SPC培训教材基础篇ppt课件.ppt

1、Training Material,SPC,INTRODUCTION,内 容,1. SPC概念 2. 制程能力 3. 管制图 4. 工厂应用,什么是SPC?,SPC：Statistical Process Control 统计制程管制： 是指一套从制程中去收集资料，而加以统计分析，并从分析中去发现异常原因，立即采取改正行动，使制程恢复正常的方法。,SPC是一个信息反馈系统，帮助我们 理解一个过程 量度一个过程的表现 利用统计数据确定是否对过程采取行动,为什么要推行SPC？,客户的要求 企业自身的要求 社会的要求,应用SPC的好处,生产效率提高 -机器停顿减少,废品减少 成本降低 -检验数量减少

2、,原材料节省 产品质量改善 -品质,均匀性提高,生产流程的区别(一),传统的生产与质量控制流程: 产品控制,SPC,理想的生产流程：制程管制,生产 包装 装运出厂,生产流程的区别(二),传统的质量控制方法： 检验模式,检验时间、检验成本 检验时损失已造成 不知道过程的状态 不易发现过程中的问题 可能会过度调节,生产流程的区别(三),SPC的方法： 预防模式,深入理解过程（位置、稳定性、状态） 易于改进过程 减少检验 减少次品率 提高产品质量 交流的工具(common language),变异的概念,过程中存在的变异(Variation) 人 -操作者的质量意识、技术水平、熟练程度、和身体素质等

3、 机器 -机器设备、工夹具的精度和维护保养状况等 材料 -材料的化学成分、物理性能和外观质量等 方法 -加工工艺、操作规程和作业指导书的正确程度等 环境 -工作场地的温度、湿度、含尘度、照明、噪声和震动等,Quantify StdDev for main source of variation Measurement system evaluation:,变异的概念,变异的描述,趋势图 (Trend chart,Run chart) 统计量 (Statistics) x,，s,Medium,Mean 直方图 (Histogram) 分布图 (Distribution),高斯，泊松，二项,.,虽

4、然单个数据完全不同,但是收集成一组数据后,它们会趋于形成可以描述成一个分布的模式.,范围,范围,范围,变异的描述,1.位置,2.分布宽度,3.形状,这个分布可能有所不同,可以通过以下因素来加以区分.,或这些因素的组合,代表值或 “中心值”,从最小值到最大值之间的距离或宽度,是否对称或偏斜,变异的描述,变异的描述,正态分布 平均值对应于峰值 图形关于平均值对称 在X+/-3S范围内有99.73%的数据,变异的描述,变异的来源,正常原因(普通原因) -系统或过程固有的变异因素(机器固有的精度偏差，正常的材料差异，气候波动） 异常原因(特殊原因) -系统或过程特殊、异常事件造成的变异（机器磨损导致精

5、度变差，操作不当）,变异的来源,重要的统计推断 正常原因造成的变异满足正态分布 异常原因造成的变异偏离正态分布,变异的来源,变异与过程的稳定性 若过程只存在正常原因造成的变异，则过程是稳定的。 若过程存在异常原因造成的变异，则过程不稳定。,变异的策略,SPC对变异的策略 找出并消除异常原因造成的变异，使过程稳定。 改进整个系统，减小正常原因造成的变异，使过程能力提高。,过程能力,过程能力 是指生产过程在一定时间内处于统计控制状态下制造产品的质量特性值的经济波动幅度。,过程能力指数,CP=(TU-TL)/6 TU-上偏差（公差上限） TL-下偏差（公差下限） 6-过程能力,CPK -考虑偏离度的

6、过程能力指数 CPK= min (TU-X)/3 ; (TL-X)/ 3 ,The Standard Deviation is 1/ 6 times the Design Margin in conventional Process Design,-4,-2,0,2,4,-7,-6,6,7,Upper,Technical,Limit,Lower,Technical,Limit,Target,Process Potential Index C p = 1.00,0,2,4,6,8,10,12,14,16,18,42.8,43,43.2,43.4,43.6,43.8,44,44.2,44.4,44

7、.6,44.8,length of maches,upper limit (UTL),nominal value,lower limit (LTL),mean (m),StdDev (s),number of matches within classes,Process Potential Index Cp = (UTL - LTL ) 6 * s,CFT,过程能力指数,0,2,4,6,8,10,12,14,16,18,42.8,43,43.2,43.4,43.6,43.8,44,44.2,44.4,44.6,44.8,length of maches,upper limit (UTL),no

8、minal value,lower limit (LTL),mean (m),StdDev (s),number of matches within classes,Process Performance Index Cpk = min (UTL-m, m - LTL ) 3 * s,CFT,过程能力指数,Cpk - A better measure of Variation,Cpk =,and process capability,( 1 K),*,Cp,K =,X,D,S/2,D = Design center,S = Specification Width,X = Process ave

