龔立雄,劉 婭
產品質量是由生產過程中每一道工序執(zhí)行的好壞決定到,因此,工序質量是產品質量的保障和基礎[1-2]。對于一個工序繁多的生產過程,如何根據(jù)“關鍵的少數(shù),次要的多數(shù)”原則對關鍵工序進行質量分析與控制,如何針對異常的關鍵工序質量進行實時監(jiān)控、預警和糾正是制造企業(yè)急需解決的問題。
目前,對生產過程的控制方法主要是通過統(tǒng)計分析來區(qū)分產品質量的隨機波動與異常波動,對異常情況提出預警和糾正措施,使得生產過程處于受控狀況。統(tǒng)計過程控制(statistical process control,SPC)在生產過程中得到了大量的應用。姜興宇等[3]將生產過程相似工序中不同工序的質量特性進行數(shù)據(jù)變換,然后將樣本在同一控制圖中繪制,以實現(xiàn)對生產過程的質量判定與控制。牛占文等[4]分析了多品種小批量的生產方式以及該生產方式在SPC的應用現(xiàn)狀,提出了結合通用控制圖、累積和控制圖聯(lián)合的控制圖處理微小偏差的過程質量控制,但數(shù)據(jù)統(tǒng)計困難,計算量較大,適用性不強。SPC不是單純的圖解,需有可靠數(shù)據(jù)作支撐,實施SPC需要豐富的經驗來判定,而掌握這項技術的質量管理人員十分匱乏,影響了SPC在制造企業(yè)的推廣和應用。本文針對實施SPC所面臨的困境,提出運用Minitab實施SPC技術,通過Minitab的工具箱自動計算生產過程的工序能力指數(shù),根據(jù)控制圖實現(xiàn)智能判定,并應用于某制造企業(yè),取得了較好的效果。
工序質量控制是指為把工序質量的波動限制在規(guī)定的界限內所進行的活動,其原理是采用數(shù)理統(tǒng)計方法,通過對工序一部分檢驗數(shù)據(jù)進行統(tǒng)計,來判定整個公司質量是否穩(wěn)定、正常,并對異常情況采取技術措施和對策,其控制步驟為[5-6]:
步驟1 實測:采用必要的檢測工具和手段,對抽出的工序子樣進行質量檢驗。
步驟2 分析:對檢驗所得的數(shù)據(jù)通過直方圖法、排列圖法或管理圖法等進行分析,了解這些數(shù)據(jù)所遵循的規(guī)律。
步驟3 判斷:根據(jù)數(shù)據(jù)分布規(guī)律分析的結果進行判斷,如數(shù)據(jù)是否符合正態(tài)分布曲線,是否在控制線間,公差(質量標準)是否在規(guī)定范圍,是偶然性因素引起的質量變異,還是系統(tǒng)性因素引起的質量變異等,確定該道工序是否達到質量標準。
統(tǒng)計過程技術(SPC)對生產過程分析的主要工具是過程能力分析,其目的將傳統(tǒng)的“事后檢驗”轉變?yōu)椤疤崆邦A測”,確保產品質量。SPC技術包括確定工藝、確定控制項目、優(yōu)化并確定工藝條件、采集工藝參數(shù)、確定所采用控制圖類型、繪制控制圖、評估工藝能力及設施SPC控制,SPC技術流程如圖1所示。
圖1 SPC技術流程
SPC主要的工具是過程能力分析,在質量管理與控制中應用控制圖進行分析。
1)過程能力:過程在一定時間內處于統(tǒng)計控制狀態(tài)下的實際加工能力,用過程能力指數(shù)(CP)來衡量。通常過程能力指數(shù)越大就越能滿足技術要求,產品質量就越有保障。但是,過程能力指數(shù)過高,則工序對技術、設備和人員素質等方面都會提出更高的要求。過程能力指數(shù)的判斷標準如表1所示。
表1 過程能力指數(shù)的判斷標準
2)控制圖:將顯著性統(tǒng)計原理應用于控制生產過程的圖形方法,是對控制項目(工藝過程參數(shù))加以測量、記錄,并進行控制管理的一種用統(tǒng)計方法設計的圖。
Minitab于1972年成立于美國的賓夕法尼亞大學。Minitab軟件是全球領先的質量管理和六西格瑪實施軟件工具,被廣泛應用于全球100多個國家的4 800多所高校[7]。Minitab功能菜單包括假設檢驗(參數(shù)檢驗和非參數(shù)檢驗)、回歸分析、方差分析、時間序列分析、圖表、SPC、試驗設計(design of experiment,DOE)、測量系統(tǒng)分析(measurement system analysis,MSA)、可靠性分析、多變量分析等,具有強大的運算功能和統(tǒng)計分析能力,是持續(xù)質量改進的良好工具。本文采用Minitab 16版本實施案例企業(yè)的生產過程質量控制。
CHG公司是由重慶利龍汽車零部件有限公司和全球最大拉索系統(tǒng)產品制造商——日本 HILEX CORPORATION以及日本東工KOSEN株式會社共同投資組建的中外合資企業(yè)。公司生產的產品主要有各種機械控制用拉索、車用玻璃升降器、天窗系統(tǒng)、自動門系統(tǒng)等。下面以該公司為長安福特C307車型生產的制動拉鎖實施SPC控制為例進行分析。
2.2.1 產品概述
長安福特C307制動拉鎖的主要功能是傳遞制動手柄端的力和位移至汽車后制動器,實現(xiàn)汽車駐車后的制動。其產品質量問題主要有接頭、套管帽尺寸不良,套管尺寸短,露長尺寸短,零件錯漏裝,管夾定位尺寸不良,護套定位尺寸不良,拉索密封不良,鋼繩進水銹蝕等。這里主要以套管長度為例進行分析。
長安福特C307的生產工藝主要有鉚合套管帽、鉚合管夾、切線、剝皮等,生產工藝流程如圖2所示。
圖2 長安福特C307制動拉索主要生產工藝流程
