SPC统计过程控制(含MSA、FMEA).ppt

,讲师：严昭建,E-mail:jackya-MobileStatisticalProcessControlSPC统计过程控制,1,课程行为准则,需要双向的沟通（讲师和学员）如果您有与课题相关的经历或资料，请与大家分享有问题作好记录联想式听讲我如何在工作中运用这种工具或方法休息后准时回来关闭手机或者使用振动方式如果您认为课程过重请及时告诉讲师,2,课程大纲,控制图的基本理论SPC控制图的展开与应用过程的受失控状态过程能力研究SPC导入整体规划,3,1.控制图的基本理论,4,SPC是英文StatisticalProcessControl的前缀简称,即统计过程控制。SPC就是应用统计技术对过程中的各个阶段收集的数据进行分析，并调整制程，从而达到改进与保证质量的目的。,什么是SPC,5,战后经济遭受严重破坏的日本在1950年通过休哈特早期的一个同事戴明(W.Ed-wardsDeming)博士，将SPC的概念引入日本。从19501980年，经过30年的努力，日本跃居世界质量与生产率的领先地位。美国著名质量管理专家伯格(RogerW.Berger)教授指出，日本成功的基石之一就是SPC。,美国贝尔实验室休哈特博士（W.A.Shewhart）于1924年发明控制图，开启了统计品管的新时代。,SPC兴起的背景：起源,1940s二次世界大战期间，美国军工产品使用抽样方案和控制图以保证军工产品的质量。,6,SPC兴起的背景：日本,1950s质量管理大师戴明博士在日本工业产品生产过程中全面推行SPC。日本JUSE（科学家协会）设置“戴明”奖，奖励那些有效实施统计技术的企业。石川磬提出“QC七工具”，帮助生产现场人员分析和改进质量问题，并推动广泛应用。1970s有效地推行“QCC圈”和应用统计技术使日本经济的快速发展，成为高品质产品的代名词。1980s美国等其他国家紧随日本的步伐，开始推行“QC小组”和统计技术的应用。美国汽车工业已大规模推行了SPC，如福特汽车公司，通用汽车公司，克莱斯勒汽车公司等，上述美国三大汽车公司在ISO9000的基础上还联合制定了QS9000标准，编制了SPC手册。在与汽车有关的行业中，颇为流行。MOTOROLA公司颁布“QC挑战”，通过SPC的实施改进过程能力，并提出追求“6”目标。1987ISO9000标准建立并颁布实施，明确要求实施统计技术。,7,SixSigmaTree中的统计技术.,6达成（完美）,改善设计（果子最集中的地方）,过程改善（矮树上的果子）,（地上的果子）,全部的果子都在你手中啦,能摘到这里的果子，基本上能达到小康了,这里的果子很有限,靠天吃饭，捡吃地上不多的果子,23：5倍改善34：10倍改善45：27倍改善56：70倍改善因此：36：19,600倍改善,8,品管方法历程,1,2,3,4,5,6,3.4,233,6,210,697,300,308,700,66,807,产品检查,产品管制,过程管制,品管7手法,(5S、QCC、ISO9001:2000),管理改进(PDCA)一般公司THREESIGMA改善,技术改进(DMAIC)世界标竿公司SIXSIGMA改善,方法,管制,试验计划与制程结合,试验计划与设计结合,过程管制最佳化,设计管制最佳化,PPM,AverageCompany一般公司,Bestinclass世界标竿公司,9,规格管理的危险性,Notjusttomeetcustomerorcontractualrequirements!被BOSS训斥的痛苦!,10,Spec,LSL,USL,VeryCentered,变异是我们的敌人,LCL,UCL,不良品已经产生,潜在不良出现,控制线管理的益处,11,SPC统计的起始阶段直方图,将收集的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的面积以条状方式排列起来所产生的图形，称之为直方图。用途：1.了解分配型态2.研究制程能力3.工程解析与控制4.