SPCPrimaryTraining.ppt

SPCTraining 培训的相关问题 充分利用休息时间 自我介绍 你的姓名你的工作职责以前对SPC的了解你想从这门课程中获得什么 SPC在整个工业生产中的角色 1 产品开发 2 确定每个产品生产中的关键点 3 确定控制计划 4 利用SPC进行过程控制 5 通过SPC监控过程的变化趋势 6 通过SPC识别特殊原因 并利用各种解决问题的工具加以消除 以便维持过程持续稳定的运行 7 通过SPC识别过程普通原因的变化状况 以便确定过程什么时候应该进行机器及其技术的更新 8 利用SPC后 最终归结到一点 为解决问题提供信息 并可以最后利用一个工具 6 Sigma 进行对问题的解决 然后再利用SPC对改进的成果进行监控 FTEP模块 福特技术培训项目 统计过程控制StatisticalProcessControlSPC 统计过程控制StatisticalProcessControlSPC 引言 休哈特在20世纪20至30年代创建SPC理论 恰逢美国经济萧条 SPC理论无人问津 至二次大战 由于提高军火质量的要求 SPC理论才大显身手 战后遂风行全世界 其后 美国无竞争对手 产品横行天下 SPC逐渐废弃 日本在二战后请美国统计学家W E 戴明传授SPC理论 请朱兰讲授质量管理 至1980年日本已居世界质量与劳动生产率的领导地位 其中一个重要的原因就是SPC理论的应用 故从1980年起美国与西方发起一场SPC的复兴运动 1984年日本名古屋工业大学调查了115家日本各行业的中小型工厂 结果发现平均每家工厂采用137张控制图 而有些大公司应用的控制图就更多了 如美国柯达彩色胶卷公司有5000名职工 一共应用了35000张控制图 这是因为彩色胶卷的工艺很复杂 在胶卷的片基上需要分别涂上8层厚度为1 2 m的药膜 此外 对于种类繁多的化工原料还要应用SPC控制 知识点 1 持续改进及统计过程控制1 1 预防与最终检查 1 2 过程控制系统 1 3 变差 普通原因和特殊原因 1 4 局部措施和系统措施 1 5 过程控制和过程能力 1 6 过程改进循环和过程控制 1 7 控制图 过程控制和改进的工具 2 控制图2 1 控制图类型和控制图要素 2 2 控制图的制定过程 2 3 确定失控信息 2 4 控制图公式 知识点 3 能力指标及其执行状况指标3 1 理解变量数据的过程能力和执行状况 3 2 过程术语定义 可预测的过程进行过程测量 3 3 特性数据的能力指标 3 4 其它知识 第一部分持续改进和统计过程控制 过程控制模式 无反馈的过程 1 最终检测 容忍浪费 过程控制模式 有反馈的过程控制系统 2 预防 避免浪费 Doitrightthefirsttime 1 过程控制系统是一个有反馈的系统 2 SPC是反馈系统中的一种 3 反馈系统存在四个关键的要素 A 过程 B 过程运行状况的信息 C 对过程采取的措施 D 对输出采取的措施 过程控制模式 有反馈的过程控制系统 过程控制模式 CAF现在过程控制的模式是什么 过程控制模式 预防与检查的差异 讨论预防为过程所带来的好处 1 成本上的差异 2 解决问题速度上的差异 3 效果上的差异 过程为什么需要控制 变差概念 1 同一过程生产出来的产品或是特性不可能完全相同 因为过程中存在变差源 6大变差源 这种差异也许很大 也许很小 变差概念 2 过程中的变差可能引起短期的 件与件之间的差异 3 过程中也有变差可能对输出有长期的影响 4 这些变差可能逐渐发生 比如 工具或是机器的磨损 这些变差可能跳跃性的发生 比如 操作程序上的改变 这些变差可能不规则的发生 比如 环境的改变 5 总之 这些结果统计后会呈现某种分布 这些分布用三个指标来衡量 A 居中状况 B 散布状况 C 分布形状 变差概念 6 针对零件的某个特性来说 变差的问题常被简化 特性在公差带内 零件被接受 