9、rage,Centering !,过程能力指数,6s Quality is the Goal,Goal Cp = 2, Cpk = 1.5,-6s -5s -4s,-3s -2s -1s 0 +1s +2s +3s +4s +5s +6s,6s,to LSL,6s,to USL,Cp=2 Cpk=1.5,Cp=2 Cpk=1.5,Cp=Cpk = 2,1.5,s,LSL,12.5%,12.5%,75%,USL,过程能力,Cp , Sigma, and Defect Levels,Sigma,+ 2 s,+ 3 s,+ 4 s,+ 5 s,+ 6 s,Cp = 2/3=0.67,Cp = 4/3

10、=1.33,Cp = 6/3=2.0,Distribution,等级判定,等级 A+ A B C D,CPK 值 1.67CPK 1.33CPK1.67 1.00CPK1.33 0.67CPK1.00 CPK0.67,处置原则 考虑管理的简单化或成本的降低方法 维持原状 改进为A 级 需全数选别并管理、改善制程 采取紧急对策进行改善，探求原因，并且重新检讨规格,统计稳态和技术稳态,控制图,构成： 趋势图+控制上、下限，中心线 中心线(CL): X 控制上限(UCL): X+3S 控制下限(LCL): X-3S,控制图,原理：,正常原因造成的误差满足正态分布；正态分布的数据有99.73%的概率在

11、X+/-3S范围内；一旦有测量数据超出控制界限，则判定存在异常的误差。,数据的类型,计量型（Variable) 计数型(Attribute),温度，压力，时间，力矩，亮度.,材料不良率，焊接不良数 布匹疵点数，印刷错误数,控制图的种类,计量值控制图 计数值控制图,平均值-极差控制图(X-R图) 中位数-极差控制图(X-R图) 单值移动-极差控制图(X-MR图) 平均值-标准差控制图(X-S图),不合格品数控制图(np图) 不合格品率控制图(p图) 缺陷数控制图(c图) 单位缺陷数控制图(u图),Count or measure?,Area or units?,Attribute (Count)

12、,Variable (Measure),Defective units,Sample size?,Sample size?,Changing,u,p or p,np,Ind. & MR,Changing,Constant,Sub- groups?,Individual,n 5,n 5,Sample size?,Average,Ave. & MR,Median,EWMA,Sample size unknown,Non-normal,Smoothing,No estimates of variability,Yes,No,控制图的选择,控制图的应用步骤,1. 选取拟控制的质量特性 2. 选用合适的

13、控制图种类 3. 确定样本容量和抽样间隔 4. 收集并记录至少20-25个样本的数据 5. 计算各样本的统计量 6. 计算各统计量的控制界限 7. 画控制图并标出统计量 8. 研究排列的异常状态 9. 决定下一步行动,控制界限,控制界限的设置,人为设置过宽： 控制图对异常的误差不敏感，失去控制效果 人为设置过紧： 过度调节，降低工艺能力，增加成本,规范界限 代表客户的要求，用于控制产品 控制界限 对过程的要求，用于控制过程,控制界限与规范界限,控制图形态,正常形态,1. 大部分的点接近中心线 2. 有一些点会散布在接近管制界限的地方 3. 没有或非常少的点超出管制界限,控制图形态,常见的不自然

14、形态,1. 循环 2. 倾向 3. 过程水平突变 4. 高比例的点靠近或在界限外 5. 层叠或缺乏变化,控制图判别,常用的判异准则,1. 1点落在A区外 2. 连续9点落在中心线同一侧 3. 连续6点递增或递减 4. 连续14点上下交替变化 5. 连续3点中有2点落在同一侧的B区外 6. 连续5点中有4点落在同一侧的C区外 7. 连续15点在上下C区 8. 连续8点无一在C区,常用的判异准则,常用的判异准则,控制图分析,不自然形态(X-R图)原因举例(一),A.循环 B. 倾向,X图 R图 1. 温度或自然环境 1. 计划预防性 的其他循环变化 保养 2. 工人疲乏 2. 工人疲乏 3. 机器

15、或操作员的 定期轮换 4. 来料的季节性效应,X图 R图 1. 设备或工具的逐 1. 操作员技巧的 渐变质 改进或变差 2. 环境条件的逐渐 2. 工人疲乏 变更 3.工人疲乏 3. 来料质量一致 性的逐渐变更 4. 工夹具上碎屑的堆积,控制图分析,不自然形态(X-R图)原因举例(一),C.过程水平突变 D. 高比例的点靠近或在界限外,X图 R图 1. 材料变更 1. 材料变更 2. 生产方式/过程 2. 方法变更 变更 3. 新工人或机器 3. 工人变更 4. 检查装置或方法 的改变,X图 R图 1. 材料质量的大 1. 混用明显不同的 差异 质量的材料 2. 测试方法或设 2. 不同的工人

16、使用 备的大差异 同一张图 3. 在同一张图上 3. 来自不同条件下 控制两个或以 的过程数据标示 上的过程 在同一图上,X, R 平均值极差控制图,一些基本原理 平均值极差控制图是依据来自同一批抽样数据的两个分离的控制图。它们是用于跟踪和识别产品或工艺波动原因的最敏感的统计控制图。 平均值图记录抽样的平均值，而极差图是记录每批抽样中相应的极差值。 平均值极差图是研究工艺过程能力Cpk的一个非常有效的工具。 3的极限范围是最通常的随机波动的控制范围。,控制图的构造 数据的收集 决定抽样大小 决定抽样频率 记录原始数据 计算每次抽样的平均值及极差 选择控制图的刻度 把平均值和极差值画在控制图上

