下面就是小编给大家带来的面向AMT的统计过程质量控制*(共含9篇），希望能帮助到大家!同时，但愿您也能像本文投稿人“辛巴”一样，积极向本站投稿分享好文章。
面向AMT的统计过程质量控制*
面向AMT的统计过程质量控制* 注意：本文已经在《计算机辅助设计与制造》(,10:,39～41)杂志发表使用者请注明文章内容出处
徐 � 马玉林 袁哲俊
(哈尔滨工业大学 现代生产技术中心,150001)
摘要：本文在分析先进制造技术(AMT)环境下实施统计过程质量控制技术的发展现状的同时，讨论了将统计过程质量控制(SPQC)技术应用于先进制造环境下所存在的问题。根据所提出的问题，研究了面向先进制造环境，基于等效工序能力的统计过程质量控制方法；开发了基于前馈型BP神经网络的加工过程异常模式自动识别软件。关键词：先进制造技术，统计过程质量控制，模式识别，质量保证一、引言 八十年代以来，顾客对产品的需求从单一型向多样型转变，国际市场的竞争日趋激烈。据国外的调查表明，企业之间的竞争焦点已从价格因素向柔性、质量、对市场变化的快速响应等非价格因素转移[1]。随着世界工业市场竞争的不断加剧，为了生存和发展，越来越多的企业认识到实施先进制造技术的重要性，并已经开始引进和实施AMT[2]。在AMT的研究和应用不断取得成功的同时，也有许多企业发现AMT带来的效益并不如所期望的那么大，甚至还有许多失败的例子摆在人们面前。影响先进制造技术成功应用的因素有很多，其中一个重要的因素是产品的质量。传统的统计过程质量控制基于休哈特控制图，监测控制同一产品的同一质量特征的变化规律，使之满足精度并保持稳定，在刚性自动化大生产中得到了广泛的应用，并取得了巨大的经济效益[3]。但是，在小批量生产方式占主导地位的AMT生产环境下，传统的统计模型无法得到足够的数据来建立统计控制关系。因此，传统的SPQC却不能直接被应用在AMT生产环境下，SPQC需要一种新的指导思想。对此，国内外均做了一些研究[4-8]，提出一些解决方案，但均没能在根本上解决数据不足的问题。此外，在先进制造系统中还存在对控制图的识别问题。传统的生产环境下控制图是否处于统计控制状态下，是由人对控制图进行统计状态的识别。在AMT生产环境下如果继续沿用这种方法，一方面影响信息反馈的及时性，另一方面工人一直监视控制图会提高工作强度，降低他们的工作效率。利用模式识别算法对控制图自动识别，就可以很好地解决这两方面的问题。有一些工序的失控状态很容易用普通算法识别，例如控制变量超出控制界限以及连续的上升和下降的趋势。然而对于小波动的持续上升或下降或者是循环变化趋势，则难以用普通方法进行判断。由于神经计算技术的发展，许多以前计算量很大并耗时较长的问题得到了解决，模式识别就是其中的一项。考虑到在AMT生产模式中计算机化是基本条件之一，而且生产环境中的计算机只是利用已经训练好的程序运行识别算法，不需要太大的计算量。因此，利用神经网络对控制图的异常模式进行识别是非常合适的。基于以上讨论，本文提出了基于等效工序能力的统计过程控制方法，并给出了统计变量的计算方法。而且，以这种统计方法所得到的控制图的变化趋势为研究对象，采用人工神经网络理论设计了控制图异常状态的自动识别软件。二、基于等效工序能力的统计过程质量控制方法1. 等效工序能力控制的理论基础 现代统计过程质量控制的出发点是在事前控制加工过程，使其处于正常状态；而不是在事后通过检验的方法控制次品的扩散。进行的是“过程控制”而不是“产品控制”。总的来说，只要是无显著差异的5M1E[9]环境下生产出来的产品的质量特征值（不一定为同类产品）偏离期望值的正常波动服从 的分布。等效工序能力控制图通过对 的标准化变换，使得等效工序能力控制图的控制界限不随质量特征的不同而变化，使统计变量成为服从标准正态分布的无量纲量的随机变量，达到利用历史数据的目的。不同的统计变量的转换方法不同，但其基本理论可以由下式表达：(1)式(1)是对 的标准化，新得到的统计变量T为服从标准正态分布的无量纲量随机变量，控制界限在给定第一类统计错判的容许概率的情况下固定不变。