邹维玮　晁志峰　周宇斌　郭勇

摘 要：本文介绍了基于统计学的过程质量控制方法相较于传统以产品检验为重点的品质管理方式的优势，并通过适当截取统计区间以减少样本统计量，使基于统计学的过程质量控制方法真正适用于现场质量控制。通过对生产过程要素的监控可提前发现风险点，并采取措施进行控制，有效节约质量成本。

关键词：品质管理；过程质量控制；统计学方法

1 过程质量控制的意义

针对重要缺陷的传统品质管理是采取质量控制小组（QC小组）的形式展开[1]，在缺陷已经发生后，通过对生产过程的人、机、料、法、环、测六个方面的分析找出缺陷发生的原因并进行整改[2]。但是，这种分析方式通常是在缺陷问题发生之后，并且需要做大量的调查和数据分析工作，缺陷的解决也存在滞后性。由于工作量巨大，花费时间较长，在分析阶段缺陷仍不能有效解决，这段时间内需要花费大量的人力、物力应对缺陷问题，而且须付出很高的质量成本[3]。如图1所示为传统的品质管理方式，由于产品管理的滞后性往往会产生较多的返工量及报废车，往往要付出较高的质量成本。

如图2所示，过程质量控制则不同，它是对生产过程直接介入，并对生产重要参数进行监控，在缺陷发生前发现生产要素中的变化量，可防患于未然[4]。过程质量控制将生产过程中的人、机、料、法、环和生产原料全部纳入监控范围，着重关注生产要素中的各变化点，消除引起产品差异性的原因，使生产过程的每一个环节控制在较为理想的生产状态，从而保证最经济地生产出符合用户要求的合乎一定质量标准的产品。这种质量控制方法着重于生产过程的控制，主要以预防为主。以预防为主的过程质量控制方式不仅可节约大量质量成本，避免生产中造成大量的残次品，并且也有利于加深质量人员的专业知识，培养质量深层次人才。

2 过程质量控制的实施

在产品生产过程中，导致产品之间差异性的原因可分为正常原因和异常原因。某些因素对产品的影响很小，且在允许的范围之内，它们通常很难查明或难以消除，这些因素引起的产品差异称为正常波动；由一个或多个生产要素变动所引起的质量变动，能够被查明且又必须消除，这类生产要素引起的产品差异称为异常波动。过程质量控制主要的目标是寻找引起异常波动的原因并加以消除。

目前主流的过程质量控制是采用统计学原理对生产过程中的各个要素进行评估，使其处于可接受的范围内，保证最终产品质量的稳定性。通过对各个生产过程要素的统计分析，可以判断出该过程是否偏离正常水平，从而及时发出警告。传统的统计学进行分析，需要大量的样本才能获得可信的分析结果，但对于实际生产来讲，若对大量的产品特性进行分析，工作量将是巨大的、无法接受的，所以传统的统计学理论在生产现场的过程质量控制中是不适用的[5]。在生产现场如何通过采集小批量的数据从而获得可信的统计结果是我们将面临的主要问题之一。

在传统的统计过程控制中通过采集大量的过程质量参数，绘制出过程质量参数的分布，制定出该参数的控制范围，从而得出控制图。一般认为过程控制参量服从正态分布，可设A1，A2，…，Ai服从正态分布N（μ，δ2）的随机样本数据，即A1，A2，…，Ai所代表的过程质量参数是在人员、设备、原材料、工艺、环境皆无明显差异下产生的，这样样本均值及方差可分别表示为：

（1）

（2）

随着样本量逐渐增大，和S2r也逐渐向μ和δ2逼近，但是在生产现场若采集大量的过程质量数据样本，将会付出大量的人力和时间成本；而如果样本量不足够大，由此得出的数据又会产生误差，最终导致缺陷误判。此时则需要根据现场情况适当截取统计区间，提升统计数据的可信度。如现场生产要素按计划变动（如设备改造）后，相应的生产参数也会有变动。此后的生产参数统计分析应删去生产要素变动之前的区间。根据经验，如果在统计区间内参数方差在[0，0.5]则一般认为设备稳定运行，质量可控；而参数方差在（0.5，1]则一般预示设备开始出现波动，可排查相关设施是否正常或对设备进行清理；但当参数方差在（1，∞）则一般设备参数超出可控范围。

3 过程质量控制应用

由上节的分析可知，通过概率积分变换理论，基于统计学机理的过程质量控制才能真正应用于生产过程，通过过程质量分析最终改善生产过程。下面将以预防某表面预处理电泳缺陷为案例介绍基于统计学的过程质量控制在生产过程中的应用，如图3。

涂装是汽车耐腐蚀和装饰的最经济而有效的办法，而涂装前的表面预处理（又称前处理）的好坏又直接影响涂层使用寿命和装饰效果的重要环节。涂装前表面預处理的目的是去除被涂件构成物之外的所有异物，提供适合于涂装要求的良好基底，以保证涂层具有良好的防腐和装饰性能。由于涂装前表面预处理伴随着复杂的化学反应及物理变化，需要采用复杂的监控系统控制表面预处理过程中的各种工艺参数。而温度表是最常用的一种监控表面预处理过程中温度参数的设备。因此，对于温度表的监控应为过程质量控制中的常规监控工作。

传统的监控方式是每天对温度表进行检测读数，确定温度是否在规定的工艺范围内，如果不在工艺范围内，则意味着生产过程中的温度不受控，极有可能导致车辆缺陷。这种传统的监控方式只能在缺陷发生后，将会付出极大的产量、质量成本。而基于统计学的过程质量监控方式则采用统计学分析方法，在生产设备不满足生产现场前及时发现、提前排除。

如图4所示，此处的温度工艺控制范围为[22，26]，虽然温度表的读数一直在工艺范围内，按照常规监控方式不会采取任何措施，但是几天之后温度读数便超出工艺规定范围，电泳缺陷开始产生，如图5所示为温度失控后车身上产生的麻皮缺陷。

但是基于数据统计的过程监控，可以计算出其方差为0.68，预示设备稳定性较差，应及时排查设备是否正常，及时控制温度，预防缺陷发生。因此，基于数理统计的过程质量监控可以提前发现质量风险点，并防止缺陷发生。

4 结论

过程质量控制侧重于控制产品的生产过程，可以在缺陷未大量爆发之前发现生产要素的变化点并迅速控制。过程质量控制可节约大量质量成本，避免生产中造成大量的残次品。通过基于统计学的过程质量分析最终改善生产过程，提升产品质量。

参考文献：

[1]黄景忠.工程质量“实测实量”小组的建立及控制要点[J].福建建筑，2014（11）：88-90.

[2]张根保，冯旭克.“数控机床可靠性技术”专题（二十三） 可靠性工程之方法因素分析与控制（上）[J].制造技术与机床，2016（5）：5-10.

[3]孙毅，谭建荣，张树有，等.基于质量控制技术的产品成本-利润优化模型[J].中国机械工程，2006，17（13）：1329-1334.

[4]石秀芳.过程质量控制[J].电子质量，2003（3）：76-77.

[5]苗瑞，孙小明，李树刚，等.基于小批量生产的统计过程质量控制研究[J].计算机集成制造系统，2005，21（11）：1633-1635.