$ h2 ^2 d+ X: W
; \$ u4 z8 B' }/ n' ]& ~ ~
4 g; p" |+ e5 c质量控制中常见误区（1）: CR=06 D/ \8 E4 x1 v0 ?- j; W. j. \
在一些企业的来料和出货检验中, 他们是按照国标GB 2828来进行抽样和检验. 在规定AQL(acceptance quality limit,接收质量限)时, 他们可能是这样规定的:
Cr=0
Ma=1
Mi=4
这里Cr是指非常关键的项目,通常与伤害，安全,健康,环保相关联. 但是依据国标GB2828.1—2012, AQL的最小值为0.01, 并不是0. 也就是说, 在实际工作中没有办法真正按照国标GB2828执行.
9 D, Q6 |( | C8 ]$ Y) ? Y
按照通俗的例子来讲就是, 有人宣称他是按照章程来办事的, 依据的条款为第101条, 但是打开章程, 却发现最多只有100条。
3 h2 A2 d4 u8 c5 I" o4 ^- e
为什么会出现这种情况呢? 可能的原因是：
1.与零缺陷抽样（C=0）混淆.(目前C=0抽样计划不是国标、国际标准）
2.企业高层的要求
3.客户的要求
4.一直就这样规定的。
- C: R: Z7 z6 l$ k
既然找不到AQL=0这一栏, 在实际工作中质量检验人员又是如何做的呢?
举例说明, 出货1000个, 检验水平为一般检验水平II级。
AQL的值分别是:
Cr=0
Ma=1
Mi=4
那么, 对于Ma和Mi的样本量都是80.
& w8 X3 a1 O) L) h/ j判断标准：
Ma是2收3退
Mi 是7收8退
对于Cr=0, 这一要求，质量检验人员通常会抽取与Ma的样本量大小一致，也是80个。判断标准为0收1退。
- C- f! U) x# X1 W* m
这就出现一个很有趣的现象， 如果Cr规定等于0.01，大于0。质量检验人员如果严格按照GB2828的要求去做，就要抽取1250个样本，（1250大于1000），也就是说，质量人员要对这1000个出货做100%全检。
! v2 T5 K5 b( T& [) n: R5 ?6 k
原本高层和客户期望不要出现致命(Cr)的问题，规定Cr=0, 但在实际工作中反倒没有比Cr=0.01, 0.015, 0.025, 0.04, 0.065，0.10来的更严格。也就是说，按照这样的做法，从质量统计的角度来说，是不可能保证Cr=0的。
- X5 _8 M) I: P8 B& Z
如果为了达到Cr=0, 对每一批货出货都做100%全捡，对有些产品，这也不是一个实际和经济的做法。
5 O5 x1 j7 y" T4 |3 g
可问题是，有些企业可能已经与客户签订的Cr=0的合同了，那么，如何解决这个问题呢？
, D$ s; @% t4 n q: x7 S3 x
在客户同意的前提下：
1.想办法由计数型抽样检验转变为计量型抽样检验。根据美军推出新版的抽样标准MIL-STD-1916，cpk应大于1.33或者更高。
2.在生产线上做全检，在出货的检验文件中加以说明-----如，对于该特性，已在生产线上做全检，出货只是验证。抽样比例为II级，AQL=1.0, 判断标准为0收1退。
3.根据历史质量数据和现有实际情况，制定一个合理的检验水平和AQL值。
8 }8 e2 }2 d/ |
质量控制中常见误区（2）:真的改进了吗?
# F" o8 m7 n/ A) V8 ~9 y现在大家已经逐渐认识到, 作报告,写总结,最好要有数据来做支撑。 比如, 通过改进设备, 生产工时由原来的4分10秒降到了4分钟, 或者产品合格率由95%提高到97%, 等等， 不一而足。
) e5 ~- |* k7 m6 N/ D" d大家有没有遇到这样的情况, 那就是过几天, 生产工时就又回到原先的水平4分10秒, 合格率也再次下降到改进前的95%。 在这里, 我们假设员工是诚实的, 没有数据造假, 哪会是什么原因造成的呢? 又如何避免类似的问题? 并且在以后可以对自己得出的结论非常自信。
# G; V, }! a3 C* H* f. G可以用一个案例来说明。A公司原来的生产周期是60分钟, 为了缩短工时, 他们购买了一台新的的设备用以替换老旧的设备。 为了验证措施是否有效, 他们计算了26个新样本, 计算出新平均周期为57分钟。 他们可以说他们提高了5%的效率吗?
