SPC知识介绍课件

SPC知识介绍

CONTENTS目录一、一个真实的故事二、SPC的基础知识三、控制图四、过程能力分析1.一个真实的故事废品率(%)20002001晚会时间3212000年4月***厂公司晚会上工厂的废品率比上年度降低1.5%总经理给全厂颁奖

仪式在餐厅进行：为所有的人准备了各种点心和饮料！

总经理讲演：“每个人都应为你们取得的成就感到骄傲”1234567

案例经理想收回奖励.3212000年7月连续3个月废品率上升

总经理想要收回他的奖励

不但没有保持已有的成绩,废品率却直线倒退总经理反思：“奖励适得其反.这群人需要强硬的管理!”200020011234567

废品率(%)不再“温和的管理”3212000年11月到11月,废品率上升到2.6%─年度最高点，总经理采取措施

召集一次“特别会议”，要一次性并永久性解决这个问题在作完一个关于废品重要性的生动报告后，总经理走了.

员工们不知道该做什么.而且他们还有更重要的指标.

所以他们什么也没做.

200020011234567891011

废品率(%)总经理断定：

“粗暴的爱产生奇迹”3212001年6月总经理看到自从去年底以来，废品率降低了.“柳暗花明了！”(记住:实际上从来没采取任何措施来改善系统)

他得出结论:“强硬的管理方式获得成功！”废品率(%)20002001123456789101112123456SPC可以找出其他结论.UCLLCL321废品率(%)2000200112345678910111212345678SPC可以找出其他结论

-

但是理由呢?总经理“嗨,我是按照数据作出结论的─我怎么会错呢？”专家“你的结论是把高、低点作为信号观察而得出的。实际上，那都是噪声（偶然原因散布）。看这数据，在工程中没有过明显的变化”UCLLCL321废弃水平(%)2000200112345678910111212345678举办晚会管理者想收回奖励.中断温和的管理方式管理者下了强硬的管理方式获得成功的结论对人类而言：疏于用控制图分析数据是已知的增加费用、浪费人力物力和降低士气的重要原因.” -Dr.DonaldJ.Wheeler

CONTENTS目录一、一个真实的故事二、SPC的基础知识三、控制图四、过程能力分析-

控制图的定义和目标

-两类变异的基本原因

-控制图的基本结构通过各种控制图对过程进行监控。控制图是通过时间的推移来统计跟踪过程和产品参数的方法.控制图具体表现出反应(随机)变动的变动的自然界限的控制上限与下限.这些界限不应与客户规格界限相比较.2.1控制图的定义和目标所有控制图只有一个共同的目标：检测出引起过程重要变异的可归属变异原因，从而：在过程产生大量不合格品之前采取调查和纠正行动以消除引起过程变异的可归属原因.换句话说，保持过程处于统计控制状态.2.2两类变异的基本原因偶然原因不可避免的原因可归属原因可被控制变异的偶然原因归因于许多微小的不可避免的变异来源的累积影响.也被称为:共有变异随机变异固有变异自然变异当一个过程运行于只存在偶然原因变异的情况下，称其处于受控状态.变异的可归属原因与偶然变异不同的过程变异，它会扰乱一个过程，使其输出失常.这类变异的例子有:错误地调整机器过多的工具磨损有缺陷的原材料当一个过程运行于存在特殊原因的状态下时，称为该过程失控.●●●●●●●●●●●●●●●●●●●●●●CLCenterLineUCLUpperControlLimitLCLLowerControlLimit

中心线(CL:CenterLine)

用中心线表示管理状态下品质特性的均值。

管理上·下限

(UCL:UpperControlLimit,LCL；LowerControlLimit)

管理上限、管理下限品质特性的均值相加或相减3倍的品质特性标准差后的值

将通过资料计算的值用点标在控制图上，当所有的点在控制图控制的上、下限内，并且没有特别的倾向时，判断为工艺处于非异常状态。2.3控制图的基本结构中心线

CL管理下限

LCL管理上限

UCLH0放弃H0放弃H0选择平均值(目标值）

±3σInControlStateOut-of-ControlStateOut-of-ControlState

管理图是检验假设的连续选择!选择!放弃!选择!.....异常原因(assignablecause)引起的非正常品质变动偶然原因(chancecause)引起的正常品质变动统计管理状态(instatisticalcontrol)脱离统计管理状态(outofcontrol)管理范围内的分布管理范围外的分布3

