五大工具之——SPC培训教材.pptx

1,品保部:JesenQin,2015年6月,Statistical Process Control 统计过程控制,课程主要内容,相关统计知识介绍 统计过程控制的基本概念 控制图的理论介绍,有一组数据,不知道是什么?,描点作图,仍然不知道是什么!,数据有问题?,原来数据来源于两个班次!,整理一下数据,原来是这样!,找出数 据规律,可以预测和控制了!,Y = X + 3,Y = 1.5 X + 1,Y=kX+b 3=0k+b (0,3) 9=6k+b (6,9) k=1，b=3,Y=kX+b 10=6k+b (6,10) 7= 4k+b (4 , 7) k=1.5，b=1,相关统计知识介绍,第一章,母体与样本的概念,样 本 统 计 量,样本标准差-s 表示,样本全距-R 表示,样本平均- 表示,样本变异- 表示,2、表示样本特征的统计量种类,统计特性值分类,数据的特征与测度,在品管改善实务上特别重视变异性，先缩小变异再移动平均，会有比较好的效果,数据的特征,集中趋势 度量中心或平均,分散程度 度量离度或变异,众数,中位数,平均值,标准偏差,全距,变异系数,四分位数,变异数,统计特性值分类,统计特性值分类,计量值的定义: 数据之间呈连续的分布状态,故计量值的分布又称连续分布.,例如 灯泡的使用寿命时间.(152.3小时),例如 每一卷布匹的长度.(85.33米),例如 每一个点心的加工重量.(44.83克),二项分布（Binomial Distribution）,柏努利试验只进行一次，若重复进行很多次所形成的机率分配则是所谓的二项分配，其随机试验具有下列特质: 相同的试验重复进行n次 每次试验只有两种可能的结果，一种是研究者“希望”出现的，称为成功事件，另一种是研究者”不希望”出现的，称为失败事件。 每次的试验中，成功事件发生的机率为p，失败事件发生的机率为q (q=1-p) 每次的试验彼此独立，毫不相关，亦即给定前次的试验结果不影响后一次试验的结果。 实验的进行为抽出放回。,注:二项分配常用于近似不良品发生的机率。,定义:二项分布的概率分布函数为:,常态分布（Normal Distribution）,具有良好之数学性质，可作为发展统计推论程序中的量测变量基本机率模型 大多数自然界与工业产品的变异均可适用常态分布 常态分布为质量管理技术的基础 当样本数大时，平均数的抽样分布会近似于常态分布(中心极限定理)，此结果为统计在工业应用上重要基础,常态分布的图形,外形像钟，左右对称,其众数(mode)产生在 处,即曲线发生最大值时的横坐标为 。 此曲线对称于通过平均数 的纵轴。 此曲线在 处有反曲点，当 时图形凸向上。反之，在其他地方图形则凹向下。 在此曲线以下，横轴以上的面积总和为1。,任何常态分配皆可转为标准常态分配 转换后的机率运算也可对应原分配,泊松分布（ Poisson Distribution）,泊松分布的概率分布函数为：,1.泊松分布的参数是单位时间(或单位面积)内随机事件的平均发生率。 泊松分布适合于描述单位时间内随机事件发生的次数。 2.泊松分布的期望和方差均为。 3.当二项分布的n很大而p很小时，泊松分布可作为二项分布的近似，其中为np。,统计过程控制的基本概念,第二章,品质管理核心内容,检测-容忍浪费,预防-缺陷避免,质量管理体系的立足点是预防而非检测。,SPC：Statistical Process Control(统计过程控制）是运用统计技术分析过程中的品质特性从而控制过程变异 过程：指的是共同工作以产生输出的供方、生产者、材料、方法和环境及输出顾客之集合 统计：数量统计方法是一种科学的方法，它的理论基础是数量统计学；其用途如： - 提供表示事物特征的数据； - 比较事物间的差异 - 分析影响事物变化的因系及相互关系,SPC基本概念-定义,SPC目的及作用,1.经济性：有效的抽样控制，不用全数检验，得以控制成本。使过程稳定，能掌握质量、成本与交期。 2.预警性：过程的异常趋势可即时对策，预防整批不良，以减少浪费。 3.分辨特殊原因：作为局部问题对策或管理阶层系统改进 之参考。 4.善用机器设备：估计机器能力，可妥善安排适当机器生产适当零件。 