SPC统计过程控制培训教程1(ppt 139页).ppt

1、SPC学习提纲,SPC,广州今朝科技有限公司,SPC: 统计过程控制,Statistical(统计): 以数理统计为基础,基于数据的科学分析和管理方法; Process(过程): 任何一个有输入输出的活动; 6个要素: 5M1E Control(控制): 通过掌握规律来预测未来发展并实现预防;,我们为什么需要SPC?,质量专业人员是管理小组中关键问题的解决者。 SPC是质量管理的基本技术之一。,学习目的,目标： 用SPC思考（ Thinking in SPC） 说明： 1）不包括SPC对企业发展的效益； 2）不包括公式的推导和详细的计算； 3）为了方便说明，课程介绍均以生产制造为例，但不限于此

2、。 4）假设所有的学员都有基本的数学知识； 5）介绍的方法及其计算公式以QS9000为准；,学习提纲,基本SPC统计学； SPC的核心工具控制图； 过程能力研究； 量具重复性和再现性研究；,从数据中寻找规律,直方图,广州今朝科技有限公司 Guangzhou Today Technology LTD,一个实例：,某工厂接收了一批外协厂制造的青铜轴承用于生产一种重要的仪器。但该厂不能信任生产这些轴承厂家的工作，决定对供应商提供的轴承进行分析。 这些轴承的关键特性是它们的内径，其规格为1.3760.010英寸。 现抽取了100个青铜轴承，对它们的内径进行仔细的测量，并记录了测量结果。,100个青铜轴

3、承内径的测量值如下表：,数据会告诉您什么呢？,回答,数据列表不能表达出任何有实际意义的东西(Virtually Nothing)！ 必须对数据进行进一步分析。 图形可以帮助我们将数据转换成信息。,数据 列表,能否接受这批产品？,与目标值相比较： 平均值：1.3773 与规格界限相比较： 极差（最大值-最小值） =1.383-1.370=0.013 数据分布的更进一步的信息： 数据分成10组后，落在每个区间 内的数据个数：,1.376 0.010,制作频数分布表,绘制直方图,LSL,USL,分析直方图,与规格限1.3661.386进行比较，所有的测量值都在其范围内（而且在+/-3S的范围内）。

4、分布基本上是对称的，有一点点向右偏斜，但不严重。 所以该厂决定接收这批青铜轴承。 建议：轴承的加工中心应该左移；,建立一个直方图,收集整理数据 定组数 N 算极差 R 定组距 I 确定组的中心点和各组界限 制作频数分布表 绘制直方图 分析,直方图告诉我们,数据分布的中心位置(Average)在哪里？ 数据分散程度(Spread)如何？ 数据分布的形状(Shape)怎样？,经验之谈： 对大多数工业用的分析来说，50个数值具备足够的可靠性。 但单个测量值的费用比较低时，或是当需要准确分析时，可以采用100个或更多的数据。,N ( , 2)- : 总体平均值，描述数据的集中位置。, :总体标准差，描

5、述数据的分散程度。,N（，2）,理想情况：正态曲线,不同(均值),不同(标准差 ),正态曲线的特征,曲线关于对称； 当x=时取到最大值； X离越远，f（x）的值越小；,正态曲线,现实状况：一些异常,双峰,峭壁,分析直方图举例：,USL,LSL,AA图,直方图的峰度和对称度,对称度（Skewness）:直方图数据分布的对称性； 峰度（Kurtosis）:直方图数据分布的陡峭度； 直方图为对称分布的，则s=0; 直方图为正态分布的，则s=0,k=0。,直方图的作用,显示数据的分布特征 指出采取措施的必要 观察采取措施后的效果 比较和评估设备、供应商、物料等 评估过程的能力,控制图及其背后的故事,广

