SPCPrimaryTraining

1、SPC Training培训的相关问题培训的相关问题充分利用休息时间!自我介绍自我介绍u你的姓名u你的工作职责u以前对SPC的了解u你想从这门课程中获得什么SPC 在整个工业生产中的角色在整个工业生产中的角色1、产品开发；2、确定每个产品生产中的关键点；3、确定控制计划；4、利用SPC进行过程控制；5、通过SPC监控过程的变化趋势；6、通过SPC识别特殊原因，并利用各种解决问题的工具加以消除，以便维持过程持续稳定的运行；7、通过SPC 识别过程普通原因的变化状况，以便确定过程什么时候应该进行机器及其技术的更新。8、利用SPC后，最终归结到一点：为解决问题提供信息，并可以最后利用一个工具6-Si

2、gma，进行对问题的解决，然后再利用SPC对改进的成果进行监控。FTEP 模块模块福特福特 技术培训技术培训 项目项目公差带设计公差带设计螺纹螺栓螺纹螺栓连接设计连接设计系统工程系统工程基本原理基本原理 统计工程统计工程产品可靠性产品可靠性 过程基本原理过程基本原理过程控制方法过程控制方法参数设计参数设计制造的可靠性制造的可靠性全球全球 8DFOASFMEA试验设计试验设计DV & PV应用顾客焦点应用顾客焦点统 计 过 程 控 制 Statistical Process Control S P C统统 计计 过过 程程 控控 制制 StatisticalStatistical Pro

3、cessProcess ControlControl S S P P C C引言引言 休哈特在20世纪20至30年代创建SPC理论，恰逢美国经济萧条， SPC理论无人问津，至二次大战，由于提高军火质量的要求， SPC理论才大显身手，战后遂风行全世界。其后，美国无竞争对手，产品横行天下，SPC逐渐废弃。 日本在二战后请美国统计学家W.E.戴明传授SPC理论，请朱兰讲授质量管理。至1980年日本已居世界质量与劳动生产率的领导地位。其中一个重要的原因就是SPC理论的应用。故从1980年起美国与西方发起一场SPC的复兴运动。 1984年日本名古屋工业大学调查了115家日本各行业的中小型工厂，结果发现平

4、均每家工厂采用137张控制图。而有些大公司应用的控制图就更多了，如美国柯达彩色胶卷公司有5000名职工，一共应用了35000张控制图。这是因为彩色胶卷的工艺很复杂，在胶卷的片基上需要分别涂上8层厚度为12m的药膜；此外，对于种类繁多的化工原料还要应用SPC控制。知识点知识点1、持续改进及统计过程控制 1.1、预防与最终检查； 1.2、过程控制系统； 1.3、变差：普通原因和特殊原因； 1.4、局部措施和系统措施； 1.5、过程控制和过程能力； 1.6、过程改进循环和过程控制； 1.7、控制图：过程控制和改进的工具。2、控制图 2.1、控制图类型和控制图要素； 2.2、控制图的制定过程； 2.3

5、、确定失控信息； 2.4、控制图公式；知识点知识点3、能力指标及其执行状况指标 3.1、理解变量数据的过程能力和执行状况； 3.2、过程术语定义、可预测的过程进行过程测量； 3.3、特性数据的能力指标； 3.4、其它知识。第一部分 持续改进和统计过程控制过程控制模式过程控制模式无反馈的过程无反馈的过程1、最终检测容忍浪费输入输入过程过程/系统系统输输出出人人设备设备材材料料方法方法测量测量环境环境工作方式/融合所有的资源合格？顾客是能返修？不能报废能返修隐藏工厂/浪费过程控制模式过程控制模式-有反馈的过程控制系统有反馈的过程控制系统2、预防避免浪费人人设备设备材材料料方法方法测量测量环境环境工

6、作方式工作方式/融合所有的资源融合所有的资源产品或是服务产品或是服务顾客顾客统计方法统计方法过程的声音过程的声音识别顾客不断改识别顾客不断改变的需求和期望变的需求和期望顾客的声音顾客的声音输入输入过程过程/系统系统输输出出Do it right the first time1、过程控制系统是一个有反馈的系统；2、SPC是反馈系统中的一种；3、反馈系统存在四个关键的要素： A、过程； B、过程运行状况的信息； C、对过程采取的措施； D、对输出采取的措施。过程控制模式过程控制模式-有反馈的过程控制系统有反馈的过程控制系统过程控制模式过程控制模式CAF现在过程控制的模式是什么？过程控制模式过程控制

7、模式人人设备设备材材料料方法方法测量测量环境环境过程声音过程声音顾客的声音顾客的声音统计方法统计方法工作方式工作方式/融合所有的资源融合所有的资源输入输入过程过程/系统系统输输出出顾客顾客识别顾客不断改识别顾客不断改变的需求和期望变的需求和期望合格？是能返修？不能报废能返修隐藏工厂/浪费3、预防和检测相结合CAF运作模式预防与检查的差异预防与检查的差异讨论预防为过程所带来的好处：1.成本上的差异；2.解决问题速度上的差异；3.效果上的差异。过程为什么需要控制？变差概念变差概念1、同一过程生产出来的产品或是特性不可能完全相同，因为过程中存在变差源（6大变差源），这种差异也许很大，也许很小。环境环