改善的评估：过程能力可作为改善前后比较之指针,基本概念-过程控制系统,过程控制系统,人 机器 材料 方法 环境,我们的工作方式 资源的整合,产品 服务,顾客,输入,过程/系统,输出,过程的呼声,统计方法,顾客的呼声,识别不断变化的需要求和期望,过程控制系统,变异：任何系统中均存在变异，因此没有任何两件成品是完全相同的、,对于所有的过程输出，都有两个主要的统计： 对中性 指由过程的平均值至最近的规格限的距离 变差（波动） 指过程的分布宽度,组内变异与组间变异,产品变异大致上可分为 组内变异 组间变异,片内量测点之间的差异,偶然原因与异常原因,一般由制造所生产出来的产品,不论其品质特性为何,它都一定会有波动,绝对无法做出完全一样的产品. 为何会产生如此的变动?原因是制程受到很多因素的影响,且通常很难把握这些因素.,1、偶然原因引起的变动 2、异常原因引起的变动,偶然原因的变动,异常原因的变动,异常原因引起的变动有办法去除,且必须去除,否则会导致制品品质极大损失. 但误将偶然原因当作是异常原因,而改变制程的生产条件,不但影响生产效率也会导致产品品质下降. 故在制程控制中,如何判别变动属于偶然原因的变动或是异常原因的变动.是做好制程控制中非常重要的关键所在.,SPC控制图原理,SPC控制图是按照3Sigma的原理来设定控制界限。若数据为常态分配则在3之外的机率仅为0.0027，若样本点出现在管制界限以外，可分析制程出現异常，即制程已呈现不稳定状态，必须进一步追查原因。 常态分配,0.135%,0.135%,控制图的理论介绍,第三章,控制图的种类,计量型控制图 均值-极差图 均值-标准差图 中位数-极差图 单值-移动极差图 计数型控制图 不合格品率控制图 （P图） 不合格品数控制图 （nP图） 单位缺陷控制图 （U图） 缺陷数控制图 （C图）,正态分布,二项分布,泊松分布,计量值，如产品质量特性,计数值，如缺点数,管制图选用,备注：若样本大小2n 10， 可选用X-R管制图,计量值管制图的数据需为常态分配 计数值管制图中,不良数管制图的每组样本数至少50,缺点数管制图的每组样本平均有15个缺点数,面积是否固定,管制图,管制图,管制图,若n25，则依下列公式计算下列各项因子，,管制图,适用时机 当组内样本大于10时，用标准偏差管制图会比极差管制图有效率 当组内样本变动时 传统上，R chart适用时组内样本数较少时，样本数太大(n10)，则用S管制图来取代R管制图。 R Chart计算简单，建议若是使用计算机软件执行SPC时，采用S Chart；另外S Chart可用于组内样本数不同。,管制图,在实务应用上，常会遭遇到其质量特性所得到的衡量值只有一个，其原因为不能多抽或是不须多抽，例如 生产率低无法以n1进行分析 破坏性检验 有些如化学工业上之制程重复测量值相差不大 故再此情况下无法以样本极差或是样本标准偏差来估计制程变异，所以采用移动极差来估计制程变异 也就是以相邻的数据计算极差,管制图(单一观测值管制图, ),管制图(单一观测值管制图, ),组内样本大小固定,假设m组样本大小均为n，若第i组样本含有Di个不良品，则不合格率为 全部样本的不合格率 不合格率管制图,P管制图(不良率管制图),不合格品数管制图,nP管制图(不良品数管制图),这里：,=子集k中的不良品数（k=1,2,3m）,=子集数（组数）,可用来管制 一个检测单位(每组样本数大小固定)之总不合格点数即为c管制图 固定样本下出现不合格点之机率服从卜瓦松分配 基本假设有 平均缺点数必须远小于所有可能的缺点总数 发生缺点的机会很大然而特定位置发生不合格点的机率很小且固定 每一样本发生不合格点之机会相同 不合格点之发生为独立,c chart(缺点数管制图),c chart(缺点数管制图),在卜瓦松分配假设下，平均值为c，变异数亦为c 因此管制界限为 以平均不合格点数作为平均值的估计：,u chart(单位缺点管制图),适用时机 在实务应用上单位样本数可能会不同，无法满足 c管制图的假设 此时，使用u chart单位缺点数管制图 定义单位不合格点数 管制界限,检定法则,管制图异常点区域检定法则 将管制图自上管制界限（UCL）至下管制界限（LCL）间隔分成6个区域，每一个区域范围恰为一个标准偏差，分别给予ABC的称号。 依据常态分配每一区域之发生机率，以检定是否异常。 每种状态发生的机率皆很小(0.5%)，因此若发生视为异常。