特性在公差带外 零件被拒收 7 我们的最终目标是 向目标值靠近 变差越小越好 8 要减小变差 首先就要区分下面两个概念 A 特殊原因 B 普通原因 变差根源 普通原因 特殊原因 样本间有差异 随着样本量的增加 如果稳定的话 将会成为一种分布形态 分布在以下三方面不同 均值位置 方差大小 分布形状 如果仅存在普通原因 过程输出将形成随时间稳定的分布状况 并且是可预测的 如果存在特殊原因 过程输出随时间将不稳定 同时也不可预测 变差的概念 变差根源 普通原因 特殊原因 变差根源 特殊原因和普通原因 特殊原因导致的结果都是有害的吗 针对两类不同变化源对应的措施相同吗 局部措施和系统措施 局部措施和系统措施 1 这两个措施同前面讲的两类原因一一对应 2 使用简单的SPC技术就能发现特殊原因产生的变化 同过程操作相关的人对解决特殊原因导致的变化负责 这些状况经常在早期的过程改进阶段出现 3 同时 使用SPC也能确定由普通原因导致的变化状况 但原因本身需要更多详细的分析才能确定清楚 总之 同过程操作相关的人有责任识别它 并将它们传递给领导层 而管理层的责任是解决它 4 总之 过程操作者的职责就是 A 识别过程中的特殊原因和普通原因 B 负责解决特殊原因导致的变差 C 将普通原因导致的变差交由管理层解决 局部措施和系统措施 5 工业经验表示过程中的变差操作者仅能解决15 变差 85 需要管理层来解决 6 对两类原因混淆不清可能会付出昂贵代价 比如 本来应该采取系统措施 例如 要选择一家能提供稳定一致原材料的供应商 的结果却采取了局部措施 例如 调整设备 结果导致问题更加恶化 7 为减小普通原因导致的变差 管理层和过程操作者之间密切配合是必须的 过程控制和过程能力 过程控制和过程能力 过程控制和过程能力 过程控制系统的目的是 消除特殊原因 对当前和将来的过程状况进行预测 在过程控制当中 存在两种风险 1 控制过多 2 控制不足 当过程中仅存在普通原因时 过程统计受控 当过程存在特殊原因时 过程控制系统将会提供统计信号 那么就应该对特殊原因采取相应的行动 如果对过程有害 就去除掉 如果对过程有益 使他们长期保留 过程控制系统不是一时的评价工具 它真正的好处是应该作为一种持续学习的工具 过程控制和过程能力 针对过程能力有两个不同的概念 1 过程潜在能力 ProcessCapability 它是由普通原因的变化所引起的 通常代表过程本身最好的运行状况 不管公差带如何 当过程在统计受控的状况下运行时 才能表现出什么是过程潜在能力 描述它的指标是 Cp Cpk 2 过程当前运行状况 ProcessPerformance 而对于过程当前运行状况来说 这是内外顾客特别关心的指标 它是过程的整个输出与内外顾客的需求相比较的一个指标 描述它的指标是 Pp Ppk 两个基本概念 控制限 公差带 统计受控与公差带 满足要求 控制 可能需要稳定 需要稳定 减小变差 和 或者均值需要移动 需要减小变差 和 或是均值需要移动 O P O O 过程持续改进循环 过程持续改进循环 1 分析过程过程应该怎样运行 什么出了错 过程现在运行状况如何 获得统计控制状况 确定能力 2 维持过程监控过程运行状况 确定特殊原因并对他采取措施 3 改进过程改变过程以更好的理解普通原因的变化 减少普通原因引起的变化 过程改进循环 1 分析过程 在考虑过程改进时 对过程有基本的了解是必须的 A 过程应该做什么 a 期望从过程中的每一步中得到什么 b 交付产品接受的可操作性定义是什么 B 什么可能出错 a 在过程中什么可能变化 b 我们对过程的变化了解什么 c 什么参数对变化最敏感 C 过程正在做什么 a 过程在产出报废件或是需要返修的产品吗 b 过程的输出统计受控吗 c 过程有能力吗 d 过程统计受控吗 过程改进循环 要对过程有很好的了解 可采用下面的方法 1 团队会议 2 咨询开发流程和操作流程的人员 