8、境人人方法方法变差变差材料材料测量测量机器机器变差概念变差概念2、过程中的变差可能引起短期的、件与件之间的差异；3、过程中也有变差可能对输出有长期的影响；4、这些变差可能逐渐发生，比如：工具或是机器的磨损； 这些变差可能跳跃性的发生，比如：操作程序上的改变； 这些变差可能不规则的发生，比如：环境的改变；5、总之，这些结果统计后会呈现某种分布，这些分布用三个指标来衡量： A、居中状况； B、散布状况； C、分布形状。变差概念变差概念6、针对零件的某个特性来说，变差的问题常被简化：特性在公差带内，零件被接受，特性在公差带外，零件被拒收；7、我们的最终目标是：向目标值靠近，变差越小越好；8、要减小变

9、差，首先就要区分下面两个概念： A、特殊原因； B、普通原因。变差根源：普通原因、特殊原因变差根源：普通原因、特殊原因样本间有差异随着样本量的增加，如果稳定的话，将会成为一种分布形态分布在以下三方面不同：均值位置方差大小分布形状如果仅存在普通原因，过程输出将形成随时间稳定的分布状况，并且是可预测的。如果存在特殊原因，过程输出随时间将不稳定，同时也不可预测。变差的概念变差的概念变差根源：普通原因、特殊原因变差根源：普通原因、特殊原因普通原因普通原因特殊原因特殊原因持续的作用于过程间隙性的作用于过程影响大（85%）影响小（15%）对总体的影响趋势可以预测对总体的影响趋势不可预测变差根源：特殊原因和

10、普通原因变差根源：特殊原因和普通原因特殊原因导致的结果都是有害的吗？针对两类不同变化源对应的措施相同吗？局部措施和系统措施局部措施和系统措施局部措施局部措施系统措施系统措施消除特殊原因减小普通原因引起的变差由流程负责人去执行需要管理层来参与执行只能解决15%的流程问题能解决85%的流程问题局部措施和系统措施局部措施和系统措施1、这两个措施同前面讲的两类原因一一对应；2、使用简单的SPC技术就能发现特殊原因产生的变化，同过程操作相关的人对解决特殊原因导致的变化负责，这些状况经常在早期的过程改进阶段出现；3、同时，使用SPC也能确定由普通原因导致的变化状况，但原因本身需要更多详细的分析才能确定清楚

11、。总之，同过程操作相关的人有责任识别它，并将它们传递给领导层，而管理层的责任是解决它。4、总之，过程操作者的职责就是：A、识别过程中的特殊原因和普通原因；B、负责解决特殊原因导致的变差；C、将普通原因导致的变差交由管理层解决。局部措施和系统措施局部措施和系统措施5、工业经验表示过程中的变差操作者仅能解决15%变差，85%需要管理层来解决；6、对两类原因混淆不清可能会付出昂贵代价，比如：本来应该采取系统措施（例如：要选择一家能提供稳定一致原材料的供应商）的结果却采取了局部措施（例如：调整设备），结果导致问题更加恶化；7、为减小普通原因导致的变差，管理层和过程操作者之间密切配合是必须的。过程控制和

12、过程能力过程控制和过程能力过程控制和过程能力过程控制样本时间失控（存在特殊原因）受控（消除特殊原因）过程能力样本时间受控但不能满足规范（普通原因引起的变差过大）受控并且能满足规范（普通原因引起的变差被减少）过程控制和过程能力过程控制和过程能力过程控制系统的目的是：消除特殊原因，对当前和将来的过程状况进 行预测。在过程控制当中，存在两种风险：1、控制过多；2、控制不足；当过程中仅存在普通原因时，过程统计受控；当过程存在特殊原因时，过程控制系统将会提供统计信号，那么就应该对特殊原因采取相应的行动（如果对过程有害，就去除掉，如果对过程有益，使他们长期保留）；过程控制系统不是一时的评价工具，它真正的好

13、处是应该作为一种持续学习的工具。过程控制和过程能力过程控制和过程能力针对过程能力有两个不同的概念：1、过程潜在能力（Process Capability);它是由普通原因的变化所引起的，通常代表过程本身最好的运行状况。不管公差带如何，当过程在统计受控的状况下运行时，才能表现出什么是过程潜在能力。 描述它的指标是：Cp, Cpk ;2、过程当前运行状况（Process Performance);而对于过程当前运行状况来说，这是内外顾客特别关心的指标，它是过程的整个输出与内外顾客的需求相比较的一个指标。 描述它的指标是：Pp, Ppk ;两个基本概念两个基本概念控制限公差带统计受控与公差带统计受控