+ m- t: Z' z* t不能, 他们还需要知道这26个新样品的标准差, 然后通过计算才能知道这个变化到底是由于新设备还是由于随机因素造成的。
& L- o% V/ s: z' c5 H# O# D
我们假设标准差是10。
8 i) E$ R. I8 D" G
我们采用的显著性水平为0.01。(显著性水平的定义：原假设为真时, 拒绝原假设的概率)
/ b1 [8 q2 E6 G3 l
a.提出原假设
Ho: 生产周期均值>=60分钟
H1: 生产周期均值<60分钟
b.因为样本数小于30, 使用t分布计算。
t=-1.53
c.查表t分布表, 自由度为25(26-1=25), 显著性水平为0.01， 得到交点值为-2.485。
d.因-2.485小于-1.530, 不能拒绝原假设。 改进前和改进后的3分钟差异是随机因素造成的。
e.到此, 你可以自信地说, 新设备没有缩短工时。(这个结论错误的概率为1%)。
期望每个质量人员都会使用统计工具是不现实的, 但是每个质量人员一定要有怀疑, 求真的观念, 这个很重要。
! {# w z8 W* N7 D质量控制中常见误区（3）: 质量成本
" h/ q5 f. u9 I, g4 ]提到质量成本, 大家一般联想到的是：废品损失费用、返修损失费用，停工损失费用、保修费用及客户索赔费用等。
. d9 A* V% k9 j! A这个观点是不全面的。
质量成本的概念是由美国质量专家A.V.菲根堡姆在20世纪50年代提出来的。其定义是：为了确保和保证满意的质量而发生的费用以及没有达到满意的质量所造成的损失，是企业生产总成本的一个组成部分。
尽管质量成本（COQ）这一概念已经提出了很多年，但是对其含义仍然是众说纷纭。不同的人有不同的观点。
& \9 R% R7 a/ [) n5 S但，通常认为：
质量成本=预防成本+鉴定成本+内部损失成本+外部损失成本。
这里我们不考虑外部质量保证成本，如体系认证费用等。
那么，我们第一个想知道的问题是， 质量成本高吗？
根据《质量管理与质量控制》（作者詹姆斯•埃文斯、威廉•林赛，263页）, 质量成本通常占销售收入的20%~40%.
具体的内容如下：
~) z2 }8 y8 u+ V
预防成本
& `3 l; L- l# Z; Y% f! c+ j
用于预防不合格品与故障所需的各项费用。
a) 实施各类策划所需的费用，包括体系策划、产品实现策划；
b) 产品/工艺设计评审、验证、确认费用；
c) 工序能力研究费用；
d) 质量审核费用；
e) 质量情报费用；
f) 培训费用；
g) 质量改进费用。
5 A! w# @) I, Z: N9 H/ P鉴定成本
- M. F" ?; a6 F; n8 ^用于评估产品是否满足规定要求所需各项费用。
a) 检验费用；
b) 监测装置的费用；
c) 破坏性试验的工件成本、耗材及劳务费。
4 O0 `2 G1 L' T" y内部损失成本
+ F8 {2 E: @) A9 Y4 \产品出厂前因不满足要求而支付的费用。
a) 废品损失；
b) 返工损失；
c) 复检费用；
d) 停工损失；
e) 质量故障处理费；
f) 质量降级损失。
+ b5 Y# z' s* a6 n: m. |
外部损失成本
) h3 t- A. H- m
产品出厂后因不满足要求，导致索赔、修理、更换或信誉损失而支付的费用。
a) 索赔费用；
b) 退货损失；
c) 保修费用；
d) 降价损失；
e) 处理质量异议的工资、交通费；
f) 信誉损失。
! D7 j" V. G$ {8 y0 D- V+ O) k: l- \同样依据《质量管理与质量控制》（詹姆斯•埃文斯、威廉•林赛，265页)，这四项成本是相互关联的。对于开始实施质量成本核算的大多少公司而言，管理者通常发现最高的成本出现在外部损失成本类别中，然后依次是内部损失成本、鉴定成本和预防成本。显然，这个顺序应该颠倒过来。预防成本在整个质量成本中所占的比例应该最高，然后是一定程度的鉴定成本，较少的内部损失成本，而外部损失成本应当没有。因此，公司首先应该通过投资于鉴定活动以发现损失的来源，采取纠正措施，努力将外部损失成本降到零。随着质量的改进，损失成本会不断降低，鉴定成本也会随着重点向预防的转移而减少。
加强鉴定活动的同时，也要加强统计工作，以便及时找到关键的原因.
对于一个有着大量零件的离散制造业，大数据统计这时就显得十分关键了。
( V% A6 I: k1 ]2 u& a6 |" t
来源：嘉裕检测网
4 l& c! C$ p* ?9 @7 s: o2 n
6 ?4 e' D: o0 Z& J5 {- K
IP卡
狗仔卡
发表于 8-31 21:55:35
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
抢沙发
显身卡