3 回顾过程的历史 4 制定FMEA 过程改进循环 2 维持 或控制 过程 A 过程要维持在适当的能力状况上 B 过程需要监控 以确保过程发生异常状况时能及时采取措施 C 因为任何公司的资源都是有限的 所以许多过程可能都保持在这个阶段 D 但长期保持在这个阶段会导致公司在竞争中处于劣势 E 要保持为 一流的 公司需要在适当的时候进入下个循环 过程改进循环 3 改进过程A 顾客对工程规范内的变差开始敏感 以至要对过程进行改进 B 在这个阶段要利用高级的统计工具 比如 DOE等工具 C 总之 此阶段的目的一个 要减少有普通原因导致的变差 SPC提供信息 G8D这套方法特别适用于解决由某个问题 或者说是特殊原因 导致的改变 6 Sigma这套方法特别适用于从未发生过的情况的问题 或者说是普通原因 引起的问题 SPM和SPC SPC在6 Sigma之前SPM StatisticalProcessMonitoring SPC工具通常的一个关注方向它关注输出 output 在输出失控以后的纠正措施SPC在6 Sigma之后相同的工具 重心不一样焦点放在输入上针对输入的纠正措施要在失控输出的之前 变化源 SPC定义 统计过程控制是运用统计工具和方法提供反馈 设定变化限 提供什么时候要采取措施的信息 SPC功能 SPC图由过程责任人来监视并控制过程 需要过程责任人测量描点并解释数据采取措施为过程提供一个历史记录 第二部分 控制图 控制图的关键要素 1 适当的比例比例应该合理 以使过程本来的变化状况能清晰的反映出来 控制图的关键要素 2 上 下控制限 中心线上面三个指标都是根据过程采集到样本计算出来的 控制图的关键要素 3 子组顺序 时间序列要维持数据收集的顺序 以提供 什么时候 发生一个特殊原因和特殊原因是否跟时间相关的信息 控制图的关键要素 4 识别失控的数值在控制图上统计失控的点应该被一一确认清楚 对于过程控制来说 特殊原因的识别和分析可能发生在采集样本点的时候 也可能发生在定期回顾控制图的变化趋势的时候 控制图的关键要素 5 事件记录除了收集数据 画控制图和分析数据之外 额外的信息收集也是非常重要的 这些信息应该包括 任何潜在的变化源 为解决失控状况而采取的任何措施 它们应该记录在控制图上 或是单独的事件记录表单中 假如过程中子组间没有任何改变 就没有必要记录任何事件 控制图的关键要素 5 理解控制的意义 上控制限 下控制限 均值 控制图的组成部分 非任意变化区域 观测序号 观测值 任意变化区域 观测点10 控制图的统计意义 非任意变化区域 观测序号 观测值 任意变化区域 LCL 3s UCL 3s 均值 99 73 确定过程控制限 控制限是统计控制限均值 3标准偏差它是在过程受控时进行设定的固定在基准值过程改变了就要做调整决不会变宽控制限同公差带不相关 控制限不是公差带 控制的定义 受控是过程变化的一个统计术语在均值的3倍标准偏差之内 它是任意的没有原因的 它不呈现某种运行趋势 它不呈现某种趋势 偶然原因变化导致 WesternElectricRulesforControlOverview 超出控制限之外的点在中心线同一边有7个连续的点7个连续点上升或下降3个点中有2个同在A区或是之外5个点中有4个同在B区或是之外14个连续的点交互上下14个连续的点任一C区 2s 4s 6s A C C B B A LCL UCL 为运行和趋势分析确定的规则 Nelson测试特殊原因 2s 4s 6s A C C B B A LCL UCL 在控制限之外的任何点9个连续的点在中心线的同一边6个连续的点连续上升或下降3个点中有2个都在A区或之外5个点中有4个都在B区或之外14个连续的点交互上升和下降15个连续的点在任一个C区8个点在C区之外的成一行 并在中心线的同一边 TestsproposedbyLloydNelson 1984 