什么是“稳定的”生产过程？

今日话题：什么是“稳定的”生产过程？

什么是“稳定的”生产过程？

问：什么是“稳定的”生产过程？

答：稳定的生产过程是指过程只受随机因素的影响，体现在特征值随时间变化上，能保持过程随时间输出测量值分布的参数不变，称为过程稳定。通常德系的企业基于实际生产情况,不谈稳定，而是谈产品特征值'受控'的概念。

1、“稳定的”过程有什么特征？

'保持生产过程稳定'是质量管理中重要的任务之一，然而什么样的生产过程才是稳定的呢? 没有学习过统计过程控制的人员的理解通常认为，如果一直生产的产品是合格品，则过程是稳定的，这是一种误解。

从过程控制的观点来看，我们需要对生产过程中的人，机，料，法，环，测各方面进行严格的控制，针对主要变差来源进行了分析，改进与监控。只要有可能，我们还需要从过程输出的主要产品特征值随时间的变差来评价过程是否真的稳定。

按照ISO22514-1标准的定义，稳定的过程是指过程只受随机因素的影响，就可以认为过程是处于统计控制状态的过程。需要澄清以下几点：

稳定的过程，特征值的输出分布不一定是正态分布，也不能认为特征值输出是正态分布的过程就一定是稳定的，过程稳不稳定与输出特征值是否是正态分布没有任何关系，如下图所示，按ISO22514-1的定义，A1 和A2模型都是稳定的过程，而C1模型，即使输出分布是正态分布，也是不稳定的过程；

稳定的过程，并不代表输出分布的离散大或离散小，也不代表过程的中心一定是在目标上的，过程稳定，只代表能够用统计工具去预测变差;

对于有些过程， 输出分布的平均值受随时间有系统性变化，比如刀具磨损，这类过程按照国际标准ISO22514-1的定义，属于不稳定的过程。(如c3,c4模型，即使产品都是在规格限内，过程也是不稳定的）。

2、如何评估过程是否“稳定”？

依据AIAG的SPC手册，判断过程是否稳定可通过控制图来判定，并且列出了常用的控制图判异的8条规则。这些判断过程失控的规则是基于正态分布模型，即在“在过程能力研究中，如何合理的选择分布模型？”中提到的A1模型。

即使如此，这些规则对于工程师事后分析控制图而言是不合适的，因为当数据量大到一定程度，肯定也是会违反稳定性规则的。(因为控制界线是基于99.73%的不干预概率来确定的，即平均而言，即使过程是A1模型，当抽取到10000组数据时，会有大约27个点超过控制界限）。

那么该如何看待这些判异规则的使用呢？这些规则都是基于'小概率事件是不会发生，如若观测到小概率事件，就认为过程发生了改变'这一规则来制定的。故对这些规则的使用，只建议在操作者现场来使用，这些规则的使用是基于我们能承受的漏报和误报风险而决定的。

那么对于工程师事后的分析而言，如何判断过程的稳定呢？AIAG的手册并没有给出明确的方法。

在DIN55350标准中给出了“过程受控”的定义，认为过程中主要产品特征值受控，则过程处于统计控制状态的(在ISO22514-1中也有同样定义）。处于统计控制状态的过程是指特征值测量分布的参数几乎保持不变，或仅以以知的方式改变，或没有超过已知界限的过程，如下图所示，即使该特征值分布的参数随时间推移有系统性变化，但这种变化如若是可预测的，则也可以认为过程是'受控的'，受控更多的是站在操作者的角度来谈的。

那么如何事后判断过程是否处于“稳定”呢？在Q-Das软件的解决方案中，推荐看以下两点：

1 单个值是否超过规范界限；

2 控制图上超过程控制界限的点的个数，没有超过二项分布的偶然离散带界限。(比如10000个子组，正常超过控制界限点的数目在27个，95%的可能性在17到38个之间）

3、总结

在这篇短文中，我们介绍了什么是稳定的生产过程。对于生产过程是否稳定，我们分成两个不同层面来看待，一是指操作者层面，它的主要目的是用来监控过程，当发现异常时及时反馈纠正，主要是控制用，对于判异规则的使用，需要同时考虑两类错误风险；另一个是工程师层面，主要是事后分析用，事后分析的目的侧重于从工程师层面对过程的改进。

另外，我们的短文还试图解释'稳定“和“受控”的区别，稳定的过程通常是一种理想的追求，在实际生产中，考虑到经济性，我们应该考虑让过程“受控”。看过程是否受控，有两种常用的时间序列图，最直观的是单值运行图（通常在进行cm,cmk或cp, cpk计算时，都建议先应该要观察分析单值运行图），其次才是控制图。换一句话，随着对质量数据采集的量越来越大，通过计算机软件能更“精细”的去描绘过程随着时间输出特征值的分布，工程师层面看待过程，主要侧重要检查过程是否是按照预计的时间分布模型来生成“数值”。