医疗行业生产过程控制管理实务讲座24151.pptx
《医疗行业生产过程控制管理实务讲座24151.pptx》由会员分享,可在线阅读,更多相关《医疗行业生产过程控制管理实务讲座24151.pptx(37页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、11主讲:罗主讲:罗 勇勇DBG Relay工场1 一、过程控制管理一、过程控制管理F 所谓过程过程就是使用资源,一组将输入转化为输出的相互关联或相互作用的活动。每一个组织,一般都具有市场调研过程、产品设计开发过程、生产过程、培训过程、产品交付过程等,由于过程涉及范围太广,结合光弘公司的运作实际,本讲义中主要讲述大批量连续生产型工厂现场生产过程中基层管理/技术人员,通常遇到的一些问题以及如何尽量向上地处理这些问题的一些基本理论和方法。二、大批量连续生产型工厂现场生产过程控制管理二、大批量连续生产型工厂现场生产过程控制管理F(一)现场生产过程控制管理的目的 产品、质量是制造出来的,现场生产过程控
2、制管理现场生产过程控制管理唯一的目的就是通过应用科学合理的方法,对现场生产过程加以实施监控,使品质成品纳期在全过程中使终处于稳定的受控状态或者及时发现异常并不断加以改进,以合理的使用资源,达到高效低耗,稳定生产出顾客满意、工厂盈利的产品。2(二)现场生产过程控制管理的内容 第一:全过程品质管理第一:全过程品质管理现场生产各个环节品质处于受控状态,及时发现变异、及时应急对策;1、全过程品质管理基本理论、全过程品质管理基本理论 任何一个组织,任何一个过程,生产出来的一批产品其质量特性不会一个个丝毫不差,而是互相间存 在着差异,就整体来讲称作存在散差。自然希望散差幅度越小越好。具体解决这个问题,需要
3、首先掌握产品质量的分布。为此,测定一定数量的产品质量特性值,再将特性值按大小顺序分级(即分组),统计各级内数据数,作成频数直方图。如果产品数量不断增加,级的间距也越取越窄,极限情况下的质量分布曲线。可见分布曲线比直方图更近于实际质量状态。从分布曲线知道,在接近中央处特性值出现次数多,这中央值大致等于全体测定值的平均。这是频数分布的向心性。散差小,特性值分布向心性强,即形成分布曲线峰高坡陡,散差大,特性值分布向心性弱,即形成分布曲线峰低坡缓。(参见图1)图1是左右对称的钟形曲线。在生产条件经过标准化的稳定状态下生产出来的产品,其质量分布基本呈现正态分布。表示分布的中心位置,可采用平均值或中值(也
4、称中数)。表示散差大小则采用范围和标准偏差。平均值X是测定值的算术平均,范围R是最大与最小测定值之差,标准偏差S、(S为试样的标准;表示母体分布的标准偏差)就是均方根偏差。在此有必要对中值作一下说明。3 中值是处于这样位置的一个测定值:将测定值顺序排列时,中值是位居中央的那个测定值。中值号为X。测定值数为奇数个时,中值就是中央的那个,但在偶数个时,位于中央的测定值有两个,应取它俩的算术平均作为中值。中值X,在有奇数个测定值时当然不需计算,在有偶数个测定值场合,从图表上单求得。所以,现场管理人员喜欢用中值X。2、散差的原因与生产状态、散差的原因与生产状态 优秀射手箭多射在靶心附近,拙劣射手则射的
5、比较分散。不论哪种情况,靶心总是箭的落点分布中心,但不同的是好射手散差幅度小,劣射手散差幅度大。这散差大小是个人固有的,决定于个人技术,是许多小的原因综合影响的结果。散差的这些原因即便愿花费用与时间,也是搞不清楚的。我们称这些无法调查清楚(即无调查意义)的影响散差的因素为偶然原因偶然原因。偶然原因是不可避免的,故也称不可避免原因不可避免原因。偶然原因对散差的影响遵循偶然规律(即建立在概率基础上的统计规律),因此,散差分布状态可概率性的预测。假如拉弓过程中有风从一定方向吹来,那么不论射手优劣,射出的箭总偏向一定方向,使箭的分布中心偏离靶心。当然,有经验的人很快就会发现,并能对风采取措施消除异常。