14、与公差带受控受控不受控不受控可接受可接受P合格产品合格产品!始终能生产合格的产品。 可能没有能力始终生产出合格产品可能没有能力始终生产出合格产品!可能正在改进过程可能正在改进过程, ,或者相对公差带来说过程变差还算小或者相对公差带来说过程变差还算小不可接受不可接受随时都可能生产不合格产品。随时都可能生产不合格产品。 随时都可能生产不合格产品随时都可能生产不合格产品!满足要求满足要求控控 制制可能需要稳定可能需要稳定需要稳定需要稳定, , 减小变差，减小变差，和和/ /或者均值需要移动或者均值需要移动 需要减小变差需要减小变差, , 和和/ /或是均值需要移动或是均值需要移动O? P O O 过

15、程持续改进循环过程持续改进循环过程持续改进循环1、分析过程过程应该怎样运行；什么出了错；过程现在运行状况如何；获得统计控制状况；确定能力。2、维持过程监控过程运行状况；确定特殊原因并对他采取措施。3、改进过程改变过程以更好的理解普通原因的变化；减少普通原因引起的变化。过程改进循环过程改进循环1、分析过程。在考虑过程改进时，对过程有基本的了解是必须的：A、过程应该做什么？a 、期望从过程中的每一步中得到什么？b 、交付产品接受的可操作性定义是什么？B、什么可能出错？a 、在过程中什么可能变化？b 、我们对过程的变化了解什么？c 、什么参数对变化最敏感？C、过程正在做什么？a 、过程在产出报废件或

16、是需要返修的产品吗？b 、过程的输出统计受控吗？c 、过程有能力吗？d 、过程统计受控吗？过程改进循环过程改进循环要对过程有很好的了解，可采用下面的方法：1、团队会议；2、咨询开发流程和操作流程的人员；3、回顾过程的历史；4、制定FMEA。过程改进循环过程改进循环2、维持（或控制）过程。A、过程要维持在适当的能力状况上；B、过程需要监控，以确保过程发生异常状况时能及时采取措施；C、因为任何公司的资源都是有限的，所以许多过程可能都保持在这个阶段；D、但长期保持在这个阶段会导致公司在竞争中处于劣势；E、要保持为“一流的”公司需要在适当的时候进入下个循环。过程改进循环过程改进循环3、改进过程A、顾客

17、对工程规范内的变差开始敏感，以至要对过程进行改进；B、在这个阶段要利用高级的统计工具，比如：DOE等工具；C、总之，此阶段的目的一个，要减少有普通原因导致的变差。SPC 提供信息提供信息 G8D G8D这套方法特别适用于解决由某个问题（或者说是这套方法特别适用于解决由某个问题（或者说是特特殊原因殊原因）导致的改变。）导致的改变。 6-Sigma 6-Sigma 这套方法特别适用于从未发生过的情况的问题这套方法特别适用于从未发生过的情况的问题（或者说是（或者说是普通原因普通原因）引起的问题。）引起的问题。SPM 和和 SPCuSPC在6-Sigma之前uSPM （Statistical Proc

18、ess Monitoring） SPC工具通常的一个关注方向 它关注输出（output） 在输出失控以后的纠正措施uSPC在6-Sigma之后u相同的工具，重心不一样 焦点放在输入上u针对输入的纠正措施要在失控输出的之前变化源变化源KPOVsKPIVs过程控制过程控制过过 程程材材 料料方方 法法操操 作作 者者测测 量量机机 器器方方 针针程程 序序人人位位 置置环环 境境统计过程控制统计过程控制统计过程监控统计过程监控SPC 定义定义统计过程控制u是运用统计工具和方法提供反馈；u设定变化限；u提供什么时候要采取措施的信息。SPC 功能功能SPC 图 u由过程责任人来监视并控制过程；u需要过

19、程责任人 测量 描点并解释数据 采取措施u为过程提供一个历史记录。第二部分、控制图控制图的关键要素控制图的关键要素1、适当的比例 比例应该合理，以使过程本来的变化状况能清晰的反映出来；控制图的关键要素控制图的关键要素2、上、下控制限，中心线 上面三个指标都是根据过程采集到样本计算出来的1098765432100 5 10 15 20 上控制限上控制限下控制限下控制限均值均值观测序号观测序号观测值观测值控制图的关键要素控制图的关键要素3、子组顺序/时间序列 要维持数据收集的顺序，以提供“什么时候”发生一个特殊原因和特殊原因是否跟时间相关的信息控制图的关键要素控制图的关键要素4、识别失控的数值 在

20、控制图上统计失控的点应该被一一确认清楚，对于过程控制来说，特殊原因的识别和分析可能发生在采集样本点的时候，也可能发生在定期回顾控制图的变化趋势的时候。控制图的关键要素控制图的关键要素5、事件记录事件记录 除了收集数据、画控制图和分析数据之外，额外的信息收集也是非常重要的。这些信息应该包括：任何潜在的变化源、为解决失控状况而采取的任何措施。它们应该记录在控制图上，或是单独的事件记录表单中。 假如过程中子组间没有任何改变，就没有必要记录任何事件。控制图的关键要素控制图的关键要素5理解控制的意义理解控制的意义7.58.59.510.511.512.50102030上控制限上控制限下控制限下控制限均值