分配型态的统计检定,SPC基础统计知识,12,直方图的作法,收集数据计算组数组数样本数的平方根计算全距：由全体数据中找出最大值与最小值之差。决定组距：组距=全距/组数为便于计算平均数与标准差,组距常取2、5、10的倍数。决定各组之上下组界：|先求出最小一组的下组界，再求出上组界依此类推，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+组距决定组中点制作次数分布表制作直方图,13,(例)有一机械厂，为了解制品外径尺寸之变化，由产品抽取100个样本测定其外径，测定结果如下表，试作次数分配表。,实例说明,14,(1)定组数：或(2)求组距：全距XmaxXmin0.6650.6340.031组距0.00310.003(3)决定组距第一组下组界最小测定1/2测定单位0.6340.6335。以0.6335累加0.003得各组之组界值，如次数分配表。(4)计算各组间之中心值第一组中心值0.635以0.635累加0.003得各区间中心值。,15,K=1+3.32Lgn,16,17,演练,某电缆厂有两台生产设备,最近,经常有不符合规格值(135210g)异常产品发生,今就A,B两台设备分别测定50批产品,请解析并回答下列回题:1.作全距数据的直方图.2.作A,B两台设备之层别图3.由直方图所得的情报，请说明哪台设备较不佳,18,收集数据如下:,19,双峰型孤岛型高原型,正态型锯齿型绝壁型,分布状态判断,与规格值或标准值作比较,下限,上限,表示制程之生产完全没有依照规格去考虑,或规格订得不合理,根本无法达到规格.,LSL,USL,100个机螺丝直径直方图。图中的直方高度与该组的频数成正比,从直方图到正态分布,如果资料越多，分组越密，则机螺丝直径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示。在极限情况下得到的光滑曲线即为分布曲线，它反映了产品质量的统计规律，如分布曲线图所示,23,将各组的频数用资料总和N=100除，就得到各组的频率，它表示机螺丝直径属于各组的可能性大小。显然，各组频率之和为1。若以直方面积来表示该组的频率，则所有直方面积总和也为1。,24,测定平均值在中心线或平均值两侧呈现左右对称之分布极大值与极小值数量很小常态曲线左右两尾与横轴渐渐靠近但不相交曲线下的面积总和为1,正态分布特征,25,统计学,为了解被调查群体的某些隐含的特性，运用合理的抽样方法从被调查群体N中取得适当的样本n，通过研究样本来发现群体的特性!,26,主要统计学名词,群体于制造业而言，通常指在同一生产条件下符合特定要求的所有个体的集合!也可称为批量记为N样本于群体中抽样而得的部份个体的集合!记为n群体平均值Xbar样本平均值群体标准差x/s样本标准差R极差/全距NormalDistribution正态分布,27,数据的集中程度,平均数（总体）（样本）(XBar)中位数(XWave)众数md(Mode),28,数据的离散程度,R极差(Range)最大值最小值maxminV方差/变异(Variation)(总体)(样本)S标准差Standarddeviation(总体)(样本),29,正态分布中，任一点出现在1内的概率为P(-X+)=68.26%2内的概率为P(-2X+2)=95.45%3内的概率为P(-3X+3)=99.73%,正态分布,30,正态分布概率(双边),31,正态曲线单侧的概率(P值),32,正态分布的表达方式,位置：中心值,形状：峰态,分布宽度,33,不同的正态分布,34,35,不同的正态分布,36,不同的正态分布,目标值线,预测,时间,目标值线,尺寸,时间,？,两种变差原因及两种过程状态如果仅存在变差的普通原因,随着时间的推移,过程的输出形成一个稳定的分布并可预测如果存在变差的特殊原因，随着时间的推移，过程的输出不稳定,正态分布与两种变差原因,受控,不受控,37,变差的普通原因V.S.