为什么需要用控制图去监控过程呢？

今日

话题

用控制图控制过程的原因是什么？

前情提要

前面提到，“Built to nominal”是在过程控制中应该有的理念，并且说明了能力的证明阶段，先要确保数据本身的质量，再考虑零件的波动是否能满足要求，那么为什么需要用控制图去监控过程呢？

问

控制图的使用是基于什么原理？

答

我们用控制图的方法去防止过程中出现的两种错误（第一类错误：虚发报警，第二类错误：漏发报警），让过程以最大的潜力来生产合格的产品。

1

休哈特指出在操作现场的过程控制中，容易犯两种错误。

实际过程中如果有需要操作人员及时纠正，采取措施的“不受控的原因"发生，而操作者因为测量值还落在规格范围内而没有去采取措施干预过程，这种情况下，测量值的变差会增大，同时如果不是100%检查产品，可能会出现测量值超规格限的情况发生，而不知道。这就是我们前面说的第二类错误。

另一种情况，如果过程没有发生改变，因为过程中的“正常原因"影响，测量值没有落在目标上，此时如若根据以前的测量结果来调整过程，这种情况也会导致测量值更多的变差来源。这就是我们前面说的第一类错误。

这种当过程中只有受控的原因影响，操作现场对过程的调整，称为过度调整（又称为过度干预），戴明博士有一个非常形象的试验来说明。

正是基于要减少这两种错误，休哈特开发出了控制图的方法

2

大数据驱动的智能制造时代，赋予了采集质量数据更多的意义！

大数据驱动的智能制造时代，强化了要在现场及时采集质量数据并监控的重要性，除了把流通领域的基于互联网的需求数据与企业的生产计划有效整合，也能基于MES平台，采集来自智能设备的过程信息，生产节拍信息，而对于质量数据（产品特性值）的采集，同时与设备，物流等信息的结构化关联才是实现智能制造最重要的一环，基于这些关联之后，能进一步加深对导致测量值变差来源的理解与认识，提高过程控制水平。

改善无从下手......

（上图来自于Q-Das软件公司创始人Dr. DIETRICH Edgar演讲的公开资料）

将测量的特征值与背后的附加信息(可能来自于其它MES系统)结构化的进行关联，加深了对造成特征值变差来源的认识与理解，能更有利于工程师层面的过程改善。

中国的质量管理发展阶段少了"统计过程控制"阶段，很多企业认为符合规范就好，误以为是最经济的做法，同时缺少用数据说话的文化，不追求减少变差。而基于大数据的分析平台，会使得产品整个生命周期的损失可视化，进而强调过程控制的重要性。将统计学运用于分析，评价，监控特征值变差，强调用数据说话的文化，进而去优化生产过程和业务流程，将会给"中国制造"的质量提升插上腾飞的翅膀。

3

总结

最初用控制图控制过程的目的，是基于过程控制中容易出现的两类错误而制定的，

1 过程只有“受控的原因”影响，操作者过度调整了过程;

2 过程中有“不受控的原因”影响，操作者没有及时采取措施。

为了让过程以最大的潜力来生产合格的产品，休哈特开发了控制图的方法。

进入到信息化时代，现场的质量数据收集，并且与过程中其它信息的结构化关联，是减少变差，提升质量的重要手段。

下一篇文章，我们将给大家分享常规控制图构造的原理，欢迎关注我们的公众号：着迷品质。

质量管理，始于教育，终于教育