21、均值控制图的组成部分控制图的组成部分1098765432100 5 10 15 20 上控制限上控制限下控制限下控制限均值均值非任意变化区域非任意变化区域观测序号观测序号观测值观测值任意变化区域任意变化区域观测点观测点 10控制图的统计意义控制图的统计意义1098765432100 5 10 15 20 非任意变化区域非任意变化区域观测序号观测序号观测值观测值任意变化区域任意变化区域LCL- 3s sUCL+ 3s s均值均值99.73%确定过程控制限确定过程控制限控制限是u统计控制限均值 +/- 3 标准偏差u它是在过程受控时进行设定的 固定在基准值 过程改变了就要做调整 决不会变宽u控制限

22、同公差带不相关控制限不是公差带控制限不是公差带控制的定义控制的定义 受控是受控是u 过程变化的一个统计术语 在均值的3倍标准偏差之内； 它是任意的没有原因的； 它不呈现某种运行趋势； 它不呈现某种趋势。u 偶然原因变化导致。Western Electric Rules for Control Overviewu超出控制限之外的点u在中心线同一边有7个连续的点u7个连续点上升或下降u3个点中有2个同在A区或是之外u5个点中有4个同在B区或是之外u14个连续的点交互上下u14个连续的点任一C区2 s s4 s s6 s sACCBBALCLUCL为运行和趋势为运行和趋势分析确定的规则分析确定的规则

23、Nelson 测试特殊原因测试特殊原因2 s4 s6 sACCBBALCLUCL1.在控制限之外的任何点在控制限之外的任何点2.9 个连续的点在中心线的同一边个连续的点在中心线的同一边3.6 个连续的点连续上升或下降个连续的点连续上升或下降4.3个点中有个点中有2个都在个都在A区或之外区或之外5.5个点中有个点中有4个都在个都在B区或之外区或之外6.14 个连续的点交互上升和下降个连续的点交互上升和下降7.15 个连续的点在任一个个连续的点在任一个C区区8.8个点在个点在C区之外的成一行，并在区之外的成一行，并在中心线的同一边中心线的同一边Tests proposed by Lloyd Nel

24、son (1984) and used by MINITAB for run and trend analysis哪一个测试比较好哪一个测试比较好?Western Electric超出控制限之外的点超出控制限之外的点在中心线同一边有在中心线同一边有7个连续的点个连续的点7个连续点上升或下降个连续点上升或下降3个点中有个点中有2个同在个同在A区或是之外区或是之外5个点中有个点中有4个同在个同在B区或是之外区或是之外14个连续的点交互上下个连续的点交互上下14个连续的点任一个连续的点任一C区区Nelson在控制限之外的任何点在控制限之外的任何点9 个连续的点在中心线的同一边个连续的点在中心线的同一

25、边6 个连续的点连续上升或下降个连续的点连续上升或下降3个点中有个点中有2个都在个都在A区或之外区或之外5个点中有个点中有4个都在个都在B区或之外区或之外14 个连续的点交互上升和下降个连续的点交互上升和下降15 个连续的点在任一个个连续的点在任一个C区区8个点在个点在C区之外的成一行，区之外的成一行， 并在中心线的同一边并在中心线的同一边发错误警报的比率是关键的发错误警报的比率是关键的Nelson在控制限之外的任何点在控制限之外的任何点9 个连续的点在中心线的同一边个连续的点在中心线的同一边6 个连续的点连续上升或下降个连续的点连续上升或下降3个点中有个点中有2个都在个都在A区或之外区或之外

26、5个点中有个点中有4个都在个都在B区或之外区或之外14 个连续的点交互上升和下降个连续的点交互上升和下降15 个连续的点在任一个个连续的点在任一个C区区8个点在个点在C区之外的成一行，区之外的成一行， 并在中心线的同一边并在中心线的同一边错误警报率错误警报率.0027大约大约 .003大约大约 .003.00305.0043大约大约 .004大约大约 .003大约大约 .003Nelson的所有测试错误警报率基本相同。的所有测试错误警报率基本相同。 Western Electric 规则没有这个特性。规则没有这个特性。Nelson 测试测试 1规则规则 1: 超出控制限之外的任意点超出控制限之

27、外的任意点ABCCBANelson 测试测试 2规则规则 2: 9 个连续的点在中心线的同一边个连续的点在中心线的同一边ABCCBANelson 测试测试 3规则规则 3: 6 个连续的点连续上升或下降个连续的点连续上升或下降ABCCBANelson 测试测试 4规则规则 4: 3个点中有个点中有2个都在个都在A区或是之外区或是之外ABCCBANelson 测试测试 5规则规则 5: 5个点中有个点中有4个都在个都在B区或是之外区或是之外ABCCBANelson 测试测试 6规则规则 6: 14个连续的点交互上升和下降个连续的点交互上升和下降ABCCBANelson 测试测试 7规则规则 7:

