电子厂品质技术

1、.PAGE ：.；PAGE - 28 -电子厂质量技术杜美洲2021前言书店中关于品管技术的书籍已是琳琅满目,而激发来写这本的缘由是我试图用简单的方式来描画各质量技术的迷惑之处.所以本书内容在各章中会罗列总的知识点，但在讲解时只抽取难点来引见。撰写的原那么尽量少的文字,清楚的概念分类,让学习者头脑更明晰,知道本人学了多少,知道可以用多少. 现有众多的国际化规范在运用上并不一定都是很好用，塑料盆厂，飞机制造思想是发明的源泉报告质量的优劣要用眼球感受来评判对报告内容的口头陈说要用秒作时间管理的工具日常任务报告应以结果为报告主体,对过程略加概述CIP发表要展现改善活动的逻辑,过程,包括失败的过程,

2、让看报告听报告的人去感受活动的智慧,表达出一场攻坚战KM要表达Knowledge Management的味道.让看报告听报告的人获得他们想要的东西TIP中心是发明性的想法.运用质量技术的几种境界:第一层是作业员级别,会搜集数据,会执行指示第二层是领班级别,会按既定期规范对数据进展简单的数据统计,归类,断定第三层是工程师级别,会按既定方法分析数据,作出对策第四层是研讨者级别,懂得既定方法的机理,能对定性分析的中间模糊地带作定量分析并作对策,能发明新的方法公司的动作只需求少数的第四层人员监控公司质量工具的运用情况,而一切的数据统计,分析都要有第三层人员直接参与或审查.假设并没有专研的兴趣和喜好,就

3、不用向第四层开展SPCMSADOEFMEAQC七检定回归分析抽样文件管理报告制造检验文件编订品管系统现场管理追溯管理活动: CIP, KM,TIP,6SPC统计制程控制SPC控制图总述天气预告的价值在于人们可以根据它提早作好消费预备以防止损失发生如台风降临前停顿出海，而控制图的价值在于它可以在制程消费不良品增多前发出预告，而工程技术人员可以及时排除问题，让消费恢复正常。例如机器某一颗螺丝由于机台的震动渐渐变松，消费的产品尺寸今偏向也越来越大，通常情况下一周后仅举例产品尺寸偏向将大到产品成为不良品，屇时将会有大的经济损失，而假设运用控制图每天监控两次白夜班各抽检一次，那么抽检产品尺寸值放在控制图

4、中将出现延续上升或下降的外形，假设延续六点这样，技术人员就会做出反响，从而防止损失发生。而由于抽样就有误判的风险，所以我们必需用统计的手法来得出一套可以执行的方案。(本章中即是Xbar,指平均值，即是Xbarbar,指多个平均值的平均值，*为乘方的符号)SPC的统计根底是常态分布，中央极限定理是一个重要的实际根底。运用控制图控制的前提是制程是稳定的。控制图实做数据采集如下例，作业员做的任务就是按照要求(如SOP规定)，每到时间就取5个样品丈量，然后将个值填进阴影区，再计算个值的平均值Xbar和极差值，然后将这两个值分别填进Xbar-chart和R-chart.再将这个点与前一个点用线连起来(计

5、算和描点也可以上电脑完成)图形和数据分析领班所做的任务是对图形进展监控如以下图示，+3即是上例中的UCL, -3即是上例中的LCL, 即是CL中心线. UCL与LCL间分为个区间，中间两个定义为区，往外有两个区，再往外有两个区，再往外定义为控制界限外以此定义按下述八种规那么中的几种详细哪几种由工程师定义来断定制程能否异常假设异常，应通知工程师处置而工程师应根据以下引见的方向来分析异常以尽快找出缘由和对策括号内是这种判异在正常情况出现误报警的概率计算，由于这些误报警是低概率事件，所以当出现这种情况时，我们应以为是制程出现异常而非误报警一些书中计算概率时会有一些扣除项，那些并不重要，且这些计算都是

6、只供我们参考用。假设我们要疑心制程误报警，可以立刻再加抽样，察看趋势能否还是反响有异常，一點超出3控制界限外(误报警率为(1-N(3.0)2=0.27%根据常态分配特点，点在单边3以外概率为0.%,“2是由于上下各有一区，以下同)，連續三點有二點在同邊B區外 (误报警率为(1-N(2.0) 2C232=0.31%根据常态分配特点，点在单边2以外概率为2.275%,而三点中的二点组合能够性有C23种) N(2.0)指Z=2的常态分布，連續五點有四點在同邊C區外 (误报警率为(1-N(1.0) 4C452=0.63% 根据常态分配特点，点在单边1以外概率为15.8655%,而五点中的四点组合能够性