17、计算控制极限 UCLR = D4 * Rbar LCLR = D3 * Rbar,UCLXbar = X*Dbar + A2*Rbar LCLXbar = X*Dbar - A2*Rbar,X, R 平均值极差控制图,X, R 平均值，极差控制图,控制图的常数 建立中心线，控制极限并绘制数据 在控制图上绘制控制线和平均值线并绘制数据 把在初始阶段的研究结果作为初始控制极限,课堂练习,日期,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,1,6,4,9,6,6,9,10,6,8,10,9,9,5,8,8,2,6,8,10,5,7,10,6,5,7,10,10,10,8,5

18、,11,3,5,3,5,5,10,9,10,7,6,9,8,5,5,9,6,4,7,7,7,8,5,10,5,10,7,9,10,6,8,5,12,5,6,9,7,5,8,12,8,5,8,10,10,5,9,11,总和,Xbar平均,R极差,LCL,X,=,UCL,X,=,Xdbar=,LCL,R,=,UCL,R,=,Rbar=,X, R 平均值移动极差图,9,X, Rm 控制图(个别值，移动极差图),一些基本原理 当一抽样内的数据无任何一点波动变化，那么个别值移动极差图是相当有效的。它典型地发生在相当均匀的工艺过程（化学工艺，模具成型等 个别值移动极差图虽然没有像平均值极差图那么敏感。但它

19、能非常直观地判别趋势，周期及其它模式的反应。,控制图的构造 数据的收集 抽样数为一 决定抽样频率 决定个别值和移动极差的刻度范围,X, Rm 控制图(个别值，移动极差图),控制极限的计算 计算观察值的平均值 计算移动极差的平均值 计算个别值和移动极差的控制上限，下限 UCLmf = D4 * R LCLmf = D3 * R UCLX = X + E2 * R LCLX = X - E2 * R,控制图的构造 控制图常数 建立中心线，控制极限并绘制数据,X, Rm 控制图(个别值，移动极差图),课堂练习,X, mR 个别值，移动极差图,日期,1,2,3,4,5,6,7,8,9,10,11,12

20、,13,14,15,1,6,4,9,6,6,9,10,6,8,10,9,9,5,8,8,2,3,4,5,移动极差,LCL,X,=,UCL,X,=,Xbar=,LCL,R,=,UCL,R,=,Rbar=,p 图,一些基本的原理 P 图是用于测量不合格品的比例 P 图一般需要较大的抽样数（50200以上以便于发现工艺过程的缓慢变化,p 图,控制图的构造 数据的收集 决定抽样数大小，一般情况50200个以上. 决定抽样频率 安排控制图的刻度大小。 垂直方向的刻度一般从零到1.5倍的最大的不合格产品的比例数 把每次抽样的不合格比例数用点在控制图上表示出来，然后把点联成线以便于显示它的趋势 记录工艺过程

21、中的任何变化和不正常的事件,p 图,控制图的构造(续上页) 计算控制极限 UCLp = p + 3 * p (1 - p) / n LCLp = p - 3 * p (1 - p) / nn = 抽样数 建立中心线，控制极限并绘制数据,P图 不合格比例数,日期,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,抽样数 (n),100,100,100,100,100,100,100,100,100,100,100,100,100,100,100,数目 (np, c),17,28,28,29,37,16,41,31,30,25,44,16,39,34,22,比例 (p, u)

22、,LCL,p,=,UCL,p,=,pbar=,课堂练习,np 图,一些基本原理 np 图是被用于测量一些不合格品的实际数目并且批与批之间的抽样数保持不变,np 图,控制图的构造 数据的收集 检查的抽样数必须保持恒定 决定抽样频率 安排控制图及收集原始数据 记录每次抽样的不合格数并把它绘制在控制图上 计算控制极限 计算不合格品的平均值 计算控制上下限 (UCL, LCL),UCLp = np + 3 np * (1 - np/n) = np + 3 np * (1 - p),LCLp = np - 3 np * (1 - np/n) = np - 3 np * (1 - p),OCAP,OCAP

23、 = Out-of-Control Action Plan,=失控行动计划 =处理失控情况的操作指南流程图,OCAP,OCAP 的好处,处理问题标准化 操作工快速，实时(real-time)作出反应 便于分析、改进过程，消除异常原因造成的误差,O C A P,4,2,0,2,4,-7,6,6,7,Target,P-C Line,P-C Line,3,3,Red Zone,Cp 2.0, The Standard Deviation is 1 / 12 times the Design Margin for a Six Sigma Process,Red Zone,Yellow Zone,Green Zone,Green Zone,Yellow Zone,Target Area,预控图 Pre-control chart,Pre-control chart 规则: 1.分别在上下规格限的1/2处