质量是产品的核心竞争力，做好质量不仅能为企业创造巨大的经济效益，还能给企业带来良好的信誉和口碑。曲轴是发动机的核心部件，它将内能转化为动能输出，其生产质量的好坏直接关系到汽车的动力性能。

在实际生产过程中，曲轴质量在某一瞬间的变化是不能精确进行控制的，但是通过对曲轴质量的统计分析可以掌握其变动的幅度范围和规律，从而确定影响曲轴质量的主要因素，针对影响曲轴质量的因素进行攻关和持续改进，保持曲轴生产过程处于受控状态并且持续提高过程的控制水平。

有效预防质量缺陷产生是SPC在曲轴质量管理的应用精髓。本文着重介绍了SPC原理和SPC两大质量控制工具，以及控制图和过程能力在发动机曲轴生产过程中的具体应用。通过应用控制图和过程能力分析两大SPC质量工具对曲轴生产过程进行质量管理，分析质量趋势和变异点，再针对变异点进行5M1E(人员、机器、材料、环境、测量和方法)等六大因素分析，找出质量变异点发生的根本原因并采取解决措施。

SPC基本理论

1. 质量变异

在质量控制中，产品实际达到的质量特性值与规定的特性值之间发生的偏离称为质量变异或质量波动。质量变异存在于任何过程中，是过程中多种因素作用的结果。这些因素主要来自于生产过程中的以下要素(5M1E)：

人(Man)：操作者的质量意识、技术水平、熟练程度、正确的作业和身体素质的差别等。

机器(Machine)：机器设备、工夹具的精度和维护保养状况等。

材料(Material)：材料的化学成分、物理性能及外观质量的差别等。

方法(Method)：生产工艺、操作规程以及工艺装备选择的差别等。

测量(Measure)：测量方法的差别。

环境(Environment)：工作地的温度、湿度、照明、噪声以及清洁条件的差别等。

质量变异是客观存在的，我们要做的是在过程中尽量减少变异，使其处于控制状态。质量变异根据以上6个要素可分成系统变异和随机变异两大类。

随机变异又称正常变异，由偶然因素引起，这些因素在过程中始终存在。其中每一种因素对变异的影响都很小，但是所有这些不可识别的偶然因素的影响的总和是可度量的，并假定为过程所固有。所以，正常变异是可以预测但是不可消除的变异。

系统变异又称异常变异，它是由异常因素引起的。这些因素数目不多，对产品质量不经常起作用，一旦出现了这类因素，就会使质量特性发生显著变化。出现这类因素，表明生产过程已处于失控状态。它们对质量的影响在一定时间和范围内呈现出周期性或倾向性的规律，比较容易克服和消除。这类因素是质量控制的主要对象。

2. SPC原理

在生产过程中，仅有相互独立的偶然性因素影响时，产品特性值x才会服从正态分布。如图1所示，x落在以(μ-3σ，μ+3σ)为上、下控制线外的概率之和只有0.27%。这是个很小的概率，出现这样概率的事件称为小概率事件。根据概率统计理论，小概率事件在一次实验中是不会发生的。如果发生了，则说明原来的分布受到了系统性因素的影响处于失控状态。常规控制图的控制界限分别位于中心线两侧的3σ距离处，其中σ为所有统计量的总体组内标准差。组内变异是用来度量随机偏差的，σ可用子组标准差或子组极差的适当倍数进行估计。3σ控制限表明，若过程处于统计控制状态，则大约有99.73%的子组值将落在控制限之内。也就是说，当过程受控时大约有0.27%的风险，子组会落在控制界限之外。

3. 统计控制图原理

统计控制图是对过程质量数据进行测定、记录和评估，从而监察过程是否处于可控制状态的一种统计方法设计的图。

质量管理中的数据可以分成两大类：计量值数据和计数值数据。计量值数据是指可以用仪器测量的连续性数据，如长度、度量、时间和温度等。计数值数据是指不能连续取值，只能用自然数表示的数据，如不合格品数、铸件砂眼数和气孔数等。计数值数据还可以分为计件值数据和计点值数据。计件值数据是按产品个数计数的数据，如不合格品数等;计点值数据是按点计数的数据，如缺陷数等。

针对不同的控制内容，常见的控制图种类如表1所示。

控制图上有中心线(CL)、上控制界限(UCL)和下控制界限(LCL)，并按时间顺序抽取的样本点序列描点。控制图可分为计量值控制图和计数值控制图，它们均有各自适用的范围。最常用、最重要的是X—R(均值一极差)控制图(见图2)，它可以同时控制质量特性值的集中趋势，即平均值的变化以及其离开中心控制线的趋势，即极差的变化。它适用范围广且灵敏度高，可提供较多的质量情报。此外，在曲轴生产过程中也常用到X—R(均值一极差)控制图(见图3)对质量进行监控。