7、有C45种)，連續九點在中心线同侧 (误报警率为1/2 92=0.39% 根据常态分配特点，点在中心线一侧的概率为%)以上四种异常的成因均是制程出现单向漂移呵斥，例如：加工机构某位置被损坏导致加工件特征往一边偏移；电路老化或损坏使机台获得的电压值低于正常值导致加工件特征往一边偏移；新增员任务业方法错误导致良率偏低四种异常的制程偏移量依次递减，所以发现问题需求的点数会递增，連續六點上升或下降(误报警率为(1/P662=0.28%延续6点上升的概率是6的陈列/P66数的倒数，相当于6个点排在一同，刚好排成从小到大的概率。此种概率有时会被错误地计算为1/26，由于第一个点是自在的，第2个点大于第1个

8、点的概率是50%，而第2个点要大于第1个点，它的分布概率已遭到一些限制，第3个点大于第2个点的概率已小于50%，再往后的概率会更小好比如王五比很多人都要高，再随机找一个人要比王五要高的概率会小于50%一样 hj在55此种异常的成因是渐变的，例如螺丝越来越松；模具磨损越来越严重；定位治具越来越偏，連續十四點一上一下(误报警率与0.27%相当，这一概率是模拟实验得出的)分析此种异常，要先将第1,3,5等奇数位点的来源与2,4,6等偶数位点的来源分层例如奇数位点都是由白班张三量测，偶数位点都是由夜班李四量测，那么图形的问题能够是由于两个量测员方法差别呵斥，也能够是白天，夜间环境温差运用治工具不一样呵

9、斥假设是不良率控制图，那么能够是白夜班管理力度差别呵斥，連續八點在C區外兩邊(误报警率为(1-N(1.0)2)=0.01% 根据常态分配特点，点在单边以C區外概率为15.8655%,)此种异常的成因很明显是将两组制程不一致的制程混淆在一同，如要有效监控，必需分成两组来监控例如两条消费线，或一条消费线不同的机台，或是同一台机不同的加工模具或不同的加工机构，或同一模具不同的穴位，連續十五點在C區內(误报警率为(1-(1-N(1.0)2) 15=0.33%根据常态分配特点，点在单边以C區内概率为34.1345%)此种异常的成因假设不是人为造假数据，那么是制程才干有提升如引进新设备对于第八种异常，假设

10、制程才干有提升，那么SPC管理员应采用新数据计算后缩中控制限，常会有工程师迷惑我改善了制程，他又要把控制限减少，我不是永远都没完没了回答这个问题，我们要回到控制图的功能上来讲，控制图的目的是要在制程刚出现异常但还未恶化至大量产生不良品前发生警报假设制程改善而不变卦控制限，当出现如右图的情形时，实践上制程曾经发生了异常，但由于控制限过大而不会报警这类问题可以这样处置：假设制程绩效Ppk远高于我们的目的如2.0或1.67而该制程特性并不是最关键的，那么可以取消监控；假设Ppk远高于我们的目的而该制程特性是最关键的那么可以思索减少抽样量或降低抽样频率假设Ppk不是远高于我们的目的但因有改善也可以思索

11、减少抽样量或降低抽样频率控制图设计控制图选用计量值指延续型分布的数值如温度，尺寸和电流值，而计数值指非延续型分布的数据如人数，不良数(不良率属于计数型而非计量型)。当制程稳定后就可建置控制图，首先是按下述原那么选用适宜的控制图计量值控制图中的n是样本容量，指每次抽样的样品数n=1指每次抽样只抽一个样本，这种抽样运用于三种情形：，控制的产品特性值是延续型产品的特征值如啤酒的酒精度，抽样时是在流水线上抽样，酒精度是一致的，样品检测本钱高，如破坏性测试且产品本身昂贵，或者检测费用高，当制程足够稳定以致延续多次抽样间的变异与一次抽检多个产品间的变异没有区别时中位数的优点是计算简单，在电脑普遍运用的现代