28、 15个连续的点在任一个连续的点在任一C区区ABCCBANelson 测试测试 8规则规则 8: 8个点在个点在C区之外的成一行，并在中心线的同一边区之外的成一行，并在中心线的同一边ABCCBAMINITAB 中的中的 Nelson 测试测试StatControl ChartsXbar-R变量数据控制图控制图选择指南控制图选择指南变量数据变量数据Xbar-R 图图I-MR 图图Xbar-s 图图NControl ChartsXbar-R在在MINITAB中作中作 Xbar-R 图图 步骤步骤 4在在MINITAB中作中作 Xbar-R 图图 步骤步骤 5Xbar-R 课堂练习课堂练习使用文件S

29、PC Variable Class Exercises.xls中表单的 “Xbar Charts Data”1. 找到 Xbars, Xdbar 和 Rbar2. 确定可用的休哈特常数3. 计算 Xbar 和 R 的UCL 和 LCL4. 将数据拷贝进 MINITAB5. 堆栈数据6. 验证你的计算结果 7. 确定过程是否受控I-MR: 单值单值, 移动极差图移动极差图I-MR 图规则图规则I-MR 图是针对相同数据的两个单独的图形uI 图是单值图uMR 图是移动极差图uI-MR 图对趋势，循环和模式是敏感的u当子组变差为零或没有子组存在时使用它 破坏性测试 成批处理I-MR 和和 单值图单值

30、图Pull Test2.382.062.461.962.222.442.162.131.972.292.071.972.092.162.572.832.042.132.552.39每隔一个小时，质量部就会测一次钣每隔一个小时，质量部就会测一次钣金的焊接强度。金的焊接强度。 过程受控吗过程受控吗?由于数据是单值，因此将要使用由于数据是单值，因此将要使用I-MR图图 。这是破坏性测试的一个例子这是破坏性测试的一个例子 。画画 I-MR 图图Pull TestMR (2)12.3822.060.3232.460.4041.960.5052.220.2662.440.2272.160.2882.130

31、.0391.970.16102.290.32112.070.22121.970.10132.090.12142.160.07152.570.41162.830.26172.040.79182.130.09192.550.42202.390.16Ave2.2440.270Note: calculated for a moving range of 2E2, D3 和和 D4 是休哈特控制常数是休哈特控制常数确定确定 I-MR UCL 和和 LCL 22XXUCLXE RLCLXE RRDLCLRDUCLMRMR34nD4D3A2E223.270.001.882.6632.570.001.021.

32、7742.280.000.731.4652.110.000.581.2962.000.000.481.1871.920.080.421.1181.860.140.371.0591.820.180.341.01n is the data or moving range subgroup sizeShewhart Control Chart Constants222.244*0.2702.962.244*0.2701.522.662.66XXUCLXE RLCLXE R被计算的值同在被计算的值同在 MINITAB 中计算的结果一样中计算的结果一样计算计算 I-MR UCL 和和 LCL 0270.

33、 0*0388. 0270. 0*27. 34RDMRLCLRDMRUCL在在MINITAB中作中作I-MR 图图 步骤步骤1u将数据拷贝或输入进表单中u打开文件 SPC VARIABLE IMR.MTW在在MINITAB中作中作I-MR 图图 步骤步骤2StatControl ChartsI-MR在在MINITAB中作中作I-MR 图图 步骤步骤3用用 I-MR 图来表现过程的改进图来表现过程的改进为增加焊接强度，针对过程做了一项为增加焊接强度，针对过程做了一项 “改进改进” 。它是真实的吗？。它是真实的吗？堆栈数据堆栈数据I-MR 表示有两个总体表示有两个总体根据改善后的数据计算出的控制限

34、表示根据改善后的数据计算出的控制限表示“老的老的”过过程有显著地差异。焊接强度很高。程有显著地差异。焊接强度很高。I-MR 课堂练习课堂练习使用文件SPC Variable Class Exercises.xls中的 “IMR Charts Data”1.找到 Xbar, Xdbar 和 Rbar2. 确定可用的休哈特常数3. 计算Xbar 、R图的UCL 和 LCL4. 将数据拷贝到 MINITAB 软件中5. 堆栈数据6. 验证计算结果 7. 确定过程是否受控目标目标 I-MR 图规则图规则目标 I-MR 图使用相同的数据得到的两个单独的图形 u画的单点图，不同于目标图uMR 图是移动极差

35、图uI-MR 图对趋势，循环和样式比较敏感目标目标 I-MR 和实际数据和实际数据销售部门使用需求预测流程对每周的销销售部门使用需求预测流程对每周的销售进行预测。售进行预测。 他们的需求预测流程受控吗他们的需求预测流程受控吗?由于数据是单值，因此使用由于数据是单值，因此使用I-MR 图图. Actual13296127177126120133185152148189148163139131111143166134135实际数据的实际数据的 I-MR 图图看起来预测好像是受控的，看起来预测好像是受控的，但更进一步看但更进一步看目标目标 I-MR 图要求图要求ActualTargetDelta13

36、21386969931271270177175-2126128212012331331352185166-1915215421481546189186-31481535163161-213914341311365111133221431430166171513413841351350需求预测不能得到需求预测不能得到“实际的状况实际的状况”顾客期望的顾客期望的.需求预测确定了一个需求目标。预测需求预测确定了一个需求目标。预测和实际之间的差异就是过程的真实测和实际之间的差异就是过程的真实测量。量。I-MR 图是差异图图是差异图目标目标 I-MR 图图需求预测过程不受控。需求预测过程不受控。6-Si