2.2.2 基于Minitab的制動拉鎖生產過程能力分析與質量控制
本文選取長安福特C307車型的制動拉鎖,以切管長度來進行過程能力分析。拉鎖生產為連續(xù)性的生產方式,生產一線為三班制,生產節(jié)奏為122根/h。在生產過程中確定的抽樣方案為:每2 h抽樣1次,每次抽取10根樣品,即1天中共抽取120根套管樣品進行長度精度分析。具體分析步驟為:
步驟1 繪制管壁直方圖。長安福特C307前制動拉鎖套管標準長度為29.94 mm,誤差范圍為-5% ~5%。將120個數(shù)據(jù)分為11組,極差R=2.74 mm,組距h=0.25 mm。在Minitab中繪制直方圖,如圖3所示。再用Minitab對數(shù)據(jù)進行正態(tài)性驗證,如圖4所示。
圖3 套管長度直方圖
圖4 正態(tài)概率圖
由圖3和圖4可以看出,測試的套管“長度精度”特性值的分布特征為:①圖形形狀為單峰且近似對稱;②分散程度基本近似符合正態(tài)分布。
因為管長屬于計量值數(shù)據(jù),其分布狀態(tài)符合計量值分布規(guī)律,因此,套管長度直方圖的形狀正常,生產過程處于穩(wěn)定狀態(tài),測試數(shù)據(jù)可以反映實際達到的生產能力。雖然直方圖分布在公差范圍內,但不難分析出分布中心和公差中心有較大偏移。在這種情況下,如果過程稍有變化,就可能出現(xiàn)不合格品。
步驟2 過程能力指數(shù)計算與分析。在Minitab中計算過程能力指數(shù)為0.72,過程能力分析圖如圖5所示。
圖5 過程能力分析圖
根據(jù)工序能力評價標準,屬于能力不足,又從套管長度直方圖可以看出,套管長度的分布中心偏離公差中心,為此,需要對影響過程質量的人、機、料、法、環(huán)等因素進行分析,找出造成分布中心偏移的原因,并采取措施使分布中心和公差中心盡可能重合,從而提高過程能力指數(shù)。
步驟3 影響套管精度、過程能力不足的原因分析。為提高過程能力指數(shù),對影響套管長度精度的“4M1E”進行分析。在CHG公司拉鎖的生產過程中,其原材料是由鄰近的集團公司提供的,所以進行分析時可以不用考慮材料(materials)這個因素。因此,主要從機器設備(machines)這方面入手,結合操作者(man)和方法(methods),找出了生產過程中的套管長度、精度的影響因素。圖6為套管長度精度因果圖。通過4M1E法則,影響套管過程能力不足的主要因素有技術操作水平不均、質量觀念落后、定位不準、作業(yè)方法不足、安裝方法不對、車間管理不足等。要提高過程能力指數(shù),需從這幾個方面著手,加強質量觀念、引進先進設備、提高管理水平。
圖6 套管長度精度因果圖
步驟4 生產過程控制圖繪制。通過因果分析圖找出影響生產過程的主要因素并加以改進,重新采集120組數(shù)據(jù),計算樣本均值和極差。運用Minitab繪制套管長度-R控制圖,如圖7所示。
圖7 套管長度-R控制圖
步驟5 控制圖分析。根據(jù)GB/T4091—2001《常規(guī)控制圖》標準套管生產過程的判異,在Minitab中設置判定和檢驗模型。如圖8所示。
圖8 Minitab判定和檢驗模型
圖9 檢驗后的-R控制圖
由判定準則以及由圖9輸出的Minitab檢驗模型可知,數(shù)據(jù)判斷所有的點都落在在控制線內,且不存在異常情況。因此,當前(測試時)的生產過程處于穩(wěn)定的受控狀態(tài)。
本文詳細介紹了統(tǒng)計過程控制的原理、方法以及適用場合。針對SPC技術直觀表達不足、計算困難等缺點,利用Minitab軟件設計了SPC的實施方法與控制過程,并應用于案例企業(yè)。從實施效果來看,該公司在實施了基于Minitab的生產過程質量控制后,廢品率大大降低,提高了產品質量,同時也降低了成本。因此,對生產制造企業(yè)實施基于Minitab的生產過程質量特性分析與質量控制是十分必要和可行的。
[1]Pacellaa Massimo,Semerarob Quirico,Anglani Alfredo.Manufacturing quality control bymeans of a fuzzy ART network trained on naturalprocess data[J].Engineering Applications of Artificial Intelligence,2004,17(1):83-96.
[2]楊慕升,張宇.基于STA/SPC/EPC的集成方法質量控制技術研究[J].機床與液壓,2011,39(7):11-14.
[3]姜興宇,王世杰,趙凱,等.面向網絡化制造的智能工序質量控制系統(tǒng)[J].機械工程學報,2010,46(4):186-194.
[4]牛占文,陳天駿,劉笑男.多品種小批量生產的SPC應用研究[J].工業(yè)工程,2010,12(4):100-103,123.
[5]王佩,張定華,陳冰,等.基于SPC與EPC集成的制造過程質量監(jiān)控與調整[J].中國機械工程,2011(18):2203-2208.
[6]王麗穎,孫麗,王秀倫.基于慮擬工序的小批工序質量控制方法研究[J].計算機集成制造系統(tǒng),2006,12(8):1263-1267.
[7]何軍,方鳳青.基于控制圖和Minitab軟件的某公司SPC 應用研究[J].大眾科技,2011(11):31-34.