第一节　产品质量波动与统计数据

一、质量波动及其原因

在质量控制中，产品实际达到的质量特性值与规定的质量特性值之间发生的变异称为质量变异或质量波动。例如，在服装生产中采用同样的工艺方法，用同样的设备加工同一批材料所得到的产品的质量特性并不完全相同，这种情况就是生产过程中的变异导致的质量波动。变异在任何生产过程中都是存在的，通常情况下，变异较小的生产过程生产出来的产品质量的波动性小，产品质量比较稳定；反之，变异大的生产过程生产出来的产品质量波动性也就较大。

1.质量变异和波动原因

产品质量波动主要有六个方面的原因：

（1）人（Man）：人之间有质量意识、技术水平、熟练程度、正确操作与身体素质的差别。

（2）机械设备（Machine）：服装加工机器，如裁剪机、缝纫机、蒸烫机以及各种服装加工用辅助器具等，其精度和维护保养状态不同。

（3）材料（Material）：面、辅料的物理性能、配伍性、加工的难易等不同。

（4）加工方法（Method）：生产工艺、质量标准、检验标准、工时定额、操作规程以及工艺装备选择有差别。

（5）测量（Measurement）：测量方法有差别。

（6）环境（Environment）：温度、湿度、照明、噪声、清洁条件有差别。

通常把以上六个因素称为造成产品质量变异的六大因素，简称“5M1E”因素。

2.质量变异规律

既然质量变异是客观存在的，就应该尽量减少生产过程中的变异，使其控制在限制范围内。质量变异可分为正常变异和异常变异两大类。

（1）正常变异：又称随机性变异，由偶然原因引起，会使产品的质量特征值发生微小的变化，这种变化是无法避免的。造成这种变异的原因可能是材料之间的微小差异、测量设备误差、环节的微小变化等，这种波动是可预测但不可消除的。

（2）异常变异：又称为系统性变异，是由于生产过程出现异常引起的，通常会使产品质量发生周期性或规律性的变化。造成异常波动的原因可能是工人违反操作规程、面辅料规格变化、设备过度磨损等。这种变异对产品的质量影响较大，容易克服和消除，因此必须予以消除。这是质量控制的主要对象。

二、数据的分类

在质量管理的过程中经常要碰到和处理各种类型的数据。通过收集数据来发现影响产品质量的因素，便于分析原因，采取措施，从而能改善生产管理，保证和提高产品质量。这些数据中，有的是可以直接测量出来的，如衬衫的衣长、熨烫的温度等；有的可以直接数出来，如服装生产中次品的件数等；有的既不能测量也不能直接数出来，但可以通过评分的办法来评价，如服装的外观质量、颜色等。质量管理中的这些数据按其性质和使用目的不同可以分成两大类，即计量值数据和计数值数据。

1.计量值数据

是指可以用仪器测量、可连续性取值的数据，如服装的长度、车缝时间、熨烫温度等。如对于长度，在10～20cm，就可以连续测出10.1cm和10.2cm等值。

2.计数值数据

是指不能连续取值，只能用自然数表示的数据，这些数据一般不用测量仪就可“数”出来，具有离散性，如不合格数、服装件数等。计数数据还可分为计件值数据和计点值数据。

（1）计件值数据：是按产品个数计数的数据，如不合格品数等。

（2）计点值数据：是按点计数的数据，如是否满足顾客要求；检验服装面料时根据疵点长度或面积的大小，分别计4分、3分、2分等。这类缺陷数据就是计点值数据。

三、数据的收集

1.收集数据的目的

（1）掌握和了解生产现状，如调查服装生产零部件质量特征的波动，推断生产状态；

（2）分析质量问题，找出产生问题的原因，以便找到问题的症结所在；

（3）对生产工序进行分析、调查，判断其是否稳定，以便采取措施；

（4）调整、调节生产，如测量服装熨烫的温度、压力等，然后使之达到规定的标准状态；

（5）对一批产品的质量进行评价和验收。

2.收集数据的方法

运用现代管理的方法开展服装品质管理，需要认真收集数据。在收集数据时，应当如实记录，根据不同的数据，选用合适的收集方法。在服装品质管理中，主要通过“抽样法”或“试验法”获得数据。

（1）抽样法：收集数据一般采用的是抽样法，即先从一批产品（总本）中抽取一定数量的样品，然后经过测量或判断，作出品质检验结果的数据记录。

收集的数据应能客观地反映被调查对象的真实情况。因此，对抽样总的要求是随机抽取，不挑不拣，使一批产品里每一件产品都有相等的机会被抽到。具体的抽样方案可见本章第五节。

（2）试验法：这是用设计的试验方案分析试验结果的一种科学方法。这种方法能在考察范围内以最少的试验次数和最合理的试验条件，取得最佳的试验结果，并根据试验所获得的数据，对产品或某一质量指标进行估计。