6、风所致的偏差是必然原因引起的。这处异常经努力可逐渐消除,使之恢复正常。影响散差的这种原因称作异常原因,异常原因,或称可避免原因可避免原因(也有称系统原因系统原因的)。异常原因是不稳定、不规律的,但既能发现它,也能克服它。对于工业生产亦是这两种原因在影响产品质量,如原材料性质的微小差异,设备的微小转动、滚动、滑动、冲击部份正常磨损,夹具的微小松动,工人技术操作的微小变化等等皆属偶然原因;而原材料中混入了不同规格、材质的原材料,转动、滚动、滑动、冲击部分的过度磨耗,夹具的严重松动,设备治具安装调整不准确,加工基准尺寸的误差等等皆属异常原因。须指出,随着科学技术的发展和人们认识的提高,过去作为偶然原
7、因者,今后可能转化为异常原因。不论哪种产品,只要是仅在偶然原因影响下生产,其产品质量特性分布总是某种固定不变的形状,理论与经验皆可证明这一点。4 对于在没有异常原因出现的稳定生产条件下生产出来的产品,可以概率性预测它产品质量分布(一批产品或整个工序)。这样的生产状态称作稳定状态稳定状态或统计管理状态统计管理状态,简称管理状态管理状态。管理图的作用就在于能判断产品生产是否处在管理状态。生产处于稳定状态,产品质量散差最小,质量可以自信,经简单抽检即可交货。质量管理的目标,即是将工序生产维持在稳定状态。只要稳定状态下的母体分布处于用户指定的标准界限内,生产就应正常维持下去。假如母体分布偏离了指定位置
8、,则说明有异常原因存在。此刻若不发现并消除异常原因,则生产的产品会出现不符合标准的不合格品。假如母体分布散差过大,超出标准界限的也是不合格品。这两种情况都需要改善生产条件。以使分布中心移至正常位置或散差幅度减至符合标准。改变生产条件仍满足不了标准要求时,恐怕要考虑变更标准界限了。注标准界限是产品质量特性值所允许存在的范围。比如轴径为1000.1mm,这是从两侧给出标准界限;烧碱纯度在96%以上,这是从一侧给出标准界限,对于机械零尺寸特性。标准界限即是公差。3、正态分布的性质、正态分布的性质 在生产条件(通过标准化)仅受偶然原因影响的时候,其产品母体的质量特性分布为下态分布曲线,其数学表达式如下
9、:式中,f:测定值出现频数 :母体平均值 :母体标准偏差 e:自然对数底,数值等于2.71828按上式作出的理论正态分布曲线,其下部应向两侧无限延展着,而实际的质量特性频数分布却具有有限的界限。不过,这有限范围内的频数分布形状与理论正态工线极其相似,故实际使用中不妨碍采用理论上处理方法。5正态分布如图,根据统计理论,它具有下述性质:即产品质量测定值在1倍标准偏差(1)以上的可能性(概率)为31.7%;偏离平均值2倍标准偏差(2)以上的可能性为4.55%;偏离平均值3倍标准偏差(3)以上的可能性为0.27%,换句话讲,假如测试1000个产品的特性值,则可能有997个产品的特性值出现在(-3)的区
10、间内,而小于(-3)与大于(+3)的产品加起来可能不超过3个。正态分布决定于和,只要和一定,分布形状也就一定了。若或同时发生了变化,可断定生产条件出现了异常原因所致的变化。4、母体与试样的关系、母体与试样的关系 只要母体(工序或批)分布始终不变,就说明生产状态稳定,可顺利生产,怎样才能知道母体分布呢?如能将构成母体的全部产品一一进行测试,无疑可以知道状态,但这在需要消耗破坏产品的场合,根本办不到;就是不损伤产品,鉴于经济理由也不能一一测试。唯一的办法是从母体中抽取部分产品(试样)进行测试,然后根据统计学推理判断母体的分布状态 从正态分布的母体中随机抽取试样,测试其质量特性,求出试样测定值的平均
