SPC_过程能力控制ppt课件

1、统计过程控制SPCStatistical Process Control.Agenda统计的部分特征概念数据类型引见控制图的引见.选用.断定.Agenda统计的部分特征概念数据类型引见控制图的引见.选用.断定.统计过程控制Statistical Process Control统计控制的过程Statistically Controlled Process概述 - SPC for SCP当过程处于统计控制形状，其性能是可以预测的即：一致的质量程度+稳定的本钱 !.Process 过程和Variation 变异 (变差)Common Cause 普通缘由普通缘由、机遇缘由Special Cause

2、特殊缘由非机遇缘由Statistically Controlled 统计控制形状“受控第一组、过程.Process 过程：将输入转化为输出的一组彼此相关的资源和活动.Variation 变异 (变差)：Common Variation, Special Variation过程 和 变异位置分布形狀大小大小大小.普通缘由 vs. 特殊缘由原因分类定义和特点举例一般原因(Common Cause)造成一般变异。随时间的推移稳定、可重复可以预测不易识别、不易消除大量的引起细微的变异正常的特殊原因(Special Cause) 造成特殊变异。并非始终的作用于过程难以预测易识别、易消除少量的引起严重的变

3、异异常的原资料的微小变化设备的微小震动刀具的正常磨损模具正常的老化操作者细微的不稳定夹具的正常磨损运用了一批不合格的原资料设备的不正确调整刀具的严重磨损模具损坏操作者做错断定规范错运用了错误的夹具.SPC 目的 改良消除特殊缘由改良普通缘由.原因变异措施一般原因(Common Cause)一般变异(Common Variation)过程稳定可采用抽样方法系统措施（System Action）可改进约85%的制程问题多需管理人员支持一般成本较高特殊原因(Special Cause) 特殊变异(Special Variation)过程还不够稳定需全检以保证质量局部措施（Local Action）可

4、改进约15%的制程问题多由现场工作人员制定实施一般成本较低普通变异 vs. 特殊变异.大小失控(有特殊缘由)受控(特殊缘由消除)受控 vs. 失控此过程变异在统计控制形状下, 其产品特性的分布有固定的分布, 即: 位置、分布、形狀。所导致的过程变异不在统计控制形状下，其产品特性的分布沒有固定的分布。.Statistically Controlled 统计控制形状(“受控)仅存在呵斥变异的普通缘由，特殊缘由曾经消除。该过程输出的产品的特性的总体分布(曲线)的位置、分布、外形无变化，可按照预测继续消费一样分布的(一定比率的)符合规范的产品。“受控.规格 Spec（标准值Criterion + 公差

5、Tolerance）控制（UCL CL LCL）标准值 Criterion中心线 Center Line，CL （一般取平均值 Average, or mean）规格限 Spec Limit，SL（规格上限 USL，规格下限 LSL）控制限 Control Limit，CL（控制上限 UCL，控制下限 LCL）第二组、控制区别：规格限 和 控制限.控制限 Control Limit，CL上控制限 Upper Control Limit，UCL下控制限 Lower Control Limit，LCL阐明：*并不是目的值或规格限值，而是来自过程的自然变化和抽样方案，然后，由实测的数据计算出来的。用

6、于解释统计控制数据。* 当过程处于“受控形状，控制限可用来解释过程才干。控制限.均值(平均值) Average，X (Xbar) = (X1+X2+Xn) / n中位数中值，中间值Median，Xmed：Xi大小陈列，中间的那个* 该值和比它大及比它小的数值是等差的，Xmed = Xmin + R/2众数 Mode ：出现次数最多的那个全距，变差，极差 R (Range) = Max(X1,.,Xn) - Min(X1,Xn)步差，挪动极差 Moving Range，MR方差Variance，规范差，SigmaStandard Deviation平均差：一组数据值与其均值之差的绝对值的平均数一