,Control Rules,Rule 1: 1点超出管制界线外,Rule 2: 连续8(或 9)点落在中心线一侧,可能原因： 制程参数设定错误 设备机台故障 人员操作异常 量测错误,可能原因： 制程平均水平偏移 引进新原物料 新的作业人员操作 设备机台重新设定,适用范围：_,全部管制图,发生机率：2x0.00135=0.0027,发生机率：2x(0.5)9,Control Rules,Rule 3: 连续6点上升或下降,Rule 4: 连续14点上下交互变动,可能原因： 设备机台零件磨损 作业人员疲劳 设备维修技术不良 制程某要素已劣化,可能原因： 两个过程在同一张图上，分层不足 (如两种材料、两种设备) 作业人员过度管制 量测仪器性能具周期表现,适用范围：_,全部管制图,发生机率：2x(1/6!)=0.0028,发生机率：模拟结果=0.004,Control Rules,Rule 5: 连续3点有2点在A区或超出A区,Rule 6: 连续5点有4点在B区或超出B区,可能原因： 设备机台重新调整 夹治具位置不良 不同批的原料混用,可能原因： 设备机台重新调整 夹治具位置不良 不同批的原料混用,适用范围：_,Xbar、X管制图,发生机率： 2xC32(0.0028)2x0.9772+ C33(0.0028)2 =0.0031,发生机率： 2xC54(0.1587)4x0.8413+C55(0.1587)5 =0.0055,Control Rules,Rule 7: 连续8点落在中心线两侧，但C区无点,Rule 8: 连续15点落在C区,可能原因： 使用两种以上的原料 混合的型态,多个制程 抽样计划值得探讨,可能原因： 使用两种以上的原料 将不同的设备机台或生产 方法交错使用 管制界线计算错误，或需重新计算 资料抽样自不同制程,适用范围：_,Xbar、X管制图,发生机率： (0.3174)8=0.0001,发生机率：(0.6826)15=0.0033,管制图的判读准则的选用,并不是所有的判定准则都必须使用于任何过程管制的。 典型的判读准则选用参考如下 准则1、5最为通用； 准则2、6较能探测平均值的变化； 准则4、8最能探测层别的问题； 准则7能探测数据来源以及展示改善的过程； 准则3用于探测过程的漂移,管制图的利用,当发现不稳定，并寻找到特殊原因后，设法予以消除，然后剔除这些异常点的数据，再利用剩下来的数据（若所剩数据不足25组则需重新收集适当数据），重新计算管制界限，重新判读直至稳定。,原有管制界线,新管制界线,计数值与计量值管制图之选择,在很多情况下，工程师会面临在计量值与计数值管制图两者做选择。在一些个案里，这选择可以很清楚的决定，但在某些个案中，却很不明显，因此分析师必须以很多因素来决定要用何种管制图 计数值管制图的优点在于它将很多质量特性联合考虑，且如果有任何一个特性超过规格，就将他分类到不良品，但若将很多质量特性都当作计量值处理，则每一个几乎需要被观察，并个别或联合地执行计数管制 计量值管制图提供较多有关制程绩效的资讯。 管制图能指出即将发生的问题，在制程还没制造出不良品前就能看出，而p图(或c及u图)则需在制程已经改变且产生很多不良品后才会发现,统计制程管制图之正确使用,管制界限、规格界限和自然允差界限 管制界限(control limits)与规格界限(specification limits)之间并无任何关联或关系 管制界限受制程的自然允差界限(natural tolerance limit)的驱策，通常取制程平均数上下3s所做的界限称为自然允差上、下界限，以UNTL与LNTL表示 规格界限的决定是外来的，可能是由管理人员、制造工程师、顾客或产品开发者来订定，但须切记管制界限与规格界限之间并无任何数字或统计上的关系,USL (Upper Spec. Limit)：规格上限 LSL (Lower Spec. Limit)：规格下限 UCL (Upper Control Limit)：管制上限 CL (Center Line)：中心线 LCL (Lower Control Limit)：管制下限 OOC(Out of Control)：超出管制界线 OOS (Out of Spec.)：超出规格界线 SOOS：单点超出规格,名词统整,管制界限V. S.规格界限,管制界限 由所收集的资料汇整后之平均值的函数，是对平均而言 管制界限的宽度:3 规格界限 为衡量个别产品的成效 通常而言是由管理人员、制程工程师、客户或是产品设计 师所决定 规格界限的宽度有时会定义成公差 管制界限与规格界限并无直接的关系，制程在管制内并不表示产品符合规格，