6、州今朝科技有限公司 Guangzhou Today Technology LTD,控制图,Components of Every Control Chart: 1. Data Points3. Upper Control Limit 2. Center Line 4. Lower Control Limit,控制图原理：,1） 3 原理： 若变量X服从正态分布,那么,在 3 范围内包含了99.73% 的数值。 2） 中心极限定理： 无论产品或服务质量水平的总体分布是什么，其 的分布（每个 都是从总体的一个抽样的均值）在当样本容量逐渐增大时将趋向于正态分布。,正态性假定有实际意义吗？,1）不是在

7、研究一门精确的科学，而是作为一种谨慎的工业指导； 2）大部分的实际情况的数据分布与正态分布极为相似； 3）根据中心极限定理进行数据的处理； 4）如果不适合可以不需要用正态曲线直接来分析；,质量特性分类,计量值(variable):定量的数据；值可以取给定范围内的任何一个可能的数值 。 计数值(Attribute)：定性的数据；值可以取一组特定的数值,而不能取这些数值之间的数值 。 计件型 计点型,控制图的分类,计量值控制图： 均值-极差控制图(X bar-R) 均值-标准差控制图(X bar S) 单值-移动极差控制图(X-MR) 计数值控制图： 不良率控制图（p) 不良数控制图(Pn) 缺陷

8、数控制图(c) 单位缺陷数控制图(u),计量型数据吗？,性质上是否均匀 或不能按子组取样？,关心的是 不合格品率吗？,样本容量 是否恒定？,样本容量 是否恒定？,子组容量 9？,np或p图,p图,C或U图,U图,是,否,是,是,是,是,是,否,否,否,否,否,关心的是 单位零件缺陷数吗？,是,选择合适的控制图,计量型控制图,广州今朝科技有限公司 Guangzhou Today Technology LTD,一个实例 （一）,一台自动螺丝车床已经准备好了加工切断长度的图纸公差为0.5000.008英寸的螺栓。 频数分布在进行调整期间已经完成，分析结果表明进行一段时期加工生产的开端是可以令人满意的

9、。 为了分析和控制加工过程中螺栓的质量，现决定采用均值极差控制图进行监控。 按如下八个步骤进行：,一个实例（二）,步骤1：选择质量特性 螺栓的切断长度至关重要 步骤2：按合理的计划来搜集数据 每小时抽取5个产品作为一个样本。检验员按时间顺序收集了25个样本。,收集的数据表,一个实例（三）,步骤3：计算样本平均值及极差（见上表） 步骤4：确定总的平均数和平均极差,一个实例（四）,步骤5：计算控制限,其中：,一个实例（五）,步骤6：利用控制界限分析样本数值,一个实例（六）,一个实例（七）,步骤7：确定控制限是否能经济地满足要求； 步骤8：运用控制限进行控制；,均值-极差控制图（ ）,最常用；最基本

10、； 控制对象为计量值； 适用于n 9的情况； 均值图用于观察和分析分布的均值的变化，即过程的集中趋势； 极差图观察和分析分布的分散情况，即过程的离散程度。,均值控制图,极差控制图,均值-极差控制图 -控制限,使用均值-标准差控制图,步骤3：计算样本平均值及标准差 步骤4：确定总的平均数和平均标准差,一个实例（四）,步骤5：计算控制限,其中：,一个实例（五）,一个实例（六）,步骤6：利用控制界限分析样本数值,均值-标准差控制图（ ）,控制对象为计量值； 更精确； 均值图用于观察和分析分布的均值的变化，即过程的集中趋势； 标准差图观察和分析分布的分散情况，即过程的离散程度。,均值控制图,标准差控制

11、图,怎样确定控制限,单值-移动极差控制图（ ）,与均值-极差控制图的作用类似； 不需多个测量值或样本是均匀的（如浓度）； 因为费用或时间的关系，过程只有一个测量值（如破坏性实验）； 敏感性不强； 用自动化检查，对产品进行全检时；,移动极差,移动极差是指一个测定值 xi 与紧邻的测定值xi+1 之差的绝对值，记作MR， MR = | xi - xi+1 | （i=1,2,k-1) 其中：k为测定值的个数; k个测定值有k-1个移动极差,每个移动极差值相当与样本大小n=2时的极差值.,1 计算总平均数: 2 计算移动极差平均数:,怎样确定控制限,怎样确定控制限,相当于n=2时的均值控制图,X控制图