5

通过最常用的控制图X图来检查我们对SPC控制图的理解LSLUSL设置USL&LSL在X-图上可帮助该受控制部品满足Cpk需求误解1收缩USL&LSL意味着在70%或80%处建立UCL和LCL.误解2对X-图的更多误解LSLUSL虽然过程失控，但部品仍然满足客户规格.误解3过程受控，因此部品满足客户规格以及Cpk要求误解4LSLUSL如何建立抽样计划?-直觉?-经验?-统计计算?-技术判断?5pcs/2hr

误解6误解5A2R当知道A2R=3s.但哪一个s?sx,sx,swithin,soverall??对X-图的更多误解品质特性的图解比较和计算的控制界限.通常而言,品质特性的抽样统计值沿时间轴被绘于图上，有时直接将实际值绘于图上.LCLUCLCL抽样数或时间样本品质特性图中每个点通常都是品质特性抽样统计结果（如子组均值）控制图画出了随时间变化的变异.控制界限(UCL)和(LCL)帮助我们区别两类不同类别的变异原因.LCLUCLCL抽样数或时间样本品质特性中心线代表过程均值UCL&LCL为判断过程何时需采取纠正行动的关键指引一个超出UCL或LCL的点表示过程失控.需采取调查和纠正行动来消除变异的可归属原因.可归属原因可能是测量误差、测绘误差、某些过程输入的特殊变异等.etc.LCLUCLCL抽样数或时间SampleQualityCharacteristic失控信号:调查可归属原因

CONTENTS目录一、一个真实的故事二、SPC的基础知识三、控制图四、过程能力分析-

控制图的种类和选择

-合理子群

-判异准则计量型控制图均值—极差图（X-R图）

均值—标准差图（X-S图）中位数—极差图（X-R图）

单值—移动极差图（I-MR图）计数型控制图不合格品率控制图（p-图

）不合格品数控制图（np-图）单位缺陷控制图（u-图）

缺陷数控制图（c-图)～3.1控制图的类型和选择计数型计量型什么类型的数据?按群还是按个体收集的数据?是缺陷还是不良项目?群(平均值)(n>1)个体数值(n=1)X-BarRX-BarS个体移动范围（I-MR）特殊类型的“缺陷”

不良项目

缺陷的概率低吗?

如果你知道坏的数，你知道好的数吗？泊松分布二项分布个体移动范围（I-MR）否是是每个样本数的几率面积不变?是否c图u图不变的样本数?

np图否是p图注:X-BarS适合于群大小(n)>10控制图选择方法X-R是最常用的控制图.平均值图和极差图用于检测是否存在恒定原因系统.X-图测量样本之间的变异R-图测量样本之内的变异X-R

图的结构控制界限是估计的过程+/-3sigma界限.开发的常数表用于使sigma计算简单并降低误差.控制图理论的一个重要概念是通过抽样组成一个数据组（子群）修华特称之为合理子群X-图用于探测由于特殊原因所导致的过程均值偏移.3.2合理子群如果一个可归属原因确实存在：我们希望可归属原因不出现在一个子组内部，而是出现在另一个子组内部.这意味着当一个子组受影响时，另一个子组不受影响.这样我们就可以判断过程均值偏移可归因于可归属原因，并且X图上会出现失控点.子群构成首选方法:-采集连续产品单元因为样本在很短时间内收集，样本内部因可归属原因导致的变异小它最大化了子群间因可归属原因所导致的变异.容易探测出过程偏移.子群构成另一种方法:在抽样间隔内随机抽样.每个子群为抽样间隔内所生产的所有产品单元的随机样本.警告:可能使子群内极差过大，因此控制界限过大，从而使过程表现为受控.判断过程稳定性的基本思路按控制图判异准则的八个检验模式，对样本数据在控制图中的点子的排列状态进行判断。若控制图中没有任何一个检验模式的状态出现，即判断取样过程处于稳定受控状态。3.3控制图的八大判异准则Test1ABCCBA1在MINITAB可以对可能成为异常状态的8种特别原因进行检验.A,B.C显示离中心线分别相距标准偏差3,2,1的区域.检验1:一个点超出区域A检验2:以中心线为基准,在同一侧面有9个连续点.Test2ABCCBA2检验3:相连的6个点连续上升或下降.ABCCBA3Test3检验4:连续的14个点相继上升或下降,对此应检讨数据的操作性.ABCCBA4Test4检验5:连续的3个点中2个在A区域(以中心线为基准在同一侧)Test5ABCCBA55检验6:连续的5个点中4个在区域B或其外边的位置

