豆制品公司质量管理总结.docx
《豆制品公司质量管理总结.docx》由会员分享,可在线阅读,更多相关《豆制品公司质量管理总结.docx(72页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、豆制品公司质量管理总结目录一、 质量数据与分布规律2二、 过程质量控制的特点5三、 过程能力的计算和评价10四、 过程能力12五、 质量改进工具概述13六、 常用的质量改进工具17七、 质量改进的PDCA循环法33八、 质量改进的一般步骤39九、 公司简介42公司合并资产负债表主要数据43公司合并利润表主要数据43十、 产业环境分析43十一、 必要性分析47十二、 法人治理47十三、 SWOT分析说明61十四、 发展规划分析68一、 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
2、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
3、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
4、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)质量数据的位置特征值。在分析质量数据的分布状态时,描述数据分布集中趋势主要有算术平均值、中位数等。(2)数据的离散特征数。数据的分散程度在质量管理中就是质量特性值的波动性,反映过程能力
5、。在分析数据的分布状态时,常被用于表示数据分布的离散程度的特征数,主要有极差、标准偏差等。3、质量数据的分布规律质量数据具有个体数值的波动性和总体分布的规律性。在统计过程质量控制中,各种统计技术的应用都是以质量数据的分布规律为依据进行的,其中最常用的有正态分布、二项式分布和泊松分布。(1)正态分布。正态分布是一种最常见的连续性随机变量的概率分布。其特征是“钟”形曲线。实际工作中,正态曲线下横轴上一定区间的面积反映该区间的例数占总例数的百分比,或变量值落在该区间的概率(概率分布)。不同范围内正态曲线下的面积可用公式计算。轴与正态曲线之间的面积恒等于1。(2)二项分布。二项分布是一种典型的离散性分
6、布。(3)泊松分布。泊松分布P(A)中只有一个参数入,它既是泊松分布的均值,也是泊松分布的方差。在实际事例中,当一个随机事件,例如,某电话交换台收到的呼叫来到某公共汽车站的乘客、某放射性物质发射出的粒子、显微镜下某区域中的白细胞等,以固定的平均瞬时速率入(或称密度)随机且独立地出现时,那么这个事件在单位时间(面积或体积)内出现的次数或个数就近似地服从泊松分布。二、 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
7、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
8、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和标准偏差表现为确定的值)。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和标准偏差发生显著的变化。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
9、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
10、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。
11、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。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
12、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。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
13、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
14、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
15、;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。三、 过程能力的计算和评价(一)过程能力的计算当生产过程处于稳定状态时,一定的工序能力指数与一定的不合格品率相对应。根据所采用数据类型的不同和技术要求的不同,工序能力指数和不合格概率的计算又可以分为四种情况。(二)过程能力评价过程能力指数客观且定量地反映了过程能力满足质量标准的程度。它与生产过程中的加工能力和管理水平有关。过程
16、能力指数越大,产品的加工质量就越高。因此,在实际生产中,根据过程能力指数的大小对过程的加工能力进行分析和评价,以便于采取必要的措施,既要保证过程质量,又要使成本适宜。1、无偏状态下过程能力评价一般情况下,无偏状态是指过程中心与质量标准公差中心重合。(1)特等一过程能力过于充裕。在过程或工序允许的情况下,可考虑放宽管理或降低成本,可放宽检查,如人和设备的配备可相对降低一些,这样可以带来降低成本、提高效率的效果;提高产品的原设计精度,改进产品性能;加大抽样间隔,减少抽验件数,降低检验的各种消耗。(2)1等过程能力充裕。按过程进行管理,正常运转;非重要过程或工序可允许小的外来波动;对不重要的过程或工