andusedbyMINITAB forrunandtrendanalysis 哪一个测试比较好 WesternElectric超出控制限之外的点在中心线同一边有7个连续的点7个连续点上升或下降3个点中有2个同在A区或是之外5个点中有4个同在B区或是之外14个连续的点交互上下14个连续的点任一C区 Nelson在控制限之外的任何点9个连续的点在中心线的同一边6个连续的点连续上升或下降3个点中有2个都在A区或之外5个点中有4个都在B区或之外14个连续的点交互上升和下降15个连续的点在任一个C区8个点在C区之外的成一行 并在中心线的同一边 发错误警报的比率是关键的 Nelson在控制限之外的任何点9个连续的点在中心线的同一边6个连续的点连续上升或下降3个点中有2个都在A区或之外5个点中有4个都在B区或之外14个连续的点交互上升和下降15个连续的点在任一个C区8个点在C区之外的成一行 并在中心线的同一边 错误警报率 0027大约 003大约 003 00305 0043大约 004大约 003大约 003 Nelson的所有测试错误警报率基本相同 WesternElectric规则没有这个特性 Nelson测试1 规则1 超出控制限之外的任意点 A B C C B A Nelson测试2 规则2 9个连续的点在中心线的同一边 A B C C B A Nelson测试3 规则3 6个连续的点连续上升或下降 A B C C B A Nelson测试4 规则4 3个点中有2个都在A区或是之外 A B C C B A Nelson测试5 规则5 5个点中有4个都在B区或是之外 Nelson测试6 规则6 14个连续的点交互上升和下降 A B C C B A Nelson测试7 规则7 15个连续的点在任一C区 A B C C B A Nelson测试8 规则8 8个点在C区之外的成一行 并在中心线的同一边 A B C C B A MINITAB中的Nelson测试 Stat ControlCharts Xbar R 变量数据控制图 控制图选择指南 Xbar R 均值 极差图 Xbar R图规则 Xbar R图 和Xbar s 是利用相同的子组数据得到两个单独的图形Xbar图是子组均值图R图是子组分布范围图 如果是s 就是子组标准偏差图 对追踪并识别特殊原因导致的变化 是非常敏感的假设子组内是正态分布为基础划控制图确定3倍sigma的过程限 Xbar R和子组数据 制造部对轴加工过程利用SPC进行监控 左边是所测量得到的数据 过程受控吗 由于数据是子组数据 因此将使用Xbar R图 画Xbar R图 确定Xbar RUCL和LCL A2 D3和D4是休哈特控制常数 4 3 R R UCLDR LCLDR 被计算值同在MINITAB中得到的值一样 计算Xbar RUCL和LCL 在MINITAB中作Xbar R图步骤1 将数据分组拷贝或输入进表单中打开文件SPCVARIABLEXBAR MTW 在MINITAB中作Xbar R图步骤2 堆栈数据 在MINITAB中作Xbar R图步骤3 Stat ControlCharts Xbar R 在MINITAB中作Xbar R图步骤4 在MINITAB中作Xbar R图步骤5 Xbar R课堂练习 使用文件SPCVariableClassExercises xls中表单的 XbarChartsData 找到Xbars Xdbar和Rbar确定可用的休哈特常数计算Xbar和R的UCL和LCL将数据拷贝进MINITAB堆栈数据验证你的计算结果确定过程是否受控 I MR 单值 移动极差图 I MR图规则 I MR图是针对相同数据的两个单独的图形I图是单值图MR图是移动极差图I MR图对趋势 循环和模式是敏感的当子组变差为零或没有子组存在时使用它破坏性测试成批处理 I MR和单值图 每隔一个小时 质量部就会测一次钣金的焊接强度 