返回

生产过程质量管理机理模型

模型

发布时间:2019/08/28 20:08

标签:

摘要:质量管理的发展可以分为三个阶段,质量检验阶段、质量统计控制阶段和全面质量管理阶段。

生产过程质量管理机理模型

质量管理的发展可以分为三个阶段,质量检验阶段、质量统计控制阶段和全面质量管理阶段。

在质量检验阶段,质量的管理完全或主要靠检验员的筛选来完成。伴随着工业化的进步,制造企业生产规模的扩大、产品多样化的提升,产品逐渐具有了满足于需求的技术标准,同时国际标准化也在日趋走向成熟,各种工位器具固定化、检查工具和检查手段标准化也在不断的发展进步,这一时期很多的制造企业都开始有了专门的检查部门,由专业检查员进行不合格品的检出,这属于“检查员的质量管理阶段”。虽然有专门负责检查的人员,但是都属于产品生产后的质量管理,称为事后管理。

在质量统计控制阶段,质量管理开始关注过程,通过收集过程数据、分析数据进行产品质量的预测和控制,如统计过程控制(StatisticalProcess Control,SPC)是一种借助数理统计方法的过程控制工具,根据反馈信息消除系统性不利影响,使生产过程处于仅守随机性因素影响的受控状态;统计控制阶段的特点主要是在生产过程中利用数理统计原理进行质量控制。这一阶段和检验阶段不同,统计控制阶段主要强调事先控制,更好的预防不合格产品的产生。

全面质量管理作为现如今质量管理进行到的最高阶段,它主要内容可以概括为组织以质量为中心,基于全员参与的基础,目标在于让顾客和组织全成员以及社会受益,以达成长期经营的管理途径。全面质量管理理论的意义已经在很大程度上超越了一般的质量管理,是一种综合化的全面管理模式。在全面质量管理阶段,除了检验和控制产品生产过程,还必须对设计和生产人员能力、环境、设备等全方面进行统筹管理。全面质量管理(Total Quality Management,TQM)常用方法有统计调查表法、层别法、排列图法、因果分析图法、直方图法、控制图以及相关图等方法。

另外,还有一些其他的生产过程质量管理方法,六西格玛质量管理,生产过程分层质量管理等。

六西格玛是通过关注顾客、过程管理、过程改进及有效利用数据来实现降低变异的质量改进工具。σ,即为数理统计中的标准差。六西格玛要求制定挑战性的目标,同时收集大量的数据并分析其结果,以此来减少产品和服务的缺陷。六西格玛背后的原理就是如果你检测到你的项目中有多少缺陷,你就可以找出如何系统地减少缺陷,使你的项目尽量完美的方法。一个企业要想达到六西格玛标准,那么它的出错率不能超过百万分之3.4。 

六西格玛包括两个过程:六西格玛DMAIC和六西格玛DMADV,它们是整个过程中两个主要的步骤。六西格玛DMAIC是对当前低于六西格玛规格的项目进行定义、测量、分析、改善以及控制的过程。六西格玛 DMADV则是对试图达到六西格玛(6 Sigma)质量的新产品或项目进行定义、测量、分析、设计和验证的过程。

生产过程分层质量管理根据生产过程对产品质量的影响程度,分成四个层次的生产过程,并结合生产数据分别进行质量管理。解析结构模型法(Interpretative Structural Modeling,ISM)通过将复杂系统分解为若干子系统,利用经验知识和数据,将系统构成一个多级递阶点结构模型。

以上生产过程质量控制多基于MES 或ERP 系统的数据,配合质量预测算法,建立质量数据与目标量之间的关系方程,进而对质量进行预测、管理。

质量管理中常见质量工具:

QC 七大手法:

l 层别法:按照一定的标志,把搜集到的大量有关某一特定主题的统计数据和意见加以归类、整理和汇总的一种方法。又叫分类法或分组法。

l 排列图:是将质量改进项目从最重要到最次要进行排列而采用的一种简单的图示技术。

l 因果图:整理原因与结果的关系的简单示图。

l 制造行业通常从五大因素出发分析制图:人、机器设备、原材料、工艺方法、环境,俗称人,机,料,法,环。

l 直方图:用一系列宽度相等、高度不等的长方形表示数据的图。可以分析观察值分布状态,以便对总体的分布特性进行推断。

l 控制图:建立在数理统计学的基础上,利用有效数据建立控制界限——上、下控制界限,用来区分由异常或特殊原因引起的波动,或是由过程固有的随机原因引起的偶然波动的一种工具。

l 散布图:判断两变量之间是否存在相互关系的简单示图。

l 波动图:观察与分析质量特性值达成与波动情况的简单示图。

QC新七大手法主要是用于为生产的计划阶段提供有效和科学的方法与途径。它是以语言资料为基础,通过定性分析来自企业内外部的信息,实施决策的合理化,从而确保了品质。QC新七大手法包含了运筹学.系统工程、价值工程等管理科学的思想。QC新骐达手法具体内容如下:

l 关联图法是对原因——锚果、目的——手段等关系复杂和相互纠缠的问题,在逻辑上用箭头表示其相互关系,从而确定其主要影响因素的方法,又称关系图法。

l KJ分析法的工具是A型图解(A型图解只适用于需要时间研究解决的问题,不适用于要立即解决的简单问题),是将收集到的资料和信息,根据它们之间的相近性分类综合分析的一种方法,又称卡片法。

l 系统图法又叫树图法,为达到目的,需选择手段,上一个目的又与下一个手段相联系,这种目的和手段相互联系起来逐级展开的图形叫系统图法。利用它可系统分析问题的原因并确定解决问题的方法。

l 矩阵图法是利用数学上矩阵的形式表示因素间的相互关系,从中探索问题所在并得出解决问题的设想。它是进行多元思考,分析问题的方法。

l 矩阵数据分析法是研究对成对因素群进行数据处理,用以判断各因素对结果影响程度大小的一种方法。根据各因素对事件影响程度大小可分为O到10级,其中“10”影响最大,“0”则无影响。在对产品的功能进行分析时,常用的是矩阵数据分析法。

l PDPC法是在进行了系统设计和做出计划初始阶段,对可能预测到的问题进行先期预测分析以达到理想状态的一种分析方法,又叫过程决策程序图法、重大事故预测图法。PDPC方法不受人为因素限制,它是以实际情况作为出发点来考虑采取何种方法,预计可能的结果,提出达到目标的策略,确定最终解决问题的方法。

l 矢线图法又叫网络技术法(PERT),或叫关键路线法(CPM),是制定最佳Et程计划,找出最佳路线,高效率完成项目进度的一种分析方法。矢线图法一般是用于生产计划方面,我们哪道工序先生产,哪道工序后生产,它们各需用的天数。在生产计划时,我们一定要把握工序生产能力的平衡和原材料的入库时间。我们用矢线图法,分析找出效益最经济和时间最优化的生产路线图。

在汽车零部件、航空航天等行业生产中,还会应用到SPC、FMEA、MSA等质量工具:

SPC:统计过程控制的控制对象是生产过程的质量特性,通过将各个阶段收集的数据进行分析和监控,识别生产过程的异常,实现对整个过程的预防与控制。企业想要获得令客户满意的合格产品,就需要对生产过程进行过程控制。判断生产过程状态的稳定性,用控制图;而判断处于稳定状态的生产过程对客户质量要求的满足程度,用过程能力指数。

控制图是通过图表形式对生产过程中的参数测量、记录,过程控制的目的其实是消除和避免异常波动,使过程处于正常波动。区分过程是正常波动还是异常波动,利用控制图。控制图由中心线CL、上控制界限UCL、下控制界限LCL,在图上按时间顺序描绘的一系列点组成。中心线与上、下控制界限的宽度范围为3σ。如果有点落在上、下控制界限外,或者落在上、下控制界限内但排列不是随机的,

此时可以断定生产过程出现异常。当过程出现异常波动时,要立即查找原因,立即更改,并且使过程恢复正常。过程能力也指工序能力或加工能力,它是指工序处于稳定状态(控制状态)下能达到的实际的加工能力。质量要求和过程能力的比值称为过程能力指数。过程能力指数用Cp、Cpk 表示。如果过程能力指数越高,越能说明质量水平越高。

FMEA:FMEA指潜在的失效模式及后果分析(Failure Mode and

Effects AnMysis,简记为FMEA),是一种“事前的预防措施”,并由下至上。在设计及制造过程中被广泛应用。熟练的掌握并运用FMEA管制方法,能帮助铸造企业有效的降低不良率,提升产品质量,从而达到真正降低成本,提升制程质量的目的。FMEA包括严重度、发生频次、可检测性。

严重度(SEV):指潜在失效模式对顾客的影响后果的严重程度评价指标,一般分l一10级,从无失效后果到无警告的严重危害后果。

发生频次(occ):指具体的失效起因或机理发生的频度,分1一10级,从不可能发生失效到发生失效几乎无法避免。

可检测性(DET):指失效的起因或机理可探测的程度,分1~10级,从肯定到几乎不可能探测。

风险值(RPN):是事件发生的频率、严重程度和可检测等级三者乘积,被称为风险系数。其数值愈大潜在问题愈严重,用来衡量可能的工艺缺陷,以便采取可能的预防措施减少工艺的不稳定性,使工艺更加可靠。对于工艺的矫正首先应集中在那些最受关注和风险程度最高的环节。

MSA:实施测量系统分析MSA的目的是分析测量系统的变差是否满足要求,在测量系统各类变差中,偏倚、线性和稳定性表征位置变差。偏倚(bias)是指测量过程的样本均值与参考值之间的差异;线性(1inearity)是指在测量设备的工作量程内,偏倚值的差异,可被视为在不同的量程上偏倚的变化:表征宽度变差的指标有重复性和再现性,重复性(repeatability)是指在确定的测量条件下由同一个操作者使用同样的测量设备对同一零件进行多次测量的差异程度,它反映了测量系统自身的变异;再现性(reproducibility)是由不同的测量者使用相同的测量设备对同一零件进行测量所得的平均值的误差。