4. 过程能力分析原理

工序能力是指处于稳定统计控制状态下工序的实际加工能力，常以工序能力指数CPK来表示。对于技术要求满足程度的指标，此数值越大，表明工序能力越能满足技术要求，甚至有一定的能力储备。CPK的计算方法为：设选定样本特性的规格限为(TL，TU)，特性值的规格中心为M，即M=(TL+TU)/2;样本质量的公差范围为T，T=TU-TL;记ε=|M-X|，则CPK=(T-2ε)/(6σ)，式中σ可由样本标准差来估计。

SPC在曲轴生产过程中的应用分析

1. 控制图的应用与分析

曲轴生产过程中SPC分析主要判断曲轴生产过程是否处于统计控制状态，其中大部分工位号我们采用抽样检测，而OP75与OP150这样的中间测量机和最终测量机都是100%测量。我们可将任意工位号的某个班次或所有班次按任意时间段或任意星期或任意月份采集的SPC数据进行X—R分析，当确定分析条件后，计算机从库中提取相应数据进行分析，并将结果以数据报表和图形方式分别输出以判断曲轴质量是否处于受控状态。

根据控制图分析，生产过程处于统计控制状态的判断条件是：

(1)连续25个点中没有1点在限外，或连续35个点中最多1点在限外，或连续100个点中最多2点在限外。

(2)控制界限内的点的排列无下列异常现象：连续7个点或更多的点在中心线同一侧;连续7个点或更多点呈上升或下降趋势;连续11个点中至少有10个点在中心线同一侧;连续14个点中至少有12个点在中心线同一侧;连续17个点中至少有14个点在中心线同一侧;连续20个点中至少有16个点在中心线同一侧;连续3个点中至少有2点或连续7个点中至少有3个点落在二倍标准偏差与三倍标准偏差控制界限之间。

根据对曲轴油封跳动进行采样、分组，将得到的数据按照上述统计学方法进行处理，绘制出油封跳动的控制图(见图4)。根据图4分析采样连续100个点其中有20个点在限外，可以判定此时曲轴油封跳动是处于失控状态。

经分析，曲轴的加工方式主要有干切削、湿加工以及微量润滑加工等。不论是哪一种加工方式都存在不同形式的加工铁屑、铁泥。这些加工碎屑或进入到中心孔中，或粘附于机床顶尖上，造成机床对零件定位失效，从而影曲轴质量。

造成油封跳动超差的问题原因是OP 90精磨时中心孔有铁屑(见图5)，造成定位偏心，使得加工跳动超差。

针对以上问题，提出如下方案(见图6)：在OP75测量机顶尖上方增加一个固定毛刷，机械手上下料时经过毛刷即完成两次清洁中心孔的动作;在OP75顶尖处增加一个气嘴，用于吹干净下料刷出的铁屑;再在机械手上增加一个气嘴，用于取料经过刷子刷出的铁屑。

措施实施之后，曲轴油封跳动有明显改善。再次对曲轴油封跳动进行采样、分组，绘制出油封跳动的控制图(见图7)。根据图7分析采样连续一个班次500个点，其中无一个点在限外，可以判定此时曲轴油封跳动是处于受控状态。

2. 过程能力分析

根据上述工序能力计算方法计算能力指数 CPK 值，根据CPK 的值对工序进行适当调控。

当CPK >1.67时，表明过程能力很好，可以放宽对质量特性值波动的上、下界限制;

当1.33当1.00

当CPK ≤1.00时，过程能力不足，应分析原因并采取必要的措施。

曲轴生产过程中过程能力统计共有73个项目，表2和图8所示为2014年4月至2015年3月的过程能力统计。据此可分析出，2014年4～12月CPK ≤1.00占比都接近100%，表明这73项特征过程能力都很差，需要采取必要措施进行

改善。

经分析造成过程能力差的主要原因为：OP80顶尖容易粘铁屑，测头不稳定波动较大;OP100沉孔跳动、直径不稳定;OP130抛光去除量不稳定，抛光靴容易与零件干涉，容易磨损。

针对以上原因，我们采取以下解决措施：在OP80增加清洁顶尖铁屑喷头;定期打开OP100测头补偿沉孔跳动和直径;批量更换OP130收带机构单向轴承并定期验证抛光余量，定期更换抛光靴，开班检查抛光靴与零件是否干涉。

以上措施实施之后， 2015年1～3月的过程能力有明显提升，从表2和图8可以分析出CPK ≤1.00的特征占比由100%降低到0。

结语

如何有效地开展SPC应用是衡量一个企业是否注重产品质量控制的重要因素。

通过将SPC理论与计算机技术的有机结合，在发动机曲轴生产线上对过程质量进行动态、连续的监控，不断地分析质量问题中的各种影响因素，在质量控制中起到极好的警示和预防作用，并进行针对性预防，达到持续改进的目的，从而大大提高了工作效率，提高了曲轴质量，降低了生产成本。