过程受控吗 由于数据是单值 因此将要使用I MR图 这是破坏性测试的一个例子 画I MR图 E2 D3和D4是休哈特控制常数 确定I MRUCL和LCL 被计算的值同在MINITAB中计算的结果一样 计算I MRUCL和LCL 在MINITAB中作I MR图步骤1 将数据拷贝或输入进表单中打开文件SPCVARIABLEIMR MTW 在MINITAB中作I MR图步骤2 Stat ControlCharts I MR 在MINITAB中作I MR图步骤3 用I MR图来表现过程的改进 为增加焊接强度 针对过程做了一项 改进 它是真实的吗 堆栈数据 I MR表示有两个总体 根据改善后的数据计算出的控制限表示 老的 过程有显著地差异 焊接强度很高 I MR课堂练习 使用文件SPCVariableClassExercises xls中的 IMRChartsData 找到Xbar Xdbar和Rbar确定可用的休哈特常数计算Xbar R图的UCL和LCL将数据拷贝到MINITAB软件中堆栈数据验证计算结果确定过程是否受控 目标I MR图规则 目标I MR图使用相同的数据得到的两个单独的图形画的单点图 不同于目标图MR图是移动极差图I MR图对趋势 循环和样式比较敏感 目标I MR和实际数据 销售部门使用需求预测流程对每周的销售进行预测 他们的需求预测流程受控吗 由于数据是单值 因此使用I MR图 实际数据的I MR图 看起来预测好像是受控的 但更进一步看 目标I MR图要求 需求预测不能得到 实际的状况 顾客期望的 需求预测确定了一个需求目标 预测和实际之间的差异就是过程的真实测量 I MR图是差异图 目标I MR图 需求预测过程不受控 6 Sigma项目可能起作用的区域 目标回顾 参与者将能够 运用SPC法则解释控制图中的运行和趋势图作图并解释Xbar R图I MR图目标I MR图 特性数据控制图 特性数据控制图选择 np 图 np 图法则 np 图测量不合格品比例使用二项式分布好 坏 接收 拒收 是 否每个比例值是样本的子组需要很多个子组 最少50 子组样本量保持不变控制限将保持不变为了分析合理 需要20或是更多的子组数 np 图和相同的子组样本量 采购部每天检查125个采购订单 并记录了对应的不合订单的数量 订单输入过程受控吗 由于针对不合格品的子组样本量恒定 那么就是使用np 图 画np 图 失控点 确定np 图UCL和LCL 控制限是常数 子组样本量也必须是常数 计算出来的值同MINITAB 中计算出来的一样 计算np 图UCL和LCL 因为四舍五入和二项式估计的缘故 手工计算与MINITAB之间可能有点差异 在MINITAB中做np 图步骤1 将数据分组拷贝或是输入表单打开文件SPCAttributenp chart MTW Stat ControlCharts np Either125orColumn 在MINITAB中做np 图步骤2 np 图课堂练习 使用文件SPCAttributeClassExercises xls中的 np chartData 数据对发运数子组计算UCL和LCL将数据拷贝进MINITAB中验证你的计算结果确定过程是否受控假如你已经接受过SPC变量数据的分析学习 就尝试用I MR图来分析这些数据I MR图显示什么 为什么它是错误的 准备进行讨论 p 图 p 图法则 p 图测量不合格品比例使用二项式分布好 坏 接受 拒收 是 否每个比例值是样本的子组要求子组样本量大 最少50 子组样本量不恒定因为子组的样本量不恒定 那么控制限就会随着样本量的不同而不同如果分析的话 建议需要20或是更多的子组数 p 图并且子组样本量不同 采购部检查了每天的订单 并确定有问题的采购单数量 订单输入过程受控吗 由于每天订单数量不一样 所以将采用p 图 制定p 图 失控点 确定p 图UCL和LCL 