PCA过程能力分析.ppt

PCA,过程能力分析,目录,过程能力分析的目的和步骤如何进行合理抽样过程稳定性分析过程数据正态性分析CP/CPK的计算方法和应用方法属性型数据质量统计指标,课程目标,理解过程能力分析的目的掌握过程能力分析的步骤会计算Cp和Cpk会计算DPU和DPMO能够将DPMO转化为Sigma水平,过程能力分析的基本概念,过程能力是指过程的一致性，显然，过程的变异是衡量过程质量特征值的一致性的指标过程能力指数（CPK）：指过程的加工质量满足技术标准的程度。两种变异:特定时点的本质或内在变异一段时间内的变异,影响过程质量的6个因素（6M）人员设备材料方法测量环境,6M导致的变异有两种随机性变异系统性变异如果过程仅受随机性因素的影响，那么一般情况下,过程质量特征值服从正态分布,过程能力分析的基本概念,99.73%,过程能力=B=,过程能力分析的基本概念,过程能力分析的目的,预测过程质量特征值的变异对公差的符合程度帮助产品开发和过程开发者选择和设计产品/过程对新设备提出要求评价并选择供应商过程公差有交互作用时制定工艺规划找出影响过程质量的瓶颈因素减少制造过程的变异,过程能力分析的目的,过程能力分析的步骤,确定过程质量特征值,计量值数据?,定义变异来源,测量系统分析,能力是否充足?,改进测量系统,制定抽样计划,过程是否稳定?,剔除系统性原因,数据服从正态分布?,是否能转换?,正态性转换,计算Cp,Cpk,计算Cp(q),Cpk(q),定义缺陷和缺陷机会,抽样,过程是否稳定?,剔除根本影响因素,计算DPU,计算DPMO,评价过程能力，确定瓶颈过程,是,否,是,是,是,是,是,否,否,否,否,否,讨论,你如何评价过程能力?它是否稳定?过程能力分析能够为你做些什么?测量系统能力是否合格？样本抽取是否有代表性？数据是否呈正态分布？,目录,过程能力分析的目的和步骤如何进行合理抽样过程稳定性分析过程数据正态性分析CP/CPK的计算方法和应用方法属性型数据质量统计指标,合理抽样,合理抽样是指它能捕捉过程的随机性变异它不包含系统性变异合理抽样的目的是使抽取的样本具有代表性，能代表过程变化抽样时重点注意以下几点:谁测量的数据？测量仪器是否被校准？搜集数据之后过程是否发生变化？对影响过程输出的关键影响因素所发生的变化是否做了记录?数据搜集的时间、过程、目的和抽样方式,多变异分析案例为了分析轴的直径变异并确定变异来源,质量工程师选择了3个时间点,8：00AM、10：00AM、12：00AM，在每个时间点上选取3根轴，每根轴选取3个位置进行测量,多变异分析（MVA）,多变异分析（MVA）,变异按来源可分为产品内变异产品间变异时间变异MVA的目的-确定过程的主要变异来源从而进行合理的抽样,多变异分析图,多变异分析（MVA）,根据MVA确定合理的抽样方案,产品内的测量点的个数（n）：如果产品内部存在变异，那么至少应选择两个位置。如果产品内的变异很大，应增加产品内位置选择的个数。当不知道产品内是否存在变异时，通常选取3-5个点。一次抽取的产品个数（b）：至少3个；如果产品间变异很大，就增加个数。通常选5-10个。时间点的数量(a):至少3个;如果时间变异很大，应增加时间点选取的个数。,目录,过程能力分析的目的和步骤如何进行合理抽样过程稳定性分析过程数据正态性分析CP/CPK的计算方法和应用方法属性型数据质量统计指标,过程稳定的意义,一个稳定的过程仅存在随机性变异通过稳定性可以检验是否存在系统性变异,如果存在系统性变异,在进行PCA之前应剔除,不要对不稳定的过程计算Cp和Cpk,过程稳定性分析,通过控制图可以确定过程是否稳定.常用的控制图有:-均值(Xbar)-极差(R)控制图-均值(Xbar)-标准差(S)控制图-单值-移动极差控制图,用控制图来分析稳定性*,*控制图将在今后的课程中进行详细的讨论,MINITA:Stat/ControlCharts/,用控制图来分析稳定性,目录,过程能力分析的目的和步骤如何进行合理抽样过程稳定性分析过程数据正态性分析CP/CPK的计算方法和应用方法属性型数据质量统计指标,正态性检验,正态性是指与正态分布曲线相吻合并且数据是连续的.Cp和Cpk的计算是基于正态分布的,数据非正态可能由于以下原因:-数据来自不同样本-过程不稳定-过程非正态,过程正态性分析,正态性检验,MINITAB提供3种方式检验正态性:-直方图:stat/basicstatistic/displaydescriptivestatistic-正态性检验:stat/basicstatistic/normalitytest-分布概率检验：graph/probabilitytest(推荐使用),非正态数据的特征:-有异常数据-分布非正态,数据转换,如果过程稳定却非正态,可以数据转换为正态.但如果非正态是由系统性原因引起的,那么在进行过程能力分析之前应剔除这些系统性变异.