SPC经典教材课件

SPC:控制图方法统计性PROCESS控制S〔Statistical〕为了研究PROCESS散布所使用的统计方法P〔Process)工序、工程C〔Control)用积极的经营来控制散布我们该采取措施了吗？

每天我们都被数据所淹没，我们被迫作出结果：

工厂的输出减少了4%

美国贸易逆差上升了$400亿

公司X的收入比上季度减少了$240万我们需要解释数据的方法

别管它没事痛苦和受难

痛苦和受难“顾客〞要求下限此方法告诉你从顾客要求角度你处于什么位置不能告诉你如何到达目标或下一步该做什么强迫到达顾客要求将导致一个人： 1.真的改善工程 2.破坏工程 3.破坏数据(完整性)“顾客〞要求上限我们如何处理数据-历史上23废品率(%)1123419961997晚会时间

工厂的废品率到达年度的低点1.5%经理给全厂颁奖仪式在餐厅进行：为所有的人准备了比萨饼和各种点心和饮料！“每个人都应为你们取得的成就感到骄傲〞DerivedfromUnderstandingVariation:TheKeyToManagingChaos,DonaldJ.Wheeler,SPCPress.1993.散布事例特殊与一般要因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！〞经理断定：

“粗暴的爱产生奇迹〞23112345678910111219961997123456废品率(%)DerivedfromUnderstandingVariation:TheKeyToManagingChaos,DonaldJ.Wheeler,SPCPress.1993.散布事例特殊与一般要因散布事例特殊与一般要因在管理图上这个数据看上去像什么？23112345678910111219961997UCL123456789LCL废品率(%)DerivedfromUnderstandingVariation:TheKeyToManagingChaos,DonaldJ.Wheeler,SPCPress.1993.真实的故事!!“来自工程的声音〞让工程来说话吧！！经理“嗨,我是按照数据作出结论的─我怎么会错呢？〞质量管理人员“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〔一般要因散布〕。看这数据，在工程中没有过明显的变化〞经理断定：“粗暴的爱产生奇迹！”12345678923废品率(%)112345678910111219961997晚会时间经理想收回奖励不再温和的管理UCLLCL管理图讲述了一个不同故事─为什么？

“对人类而言疏于用控制图分析数据是的增加费用，消耗努力和降低士气的最好方式。〞

-DonaldJ.Wheeler博士〔GE总裁〕控制图方法20世纪20年代-WesternElectric公司的WalterShewhart博士用于鉴别可控和不可控的散布可控:a.k.a.一般要因或固有的〔噪声〕不可控:a.k.a特殊要因或可归属的〔信号〕尽力在所有的噪声中寻找工程信号把控制图作为主要的工具控制图方法-它从何而来？

散布的种类“一般与特殊〞一般要因(噪声)在所有工程中出现由工程自己产生〔我们经营的方法〕可以消除和/或减小，但需要工程有根本性的改变 当只有一般要因散布存在时，工程处于稳定的，可预测的，那么工程是受控的状态特殊要因〔信号〕不可预测与一般要因散布相比相对大得多由单个的扰动或其系列的组合导致通过根本的工程控制和监控可以消除/减小 一个工程存在特殊要因散布时，被称为脱离控制和不稳定散布的种类“一般与特殊〞按时间画数据被监控的特性UCL中心线LCLUCL=控制上限/LCL=控制下限画的数据根本的控制图关键成分多少%的数据点应该落到UCL和LCL之间?如果一个点落在了UCL或LCL之外，这意味着我们在给顾客制造一个不良品吗？

UCLLCL控制图构成UCL与LCL控制上限=UCL控制下限=LCL规格上限=USL规格下限=LSL下面的工程在制造不良吗？

UCLLCLTIMEUSLLSLUCL和LCL与USL和LSL控制上限=UCL控制下限=LCL规格上限=USL规格下限=LSL下面的工程在制造不良吗?

UCLLCLTIMEUSLLSLUCL和LCL与USL和LSLUCL和LCL对USL和LSL工程的控制线是基于来自工程本身的数据而计算出来的

他们基于+/-3s(预期99.73%的工程散布落在控制线之间)控制图上没有产品规格限

了解工程与顾客要求相匹配的程度是重要的认知

为了判断按照顾客的期望工程运行的如何，需要作工程能力研究

#1)把规格限放在管理图上

#2)把UCL和LCL当做规格限对待

如果你做了其中一个，管理图将变成仅供检查的工具-它不再是管理图了UCL/LCL不直接和顾客不良相联系

两大管理图错误

UCL和LCL与USL和LSL控制图的主要类型计量值控制图个体-X和移动范围〔I-MR〕图X-Bar/R图

计数值控制图np-图p-图c-图u-图两种一般类型的数据

计量型─ 数据是连续的〔测量得到的〕 对某个特性的实际测量结果，如软管的直径，电阻，部品的重量，等计数型─ 数据一般是数出来的 用有/没有型仪表的测量结果，可见缺陷的检查，丧失部品的数量，合格/不合格或对/错判断，等(1) 公司生产的每台洗衣机的RPM(2) 一个班次生产的部品的平均RPM(3) 拖板标签上的打印缺陷数(4) 每份销售合同的打字错误数(5) 月生产中脱离规格的部品数

(6) 月生产中脱离规格部品的%

(7) 汇总一个应收款所花费的时间

(8) 每生产100件部品中有缺陷部品的数量

练习:是什么类型的数据?计量型计量型计量型计数型计数型计数型计数型计数型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?数特定缺陷或缺陷性工程?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〞缺陷性工程缺陷的概率低吗?

