캬웕톶 第10卷第6期 工业工程2∞7年11月November 2创】7Industrial Engineering Joumal 基于质量损失函数的过程诊断周期的确定徐兰1，韩之俊2(1.江苏科技大学经济管理学院，江苏镇江21却03;2.南京理工大学经济管理学院，江苏南京21α)94)摘要:质量损失函数是田口式质量工程学的基本工具，通过确定生产过程的必要参数，建立质量损失函数，以函数中的两项(管理成本和质量损失)达到平衡为原则，确定了过程的最佳诊断周期，并通过工厂的实例显示了该方法的经济性与优越性。关键词:管理成本:质量损失;诊断周期中图分类号:文献标识码:A文章编号:1007-7375(2∞7)06-0138-03Optimizatioo of Process Diagnosis Interval ased 00 Quality Loss Functioo 1 2 XU Lan, HAN Zhi-jun(1. School of Economics and Management,Jiangsu University of Science and Technology ,Zhenjiang 212003 ,China; 2. School of Economics and Management, Nanjing University of Science and Technology, Nanjing 21∞94， China) Abs仕act:Quality loss function is a fundamental tool of Taguchi quality engineering. ased on quality loss function, this paper tries to get a balance the management cost and the quality loss, and to infer the optimized diagnosis interval of processes whose output value can’ t be measured. Finally, an example in a factory shows its advantage in economic benefits. Key words: management cost; quality loss; diagnosis interval 过程质量特性的反馈控制、过程条件的反馈控1 生产时的质量管理系统及其成本制最佳系统的设计问题是因口在线质量工程学的一个重要内容[1)。其基本思想是，以损失函数为工具，为了建立损失函数，先定义参数如下[列。谋求管理成本和产品质量的最佳平衡，从而使总损A:过程发生异常时，生产每一单位不合格品时失(管理成本+质量损失)为最小，来进行过程反馈的损失。控制系统的设计。B:生产过程每一次的诊断费用。有的过程，其输出特性无法计量，只能判断为合C:生产过程每一次的调整费用，即已知过程异格或不合格，如电焊是否良好等;另外，还有不少场常时，停止生产进行调节至过程恢复正常状态期间合，产品有多个质量特性，其中任一个不合格都将导造成的损失，该损失等于停工的损失和调整费之和，致产品不合格，这时不需要对所有质量特性进行管在某些场合，还包括筛选费用。理，只须通过产品的状态来判断工序是否异常，并加C = C’ x t + C"。以管理。每隔n个单位产品检查一次产品，对过程其中，C'为该过程在单位时间里的停工损失;t为故状态进行诊断。如通过诊断判定过程状态正常，就障时的平均停工时间;C"为直接调整费用，更换工维持原状继续生产;如果通过诊断判定过程状态异具、调度变更等的人工费或工具费。常，就应考虑使过程恢复到原先的正常状态后再继再:平均故障间隔，求法为续生产。二-某一期间的更量~ -该其间的故障次数。本文从质量损失函数[州出发，确定了最佳诊断间隔n，并通过实例说明了这一方法的经济可行'性。白开始生产起，故障次数为0时，证=2 x (该期收稿日期:2仪>6-09-13作者简介:徐兰(1982-)，女，江苏省人，硕士研究生，主要研究方向为质量管理.
캬웕톶 第6期徐兰，韩之俊:基于质量损失函数的过程诊断周期的确定139 间的产量)。N:该产品批量=200件。1: 为时滞，即检查产品，且诊断出过程不正常将以上参数代人公式，得最佳检验间隔及增益时，因为该过程还在生产，把过程停下来或进行调整为期间制造出来的产品个数为l。豆豆土旦BD凹注= -+1(件); n = 有了以上参数，当用间隔π进行过程诊断时，可C 115 -三2A-u 10 以建立损失函数L B Cn+lA M L = (管理成本)+ (质量损失)= = 一一+一-+一一工一-x一一+一一= n u L. u U (BY1+(n+lA lA +- 一一一一-x -+-1 3. 3 300 1 + 1 115 2 x 115 n u) l 2 u u) x丁+lü+-2-lü+1o其中，旦表示每一单位的诊断费用;4表示平均故障3. 3 + 30 + 11. 5 + 23 = n u + = (元); n + 1 间隔内过程的调整费用;一一×丁表示平均故障间2 u LnB cno+lA M n -ττ-+ -+一一气7一一x-+一=lVU L. U U O 隔内，由于出现不合格品而造成的损失;4表示时滞u 3. 3 300 12 + 1 115 2 x 115 一-一~二、，一-一←-12 10 2 10 10 造成的损失。 + 30 + 74. 75 + 23 = 2 最佳诊断间隔的确定30. 275 + 97. 75 = 128. 025 (元)。过程诊断与调整的3个要素(过程[2J、诊断、调每件增益为 = Lo -L = = 60..225 (元), 整)是生产过程在线质量管理系统中所必须的要素，而将这3个要素结合起来的是诊断间隔π。最佳诊断间所以该批产品可增益隔可用使质量损失函数中前两项(管理成本)和后两总=60. 225 x 200 = 12 045 (元)。项(质量损失)的值大致相等的诊断间隔π来确定:从以上的计算数据看到，基于质量损失函数确定了生产过程的最佳诊断周期后，带来了可观的经(磊+l)B n = C。济增益，因此这是完全可行的合理方法。最佳诊断A -一u 间隔从原来的12件调整为1件，虽然管理成本增加限于篇幅，这里就不赘述具体推导过程，可参见[5J。了，但是质量损失减少了，并且总损失也减少了。只有谋求管理成本和质量损失两者之间的平衡，才可3 实例以使总损失达到最小。因此，作为生产者，不能仅立某光学仪器厂某生产过程产品的首件检验需足于自己，首先应该为顾客创造价值(使质量损失减40 min，半天(以4h计)内巡检一次，每20min生产少)，这样才能为自己创造价值(减少总损失)[6-7J。一件产品，不合格率为P= 10%，一件不合格产品造4 结语成损失为115元，该生产过程的调整费用为300元/次，检验(诊断)费用平均为5元/h，批量为200本文主要目的在于当过程输出质量特性无法计件，现在试着确定最佳诊断间隔，并计算引进此方式量时，确定其最佳诊断周期。为此，笔者引人回口在带来的增益。线质量工程学(On-lineQuality Engineering) ，建立了根据已有信息，得到以下参数值。质量损失函数，在谋求管理成本与产品质量最佳平A:生产不合格品时的损失=115元;衡的条件下，确定了最佳诊断周期，实例表明该方法B:检验费用=5 x彗=元;实施方便，且可以使总损失达到最小，最终将为工厂60 带来可观的经济增益，值得在工厂实施和推广。C:调整费用=300元;现阶段的主流趋势还是利用SPC技术进行现代1: 时滞=2件;6σ法的应用，其在生产过程的质量管理中能够起到100 L平均故障间隔=~1~O = 10件警示和预防作用。SPC技术与本文所引人的方法存在互补关系[ι10J。基于质量损失函数确定最佳诊断60 no:现行检验间隔=一x4 = 12件20 周期进行过程控制优势明显，可以给企业带来可观