11、值记作x。若反复取样、测试、求平均,则这些试样平均值 x 的分布仍是正态分布,理论上知道它同母体有下述关系:X n 2X=2 式中,:母体的平均值 :母体的标准偏差n:试样的大小(每次取样所抽的产品数)x:试样平均值X 的分布的标准偏差 x:各试样平均值 的平均即总平均这就是说,通过调查试样平均值的分布,可以推断所属母体的分布6 只要工序生产处于稳定状态,则从中抽取的试样的平均值 ,出现在(X 3)的可能性亦为99.73%.假如规定每当发现试样平均值 出现在()区间外就认为是生产状态有了变化,则这咱判断发生错主的可能性在1000次中仅有3次。这种0.27%的判断错误(即危险率),对于工业产品的
12、质量管理来讲,不妨可以忽略不计。至此,管理图的构思便有了。在座标纸上纵轴取为试样平均值X,横轴取为试样次序号(一般多按时间先后抽样)。在试样平均值(X)的平均值X处画一条平行于横轴的中心线,再在X的上下各取3 X的距离处画两条界限线。从生产工序每隔一定时间抽一次试样,计算平均值X,画出座标点(以下称作打点),如此得到的座标图便是管理图管理图。有点超出界限线,就认为出现了异常原因而破坏了稳定状态,应立即寻找原因采取对策,使生产状态恢复正常。X5。3管理图管理图 综上所述,在仅有偶然原因影响的稳定状态下生产出来的产品为一固定正态分布。按正态分布性质,产品特性值出现在3界限外的比率很小,1000次中
13、约有3次(即0.27%)。如果将这3次忽略不计,即认为正态分布母体的产品特性值全部分布在3界限内,那么,当有特性值出现在3界限外时,我们就可判断为有异常原因使生产状态发生了变化(即分布状态改变)。这样做,在1000次中可能有3次是将本来正常的稳定状态误判为异常状态。将正常判为不正常的错误,称作第1种错误。由于按此错误判断去修改生产条件,结果是徒劳的,故也称徒劳错误。人们不禁要问:为减少第1种错误,如将界限从3扩展到4不是错判危险率降至0.006%了吗?即10万次中约有6次。然而,如此扩展界限,又使漏过异常原因变动的机会增多。从图14可知,属于其他分布的产品进入界限内的比率增加。这会使本来不是正
14、常状态而判为正常状态,即犯第2种错误。换言之,出现在界限内的产品,实际上可能属于别的发布,越扩大界限,犯第2种错误的危险越增加。孤立的看,哪一种错误都可以避免。但同时避免两种错误却是不可能的。减少第1种(增大界限),就会增加第2种错误;反之,亦然。于是,问题就在于如何将两种错误造成的合计损失控制在最小限度。也就是说,因产品出现在界限外而误判为母体异常,采取措施造成的损失(第1种错误损失),以及因产品在界限内而未判断出母体异常、未采取措施造成的损失(第2种错误损失),两者损失相加为最小的地方,就是管理界限线所在之处。7具有3大小的管理界限,实际应用最广。一般场合,它会使两种错误造成的损失控制在最
15、小限度。如果没有特殊的经济理由去选3之外的管理界限,最好采用3界限。3管理图,是以平均值为中心,在其上下各取3宽度画管理界限。中心的线称中心线,上部的管理界限称上部管理界限线(简称UCL),下部的管理界限称下部管理界限线(简称LCL),三线统称管理线。在管理图上按试样平均值打点,点若超出管理界限即可判定发生了异常原因,点居于管理界限内则判断为稳定状态。如此,可以最经济地监视生产条件的变动情况。管理图对监督生产、发现异常有很大效果,故是质量管理中最常用的方法。6 6、管理图的种类、管理图的种类 根据统计分布类型即管理界限线画法的不同,管理图主要有7种。这7种又可分作两大类,即计量值用管理图与计数