37、gma项目可能起作用的区域项目可能起作用的区域!目标回顾目标回顾参与者将能够: 运用SPC法则 解释控制图中的运行和趋势图 作图并解释 Xbar-R 图 I-MR 图 目标 I-MR 图特性数据控制图特性数据控制图选择特性数据控制图选择特性数据特性数据u- 图图p- 图图缺陷还是缺陷还是不合格品不合格品?缺陷缺陷恒定区域机会数？恒定区域机会数？n = 常数？常数？不合格品不合格品np- 图图c- 图图是是否否是是否否np-图图np-图法则图法则np-图u测量不合格品比例 使用二项式分布 好/坏, 接收/拒收, 是/否u每个比例值是样本的子组 需要很多个子组 (最少50)u子组样本量保持不变u控

38、制限将保持不变u为了分析合理，需要20或是更多的子组数np-图和相同的子组样本量图和相同的子组样本量采购部每天检查采购部每天检查125个采购订单，并个采购订单，并记录了对应的不合订单的数量。记录了对应的不合订单的数量。订单输入过程受控吗订单输入过程受控吗?由于针对不合格品的子组样本量恒定，那由于针对不合格品的子组样本量恒定，那么就是使用么就是使用np-图图DayOrders Errors112514212553125741251751254612537125148125591251010125611125512125261312561412514151256161257171258181251

39、119125132012510画画 np-图图DayOrders ErrorsPropnp1125140.11214212550.0405312570.056741251700324612530.02437125140.11214812550.04059125100.080101012560.04861112550.040512125260.208261312560.048614125140.112141512560.04861612570.05671712580.064818125110.0881119125130.1041320125100.08010Total

40、191pbar0.076npbar9.55失控点失控点确定确定 np-图图 UCL 和和 LCL 控制限是常数控制限是常数; 子组样本量也必须是常数子组样本量也必须是常数113(1)3(1)n pn pkkiiiiUCLnpnppLCLnpnppwhere n is subgroup sizeXXpnpnkkwhere k is number of subgroups计算出来的值同计算出来的值同 MINITAB 中计算出来的一样中计算出来的一样计算计算 np-图图 UCL 和和 LCL 因为四舍五入和二项式估计的缘故，手工计算与MINITAB之间可能有点差异1910.0764125*20125

41、*0.07649.550pnp9.553 9.55(1 0.0764)18.469.553(1 0.0764)0.640n pn pUCLLCLnp在在MINITAB中做中做 np-图图 步骤步骤 1将数据分组拷贝或是输入表单将数据分组拷贝或是输入表单打开文件打开文件 SPC Attribute np-chart.MTWStatControl ChartsnpEither 125 or Column在在MINITAB中做中做 np-图图 步骤步骤 2np-图图 课堂练习课堂练习u使用文件SPC Attribute Class Exercises.xls 中的 “np-chart Data” 数

42、据u对发运数子组1. 计算 UCL 和 LCL 2. 将数据拷贝进 MINITAB 中3. 验证你的计算结果 4. 确定过程是否受控5. 假如你已经接受过SPC变量数据的分析学习，就尝试用I-MR 图来分析这些数据 I-MR 图显示什么? 1. 为什么它是错误的?6. 准备进行讨论p-图图p-图法则图法则p-图u测量不合格品比例 使用二项式分布 好/坏, 接受/拒收, 是/否u每个比例值是样本的子组 要求子组样本量大 (最少50)u子组样本量不恒定u因为子组的样本量不恒定，那么控制限就会随着样本量的不同而不同u如果分析的话，建议需要20或是更多的子组数p-图并且子组样本量不同图并且子组样本量不

43、同采购部检查了每天的订单，并确采购部检查了每天的订单，并确定有问题的采购单数量。定有问题的采购单数量。订单输入过程受控吗订单输入过程受控吗?由于每天订单数量不一样，所以将采用由于每天订单数量不一样，所以将采用p- 图图Day Orders Errors1123142102538774119175884672371001489459111101010361192512155261347614116141597616102717117818101111989132010310制定制定 p- 图图Day Orders ErrorsProp1123140.114210250.04938770.0804

44、119170.14358840.04567230.0427100140.14089450.0539111100.0901010360.058119250.05412155260.168134760.12814116140.121159760.0621610270.0691711780.06818101110.1091989130097Total2018191 0.09465失控点失控点确定确定 p- 图图 UCL 和和 LCL 控制限和子组尺寸是相关的，并且每个点是单独计算控制限和子组尺寸是相关的，并且每个点是单独计算的的(1)3(1)3ppppUCLpppLnpnC

45、L(1)3(1)3iippppUCLpppLnpnCL计算计算 p- 图图 UCL 和和 LCL Average over subgroups 被计算的值同被计算的值同 MINITAB 中计算的一致中计算的一致0.09465(1 0.09465)0.0946530.18210.09465(1 0.09465)0.02018/202018/946530.007202ppUCLLCL13130.9465(1 0.09465)0.946530.2230.9465(1 0.09465)0.946530.033547470.0ppUCLUCL Individual subgroupManual calc