这样在等效工序能力下，不同产品的质量特征以及同一产品的不同质量特征就能够通过标准化变换利用同一种统计方法分析，实现不同但相关的统计特征之间的统计关系，达到充分利用一台机床的历史数据和部分相关数据的目的，实现在中小批量生产中对加工工序的统计过程质量控制。2. x-Rs 控制方法统计变量的计算 基于以上思想，本文改进了传统的单值-移动极差控制图，利用这种控制图实现了对多品种、小批量生产过程的统计过程质量控制。传统的单值－移动极差控制图是用所有数据的均值 作为 的估计值，故只有在数据全部收集后才能进行控制图的绘制和分析，而在实际生产中，数据是一批一批或一个一个获得的。因此改进的单值－移动极差控制图在获得第i个数据后，为充分利用已知信息，用过去i-1个数据来计算控制界限和统计变量。并通过统计变换，消去统计变量中的平均值 和整体方差 ，实现对质量信息的充分利用。(1) 单值控制变量的计算改进的单值变量在每个控制点，利用 进行判别。因为 ，由正态过程平均值的抽样分布性质可知：由正态过程的可加性和正态过程的标准化变换得到：因为总体标准差 未知，故必须消去表达式中的 。由标准差的抽样分布的性质可知：根据student-t分布的定义得到：化简后得到：(2)上式表明， 服从自由度为i－2的student-t分布，对于给定的显著性水平，由student-t分布找出满足下式的控制界限值 使得：但由于 在给定 下，随着n的变化而变化，因此首先作自由度为i－2的student-t分布概率密度积分得 （p(t)为t分布概率密度函数），然后对积分值进行反标准正态变换得到单值控制图的统计变量 。 (3)
此时统计变量 根据给定的第一类统计错判的容许概率 ，由标准正态分布找出满足下式的控制界限 ：
如果把某次检测的数据代入上式中，使 或一段时间内 值的排列出现异常趋势则意味着工
序已发生了变化，反之则工序处于统计控制状态。
(2) 移动极差控制变量的计算
因为： 且
则可知在生产过程没有显著变异的情况下 的特征分布规律服从于 的正态分布规律。
所以，由正态过程的基本性质可得
且由 特征分布的定义可以得到：
由 特征分布的概念可以得到：
(4)
由于 在给定第一类统计错判的.容许概率 的情况下，随着i的变化而变化，为此特做以下变换。自由
度为 的F分布的概率密度积分为 ，其值为0到1 之间，对 进行反标准正态变换得到移动极
差控制图的统计变量：
(5)
用T2作为统计变量，新的控制图的中心线为0，如采用3 原则时，其上下控制界限就是+3和-3。至此，以T1和T2为统计控制变量，就可画出改进的单值－移动极差控制图了。控制图的中心线为0，上下控制界限根据给定的第一类统计错判的容许概率计算，不再随样本大小和物理特征的变化而变化。
三、异常模式自动识别 本研究将前馈型的反向传播神经网络算法用于AMT质量控制中的异常模式自动识别，采用离线训练与在线识别相结合的方法，建立了一个三层的神经网络。该网络的输入是经过预处理的二进制数，输出是一种特定的控制图表现趋势。网络由输入层、隐层和输出层组成。输入层有i个结点，每个结点代表控制图上按顺序排列的一个质量特征，数值为特征点在控制图上的位置。输出层有o个结点，结点输出值为1或0，代表了o种不同的控制图异常趋势。隐层结点数为h，本文采用实验分析的方法确定隐层结点数。整个网络的结点数为i+h+o。
人工神经网络的学习算法为有教师的δ学习律，其输入与输出关系满足非线性单调上升的函数：
(6)
在实际研究中，训练数据是利用Visual C++中的随机数函数产生(0,1)上均匀分布的随机数Ri。利用所产生的随机数，并根据中心极限定理，由式(7)生成标准正态分布的样本。变换标准正态分布的总体生成80组不同作用趋势的数据，其中20组数据为普通的，60组为三种复杂趋势，分别是小波动的持续上升、小波动的持续下降和循环趋势。
(7)
利用这80组数据，对所建立的神经网络进行训练取得了良好的效果。在对不同加工过程中所得到的20组实际数据的测试中，全部正确。对各种其它方法不易判断的复杂趋势具有良好的判断能力。