12、,MR控制图,相当于n=2时的极差控制图; n=2时,D4=3.267,D3=0,怎样确定控制限,计数型控制图,广州今朝科技有限公司 Guangzhou Today Technology LTD,不良品率控制图（P图）,对产品不良品率进行监控时用的控制图; 质量特性良与不良，通常服从二项分布; 当样本容量n足够大时,例如, 该分布趋向于正态分布 适用于全检零件或每个时期的检验样本含量不同。,不良品率控制图（P图）,检验并记录数据 计算平均不合格品率P 计算中心线和控制界限 绘制控制图并进行分析,与n有关！,案例分析,在制造复杂的发动机的端盖时，如果有某些因素不合要求就判为不良品，在成品的全检中

13、，现要求对每班产品的不良率作控制图。 每班检验的端盖总数就是样本量，共收集了25班的检验数及不良数。,案例分析,1.收集的数见下表：,案例分析,根据公式计算各 样本组的上下控制限 在实际应用中,当各组容量与其平均值相差不超过正负25%时,可用平均样本容量( )来计算控制限.,案例分析,绘制控制图，并进行分析：,单位缺陷数控制图(U图),适合用于对单位样本数量（如面积、容积、长度、时间等）上缺陷数进行控制的场合； 通常服从泊松分布; 可近似与正态分布 来处理; 取样大小可以是不固定的，只要能计算出每单位上的缺陷数即可；,单位缺陷数控制图(U图),检验并记录数据 计算平均单位缺陷数 计算中心线和控

14、制界限 绘制控制图并进行分析,与n有关！,设n为样本大小，C为缺陷数，则单位缺陷数为： u=c/n,案例分析,现需要对一注塑产品的缺陷进行控制图分析， 收集的数据记录如下表：,控制限的计算,在实际应用中,当各组容量与其平均值相差不超过正负25%时,可用平均样本容量( )来计算控制限.,绘制控制图，并进行分析,案例分析,其他的控制图,不良品数控制图（Pn图） 缺陷数控制图（C图）,不良品数控制图（Pn）,样本容量n恒定； 不合格品数是一个服从二项分布的随机变量； 当np 5时近似服从正态分布N np，np（1-p）,不良品数控制图,确定数据样本容量n的大小,n常取50以上的数. 收集数据Pn1，

15、Pn2, Pn3 , , Pnk ,k为样本数 计算控制中心和控制界限 绘制控制图并进行分析,缺陷数控制图（C图）,控制对象为一定单位(如一定长度、一定面积、一定体积等）上面的缺陷数； 如铸件表面的气孔数、机器装好后发现的故障数； 产品上的缺陷数服从泊松分布； 近似为正态分布处理，均值为C，标准偏差为,缺陷数控制图,1.收集数据： 一般取2025组数据； 如果缺陷数较小，可将几个样本合为一个， 使每组缺陷数C=0的情况尽量减少，否则用来作控制图不适宜； 不同的缺陷应尽可能分层处理。,缺陷数控制图,2. 计算平均缺陷数 3. 计算中心线和控制界限: 4. 绘制控制图并进行分析,计量型数据吗？,性

16、质上是否均匀 或不能按子组取样？,关心的是 不合格品率吗？,样本容量 是否恒定？,样本容量 是否恒定？,子组容量 9？,np或p图,p图,C或U图,U图,是,否,是,是,是,是,是,否,否,否,否,否,关心的是 单位零件缺陷数吗？,是,选择合适的控制图,运用控制图进行“控制”,广州今朝科技有限公司 Guangzhou Today Technology LTD,内容提要,控制图应用的两个阶段 运用控制图判断过程受控/失控 什么时候重新计算控制限 使用控制图应注意的问题,分析阶段 控制阶段,控制图应用的二个阶段,分析阶段,在控制图的设计阶段使用,主要用以确定合理的控制界限 每一张控制图上的控制界限