7、组数据：X1，X2，Xn-1，Xn Individual 单值 Xi规格 Spec: X0+/-a(或+a/-b) X0 规范值(期望值，目的值)，a(或a,b)为上下公差USL(Limit) 规格上限，LSL 规格下限公差，容差 Tolerance，Deviation, D = USL-LSL = 2a(或a + b)第三组、统计物理概念.区别：公差D 和 全距R平均值 和 中位数、众数规范差 和 平均差.方差规范差 样本方差样本规范差，方差 与 规范差.为什么用样本估计总体的方差时，分母的n必需改为(n-1) ？，自在度DF, Degree of Freedom：指当以样本的统计量来估计总

8、体的参数时，样本中独立或能自在变化的数据的个数称为该统计量的自在度。-在估计总体的平均数时：样本中的n个数全部加起来，其中任何一个数都和其他数据相独立，从其中抽出任何一个数都不影响其他数据这也是随机抽样所要求的。因此一组数据中每一个数据都是独立的，所以自在度就是估计总体参数时独立数据的数目，而平均数是根据n个独立数据来估计的，因此自在度为n。-在估计总体的方差规范差时：从公式我们可以看出，总体的方差是由各数据与总体平均数的差值求出来的，因此必需将固定后才可以求总体的方差。因此，由于被固定，它就不能独立自在变化，也就是方差遭到总体平均数的限制，此n个数据就少了一个自在变化的时机，因此要从n里减掉

9、一个。.那为什么平均数被固定后会限制数据的自在变化？，假设一个样本有两个数值，X1=10,X2=20,我们如今要用这个样本估计总体的方差，那么样本的平均数是：Xm= X/n=(10+20)/2=15如今假设我们知Xm=15,X1=10,根据公式Xm= X/n，那么有：X2=2Xm-X1=215-10=20由此我们可以知道：在有两个数据样本中，当平均数的值和其中一个数据的值知时，另一个数据的值就不能自在变化了，因此这个样本的自在度就减少一个，变成了n-1。依此类推：在一组数据中，当其平均数和前面的数据都知时，最后一个数据就被固定而不能独立变化了，因此这个样本可以独立自在变化的数目就是n-1个.定

10、义优、缺点均值 XbarAverage(X1+X2+Xn) / n平均，最基本最常用的集中趋势的量度中位数 XmedMedianXi大小排列，中间的那个消除了最大和最小值的影响测量不经济或时间长时，用它来预测平均值众数Mode出现次数最多的那个消除了最大和最小值的影响用于极度倾斜的分布用于不规则的分布，如出现两个高峰均值、中位数、众数.全距、规范差、平均差定义优、缺点全距 RRangeMax(X1,.,Xn) - Min(X1,Xn)简单，最基本最常用的变异的量度数据越少越好用标准差Sigma考虑了所有数据的情况从而能真实反映数据离散程度的大小避免了绝对值计算平均差充分考虑了每一个数值离中的情

11、况较灵敏，故易受极端值影响计算方法较简单绝对值运算给数学处理带来不便.统计物理概念的总结对统计物理概念的描画集中趋势变异程度分布外形均值中位数众数其他目的全距方差规范差变异系数其他目的偏度峰度位置分布形狀大小大小大小.* D为公差容差。精确度Cp = (D/2) / 3Cp(U) = (USL-Xbar) / 3CpuCp(L) =(Xbar-LSL) / 3Cpl精准度Cpk = Cp*(1-k) = D-abs(Xbar-X0) / 6Cpk = Min(Cpu, Cpl)准确度k = abs(Xbar - X0) / (D/2)第四组、过程才干.准确度 和 准确度准确度好，准确度差准确度

12、好，准确度差.过程才干規格下限受控且制程才干满足要求(普通缘由的变差減少)規格上限時間受控但过程才干缺乏 (普通缘由导致的变差太大).过程才干指一个稳定过程中固有变异的范围。假设分析阐明过程呈正态分布，且稳定，可用Cpk表示；假设过程呈正态分布，但不稳定，那么应计算系统Ppk;假设过程呈非正态分布，那么需求采用其它统计方法如PPM。.运用Cpk计算过程才干的前提条件一、过程处于“受控形状：特性值或其转化值服从正态分布；控制限符合客户的要求；期望值位于控制限的中心。二、丈量变差相对较小丈量系统的才干保证。.xf(x)xf(x)68.27%xf(x)95.45%99.73%-1+1-2+2-3+3