控制限和子组尺寸是相关的 并且每个点是单独计算的 计算p 图UCL和LCL Averageoversubgroups 被计算的值同MINITAB中计算的一致 Individualsubgroup ManualcalculationsmaydifferslightlyfromMINITABduetoroundingandbinomialestimates 在MINITAB中做p 图步骤1 将数据分组拷贝或是输入表单中打开文件SPCAttributep chart MTW Stat ControlCharts p 在MINITAB中做p 图步骤2 p 图课堂练习 使用文件SPCAttributeClassExercises xls中的数据 p chartData 对 DailyTests 数据子组计算Pbar的UCL和LCL计算点11的UCL和LCL将数据拷贝进MINITAB中验证你的计算结果确定过程是否受控拷贝MINITAB中的 Isthisthesame 数据确定过程是否受控准备讨论 c 图 c 图规则 c 图确定缺陷的数量使用泊松分布好 坏 接收 拒收 是 否每个统计是样本的子组机会区域必须恒定批次 单元 发票控制限必须恒定分析起见 建议需要20或更多的子组数 c 图子组 制造部涂装车间对喷涂某个车型左前门的过程进行过程控制 脏点是其中要控制的特性之一 左边是每个班次抽取一个门进行统计而得到的数据 过程受控吗 脏点是缺陷 不是不合格品 并且是对一个恒定的样本区域进行测量的 因此将要使用c 图 画一个c 图 确定c 图UCL和LCL 控制限是恒定的 子组样本量也必须是恒定的 例如 批次 发运的货物等等 被计算的值同MINITAB中结算的结果一样 计算c 图UCL和LCL ManualcalculationsmaydifferslightlyfromMINITABduetoroundingandPoissonestimates 在MINITAB中做c 图步骤1 将数据分组拷贝或是输入表单中打开文件SPCAttributec chart MTW Stat ControlCharts c 在MINITAB中做c 图步骤2 c 图课堂练习 使用文件SPCAttributeClassExercises xls中数据 c chartData 对抱怨的CSR子组数据计算UCL和LCL将数据拷贝进MINITAB中验证你的计算结果确定过程是否受控准备讨论 u 图 u 图规则 u 图确定缺陷的数量使用泊松分布好 坏 接收 拒收 是 否每个统计就是样本的一个子组机会区域可能变化批次 单元 发票控制限可能变化为了利于分析 建议需要20或更多的子组数 u 图子组 在进行一次 运作 后 对塑料制品统计缺陷数 在长度上是不确定的 过程受控吗 由于运行长度不恒定 缺陷数有一个变化的机会区域 那么u 图是比较恒定的 制u 图 失控点 确定u 图UCL和LCL 控制限是随着子组数而变化的 并且每个点的控制限要单独计算 计算u 图UCL和LCL ManualcalculationsmaydifferslightlyfromMINITABduetoroundingandPoissonestimates 被计算的数值是同在MINITAB中计算的结果一样 单个子组控制限 子组控制限平均值 在MINITAB中做u 图步骤1 将子组分组拷贝或是输入表单中打开文件SPCAttributeu chart MTW Stat ControlCharts c 在MINITAB中做u 图步骤2 u 图课堂练习 使用文件SPCAttributeClassExercises xls中的数据 u chartData 利用上面提供的数据计算总体的UCL和LCL计算点3的UCL和LCL将数据拷贝进MINITAB中验证你的计算结果确定过程是否受控准备讨论 目标回顾 参与者将要 运用SPC规则解释控制图中的运行状况和趋势制定并解释np 