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图选择正确的控制图注:X-BarS适合于群大小(n)>10我们将使用的规那么:规那么#1:1点脱离UCL或LCL(3-sigma限)规那么#2:3个连续点中2点脱离2-sigma限规那么#3:5个连续点中4点脱离1-sigma限规那么#4:8个连续点在中心线的一侧图案规那么:一个图案自我重复为了帮助鉴别出现在我们工程中的特殊要因事件，制定了一套标准规那么当违反了一个规那么时，我们用“脱离控制〞来描述这意味着某些“非正常〞的情况发生了-去把它查出来!!控制图规那么“路径规那么〞 (1)从规那么#1和图案区别规那么开始 (2)如果需要高的灵敏度，用规那么#2,3,和4衡量我们将使用的规那么:规那么#1:1点脱离UCL或LCL(3-sigma限)规那么#2:3个连续点中2点脱离2-sigma限规那么#3:5个连续点中4点脱离1-sigma限规那么#4:8个连续点在中心线的一侧图案规那么:一个图案自我重复探测控制缺乏

1Sigma2Sigma3Sigma1Sigma2Sigma3Sigma60-75%90-98%99-99.9%%数据点UCLLCL时间我们在测量的工程标准偏差规那么“数据分布在哪儿?〞图描述示例#1示例#2解释警示你工程正在变化。但并不意味着你需要采取纠正措施。也许与你制造的变化相关。在采取任何建设性措施之前一定确定原因工程稳定，没有变化。但并不意味着不管工程。可能有改善的机会并获得实质的利益

暗示工程已经经过了一个永久的变化(+或-)而现在正趋于稳定。常常要求你为了以后的控制图解释重新计算控制线

常见于做完某些变化之后。帮助告诉你此变化是否有+或-影响。也许是与某些训练形式相关的学习曲线的组成部分

一般与以可预见方式影响工程的因子相关。因子在固定的时间周期上出现，并具有+/-影响。帮助决定未来工作装载/人员供给的水平

暗示不同类型的数据混入已抽样的子群当中。一般需要改变子群，重新收集数据，并重作控制图

图点没有形成特殊的图案而且分布于图的上下限之间

图点形成特殊的图案或一点或更多点超出图的上限或下限

图点在中心线一侧。在一个串列内的点数称为串列

的长度

一系列点连续上升或下降(7或以上连续点在相同的方向).在相同时间周期上图点表现相同的图案变化(比如，上升或下降)图点靠近中心线或一个控制限(连续3点中2点，7点中3点，或10点中4点).工程受控(Processincontrol)工程非受控(Processoutofcontrol)串列（Run）倾向（Trend）循环(Cycle)紧靠(Hugging)201510201510201510201510201510201510201510201510201510201510201510201510UCLLCLUCLLCLUCLLCLUCLLCLUCLLCLUCLLCLUCLLCLUCLLCLUCLLCLUCLLCLUCLLCLUCLLCL123456712345671/31/31/21/2(1) 公司生产的每台洗衣机的RPM(2) 一个班次生产的部品的平均RPM(3) 拖板标签上的打印缺陷数(4) 每份销售合同的打字错误数(5) 月生产中脱离规格的部品数

(6) 月生产中脱离规格部品的%

(7) 汇总一个应收款所花费的时间

(8) 每生产100件部品中有缺陷部品的数量

I-MRXbarRu或c图u或c图p图p图I-MRnp图练习:用哪种控制图？控制图类型介绍计量型图个体-X和移动范围图〔I-MR〕X-Bar/R图计数型图np-图p-图c-图u-图个体/移动范围〔I-MR〕控制图控制图基于子群大小为1翻开工作表:IndividualMR在SPC.MPJ中Stat>ControlCharts>I-MRVariable=ErrorsMinitab举例

个体/移动范围图控制图告诉了你什么？

计量型图个体-X和移动范围图X-Bar/R图计数型图np-图p-图c-图u-图控制图类型介绍优点

算法简单

对工程变化很敏感

局限

所研究的每个质量特性需要一个控制图

控制图XBar/R图散布短期:由群间测定的散布来描述(R图)

长期:由群内平均事件的变化来描述(XBar图)