13、正态分布Normal Distribution.-3-2-1+1+2+30.%0.%99.73%95.45%68.27%正态分布LSLUSLaverageX0XiD/2Abs(X0-average).过程才干，Process Capability过程才干指数，Process Capability Index过程才干CpkCapability Index of Process过程能力指数PpkPerformance Index of Process过程表现指数注：为各组平均值之标准差同左注：为各单值之标准差.过程才干稳定的、知的过程短期的不稳定的、未知的过程长期的Cpk vs. Ppk.要求 初

14、期之过程才干Ppk=1.67 稳定之过程才干Cpk=1.33Cpk=Cpk=1.33过程才干满足Cpk1.67 过程才干过足过程才干 要求.思索题：6Sigma意味着什么?6Sigma质量表示：质量特性的分散程度只占规格限的一半!对顾客要求高度符合!.思索题Cpk经常被用于计算 计量型数据 特性的稳定过程才干，那么，Cpk可否被用于计算 计数型数据 特性的稳定过程才干？.思索题：能否一切图中表达的特殊变异都是不好的、不受欢迎的？.思索题对于单边公差的特性，能否可以用Cpk表征其精准度？.Agenda统计的部分特征概念数据类型引见控制图的引见.选用.断定.计数型(Attribute)：不延续的,

15、计数的 如: 1,2,3; 好/坏, 计量型(Variable)：延续的,可丈量的 如: 长度, 10米.电流: 1A 等二 数据类型.思索题：本公司的过程特性质量数据：直通率，FOR，LRR批拒收率，DR不良率，不良品数，单项不良品数，不良数，电流/电压值，尺寸，称重制程参数：锡膏厚度，炉温Peak温度、熔点以上坚持时间，车间温、湿度，电批扭力，气压值，烙铁温度消费数据：单位产量， Cycle Time规范工时，耗料率/抛料率报废率，结单率.练习.Agenda统计的部分特征概念数据类型引见控制图的引见.选用.断定.第一组、分类第二组、根据数据类型选择图型.绘图.读图第三组、断定准那么第四组、

16、普通缘由分析.1.计量型控制图A.平均值与全距(Xbar-R Chart)B. 单值图(I-MR)2.计数型控制图A.不良品率(p- Chart)B.不良品数(np- Chart)C.缺陷数(c- Chart)D.单位缺陷数(u- Chart).A. SPC Chart - 分类依对象分 .1、分析用控制图: 先有数据，后有控制限。A.决议方针用；B.制程分析用；C.制程才干研讨用；D.为制程控制做预备。2、控制用控制图: 先有控制限，后有数据。用于控制制程质量，如有异常点，那么： A.清查不正常缘由；B.迅速消除此缘由；C.研讨采取防止此项缘由反复发生的措施。Is it STILL unde

17、r control?Is it under control?B. SPC Chart - 分类依用途分 .图型原那么.控制线计算时机 初始控制线计算初始控制线的再计算初始设定流程或研讨流程时流程中发生知的改动,且已验证其对流程的影响.步骤数据控制图1收集数据,选图描点、连线2计算平均值、控制限绘制中心线、控制线3分析读图4改进重绘SPC Chart - 绘制.选图 .计量型数据控制图.计算X和R控制界限 计算X和RR = Rk/子群数量X = Xk/子群数量计算控制界限.参考值 .某厂制造全銅棒,为控制其质量,选定內径为控制項目,並決定以X-R控制图來控制該制程的內径量度,並于每小時隨机抽取5

18、个样本測定,共搜集最近製程之数据125個,將其数据依測定順序及消费时间陈列成25組,每組样本5個,每組样数5個,记录数据如下:樣本組X1X2X3X4X5140403843412404239393934239414340440403942415423942434064341414041743383742418374343354094039424144实例:平均数与全距控制圖.樣本組X1X2X3X4X5103941413638114044424039124338394142133840363941143635393839154039403948164246464747173640434143183