四、结论 本文在研究SPQC技术应用于先进制造环境下所存在的问题的基础上，提出了解决AMT生产环境下质量数据不足的问题的方法，给出了基于等效工序能力的统计过程控制图的控制变量的计算方法；分析表明这种质量控制方法能够有效地控制先进制造生产环境下生产过程的稳定，算法易于编程计算机化，是一种适用于AMT环境的统计过程质量控制技术。同时，利用以前馈型的反向传播神经网络算法为基础的模式识别技术，开发了加工过程异常模式的自动识别软件，应用表明具有良好的效果。
参考文献：
[1] Levy, P. et al., “Organizational Strategy for CIM”, Computer-Integrated Manufacturing System, 1991,4.
[2] 国家科委科技司情报司， 航空航天部航天科技情报研究所， “美国国家关键技术”， 1991.9.
[3] M.Al-Salti and A.statham, “A Review of the Literature of the Use of SPC in Batch Production”, Quality and Reliability Engineering International. Vol.10, pp 49-61.
[4] 王永信，单件、小批加工质量统计分析方法的研究，西安交通大学，1991.
[5] George F.Koons, Jeffery J.Luner,SPC in Low-volume Manufacturing:A Case Study,J.of Quality Technology,vol.23,No.4,1991.
>[6] Stephen V.Crowder, “An SPC Model for Short Production Runs:Minimizing Expected Cost”, Technometrics 1992.2 Vol.34 pp64-73.
[7] Patrica P.Ramsey, “Simple Tests of Normality in Small Samples”, Jounal of Quality Technology, 1990.10, Vol.22, pp 299-307.
[8] Shih-Yen Lin, “Short-Run Statistical Process Control:Multicriteria Part Family Formation”, Quality and Reliability Engineering International, , Vol.13, pp 9-24.
[9] 郎志正，《质量控制方法与管理》，国防工业出版社，1989.5。
Stasitical Process Quality Control Based on AMT Xu Chong, Ma Yulin, Yuan Zejun
(HarBin Institute of technology advance manufacture center Harbin 150001)
Abstract:In this paper, the development of Statistical Process Quality Control in AMT is analyzed and the existent problem of applicated SPQC in AMT is discussed. Then according to the problem, the SPQC for low volume production module is proposed. The error pattern automatic distinction technology is also presented by using BP model neural network.