17、都是由该图上的数据计算出来,从分析阶段转入控制阶段,在什么条件下分析阶段确定的控制限可以转入控制阶段使用： 控制图是受控的 过程能力能够满足生产要求,控制阶段,控制图的控制界限由分析阶段确定 控制图上的控制界限与该图中的数据无必然联系 使用时只需把采集到的样本数据或统计量在图上打点就行,（1）所有样本点都在控制界限之内； （2）样本点均匀分布，位于中心线两侧的样本点约各占1/2； （3）靠近中心线的样本点约占2/3； （4）靠近控制界限的样本点极少。,受控状态在控制图上表现,判断受控与失控,x,UCL,CL,LCL,t,控制图的受控状态,失控状态在控制图上表现,明显特征是有: （1）一部分样本

18、点超出控制界限 除此之外，如果没有样本点出界，但 （2）样本点排列和分布异常， 也说明生产过程状态失控。,判断受控与失控,（1）有多个样本点连续出现在中心线一侧 * 连续7个点或7点以上出现在中心线一侧； * 连续11点至少有10点出现在中心线一侧； * 连续14点至少有12点出现在中心线一侧。,典型失控状态,（2）连续7点上升或下降,典型失控状态,（3）有较多的边界点 * 连续3点中有2点落在警戒区内； * 连续7点中有3点落在警戒区内； * 连续10点中有4点落在警戒区内。,警戒区： 23的区域,典型失控状态,（4）样本点的周期性变化（包括阶段的周期性、波动的周期性）,UCL,CL,LCL

19、,典型失控状态,（5）样本点分布的水平突变,典型失控状态,（6）样本点的离散度变大,x,UCL,CL,LCL,t,典型失控状态,颜色管理（color Management）,蓝色：未经检测的点 绿色：检测后正常的点 红色：检测后异常点 黄色 ：异常点经过异常编辑且有了改善措施的点,重新计算控制限,控制图是根据稳定状态下的条件（人员、设备、原材料、工艺方法、测量系统、环境）来制定的。如果上述条件变化，则必须重新计算控制限，例如： 操作人员经过培训，操作水平显著提高； 设备更新、经过修理、更换零件； 改变工艺参数或采用新工艺； 改变测量方法或测量仪器； 采用新型原材料或其他原材料； 环境变化。,重

20、新计算控制限,使用一段时间后检验控制图还是否适用，控制限是否过宽或过窄，否则需要重新收集数据计算控制限； 过程能力值有大的变化时，需要重新收集数据计算控制限。,控制界限与规格界限,规格由客户或设计部门给出; 控制界限由过程的实际数据统计计算得出; 一般情况下,控制界限严于规格;,控制图的应用程序,过程能力研究,广州今朝科技有限公司 Guangzhou Today Technology LTD,内容提要,过程能力的基本概念 Cp、Cpk与Pp、Ppk的含义与区别 Cp、Cpk与Pp、Ppk的计算方法 如何运用过程能力指数进行管理,过程能力的概念,过 程 能 力 指 处 于 统计稳 态 下 的 过

21、 程 的 加 工 能 力，是过程内部本身的性能，不考虑规范对过程分布宽度是如何规定的。,过 程 能 力,过程能力是以该过程产品质量特性值的变异或波动来表示的； 根据3原理，在分布范围 3 内，包含了99.73%的数据，接近于1，因此以3 ，即6 为标准来衡量过程是否具有足够的精确度和良好的经济特性的。过程能力记为B，则 B= 6 ,过 程 Sigma,估计Sigma,计算Sigma,Cp、Cpk与Pp、Ppk的含义与区别,Cp指数= Cp:(Capability of Process)过程能力指数 Cpk:修正的过程能力指数,过程能力指数,过程平均值和规格中心的偏移,过程能力指数Cpm,当规格

