食品质量管理第二章-食品质量管理的工具与方法.ppt

,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,化学工业出版社,第二章 食品质量管理的工具与方法,第一节食品质量数据,（统计分析方法和控制图）,生产过程,质量数据,分析整理,信息,质量控制,抽样,一、质量数据的性质,1.计量值数据,可以连续取值,可测出小数点以下数值,可用量具计测,如：长度、面积、体积、重量、密度、糖度、酸度、硬度、温度、时间、营养成分含量、灌装量等,2.计数值数据,只能间断取值,得不到小数点以下的数值,不能用量具进行计测,如：,产品件数、不合格品数、产品表面的缺陷数,一般为正整数,计件,值,数据,数产品的件数而得到的数值,如：,产品件数,不合格品率,（,p,）,不合格品数,（,np,）,质量检测的项目数,计点值数据,数缺陷数而得到的数值,如：,不合格数,、,大肠杆菌数、细菌总数,产品表面的缺陷数,单位时间内机器发生故障的次数,棉布上的疵点数,玻璃上的气泡数,铸件上的砂眼数,二、总体与样本的特征值,总体与参数,1.总体,研究对象的全体,可以是有限的，也可以是无限的,如：,10000瓶饮料,2.个体,也叫样本单位或样品,构成总体或样本的基本单位,如：,1包奶粉、1个月饼等,3.参数,如：,总体平均值,总体标准差,样本平均值,样本标准差,样本与统计量,1.样本,也叫子样、样组,从,总体中,抽取出来,的一个或多个供检验的单位产品,。,范例：,从3000包奶粉中抽取10包奶粉作为样本进行检验,样本量：,也称样本大小,样本中所含的个体数目,范例：,从3000包奶粉中抽取10包奶粉作为样本进行检验,其样本量,n10,抽样：,从总体中抽取部分个体作为样本的过程,通常采取,“,随机抽样”,的方法,提问：什么是随机抽样？,2.统计量,表示样本的,中心位置,的统计量,样本平均值,样本中位数,指把收集到的统计数据按大小顺序重新排列，排在正中间的那个数。,当样本量,n,为奇数时，正中间的数只有一个；,当,n,为偶数时，正中位置有两个数，此时中位数为正中两个数的算术平均值。,表示样本数据,分散程度,的统计量,样本极差,一组数据中最大值与最小值之差,范例：,15 5 10 20 45 30 35 40 25,标准方差,样本标准差,三、产品质量的波动,任何一个生产过程，总存在着质量波动。,质量波动是客观存在的，是绝对的。,范例：,没有两个相同的人、树叶，对于产品也是一样的，没有两件完全相同的产品。,范例：,经验告诉我们，按照同样的工艺、遵照同样的作业指导书、采用同样的原材料、在同一台设备上、由同一个操作者生产出来的一批产品,其质量特性不可能完全一样，总是存在差异，即存在变异或波动。,影响过程,（工序）,质量主要有六个因素：,5,M1E,M,an,操作者,M,achine,设备,M,aterial,原材料,M,ethod,操作方法,M,easure,测量,E,nvironment,环境,1.正常波动,由随机因素,（偶然因素）,引起,质量管理中允许的波动,此时的工序处于稳定状态或受控状态,范例：机器的固有振动、液体灌装机的正常磨损,工人操作的微小不均匀性,原材料中的微量杂质或性能上微小差异,仪器仪表的精度误差,检测误差,偶然因素,是固有的,始终存在，,是不可避免的,对质量的影响较小,难以测量，消除它们成本大，技术上也难以达到。,范例：,温度或电压等生产条件的微小变化,2.异常波动,由系统因素,（异常因素）,引起,质量管理中不允许的波动,此时的工序处于不稳定状态或非受控状态。对这样的工序必须严加控制。,范例：配方错误,设备故障或过度磨损,操作工人违反操作规程,原材料质量不合格,计量仪器故障,异常因素,非过程固有,有时存在，有时不存在,对质量波动影响大,（,常常超出了规格范围或存在超过规格范围的危险,）,易于判断其产生原因并除去,（,在经济上是必须消除的,）,表2-1 正常波动与异常波动,正常波动,异常波动,产生原因,偶然因素,系统因素,存在情况,大量存在,少量存在,作用大小,对质量特性值影响较小,如存在，可使产品质量发生显著变化,影响因素,很多，不易识别，难以确定,较少，容易识别,解决方法,提高科学技术水平,加强管理,质量管理工作,控制在最低限度,消除,过程状态,统计受控状态,统计失控状态,四、产品质量的分布规律,食品工业中搜集到的数据,（,针对,计量值数据,）,大多为,正态分布,正态分布有一个结论对质量管理很有用：,无论均值,和标准差,取何值,产品质量特性值落在,3,之间的概率为,99.73,95.45%,99.73%,68.26%,-3 -2 -1 +1 +2 +3,第二节食品质量控制的传统方法,QC,七工具或品管七大手法,包括：,因果图、排列图、散布图、直方图、调查表、分层法和控制图,可以解决质量管理中的大部分问题,一、因果图,（,Cause and Effect Diagram,）,因果图的概念和作用,又称鱼骨图,（,fishbone diagram,）,、鱼刺图、树枝图,用于分析质量特性,（结果）,与可能影响质量特性的因素,（所有可能原因）,目的：解决.,日期：年 月 日,作者：.,质量问题,原因类别,第一层原因,原因类别,第一层原因,第一层原因,第一层原因,第一层原因,第一层原因,原因类别,原因类别,第二层原因,第二层原因,原因,结果,裱花蛋糕微生物超标,原料,果酱微生物超标,色素微生物超标,奶油微生物超标,包装材料微生物超标,机器,打奶油机消毒不好,未按时消毒,氯浓度低,操作者,卫生意识差,培训不够,人员卫生差,手未消毒,工作服不洁,环境,蛋糕贮存环境差,未按时消毒,温度高,空调制冷能力差,裱花温度差,消毒不好,温度高,臭氧发生器故障,空调制冷能力差,测量,检验错误,抽样方法错误,没有校正,测氯卡失败,量具不准,图2-2裱花蛋糕微生物超标的因果图,因果图的制作步骤,对,某糕点生产企业存在的,裱花蛋糕微生物超标,的质量问题进行因果图分析,确定需要分析的质量特性,即针对什么问题寻找因果关系,例如：产品质量、质量成本、产量、工作质量等问题,裱花蛋糕微生物超标,召集同该质量问题有关的人员参加的会议，充分发扬民主，各抒己见，集思广益，把每个人的分析意见都记录在图上。,画一条带箭头的主干线，箭头指向右端，将质量问题写在图的右边，确定造成质量问题类别。,裱花蛋糕微生物超标,一般按5,M1E,的6大因素分类,裱花蛋糕微生物超标,原料,机器,操作者,环境,测量,然后围绕各原因类别展开，按第一层原因、第二层原因、第三层原因及相互因果关系，用长短不等的箭头画在图上，逐级分析展开到能采取措施为止。,讨论分析,主要原因,，把主要的、关键的原因分别用粗线或其他颜色的线标记出来，或者加上,方框,进行现场验证。,裱花蛋糕微生物超标,原料,果酱微生物超标,色素微生物超标,奶油微生物超标,包装材料微生物超标,机器,打奶油机消毒不好,未按时消毒,氯浓度低,操作者,卫生意识差,培训不够,人员卫生差,手未消毒,工作服不洁,环境,蛋糕贮存环境差,未按时消毒,温度高,空调制冷能力差,裱花温度差,消毒不好,温度高,臭氧发生器故障,空调制冷能力差,测量,检验错误,抽样方法错误,没有校正,测氯卡失败,量具不准,记录必要的有关事项，如参加讨论的人员、绘制日期、绘制者等。,对主要原因制订对策表,（,5,W1H,）,，,落实改进措施。,课堂练习,以学校饭堂饮食卫生质量差为问题，进行因果图分析。,材料方面,人为方面,环境方面,方法方面,设备方面,印刷不清楚,字太小,灯光太暗,灯光太强,桌椅高度,书本质量,常揉眼睛,常盯屏幕,坐车看书,走路看书,躺着看书,看书方法不对,距离过近,长时间看书不休息,分析患近视的原因,二、排列图,（,Pareto Diagram,）,排列图的概念,又称帕累托图,全称主次因素排列图,将质量改进项目从最重要到次要进行排列,50,100,150,100,50,0,0,A,B,C,D,E,F（,其他）,帕累托曲线,频数,项目,排列图是由一个横坐标、两个纵坐标、几个按高低顺序排列的矩形和一条累计百分比折线组成。,累计百分比（）,此图是一个直角坐标图，它的左纵坐标为频数，即某质量问题出现次数，用绝对数表示；右纵坐标为频率，常用百分数来表示。,横坐标表示影响质量的各种因素，按频数的高低从左到右依次画出长柱排列图，然后将各因素频率逐项相加并用曲线表示。,累计频率在80%以内的为,A,类因素，即是亟待解决的质量问题。,排列图作用：,通过区分最重要的和其他次要的项目，就可以用最少的努力获得最大的改进。