19、739403842194037393943204740393640214037404342.樣本組X1X2X3X4X5223939394045233133353935244040404142254644414139樣本組12345678各組平均數40.439.84140.439.6全距53434268樣本組1011121314151617各組平均數394140.638.837.441.245.640.6全距55554957.樣本組1819202122232425各組平均數39.239.640.440.440.434.640.642.2全距561166827計算如下:X=

20、40.264 R=5.48查系數表,當N=5時,D4=2.11,D3=0.X控制圖上下限:CL= =40.264UCL= + A2 =43.4249LCL= - A2 =37.1031.R控制圖上下限:CL= =5.48UCL= =11.5867LCL= =0.UCL=43.4CL=40.6LCL=37.10.R控制圖UCL=11.59CL=5.40LCL=0.分析结论在控制图中有第16个及第23个样本組的点分別超出控制上限及控制下限,表示制程平均发生变化,而R控制图并无点超出界限或在界限上,表示制程变异并未增大.计数型数据控制图 以缺陷数或, 接受/不接受 的决议为根底 可用于许多流程(制造

21、业和非制造业) 可用于一个以上的质量特性.选图 .NP和P图 .NP图 .P图 .C和U图 .C图的计算 .U图的计算 .P控制图实例选用条件:1.产品不是良品就是不良品2.抽样放回3.彼此独立进进展 样品不良率計算公式为:P=规范差公式为:S=.上下限计算公式如下:控制上限(ucl): +3= +3 ( 为平均不良率,n为樣本数) 中心线(cl) : 控制下限(lcl) -3= -3 假设下限計算結果能够为負数,由于二項分配并不对称,且其下限为零,故当控制下限出現小于零的情況,应取0表示.平均不良率运用加权平均数來计算(用不良数总数于全体的样本总数之比).例: 某厂消费的MOUSE用的包裝袋

22、,检验其底部能否有破損即包裝为不良品,取30個樣本,每個样本数为50個,这些样本是在机器每天三班制的連续任务每半小時取一次而得. 样本数不良数样本数不良数样本数不良数1811521102161224221839131223154141472415510151325266121692617715176271288185286910191329810520113010.計算結果如下:平均不良率P= =0.233(CL)用P当真实过程不合格的估计值,可以计算控制上限和下限,如下: UCL=P+3 =0.412 LCL=P- 3 =0.054.P控制图如下:UCL=0.41CL=0.23LCL=0.0

23、5.针对控制图进展分析 由控制图中我們可以发现來自样本12及25的兩点超出控制上限,故制程是在非控制形状,必須进一步探討能否有异常缘由.分析样本12得知,在这半小時里,有一批新进的包裝袋被运用,所以这异常的現象是由于新原料参与引起.而在样本25那半小時,有一個沒有阅历的員工在操作此机器,而使样本25有这么高的不良率. 故:現在將超出控制界限的兩个点刪除掉,并重新計算控制界限,并绘制控制以后的制程.异常特征原因（举例）超出控制限的点一点或多点超出控制限超出极差上控制限：控制限计算或描点错误分布宽度增大测量系统改变测量系统没有适当的分辨力超出下控制限：控制限计算或描点错误分布宽度变小（变好）测量系

24、统改变SPC Chart - 读图.异常特征原因（举例）链连续7点在中心线之上或之下连续7点上升或下降高于极差中心线的链或上升链：输出值宽度增加，可能无规律，或过程某要素变化测量系统改变低于极差中心线的链或上升链：输出值宽度减小好事！研究推广测量系统改变SPC Chart - 读图.异常特征原因（举例）明显的非随机图形明显的趋势周期性数据间有规律的关系（如子组内第一个总是最大值）* 一般的，约2/3的点应落在控制限中间1/3的区域，约1/3的点应落在其他2/3的区域如极差控制图中：明显多于2/3的点落在控制限中间1/3的区域：控制限计算或描点错误过程或取样方法被分层数据已经过编辑明显少于2/3