(以中心值为基准在同一侧)Test6ABCCBA66检验7:连续的15个点在区域C(以中心线为基准看两侧)

第一是什么使它变好

第二是数据是否读错或测定仪误差Test7ABCCBA7检验8:连续的8个点在区域C外边的位置(以中心线基准两侧)Test8ABCCBA8例题下列数据是生产模具产品的压缩强度的测量资料.请检验是否稳定统计>控制图>单值的变量控制图>

I-MR过程处于稳定状态一、一个真实的故事二、SPC的基础知识三、控制图四、过程能力分析-

过程能力概念

-计量型过程能力分析

-计数型过程能力分析

CONTENTS目录一、一个真实的故事二、SPC的基础知识三、控制图四、过程能力分析-

过程能力概念

-计量型过程能力分析

-计数型过程能力分析过程在受控状态下时：一个过程的实际表现,用过程均值加减三倍的标准偏差表示。+3σ-3σXbar4.1过程能力的概念过程能力指数反映过程在受控状态下时，客户要求与过程表现(产品质量或服务质量的变动程度)的比值，如果过程表现越能满足顾客要求，则过程能力指数数值越大.USLLSL什么导致缺陷？散布源：

制造过程和测量系统

原材料的偏差不合理或过窄的规格(为了强化设计，比顾客的要求更窄)不恰当的设计不稳定的原材料

不充分的过程能力

数据类型计量型记数型收集数据收集数据用Minitab分析数据用Minitab分析数据过程能力指数PPMCp,Cpk,Pp,Ppk过程能力表示DPU,PPM过程能力分析路径过程能力指数

USLLSL顾客之声过程之声过程能力指数(ProcessCapabilityIndex)定义-

过程能力指数表现过程制造的产品有多均匀的能力,

即把过程能力定量化评价的尺度.-过程能力指数是在假设质量特性分布是正态分布的条件下规格容差和过程的自然散布(标准偏差的6倍)的相对大小比较计算的指标过程能力指数(ProcessCapabilityIndex)指标-短期过程能力指数用Cp,Cpk表示；长期过程能力指数用Pp,Ppk表示.-这里

Pp,Cp是过程平均和规格中心一致时的过程能力指数,Ppk,Cpk是与规格中心不一致时的过程能力指数.过程能力指数

过程能力改善战略LSLUSL不良不良中心移动:

过程目标值或中心值(Target)散布程度:缩小散布USLC-LSL6pσCMin(

X-LSL3USL-X3pk

σ

σ,)过程能力指数Cp和Cpk

4.2计量型过程能力分析USLC-LSL6pσ总容差C过程的散布程度(散布)p顾客的声音C过程的声音p过程能力Cp过程能力指数CpkCMin(

X-LSL3USL-X3pk

σ

σ,)C

X-LSL3pL

σUSL-X3

σCpU

-为了反映过程的漂移过程能力分析注意事项过程能力分析条件

数据来自稳定的过程

否则得先使过程处于受控状态

不要绝望，与此同时还可以对过程作一些其他的假设数据来自正态分布

-否则，进行变换

-如果不满足条款#1和#2，结果将有误导数据是否有靠(通过MSA分析)在这个领域Minitab具有很多工具能帮助你

例：CapabilitySixpack,CapabilityAnalysisMinitab过程能力分析CapabilityAnalysis例子1打开例子过程能力数据1(LSL：39,USL:43,子集：5)

正态性检验统计>基本统计量>正态性检验P值>0.05正态过程能力分析

统计>质量工具>能力分析>正态群内过程能力全体过程能力观测的不良率群内(短期，潜在)

预想不良率

全体(长期，实际)预想不良率CapabilitySixpack例子1打开例子过程能力数据1(LSL：39，USL:43,子集：5)

统计>质量工具>CapabilitySixpack>正态Minitab过程能力分析_常用方法Minitab图表分析它是正态分布吗？和规格限比起来过程的散布怎么样？