,“,找出,主要,原因,”,排列图的制作案例,表2-1是某食品厂2005年6月2日至6月7日菠萝罐头不合格项调查表,表2-1 菠萝罐头不合格项调查表,不合格类型,外表面,真空度,二重卷边,净重,固形物,杂质,块形,小计,不合格数,1,7,1,42,28,6,4,89,步骤：,制作排列图数据表，计算不合格比率，并按数量,从大到小顺序,将数据填入表中。,“其他”项的数据由许多数据很小的项目合并在一起，将其列在最后。,否则横坐标会变得很长。,表2-2菠萝罐头排列图数据表,不合格类型,不合格数,累计不合格数,比率%,累计比率%,净重,42,42,47.2,47.2,固形物,28,70,31.5,78.7,真空度,7,77,7.9,86.6,杂质,6,83,6.7,93.3,块形,4,87,4.5,97.8,其他,2,89,2.2,100,合计,89,100,画两根纵轴和一根横轴,左边纵轴，标上件数,（频数）,的刻度，最大刻度为总件数,（总频数）,；,右边纵轴，标上比率,（频率）,的刻度，最大刻度为100%。,左边总频数的刻度与右边总频数的刻度,（100%）,高度相等。,横轴上将频数从大到小依次列出各项。,在横轴上按频数大小画出矩形，矩形高度代表各不合格项频数的大小。,画累计频率曲线，用来表示各项目的累计百分比。,在图上记入有关必要事项,排列图名称、数据及采集数据的时间、主题、数据合计数等。,图2-3菠萝罐头不合格项目排列图,排列图的使用,为了抓住“关键的少数”，在排列图上通常把累计比率分为3类：,在080%的因素为,A,类因素,（主要因素）,（不超过三项）,在80%90%的因素为,B,类因素,（次要因素）,在90%100%的因素为,C,类因素,（一般因素）,从图2-3中可以看出，出现不合格品的主要原因是净重和固形物含量，只要解决了这两个问题，不合格率就可以降低78.7%。,在解决质量问题时，将排列图和因果图结合起来特别有效。,先用排列图找出主要因素，再用因果图对该主要因素进行分析，找出引起该质量问题的主要原因。,三、散布图,（,Scatter Plot,）,也称相关图、分布图、散点图,研究两个变量之间的关系,及相关程度,温度,硬度,Y=,a+bx,散布图,可以用来发现和确认两组相关数据之间的关系,并确认两组相关数据之间预期的关系,范例：,某酒厂为了研究中间产品酒醅中的酸度和酒度2个变量之间存在什么关系，对酒醅样品进行了化验分析，结果如表2-3所示。,现利用散布图对数据进行分析、研究和判断。,序号,酸度,酒度,序号,酸度,酒度,1,0.5,6.3,9,0.7,6.0,2,0.9,5.8,10,0.9,6.1,3,1.2,4.8,11,1.2,5.3,4,1.0,4.6,12,0.8,5.9,5,0.9,5.4,13,1.2,4.7,6,0.7,5.8,14,1.6,3.8,7,1.4,3.8,15,1.5,3.4,8,0.8,5.7,16,1.4,3.8,表2-3酒醅中酸度和酒度分析数据表,序号,酸度,酒度,序号,酸度,酒度,17,0.9,5.0,25,1.0,5.3,18,0.7,6.3,26,1.5,4.4,19,0.6,6.4,27,0.7,6.6,20,0.5,6.4,28,1.3,4.6,21,0.5,6.6,29,1.0,4.8,22,1.2,4.7,30,1.2,4.1,23,0.6,6.5,24,1.3,4.3,图2-5 酒度与酸度散布图,注意：,散布图相关性规律,一般局限于观测值数据的范围内,四、直方图,（,Histogram,）,又称频数分布图,直方图的概念与作用,直方图是从总体中随机抽取样本，将从样本中获得的数据进行整理后，用一系列宽度相等、高度不等的矩形表示数据分布的图。,矩形的宽度表示数据范围的间隔，矩形的高度表示在给定间隔内的数据频数。,直方图的作用：,较直观地传递有关过程质量状况的信息，显示质量波动分布的状态；,判断生产过程是否稳定,通过对数据分布与公差的相对位置的研究，可以对过程能力进行判断。,一般适用于计量值数据,直方图的制作案例,市场销售的带有包装的产品所给出的标称重量，法律规定其实际重量只允许比标称重量多而不允许少。,而为了降低成本，灌装量又不能超出标称重量太多。,某植物油生产厂使用灌装机，灌装标称重量为5000,g,的瓶装色拉油，要求溢出量为0,50,g。,现应用直方图对灌装过程进行分析。