2.1 质量管理闭环系统

质量管理是一套完整的闭环体系，前期课程已讲解 APQP（质量先期策划）、PPAP（生产件批准程序）等模块，本次重点聚焦纠正预防措施模块与检验模块。

闭环逻辑如下：首先通过 FMEA（失效模式及影响分析）识别潜在风险，基于 FMEA 制定控制计划，明确特殊特性及检验要求；依据控制计划生成检验计划，执行检验后，合格产品进入 ERP 系统入库，不合格产品需生成不合格报告，反馈至 FMEA 知识库，并启动改进流程（如八 D 方法），同时遏制问题产品扩散，形成 “策划 - 执行 - 检验 - 改进” 的完整闭环。

2.2 过程质量特性分类

过程质量特性主要分为三类，三者概念明确、各有侧重：

• 产品质量特性：由产品最终规格、性能、结构决定，直接关联产品最终质量，包括尺寸公差、配合精度、功能表现、使用寿命等指标。
• 过程质量特性：影响产品质量的关键过程参数，涵盖人机料法环等环节，如机器核心参数、环境温湿度、工艺操作标准等。
• 特殊特性：与产品安全、可靠性等核心要求密切相关的关键特性，需重点管控。

2.3 过程检验类型及要求

过程检验贯穿来料入库至组装完成的全流程，各环节检验各有侧重、缺一不可：

• 首检：生产开始、换班或工序调整后，对第一件或前几件产品进行检验。需由操作者与检验人员共同确认，目的是尽早发现系统因素导致的质量问题，检验合格后方可批量生产，且必须形成首检记录表。例如焊接工序后，需切割焊缝并通过显微镜检测焊接质量。
• 巡回检：按预定时间间隔，对工序产品及生产条件进行监督检验。不仅抽检产品，还需检查人机料法环等生产要素，如对湿度、粉尘敏感的产品，需定时检测环境参数，避免因粉尘聚集等引发安全或质量问题。巡回检需制定明确计划，明确巡检参数与频次。
• 在线检：上道工序对输出产品进行检验，避免不合格件流入下道工序。需依据控制计划和作业指导书，明确检验参数，如螺钉螺纹直径等关键尺寸，需在工序中实时检测。
• 完工检：对完成加工的半成品或零件进行最终复核，验证前序所有检验环节是否完成、结果是否达标。部分产品需进行专项测试，如气管的耐压测试，完工检验合格后方可入库。

2.4 SPC（统计过程控制）核心应用

2.4.1 SPC 基本原理

SPC 是基于三西格玛（3σ）原理的统计分析工具，由美国专家提出，为统计质量管理奠定基础。其核心逻辑是：当产品批量较大时，单纯依靠检验无法实现全面质量控制，通过控制图分析质量数据，判断过程是否处于稳定状态。

SPC 的前提假设是测量数据服从正态分布，当样本量足够大时，数据自然呈现正态分布；样本量较小时，可假设为正态分布或通过调整转化为正态分布。在正态分布中，产品质量特性值落在 3σ 范围内的概率为 99.73%，超出该范围则判定为存在特殊原因导致的质量波动，需及时干预。

2.4.2 控制图的作用与类型

控制图通过绘制上控制线（UCL）、下控制线（LCL）和中心线（CL），将测量数据按时间顺序连接，核心作用包括：

• 保持制程持续稳定、可预测，提升产品质量与生产能力，降低成本。
• 区分质量波动的普通原因与特殊原因，为采取局部措施或系统措施提供依据。

控制图主要分为计量型和计数型两类，具体选择需遵循特定流程：

• 计量型数据：常用均值 - 级差图（X-R 图）、均值 - 标准差图（X-σ 图）、中位数 - 级差图（X̃-R 图）、单值 - 移动级差图（X-MR 图），选择依据包括数据均匀性、取样方式、均值计算便捷性等。
• 计数型数据：包括不良率图（p 图）、不良数图（np 图）、缺点数图（c 图）、单位缺点数图（u 图），选择依据包括关注对象（不合格频率 / 不合格数）、样本容量是否恒定等。