16、值用管理图。(1)X-R(平均值与范围)管理图 (2)X (测 定 值 )管理图 (3)X-R(中值 与 范围)管理图 (4)Pn (不合格品个数)管理图 (5)P (不合格品率)管理图 (6)C (缺 陷 数)管理图 (7)U (单位缺陷数)管理图 用于计量值用于计量值用于计数值用于计数值 8 管理图不单是按时间顺序排列数据,而且能够发现随时间变化的各种工序要因(材料、工人、作业方法、设备等)的影响。在同一管理图上发现有不同工序要因的点时,为调查要因的影响,可采用分层作管理图的方法。例如使用两种材料生产时,若按各材料分别和管理图,就会清楚两种材料性质的差异。就是说,对每个工序要因分层、或根据
17、情况改变分群方法,可以掌握各要因的影响。这样的管理图用法,称作解析用管理图。解析用管理图。通过分析(解析)知道工序处于稳定状态。于是,为维持这种状态,需要进行作业标准化,且将稳定状态时的界限线延长下去,作同样地连续打点(即画座标点)。如果工序基本保持在相同的标准状态,则管理图上的点不应该出现异常。若出现异常点,一这是工序发生了某种变化。因此,要立刻调查原因,采取相应鼾措施。管理图的这种用法,称作工序管理用管理图工序管理用管理图。不论解析用还是工序管理用,管理图的作法都相同。差别在于解析用管理图目的是通过分层或改变分群方法来探讨散差原因,而工序管理用管理图目的是通过用每日数据打点来查明工序是否异
18、常。7、如何知道过程处于受控、如何知道过程处于受控/稳定状态?稳定状态?首先就应针对各重要的质量特性值,搜集预备数据作管理图,用管理图监测日常工序生产时,判断工序状态是否异常,其比较判定基准是管理图上预先画好的UCL LUL管理线,那么这个UCL LCL管理线又如何得来?其实,具体应用时主要是搜集数据在图上打点,然后判断生产状态是异常还是稳定,并不是每一次都要计算UCL LCL,所以最初应从具有今后生产条件(即今后4MIE)的工序中预先搜集数据n=125(称为预备数据)计算管理线。9 从预备数据n=125中得来的UCL LCL,究竟是否合适还得作以下几方面评价:用预备数据作成的管理图,如果点无
19、缺陷,则可认为预备数据的来自工序是稳定的,可立即采用这n=125个数据作直方图,同标准(既定质量标准)比较,如果直方图又无缺陷(即有足够余量)则可使用这n=125预备数据产生的UCL/LCL作为今后生产工序的比较标准,否则必须对生产工序4MIE做根本改善或使X移动或使S标准偏差减小,采取了上述措施后,再重新搜集n=125,重新计算UCL/LCL,作上述同样判定,直到所对应的直方图与标准间有足够的余量,才能确定被研究工序今后管理图的UCL各LCL。UCL/LCL确定之后,才能进入工序打点管理,从以后所打的点同上记方法得来的UCL/LCL进行比较,按以下规则去判定工序是否受控、是否稳定无异常。点全
20、部在UCL/LCL界限内且无缺陷,这是绝对正常的受控工序。连续25点以上处于界限内,可认为工序受无异常。连续35点中,仅有1点超出或连续100点中,不多于2点超出也可判为工序处于受控状态,但应调查超出原因并评价。一种原因是管理图的本身只有99.7%的可信度,本身OK的点由于处在0.3%区间而被管理图排斥,这是一种X错误,可以判为 OK。另一种原因是:的确该点是99.7%区间内的异常点,即工序出现异常,尽管这种异常极其偶然。点全部在UCL/LCL界限内但有以下缺陷,则应按以下作相应判定:出现出现5点链点链这种状态应关注工序的发展,即加大每次抽样数,加密打点。出现出现6点链点链则要调查原因,并作以