,1.收集数据,作直方图要求收集的数据,一般为50个以上,最少不得少于30个,数据太少时所反映的分布及随后的各种推算结果的误差会增大。,本例收集100个数据，列于表2-4中。,测量单位（,g）,43,40,28,28,27,28,26,12,33,30,34,42,22,32,30,34,29,20,22,28,24,29,29,18,35,21,36,46,30,14,28,28,32,28,22,20,25,38,36,12,38,30,36,20,21,24,20,35,26,20,29,31,18,30,24,26,32,28,14,47,24,34,22,20,28,24,48,27,1,24,34,10,14,21,42,22,38,34,6,22,39,32,24,19,18,30,28,28,16,19,20,28,18,24,8,24,12,32,37,40,表2-4 溢出量数据表,2.计算数据的极差,极差 反映了样本数据的分布范围,在直方图应用中，极差的计算用于确定分组范围。,3.确定组距,先确定直方图的组数，然后以此组数去除极差，可得直方图每组的宽度，即组距（,h,）。,组数的确定要适当，组数,k,的确定可参见表2-5。,样本量/,n,推荐组数/,k,50100,610,100250,712,250以上,1020,表2-5 组数选用表,该例取,组距一般取测量单位的整数倍，以便分组。,4.确定各组的边界值,为避免出现数据在组的边界上，并保证数据中最大值和最小值包括在组内,组的边界值单位应取为最小测量值减去最小测量单位的一半作为第1组的下界限,之后再按所计算的组距推算各组的分组界限。,本例：,第1组下界限,X,min,-,最小测量单位/2=1-1/2=0.5,（精度）,第1组上界限,第1组下界限加组距：0.5+5=5.5,第2组下界限,与第1组上界限相同：5.5,第2组上界限,第2组下界限加组距：5.5+5=10.5,其他以此类推,5.编制频数分布表,组号,组界,组中值,频数统计,频率,1,0.5,5.5,3,1,0.01,2,5.5 10.5,8,3,0.03,3,10.5 15.5,13,6,0.06,4,15.5 20.5,18,14,0.14,5,20.5 25.5,23,19,0.19,6,25.5 30.5,28,27,0.27,7,30.5 35.5,33,14,0.14,8,35.5 40.5,38,10,0.10,9,40.545.5,43,3,0.03,10,45.5,50.5,48,3,0.03,合计,100,1.00,6.画直方图,建立平面直角坐标系。,横坐标表示质量特性值,纵坐标表示频数,以组距为底、各组的频数为高，分别画出所有各组的长方形，即构成直方图。,在直方图上标出公差范围,、,规格上限,、,规格下限、样本量,、,样本平均值,、,样本标准差和样本平均值的位置等。,图2-6 植物油溢出量直方图,直方图的分析,1.,对图形形状的观察分析,根据直方图的形状，可以对总体进行初步分析。,2.直方图与公差限的比较,直方图为正常型时，还需判断过程满足规范要求,（标准要求）,的程度。,常见类型,图例,分析判断,正常型,可判定工序运行正常，处于稳定状态。,偏向型,一些有形位公差要求的特性值分布往往呈偏向型；,孔加工习惯造成的特性值分布常呈左偏型；,轴加工习惯造成的特性值分布常呈右偏型；,直方图的形状分析与判断,常见类型,图例,分析判断,双峰型,这是由于数据来自不同的总体，如：来自两个工人（或两批材料、或两台设备）生产出来的产品混在一起造成的。,孤岛型,这是由于测量工具有误差、或是原材料一时的变化、或刀具严重磨损、短时间内有不熟练工人替岗、操作疏忽、混入规格不同的产品等造成的。,常见类型,图例,分析判断,平顶型,生产过程有缓慢因素作用引起，如：刀具缓慢磨损、操作者疲劳等。,锯齿型,由于直方图分组过多、或测量数据不准等原因造成。,常见类型,图例,调整要点,理想型,图形对称分布，且两边有一定余量，此时，应采取控制和监督办法。,偏心型,调整分布中心 ，使分布中心 与公差中心,M,重合。,M,T,L,T,U,M,T,L,T,U,与规范界限（公差）的比较分析,常见类型,图例,调整要点,无富余型,采取措施，减少标准偏差,S。