SPC技术实战公开课市公开课一等奖省赛课微课金奖课件

SPC品保培训资料1/194一、统计制程管理概述二、SPC基础－统计基本知识三、统计过程管理３、控制图原理、制作与分析１、直方图和过程能力分析与研究４、QC七大手法四、总结２、现场品质管制流程与数据采集2/194一、统计制程管理概述3/194质量检验SPCTQM

背景4/194

沃尔特•安德鲁•休哈特（WalterAndrewShewhart）

1891年3月18日生于伊利诺伊州纽坎顿1967年3月11卒于新泽西州特诺伊山休哈特主要职业生涯在贝尔电话试验室（Bell

TelephoneLaboratories)[现为朗讯科技（LucentTechnologies）]渡过。1924年，他首次应用统计方法与质量控制之中，他制作了世界第一张控制图。1931年，他出版《制造业产品品质经济控制》。1947年，美国质量控制协会（ASQC）才认识到休哈特主要贡献。从1950年开始，他同事及学生戴明博士（EdwardsDeming）将休哈特控制理论传授给日本人。过去二十年来，休哈特控制理论和控制图已成为世界标准。5/194统计控制概述1、预防与检测-----------------------------Slide22、过程控制系统--------------------------Slide33、变差：普通原因及特殊原因--------Slide44、局部办法和对系统采取办法--------Slide65、过程控制和过程能力-----------------Slide76、过程改进循环及过程控制-----------Slide87、控制图：过程控制工具--------------Slide98、控制图益处--------------------------Slide106/194统计控制概述之一

过程控制需要检测——容忍浪费预防——防止浪费

检测与预防7/194统计控制概述之二过程控制系统我们工作方式/资源融合

用户产品或服务识别不停改变需求和期望用户呼声人设备环境材料方法输入过程/系统输出过程呼声统计方法过程控制系统8/194统计控制概述之三变差普通及特殊原因－11、每件产品尺寸都与别不一样2、但它们形成一个模型，若稳定，能够描述为一个分布范围范围范围范围范围范围范围范围范围范围3、分布能够经过以下特征加以区分：A.位置B.分布宽度C.形状9/194统计控制概述之三变差普通及特殊原因－2假如仅存在变差普通原因伴随时间推移，过程输出形成一个稳定分布并可预测范围范围预测时间时间假如仅存在变差特殊原因，伴随时间推移，过程输出不稳定10/194统计控制概述之四局部办法和系统办法局部办法和系统办法局部办法通惯用来消除变差特殊原因通常由与过程直接相关人员实施通常能够纠正大约15%过程问题系统办法通惯用来消除变差普通原因几乎总是要求管理办法，方便纠正大约能够纠正85%过程问题11/194统计控制概述之五过程控制和过程能力时间范围范围时间过程控制过程能力不受控－－存在特殊原因受控－消除了特殊原因受控，但没有能力符合规范普通原因造成变差太大受控，且有有能力符合规范普通原因造成变差降低规范上限规范下限12/194统计控制概述之六过程改进循环及过程控制ASPDDPSAPDSA1、分析过程本过程应做些什么？会出现什么错误？本过程正在做什么？到达统计控制状态？确定能力2、维护过程监控过程性能查找变差特殊原因并采取办法3、改进过程改进过程从而更加好地了解普通原因变差降低普通原因变差13/194统计控制概述之七控制图--过程控制工具上控制限UCL中线UCL下控制限LCL1、搜集

搜集数据并画在图上2、控制

依据过程数据计算试验控制界限识别变差特殊原因并采取办法3、分析和改进

确定普通原因变差大小并采取减小它办法重复这三个阶段从而不停改进过程14/194统计控制概述之八控制图益处合理使用控制图能：供正在进行过程控制操作者使用有利于过程在质量上和成本上能连续地，可预测地保持下去使过程到达：

---更高质量---更低单件成本---更高有效能力为讨论过程能力提供共同语言区分变差特殊原因和普通原因，作为采取局部办法或系统办法指南15/194一、统计制程管理概述二、SPC基础－－统计基本知识与惯用统计量16/194产品质量统计观点（一）：产品质量含有变异性影响产品质量原因有6M：Man：人

Machine：机

Material：料

Method：法

Mother-nature：环

Measurement：测不论人类社会怎样进步发展，产品质量不可能保持绝对恒定，一定含有变异性。SPC基础17/194产品质量统计观点（二）产品质量变异含有统计规律性确定性现象确定性规律：在一定条件下，必定发生或不可能发生事件。如一个大气压（760mm汞柱）下，H2O改变规律。温度≤0℃固体状态温度0℃<t<100℃液体状态温度≥100℃气体状态随机现象统计规律：在一定条件下事件可能发生也可能不发生现象。如我们无法预知内存电性能测试合格率大于99%，但大量统计数据证实有90%可能性大于99%。SPC基础18/194分布（Distribution）：用来描述随机现象统计规律，说明两个问题：变异幅度有多大；出现这么大幅度概率。计量特征值：如PCB金手指厚度、重量或时间等连续性数据，最常见是正态分布（normaldistribution）。计件特征值：如内存合格/不合格两种离散性数据，最常见是二项分布（binomialdistribution）。计点特征值：如每条内存上少锡点数等离数性数据，最常见是泊松分布（Poissondistribution）。