使用控制图的前提是 MSA（测量系统分析）合格，确保测量设备状态稳定、数据可靠。

2.4.3 质量波动原因及应对

质量波动分为普通原因和特殊原因，二者本质不同、应对方式各异：

• 普通原因：不可避免的固有波动，如车床刀具的正常磨损，其状态稳定、可预测。需采取系统措施，通常由管理层面推动，可纠正 85% 的过程问题，如定期更换刀头以控制磨损影响。
• 特殊原因：偶然发生的异常波动，如刀具断裂，其状态不可控、不可预测。需采取局部措施，由过程直接相关人员实施，可纠正 15% 的过程问题，如及时更换断裂刀具并排查相关产品。

仅存在普通原因时，过程输出呈稳定分布，可预测后续质量状态；存在特殊原因时，过程失控，需立即排查并消除。即使仅存在普通原因，若过程能力不达标，仍需优化以减小波动。

2.4.4 过程能力指数（CPK）

CPK 是衡量过程能力的核心指标，反映过程输出满足规格要求的程度，计算基于正态分布的平均值（μ）和标准偏差（σ）：

• 当实际平均值与规格中心重合时，使用 CP 值评估；当二者不重合时，需计算 CPK 值，更贴合实际状态。
• CPK 判定标准：CPK＞1.67 为无缺点，可考虑降低成本；1.33≤CPK≤1.67 状态良好，需维持现状；1.0≤CPK＜1.33 需改进；CPK＜1.0 必须提升过程能力；CPK＜0.67 说明过程能力极差，不合格品率过高。
• 特殊特性的 CPK 要求：基本状态下需≥1.33，正常状态下需≥1.67，这也是 PPAP 审核和产品审核的重要标准。

2.4.5 SPC 与 CPK 应用步骤

应用分为两步，形成持续改进循环：

1. 绘制控制图：收集数据（如每天取样 5 个，共 20 组），绘制 X-R 图等，依据 8 种不合格状态（如连续 9 点落在中心线同一侧、连续 6 点递增 / 递减、连续 14 点交替上下等）判断是否存在特殊原因。若存在，需排查并整改，直至控制图合格。
2. 计算 CPK 值：控制图合格后，计算 CPK 值，若不满足要求，需针对普通原因优化人机料法环等要素，整改后重新计算，直至达标。

2.5 数字化应用案例

2.5.1 工具与技术升级

随着技术发展，SPC 应用不断优化，适配更多场景：

• 数据采集：通过蓝牙将卡尺等测量工具与电脑对接，测量数据自动传输，无需人工录入；便携式三坐标测量仪可灵活扫描零件，与标准数据对比，自动生成检测报告，替代传统笨重设备。
• 图像识别：针对内饰件卡扣漏装、多装等问题，通过流水线上的摄像头拍摄图像，自动检测卡扣数量与位置，及时提醒异常。
• 自动化检验：视觉检验、传感器检测等自动化设备收集数据后，实时计算 SPC 与 CPK，异常时自动报警，提升响应效率。

2.5.2 特殊场景适配

• 小批量生产：当产品数量较少、不满足正态分布假设时，重点关注过程设置与 PPK（初始过程能力指数）计算，而非单纯依赖 CPK。
• 企业规模差异：大企业（如光伏电板生产企业）可能需同时管控数百个 SPC 节点，需平衡整改成本与效率；小企业可聚焦核心特性，简化管控流程。

2.6 五大工具的逻辑关联

APQP、FMEA、PPAP、MSA、SPC 五大工具紧密衔接，形成完整体系：

• APQP 第一阶段（立项）：明确项目范围与要求。
• APQP 第二阶段（设计开发）：开展 DFMEA（设计 FMEA），制定样品控制计划。
• APQP 第三阶段（过程开发）：开展 PFMEA（过程 FMEA），制定试生产控制计划。
• APQP 第四阶段（验证）：执行 PPAP，完成 MSA（确保测量系统可靠），计算 PPK（小批量）与 CPK（大批量），制定量产控制计划。
• APQP 第五阶段（量产）：持续运用 SPC 监控过程，定期更新 FMEA 与控制计划。