特殊原因,普通原因CommonCause,特殊原因SpecialCause,大量之微小原因所引起,不可避免不管发生何种之普通原因，其个别之变异极为微小几个较代表性之普通原因如下：（）原料之微小变异（）机械之微小振动（）仪器测定时不十分精确之作法实际上要除去制程上之普通原因，是件非常不经济之处置,一个或少数几个较大原因所引起,可以避免任何一个特殊原因，都可能发生大的变异几个较代表性之特殊原因如下：（）原料群体之不良（）不完全之机械调整（）新手之作业员特殊原因之变化不但可以找出其原因，并且除去这些原因之处置，在经济观点上讲常是正确的,38,Question,请列出目前制程中人，机，料，法，环境中普通原因及特殊原因有哪些？,39,局部性的对策及系统性的对策,局部问题的对策*通常用来消除特殊原因造成的变异*可以被制程附近的人员来执行*一般可以改善制程的15%系统改善的对策*通常用来减低普通原因造成的变异*几乎总是需要管理者的行动来加以矫正*一般可以改善制程的85%,40,对于一个新的机种或是新的制程而言，要先解决制程变异的普通原因还是特殊原因？为什么？,Question,41,过程控制,范围,不受控（存在特殊原因）,受控（消除了特殊原因）,持续改进的思维模式,42,43,持续改进的思维模式,2.SPC控制图的展开与应用,44,控制图是对过程质量加以测定、记录，从而进行控制管理的一种用科学方法设计的图。图上有中心线(CL-CentralLine)、上控制界限(UCL-UpperControlLimit)和下控制界限(LCL-LowerControlLimit)，并有按时间顺序抽取的样本统计量数值的描点序列，参见控制图示例图。,控制图,45,控制图由来说明,46,正态分布有一个结论对质量管理很有用，即无论均值和标准差取何值，产品质量特性值落在3之间的概率为99.73%，于是落在3之外的概率为100%一99.73%=0.27%，而超过一侧，即大于-3或小于+3的概率为0.27%/2=0.135%1%，如正态分布曲线图。这个结论十分重要。控制图即基于这一理论而产生！,控制图原理,47,控制图的目的,控制图和一般的统计图不同，因其不仅能将数值以曲线表示出来，以观其变异之趋势，且能显示变异系属于普通原因或特殊原因，以指示某种现象是否正常，而采取适当之措施。,利用控制限区隔是否为特殊原因,48,控制界限和规格界限有关吗？,规格界限(SL)：是用以说明质量特性之最大许可值，来保证各个单位产品之正确性能。控制界限(CL)：应用于一群单位产品集体之量度，这种量度是从一群中各个单位产品所得之观测值所计算出来者。,49,50,51,控制图种类(以数据来分),计量值控制图平均值与极差控制图平均值与标准差控制图中位数与极差控制图个别值与移动极差控制图,计数值控制图不良率控制图不良数控制图缺点数控制图单位缺点控制图,52,控制图种类(依用途来分),解析用控制图决定方针用制程解析用制程能力研究用制程控制准备用,控制用控制图追查不正常原因迅速消除此项原因并且研究采取防止此项原因重复发生之措施。,53,控制图的益处,合理使用控制图能供正在进行过程控制的操作者使用有助于过程在质量上和成本上能持续地，可预测地保持下去使过程达到更高的质量更低的单件成本更高的有效能力为讨论过程的性能提供共同的语言区分变差的特殊原因和普通原因，作为采取局部措施或对系统采取措施的指南。,54,控制图制作,55,建立控制图的四步骤,A收集数据,B计算控制限,C过程控制解释,D过程能力解释,56,建立图的步骤A,57,每个子组的平均值和极差的计算,58,平均值和极差,平均值的计算,R值的计算,59,建立图的步骤B,60,61,建立图的步骤C,62,建立图的步骤D,63,Chart练习,某工厂制造一批紫铜管，应用Xbar-R控制图来控制其内径，尺寸单位为m/m，利用数据表之数据（n=5）：求得其控制界限并绘图请判定过程是否稳定？如果是不稳定该如何处理？如果制程假设已稳定，但想将抽样数自n=5调为n=4时，那么其新控制限为何？