基于過程分析的質量管理研究

鄒維瑋　晁志峰　周宇斌　郭勇

摘 要：本文介紹了基于統計學的過程質量控制方法相較于傳統以產品檢驗為重點的品質管理方式的優勢，并通過適當截取統計區間以減少樣本統計量，使基于統計學的過程質量控制方法真正適用于現場質量控制。通過對生產過程要素的監控可提前發現風險點，并采取措施進行控制，有效節約質量成本。

關鍵詞：品質管理；過程質量控制；統計學方法

1 過程質量控制的意義

針對重要缺陷的傳統品質管理是采取質量控制小組（QC小組）的形式展開[1]，在缺陷已經發生后，通過對生產過程的人、機、料、法、環、測六個方面的分析找出缺陷發生的原因并進行整改[2]。但是，這種分析方式通常是在缺陷問題發生之后，并且需要做大量的調查和數據分析工作，缺陷的解決也存在滯后性。由于工作量巨大，花費時間較長，在分析階段缺陷仍不能有效解決，這段時間內需要花費大量的人力、物力應對缺陷問題，而且須付出很高的質量成本[3]。如圖1所示為傳統的品質管理方式，由于產品管理的滯后性往往會產生較多的返工量及報廢車，往往要付出較高的質量成本。

如圖2所示，過程質量控制則不同，它是對生產過程直接介入，并對生產重要參數進行監控，在缺陷發生前發現生產要素中的變化量，可防患于未然[4]。過程質量控制將生產過程中的人、機、料、法、環和生產原料全部納入監控范圍，著重關注生產要素中的各變化點，消除引起產品差異性的原因，使生產過程的每一個環節控制在較為理想的生產狀態，從而保證最經濟地生產出符合用戶要求的合乎一定質量標準的產品。這種質量控制方法著重于生產過程的控制，主要以預防為主。以預防為主的過程質量控制方式不僅可節約大量質量成本，避免生產中造成大量的殘次品，并且也有利于加深質量人員的專業知識，培養質量深層次人才。

2 過程質量控制的實施

在產品生產過程中，導致產品之間差異性的原因可分為正常原因和異常原因。某些因素對產品的影響很小，且在允許的范圍之內，它們通常很難查明或難以消除，這些因素引起的產品差異稱為正常波動；由一個或多個生產要素變動所引起的質量變動，能夠被查明且又必須消除，這類生產要素引起的產品差異稱為異常波動。過程質量控制主要的目標是尋找引起異常波動的原因并加以消除。

目前主流的過程質量控制是采用統計學原理對生產過程中的各個要素進行評估，使其處于可接受的范圍內，保證最終產品質量的穩定性。通過對各個生產過程要素的統計分析，可以判斷出該過程是否偏離正常水平，從而及時發出警告。傳統的統計學進行分析，需要大量的樣本才能獲得可信的分析結果，但對于實際生產來講，若對大量的產品特性進行分析，工作量將是巨大的、無法接受的，所以傳統的統計學理論在生產現場的過程質量控制中是不適用的[5]。在生產現場如何通過采集小批量的數據從而獲得可信的統計結果是我們將面臨的主要問題之一。

在傳統的統計過程控制中通過采集大量的過程質量參數，繪制出過程質量參數的分布，制定出該參數的控制范圍，從而得出控制圖。一般認為過程控制參量服從正態分布，可設A1，A2，…，Ai服從正態分布N（μ，δ2）的隨機樣本數據，即A1，A2，…，Ai所代表的過程質量參數是在人員、設備、原材料、工藝、環境皆無明顯差異下產生的，這樣樣本均值及方差可分別表示為：

（1）

（2）

隨著樣本量逐漸增大，和S2r也逐漸向μ和δ2逼近，但是在生產現場若采集大量的過程質量數據樣本，將會付出大量的人力和時間成本；而如果樣本量不足夠大，由此得出的數據又會產生誤差，最終導致缺陷誤判。此時則需要根據現場情況適當截取統計區間，提升統計數據的可信度。如現場生產要素按計劃變動（如設備改造）后，相應的生產參數也會有變動。此后的生產參數統計分析應刪去生產要素變動之前的區間。根據經驗，如果在統計區間內參數方差在[0，0.5]則一般認為設備穩定運行，質量可控；而參數方差在（0.5，1]則一般預示設備開始出現波動，可排查相關設施是否正常或對設備進行清理；但當參數方差在（1，∞）則一般設備參數超出可控范圍。

3 過程質量控制應用

由上節的分析可知，通過概率積分變換理論，基于統計學機理的過程質量控制才能真正應用于生產過程，通過過程質量分析最終改善生產過程。下面將以預防某表面預處理電泳缺陷為案例介紹基于統計學的過程質量控制在生產過程中的應用，如圖3。

涂裝是汽車耐腐蝕和裝飾的最經濟而有效的辦法，而涂裝前的表面預處理（又稱前處理）的好壞又直接影響涂層使用壽命和裝飾效果的重要環節。涂裝前表面預處理的目的是去除被涂件構成物之外的所有異物，提供適合于涂裝要求的良好基底，以保證涂層具有良好的防腐和裝飾性能。由于涂裝前表面預處理伴隨著復雜的化學反應及物理變化，需要采用復雜的監控系統控制表面預處理過程中的各種工藝參數。而溫度表是最常用的一種監控表面預處理過程中溫度參數的設備。因此，對于溫度表的監控應為過程質量控制中的常規監控工作。

傳統的監控方式是每天對溫度表進行檢測讀數，確定溫度是否在規定的工藝范圍內，如果不在工藝范圍內，則意味著生產過程中的溫度不受控，極有可能導致車輛缺陷。這種傳統的監控方式只能在缺陷發生后，將會付出極大的產量、質量成本。而基于統計學的過程質量監控方式則采用統計學分析方法，在生產設備不滿足生產現場前及時發現、提前排除。

如圖4所示，此處的溫度工藝控制范圍為[22，26]，雖然溫度表的讀數一直在工藝范圍內，按照常規監控方式不會采取任何措施，但是幾天之后溫度讀數便超出工藝規定范圍，電泳缺陷開始產生，如圖5所示為溫度失控后車身上產生的麻皮缺陷。

但是基于數據統計的過程監控，可以計算出其方差為0.68，預示設備穩定性較差，應及時排查設備是否正常，及時控制溫度，預防缺陷發生。因此，基于數理統計的過程質量監控可以提前發現質量風險點，并防止缺陷發生。

4 結論

過程質量控制側重于控制產品的生產過程，可以在缺陷未大量爆發之前發現生產要素的變化點并迅速控制。過程質量控制可節約大量質量成本，避免生產中造成大量的殘次品。通過基于統計學的過程質量分析最終改善生產過程，提升產品質量。

參考文獻：

[1]黃景忠.工程質量“實測實量”小組的建立及控制要點[J].福建建筑，2014（11）：88-90.

[2]張根保，馮旭克.“數控機床可靠性技術”專題（二十三） 可靠性工程之方法因素分析與控制（上）[J].制造技術與機床，2016（5）：5-10.

[3]孫毅，譚建榮，張樹有，等.基于質量控制技術的產品成本-利潤優化模型[J].中國機械工程，2006，17（13）：1329-1334.

[4]石秀芳.過程質量控制[J].電子質量，2003（3）：76-77.

[5]苗瑞，孫小明，李樹剛，等.基于小批量生產的統計過程質量控制研究[J].計算機集成制造系統，2005，21（11）：1633-1635.