12、工厂，不建议运用n=2-10，建议运用Xbar-R chart, 由于n10时，对样本求规范差的误差比较大而不宜运用 chart10n10时，对样本求规范差的误差较小，而极差值的缺陷是只代表最大值减去最小值，而大量中间值的差别对短少奉献，同时不建议n25，由于统计上讲抽样量大于24后,因扩展抽样而能降低的抽样误判率几乎为零了,但抽样本钱会上升。不良数指一批产品中不良品的数量，缺陷数指一批产品中缺陷的数量一个产品不良只能算一个不良品，但一个产品却可以有多个缺陷如一件衣服有处线出现打结所以这件衣服有个缺陷计数值控制图中的n和单位是产品检验量可以是全检也可以是抽检假设检验量近似相等也可以采用np c

13、hart和c chart控制限计算控制限计算实例以Xbar-R chart为例，先搜集20组数据查表得子组容量为4时2=0.73, D3=0, D4=2.28CLXbarbar=Xbarbar= 5.027 UCLXbar=Xbarbart + A2Rbar=5.027 + 0.730.066=5.075LCLXbar=Xbarbart + A2Rbar=5.027 + 0.730.066=4.979CLR=Rbar=0.066 UCLR= D4Rbar = 2.280.066=0.150LCLR= D3Rbar = 0我们要留意P图和U图,其控制限计算式内含有检验数，而这个检验数每次是不一样

14、的，所以每次抽样的点对应的控制限能够都不一样(如7/1消费并检验900个产品，而7/2消费并检验1000个产品，这两天的控制限计算出来就不一样),下附一个表示图控制图研讨什么是稳定的制程共同缘由：不可防止的缘由、非人為的缘由、偶尔缘由、普通缘由特殊缘由：可防止的缘由、人為缘由、異常缘由、部分缘由等两者的区别在于人的可控制性，特殊缘由可经过管理改善来处理，而共同缘由的改善相对困难，需求技术突破或设备引进等方能处理而两者又是相对的，例如工厂停电是良率变差的特殊缘由，可假设工厂经常性停电那么成为共同缘由；而温度在正负度内的变化是共同缘由，可加上空调安装控制下负度后出现正负度就成为特殊缘由组内差别：同

15、一次抽样的样本间的差别比如今早8点5个样本间的差别，它受技术，设备的限制，减小时需求较多的投入。组间差别：不同次抽样的样本间的差别比如昨天样本和今天样本间的差别，它通常是管理不周全引起的制程差别稳定的制程才适用控制图。稳定是相对的，概念上它指特殊缘由发生的概率小例如平均超越一个月才会出现一次，假设隔三差五就有不同的特殊缘由，就不是一个稳定的制程，假设每天都发生同样的问题，那这个缘由就得思索把它列为共同缘由假设在加工中每天都要改换某一个部件，而改换部件后的起初几个产品例如设备加热过程的特性值都会有偏向，这种情况我们无需争议这属于什么缘由，也有用它来分析制程稳定性，并在控制抽检时应避开这些产品认。

16、制程稳定性的断定按前面讲的控制限计算的方式搜集数据再计算控制限，画出图后，再将数据计算的点描在图里，同样，用控制图判异法那么进展断定，假设没有异常，那么制程是稳定的制程稳定的意义：制程稳定就是要求组间变异为0，而控制图的控制原理就是要在组间变异不为0时侦测出来。由此看出，SPC控制图正是协助我们改善管理不周引起的组间变异;也指延续几个产品间的特性差别与相隔数小时或数天的产品间的特性差别是一致的。这可以从控制限计算来了解，以Xbar-R chart为例，其控制限宽度的计算均是以Rbar来计算，而每一个R值只代表延续消费的几个产品间的差别，并没思索组间差别，而且建立在同一个中心值的上下，所以控制限

17、的计算要求一切抽样时间点的产品特性的分布中心值和规范差是一致的 假设制程判稳，从经济角度来看，当我们预估进一步改善投入会大于改善收益时，我们将现有制程的系列缘由都列为共同缘由。假设制程不如我们的期望，即使制程判稳也没有经济上的意义，此时我们要从众多共同缘由找出我们可以控制且有益制程改善的工程加以控制，使其转化为可以控制的特殊缘由。不稳定的制程不适用控制图缘由有四个假设制程不稳定，因用于计算控制限的数据包含了众多特殊因，所以计算所得控制限会过宽，用这样的控制限去控制制程，真的出现特殊缘由也能够不会预警不稳定的制程量测到的产品特性值数据分布会严重偏离常态分布，也不符合控制原理的需求控制图的作用是在