因为二项分布和泊松分布数据统计理论较复杂，以下讨论以正态分布为例。SPC基础19/194直方图（histogram）：在横轴上以样本数据每组对应组距等距离线段为底，纵轴表示样本数据落入对应直方组频数n个矩形所组成图形。如100条PCB金手指厚度，标准50±3.94统计学显示计量特征值分布特点是：中间高，两头低、左右对称用面积表示频率或频数SPC基础20/194正态分布：直方图所取得数据越多，分组越密，则直方图就越趋近一条光滑曲线。

这条光滑曲线就形成正态分布曲线，其特点是中间高，两头低，左右对称并延伸至无穷。SPC基础21/194正态分布特征：正态分布是一条曲线，讨论起来不方便，故用其两个参数描述其特征：

1.平均值

（average）2.标准差（standarddeviation）说明：（1）平方是为了防止正负抵消

（2）是求平均值（3）是为了防止单位改变或无故放大SPC基础22/194何谓标准差(σ)?希腊文字里

sigma小写符号–σ--是统计学符号。代表母体“标准偏差”.（StandardDeviation）统计学中，标准偏差意指任何一组事项或流程所产出变异或不一致度量值。

例﹕热汉堡、三件衬衫，超市感觉。

SPC基础23/194从技术上来说，标准差是在某流程中，变异（Variation）程度度量值。Ts=21+/-20C温度控制器Ta=13-290C---不合格，变异>=8也就是说标准差就象是一把尺，用来评定流程结果好坏。标准差之例

SPC基础24/194σs—规格标准差读做SigmaSpecSPC基础25/194σa—制程标准差读做SigmaActual注：样本数

n<25SPC基础26/194例题说明X1=1X2=2X3=3SPC基础27/1943σ与6σ比较

“品質特征”中組合零件之數目3σ品質水準產品品質可靠度6σ品質水準產品品質可靠度

199.7300029%99.999999800%

997.5861047%99.999998200%

1097.3325980%99.999998000%

0.4483975%99.999600001%

5087.3557666%99.999990000%

7581.6464617%99.999985000%

10076.3102995%99.999980000%

25050.8695500%99.999950000%

50025.8771111%99.999900000%

10006.6962488%99.999800000%

75013.1635700%99.999850000%

SPC基础28/194不一样个数σ相对严重程度之示意

σ以书刊错字校对为例6σ一间小型图书馆全部藏书中有一个错字5σ一部百科全书中有一个错字4σ一册书每30页中有一个错字3σ每页书中有1.5个错字2σ每页书中有25个错字1σ每页书中有170个错字6σ诠释

SPC基础29/194

规格界限宽度

静态动态CpPPMCpkPPM6σ

2.0021.503.45σ1.67581.172334σ1.33640.8362003σ1.0027000.50668002σ0.67455000.173087001σ0.33317300-0.17697300不一样个数σ与PPM品质水准对比

SPC基础30/194平均值对正态曲线影响：若平均值增大，则正态曲线往右移动，见μ’；若平均值减小，则正态曲线往左移动，见μ’’。

µ’’µµ’SPC基础31/194标准差对正态曲线影响若标准差越大，则数据分布越分散，波动范围大，见=2.5；若标准差越小，则数据分布越集中，波动范围小，见=0.4。

xy=2.5=0.4=1.0SPC基础32/194正态分布平均值与标准差关系平均值与标准差是相互独立。不论平均值怎样改变都不会改变正态分布形状，即标准差

；不论标准差怎样改变，也不会影响数据对称中心，即平均值µ。质量管理发展史就是与µ和

斗争历史，就是优化µ值（提升或降低）和缩小

值历史。SPC基础33/194

3标准不论µ与取值为何，只要上下限距中心值（平均值）距离各为3，则产品质量特征值落在范围内为99.73%，这是数学计算准确值，应该牢切记住。下限上限0.135%0.135%99.73%µ-3µµ+3产品质量特证值落在之外概率为0.27%，其中单侧概率分别为0.135%。休哈特正是据此创造了控制图。SPC基础34/194一、统计制程管理概述二、SPC基础－统计基本知识三、统计过程管理１、直方图和过程能力分析与研究35/194直方图定义、用途将搜集测定值或数据之全距分为几个相等区间作为横轴，并将各区间内之测定值所出现次数累积而成面积以条状方式排列起来所产生图形，称之为直方图。了解分配型态研究制程能力工程解析与管制分配型态统计检定直方图36/194直方图制作1.搜集数据2.计算组数3.计算全距：由全体数据中找出最大值与最小值之差。4.决定组距：为便于计算平均数与标准差,组距常取2、5、10倍数。组距=全距/组数5.决定各组之上下组界：先求出最小一组下组界，再求出上组界依这类推，计算至最大一组之组界。

最小一组下组界=最小值-测定值之最小位数/2

最小一组上组界=下组界+组距6.决定组中点7.制作次数分布表8.制作直方图直方图37/194

直方图常见型态及说明1.正常型：中间高，两边低有集中趋势；左右对称分配，显示属常态分配，制程正常运转。直方图38/194直方图常见型态及说明2.缺齿型：高低不一，有缺齿情形。属不正常分配，次数分配不妥当或检验员有假造数据、测量仪器不精密等皆会有此情形。