,能力富余型,工序能力出现过剩，经济性差。可考虑改变工艺，放宽加工精度或减少检验频次，以降低成本。,M,T,L,T,U,M,T,L,T,U,常见类型,图例,调整要点,能力不足型,已出现不合格品，应多方面采取措施，减少标准偏差,S,或放宽过严的公差范围。,M,T,L,T,U,五、调查表,（,Check Sheet）,调查表的概念和作用,又称检查表、核对表、统计分析表,用来检查有关项目的表格,作用：,收集、积累数据,比较容易；,数据使用、处理起来也比较方便,可对数据进行粗略的整理和分析,明确目的,收集资料,确定方法,设计调查表,预调查,预评审,修改调查表,调查应用,调查表的种类,1.工序分布调查表,又称质量分布检查表,对计量值数据进行,现场调查,根据以往的资料，将某一质量特性项目的数据分布范围分为若干区间而制成的表格，用以记录和统计每一质量特性数据落在某一区间的频数。,重量/,g,频数,小计,5 10 15 20 25 30 35,495.5500.5,500.5505.5,/,1,505.5510.5,/,2,510.5515.5,/,/,8,515.5520.5,/,/,10,520.5525.5,/,/,/,/,/,21,525.5530.5,/,/,/,/,/,/,29,530.5535.5,/,/,/,15,535.5540.5,/,/,8,540.5545.5,/,4,545.5550.5,/,2,550.5555.5,合计,100,表2-7产品重量实测值分布调查表,产品名称：糖水菠萝罐头 生产线：,A,调查者：张三 日期：2005-2-2,范例：,从表格形式看，质量分布调查表与直方图的频数分布表相似。,所不同的是，质量分布调查表的区间范围是根据以往资料，首先划分区间范围，然后制成表格，以供现场调查记录数据；而频数分布表则是首先收集数据，再适当划分区间，然后制成图表，以供分析现场质量分布状况之用。,2.不合格项调查表,主要用来调查生产现场不合格项目频数和不合格品率，以便继而用于排列图等分析研究。,范例：,表2-8是某食品企业在某月玻璃瓶装酱油抽样检验中外观不合格项目调查记录表。,从外观不合格项目的频次可以看出，标签歪和标签擦伤的问题较为突出，说明贴标机工作不正常，需要调整、修理。,批次,产品规格,批量/箱,抽样数/瓶,不合格品数/瓶,不合格品率/%,外观不合格项目,封口不严,液高不符,标签歪,标签擦伤,沉淀,批号模糊,1,生抽,100,50,1,2,1,1,2,生抽,100,50,0,0,3,生抽,100,50,2,4,2,1,4,生抽,100,50,0,0,250,生抽,100,50,1,2,1,1,合计,25000,12500,175,1.4,5,10,75,65,10,10,表2-8玻璃瓶装酱油外观不合格项目调查表,调查者：李四 地点：包装车间 日期：年 月,3.不合格位置调查表,又称缺陷位置调查表,就是先画出产品平面示意图，把画面划分成若干小区域，并规定不同外观质量缺陷的表示符号。,调查时，按照产品的缺陷位置在平面图的相应小区域内打记号，最后统计记号，可以得出某一缺陷比较集中在哪一个部位上的规律，这就能为进一步调查或找出解决办法提供可靠的依据。,色斑,尘埃,流漆,4.矩阵调查表,又称不合格原因调查表,是一种多因素调查表,要求把生产问题的对应因素分别排列成行和列，在其交叉点上标出调查到的各种缺陷和问题以及数量。,范例：,表,2-10,是某饮料厂,PET,瓶生产车间对两台注塑机生产的,PET,瓶制品的外观质量的调查表。,从表中可以看出：,1,#,机发生的外观质量缺陷较多，操作工,B,生产出的产品不合格最多。,设备,操作者,2月1日,2月2日,2月3日,2月4日,2月5日,上午,下午,上午,下午,上午,下午,上午,下午,上午,下午,1,#,A,X X,X,X,X,X,X X,X,X,X,B,X X,X X,X X,X X,X X,X,X X,X,X,X,X X X,2,#,A,X,X,X,X,X,B,X,X,X,注：气孔 裂纹 疵点,X,变形,其他,表2-10,PET,瓶外观不合格原因调查表,对原因进行分析表明，,1,#,注塑机维护保养较差，而且操作工,B,不按规定及时更换模具。,从,2月3日,两台注塑机所生产的产品的外观看质量缺陷都比较多，而且气孔缺陷尤为严重，经调查分析是当天的原料湿度较大所致。