21、下观察 连续11点至少有10点位于中心线同侧 连续14点至少有12点位于中心线同侧 连续17点至少有14点位于中心线同侧 连续20点至少有16点位于中心线同侧 上述出现其中一种情况就只能判定为工序异常上述出现其中一种情况就只能判定为工序异常10 出现出现7点链点链则判为工序异常,需处置并考虑隔离在制品,作停线调查。连续连续7点上升点上升/下降下降则判为工序出现技术上的变异,要从技术上研究工序平均的变化性质 将中心线与将中心线与UCL/LCL作作3等分,如果最外侧等分,如果最外侧 带状区间存在下述情况,可判为工序异常带状区间存在下述情况,可判为工序异常 连续3点中有2点居于带内 连续7点中有3点
22、居于带内 连续10点中有4点居于带内 在中心线与管理线间隔在中心线与管理线间隔2等分,如果点大部分最近中心线一侧,则可判定为异常等分,如果点大部分最近中心线一侧,则可判定为异常 和和之所以可判为异常,主要是因为群内应当只有偶然误差引起波动,那么其数据重复性应遵循之所以可判为异常,主要是因为群内应当只有偶然误差引起波动,那么其数据重复性应遵循正态分布,但如果分群取样数据混杂了不同群,则正态分布就被破坏,而表现为过度集中或过度分散,正态分布,但如果分群取样数据混杂了不同群,则正态分布就被破坏,而表现为过度集中或过度分散,因此应改变分群方法或进行因此应改变分群方法或进行5MIE分层重作管理图。分层重
23、作管理图。点作周期变动点作周期变动 阶梯周期 大小等被周期 合成性周期 则应结合其他方法加以判定 13 8、工序能力调查、工序能力调查 1、为什么要作工序能力调查、为什么要作工序能力调查 通过工序能力 调查,就可以使管理者明白工序满足质量特性标准的程度,从而对高工序能力工序进行 降低成本的改善,对低工序能力工序作出品质原因调查及时杜绝品质异常。通过工序能调查,可以发现客户要求的标准与现行工艺的差距,从而同顾客进行谈判,力争降低标准。2、怎么去做工序能力调查、怎么去做工序能力调查 做工序能力调查的工序一定要处于稳定状态 11工充能力调查的步骤如下工充能力调查的步骤如下 12 工序能力指数的计算方
24、法 两侧标准 上限标准 下限标准工序能力指数判定方法提高工序能力指数的通常方法:放宽顾客公差要求T:条件是顾客认可,不影响产品质量 减少标准偏差S 加强培训,提高作业员技术水平。检修改造设备治具,提高设备治具精度。能能 力力 过过 足足能能 力力 充充 分分能能 力力 尚尚 可可能能 力力 不不 充充 分分能能 力力 不不 足足特特 级级 工工 序序1 级级 工工 序序2 级级 工工 序序3 级级 工工 序序4 级级 工工 序序1、为提高关键或主要特性质量可再次缩小公差;2、为提高效率节约成本可降低设备精度或放宽和物料受入检查的标准。1、当不是关键或主要项目时可放宽5M1E波动;而降低物料受入
25、检查要求。2、可减少检验/采用抽检。1、必须采用管理图或其它方法加强控制,以便发现变异。2、产品可按常规检查1、分析散差大的原因并对策改进。2、或者若不影响产品质量的情况下放宽标准。3、或者增加检验/全检1、停止生产找出原因升高CPK2、或者全数检查选别NG品。53433323T-2 6SCPK=13 督促供应商改善来料质量,加严受入检查标准 变人工为自动,改善生产工艺方法,加强FP防误设计 改造现行的生产环境,提高产品对环境条件的被满足度 优化工艺参数 增设质控点,增加管理图 减少中心偏移 搜集数据掌握工装治具转动、滑动、滚动、冲击部分磨损规律,及时作中心调整或设计自动调整、补偿机构 根据中
- 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:
- 医疗 行业 生产过程 控制 管理 实务 讲座 24151
限制150内