直方图39/194直方图常见型态及说明3.切边型：有一端被切断，可能原因数据经过挑选或制程本身经过全检后所造成，若剔除某一规格以上时则切边即会形成。直方图40/194直方图常见型态及说明4.双峰型：有二个高峰出现，可能原因有二种分配相混合，比如二种机台或二种不一样原料，测定值因环境不一样影响所造成。直方图41/194直方图常见型态及说明5.离岛型：在左边或右边形成小岛，原因测定有错误，一定有异常原因存在，只要去除应可制出合乎规格之制品。

直方图42/194直方图常见型态及说明

6.高原型：形状似高原状，不一样平均值分配混合所造成，应利用层别分离后在作直方图作比较。直方图43/194直方图实例演练直方图44/194•

直方图作法•

1.找出Data中之最大及最小值•

Max=10.6Min=9.22•

2.决定组数-------K等于n平方根•

n=100k=10•

3.决定组距h--将最大值减去最小值后，除以组数，再取最小测量单位整数倍即可•

（Max-Min）/K=（10.6-9.22）/10=0.138

h=0.138（取最小量测单位之整数倍）•

4.决定组界值--由最小值减去最小测良单位1/2，就是第一组下限，再逐次加上各组距，直到可含盖最大值即完成•

Ex:9.22-0.001/2=9.2195（第一组下界）•

9.2195+0.138=9.3575（第一组上界、第二组下界）•

9.3575+0.138=9.4955（第二组上界、第参组下界）•

...............直方图45/194直方圖作法

5.求出各組中心值--各組上界加下界除以二（9.3575+9.2195）/2=9.2885第一組中心值（9.4955+9.3575）/2=9.4265第二組中心值6.計算落在各組內

次數

第一組次數1次第二組次數1次第三組次數7次第四組次數10次第五組次數13次第六組次數23次第七組次數25次第八組次數9次第九組次數9次第十組次數2次7.作成直方圖直方图46/194直方图47/194过程能力（Processcapability)：旧译“工序能力”，依据ISO8402和GB3358，现统一改译为“过程能力”。它指过程加工质量满足技术标准能力，是衡量过程加工内在一致性标准。“生产能力”是指一定时间内加工数量方面能力。过程能力指数（Processcapabilityindex）：指过程质量能力满足技术标准（产品规格、公差）或技术要求或客户要求程度，普通记以CP、CPK、DPPM、。前提条件：必须在稳态下计算才能有意义，没有稳定，也就没有过程能力，ISO8258：1991。过程能力48/194

过程能力指数类型：值：反应过程平均值

CP

值：反应过程变异程度

CPK值：反应过程平均值和变异程度

DPPM值：反应过程不合格品比值过程能力49/194值：

相同，但品质水准大不相同。过程能力50/194

过程能力指数：双侧规格

其中：T为技术规格公差幅度

Tu为上规格限

TL为下规格限

为总体标准差

S为样本标准差过程能力51/194

值含义：分子：反应产品技术要求，或客户要求；分母：双侧6

，即单侧3

，反应过程加工质量或企业控制能力，为何取双侧6

或单侧3

？因为双侧6

质量代表99.73%合格品，0.27%不合格品，这在当初是相当满意质量标准，故以它为分母作为基准值。值：反应产品技术要求（客户要求）为过程实际控制能力倍数，因为

越小，则质量差异越小，质量越好，越稳定，所以，值越大越好。过程能力52/194=1含义：T值为常数，当

值确定，且6

=T时，=1即是说：当样本质量特征值均值µ与规格中心线相等重合时，样本质量特征值偏差

大小恰好使其6倍等于技术要求或客户要求范围（T），在这种情况下，过程合格率为99.73%，不合格率为0.27%，或DPPM为2700。过程能力53/194缺点：

值相等，但品质水准大不相同。过程到达一定只能算含有潜在过程能力。%合格品99.73%合格品

LSL

USL

LSL

USL过程能力54/194单侧Kб方式与CP、DPPM关系。TuTL2

3

4

5

6

因为T值是一定，一旦计算出

值后，我们便知道T值与

值之间关系，进而能够计算出CP值与DPPM值。过程能力55/194单侧规格过程能力指数若只有上限要求，无下限要求，则：

若只有下限要求，无上限要求，则：

过程能力56/194过程能力指数CP评定标准过程能力57/194xTLεT/2TuMµ

µ偏移情况过程能力指数Cpk一旦过程质量特征值均值µ与公差中心M不重合，即有偏移时，显然不合格品率增大，也即CP值降低，故原CP值计算公式不能反应µ偏移实际情况，需要加以修正。µ能够向上限偏移，也能够向下限偏移，则：实际偏移值（绝对值）偏移度（ε只占单侧规格百分比。修正过程能力指数过程能力58/194性能指数（PerformanceIndex）PPK

上式意思是：既然分布中心偏移了，它对上公差和下公差各有一个单侧过程能力指数CPU

和CPL，则二者最小值反应了该过程能力指数。USL-LSLUSLLSL过程能力59/194CP与CPK联合使用过程能力60/194CP与CPK联合使用因为CPK=（1-）CP所以ε=（1-）例：CP=1.33，即4б

方式，双侧T=8б,CPK=0.33则：4б（1-）×4б=3б表明：µ已偏移到单侧3б处，距离两侧界限分别为1б

和7б，查表知其不合格率为

P(1)+P(7)=0.1586552539

合格率为P=1-0.1586552539=84.134%过程能力61/194对全厂每道工序都要进行分析(可用因果图)，找出对最终产品影响最大变量，即关键变量(可用排列图)。如美国LTV钢铁企业共确定了大约0个关键变量。找出关键变量后，列出过程控制网图。所谓过程控制网图即在图中按工艺流程次序将每道工序关键变量列出。对步骤2得到每一个关键变量进行详细分析。对每个关键变量建立过程控制标准，并填写过程控制标准表。决定管制项目过程能力62/194所在车间控制点