,六、分层法,（,Stratification）,分层法的概念和分层方法,又叫分类法、分组法,按照一定的标志，把搜集到的大量有关某一特定主题的统计数据加以归类、整理和汇总的一种方法。,目的：把杂乱无章和错综复杂的数据和意见加以归类汇总，使之更能确切地反映客观事实。,一般,按,5,M1E,行分层,范例：,按操作者不同分层，区分工人,A、B,产生质量问题的严重性。,分层法应用案例,某食品厂的糖水水果旋盖玻璃罐头经常发生漏气，造成产品发酵、变质。,经抽检100罐产品后发现，一是由于,A、B、C,3台封罐机的生产厂家不同；二是所使用的罐盖是由2个制造厂提供的。,在用分层法分析漏气原因时采用按封罐机生产厂家分层和按罐盖生产厂家分层两种情况。,表2-11 按封罐机生产厂家分层,封罐机,生产厂家,漏气/罐,不漏气/罐,漏气率/%,A,12,26,32,B,6,18,25,C,20,18,53,合计,38,62,38,由表2-11可知，为降低漏气率，应采用,B,厂的封罐机。,表2-12 按罐盖生产厂家分层,罐盖,生产厂家,漏气/罐,不漏气/罐,漏气率/%,一厂,18,28,39,二厂,20,34,37,合计,38,62,38,由表2-12可知，为降低漏气率，应采用二厂的封罐机。,但同时采用,B,厂的封罐机，选用二厂的罐盖，漏气率不但没有降低，反而由原来的38增加到43。,这样的简单分层是有问题的。,表2-13多因素分层法,封罐机,生产厂家,漏气情况,罐盖生产厂家,合计,一厂,二厂,A,漏气/罐,12,0,12,不漏气/罐,4,22,26,B,漏气/罐,0,6,6,不漏气/罐,10,8,18,C,漏气/罐,6,14,20,不漏气/罐,14,4,18,小计,漏气/罐,18,20,38,不漏气/罐,28,34,62,合计,46,54,100,正确的方法应该是：,当采用一厂生产的罐盖时，应采用,B,厂的封罐机。,当采用二厂生产的罐盖时，应采用,A,厂的封罐机。,这时它们的漏气率平均为,0,。,因此，运用分层法时，不宜简单地按单一因素分层，必须考虑各因素的综合影响效果。,在分析时，要特别注意各原因之间是否存在着相互影响，有无内在联系，严防不同分层方法的结论混为一谈。,七、控制图,（,Control Chart,）,常规控制图的构造与原理,又称管理图,、管制图，,休哈特控制图,对过程质量特性值进行测量、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的图。,质量特性数据,样本号,1 2 3 4 5 6 7 8 9 10,UCL,CL,LCL,控制图原理：,根据正态分布理论，若过程只受随机因素的影响，即过程处于统计控制状态，则过程质量特性值有99.73%的数据,（点子）,落在控制界限内，且在中心线两侧随机分布。,若过程受到异常因素的作用，典型分布就会遭到破坏，则质量特性值数据,（点子）,分布就会发生异常,（出界、链状、趋势）,。,质量特性值,抽样时间和样本序号,UCL,CL,LCL,3,3,反过来，如果样本质量特性值的点子在控制图上的分布发生异常，那我们就可以判断过程异常，需要进行诊断、调整。,x,LCL,CL,UCL,/2,/2,图3 控制图的两类错误,“,3,原理”,（或称“千分之三法则”）,两类错误是不可避免的,一般把控制范围定在平均值,的,3,常规控制图的分类,按被控制对象的数据性质不同,分为,计量值控制图,、计件值控制图和,计点值控制图,分布,控制图代号,控制图名称,正态分布,（计量值）,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,表2-14常规控制图的分类,分布,控制图代号,控制图名称,二项分布,（计件值）,不合格品率控制图,不合格品数控制图,泊松分布,（计点值）,单位不合格数控制图,不合格数控制图,表2-14常规控制图的分类,分布,控制图代号,控制图名称,正态分布,（计量值）,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,分布,控制图代号,控制图名称,二项分布,（计件值）,不合格品率控制图,不合格品数控制图,泊松分布,（计点值）,单位不合格数控制图,不合格数控制图,表2-14常规控制图的分类,pn,=4,CL,pn,=9.94,UCL,pn,组号,不合格品数控制图,按用途不同,分析用控制图,用于对已经完成的过程或阶段进行分析，以评估过程是否稳定或确认改进效果。