SPC foundry

1. 铸件后处理 (post treatment of casting) [ 铸件 ] 对清理后的铸件进行热处理﹑整形﹑防锈处理和粗加工的过程。铸件后处理是铸造生产的最后一道工序。

2. 铸件清理 (cleaning of casting) [ 铸件 ] 将铸件从铸型中取出﹐清除掉本体以外的多余部分﹐并打磨精整铸件内外表面的过程。主要工作有清除型芯和芯铁。

3. 铸造有色合金 (cast non ferrous alloy) [ 铸造合金 ] 用以浇注铸件的有色合金(见有色金属)﹐是铸造合金中的一类。主要有铸造铜合金﹑铸造铝合金﹑铸造镁合金等。

4. 浇注系统 (gating system) [ 铸型 ] 为将液态金属引入铸型型腔而在铸型内开设的信道。包括﹕浇口杯，直浇道，横浇道，内浇道。

5. 模样 (pattern) [ 铸型 ] 仿真铸件形状形成铸型型腔的工艺装备或易耗件。为保证形成符合要求的型腔﹐模样应具有足够的强度﹑刚度。

6. 冒口 (riser) [ 铸型 ] 为避免铸件出现缺陷而附加在铸件上方或侧面的补充部分。在铸型中﹐冒口的型腔是存贮液态金属的容器。

7. 芯盒 (core box) [ 铸型 ] 将芯砂制成型芯的工艺装备。可由木材﹑塑料﹑金属或其它材料制成。

8. 芯砂 (core sand) [ 造型材料 ] 铸造生产中用于制造型芯的材料﹐一般由铸造砂﹑型砂黏结剂和辅加物等造型材料按一定的比例混合而成

9. 型砂 (molding sand) [ 造型材料 ] 在砂型铸造中用来造型的材料。型砂一般由铸造砂﹑型砂黏结剂和辅加物等造型材料按一定的比例混合而成。

10. 型砂粘结剂 (molding sand binder) [ 造型材料 ] 将松散的铸造砂粘结在一起使之成为型砂或芯砂的造型材料。

11. 再生砂 (reclaimed sand) [ 造型材料 ] 铸造生产中经过处理基本上恢复了使用性能可以回用的旧砂。

12. 铸造砂 (foundry sand) [ 造型材料 ] 铸造生产中用来配制型砂和芯砂的一种造型材料。

13. 混砂机 (sand mixer) [ 铸造设备 ] 用于混制型砂或芯砂的铸造设备。混砂机一般具有下列功能﹕将旧砂﹑新砂﹑型砂黏结剂和辅料混合均匀。

14. 落砂机 (shakeout machine) [ 铸造设备 ] 利用振动和冲击(见机械振动)使铸型中的型砂和铸件分离的铸造设备。落砂机的振动源分为机械﹑电磁和气动。

15. 拋丸机 (shot blasting machine) [ 铸造设备 ] 利用拋丸器拋出的高速弹丸清理或强化铸件表面的铸造设备。拋丸机能同时对铸件进行落砂﹑除芯和清理。

16. 造芯机 (core making machine) [ 铸造设备 ] 用于制造型芯的铸造设备。根据制芯时实砂方法的不同﹐造芯机可分为震击式制芯机﹑挤芯机和射芯机等。

17. 造型机 (molding machine) [ 铸造设备 ] 用于制造砂型的铸造设备。它的主要功能是﹕填砂﹐将松散的型砂填入砂箱中﹔紧实型砂。

铸造生产的统计过程控制

摘要：本文讨论统计过程控制和数据收集带来的好处，它们能够提高各种铸件的质量和降低成本。许多人错误地认为SPC实施困难，既费时、费力和费钱又回报得益不多。实际情况并非如此，SPC和数据收集的实施很容易，而且回报远远超过投资。本文将提供经验判断对质量的影响，并与采用统计方法作比较。本文将回顾SPC的历史和基本原理，数据收集的必要性，以及如何确定最适合每个工序运作的方法。本文还探索可用的简单有效的实施方法，以及提高数据收集过程自动化和效率的基本途径。