控制原因

文件号

制订日期

控制內容

过程标准

控制理由

测量要求

资料汇报路径

控制图

纠正性办法有没有建立控件图

控制图类型

制订者制订日期

同意者同意日期

操作程序

审核程序

制订者

审核者

审核日期

程序控制标准表63/194编制控制标准手册，在各部门落实。将含有立法性质相关过程控制标准文件编制成明确易懂、便于操作手册，使各道工序使用。如美国LTV企业共编了600本上述手册。实施标准化过程能力64/194制程能力解析品质一致性谁成绩好呢?谁较有潜力呢?你会选谁当选手呢?乙选手甲选手您工厂/服务品质/供货商若有问题,您希望是甲情况还是乙情况呢?65/194符合规格就真OK了吗?过程能力66/194制程能力靶心图67/194状态分类统计稳类是否技术稳态是ⅠⅡ否ⅢⅣ1.

状态Ⅰ:统计稳态与技术稳态同时到达,这是最理想状态。2.

状态Ⅱ:统计稳态未到达,技术稳态到达。3.

状态Ⅲ:统计稳态到达,技术稳态未到达。4.

状态IV:

统计稳态与技术稳态均未到达。这是最不理想状态。过程能力68/194基本统计量过程能力统计量正态分布及3SIGMA、6SIGMA惯用统计量69/194群体

样本μ：群体平均值 Xbar：平均数(均值)

：群体标准差

x：样本标准差N：母体数(批量数) n：样本数(抽样数)

R：组距或全距

Statistical惯用统计量基本统计量70/194規格 制程USL UCL

SLCLLSL LCLs aCa

Cp Cpk

Process惯用统计量过程能力统计量71/194Statistical

Process

Control規格制程USLUCLSLCLLSLLCLsaCaCpCpk

群體樣本μXbar

xNnR

計量值：均值極差圖s規格標准差圖直方圖計數值：P不良率圖C缺點數圖柏拉圖

72/194在中心线或平均值两侧展现对称之分布正态分布基本知识常态曲线左右两尾与横轴渐渐靠近但不相交曲线下面积总和为1正态分布及3SIGMA、6SIGMA惯用统计量73/194100个机螺丝直径直方图图中直方高度与该组频数成正比

举例说明：机螺丝直径直方图

直方图趋近光惯用统计量74/194

将各组频数用数据总和N=100除，就得到各组频率，它表示机螺丝直径属于各组可能性大小。显然，各组频率之和为1。若以直方面积来表示该组频率，则全部直方面积总和也为1。

假如资料越多，分组越密，则机螺丝直径直方图直方图也越趋近一条光滑曲线，如直方图趋近光滑曲线图所表示。在极限情况下得到光滑曲线即为分布曲线，它反应了产品质量统计规律，如分布曲线图所表示

惯用统计量75/194正态分布中，任一点出现在μ

σ内概率为

P(μ-σ<X<μ+σ)=68.27%μ2σ内概率为

P(μ-2σ<X<μ+2σ)=95.45%μ3σ内概率为

P(μ-3σ<X<μ+3σ)=99.73%惯用统计量76/194不一样常态分配惯用统计量77/194不一样常态分配惯用统计量78/194不一样常态分配Xμμ1(b)μ≠μ，σ<σ1212惯用统计量79/194蓝色代表规格分布形态红色代表实际制程分布形态惯用统计量80/194举例说明：初三学生体育测试:

跳远:(男生组)2.50m95%达标率(女生组)2.30m95%达标率

东西方身体素质差异

身高:

东方成年男性168cm

西方成年男性175cm

体重:

东方成年男性65kg

西方成年男性75kg惯用统计量81/194一、统计制程管理概述二、SPC基础－统计基本知识三、统计过程管理２、现场品质管制流程与数据采集１、直方图和过程能力分析与研究82/194建立企业数据搜集规划计数值数据搜集计量值数据搜集品质变异原因品质变异规律现场品质管制流程与数据采集83/194数据搜集流程以下：工程部制订QC工程图或客户要求确定品检项目及品质要求制订样本计划及现场检验查检表制订样本计划及现场检验查检表检验人员现场实际检验并填写查检表做数据处理或正确无误输入计算机现场品质管制流程与数据采集84/194SPC在数据搜集过程中必须强调四项标准：真实及时简洁标准现场品质管制流程与数据采集85/194在计数值数据搜集过程中,要尤其注意是抽样计划、缺点类别及缺点代码划分。一、计数值抽样计划 依据计数值理论,计数值含有不连续性,是以一批产品为母体来决定抽取样本数,但这么会使制程中间接生产人员无法确定下一批检验时间,故而难以做品质预测。在此,作者提议计数值也说量做到连续抽取,这么能够预知下一批检验时间,也可依据图形预测下步品质状态,更符合SPC预测功效。现场品质管制流程与数据采集86/1941.计数值抽样计划步率

要依据产品批来定,如若一个制令批数量多,需要生产3天以上,与制令批数量较少生产几个小时就不一样。所以抽样计划在检验时间上就不能完全固定,其标准通常为:每一批最少确保有一次抽样检验,尽可能分屡次连续抽样检验。即生产时间再短,最少也要抽一次;通常连续生产1.5~2天以上时,最少抽5至7次;连续生产20天以上能够上,依据实际情况(通常指在管制状态下)能够考虑天天抽一次。现场品质管制流程与数据采集87/194