,64,使用控制图的准备,建立适用于实施的环境定义过程确定待管理的特性，考虑到顾客的需求当前及潜在的问题区域特性间的相互关系确定测量系统(MSA)使不必要的变差最小,65,质量特性与控制图的选择,为保证最终产品的质量特性,需要考虑以下几个方面:认真研究用户对产品质量的要求,确定这些要求哪些与质量特性有关,应选择与使用目的有重要关系的质量特性来作为控制的项目.有些虽然不是最终产品质量的特性,但为了达到最终产品的质量目标,而在生产过程中所要求的质量特性也应列为控件目在同样能够满足对产品质量控制的情况下,应该选择容易测定的控件目.用统计方法进行质量控制如无质量特性数据就无法进行.,66,质量特性与控制图的选择,在同样能够满足产品质量控制的情况下,应选择对生产过程容易采取措施的控件目.为了使控制最终取得最佳效果,应尽量采取影响产品质量特性的根本原因有关的特性或接近根本原因的特性作为控件目.产品的质量特性有时不止一个,则应同时采取几个特性作为控件目.,67,使用控制图的注意事项,分组问题主要是使在大致相同的条件下所收集的质量特性值分在一组,组内不应有不同本质的数据,以保证组内仅有普通原因的影响.我们所使用的控制图是以影响过程的许多变动因素中的普通因素所造成的波动为基准来找出异常因素的,因此,必须先找出过程中普通原因波动这个基准.,68,分组时的重要考虑,69,使用控制图的注意事项,分层问题同样产品用若干台设备进行加工时,由于每台设备工作精度、使用年限、保养状态等都有一定差异,这些差异常常是增加产品质量波动、使散差加大的原因.因此,有必要按不同的设备进行质量分层,也应按不同条件对质量特性值进行分层控制,作分层控制图.另外,当控制图发生异常时,分层又是为了确切地找出原因、采取措施所不可缺少的方法.,70,复合,层别的说明,71,使用控制图的注意事项,控制界限的重新计算为使控制线适应今后的生产过程,在确定控制图最初的控制线CL、UCL、LCL时,常常需要反复计算,以求得切实可行的控制图.但是,控制图经过使用一定时期后,生产过程有了变化,例如加工工艺改变、刀具改变、设备改变以及进行了某种技术改革和管理改革措施后,应重新收集最近期间的数据,以重新计算控制界限并作出新的控制图.,72,控制界限的延用,73,取样的方式,取样必须达到组内变异小，组间变异大样本数、频率、组数的说明,74,A收集数据：在计算各个子组的平均数和标准差其公式分别如下：,75,B计算控制限,76,C过程控制解释(同图解释),77,D过程能力解释,SigmaP,78,8mm之模具冲头,79,A收集数据一般情况下，中位数图用在样本容量小于10的情况，样本容量为奇数时更为方便。如果子组样本容量为偶数，中位数是中间两个数的均值。,80,B计算控制限,81,C过程控制解释(同X-R图解释),82,估计过程标准偏差：,83,单值控制在检查过程变化时不如Xbar-R图敏感。如果过程的分布不是对称的，则在解释单值控制图时要非常小心。单值控制图不能区分过程零件间重复性，最好能使用Xbar-R。由于每一子组仅有一个单值，所以平均值和标准差会有较大的变性，直到子组数达到100个以上。,84,A收集数据收集各组数据计算单值间的移动极差。通常最好是记录每对连续读数间的差值(例如第一和第二个读数点的差，第二和第三读数间的差等)。移动极差的个数会比单值读数少一个(25个读值可得24个移动极差)，在很少的情况下，可在较大的移动组(例如3或4个)或固定的子组(例如所有的读数均在一个班上读取)的基础上计算极差。,85,B计算控制限,86,C过程控制解释审查移动极差图中超出控制限的点，这是存在特殊原因的信号。记住连续的移动极差间是有联系的，因为它们至少有一点是共同的。由于这个原因，在解释趋势时要特别注意。可用单值图分析超出控制限的点，在控制限内点的分布，以趋势或图形。但是这需要注意，如果过程分布不是对称，用前面所述的用于X图的规则来解释时，可能会给出实际上不存在的特殊原因的信号,87,估计过程标准偏差：式中，R为移动极差的均值，d2是用于对移动极差分组的随样本容量n而变化的常数。