控制图X-bar/R图控制图X-bar/R图建立步骤:1)收集数据为子群定义合理的原那么选择子群大小选择子群频率建立图表然后记录原始数据计算每个子群的X-bar和R定义控制图范围画每个子群的X-bar和R2)计算X,R和控制限计算R和X R=

Rk/子群数(k) X=

Xk/子群数(k)

计算控制限

UCLR=D4R LCLR=D3R(0ifn<7) UCLX=X+A2R LCLX=X-A2R

为X和R画控制限

X-bar/R控制图=_=_--__==___==_Xbar/R控制图表X-bar/R控制图计算初始的控制限时遵循100个数据点的规那么少了不准确多了不必要X-bar/R控制图控制限是从工程输出本身推导出来的。只在适当的时候才重算一般情况下,再计算的条件：样品图最近才开始，而且存在一个对取样，测量，画图等学习转折期工程有一个的变化，而且其影响已经由“老的〞控制限所证实控制限再计算翻开工作表:Xbar-RStat>ControlCharts>Xbar-RVariable=OutputSubgroup=subgroupMinitab练习-Xbar/R图XBar/R图输出

控制图告诉了我们什么？

合理子群化一种组织数据的方法，目的是让控制图答复正确的问题子群选择的方式：子群内的样品是同质的〔群内散布最小化〕最小化的群内散布让我们容易领会群间散布及特殊要因事件不要在子群中包括你希望采取措施的、影响工程平均值的因素“如果数据没有以合理的方式子群化，那么控制图将不过是墙纸罢了〞DonaldWheeler可能的子群化策略作业者别班次别设备别供给商别材料型号别模型号别日别工厂别.....合理子群化子群化花生酱子群方案I控制图在说什么？

花生酱子群方案II控制图在说什么？计数型控制图基于缺陷性数或缺陷数可以能被应用到几乎每个收集数据的作业应用于质量特性：不能产生计量型数据，或测量费用太高，或难以测量不象计量型控制图，计数型控制图可以用于一个质量特性或多个质量特性〔但当把相异的特性合计时应谨慎使用--易产生误导〕计数型控制图

缺陷与缺陷性缺陷性是与指定的标准相比较，在一个样品中有1个或多个不一致的工程缺陷是与指定接受的标准相比较，每一个不一致计数型控制图的类型缺陷性np 画不合格个体的数p 画不合格个体的百分数缺陷c 画缺陷数u 画“每检查个体〞的缺陷数计数型控制图策略为工程改善不懈地奋斗8个以上的点在管理图的中心线以下在计数型管理图上，逐步的改善是重要的每个计数型管理图必须配有一个数据收集表应该用Pareto分析来给缺陷分类--“把明显少数和一般多数分开〞计量型管理图个体-X和移动范围图X-Bar/R图计数型管理图np-图p-图c-图u-图管理图类型介绍监视缺陷性工程最简单的方式需要恒定的样品大小画每个样品缺陷性工程数中心线

(np=缺陷性数;k=子群数)控制限np-图__________2543365075412363844464237每天缺陷性单位数时间Minitab练习-np图例如假设我们有一套数据(工作表npChart)，描述一周的62批缺陷性工资支票数

翻开工作表:npChartStat>ControlCharts>NPVariable=ErrorsSubgroup=62Minitab练习-np图注意到控制限有那些特殊吗?np图输出计量型控制图个体-X和移动范围图X-Bar/R图计数型控制图np-图p-图c-图u-图控制图类型介绍作缺陷性图时使用即可用于恒定的也可用于变化的样品大小

基于二项分布

既可以画分数式也可以画百分数式缺陷性

中心线

(np=缺陷性数

n=子群内样品大小)控制限p图p图-变化的样品大小变化的样品大小产生变化的控制限宽度

为什么?因为sigma(

)是样品大小的反比例函数

随着样品大小的增加，p的控制限带变窄

完整的控制图某种程度上有些较难解释

手工绘图相当困难

Minitab练习-p图例如假设我们有一套数据(工作表p-Chart)，描述每天缺陷性单位数

Stat>ControlCharts>PVariable=NumberSubgroupSize=BuildRateMinitab练习-p图例如违反了那条规那么？p图输出计量型控制图个体-X和移动范围图

X-Bar/R图

计数型控制图np-图p-图c-图u-图控制图类型介绍泊松分布当评价特定类型的缺陷时适用问你自己:“几乎不可能数出合格部品的数量吗？〞或“没有最大计数值吗〔实际上的无限〕？〞C和U图基于这种分布需要满足的假设:事件是“稀少的〞与可能…相比，试想如果所有的事情都错了，你能得到至少10次那么多的计数吗？那就是足够“稀少〞事件相互之间独立发生事件发生的可能与检查个体数的大小成正比〔概率面积〕c控制图是监视缺陷的最简单的形式

基于泊松分布需要恒定的样品大小

画每个样品每个检查个体的缺陷数

中心线(c=缺陷数;k=子群数)控制限91511817115111371012437233627