,控制用控制图,用于正在进行中的过程，以保持过程的稳定受控状态。,控制图的判断准则,控制图对过程异常的判断以小概率事件原理为理论依据。,判异准则有两类：,一是,点子出界,就判异,二是,界内点子排列不随机,就判异,若过程不判异，则过程处于,统计控制状态。,规定了常规控制图有,8种判异准则,序号,内容,准则 1,一点落在,A,区之外（点出界）,准则 2,连续 9 点落在中心线同一侧,准则 3,连续 6 点递增或递减,准则 4,连续 14 点上下交替,准则 5,连续 3 点中有 2 点落在中心线同一侧,B,区以外,准则 6,连续 5 点中有 4 点落在中心线同一侧的,C,区之外,准则 7,连续 15 点在,C,区中心线上下,准则 8,连续 8 点在中心线两侧但无一在,C,区中,常规控制图的应用案例,1.均值-极差控制图,最常用、最基本,控制对象：,长度、重量、强度、纯度、时间、收率、生产量、,水分含量、营养物质成分,等,计量值数据,控制图,主要用于观察正态分布的均值的变化,控制图,观察正态分布的波动情况或变异度的变化,控制图,将二者联合运用，观察正态分布的变化,范例：,某植物油生产厂，采用灌装机灌装，每桶标称重量为,5000,g,，,要求溢出量为,050,g,。,采用 控制图对生产过程进行质量控制。控制对象为溢出量，单位为,g,。,见表,2-15,溢出量控制图数据表。,组号,测定值,X,1,X,2,X,3,X,4,X,5,1,47,32,44,35,20,35.6,27,2,19,37,31,25,34,29.2,18,3,19,11,16,11,44,20.2,33,4,29,29,42,59,38,39.4,30,5,28,12,45,36,25,29.2,33,6,40,35,11,38,33,31.4,29,7,15,30,12,33,26,23.2,21,8,35,44,32,11,38,32.0,33,9,27,37,26,20,35,29.0,17,10,23,45,26,37,32,32.6,22,11,28,44,40,31,18,32.2,26,12,31,25,24,32,22,26.8,10,13,22,37,19,47,14,27.8,33,表2-15溢出量控制图数据表,组号,测定值,X,1,X,2,X,3,X,4,X,5,14,37,32,12,38,30,29.9,26,15,25,40,24,50,19,31.6,31,16,7,31,23,18,32,22.2,25,17,38,0,41,40,37,31.2,41,18,35,12,29,48,20,28.8,36,19,31,20,35,24,47,31.4,27,20,12,27,38,40,31,29.6,28,21,52,42,52,24,25,39.0,28,22,20,31,15,3,28,19.4,28,23,29,47,41,32,22,34.2,25,24,28,27,22,32,54,32.6,32,25,42,34,15,29,21,23.2,27,合计,746.6,686,解：,步骤1，预备数据的取得,随机抽取,k,组,（一般为2025组）,大小为,n,（,一般为46，常取5）,理论上讲，预备数据的组数应大于20组，在实际应用中最好取25组数据。,当个别组数据属于可查明原因的异常时，经剔除后所余数据依然大于20组时，仍可利用这些数据作分析用控制图。若剔除异常数据后不足20组，则须在排除异因后重新收集25组数据。,取样分组的原则是尽量使样本组内的变异小（由正常波动造成），样本组间的变异大（由异常波动造成），这样控制图才能有效发挥作用。,因此，取样时组内样本必须连续抽取，而样本组间则间隔一定时间。,应制定一个收集数据的计划，将其作为收集、记录及描图的依据。,在适当的时间内收集足够的数据，这样子组才能 反映潜在的变化，这些变化原因可能是换班/操作人员更换/材料批次不同等原因引起。对正在生产的产品进行监测的子组频率可以是每班2次，或一小时一次等。