,88,例1：某制药厂某种药品碱的单耗数据如表，做单值-移动极差图,收集数据,89,2）计算各组的统计量,计算样本的平均值：计算移动极差Rsi及其平均值：,90,数据表如下：,91,3）计算控制界限,X控制图Rs控制图,4）作控制图,92,93,不良和缺陷的说明,94,用来测量在一批检验项目中不合格品(不符合或所谓的缺陷)项目的百分数。这可以是评价一个特性值（是否安装了一个特殊的零件）或是许多特性值（在电气系统检查台中是否发现某些不正常之处）。把被检查的每一个组件，零件或项目记录成合格或不合格（即使一个项目有几处不合格，也仅记录为一个不合格项）；把这些检验的结果按一个有意义的基础条件分组，并且把不合格的项目用占子组大小的十分之几来表示。,不合格品率的P图,95,P控制图的制做流程,A收集数据,B计算控制限,C过程控制解释,D过程能力解释,96,建立p图的步骤A,97,A1子组容量、频率、数量,子组容量：用于计数型数据的控制图一般要求较大的子组容量(例如50200)以便检验出性能的变化，一般希望每组内能包括几个不合格品，但样本数如果太大也会有不利之处。分组频率：应根据产品的周期确定分组的频率以便帮助分析和纠正发现的问题。时间隔短则反馈快，但也许与大的子组容量的要求矛盾子组数量：要大于等于25组以上，才能判定其稳定性。,98,A2计算每个子组内的不合格品率,记录每个子组内的下列值被检项目的数量n发现的不合格项目的数量np通过这些数据计算不合格品率,99,A3选择控制图的坐标刻度,描绘数据点用的图应将不合格品率作为纵坐标，子组识别作为横坐标。纵坐标刻度应从0到初步研究数据读数中最大的不合格率值的1.5到2倍。,100,A4将不合格品率描绘在控制图上,描绘每个子组的p值，将这些点联成线通常有助于发现异常图形和趋势。当点描完后，粗览一遍看看它们是否合理，如果任意一点比别的高出或低出许多，检查计算是否正确。记录过程的变化或者可能影响过程的异常状况，当这些情况被发现时，将它们记录在控制图的“备注”部份。,101,建立p控制图的步骤B,102,计算平均不合格率及控制限,103,画线并标注,均值用水平实线线：一般为黑色或蓝色实线。控制限用水平虚线：一般为红色虚线。尽量让样本数一致，如果样本数一直在变化则会如下图：,104,105,控制限运用说明,106,过程能力解释,普通原因和异因并存,找出异因,只剩普通原因,运用控制图,过程稳定(连25点不超限),计算过程能力,107,评价过程能力,108,改善过程能力,过程一旦表现出处于统计控制状态，该过程所保持的不合格平均水平即反应了该系统的变差原因过程能力。在操作上诊断特殊原因(控制)变差问题的分析方法不适于诊断影响系统的普通原因变差。必须对系统本身直接采取管理措施，否则过程能力不可能得到改进。有必要使用长期的解决问题的方法来纠正造成长期不合格的原因。可以使用诸如排列图分析法及因果分析图等解决问题技术。但是如果仅使用计数型数据将很难理解问题所在，通常尽可能地追溯变差的可疑原因，并借助计量型数据进行分将有利于问题的解决,109,PChart练习,以下是整理按每小时实施的对最终制品的抽样检查结果得出的DATA。,494551272851454928516134844293,样本数不良品数,时间12345678910,作成p管制圖，判定工程是否稳定状态。,110,因为发现了脱离控制上限的两个点，所以不能说处于控制状态。进而查明其原因。,111,不合格品数np图,“np”图是用来度量一个检验中的不合格品的数量，与p图不同，np图表示不合格品实际数量而不是与样本的比率。p图和np图适用的基本情况相同，当满足下列情况可选用np图不合格品的实际数量比不合格品率更有意义或更容易报告。各阶段子组的样本容量相同。“np”图的详细说明与p图很相似，不同之处弃如下：,112,A收集数据,受检验样本的容量必须相等。分组的周期应按照生产间隔和反馈系统而定。样本容量应足够大使每个子组内都出现几个不合格品，在数据表上记录样本的容量。