SPC统计过程控制

StatisticalProcessControl

SPC统计过程控制

2至今为止。。。。。SpecLSLUSL我们合格Spec-in就合格Iamalive(我活着)Spec-out不合格检出不良传统品质观念与品质损失函数传统品质观念与品质损失函数3SpecLSLUSL集中在中心才合格散就死Spec-in但没有达到水准就不合格潜在的不良事前预测呀!有吃的

(不良)

从今往后

。。。。。统计学为了解被调查群体的某些隐含的特性，运用合理的抽样方法从被调查群体N中取得适当的样本n，通过研究样本来发现群体的特性!4主要统计学名词群体于制造业而言，通常指在同一生产条件下符

合特定要求的所有个体的集合!也可称为批量记为N样本于群体中抽样而得的部份个体的集合!记为nμ群体平均值Xbar

样本平均值σ

群体标准差

x

/s

样本标准差R

极差/全距

NormalDistribution正态分布5正態分佈6正态分布中，任一点出现在μσ内的概率为P(μ-σ<X<μ+σ)=68.26%μ2σ内的概率为P(μ-2σ<X<μ+2σ)=95.45%μ3σ内的概率为P(μ-3σ<X<μ+3σ)=99.73%+++68.26%95.45%99.73%μ+1σ+2σ+3σ-1σ-2σ-3σ7正态分布概率(双边)μ±kσ在內的概率在外的概率(P)μ±0.67σ50.00%50.00%μ±1σ68.26%31.74%μ±1.96σ95.00%5.00%μ±2σ95.45%4.55%μ±2.58σ99.00%1.00%μ±3σ99.73%0.27%正态曲线单侧的概率(P值)89SPC之精神制程参数的确是SPC的焦点，但是我们应深入探究──

为什么挑出这些制程参数？这些制程参数的控制条件是如何决定的？这些制程参数与成品品质间有因果关系可循吗？PROCESS原料测量结果针对产品所做的仍只是在做SQC针对过程的重要控制参数所做的才是SPCRealTimeResponse参数设计参数验证10目标值线预测时间目标值线尺寸时间？→两种变差原因及两种过程状态如果仅存在变差的普通原因,随着时间的推移,过程的输出形成一个稳定的分布并可预测如果存在变差的特殊原因，随着时间的推移，过程的输出不稳定正态分布与两种变差原因受控不受控

水准11

水准:规格中心和规格上限或下限距离是标准差的几倍？

水准的概念

品质特性值随正态分布时，从规格中心到规格界限为止距离相当于标准差几倍的测度，Process變異越小，

水准越大。m1s3s平均规格界限

量測Process可以生产多少均一品质制品能力的测度。121sm1s发生不良限度3s平均记号前数值(Z)越大，不良发生的概率越小。6s规格界限3

水准的稳定製程6

水准的稳定製程13

能生产均一品质制品的製程固有能力。什么叫製程能力？

製程被控制时，表示製程中生产的制品品质变动是什么程度的量。

一切品质特性都具有它的目标值(TargetValue)，

品质是与目标值的偏差越小越优秀。长期/短期製程能力1415製程能力指数-短期製程能力指数用

CP,CPK

来表示，长期製程能力指数用

PP,PPK来表示。

-在这里CP

或

PP

是製程平均与规格中心一致时的製程能力指数，

CPK

或

PPK

是製程平均与规格中心不一致时的製程能力指数。

製程能力指数(ProcessCapabilityIndex)

在Minitab

製程能力指数是製程能生产多么均匀品质产品的能力，即，评价製程能力的指標。

16

短期製程能力指数

製程平均和规格中心一致时

製程平均和规格中心不一致时

st表示短期标准差，在Minitab中以StDev(Within)

推定。製程能力指数其中,17

长期製程能力指数

製程平均和规格中心一致时

製程平均和规格中心不一致时(不對稱時)

lt表示长期标准差，在Minitab中以

StDev(Overall)

推定。製程能力指数其中,18(3)Cpk等級之說明(當Ca=0)6

σE級6

σD級6

σC級6

σB級6

σA級規格中心值規格上限規格下限Cpk<0.67Cpk=

0.67Cpk=1.00Cpk=1.33Cpk=1.67T=10

σT=8

σT=6σT=4

σCpk=2.00T=12

σ管制图是对过程质量加以测定、记录从而进行控制管理的一种用科学方法设计的图。图上有中心线(CL-CentralLine)、上管制界限(UCL-UpperControlLimit)和下管制界限(LCL-LowerControlLimit)，并有按时间顺序抽取的样本统计量数值的描点序列，参见管制图示例图。管制图1920管制图由来说明21正态分布有一个结论对质量管理很有用，即无论均值μ和标准差σ取何值，产品质量特性值落在μ±3σ之间的概率为99.73%，于是落在μ±3σ之外的概率为100%一99.73%=0.27