它是正态分布吗？子集间有差异吗？

它受控吗?它受控吗?过程能力解释Cp是

经验极限水平.Cpk与Cp越近似越好.散布可能的最好实际(总体)过程平均值的位置

规格范围的中点

实际位置CpPpkCpkPp问题一：通过以上的学习，我们判定下，对于125个数据，我们分为25组，如果计算PPK和CPK，哪一个大，为什么？问题二：EXCEL表中与Minitab计算CPK和PPK有什么不同？为什么？过程能力水平评价Cpk

值分布和规格关系判断工程能力措施Cpk≥1.67工程能力非常充足考虑减化管理和节约成本的方法1.67>Cpk≥1.33工程能力理想理想的状态或维持管理1.33>Cpk≥1.0工程能力勉强符合规格做好工程管理确保管理状态。Cp接近于

1.0

时有可能发生不良，根据需要应采取措施1.0>Cpk≥0.67工程能力不足有不良发生需要做全数检查等改善0.67>Cpk工程能力相当不足为改善品质追究原因、制定紧急对策并重新确认规格特性分布 不良品率二项分布 缺陷率 泊松分布 4.3计数型数据的过程能力分析不合要求的过程能力对于正态分布数据，不合格部分可按下式计算不良率对应于任意不合格率，有一个对应的Z值Z-Score，这里因为因此不合格率的Ppk

评估确定长期不合格率(p)确定p

的反转累积概率，（查正态分布表求得）Z-Score为查表值Ppk

为Z-Score值的三分之一.例子：一位业务经理想评估其电话销售部门处理来电的能力，以下为在20天内收集的数据:每天的来电数每天的未应答来电数统计质量工具能力分析(二项)Ppk=0.25基于缺陷率和缺陷数的过程能力计算以下应用，近似于泊松分布:缺陷率缺点数溶液浓度计算单位产品缺陷数(DPU):

翻到Sigma表,然后估计Sigma水平计算每百万机会的缺陷数(DPMO):DPU/DPMO与Sigma水平DPU/DPO/DPMODPU=2DPO=0.5DPMO=500,000DPU=3DPO=0.75DPMO=750,000DPU=1DPO=0.25DPMO=250,000=1机会=1单位1单位=4机会=缺陷翻到Sigma表,然后估计Sigma水平

4.67Sigma计算单位产品缺陷数(DPU):计算每百万机会的缺陷数(DPMO):DPU/DPMO与Sigma水平999,996.6999,995999,991999,987999,979999,968999,952999,928999,892999,841999,767999,663999,517999,313999,032998,650998,134997,445996,533995,339993,790991,802989,276良品数3.45913213248721081592333374836879681,3501,8662,5553,4674,6616,2108,19810,724ＤＰＭＯ6.05.95.85.75.65.55.45.35.25.15.04.94.84.74.64.54.44.34.24.14.03.93.8Ｚst4.54.44.34.24.14.03.93.83.73.63.53.43.33.23.13.02.92.82.72.62.52.42.3Ｚlt986,097977,250971,284964,070955,435945,201933,193919,243903,199884,930864,334841,345815,940788,145758,036725,747691,462655,422617,911579,260539,828500,000460,172良品数13,90322,75028,71635,93044,56554,79966,80780,75796,801115,070135,666158,655184,060211,855241,964274,253308,538344,578382,089420,740460,172500,000539,828ＤＰＭＯ3.73.53.43.33.23.13.02.92.82.72.62.52.42.32.22.12.01.91.81.71.61.51.4Ｚst2.22.01.91.81.71.61.51.41.31.21.11.00.90.80.70.60.50.40.30.20.10.0-0.1Ｚlt420,740382,089344,578308,538274,253241,964211,855184,060158,655135,666115,07096,80180,75766,80754,79944,56535,93028,71622,75017,86413,90310,7248,198良品数579,260617,911655,422691,462725,747758,036788,145815,940841,345864,334884,930903,199919,243933,193945,201955,435964,070971,284977,250982,136986,097989,276991,802ＤＰＭＯ1.31.21.11.00.90.80.70.60.50.40.30.20.10.0-0.1-0.2-0.3-0.4-0.5-0.6-0.7-0.8-0.9Ｚst-0.2-0.3-0.4-0.5-0.6-0.7-0.8