46、ulations may differ slightly from MINITAB due to rounding and binomial estimates在在 MINITAB中做中做 p-图图 步骤步骤 1将数据分组拷贝或是输入表单中将数据分组拷贝或是输入表单中打开文件打开文件 SPC Attribute p-chart.MTW StatControl Chartsp在在 MINITAB中做中做 p-图图 步骤步骤 2p-图课堂练习图课堂练习u使用文件SPC Attribute Class Exercises.xls 中的数据“p-chart Data”u对 “Daily Tests”

47、数据子组1. 计算Pbar的 UCL 和 LCL2. 计算点11的 UCL 和 LCL 3. 将数据拷贝进 MINITAB 中4. 验证你的计算结果 5. 确定过程是否受控6. 拷贝MINITAB中的 “Is this the same?” 数据7. 确定过程是否受控8. 准备讨论c-图图c-图规则图规则c-图u确定缺陷的数量 使用泊松分布 好/坏, 接收/拒收, 是/否u每个统计是样本的子组u机会区域必须恒定 批次, 单元, 发票u控制限必须恒定u分析起见，建议需要20或更多的子组数c-图子组图子组制造部涂装车间对喷涂某个车型左前门的制造部涂装车间对喷涂某个车型左前门的过程进行过程控制，脏点

48、是其中要控制的过程进行过程控制，脏点是其中要控制的特性之一，左边是每个班次抽取一个门进特性之一，左边是每个班次抽取一个门进行统计而得到的数据。行统计而得到的数据。过程受控吗过程受控吗?脏点是缺陷脏点是缺陷, 不是不合格品不是不合格品, 并且是对一个并且是对一个恒定的样本区域进行测量的；因此将要使恒定的样本区域进行测量的；因此将要使用用 c- 图。图。画一个画一个 c- 图图一个失控点一个失控点确定确定 c- 图图 UCL 和和 LCL 33ccUCLccLCLcc控制限是恒定的控制限是恒定的; 子组样本量也必须是恒定的子组样本量也必须是恒定的, 例如：例如：批次，发运的货物等等批次，发运的货物

49、等等.被计算的值同被计算的值同 MINITAB 中结算的结果一样中结算的结果一样 计算计算 c- 图图 UCL 和和 LCL 22.453 22.4536.6622.453 22.458.236ccUCLLCLManual calculations may differ slightly from MINITAB due to rounding and Poisson estimates在在 MINITAB中做中做 c- 图图 步骤步骤 1将数据分组拷贝或是输入表单中将数据分组拷贝或是输入表单中打开文件打开文件 SPC Attribute c-chart.MTWStatControl Char

50、tsc在在 MINITAB中做中做 c- 图图 步骤步骤 2c-图课堂练习图课堂练习u使用文件SPC Attribute Class Exercises.xls中数据中数据 “c-chart Data” u对抱怨的CSR 子组数据1. 计算 UCL 和 LCL2. 将数据拷贝进 MINITAB 中3. 验证你的计算结果 4. 确定过程是否受控5. 准备讨论u-图图u-图规则图规则u-图u确定缺陷的数量 使用泊松分布 好/坏, 接收/拒收, 是/否u每个统计就是样本的一个子组u机会区域可能变化 批次, 单元, 发票u控制限可能变化u为了利于分析，建议需要20或更多的子组数u-图子组图子组在进行一

51、次在进行一次“运作运作”后，对塑料制品统计后，对塑料制品统计缺陷数，在长度上是不确定的。缺陷数，在长度上是不确定的。过程受控吗过程受控吗?由于运行长度不恒定，缺陷数有一个变化的由于运行长度不恒定，缺陷数有一个变化的机会区域，那么机会区域，那么u-图是比较恒定的。图是比较恒定的。RunProducedCount of Defects11591721386312094148215127569847136178134691391210127711125612161231375714161171513971614391716310181923219119162013412Total2738243Uba

52、r0.08875RunProducedCount of DefectsCount/ area1159170.107213860.043312090.0754148210.142512750.03969840.0417136170.125813460.0459139120.0861012770.0551112560.04812161230.143137570.09314161170.1061513970.0501614390.06317163100.06118192320.16719119160090Total2738243Ubar0.088751制制 u- 图图失控点

53、失控点确定确定 u-图图 UCL 和和 LCL 控制限是随着子组数而变化的，控制限是随着子组数而变化的，并且每个点的控制限要单独计算并且每个点的控制限要单独计算33uuuUCLuauLCLua33iiuiuiuUCLuauLCLua计算计算 u-图图 UCL 和和 LCL Manual calculations may differ slightly from MINITAB due to rounding and Poisson estimates被计算的数值是同在被计算的数值是同在 MINITAB 中计算的结果一样中计算的结果一样单个子组控制限单个子组控制限子组控制限平均值子组控制限平均值