,按工艺文件规定，本例每间隔30,min,在灌装生产线,连续抽取,n,=5,的样本量计量溢出量。,共抽取25组样本，将溢出量数据记入数据表。,步骤2，计算统计量,计算每一组数据的平均值和极差，记入表中；然后计算25组数据的,总平均值,和,极差平均值,。,步骤3，计算控制界限、作控制图、打点并判断：,先计算,R,图的控制界限,计算公式见表2-16。,注：,D,4,、,D,3,为随着样本容量,n,而变化的系数，可由控制图系数选用表中选取。,控制图名称及符号,控制限公式,计量值,均值-极差图,图,图：,图：,均值-标准差图,图,图：,图：,单值-移动极差图,图,图：,图：,计数值,不合格品率图,图,不合格品数图,图,表2-16常规控制图控制线公式,n,2,3,4,5,6,7,8,9,10,A,2,1.880,1.023,0.729,0.577,0.483,0.419,0.373,0.337,0.308,D,4,3.267,2.575,2.282,2.114,2.004,1.924,1.864,1.816,1.777,E,2,2.660,1.772,1.457,1.290,1.134,1.109,1.054,1.010,0.975,m,3,A,2,1.880,1.187,0.796,0.691,0.549,0.509,0.430,0.410,0.360,D,3,0.076,0.136,0.184,0.223,d,2,1.128,1.693,2.059,2.326,2.534,2.704,2.847,2.970,3.087,表2-17控制系数选用表,由表2-17中可知，当,n,=5,时,以这些参数作,R,控制图，并将表2-15中的,R,数据在图上打点，结果如图2-11。,对照常规控制图的判异准则，可判,R,图处于稳态。,因此，可以接着建立平均值控制图。,计算,图的控制界限,注：,A,2,为随着样本容量,n,而变化的系数，可由控制图系数选用表中选取。,由表2-17中可知，当,n,=5,时,以这些参数作平均值控制图，并将表2-15中的数据在图上打点，结果如图2-12。,对照常规控制图的判异准则，可判均值控制图无异常。,因此可以判定灌装过程处于,稳定受控状态,。,序号,工具,应用,1,因果图,分析和表达因果关系，通过识别症状、分析原因、寻找改进措施，促进问题的解决,2,排列图,按重要性循序表示每一项目对整体的影响，排列改进的顺序,3,分层法,根据数据产生的特征（层）将数据进行分类,4,调查表,收集数据以得到事实的真实状况,5,直方图,显示数据波动的形态，直观表达过程状态，传达需在何处进行改进,6,散布图,分析两组数据间的关系，确定因果关系，确认改进效果,7,控制图,监控过程状态，诊断过程是否稳定，确定过程改进点,表2-20 质量管理传统7种工具小节,控制图应用中常见错误,在5,M1E,因素未加控制，工序处于不稳定状态时就使用控制图管理工序。,CP C,（,时间,）,D,（,酸种类,）,B,（,温度,）,。,对于不同水平的正交试验，不能由,R,值的大小直接确定因素的主次，须用调整极差的值的大小来确定因素的主次。,选出最优处理组合,各因素、各水平的指标之和最大者，即是要选的最好水平。,范例：,从表3-5中可以看出，,pH,以2.0、温度为90、时间为70,min、,酸以酒石酸为最好，即最优处理组合是,A,1,B,4,C,3,D,3,。,而实际试验以第3号试验的综合指标为最好，其处理组合为,A,2,B,4,C,3,D,4,。,正交试验是部分实施的试验设计，所以分析选出的最优处理组合常常不一定与实际试验结果最好的处理组合相符合。,这也是正交试验的先进之处，即有可能通过试验结果的分析找出更好的处理组合。,7）验证试验或进一步优选,因分析出的可能最佳的处理组合一般未经试验，故为最后确认能否作为投产的工艺条件，还需将分析选出的可能最优处理组合与实际试验的结果最好的处理组合进行验证试验。,对于大多数项目，当分析所得的好条件不在正交表已做的范围内时，其指标值将会超过实际试验的好条件。也有少数试验，分析所得的好条件缺比不上实际试验的好条件。,因而分析出的好条件还只是一种可能好的水平组合。,为了进一步提高产品质量，在条件许可的情况下，应尽量利用正交试验所得的信息进行进一步的优选试验。,