17、序可放宽检查,工序控制抽样间隔可放宽。(3)2等过程能力尚可。必须加强对生产过程的监控,防止外来波动;调查4MIE因素,作必要改进;严格执行各种规范、标准、制度;坚持合理的抽样方案和检验规程。(4)3等一过程能力不足。必须采取措施提高过程或工序能力,通过因果图、排列图找出需要改进的因素;分析质量标准是否脱离实际,应实事求是地修正质量指标过严的情况;加强质量检验工作。(5)4等一过程能力严重不足。立即追查原因,采取紧急措施,提高工序能力,对4MIE必须进行根本性的改革,要从根本上消除影响质量的关键因素。2、有偏状态下过程能力评价一般情况下,有偏状态是指过程分布中心与质量标准公差中心不重合,出现了
18、偏移。从统计的角度看有偏状态,中心偏移使得过程分布中心值不在目标值上,偏移量的出现使得过程能力指数Cp降低,过程输出的不合格品率增加。四、 过程能力1、过程能力过程能力(PC)是指过程(或工序)处于稳定状态下的实际加工能力,它是衡量工序质量的一种标志,又叫工序能力,在机械加工业中又叫加工精度。SPC的基准就是统计控制状态或称稳态。过程能力反映了稳态下该过程本身所表现的最佳性能(分布宽度最小)。因此,在稳态下,过程的性能是可预测的,过程能力也是可评价的。离开稳态这个基准,对过程就无法预测,也就无法评价。过程能力决定于由偶然因素造成的标准差。通常用6倍标准差(六西格玛)表示过程能力,它的数值越小越
19、好。2、过程能力指数过程能力指数,简称Cp或Cpk,以往称为工序能力指数,现在则统一称为过程能力指数。Cp是用于反映过程处于正常状态时,即人员、机器、原材料、工艺方法、测量和环境(5MIE)充分标准化并处于稳定状态时,所表现出的保证产品质量的能力。过程能力是表示生产过程客观存在着分散的一个参数。但是这个参数能否满足产品的技术规格要求,仅从它本身还难以看出。因此,还需要另一个参数来反映工序能力满足产品技术要求(公差、规格等质量标准)的程度。这个参数就叫做过程能力指数,也称为工序能力指数或工艺能力指数。它是技术规格要求和工序能力的比值。五、 质量改进工具概述所谓质量管理常用工具,就是在开展全面质量
20、管理活动中,用于收集和分析质量数据,分析和确定质量问题,控制和改进质量水平的常用方法。这些方法不仅科学,而且实用,应该首先学习和掌握它们,并应用到实际中。有效质量改进活动会使质量成本得以改善。同时,质量改进活动并非企业内一个部门、一个人的工作,特别是企业推行系统的、自上而下的、高层次的质量改进即六西格玛管理,更需要企业最高管理层的策划和各相关方的参与。通过防差系统的设计将会杜绝人为操作,使得无缺陷过程得以实现,最后,通过顾客满意度的调查,改进顾客关系,达到以顾客满意为核心的现代企业的质量管理目的。质量改进是一项系统工程,需要有精心的策划、认真的实施和管理。实施质量改进必须以实际情况和数据分析为
21、基础进行决策和策划并付诸实践,才能取得成功。所以,正确、有效地应用各种有关的工具和统计方法是促进质量改进项目和活动取得成功的必要条件。1、定量的方法与工具以统计的观点看待产品和过程质量则具有以下两方面的观念:产品和过程质量之所以存在变异性,是因为影响产品和过程质量的人、机、料、法、环等诸因素均在无时无刻地变化着,因而造成产品和过程的变异性。即使完全相同的生产条件下所生产的若干产品,其质量特性也可能不完全一致。产品和过程质量的变异在一定范围内,具有一定的数学规律,因此,质量改进的工作,应以掌握产品质量变异的规律性为前提。现代质量管理活动中,需要应用各种数理统计技术方法。为此,统计技术成为质量管理
22、及质量改进的一个重要因素。在市场分析、产品设计、可信性规范、寿命和耐用性预测、工序控制和工序能力的研究、确定抽样检验方案的质量水平、数据分析、过程改进及安全性评价等质量活动领域应制定并坚持实施统计技术方法,能查明质量指标与哪些因素相关,其中哪些是主要因素,哪些是次要因素,从而为优质生产获取最佳生产条件或最优参数组合。在质量改进活动过程中,利用数理统计技术与方法提高设计质量,开发优质产品,以及优化生产工艺,降低生产成本。2、定性的方法与工具在很多情况下影响产品和过程质量的人、机、料、法、环等诸因素难以取得量化的数字数据。此时,应通过广泛深入的调查研究,获得大量定性的非数字数据的信息、意见,反映、
23、设想、议题等,分析其原因,结果或目的之间的因果关系,以符合逻辑的定性方法,找出其彼此间的相互作用关系,来阐明问题所在的方法称为定性的方法与工具。让参与人员在多次修改中,取得一致观念与认同,并转化成一种方式方法去实施,对解决问题有无限帮助。若运用得当,经过分类、分层、归纳、总结,获得有条理的思路,对质量改进活动的成功也会发挥重要的作用。3、品质管理(QC)七大方法与工具排列图、因果图、直方图、控制图、散布图、调查表和分层法被称为质量管理的QC七种工具,重点在整理问题数值资料取得后的管理手法。关联图、系统图、亲和图(KJ法)、PDPC法(也称过程决策程序图法)、矩阵图法、矩阵分割(矩阵数据分析法)
24、被称为质量管理的QC新七种工具,将散漫无章的语言资料和不利因素,通过运用系统化的图形,呈现计划的全貌,防止错误或疏漏发生,重点在整理问题数值数据取得前的管理手法。从20世纪60年代开始,日本的企业通过运用品质管理七大方法,收集工作现场的数据并进行分析,提升了日本产品的水平,是日本产品走向世界的关键因素。70年代初,日本人大力推行QCC活动,除了重视现场的数据分析外,对工作现场伙伴的情感表达和语言文字资料进行分析,并逐渐演绎成新的品质管理方法。1972年,日本科技联盟之QC方法开发委员会正式发表了“品质管理新七大方法”。区别:作为工具与方法是QC,而QCC是品管圈。经常用的质量改进工具当然不止新
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 豆制品 公司 质量管理 总结
限制150内