keyword: AMT, SPQC, Patterns Distinction, Quality Assurance
面向AMT的统计过程质量控制*
摘要：本文在分析先进制造技术(AMT)环境下实施统计过程质量控制技术的发展现状的同时，讨论了将统计过程质量控制(SPQC)技术应用于先进制造环境下所存在的问题。根据所提出的问题，研究了面向先进制造环境，基于等效工序能力的统计过程质量控制方法；开发了基于前馈型BP神经网络的加工过程异常模式自动识别软件。
一、引言 八十年代以来，顾客对产品的需求从单一型向多样型转变，国际市场的竞争日趋激烈。据国外的调查表明，企业之间的竞争焦点已从价格因素向柔性、质量、对市场变化的快速响应等非价格因素转移[1]。随着世界工业市场竞争的不断加剧，为了生存和发展，越来越多的企业认识到实施先进制造技术的重要性，并已经开始引进和实施AMT[2]。在AMT的研究和应用不断取得成功的同时，也有许多企业发现AMT带来的效益并不如所期望的那么大，甚至还有许多失败的例子摆在人们面前。影响先进制造技术成功应用的'因素有很多，其中一个重要的因素是产品的质量。 传统的统计过程质量控制基于休哈特控制图，监测控制同一产品的同一质量特征的变化规律，使之满足精度并保持稳定，在刚性自动化大生产中得到了广泛的应用，并取得了巨大的经济效益[3]。但是，在小批量生产方式占主导地位的AMT生产环境下，传统的统计模型无法得到足够的数据来建立统计控制关系。因此，传统的SPQC却不能直接被应用在AMT生产环境下，SPQC需要一种新的指导思想。对此，国内外均做了一些研究[4-8]，提出一些解决方案，但均没能在根本上解决数据不足的问题。 此外，在先进制造系统中还存在对控制图的识别问题。传统的生产环境下控制图是否处于统计控制状态下，是由人对控制图进行统计状态的识别。在AMT生产环境下如果继续沿用这种方法，一方面影响信息反馈的及时性，另一方面工人一直监视控制图会提高工作强度，降低他们的工作效率。利用模式识别算法对控制图自动识别，就可以很好地解决这两方面的问题。有一些工序的失控状态很容易用普通算法识别，例如控制变量超出控制界限以及连续的上升和下降的趋势。然而对于小波动的持续上升或下降或者是循环变化趋势，则难以用普通方法进行判断。由于神经计算技术的发展，许多以前计算量很大并耗时较长的问题得到了解决，模式识别就是其中的一项。考虑到在AMT生产模式中计算机化是基本条件之一，而且生产环境中的计算机只是利用已经训练好的程序运行识别算法，不需要太大的计算量。因此，利用神经网络对控制图的异常模式进行识别是非常合适的。 基于以上讨论，本文提出了基于等效工序能力的统计过程控制方法，并给出了统计变量的计算方法。而且，以这种统计方法所得到的控制图的变化趋势为研究对象，采用人工神经网络理论设计了控制图异常状态的自动识别软件。 二、基于等效工序能力的统计过程质量控制方法 1. 等效工序能力控制的理论基础 现代统计过程质量控制的出发点是在事前控制加工过程，使其处于正常状态；而不是在事后通过检验的方法控制次品的扩散。进行的是“过程控制“而不是“产品控制”。总的来说，只要是无显著差异的5M1E[9]环境下生产出来的产品的质量特征值（不一定为同类产品）偏离期望值的正常波动服从 的分布。等效工 序能力控制图通过对 的标准化变换，使得等效工序能力控制图的控制界限不随质量特征的不同 而变化，使统计变量成为服从标准正态分布的无量纲量的随机变量，达到利用历史数据的目的。不同的统计变量的转换方法不同，但其基本理论可以由下式表达： (1) 式(1)是对 的标准化，新得到的统计变量T[1] [2] [3]
SPC即统计过程控制（Statistical Process Control），
统计过程控制SPC概论
