智能光伏产品项目统计过程质量控制方案.docx
《智能光伏产品项目统计过程质量控制方案.docx》由会员分享,可在线阅读,更多相关《智能光伏产品项目统计过程质量控制方案.docx(43页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、智能光伏产品项目统计过程质量控制方案xxx(集团)有限公司目录一、 公司概况4公司合并资产负债表主要数据4公司合并利润表主要数据4二、 产业环境分析5三、 建设智能光伏系统5四、 必要性分析6五、 控制图的基本原理6六、 控制图应用的程序10七、 质量数据与分布规律12八、 过程质量控制的特点16九、 项目基本情况21十、 经济效益24营业收入、税金及附加和增值税估算表25综合总成本费用估算表26利润及利润分配表28项目投资现金流量表30借款还本付息计划表32十一、 进度计划33项目实施进度计划一览表34十二、 投资估算及资金筹措35建设投资估算表37建设期利息估算表38流动资金估算表39总投
2、资及构成一览表41项目投资计划与资金筹措一览表42一、 公司概况(一)公司基本信息1、公司名称:xxx(集团)有限公司2、法定代表人:钟xx3、注册资本:1260万元4、统一社会信用代码:xxxxxxxxxxxxx5、登记机关:xxx市场监督管理局6、成立日期:2014-11-147、营业期限:2014-11-14至无固定期限8、注册地址:xx市xx区xx(二)公司主要财务数据公司合并资产负债表主要数据项目2020年12月2019年12月2018年12月资产总额16137.6412910.1112103.23负债总额8427.756742.206320.81股东权益合计7709.896167.
3、915782.42公司合并利润表主要数据项目2020年度2019年度2018年度营业收入41780.3733424.3031335.28营业利润6549.065239.254911.80利润总额5495.004396.004121.25净利润4121.253214.582967.30归属于母公司所有者的净利润4121.253214.582967.30二、 产业环境分析到2020年,战略性新兴产业成为全区经济社会发展和产业转型升级的重要推动力量,增加值占地区生产总值的比重达到12%以上;初步形成创新驱动、高端发展、集约高效、环境友好的产业发展新格局,市场竞争力和影响力显著提升,成为大众创业万众创
4、新的主战场。三、 建设智能光伏系统支持智能光伏产品在光伏发电系统踏勘、设计、集成、运维、结算、交易中的应用,开发应用各类电网适应性技术,增强智能光伏系统自感知、自诊断、自维护、自调控能力,提升光伏发电电网友好性。发展智能光储系统。突破智能光储关键技术,平抑光伏发电波动,跟踪发电计划出力、电量时移,提升对新型电力系统的支撑能力。推动光伏电站与抽水蓄能、电化学储能、飞轮储能等融合发展,建设一批电源侧光伏储能项目,保障光伏发电高效消纳利用。四、 必要性分析1、提升公司核心竞争力项目的投资,引入资金的到位将改善公司的资产负债结构,补充流动资金将提高公司应对短期流动性压力的能力,降低公司财务费用水平,提
5、升公司盈利能力,促进公司的进一步发展。同时资金补充流动资金将为公司未来成为国际领先的产业服务商发展战略提供坚实支持,提高公司核心竞争力。五、 控制图的基本原理数据或质量特性值处理的方法中,不论是频数分布表、直方图、分布的计量值、分布规律及过程能力指数等所表示的都是数据在某一段时间内的静止状态。但是,生产过程中,用静态的方法不能随时发现问题以调整生产或工作。因此,生产过程或工作现场不仅需要处理数据的静态方法,也需要能了解数据随时间变化的动态方法,并以此为依据来控制产品生产过程或工作的质量。1、控制图的基本概念控制图是对测定、记录、评估和监察过程是否处于统计控制状态的一种统计方法设计图。世界上第一
6、张控制图是美国休哈特在1924年5月16日提出的不合格品率(P)控制图。(1)控制图的设计原理。正态性假设。3准则。小概率事件原理。小概率事件原理是指小概率的事件一般不会发生。由3准则可知,数据点落在控制界限以外的概率只有0.135%,因此,生产过程正常情况下,质量特性值是不会超过控制界限的,如果超出,则认为生产过程发生异常变化。(2)控制图应用经验与理论分析表明,当生产过程中只存在正常波动时,产品或过程质量将形成典型分布,若过程正常,即分布不变,则出现点子超过UCL或LCL的概率只有0.135%左右。若过程异常,分布曲线上移或下移,产品或过程质量的分布必将偏离原来的典型分布,即,发生变化。发
7、生这种情况的可能性很大,其概率可能为0.135%的几十至几百倍。小概率事件在一次试验中几乎不可能发生,若发生即判断异常。因此,根据典型分布是否偏离就能判断异常波动是否发生,而典型分布的偏离可由控制图检出,所以,控制图上的控制界限就是区分正常波动和异常波动的科学界限,亦可分析偶然因素与异常因素对过程的影响。2、控制图的基本种类(1)常规控制图的分类。常规控制图是按产品质量的特性及其分布规律所作的分类。均值极差控制图。均值标准差控制图。中位数极差控制图。单值移动极差控制图。不合格品率控制图。不合格品数控制图。缺陷数控制图。单位缺陷数控制图。(2)按控制图的用途划分。按控制图的用途来划分,可以分为分
8、析用控制图和控制用控制图。实施SPC分为两个阶段,一是分析阶段,二是监控阶段。在这两个阶段所使用的控制图分别被称为分析用控制图和控制用控制图。两者间的关系适应日本质量管理的名言:“始于控制图,终于控制图。”所谓“始于控制图”是指对过程的分析从应用控制图对过程进行分析开始,所谓“终于控制图”是指对过程的分析结束,最终建立了控制用控制图。故根据使用的目的和用途的不同,控制图可分为分析用控制图与控制用控制图。分析用控制图。分析用控制图是根据过去数据,主要用于分析现状,涉及分析两个方面的内容,一是所分析的过程是否处于统计控制状态,二是该过程的过程能力指数是否满足要求,若经过分析后,生产过程处于非统计控
