质量管理。近年来，越来越多的企业意识到这一点控制SPC技术，纷纷通过了ISO9000、QS9000等质量管理认证论文开题报告范文。而国际标准化组织（ISO）也将SPC作为ISO9000族质量体系改进的重要内容，QS9000认证也将SPC列为一项重要指标。
二、SPC原理
SPC技术是建立在概率论基础上的一种加工过程统计方法。根据概率论，如果加工条件只在随机误差的影响下，加工误差如果用δ表示则加工误差服从正态分布曲线，如下图所示：
正态分布曲线
分布密度可以用如下公式表示：
y =
式中σ= ，如果测量n次，每次的测量误差分别为δ1、δ2...... δn。
由分布曲线图可知，当δ=0时，概率密度最大，当δ越大时概率越小，反知。
由图可知随机误差的分布曲线有以下的基本特性：
（1） 绝对值小的误差比绝对值大的误差出现的机会要多。
（2） 对称性，即如果测量次数很多时，正、负误差出现机会均等。
（3） 有界性，即误差的绝对值不会超过一定的界限。
概率统计知，当δ=3σ时，有99.73%的误差分布在±3σ的范围内。则测量值X也应
有99.73%分布在X0±3σ范围之内。
SPC控制图一般分为计量型和计数型，计量型控制图主要是控制产品质量特性。计数型主要控制次品数和缺陷数。符合正态分布的计量型SPC控制图也叫X-R控制图也叫平均值-极差控制图。X-R控制图包含X控制图也叫平均值控制图，R控制图也叫极差控制图。
一般极差用R表示，每一组测量数值中工件的最大、最小尺寸之差控制SPC技术，称为极差值R。极差计算公式如下：
R＝Xmax- Xmin
当一生产过程仅受随机因素的影响，从而产品的质量特征的平均值和变差都基本保持稳定时,称之为处于控制状态，此时,产品的质量特征是服从确定的正态分布曲线的。反之，在生产过程受到系统误差的影响时，产品的平均值和变差不能保持稳定，称之为系统处于失控状态，产品的质量特性不服从确定的正态分布曲线。正态分布曲线(或其中的未知参数)可依据较长时期在稳定状态下取得的观测数据用统计方法进行估计，正态分布曲线确定以后，质量特征的数学模型随之确定。为检验其后的生产过程是否也处于控制状态，就只需要检验上述质量特征是否符合这种数学模型。为此，每隔一定时间，在生产线上抽取一个大小固定的样本，计算其质量特征，若其数值符合这种数学模型，就认为生产过程正常、受控，否则，就认为生产中出现某种系统性变化，或者说过程失去控制。这时，就需要考虑采取包括停产检查在内的各种措施控制SPC技术，以期查明原因并将其排除，以恢复正常生产，不使失控状态延续而发展下去。平均值控制图就是将正态分布曲线进行旋转90°而得，如下图所示：
平均值控制图
SPC控制图的基本结构是在直角坐标系中画三条平行于横轴的直线，中间一条实线为中线CL(即对应的值)，上、下两条线分别为上、下控制界限UCL（即 +3σ所对应的值）和LCL（即-3σ所对应的值）。仅仅利用平均值控制图控制产品是否受控经常会出现误判，将处于非统计控制状态下的点误判成控制下的点或将控制状态下的点误判成处于非控制状态下的点。为了减少判断失误，平均值分布图必须和极差图联合使用，只有当几组测量数据都处于平均值控制图的控制范围之内，且每组值的极差也基本保持稳定，才能判断此次加工中生产过程处于稳态。
极差控制图如下图所示：
极差控制图
极差控制图一般有两条线组成即UR和 组成。UR控制线即极差控制上限由尺寸的上下极限偏差计算。当加工过程处于稳定状态时，由几组数据的极差平均值计算论文开题报告范文。
X-R图中的UCL、 LCL和UR还可以用极差来估算。估算的计算公式如下：
R图的中心线为：   图的上控制界限：   图的下控制界限：  R图的上控制界限： R图的下控制界限：  A、D值与每组测量数据的个数有关。取值如下系数表所示：
系数表
|
n
|
2
|
3
|
4
|
5
|
|
A2
|
1.88
|
1.02
|
0.73
|
0.58
|
|
D
|
3.27
|
3.27
|
2.28
|
2.11
|
三、SPC控制过程
SPC控制分为两个阶段，即分析阶段和控制阶段。
1、 分析阶段
分析阶段即准备阶段，就是将生产过程所需的原材料、设备、劳动力、测量系统等按标准进行准备，然后进行加工（但一定要保证生产过程受控），将加工的数据进行测量、整理、计算等，制作成X-R控制图。也可以直接从生产线上进行抽样（（但一定要 保证生产过程受控）。当生产过程中的原材料、设备、劳动力、测量系统等任何一个发生改变就必须重新进行制图。
2、控制阶段
利用在分析阶段制成的X-R控制图，每隔一段时间进行抽样（一般抽取20-25个，每组4-5个）然后描点判断生产是否处于受控状态。
四、 spc判异准则
1、受控状态
在控制图上的正常表现为：
（1）所有样本点都在控制界限之内；
（2）样本点均匀分布控制SPC技术，位于中心线两侧的样本点约各占1/2；
（3）靠近中心线的样本点约占2/3；
（4）靠近控制界限的样本点极少。
2、失控状态
明显特征是有:
（1）一部分样本点超出控制界限。
（2）如果没有样本点出界，但样本点排列和分布异常，也说明生产过程状态失控。
例如：
（1）连续7点上升或下降；
（2）连续3点中有2点落在警戒区内；
（3）连续7点出现在中心线一侧。
失控不仅仅表现在点排布上，而且还表现在X控制图中的CL线有明显的移位。
小结：传统的质量控制有赖于检验最终产品并筛选出不符合规范的产品，这种检验策略通常是浪费和不经济的，因为它是当不合格品产生以后的事后检验。SPC技术的出现，让质量管理从这种被动的事后把关发展到过程中积极的事前预防为主，通过生产数据采集，运用SPC理论将数据自动分析计算后表现为图形，在图形的运行下有不合格趋势时就自动预警，现场人员可及时调整，避免不合格品的产生，从而大大降低了企业的生产成本，同时也提高了企业的竞争能力。
参考文献
[1]方文怀．spc实战――新工厂管理（6）[M]．广东：经济出版社，2005
[2](美)布鲁．六西格玛[M]．北京：中信出版社，2006
[3]王毓芳．统计过程控制的策划与实施――质量管理体系中统计技术应用指导与培训教材[M]．北京：中国经济出版社，2005
[4]杨跃进．统计过程控制技术[M]．北京：航空工业出版社，2003
|