。SPC是美国美国贝尔实验室休哈特(Shewhart)博士首先应用正态分布特性于生产过程中的管理，目前已成为生产过程中控制稳定产出的主要工具之一，在生产型企业中应用的非常广泛。SPC主要是指应用统计分析技术对生产过程进行实时监控，科学的区分出生产过程中产品质量的随机波动与异常波动，从而对生产过程的异常趋势提出预警，以便生产管理人员及时采取措施，消除异常，恢复过程的稳定，从而达到提高和控制质量的目的。
在生产过程中，产品的质量特征值的波动是不可避免的。它是由4M1E，即人、机器、材料、方法和环境等基本因素的波动综合影响所致。波动分为两种：正常波动和异常波动，或称为偶然误差和系统误差。正常波动是偶然性原因（不可避免因素）造成的。它对产品质量影响较小，在技术上难以消除，在经济上也不值得消除。异常波动是由系统原因（异常因素）造成的，它对产品质量影响很大，但能够采取措施避免和消除。过程控制的目的就是消除、避免异常波动，使过程处于正常波动状态。
一、SPC技术原理
统计过程控制（SPC）是一种借助数理统计方法的过程控制工具。它对生产过程进行分析评价，根据反馈信息及时发现系统性因素出现的征兆，并采取措施消除其影响，使过程维持在仅受随机性因素影响的受控状态，以达到控制质量的目的。当过程仅受随机因素影响时，过程处于统计控制状态（简称受控状态）；当过程中存在系统因素的影响时，过程处于统计失控状态（简称失控状态）。
由于过程波动具有统计规律性，随机误差具有一定的分布规律，当过程受控时没有系统误差，根据中心极限定理，这些随机误差的总和，即总体质量特性服从正态分布N（μ，σ2）。正态分布的特征直观看就是大多数值集中在以μ为中心位置，越往边缘个体数越少。在正态分布正负3σ范围内，即样品特征值出现在（μ-3σ，μ 3σ）中的概率为99.73%，即超出正负3σ范围发生概率仅为0.27%。
而失控时，过程分布将发生改变，数据的中心位置或离散程度发生很大变化。当数据出现正负3σ范围以外，根据小概率事件实际不可能发生原理，即认为已出现失控。如果加工处于受控状态，则认为样品特征值一定落正负3σ范围内，即存在3σ原理。SPC正是利用过程波动的统计规律性对过程进行分析控制的。在世界上大多数国家均以正负3σ范围为控制界限。因而，它强调过程在受控和有能力的状态下运行，从而使产品和服务稳定地满足顾客的要求。下图是控制图的基本形式。
控制图有两个坐标，纵坐标代表质量特性值，横坐标表示样本号。中心线CL=μ，上控制限UCL=μ 3σ，下控制限LCL=μ-3σ。
生产中，定期抽取样本，测出其质量特性值数据，计算后标在图上，观察点是否越限，判断生产过程是否处于稳定状况。
二、控制图类型
控制图是画有控制界限，对生产过程中产品质量进行控制的一种图。用它来判断产品质量波动的原因（系统原因或偶然原因），进而判断生产过程是否处于稳定状态。按不同用途，控制图可分为用于预防不合格品产生的管理用控制图和主要用于分析用的控制图两类。根据不同的质量特性值，控制图可分为计量型控制图和计数型控制图。
三、SPC应用步骤
实施SPC分为两个阶段，一是分析阶段，二是监控阶段。在这两个阶段所使用的控制图分别被称为分析用控制图和控制用控制图。分析阶段的主要目的在于：一是使过程处于统计稳态；二是使过程能力足够。
分析阶段首先要进行的工作是生产准备，即把生产过程所需的原料、劳动力、设备、测量系统等按照标准要求进行准备。生产准备完成后就可以进行，注意一定要确保生产是在影响生产的各要素无异常的情况下进行；然后就可以用生产过程收集的数据计算控制界限，作成分析用控制图、直方图、或进行过程能力分析，检验生产过程是否处于统计稳态、以及过程能力是否足够。如果任何一个不能满足，则必须寻找原因，进行改进，并重新准备生产及分析。直到达到了分析阶段的两个目的，则分析阶段可以宣告结束，进入SPC监控阶段。