캬웕톶 工业工程第10卷140 [5J回口玄一.制造阶段的质量工程学[MJ.北京:兵器工经济增益，但是在企业现场应用中将可能遇到相关业出版社，1992. 费用与数据准确获取的困难，SPC技术则可以弥补[6J韩俊仙.回口方法在产品开发过程中的力量[JJ.中国质这方面的不足。量，2∞3(9):33-35. 参考文献:[7J汪邦军，王欣.质量成本方程与经济分析[JJ.航空标准[ 1 J Taguchi, Elsayed, Hsiang. On-line quallity control for pro›化与质量，2∞6(3): 12-16. ductive systems[ MJ. McGrow: Hill Book Company, 1988. [8J郭继军，尹文生.统计过程控制在产品质量管理中的应[2J韩之俊.质量工程学[MJ.北京:北京理工大学出版社，用[JJ.电子元器件应用，2∞5，7(1) :50-52. 1991. [9J张黎.SPC、EPC与回口方法的比较及整合[JJ.制造业[3J朱立锋，薛跃，韩之俊.基于质量损失函数的仪器最佳校自动化，2∞5，27(8) :28-32. 准周期的确定[JJ.电子工程师，2∞5，31(8):15-17. [ IOJ包凤达，曾艺生.工序质量管理方法的优化[JJ.上海管[4J韩之俊，靳京民测量质量工程学[MJ.北京:中国计量理科学，2∞5(5):4446. . 出版社，2α)().(上接第130页)[9 J Jeong 1 J ,Kim K J. Interactive desirability function approach 2∞1，33 (4) :451465. to multi-response surface optimization [J J . Inten国ionalJour›[ 12 J Quesada G M, Castillo E D, Peterson J J. A Bayesian ap›proach for multiple response surface optimization in the pr回·nal of Reliability, Quality and Safety Engineering, 2∞3，10 四四ofnoise variables [ J J. J. Applied Statistics, 2∞4，31 (2) :205-217. (3) :251-270. [ 10 J Antony J. Multi-response optimization in industrial experi›[13 J Quesada G M, Castillo E D. A dual-response approach to ments using Taguchi’ s quality function and principal com›the multivariate robust p缸ameterdesign problem [J J. Techn›ponent analysis [ l’J . Quality and reliability engineering in›ometrics，2∞4，46(2) :176-187. ternational ，2α泊，16(1):3-8. [14 J Quesada G M, Castillo E D. Two approaches for improving [11 J Chiao C 日，HamadaM. Analyzing experiments with corre›the dual response method in robust parameter design [ J J . lated multiple response[JJ. Journal of Quality Technology, Journal of Quality Technology ，2∞4，36(2) :154-168. (上接第137页)[2JJones L A, W∞dall W H.币leperformance of bootstrap con›Statistics ，2∞5，32(1) :25-36. trol charts[JJ. Journal of Quality Technology, 1998 ,30( 4) : [7JBai D S,Choi 1 S. X and R∞ntrol charts for skewed popula›362-375. tions[JJ. Journal of Quality Technology, 1995 ,27(2) :120-[3 J F Choobineh, Ballard J L. Control-limits of QC charts for 131. skewed distribution using weighted-variance [ J J . IEEE [8 J Chou Chao-yu, Chen Chung-ho, Liu Hui-rong. Economic-sta›Transactions on Reliability, 1987 (36) :473477. tistical design of X charts for non-normal data by considering [ 4 J Yourstone S A, Zimmer W J. Nonnormality and the design of 甲lalityloss [J J. Journal of Applied Statistics, 2α泊，27(8): control charts for average [ J J. Decision Sciences, 1992,23 939-951. (5) : 1佣9-1113.[9J Buπ，1 W. Cumulative frequency distribution [ J J. Annals of [5 J Saniga E M. Economic statistical control chart designs with Mathematical Statistics, 1942(13) :215-232. an application to X and R charts [ J J. Technometrics, 1989 , [ 10 J Wu Z, Shamsuzzaman M, Pan E S. Optimization design of 31(3) :313-320. control charts based on Taguchi’s loss function and random [6 J Chou Chao-yu, Chen Chung-ho, Liu Hui-rong. Acceptance process shifts [ J J. INT J PROD RES, 2∞4，42 ( 2) : 379-control charts for non-normal data [ J J. Journal of Applied 390.
