统计过程控制在小批量生产中应用探究概摘要：在小批量生产条件下，使用传统的休哈特控制图会产生错误的结果。本文对现有针对小批量生产条件下的统计过程控制技术进行了综述分析，指出了各种方法的优缺点和应用范围。关键词：质量管理，统计过程控制，控制图，小批量Abstract：Intheconditionsofthesmallbatchmanufacturing,usethetraditionalShewhartcontrolchartwillproducefalseresults・Thispaperreviewsandanalysisthetechniquesofstatisticalprocesscontrolinthesmallbatchcondition,thenpointouttheadvantagesanddisadvantagesandthescopeofapplication.KeyWords：qualitymanagement；controlofstatisticalprocess；controlchart；smallbatch中图分类号：C32文献标识码：A文章编号：2095-2104(2013)1引言“预防为主”的原则是现代质量管理的核心和精髓。制造业中传统的方法是通过检验最终产品并筛选出不符合规范的产品进行质量控制，这种检验策略通常是不经济的。在现代化机械制造生产中，为了有效地进行现场质量控制，可以利用数理统计的方法研究质量数据随时间变化的统计规律，进而发现可能产生质量问题的原因，实现预防为主。为了保证预防原则的实现，1924年美国人休哈特(W.A.Shewhart)首创过程控制理论及监控过程工具--------------------------控制图，现今统称为统计过程控制。[1]2统计过程控制概述统计过程控制(SPC,StatisticalProcessContro1)是一种借助于数理统计方法的过程控制工具。在企业质量控制中，可应用SPC对质量数据进行统计分析，从而区分出生产过程中产品质量的正常与异常波动，进而对过程的异常波动及时提出预警，提醒管理人员采取措施消除异常，恢复生产过程稳定性，从而提高产品质量。SPC技术的应用，使质量管理从被动的事后把关发展到生产过程中积极的事前预防，从而大大降低了企业生产成本，同时也为企业赢得了更多的定单和更好的商誉。[2]2.1统计过程控制原理产品质量具有波动性，产品质量的波动具有统计规律性，这是现代质量管理的基本观点之一。当过程受控时没有系统误差，随机误差具有一定的分布规律，即总体质量特性服从正态分布。在正态分布范围内，即样品特征值出现在中的概率为99.73%,超出该范围的概率仅为0.27%O过程受控时，过程特性一般服从稳定的随机分布；而失控时过程分布将发生改变。SPC正是利用过程波动的统计规律性对过程进行分析控制，因而，它强调过程在受控和有能力的状态下运行，从而使产品和服务稳定地满足顾客要求。2.2休哈特控制图原理根据所控制质量特性的情况和数据性质，休哈特控制图可以分为计量值控制图和计数值控制图。其中，均值一极差控制图（图）主要用来监控生产过程均值是否处于或保持在所要求的水平，适用范围广、灵敏度高，是计量控制图中最重要、应用最广泛的一种。图的作用类似于图，但是更精确,效果更好。图中，总体分布为时，的分布为，按照方式，控制图和控制图的中心线和上下控制界限为：图中，若为计量值，从总体中抽取大小为的样本，样本标准差，根据原则图和图的控制界限分别在和的三倍标准差处，即3小批量生产中的质量管理在大批量生产模式下发展起来的休哈特控制图，需要采集大量数据来建立控制界限，若将它直接应用到小批量生产环境中会产生以下问题：[3]①在小批量生产过程中，不可能得到大量样本。例如，要确立控制图界限通常需要25个左右的样本，每个样本有4〜6个观测值，如此大的样本在小批量环境中是不可行的；②在小批量生产环境下，由于批量小，往往采用连续抽样，这样抽取的样本具有相关性，而传统的休哈特控制图建立在数据具有独立同分布的前提下；③传统的休哈特控制图要求特征参数服从或近似服从正态分布，而在小批量生产模式下，有些质量参数并不服从正态分布，而是服从二项分布或泊松分布；④由于先进制造技术在小批量生产过程中的不断应用，使得生产不稳定因素明显减少，工序质量参数有可能长时间保持稳定或仅发生微小变化，而传统的休哈特控制图对过程参数的微小变化检出率很低，甚至会在小批量生产模式下失效。因此，如果在小批量生产模式下仍使用传统的休哈特控制图，必然会导致...