监控阶段的主要工作是使用控制用控制图进行监控。此时控制图的控制界限已经根据分析阶段的结果而确定，生产过程的数据及时绘制到控制上，并密切观察控制图，控制图中点的波动情况可以显示出过程受控或失控，如果发现失控，必须寻找原因并尽快消除其影响。监控可以充分体现出SPC预防控制的作用。
在工厂的实际应用中，对于每个控制项目，都必须经过以上两个阶段，并且在必要时会重复进行这样从分析到监控的过程。
分析用控制图作图步骤
1）选取控制图要控制的质量特性；
2）根据质量特性及适用的场合选取控制图类型；
3）确定合适样本组、样本大小和抽取间隔，并假定在样本组内波动为系统因素引起；
4）收集并记录20～25个样本组的数据，或使用以前所记录的数据，通常每组样本量n=4-5个，这样保证控制过程的检出率为84％～90％；
5）计算各组样本的统计量（均值、标准差，极差等）；
6）计算中心线和控制限；
7）绘制控制图（画坐标轴，画中心线和上下控制限，根据样本值打点，记入相关事项）；8）分析样本点的排列形状，判断过程是否受控，
控制用控制图作图步骤
当分析用控制图中点子均在控制限之内或排列无缺陷时，能表明生产过程稳定、无系统因素影响生产过程，尚不能说明不合格率小于允许值。因此，在分析用控制图基础上需要绘制控制用控制图。相关步骤如下：
1）消除系统因素。依据分析用控制图提供的信息判断生产过程是否稳定，即是否有系统因素在起作用。如果存在系统因素，应设法消除。
2）重新计算控制限。剔除分析用控制图中无代表性的数据（如落在界限外点子的数据）后，重新计算中心线和控制限。
3）确认分布范围位于公差界限之内。只有当生产过
程稳定且产品质量特性值分布范围位于公差界限之内时，才能保证不出现大量不合格品。因此应该利用分析用控制图的数据绘制直方图，并与公差界限比较，或直接计算工序能力指标，进而采取相应措施。4）控制用控制图的使用。在确认和平过程稳定并具备足够的工序能力后，便可开始批量生产，并用控制图控制生产过程，即根据控制图类型抽取样本进行计算、绘图和分析。
四、SPC应用的好处和不足
SPC利用控制图，强调全过程监控、全系统参与，并且强调用科学方法（主要是统计技术）来保证全过程的预防。SPC不仅适用于质量控制，更可应用于一切管理过程（如产品设计、市场分析等）。正是它的这种全员参与管理质量的思想，实施SPC可以帮助企业在质量控制上真正作到“事前”预防和控制，SPC可以：
l 对过程作出可靠的评估；
l 确定过程的统计控制界限，判断过程是否失控和过程是否有能力；
l 为过程提供一个早期报警系统，及时监控过程的情况以防止废品的发生；
l 减少对常规检验的依赖性，定时的观察以及系统的测量方法替代了大量的检测和验证工作；
l 区分散布的正常原因和异常原因，作为采取局部措施和对系统采取措施的指南。有了以上的预防和控制，应用SPC还可以促进企业：
l 降低成本；
l 降低不良率，减少返工和浪费；
l 提高劳动生产率；
l 提供核心竞争力；
l 赢得广泛客户；
l 更好地理解和实施质量体系。
应用SPC对生产进行工序质量控制时，可能会出现两类错误。如图所示：
第I类错误：把处于统计控制状态下的生产工序误判为处于非统计控制状态，称为第I类错误。把犯第I类错误的概率称为第I类风险，记为α。
第II类错误：把处于非统计控制状态下的生产工序误叛为处于统计控制状态，称为第II类错误。把犯第II类错误的概率称为第II类风险，记作β。
一般情况下，要同时避免两类错误是不可能的。当样本大小一定时，α越小，则β越大，反之，α越大，则β越小。实践证明，3σ范围可使两类错误造成的总损失最小，较为经济合理。
五、SPC的最新发展经过近70年在全世界范围的实践，SPC理论已经发展得非常完善，其与计算机技术的结合日益紧密，其在企业内的应用范围、程度也已经非常广泛、深入。概括来讲，SPC的发展呈现如下特点：