图p 图c 图u 图 确定要制图的特性指标 数据是变量数据吗 是对不合格品感兴趣吗 样本量恒定吗 样本量恒定吗 数据本身都一致或者是不益于分组采样吗 子组均值能被确定吗 子组样本大于或是等于9吗 每个子组都有计算 s 的能力吗 使用I MR图 使用NP图或是p图 使用p图 使用C图 使用u图 使用中位数值图 使用Xbar R图 是对缺陷感兴趣吗 使用Xbar R图 使用Xbar S图 不是 不是 不是 不是 不是 不是 没有 不是 是 是 是 是 有 是 是 是 是 控制图的选择流程 第三部分 过程能力指标 能力指标类型 特性数据能力指标 特性数据能力分析 PPM PPM表示每百万个产品有多少个不合格品 强调的是不合格品 计算公式如下 PPM 不合格的产品数 被检验的总产品数 1 000 000 特性数据能力分析 DPU DPU表示单位产品缺陷数 强调是缺陷 计算公式如下 DPMO表示是每百万产品机会缺陷数 在计算过程能力之前 先介绍几个关键的术语 特性数据能力分析 DPMO 单元 N 缺陷 D 每个单元一个缺陷出现的机会 O 每百万机会的缺陷数 DPMO 确定每个单元机会数的指导 机会必须是对顾客重要的每个单元的机会数在改进前后保持不变每个单元的机会数是随过程的不同和过程输出的复杂程度不同而变化的仅仅是对在适当状况下发生缺陷的机会才被统计在内 使用特性数据计算过程能力 使用下面的公式计算DPMO DPMO 总的缺陷数总单元数每个单元机会数 1 000 000 DPMO DNO 1 000 000 最后一步是使用附录中的Z 值转换表将DPMO转换成Sigma值 或是 范例 使用特性数据计算过程能力 例子 下面显示的数据来源于零件定单 500零件定单 N 3机会数 O 迟到 错误的零件 错误的地址57出现的错误 D 12在送给顾客之前发现的缺陷45顾客察觉到的缺陷 范例 使用特性数据计算过程能力 1 处理的数量2 产生的总缺陷 包括发生的缺陷和后来解决的 3 每个单位产品出现缺陷的机会数4 计算出每百万机会中的缺陷5 查Z 值 同Sigma值相当 使用下面交付时间的数据 计算过程能力 发运的车辆数 40每辆车的机会数 1没有在45天内交付的车辆数 16 计算过程能力练习 汽车例子 使用特性数据计算过程能力 1 发运车辆的数量2 产生的总缺陷 包括发生的缺陷和后来解决的 3 每辆车的缺陷机会数4 计算出每百万机会中的缺陷5 查Z 值 同Sigma值相当 N D O DPMO 1 000 000DPMO 1 000 000DPMO Z 变量数据过程能力 变量数据 变量数据 总体近视服从正态分布 1 过程能力 ProcessCapability 2 过程性能 ProcessPerformance 过程能力随时间的差异 长期过程数据 短期过程数据 组内和组间变差 过程变化 过程变化来源于几方面 1 过程本身固有的变差 仅是因为普通原因 系统原因 导致的 2 子组内变差 这是因为子组内变化导致的 假如过程统计受控 子组的变差就是过程固有变差最好的估计 子组变差的估计值为 或是 3 子组间变差 这部分变差是由于子组间的变差导致的 假如过程统计受控 那么这部分的变差为零 4 总过程变差 组内变差与组间变差之和就是总的变差 5 过程能力 仅仅针对统计稳定的过程 过程固有变差的6的范围 这里通常是通过或是来估计的 6 过程性能 过程固有变差的6的范围 这里通常是由s估计的 s表示总的过程标准偏差 假如过程统计受控 过程能力和过程性能将非常接近 过程能力和过程性能之间大的差异表示存在特殊原因 能力指标 备注 下面讨论的指标仅当过程稳定 统计受控 才有效 过程能力指标 它是将特性的设计宽度与过程宽度相比得到 这个指标不受过程位置的影响 并且仅仅对有双边公差带的状况 能力指标 这也是能力指标 它将过程的位置考虑在能力计算之内