2.抽样计划中抽样数 对于外观检验或非常大缺失项目,通常采MIL-STD-105E或Z=1.4标准抽样。对于每一次抽样数,尽可能使之相同,普通连续生产时间较长较为好处理,时间短较为难处理,但对于不良率管制图也能适用意但应使用检验数不一样管制图)。3.计数值抽样中允收计划 通常可依据AQL要求来判定是停顿生产还是继续生,也可依据企业制订目标各段工序不良率或缺失率目标来判定。现场品质管制流程与数据采集88/194二、计数值数据搜集项目 计数值数据搜集项目在实际工作中,批号或制令号、物料编号(或物料名称,则时还要有规格)、搜集时间、工序位置、检验人员、批量数、抽样数、各缺点代码个数、不合格品个数等项目是必填写项,客户名称、班别、机台别、关键材料供货商等项目是依据实际尽可能填写完整。在计数值数据中实际杯验数据只有三项:各缺点代个数、缺点总数、不良个数。缺点总数大于等于不良个数。 为了规范缺点代码,普通都需要充缺点类别,还能够对缺点代码设置一个严重权数。一个企业全部缺点代码一定要规范统一,通常归纳为5~15项缺点类别,最终一类通常为”其它不良”,无法归纳一些特殊不良列入其中。如遇产品和缺点很多时,能够在编码上着手,编号取长一点,预留空间,也可依据实际情况加多一层缺点分类。89/194三、数据筛选在筛选数据做分析时,以下各项目应尽可能灵活时间段选择

时间段应是灵活,能够选择从XXXX年XX月XX日XX分到XXXX年XX月XX日XX分,甚至有时还可能需要准确到秒,将这一时段全部数据处理,这么就能够选择出一天、一周、一月、一年全部数据,便于图形分析。产品项目

其实包含了产品编码及产品类别等,应能够选择某个产品或某几个产品合并到一起处理,或者某一类产品全部数据合并处理。现场品质管制流程与数据采集90/194检验工序位置

有时也叫检验站或QC站。因为一个产品生产可能需要经过多个计数检验站,为了查看整体情况,所以检验站需要能够选单个或多个合并一起处理。其它各项层别条件

如检验人员、班别、客户别、机台别等,是依据各个企业及产品不一样而自行设定,但各项层别条件应可选择单个或多个,也可不选使符合对应条件全部统计合并处理。现场品质管制流程与数据采集91/194在计量值数据搜集过程中,除了第一节讲到基本步骤外,要尤其注意是抽样计划,然后进行量测,再将量测值做处理。它标准是先密后可松。一、计量值抽样计划

依据计量值特征,它含有连续性,故它抽样计划与计数值有很大差异。它通常依据产品要求,对产品主要特征或相关主要原因做定时抽取固定样本个数(不主要特征就不用做计量值检验了),然后进行量测分析。现场品质管制流程与数据采集92/194计量值抽样计划当前惯用标准

MIL-STD-414和国内GB6378。计量值抽样计划频率也应依据产品特征和当前品质情况来制订，产品特征越易检验或主要，抽样频率通常越高，当前品质越差相对频率应加紧大一些。如预批次中生产时间较短，为了做直方图或正态分布，也可适当加大抽样频率。现惯用抽样频率为：每2小时或4小时抽一次，天天抽一次较为少见(普通出现在难检和品质较为稳定特征中)。抽样频率在初始阶段相对高一点，在过程中如发觉经管制不停监控舆改进，到达了稳定阶段，可视情况酌情降低抽样频率，甚至放弃该点计量监控。中间时间点应依据产品特点及制程特点而定，但在过程中不能又较大幅度改变。比如在第一个月中，采取5个/小时；经过1个月监控，品质已稳定，已经又2周时间是cpk乿值到达了2.0以上，可采取5个/4小时(注：普通不宜采取降低每次抽样数)；又经过一个月，发觉cpk还是在2.0以上，且没有大幅周期改变特征，则可放弃该点做计量值管制。

现场品质管制流程与数据采集93/194计量值管制点通常为工程部在设计时设定主要特征，或客户制订要求主要特征，或在计数值经过几个周期发觉某个位置无法或极难再提升品质时，可提出对该位置点各项相关主要难点做管制。如电阻电阻值，塑料面板尺寸，弹簧最大值。计量值每次抽样数也必须依据产品特征或客户要求而定。大部分产品都采取4~20个，但如遇化学品、药品等含有含量性质量测特征，也有采取1个样品/次，如电镀时化学药品浓度。通常对某一管制特征，其样本数应该是固定，不要轻易变更。现场品质管制流程与数据采集94/194计量值抽样检验评判通常有3个级别来品质判定：一是是否超出对应管制界限或出现管制图判读异常，如若超出表示有异常发生；二是是否超规格界限，如若超出，则表示有不合格拼发生，制程问题较为严重，甚至要求停顿生产；三是该数据区cpk品质指针是否到达1.33以上。

注意：通常以早期时CPK品质指数达不到1.33，属正常，但以后要不停找出原因并纠正改进；再试产期通常要求CPK指针到达1.5以上，量产后要到达1.33以上，这是做品质零缺点基础现场品质管制流程与数据采集95/194二、计量值数据搜集项目SPC在做计量值数据搜集时，包含有产品相关项目和数据条件项目两种。