关键词：SPC，过程控制，质量，数据收集，铸造生产

1 前言

面对今天竞争激烈的市场，质量既是确定的又是有差异的。说它是确定的，因为任何人不能为客户提供质量好的产品将很快从业界消失。但是，质量同样能够让你从竞争对手区分开。结构良好和实施质量管理系统可降低返修量和废品，达到节约成本和得到更低报价。对铸造企业来说，这就需要重新考虑现行的质量和实现质量的最佳方法。

2 旧的质量控制方法与新的质量控制方法

2.1旧的质量控制方法

对许多铸造企业来说，质量可简单地用以下方式表示（以熔化为例）:

1）按工序制造过程产品（配料、熔化铁水）；

2）检查产品缺陷（化验）；

3）需要时返工（一次成分不合格，调整）；

4）检验返工产品（重复化验）；

5）进入下一工序（浇注）；

6） 回到第一步，重复操作第1到第5步。

这种方式可认为是质量控制的“检验法”。对于利用这种最基本的质量控制系统的企业来说，它们以昂贵的费用：“检验”产品质量，但无助于改正引起产品缺陷的根本原因。我们经常做的事情，就是采用收集基本缺陷数据的方式，这是一种主要将缺陷的产生推回到操作人员的做法。这种错误概念来自认为操作人员通常是产生质量问题的起因。它不能找到产生缺陷的真正原因，而只在缺陷已经产生之后才检验出质量不好的产品，即事后把关。

这种方式同样非常依赖于本身就缺少一致性和准确性的经验判断。经验判断经常会让漏检的缺陷进入下一道工序，如果在组芯中或下芯时发现砂芯缺陷，则返工成本更可观，此时组合砂芯可能要额外的拆卸更换有缺陷的砂芯。更糟糕的是不合格的铸件产品可能引起汽车零部件使用寿命缩短，并失去良好的客户信誉。无论在哪里检验出缺陷，返修和报废的材料都增加了产品的生产成本。

2.2 新的质量控制方法

更好的方法是采用统计过程控制（SPC）法实时监控在铸造生产过程中最容易产生铸件缺陷的关键工序。这里含有用于预防代替检验的概念，并且减少对经验判断的依赖。经验仍然在总体质量方法中起作用，有助于在FEMA分析中由现有过程导致的一贯性缺陷。这使得过程控制首先注意到最能够实施“防犯于未然”的区域，最终检验员不再是查找缺陷的“警察”，而变为帮助工作人员防止缺陷发生的同事。

这种方法同样考虑到生产过程的各个方面，包括人、机、料、法和环境，并且清楚地认识到人只是过程中众多资源之一。这个方法把防止不良质量放在首位，以便减少废品和浪费，最终达到生产率和收益的增加。

3 工业与质量历史回顾

19世纪初期，美国工业正在寻找提高生产率的方法来降低成本和增加收益，但没有想到质量对这种关系的冲击力。此时最广泛采用的是1911年泰勒（Fredrick Taylor）在他的著作《科学管理的原理》中提及的技巧。作为一名工业工程师和顾问，他以顾问身份服务于早期的工业家，如亨利•福特等人。他不断寻求提高机器和工人工作效率的方法，他使用的基本假定是大部分工人又笨又懒，金钱是他们主要的动力来源，因而在工人与管理之间应有严格的区分。他观察到工人会放慢他们的作业，害怕工作太有效而变成失业。他相信可以利用工人以金钱作为工作的动力来克服他们的惧怕和提高生产率。基于这种信念，他创立了“计件”工资制，对工人支付定量生产件数的基本工资，对超过定量的生产件数付给额外奖金。

现今还有一部分行业使用这种体制。工人被当作机器，他们很快变得疏远和不满足。产品的生产主要根据数据量而不是质量，管理采用“胡萝卜加大棒”的办法来降低成本和增加利润。