记录并描绘每个子组内的不合格品数(np)。,113,B计算控制限,114,过程控制解释、过程能力解释,C过程控制解释：同“p”图的解释。D过程能力解释：过程能力如下：,115,不合格品数np图,116,Casestudy,117,请计算出上表的np控制图的控制限？请判定过程是否稳定？如果是不稳定该如何处理？,缺陷数c图,“c”图用来测量一个检验批内的缺陷的数量，c图要求样本的容量或受检材料的数量恒定，它主要用以下两类检验：不合格分布在连续的产品流上(例如每匹维尼龙上的瑕疪，玻璃上的气泡或电线上绝缘层薄的点)，以及可以用不合格的平均比率表示的地方(如每100平方米维尼龙上暇疵)。在单个的产品检验中可能发现许多不同潜在原因造成的不合格(例如：在一个修理部记录，每辆车或组件可能存在一个或多个不同的不合格)。主要不同之处如下：,118,A收集数据,检验样本的容量(零件的数量，织物的面积，电线的长度等)要求相等，这样描绘的c值将反映质量性能的变化(缺陷的发生率)而不是外观的变化(样本容量n)，在数据表中记录样本容量；记录并描绘每个子组内的缺陷数(c),119,B计算控制限,120,过程控制解释、过程能力解释,过程控制解释同p图解释过程能力解释过程能力为c平均值，即固定容量n的样本的缺陷数平均值。,121,包装一套TV前欲用c管制圖管理。在过去20天对每10台外观不良(缺点)Check的结果发现如下。作成c管制圖并分析。,4237462413,20113345862,日期缺点数,日期缺点数,12345678910,11121314151617181920,122,发现了脱离管制上限的一个点，所以不能说处于管制状态。进而查明其原因。,123,单位产品缺陷数的u图,“u”图用来测量具有容量不同的样本(受检材料的量不同)的子组内每检验单位产品之内的缺陷数量。除了缺陷量是按每单位产品为基本量表示以外，它是与c图相似的。“u”图和“c”图适用于相同的数据状况，但如果样本含有多于一个“单位产品”的量，为使报告值更有意义时，可以使用“u”图，并且在不同时期内样本容量不同时必须使用“u”图。“u”图的绘制和“p”图相似，不同之处如下：,124,A收集数据,各子组样本的容量彼此不必都相同，尽管使它的容量保持在其平均值的正负25%以内可以简化控制限的计算。记录并描绘每个子组内的单位产品缺陷数u=c/n式中c为发现的缺陷数量，n为子组中样本容量(检验报告单位的数量)，c和n都应记录在数据表中。,125,B计算控制限,126,过程控制解释、过程能力解释,过程控制解释同p图解释过程能力解释过程能力为u平均，即每报告单元缺陷数平均值。,127,为管理Enamel铜线的涂装工程，调查了PinHole的数。因标本的长度，根据种类变化，所以使用每1000m的PinHole的数作成u管制圖时，得到了如下数据。判定工程的管理状态与否。,1.01.01.01.01.01.31.31.31.31.3,1.31.31.31.31.21.21.21.71.71.7,4533525321,5242648139,试料的大小缺点数,试料的大小缺点数,(单位:1000m),128,129,根据部分群大小計算上下限也不同吧!,没有脱离制度限的点，也看不出异常要因明显的习性，可以说处于管制状态。,129,控制图的选择,130,公式汇整,131,CASESTUDY,132,两种控制图之比较,133,CaseStudy,请根据公司质量工程表/控制计划讨论各制程适当的控制点，及可选用之控制图,134,3.过程的受失控状态,135,目标值线,预测,时间,目标值线,尺寸,时间,？