25、的点落在控制限中间1/3的区域：控制限计算或描点错误分组中包含不同的过程、批次SPC Chart - 读图.读图 .三.控制图的判异准那么控制狀態,意指制程安定,控制狀態也稱安定狀態.我們無法知道制程的真正狀態,只能對制程的某種特性值搜集數據,將其繪在控制圖上,由控制圖來觀察制程的狀態.在断定制程能否處于控制狀態,可利用以下基準:1. 控制圖的點沒有逸出界外.2.點的陈列方法沒有習性,呈隨機現象.在正常控制的狀態下,控制圖上的點子應是隨機分步,在中心線的上下方約有同數的點,以中心線近旁為最多,離中心線愈遠點愈少,且不能够顯示有規則性或系統性的現象.歸納得到下面兩種情形:1.控制圖上的點,大多數

26、集中在中心線附近,少數出現在控制界限附近,且為隨機分布.2.普通控制圖上的點,25點中有0點;35點中有1點以下;100點中有2點以下,超出控制界限外時,可稱為平安控制狀態.以上兩點僅是作為一個參考, 應在實際中靈活運用.實際分析. 非隨機控制界限內的断定利用點的排法断定能否處在控制狀態,可依據以下法則: 1.點在中心線的一方連續出現. 2.點在中心線的一方出現很多時. 3.點接近控制界限出現時. 4.點持續上升或下降時. 5.點有周期性變動時. .連串連續七點或八點在中心線與控制上限或中心線與控制下限之間的型誤差的機率是約為 ( 1/2 )8 =0.0039,在如此小的機率竟會出現,可想像有

27、異常缘由發生,在中心線的上方或下方出現的點較多如下: 1.連續 10 點以上至少有 10 點 2.連續 14 點以上至少有 12 點 3. 連續 17 點以上至少有14 點 4. 連續 20 點以上至少有16 點.點子出現在控制界限附近,三倍標準差與二倍標準差間.1.連續 3 點中有 2 點.2.連續 7 點中有 3 點.3.連續10 點中有 4 點控制圖中的點的趨勢傾向連續7點以上不断上升或不断下降,趨勢是以向某一個方向連續移動,而趨勢傾向的發生有以下能够缘由:1.由于工具磨損或制程中某些成分劣化所呵斥.2.人的要素呵斥,如任务者疲勞.3.季節性要素呵斥,如氣溫變化. .控制圖中的點的趨勢傾

28、向連續7點以上不断上升或不断下降,趨勢是以向某一個方向連續移動,而趨勢傾向的發生有以下能够缘由:1.由于工具磨損或制程中某些成分劣化所呵斥.2.人的要素呵斥,如任务者疲勞.3.季節性要素呵斥,如氣溫變化. 周期性循環變化控制圖上的點,呈現一個周期性循環變化時,應調查以下不良缘由:1.機器開動或關閉,呵斥溫度或壓力的增減.2.物料的品質受季節或供應商的影響.3.由于周期性的預防保養,呵斥機器性能的周期變化表現.4.由于操作員疲勞及隨后的休憩呵斥的周期性的變化.5.由于资料的機械及化學性質所呵斥的周期性. .過于集中型點子大都集中在中心線附近1.5倍標準差間,其型誤差機率是 0.0027,假设抽樣選擇不當,能够會呵斥點子集中在中線附近,例如兩個不同操作員的結是點在同一張圖上.像這種母體混合的情形相當普遍.以下是一些造居這種情形的能够缘由:1.兩個或兩個以上的操作員點在同一張圖上.2.兩台或兩台以上的機器點在同一張圖上.3.兩家品質差異很大的供應商點在同一張圖上.4.兩台或更多的量測設備間的差異.兩條以上生產線制程方法上的差異. .普通异常缘由讨论.管理不善者1.人員教育,訓練缺乏,2.原始設計有錯誤或圖上標示的問題等.3.治具,夾具設計不當或运用不當.4.不良资料混入制程.5.未推行標準