54、 0.088750.088753136.90.1650.088750.088753136.90.012uuUCLLCL12120.088750.0887531610.1590.088750.0887531610.0183uuUCLLCL在在 MINITAB中做中做 u-图图 步骤步骤 1将子组分组拷贝或是输入表单中将子组分组拷贝或是输入表单中打开文件打开文件 SPC Attribute u-chart.MTWStatControl Chartsc在在 MINITAB中做中做 u-图图 步骤步骤 2u-图课堂练习图课堂练习u使用文件 SPC Attribute Class Exercises.x

55、ls 中的数据中的数据 “u-chart Data” u利用上面提供的数据 1. 计算总体的 UCL 和 LCL2. 计算点3的 UCL 和 LCL3. 将数据拷贝进 MINITAB 中4. 验证你的计算结果 5. 确定过程是否受控6. 准备讨论目标回顾目标回顾参与者将要: 运用 SPC 规则 解释控制图中的运行状况和趋势 制定并解释 np-图 p-图 c-图 u-图确定要制图的特性指标确定要制图的特性指标数据是数据是变量数据吗变量数据吗?是对不合格品感兴趣吗是对不合格品感兴趣吗? 样本量恒定吗样本量恒定吗?样本量样本量恒定吗恒定吗?数据本身都一致数据本身都一致或者是或者是不益于分组采样吗不益

56、于分组采样吗? 子组均值能被确定吗子组均值能被确定吗?子组样本大于子组样本大于或是等于或是等于9吗？吗？每个子组都有每个子组都有计算计算s 的能力吗的能力吗?是对缺陷感兴趣吗是对缺陷感兴趣吗?控制图的选择流程控制图的选择流程第三部分、过程能力指标能力指标类型能力指标类型变量变量数据数据CPCPKPPPPKDPUPPMDPMO数据类型数据类型指标类型指标类型s统一的指标统一的指标特性特性数据数据特性数据能力指标特性数据能力分析特性数据能力分析PPMPPM表示每百万个产品有多少个不合格品，强调的是不合格品。计算公式如下：PPM=不合格的产品数被检验的总产品数1,000,000特性数据能力分析特性数

57、据能力分析DPUDPU表示单位产品缺陷数，强调是缺陷。计算公式如下：DPU =被检验产品中的总缺陷数被检验的总产品数DPMO表示是每百万产品机会缺陷数每百万产品机会缺陷数。在计算过程能力之前，先介绍几个关键的术语:特性数据能力分析特性数据能力分析DPMOu单元 (N)u缺陷 (D)u每个单元一个缺陷出现的机会 (O)u每百万机会的缺陷数 (DPMO)确定每个单元机会数的指导确定每个单元机会数的指导u机会必须是对顾客重要的重要的u每个单元的机会数在改进前后保持不变保持不变u每个单元的机会数是随过程的不同和过程输出的复杂程度不同而变化的u仅仅是对在适当状况下发生缺陷的机会才被统计在内使用特性数据计

58、算过程能力使用特性数据计算过程能力使用下面的公式计算 DPMO :DPMO = 总的缺陷数总单元数 每个单元机会数 1,000,000DPMO = DN O 1,000,000最后一步是使用附录中的Z-值转换表将DPMO转换成 Sigma 值。或是范例范例 使用特性数据计算过程能力使用特性数据计算过程能力例子: 下面显示的数据来源于零件定单:500零件定单(N)3机会数(O)u 迟到u 错误的零件u 错误的地址57出现的错误(D)12在送给顾客之前发现的缺陷45顾客察觉到的缺陷范例范例 使用特性数据计算过程能力使用特性数据计算过程能力1. 处理的数量2. 产生的总缺陷(包括发生的缺陷和后来解决

59、的) 3.每个单位产品出现缺陷的机会数4. 计算出每百万机会中的缺陷5. 查 Z-值 (同 Sigma值相当) N = 500D = 57O = 3DPMO = 1,000,000DPMO = 1,000,000DPMO = 38,000Z =1.77DN O57500 3使用下面交付时间的数据，计算过程能力:u 发运的车辆数: 40u 每辆车的机会数: 1u 没有在45天内交付的车辆数: 16计算过程能力练习计算过程能力练习汽车例子汽车例子 使用特性数据计算过程能力使用特性数据计算过程能力1. 发运车辆的数量2. 产生的总缺陷(包括发生的缺陷和后来解决的)3. 每辆车的缺陷机会数4. 计算出

60、每百万机会中的缺陷5. 查 Z-值 (同 Sigma值相当) N = D = O = DPMO = 1,000,000DPMO = 1,000,000DPMO = Z =DN O变量数据过程能力变量数据变量数据变量数据（总体近视服从正态分布）:1、过程能力(Process Capability)；2、过程性能(Process Performance)。过程能力随时间的差异过程能力随时间的差异长期过程数据长期过程数据短期过程数据短期过程数据组内和组间变差组内和组间变差过程变化过程变化过程变化来源于几方面：1、过程本身固有的变差：仅是因为普通原因（系统原因）导致的。2、子组内变差 ：这是因为子组内变化导