,两种变差原因及两种过程状态(1)两种性质的变差原因如果仅存在变差的普通原因,随着时间的推移,过程的输出形成一个稳定的分布并可预测如果存在变差的特殊原因，随着时间的推移，过程的输出不稳定,两种原因,136,+3,+3,-3,-3,UCL,LCL,CL,时间T,控制图的形成,137,虚发警报和漏发警报,两种错误,138,控制图的分区,x,UCL,CL,LCL,t,C,C,B,A,B,A,139,受控状态的判断,过程数据的分布曲线随时间的输出,时间,逐渐形成一个稳定的分布和基本不随时间变化且在要求范围内,140,失控状态的判断,受控,失控,位置,分布宽度,形状,三种情况或其组合,141,受控状态,在控制图上的正常表现为：（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。,142,x,UCL,CL,LCL,t,控制图的受控状态,143,失控状态,明显特征是有:（1）一部分样本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。,（3）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。,144,超出控制界限的点（1）,控制图判断规则之原因此规则是最常使用到的，因为如果以3为控制界限，而观测值会落到3外的机率只有0.27%。,典型失控状态,145,连续9点落在中心线的同一侧（2）,控制图判断规则之原因发生连续八点都落在中心线同一边的机率非常小，所以一但控制图上有此种情形发生，应该找出发生的原因。,146,趋势(trends):控制图中的点（连续6点）逐渐上升或下降（3）,控制图发生趋势之原因可能是:,147,规则性变化(systematicvariable):控制图中的点（连续14点）一上一下有秩序的出现（4）,控制图发生规则性变化之原因可能是,148,连续3点中有2点落在2外（5）,控制图判断规则之原因在此离中心线2称为警戒控制线，发生连续三点中有两点落在2外的机率非常小，所以一但控制图上有此种情形发生，应该找出发生的原因。,149,连续5点中有4点落在1外（6）,控制图判断规则之原因发生连续5点中有4点落在1外的机率非常小，所以一但控制图上有此种情形发生，应该找出发生的原因。,150,分层(stratification):是一种稳定的混合型，通常连续15点是靠近中心线或控制界限（7）,控制图发生分层之原因可能是:,151,混合(mixtures):连续8点观测值都落在离中心线很远的地方（C区），而且交错地分散（8）,控制图发生混合之原因可能是,152,八大判读原则,153,控制图使用十大误区,没能找到正确的控制点(特性)没有适宜的测量工具没有解析生产过程，直接进行控制解析与控制脱节控制图没有记录重大事项,不能正确理解XBar图与R图的含义控制界限与规格界限混为一谈不能正确理解控制图上点变动所代表的意思没有将控制图用于改善控制图是品管的事,Caution！,154,4.过程能力研究,155,制程能力分析,准度：好精度：好,Ca准确度,Cp精密度,准度：好精度：较不好,准度：不好精度：好,准度：不好精度：不好,156,能生产均一品质制品的制程固有能力。,什么叫制程能力？,制程被控制时，表示制程中生产的制品品质变动是什么程度的量。,一切品质特性都具有它的目标值(TargetValue)，品质是与目标值的偏差越小越优秀。,157,长期/短期制程能力,长期制程能力对比短期制程能力,158,制程能力指数,-短期制程能力指数用CP,CPK来表示，长期制程能力指数用PP,PPK来表示。-在这里CP或PP是制程平均与规格中心一致时的制程能力指数，CPK或PPK是制程平均与规格中心不一致时的制程能力指数。,制程能力指数(ProcessCapabilityIndex),在SPC中,制程能力指数是制程能生产多么均匀品质产品的能力，即，评价制程能力的指标。,159,制程能力指数,短期製程能力指数製程平均和规格中心一致时,製程平均和规格中心不一致时,Hat表示短期标准差，在Minitab中以StDev(Within)表示。,其中,SigmaP(Process),160,Cp等级之说明,6E级,6D级,6C级,6B级,6A级,规格中心值,规格上限,规格下限,Cp0.67,Cp=0.67,Cp=1.00,Cp=1.33,Cp=1.67,T=10,T=8