22、中心与目标值不重合时的过程能力指数,过程平均值和目标值的偏移,Cp,Cpk,Cpm,Pp,Ppk,Ppm,Ppk与Cpk,Pp: (Performance of Process)过程性能指数Ppk:修正的过程性能指数,案例分析,我们再来看前面的作控制图的案例：,案例分析,过程有一个异常点，是由于偶然因素造成，调查表明是该检验员当时委托他人代为测量，而这代理人不适于操作精密测量设备，可能读数不准确，也有可能伪造了数据。 剔除这个异常点，过程是受控的。,剔除异常点数据表,案例分析,根据这24个子组计算得： 计算得到的标准差=0.0019,案例分析,规格宽度（要求）=0.016 工序宽度（6 ）=6

23、 =0.0106 Cp=0.016/0.0106=1.5094,案例分析,由于存在一定的偏移，那么我们真正能做到多好 呢？ Cpk=min(Cpu,Cpl)=min(1.2612,1.7569)=1.2612 或者 Cpk=Cp(1-K)=1.5094(1-0.1625)=1.2612,案例分析,我们实际做得有多好呢？ Pp=1.3699 Ppk=1.1411 这说明我们还可以做得更好,计数型的过程能力评价,对于p,np图, 过程能力是通过过程平均不合品率 来表示,当所有点都受控后才计算该值. 对于c图,过程能力为 ,即固定容量n的样本的缺陷数的平均值. 对于u图,过程能力为 ,即每单位缺陷数

24、的均值.,Cpk与不良数量一览表,如何运用过程能力指数进行管理,当Cpk指数值降低代表要增加： 控制 检查 返工及报废， 在这种情况下，成本会增加，品质也会降低， 生产能力可能不足。,如何运用过程能力指数进行管理,当Cpk指数值增大，不良品减少，最重要是产品/零件接近我们的“理想设计数值/目标”，给予顾客最大满足感。 当Cpk指数值开始到达1.33或更高时对检验工作可以减少，减少我们对运作审查成本。,SPC技术的其他工具,广州今朝科技有限公司 Guangzhou Today Technology LTD,内容提要,排列图（柏拉图） 分层分析法 相关与回归分析 SPC知识回顾,Pareto理论在

25、品质管理中的应用,目的：寻找主要问题或影响质量的主要原因,品质管理中主要应用,缺陷柏拉图 异常柏拉图 原因柏拉图 措施柏拉图,某铸造车间生产一种铸件，质量不良项目有气孔、未充满、偏心、形状不佳、裂纹、其他等项。记录一周内某班所生产的产品不良情况数据，并将不良项目作成累计频数和百分比汇总表：,案例分析,铸件不良项目的排列图,Pareto理论的作用,找出“重要的少数” 因为80%的问题由20%的潜在原因引起,分层分析法,概念：将数据依照使用目的，按照其性质、来源、影响因素等进行分类，把性质相同、在同一生产条件下收集到的质量特性数据归并在一起的方法。 通常和其他方法一起使用。如将数据分层之后再进行加

26、工整理成分层排列图、分层直方图、分层控制图等。,常用分层方法,按不同时间、线别分，如按班次、不同生产线分； 按操作人员分，如按工人的级别； 按操作方法分，如按切削用量、温度、压力； 按原材料、产品分，如按供料单位、批次、产品、客户等； 其他分层，如按检验手段、使用条件、气候条件等。,案例分析,在柴油机装配中经常发生汽缸垫漏气现象，为解决这一问题， 对该工序进行现场统计。 收集数据：n=50，漏气数f=19 漏气率 P=f/n=19/50=0.38 即38% 分析原因：通过分析，认为造成漏气有两个原因： 该工序涂密封剂的工人A，B，C三人的操作方法有差异； 汽缸垫分别由甲、乙两厂供应，原材料有差异； 因此，采用分层法列表