1.产品相关项目产品相关项目先确定产品类别、型号规格或产品编号、管制特征、管制特征之间关系、管制特征规格界限、检验工作站、量测精度、使用标准差水准等相关产品信息，然后依据抽出样本进行量测，统计详细数值，最终再进入计算机或处理分析现场品质管制流程与数据采集96/194产品类别舆产品编号：同计数值部分一样，一个企业通常分5~10个产品类别，一个产品编号只能对应一个产品类别。管制特征：也就是管制点，指量测数据分析详细位置。一个产品可能有多个管制特征，一个塑料件可能有长度、宽度、厚度等。在普通非新型高科技产业产品(如IC或晶体)中，对于一个产品，管制特征不要设太多，普通同一时间段有6个就足够，因为太多增加检验工作量，而且当某项品质稳定到一个程度后能够放弃管制现场品质管制流程与数据采集97/194管制特征之间关系：是指方有多个管制特征时，为了分析管制图特征之间是否有相关性，便于管制特征之间比较，计算出产品计量总和品质指数，通常要设定各管制特征舆整体品质之间关系，以CPK值为基准，现有：取最大CPK、最小CPK、平均CPK权重等于。管制特征规格界限：是指产品要求规格下限，工程部在设计产品时候就界定好或客户给定，是不能够随便改编，通常又分双边规格和单边规格。检验工作站：是指该项管制特征所在位置，一个产品一项管制特征通常只能耐对应一个检验工作站。现场品质管制流程与数据采集98/194量测精度：是指对该项管制特征量测值小数字确认，也是在工程设计产品之时就确定好，同时还要依据量测仪器来确定。通常使用2位小数较多，但假如小数字数较多，如有5位，则提议以特定单位将小数点向后移动2~3位，这么更便于在后面运算，尤其是采取计算机化处理时。使用标准差水准：是指此管制特征在最终品质状态分析中采取几倍标准差，通常是从3到6，中间有：3、3.5、4、4.5、5、5.5、6等。在后面使用图形有s和a图两种，但注意使用多少倍标准差时，管制界限应该要在规格界限内才有意义。现场品质管制流程与数据采集99/1942.数据条件项目主要是指各项层别条件，如检验人员、机台别、班别、客户别等项目，这些在第一节已经介绍过，主要是依据本身需要适当加入一个条件，方便于某一产品产量很多时，对各项层条件内容做逐一分析。现场品质管制流程与数据采集100/194三、数据筛选计量值数据筛选比计数值较为简单，因计量值分析通常都是分析单个产品简项管制特征，只有极少产品才分析综合品质指数(多个管制特征合并到一起)，所以数据筛选过程中，只要时间段选择和各项层别条件项目选择就够了。现场品质管制流程与数据采集101/194时间段选择时间段应是灵活，能够选择从Χ年Χ月Χ日Χ时Χ分到Χ年Χ月Χ日Χ时Χ分，甚至有时还可能需要准确到秒，将这一时间段全部数据处理。这么就能够选择出一天、一周、一月、一年全部数据，便于图形分析。各项层别条件

如检验人员、班别、客户别、机台别等，是依据各个企业及产品不一样而自行设定，但各项层别条件应可选择单个或多个，也可不选。使符合对应条件全部纪录合并处理。现场品质管制流程与数据采集102/194品质变异起源分类“4M1E”,即:人(Man)如:熟练程度、习惯、体力与情绪等机(Machine)如:切割机器刀具尖锐度、冲压机冲程变动等料(Material)如:供货商更换、材料(部件)变动等法(Method)如:流程变更、作业方法变更等环境(Environment)如:电源稳定度、温度、湿度、空气粉尘等现场品质管制流程与数据采集103/194品质变异性质分类:普通原因和特殊原因普通原因(chancecauses):

非人为原因、共同原因、偶然原因、普通原因、机遇原因。操作者细微不稳定性设备微小振动、

车床转速、进给速度、刀具正常磨损同批材料内部结构不均匀性用同一量测器由同一人量测同产品数次,在短期间量测差异其它如:气候及环境之改变现场品质管制流程与数据采集104/194特殊原因(Assignablecauses):

可防止原因、人为原因、非机遇原因、异常原因、局部原因。操作者未遵照操作标准而操作即使遵照操作标准,但操作标准不完善机器设备不正确调整刀具严重磨损操作人员更动使用不合规格标准原材料量具不准确现场品质管制流程与数据采集105/1942.5592.5562.5562.5462.5612.5702.5462.5652.5432.5382.5602.5602.5452.5512.5682.5462.5552.5512.5542.5742.5682.5722.5502.5562.5512.5612.5602.5642.5672.5602.5512.5622.5422.5492.5612.5562.5502.5612.5582.5562.5592.5572.5322.5752.5512.5502.5592.5652.5522.5602.5342.5472.5692.5592.5492.5442.5502.5522.5362.5702.5642.5532.5582.5382.5642.5522.5432.5622.5712.5532.5392.5692.5522.5362.537拉力强度(单位:kg/cm2)现场品质管制流程与数据采集106/194一、统计制程管理概述二、SPC基础－统计基本知识三、统计过程管理３、控制图原理、制作与分析１、直方图和过程能力分析与研究２、现场品质管制流程与数据采集107/194SPC是英文StatisticalProcessControl简称，即统计制程控制。SPC就是应用统计技术对过程中各个阶段进行监控，从而到达改进与确保质量目标。SPC特点是:

(1)SPC是全系统，全过程，要求全员参加，人人有责。这点与全方面质量管理精神完全一致。(2)SPC强调用科学方法(主要是统计技术，尤其是控制图理论)来确保全过程预防。(3)SPC不但用于生产过程，而且可用于服务过程和一切管理过程。控制图原理、制作与分析108/1941.控制图原理、制作与分析2.分析用控制图与控制用控制图3.判断制程稳定或异常准则4.休哈特控制图种类及其用途5.计量值控制图制作与分析6.计数值控制图制作与分析控制图原理、制作与分析109/194什么是控制图控制图是对过程质量加以测定、统计从而进行控制管理一个用科学方法设计图。图上有中心线(CL)、上控制界限(UCL)和下控制界限(LCL)，并有按时间次序抽取样本统计量数值描点序列，参见控制图标例图。

控制图原理、制作与分析110/194控制图原理两种解释控制图原理第一个解释

：

在控制图上描点，实质上就是进行统计假设检验，而控制图上、下控制界即为接收域与拒绝域分界限，点子落在上、下界限之间，表明可接收，点子落在上、下界限之外，表明应拒绝。

控制图原理、制作与分析111/194正态分布有一个结论对质量管理很有用，即不论均值μ和标准差σ取何值，产品质量特征值落在μ±3σ之间概率为99.73，于是落在μ±3σ之外概率为100%一99.73%=0.27%，而超出一侧，即大于μ-3σ或小于μ+3σ概率为0.27%/2=0.135%≈1‰

，如正态分布曲线图。这个结论十分主要。控制图即基于这一理论而产生。

控制图原理、制作与分析112/194超出管制上限，为不可接收区域在管制界限内，为可接收区域控制图原理、制作与分析113/194两类错误

虚发警报错误,也称第I类错误。在生产正常情况下,纯粹出于偶然而点子出界概率即使很小,但总还不是绝对不可能发生。所以,在生产正常、点子出界场所,依据点子出界而判断生产异常就犯了虚发警报错误或第I类错误,发生这种错误概率通常记以α

虚发警报错误

α

控制图原理、制作与分析114/194

漏发警报错误,也称第Ⅱ类错误。在生产异常情况下,产品质量分布偏离了经典分布,但总还有一部分产品质量特征值是在上下控制界之内。假如抽到这么产品进行检测并在控制图中描点,这时因为点子未出界而判断生产正常就犯了漏发警报错误或第Ⅱ类错误,发生这种错误概率通常记以β

因为控制图是经过抽查来监控产品质量,故两类错误是不可防止。在控制图上,中心线普通是对称轴,所能变动只是上下控制限间距。若将间距增大,则α减小而β增大,反之,则α增大而β减小。所以,只能依据这两类错误造成总损失最小来确定上下控制界限。

依据经验

，μ±3σ作为管制限能够使总损失最小

漏发警报错误

β控制图原理、制作与分析115/194控制图原理第二种解释

依据起源不一样，质量原因能够分成4M1E五个方面。

但从对质量影响大小来看，质量原因可分成偶然原因(简称偶因)与异常原因(简称异因)两类。偶因是一直存在，对质量影响微小，但难以除去，比如机床开动时轻微振动等。异因则有时存在，对质量影响大，但不难除去，比如车刀磨损、固定机床螺母松动等。

控制图原理、制作与分析116/194偶然原因（偶波）和异常原因（异波）偶然原因之变异异常原因之变异大量之微小原因所引发,不可防止2.不论发生何种之偶然原因，其个别之变异极为微小3.几个较代表性之偶然原因以下：(1)原料之微小变异(2)机械之微小掁动(3)仪器测定时不十分准确之作法4.实际上要除去制程上之偶然原因，

是件非常不经济之处置

1.一个或少数几个较大原因所引发,能够防止2.任何一个异常原因，都可能发生

大之变异几个较代表性之异常原因以下：(1)原料群体之不良(2)不完全之机械调整(3)新手之作业员4.异常原因之变不但能够找出其原

因，而且除去这些原因之处置，在

经济观点上讲常是正确者控制图原理、制作与分析117/194局部性对策及系统中对策局部问题对策(1)通惯用来消除特殊原因造成变异(2)能够被制程附近人员来执行(3)普通能够改进制程15%系统改进对策(1)通惯用来减低普通原因造成变异(2)几乎总是需要管理者行动来加以矫正(3)普通能够改进制程85%控制图原理、制作与分析118/194

偶波与异波都是产品质量波动，怎样能发觉异波到来呢？经验与理论分析表明，当生产过程中只存在偶波时，产品质量将形成某种经典分布。假如除去偶波外还有异波，则产品质量分布必将偏离原来经典分布。所以，依据经典分布是否偏离就能判断异波，即异因是否发生，而经典分布偏离可由控制图检出。比如在车制螺丝时，因为发生了车刀磨损异因，螺丝直径分布偏离了原来正态分布而向上移动，于是点子超出上控制界概率大为增加，从而点子频频出界，表明存在异波。控制图上控制界限就是区分偶波与异波科学界限。

控制图原理、制作与分析119/194依据不一样用途,控制图分成两类,即分析用控制图与控制用控制图。 分析用控制图主要目标是:(1)分析生产过程是否处于稳态。若过程不处于稳态,则须调整过程,使之到达稳态。(2)分析生产,过程工序能力是否满足技术要求。若不满足,则需调整工序能力,使之满足。比利时学者威尔达(S.J.Wierda)称此状态为技术稳态,而前一状态为统计稳态。依据统计稳态与技术稳态是否到达能够分为如状态分类表所表示四种情况:控制图原理、制作与分析120/194状态分类统计稳类是否技术稳态是ⅠⅡ否ⅢⅣ1.