9、制状态,则应查找原因并加以消除。控制用控制图。控制用控制图由分析控制图转化而来,当过程达到了确认的状态后,才能将分析用控制图的控制线延长作为控制用控制图。由于后者相当于生产中的立法,故由前者转为后者时应有正式交接手续。这里要用到判断稳态的准则(简称判断准则),在稳定之前还要用到判断异常的准则。进入日常管理后,关键是保持所确定的状态。经过一个阶段的使用后,可能又会出现异常,这时应查出原因,采取必要措施,加以消除,以恢复统计控制状态。3、控制图的界限公式对于常规控制图的控制界限计算公式,世界上各个国家都有相应的标准。中华人民共和国国家标准常规控制图(GB/T40912001),等同于国际标准休哈特
10、控制图(ISO8258:1991)及其1993年的修订本。(1)常规计量控制图的界限公式。(2)常规计数控制图的界限公式。计数控制图是通过记录所考察的样本中每个个体是否具有某种特性(或特征),如合格与不合格;合格率与不合格率;缺陷与单位缺陷等某种事件所发生的次数对过程进行监控的控制图。六、 控制图应用的程序应用控制图的主要目的是发现过程或工序异常点,追查原因并加以消除,使过程或工序保持受控状态;对过程或工序的质量特性数据进行时间序列分析,以掌握过程或工序状态。因此,在进入控制图应用程序之前,根据统计过程质量控制的目的确定控制图的类型,然后,进入控制图应用的一般程序。1、控制图应用的一般程序(1
11、)选取控制的质量特性与预备数据。控制的质量特性就是选出符合统计过程质量控制,运用目的、可控、易于评价的质量特性或项目,如对产品的使用效果有重大影响的质量特性,对下道工序的加工质量关系重大的质量特性,生产过程中波动大的质量特性,等等。随机收集能反映出质量特性的一组数据,即预备数据。预备数据是用来绘制控制图的数据。(2)计算统计量。不同种类的控制图所需要的统计量各不相同,应根据所选取的控制图种类的统计变量的规定对预备数据进行统计计算。(3)计算控制界限。不同图种的控制图,其控制界限的计算公式各不相同。但都需要计算CL,UCL,LCL,计算公式根据统计量的分布特征值及相互关系推导而得。(4)绘制分析
12、用控制图。根据计算的控制界限数值,在控制图纵坐标轴上刻度,并画出CL,UCL、LCL.三条界限。控制图横坐标轴的刻度为样本号。按数据表中各组数据的统计量值在控制图中打点并用直线线段连接为折线,即为分析用控制图。分析用控制图是在对过程的稳定性或受控状态没有明确结论时绘制的控制图,主要目的是判断过程是否处于稳定状态或受控状态。(5)过程稳定与否和异常与否的判断。作为分析用控制图的完结,依据判断规则的各项准则,对分析用控制图中点子分布状况进行判断。若分析用控制图中点子的分布没有任何违背判断准则的情况,即可判断出取样过程处于稳定受控状态,无异常原因发生。(6)计算过程能力是否达到基本要求,过程是处于稳
13、定或受控状态下,计算过程能力是否达到基本要求,也可以用分析用控制图中的数据作直方图判断。(7)确定控制标准。确定控制标准是对控制用控制图的要求。利用分析用控制图的判断,如若过程稳定无异常发生,且过程能力指数满足技术要求,可将分析用控制图的控制界限延长,作为标准,此时分析用控制图转化为控制用控制图,以对日常过程或工序控制进行监管。如若过程不稳定,有异常发生,或过程能力指数不能满足技术要求,要对分析用控制图进行修正。修正时,如若组数能满足要求,可剔除不合理数据,重新得到控制界限。如若组数不能满足要求,要重新搜集数据。进行日常工序质量控制。在日常生产活动中,随机间隔取样,进行测量和计算,在图上描点、
14、观察分析、判断工序状态。如果无异常现象,则维持现状进行生产,如果出现质量降低的信息,应采取措施消除异常;如果出现质量提高的信息,应总结经验,进行标准化或制度化。2、计量值控制图:均值一极差控制图的绘制均值极差控制图是均值控制图和极差控制图联合使用的一种控制图,前者用于判断生产过程是否处于或保持在所要求的受控状态,后者用于判断生产过程的标准差是否处于或保持在所要求的受控状态。七、 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
15、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,根据质量数据的特点,可以将其分为计量值数据和计数值数据。(1)计量值
16、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
17、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。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
18、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布。(3)泊松分布。泊松分布P(A)中只有一个参数入,它
19、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。八、 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
20、(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
21、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个步骤。(1)选择控制对象。(2)选择需要监测的质量特性值。
22、(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
- 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:
- 智能 产品 项目 统计 过程 质量 控制 方案
限制150内