若X非正态,可通过以下方式转化为正态:,目录,过程能力分析的目的和步骤如何进行合理抽样过程稳定性分析过程数据正态性分析CP/CPK的计算方法和应用方法属性型数据质量统计指标,Cp和Cpk,仅有上公差限:,仅有下公差限:,计算,1.仅有USL：2.仅有LSL：3.USL和LSL都存在:,公差.,过程,目标值,容差,均值,标准差,C,P,C,PK,1,15,0.02,14.990,0.005,2,10,0.03,9.98,0.01,3,8,0.2,8.05,0.04,计算Cp和Cpk,练习:,过程能力分析要点,抽样是合理的样本量尽量大,通常大于100过程稳定数据相互独立检查是否有异常值检验数据正态性,必要时化为正态用单值而不是数据均值,过程能力的应用,过程能力指数代表了过程能力的高低，过程能力指数越大表明对应的过程能力越高。一般说来对过程能力的评价标准为：,过程能力的应用,过程能力指数与合格品率的关系,过程能力的应用,Cp表示了过程固有的均匀性、一致性，Cp越大，则过程特性值的分布越集中，过程能力越强。Cpk表示了实际过程特性值与规范的符合程度，既要考虑特性值分布的集中程度，也要考虑实际分布中心与公差中心的偏离程度，是二者的综合体现。从数学上看Cpk与Cp的关系是：CpkCp，在实际运用过程中会遇到如下四种情况：a.如Cp足够大但是Cpk不足（例如Cp2、Cpk1.5，表明过程特性值分布中心与公差中心偏离太大，过程的管理能力不足，此时往往只需要采取局部措施，使分布中心向公差中心“瞄准”。b.如Cp太小（Cp2甚至更低，表明过程固有的加工能力不足以满足六西格马质量要求，需要从人、机器、物料、方法、环境等方面采取措施（如更换更为先进的设备），提高过程的固有加工能力。c.Cp和Cpk均能满足要求（Cp2、Cpk1.5），则说明过程能力非常充分，完全能够满足规范的要求，此时不需要进行过程调整，只需要维持现状即可。d.如Cp太高（Cp远远大于2），则说明过程的加工能力超出了我们的预期，加工可能存在“质量过剩”。,过程能力指数Cp和Cpk的联合运用,目录,过程能力分析的目的和步骤如何进行合理抽样过程稳定性分析过程数据正态性分析CP/CPK的计算方法和应用方法属性型数据质量统计指标,First-timeYield/First-passYield：是指产品经过某一特定工序合格的概率，其计算公式为：First-timeyield（良品数/生产数）100%FinalYield：是指单位产品在最后工序生产合格的概率，其计算公式为：Finalyield(1-)100%,以上两个统计指标都是基于结果（良品和不良品）的统计指标，关注的是“efficiency”,FTY/FPY/FY,DPMO/DPU/DPHU/DPO,DPO（defectsperopportunity）：是指单位缺陷机会数中产生的缺陷数量。其计算公式为：DPO缺陷数/缺陷机会数DPMO（defectspermillionopportunities）:是指每百万缺陷机会数中产生的缺陷数量。其计算公式为：DPMO（缺陷数/缺陷机会数）1000000DPU（defectsperunit）:是指单位产品所包含的缺陷数量。其计算公式为：DPU缺陷数/产品数DPHU（defectsperhundredunits:是指每百产品中所包含的缺陷数量.其计算公式为：DPHU（缺陷数/产品数）100,以上四个统计指标都是基于缺陷的统计指标，关注的是“effectiveness”，其中DPMO/DPO还综合考虑了产品的复杂度（即是缺陷机会数）,TY/RTY/NY,ThroughputYield：是指在某一特定工序所产生的所有缺陷机会都符合相关质量标准要求的概率。换句话讲，就是在给定工序点中“将所有事情做对”的可能性。计算公式为：ThroughputYield（1缺陷数/产品数）100%RolledThroughputYield，是指单位产品通过整个生产过程后不产生缺陷的概率。换句话讲，就是在整个生产过程中的每一个工序中将所有事情都做对的可能性。计算公式为：RolledThroughputYieldThroughputYield工序1ThroughputYield工序2。ThroughputYield工序nNormalizedYield，是指任何给定工序的“平均“ThroughputYield，它代表所有工序中的一个典型的ThroughputYield水平。计算公式为NormalizedYield,以上三个统计指标都是基于缺陷的统计指标，关注的是“effectiveness”，但没有考虑考虑产品的复杂度（即是缺陷机会数）,各质量统计指标的联系,1.DPMO与DPU的关系：DPMO,2.DPU与Throughputyield的关系：Throughputyield（1DPU）