1、分析功能强大，辅助决策作用明显。 在众多企业的实践基础上发展出繁多的统计方法和分析工具，应用这些方法和工具可根据不同目的、从不同角度对数据进行深入的研究与分析，在这一过程中SPC的辅助决策功能越来越得到强化。
2、体现全面质量管理思想。随着全面质量管理思想的普及，SPC在企业产品质量管理上的应用也逐渐从生产制造过程质量控制扩展到产品设计、辅助生产过程、售后服务及产品使用等各个环节的质量控制，强调全过程的预防与控制。
3、与计算机网络技术紧密结合。现代企业质量管理要求将企业内外更多的因素纳入考察监控范围、企业内部不同部门管理职能同时呈现出分工越来越细与合作越来越紧密两个特点，这都要求可快速处理不同来源的数据并做到最大程度的资源共享。适应这种需要，SPC与计算机技术尤其是网络技术的结合越来越紧密。
4、系统自动化程度不断加强。传统的SPC系统中，原始数据是手工抄录，然后人工计算、打点描图，或者采用人工输入计算机，然后再利用计算机进行统计分析。随着生产率的提高，在高速度、大规模、重复性生产的制造型企业里，SPC系统已更多采取利用数据采集设备自动进行数据采集，实时传输到质量控制中心进行分析的方式。
5、系统可扩展性和灵活性要求越来越高。企业外部和内部环境的发展变化速度呈现出加速度的趋势，成功运用的系统不仅要适合现时的需要，更要符合未来发展的要求，在系统平台的多样性、软件技术的先进性、功能适应性和灵活性以及系统开放性等方面提出越来越高的要求。
（向本文所参考资料的作者表示感谢！）
（作者：王振华 青岛华安盛道管理咨询有限公司 咨询顾问 cko@aswiser.com)
上一页 [1] [2]
涂装工程施工过程质量控制
1.2.1、砼基层检查
⑴、检查混凝土基层，必须坚固、密实，
⑵、检查基层含水率，采用薄膜覆盖法检查合格。如局部有渗漏现象，应查明原因，及时处理，保证基层干燥。或者用含水率测定仪检测，含水率应小于6%。
⑶、检查混凝土碳化深度和砼基层表面pH值,PH值应小于10。
1.2.2、基层处理
⑴、用砂轮片或钢丝刷打磨表面，除去表面的残浆、浮灰、水泥渣、模板痕迹、脱模剂等，最后用压缩空气或吸尘器清理干净。
⑵、局部受油污污染的表面，可使用溶剂、洗涤剂清洗，但不能损坏基层。
⑶、用碗型金刚磨片将模板接头，错台等打磨平顺（包括已剔凿的接头），无突出棱角；全部砼表面用2m直尺检查，空隙大于2mm的凸出位置应打磨平整。
⑷、基层疏松部位要敲掉，人工剔凿砼缝中的杂物。
⑸、用金刚切割片将预埋件、钢筋头周边的混凝土切除深度2-3cm，并将露出预埋件、钢筋头切掉，使其低于砼表面2cm。用打磨的方法将预埋件表面除锈打磨达到GB8923 St3级，刷涂两道防锈底漆，再用一半环氧腻子抹平。
1.2.3、涂装封闭漆
⑴、若连续几天阴雨，涂装前再用混凝土湿度仪法测定基层含水量水率，合格后方可涂装，
⑵、涂装环境条件及涂料配制按涂料产品说明书要求进行。
⑶、封闭漆涂装注意裂缝、蜂窝、麻面、孔洞、砂眼、凹坑处不要漏涂。
1.2.4、补腻子
⑴、补刮腻子在封闭漆完工8小时后施工。
⑵、用腻子将凿开的钢筋头、预埋件、露筋处、裂缝V型槽剔除杂物后留下的凹坑填平。
⑶、用腻子将蜂窝、麻面、孔洞、砂眼填平。用于填平的腻子一次不能太厚，应分2-3次填平，每次间隔大于4小时。t
⑷、将模板接头较低的一边用腻子刮平。
⑸、在腻子施工8小时后，尽快用打磨机和砂布打磨平整。
1.2.5、涂装中间漆
⑴、涂装中间漆在腻子打磨后进行。
⑵、中间漆涂装后，用肉眼能较容易地发现砼表面的缺陷。对而要打磨的部位进行打磨并对低凹部位补刮腻子后打磨，再补涂中间漆。该工作应尽量在第一道中间漆后进行。
1.2.6、面漆涂装
聚氨酯面漆对湿度较为敏感，应在规定温度和湿度条件下施工。
1.2.7、补涂
对需要补涂的位置，应按原涂层要求顺序进行补涂.