18、制程出现特殊异常时预警，制程正常时工程师不用破费时间管理制程，而不稳定的制程由于特殊异常过于频繁，经常性要求工程师分析和改善制程，预警也失去了作用因异常频繁，众多异常信息混淆在控制图里，经过控制图的图形分析制程异常能够性也是很困难的。常态分布是控制图运用的统计工具，中央极限定理是非常态分布运用控制图的根据大自然的选择，通常工厂消费的产品尺寸都属于常态分布普通制程不良那么是二项式分布，单位面积上瑕疵密度是泊松分布，产品寿命是指数分布，产品强度是韦伯分布。常态分布的特点是我们方便推估产品特性在一定区间的比率普通教科书都有讲解其对应法。如右图，常态分布中间高，两低，左右近似对称。重要的是我们可以能过

19、查表求出在各个区间的分布概率也可用Excel表内置计算式或Minitab工具计算即使产品特性分布不属于常态分布，但从中抽取多个产品后其平均值也近似符合常态分布。这即是中央极限定理，也就是说即使制程特性不属于常态分布，经抽样后也可适用控制图。以下是一个例子：一次扔一颗色子，其点数值概率为平均分配，而一次扔两个色子，将其点数平均值出现概率的分布如图二，同样我们还可得到图三，这些趋势阐明，随着抽样量的添加，其平均值的分布将越趋近常态分布如何了解组内变异要小，组间变异要大“组内变异要小指设计控制图抽样时取短时间内的产品来测试，在这个时间段内，制程消费才干极少变化，取样时间越长，越容易混进特殊缘由呵斥的

20、变异，而我们的目的是要获得没有特殊缘由影响的组内变异以计算合理的控制限和计算Cpk 。“组间变异要大不是很有意义，它指抽样无需太过频繁，要结合特殊缘由发生的概率来定义，例如成型制程异常的能够性是三个月一次，假设设计两个小时一次就是浪费一天一次就够了，就是要思索抽样发现问题的效率。制程才干和制程绩效研讨相关目的Ca,Cp,Cpk,Pa,Pp,Ppk(Capability of Accuracy, Capability of Precision, Capability Index of Process)。控制图的运用与产品规格无关，但制程才干研讨与规格是相关的。USL为Upper Spec. Li

21、mit即规格上限，LSL为Lower Spec. Limit，而USL-LSL的差值为规格公差Tolerance，简写为T,有的教材将规格中心值也简写为T代表Target,我们要留意区别，在本书中规格中心值用u代表Ca,Cp,Cpk的含义。以下是一个经典实例三个箭手的成果我们进展一场射箭竞赛，第三组一定是最好的分数，而第一组和第二组分数不分上下，这个分数我们定义为Cpk.前两位箭手成果相当，假设我们要提升他们的成果运用方法是不一样的又如我们要提升两位高中生的学习成果，能够一个要补习英语，而另一个需求补习的是数学。第一位箭手要改良的重点是锻炼身体，特别是手臂肌肉以减小射箭时手的抖动提升稳定性Cp

22、; 第二位箭手要改良的是瞄准的方法，或者是纠正一个习惯性的有同样方向的错误动作来提升准确性Ca。Ca,Cp,Cpk的计算从一批产品中抽取假设干产品量测其某一特性值量测30个产品长度尺寸，规格是uT/2, X1,X2,X3X30利用算式计算 (n=30,Xi代表30丈量值)以上是取常见的计算式，而且只需规格形如uT/2就可以运用，但是有时规格只定义上限或下限如 400或定义400,那么Cpk=CplCpk和Ppk与几率的关系Cpk,Ppk的意义在于管理者据此估计被丈量特性符合规格的几率。只需计算出Cpk或Ppk，将这个值乘以3后得出Z值，再利用常态分布表查出Z对应的分布概率即为被丈量特性符合规格

23、的几率产品良率也是据此来估算规格通常分上下规格限，产品特性超规格也分大于上限和小于下限。由Cpk=min(Cpl,Cpu)可知以上方法算出的几率只扣出了规格大于上限和小于下限中较多的一部份。假设要完全计算，那么还要扣除max(Cpl,Cpu)对应的不良率1-P(max(Cpl,Cpu)。不过通常产品特性实践平均值都会偏离规格中心值，而常态分布几率是成几何积数变化的，所以max(Cpl,Cpu)对应的不良率是远小于min(Cpl,Cpu) 对应的不良率，也就是说直接用Cpk对应出的几率估计是可靠的。以下是常态分布时各制程才干对应的良率+/-4的意义是公差T=42，为制程产品计算所得。左表指在制程