状态Ⅰ:统计稳态与技术稳态同时到达,这是最理想状态。2.

状态Ⅱ:统计稳态未到达,技术稳态到达。3.

状态Ⅲ:统计稳态到达,技术稳态未到达。4.

状态IV:

统计稳态与技术稳态均未到达。这是最不理想状态。控制图原理、制作与分析121/194当过程到达了我们所确定状态后,才能将分析用控制图控制线延长作为控制用控制图。

因为后者相当于生产中大法,故由前者转为后者时应有正式交接手续。这里要用到判断稳态准则(简称判稳准则),在稳定之前还要用到判断异常准则(简称判异准则)。

应用控制用控制图目标是使生产过程保持在确定状态。在应用控制用控制图过程中,若过程又发生异常,则应执行“查出异因，采取办法，确保消除，不再出现，纳入标准。”使过程恢复原来状态。控制图原理、制作与分析122/194判断稳态准则

稳态是生产过程追求目标。那么怎样用控制图判断过程是否处于稳态?为此,需要制订判断稳态准则。在统计量为正态分布情况下,因为第I类错误概率α=0.27%,取得很小,所以只要有一个点子在界外就能够判断有异常。但既然α很小,第Ⅱ类错误概率β就大,只依据一个点子在界内远不能判断生产过程处于稳态。假如连续有许多点子,如25个点子,全部都在控制界限内,情况就大不相同。这时,依据概率乘法定理,总β为β总=,要比β减小很多。假如连续在控制界内点子更多,则即使有个别点子出界,过程仍可看作是稳态,这就是判稳准则。控制图原理、制作与分析123/194判断稳态准则

判稳准则:在点子随机排列情况下,符合以下各点之一就认为过程处于稳态:

(1)

连续25个点子都在控制界限内;(2)

连续35个点子至多1个点子落在控制界限外;

(3)

连续100个点子至多2个点子落在控制界限外。

当然,即使在判断稳态场所,对于界外点也必须执行第二章（五）20个字来处理。控制图原理、制作与分析124/194判断稳态准则

现在,进行一些概率计算方便对上述准则有更深入了解。先分析准则(2)。若过程正常为正态分布,令d为界外点数,则连续35点,d≤1概率为

P(连续35点,d≤1)=+(0.0027)=0.9959于是,P(连续35点,d>1)=1一P(连续35点,d≤1)=1-0.9959=0.0041

这是与α0=0.0027为同一个数量级小概率。所以,若过程处于稳态,则连续35点,在控制界外点子超出1个点(d>1)事件为小概率事件,它实际上不发生,若发生则判断过程失控α2=0.0041就是准则(2)显著性水平。控制图原理、制作与分析125/194判断稳态准则

类似地,对于准则(3)也能够计算得：P(连续100点,d>2)=0.0026这与α0=0.0027很靠近α3=0026就是准则(3)显著性水平。对于准则(1)可计算得：P(连续25点,d=0)==0.9346P(连续25点,d>0)=1-0.9346=0.0654

α1=0.0654就是准则(1)显著性水平。可见α1要比α2、α3大几十倍,这是很不相当。所以,有学者认为应将整个判断稳态准则改成以下更合乎逻辑提法:若连续35个点中,在控制界限外点超出2个,或连续100个点中,在控制界限外点超出3个,则判断过程失控。

控制图原理、制作与分析126/194

稳态是生产过程追求目标。那么怎样用控制图判断过程是否处于稳态?为此,需要制订判断稳态准则。在统计量为正态分布情况下,因为第I类错误概率α=0.27%,取得很小,所以只要有一个点子在界外就能够判断有异常。但既然α很小,第Ⅱ类错误概率β就大,只依据一个点子在界内远不能判断生产过程处于稳态。假如连续有许多点子,如25个点子,全部都在控制界限内,情况就大不相同。这时,依据概率乘法定理,总β为β总=,要比β减小很多。假如连续在控制界内点子更多,则即使有个别点子出界,过程仍可看作是稳态,这就是判稳准则。控制图原理、制作与分析127/194

国家标准GB4091常规控制图是针对休哈特控制图。依据该国家标准常规休哈特控制图如表常规休哈特控制图。表中计件值控制图与计点值控制图又统称计数值控制图。这些控制图各有各用途,应依据所控制质量指标情况和数据性质分别加以选择。常规休哈特控制图表中二项分布和泊松分布是离散数据场所两种经典分布,它们超出3σ界限第Ⅰ类错误概率σ当然未必恰巧等于正态分布3σ界限第I类错误概率α=0.0027,但不论怎样总是个相当小概率。所以,能够应用与正态分布情况类似论证,从而建立p、pn、c、u等控制图。控制图原理、制作与分析128/194

数据分布控制图简记计量值

正态分布均值-极差……………..控制图Χ一R控制图均值-标准差…………….控制图X一R控制图中位数-极差…………….控制图X一R控制图单值-移动极差………….控制图