1 范围
本标准规定了酸站车间空调岗位及工艺生产过程流程；过程控制方法；检验方式；检验部门；记录名称；主要设备。 本标准适用于酸站车间空调岗位及工艺岗位过程质量控制。 2 过程质量控制计划
符号:一般过程○ 关键过程:△ 辅助过程:□
1
符号:一般过程○ 关键过程:△ 第一文库网 辅助过程:□
2
符号:一般过程○ 关键过程:△ 辅助过程:□
3
符号:一般过程○ 关键过程:△ 辅助过程:□
4
符号:一般过程○ 关键过程:△ 辅助过程:□
5
符号:一般过程○ 关键过程:△ 辅助过程:□
6
符号:一般过程○ 关键过程:△ 辅助过程:□
附加说明：
本标准由综合处归口；
本标准由生产技术处归口；
本标准由酸站车间起草并负责解释。
7
飞机制造中新型质量控制模式-关键特性统计过程控制
分析了飞机制造中的.关键特性统计过程控制法,针对我国飞机制造中的主要难点提出了关键特性的新概念及其确定方法.这是飞机制造中的一个切实可行的方法,对提高我国飞机制造的生产率和质量具有重要的现实意义.
作 者：刘志存 范玉青 Liu Zhicun Fan Yuqing 作者单位：北京航空航天大学机械工程及自动化学院 刊 名：航空制造技术 ISTIC英文刊名：AERONAUTICAL MANUFACTURING TECHNOLOGY 年，卷(期)： “”(11) 分类号：V2 关键词：飞机制造 关键特性 统计过程控制面向质量的飞机制造过程BOM模型
飞机的质量保障能力与质量要求的矛盾日益突出,在其研制过程中迫切需要能够满足飞机产品质量信息传递的数字保障模型.本文依据质量的形成过程,以飞机的设计、工艺、制造步骤为主线,分析EBOM、PBOM到MBOM的.转换过程,提出面向质量的飞机产品制造过程BOM模型.
作 者：胡剑波 梁工谦 程培培 Hu Jianbo Liang Gongqian Cheng Peipei 作者单位：西北工业大学管理学院 刊 名：航空制造技术 ISTIC英文刊名：AERONAUTICAL MANUFACTURING TECHNOLOGY 年，卷(期)： “”(24) 分类号：V2 关键词：飞机 BOM 质量94.质量控制对策、过程及方法自测题
一、单项选择题
1．施工项目的质量控制的过程是以( )为重点。 来源：
a．工序质量 b．分项工程质量
c．分部工程质量 d．单位工程质量
二、多项选择题
1．质量控制的对策主要有( )。
a．以投人品质量确保工程质量
b．全面控制施工过程，重点控制投入品质量
c．严把分项工程质量检验评定关
d．贯彻“预防为主”的方针
e．严防系统性因素的质量变异
2．质量控制的方法主要是( )。 来源：
a．审核有关技术文件和报告 b．直接进行现场质量检验
c．进行必要的试验 d．严格控制投入品的质量
e．全面控制施工过程
3．现场质量检查的方法有( )。来源：
a．定位法 b．实测法
c．试验法 d．回弹法
考点94自测题答案：
一、单项选择题：a
二、多项选择题：1．cde 2．abc 3．bce
e．目测法
水质样品检测过程质量控制
介绍了水质样品检测过程质量控制的`作业技术和活动:样品类型或基体组成信息的采集;分析方法、预处理方法的选用及测量方式的确定;实施各种质量检验技术对检测过程的监视;不合格质量指标的原因分析及纠错.
作 者：李跃奇 王怀柏 张永平 作者单位：黄河水利委员会水文局,郑州,450004 刊 名：水利技术监督 英文刊名：TECHNICAL SUPERVISION IN WATER RESOURCES 年，卷(期)：2009 17(6) 分类号：X502 关键词：质量控制 检验 纠错 精密性 准确性 分析方法 预处理方法 测量方式★ 质量控制方案
★ 采样质量控制总结
★ 质量控制主管职责
★ 质量控制制度范文