24、无偏移时其对应的良率，右表是制程偏移+/-1.5时其对应的良率。要留意，右表根据规范正态分布表直接查出良率，而左表要求查出对应概率P0后再计算良率P=2P0-1=1-2(1- P0),这是由于左表制程无偏移, 大于上限和小于下限的不良率同为(1- P0)，而右表因有制程偏移，我们只思索单边的不良。(左表6时查表得P0为0.9914(Excel表内编缉等式“=NORMSDIST(6.0)，对应单边不良率为0.0986，约为0.001DPPM,双边不良约为0.002DPPM, Cpk=6/3=2。右表6时先扣掉1.5得4.5查表得0.9566，对应不良率为0.0534，为3.4DPPM, Cpk=

25、4.5/3=1.5)另外一个问题，以上几率估算是基于产品特性分布等于可近似常态分布的前提，假设产品特性分布不是常态分布，那么可根据实践分布选择所用表格如指数分布或泊松分布。区别Ca,Cp,Cpk和Pa,Pp,Ppk这是个容易让人走入迷糊的问题。其实Cpk制程短期才干只对应制程组内变异，而Ppk制程长期绩效对应制程总变异(含组内和组间的变异)。其计算如下以Xbar-R chart为例，先搜集20组数据表得子组容量为4时d2=2.059，Rbar=0.066.lt计算工中n为全部原始数据的数量420=80如右图，再结合计算式st=Rbar/d2或st=Sbar/c2(S-chart)，我们会发现C

26、p的计算式只思索短期内数据的集中程度，而Pp的计算思索一切数据的分布了解完Cpk与Ppk的计算法，我们再一次走向迷失，由于我们在前节中讲到的Cpk计算与本节中Ppk的计算是一样的。我们进一步来廓清这个问题: A: Cpk称号为制程才干目的，代表短期内制程能到达的才干，而Ppk称号是制程绩效目的，代表长时间段制程总的结果。Ppk最终对应总的良率。打个比如，张三做一套数学试卷，他会做其中85分的题，但因疲劳，忽略等缘由只做对了75分的题，我们说他Cpk对应85分，而Ppk对应75分B: Cpk对应组内变异，而Ppk包括组内变异和组间变异。Cpk代表短的才干往往受技术，设备的限制，而Ppk还包含管理

27、不周全引起的制程差别。Ppk比Cpk多出来的差别是我们可经过管理改良来减少的，这个差别的理想值是0这时Cpk=Ppk。也就是说Ppk对应实践的良率，而Cpk为我们提供一个经过管理改良可到达的良率目的。C: 总的说来，Cpk与Ppk的区别在于能否包含组间变异。运用同样的计算式=SQRT(Xi-Xbar)*2/(n-1)，假设样本来源于短期内产品，它即是st对应Cpk,假设样本来源长时间段的产品，它即是lt对应Ppk。而引见Cpk计算时用的Rbar/d2与Sbar/C4只是=SQRT(Xi-Xbar)*2/(n-1)的近似计算式,如此计算的益处是可以把组间变异排除这是一个窍门。IQC进料抽样时，样

28、本的差别能否含有组间差别是不难以确定的，由于有的制程短期如一周内极少出现组间变异，而有的制程会在短期内出现组间变异，即各类制程稳定继续的时间是不一样的，进料检验本身很难确认它的消费时间段，所以我们并不需作绝对的定义，而便利地称Cpk,且工厂内的抽样也有同样的情况。Cpk和Ppk的取值范围及意义当数据相对集中时，如Ca1，Cpk与Ppk的取值为0到负无穷大，表平均值落在USL和LSL之外，有超出50%的产品特性超出规格。Sigma区别A，样本规范差s=SQRT(Xi-Xbar)*2/(n-1)( SQRT表示求平方根，*表示乘方)和母体规范差=SQRT(Xi-Xbar)*2/n.思索到计算所得Xbar与制程真实水准的平均值是有偏向的,数学家为减小这个误差在计算样本规范差时用n-1交换n来修正这个误差。在实践任务运用中我们不宜深究这个问题，由于两者计算所得差别是很小的，我们真接用样本规范差的计算式就可以,而在书写时也不加以区别地记为。B，区别st和lt,前节已引见C，区别运用控制图时讲的3中的(暂用c代表)与st，st代表制程加工产品的才干，代表单个产品特性值的分布，而c代表单次多个抽样特性值的平均值的分布。c代表的意义可以从控制图判异的误判概率计算式中解读出，以Xbart控制图来看，我们控制的点是同一次抽样的多个样本的平均值。再以中央极限定理可知，假设小组抽样量(称子组容量)为