到19世纪20年代，得益于休哈特（Walter Schewart）博士的工作和努力，质量变成公司降低成本的整体计划的组成部分。他作为西方电气公司工程部的著名科学家，被誉为统计过程控制之父。在1924年他计划了一种抽样图表，“设计用来指示在给定类型的缺陷部件中观察到的变化百分比，这是很有意义的，亦即指出对产品是否满意”。他认为产生缺陷的原因可分为“偶然原因”（生产过程中固有的可预测的变化，现在经常称为“普遍原因”）和“异常原因”（由特殊的不可预测的原因或事件引起的变化，现在经常称为“特殊原因”）。据此应该着重研究和消除异常原因，以便改进质量，但不必浪费资源去解决对整个过程和生产质量影响不大的偶然原因。这种方法亦可用来确定某一工序的固有能力，此时“控制界限”可作为一个工序的合格率的控制线。 当贝尔实验室科学家将休哈特的概念付诸实施时，他的方法使几项废品降低了50％，和节省西方电气公司几百万美元的开销和材料。利用他的统计技术证明通过质量改进能够节约成本和增加利润，并且引起许多大型工业公司的注意。管理部门开始认识到人不能生产出工序所允许的更多的产品和更好的质量。在他1931年的著作《控制产品质量的经济检验》中全文述他的统计抽样方法的研究结果，并且这个结果仍然是现代统计过程控制的基础。

一位西方电气公司的同事戴明（Edware Deming）在参加美国作战部和后来在日本讲授质量基本原理时，将休哈特的成果加以扩展。戴明在他的“管理的14项职责”中将统计过程控制和质量论述为管理哲学，并把它作为一种工具使工人参与搞好机构的活动。他采用这种统计工具和管理哲学去鼓励工人负责在他们控制下的工序的质量。休哈特的实践和戴明的哲学相结合至今还在不断提高美国工业的质量和生产率。

4 SPC的基础——各种控制图

过程控制图可分为两大类别：用于测量变量的图表和用于测量属性的图表。根据监控的过程和收集数据的来源，它们的用途各不相同。

变量图的实例：监控型砂紧实率。两碾砂之间通常会出现紧实率的少量变化。比照控制允许值来跟踪这种变化可以确定工序是否在合格范围之内，或者在不合格紧实率的型砂出现能迅速指出那些需要检查或改正的，因“特殊原因”而产生的事件。

属性图的实例：在制芯操作中跟踪有缺陷的砂芯数目，计算在一个班次砂芯成品率。跟踪与控制范围有关的数据可以保证前面各工序的总体质量，或者在下一个缺陷砂芯产生之前指出需要检查和改正芯盒或制芯工艺参数设置。

变量控制图：

最常用的变量控制图表是X控制图和R控制图，它们经常一起使用。X控制图用来监控工序的位置或者工序的计量值，而R控制图用来监控工序的范围或者分布。在正常运用中，获取一个样本的多个读数，然后相加及求平均值后产生绘在图上的数据点。任何落在上控制限（UCL）或下控制限（LCL）之外的数据点表示由于特殊原因引起的不合格的工序变化，在进行下一步生产之前需要检查和改正。

除了数据点超出UCL或LCL表示有特殊原因之外，还有其他规律可指出在没有超出UCL或LCL时存在的特殊原因。这些规律的依据是变量的统计概率，并可以对很快失控的工艺过程作出预先提示。这样就能够在生产出有缺陷产品之前进行检查和改正。一些常用的实例包括：

●2个以上接近UCL或LCL的连接续点

● 6个增加或降低的连续点

●8个在中间值一边的连续点

● 14中间值两边交替出现的连续点

还有其他限制更多的规律，由控制图的特殊区域来决定，而且对于刚开始SPC计划的铸造厂来说还不需要这些规律。这些规律随工序的不同而有差别。应该记住，过多规律可能产生大量的“伪报警”，但规律太少又可能在生产过程中漏检有关的问题。