SPC培训胶片.ppt

1 统计过程控制SPCStatisticProcessControl 过程控制人员培训品质管理科 2 课程目标 理解 数据驱动决策和行动Sigma水平与质量过程能力掌握 DPPM CPk的计算CPk在过程控制方面的基本应用 3 数据驱动决策和行动 4 什么是质量 WhatisQuality 5 qualitymeansthattheproductorservicemeetstheneedsandwantsofthecustomer质量系指产品或服务能满足顾客的需求反映实体满足明确和隐含需要的能力的特性总和 WhatisQuality 6 qualitymeansminimizingwastebyreducingvariation质量系指通过减少变差 最大限度地减少浪费质量 顾客满意度 变差 Variation WhatisQuality 7 WhatisData 数据 数据来自观察 测量的结果 由过程所搜集得来的数据 可用来 描绘过程了解过程改善过程控制过程 8 ProcessModel 9 有三种控制类型 Type1 topreventdefects类型1 预防缺陷Type2 todetectthecauseofdefects类型2 检查产生缺陷的原因Type3 todetectdefects类型3 检查缺陷 ControlMethod 10 ListsomeexamplesofType1 2 and3controlsinourproduction 列出第1 2 和3种控制方法的一些示例 ClassExercise 11 Type1Controls topreventdefects第1种控制方法 预防缺陷errorproofing poka yoke colorcoding差错预防 防傻瓜 彩色编码indexingfeaturesfororientation 定向用特征smartbins 定位销operatorinstructions 作业指导书preventivemaintenance 预防性的维修 ControlMethod 12 Type2Controls todetectthecauseofdefects第2种控制方法 检查造成缺陷的原因SPC统计过程控制process parameter controls过程 参数 控制designofexperiments实验设计 ControlMethod 13 Type3Controls todetectdefects第3种控制 检测缺陷inspection检验successiveverification连续验证randomfunctionalchecks随机功能检查 ControlMethod 14 generally 一般说来 type1controlsarepreferredthemost第一种控制方法是最可取的type3controlsarepreferredtheleast第三种类型的控制方法是最不可取的 ControlMethod 15 E FGame EEEEFEEEEEEEFEEEEEEEEFEEEEEEEFFEEEEEEEFEEEFFEEEEEEFEEEEEEEFEEEEFEEEFEEEEEEEEEEFEEEEEEEEEFEEEEEEEEFEEEFEEEEFEEEEEEFEEEEFEEEEEEFEEEEEEFEEEEEEEFFEEEEEEEEEEEEEEEEEEE 23 16 F fGame 分别用一分钟阅读下面2部分文件 计算字母 F f 出现的次数 TheNecessityofTrainingFarmHandsforFirstClassFarmsintheFatherlyHandlingofFarmLiveStockisForemostintheEyesofFarmOwners SincetheForefathersoftheFarmOwnersTrainedtheFarmHandsforFirstClassFarmsintheFatherlyHandingofFarmLiveStock theFarmOwnersFeeltheyshouldcarryonwiththeFamilyTraditionofTrainingFarmHandsofFirstClassFarmersintheFatherlyHandlingofFarmLivestockBecausetheyBelieveittheBasisofGoodFundamentalFarmManagementThenecessityintraininghiredhandsinthestrangehandlingofvaluablelivestockinpremieroperationsisapriorityintheeyesoftheoperationsowners Sincetheancestorsoftheownerstrainedthehiredhandsinpremieroperationsinthestrangehandlingofvaluablelivestock theoperationsownersthoughttheyshouldcarryonwiththehappytraditionoftraininghiredhandsinthepremieroperationsinthestrangehandlingofvaluablelivestockbecausetheybelieveitisthebasisofgoodbasicoperationsmanagement 17 检验不容易做 特别是外观 不良率越高 检验出错的机会也越多不能完全否定检验的作用检验的目的是促进过程改进单纯的检验是一种浪费 RevelationoftheGame 18 Data Statistic 为什么要测量和收集数据 不 就不能更清楚地了解过程就无法控制过程就完全处于随机状态 19 Data Statistic 为什么要统计 数据 通过统计技术转换为 有用的信息 20 Data Statistic 21 计量型 可以用数字表达的质量特性数据称为计量型数据 例如轴径 厚度 压力 长度等 用相应的测量系统对它们进行测量 可以给出相应的读数 计数型 在工业界中 有一些检测只能给出定性的结果 例如用通过 不通过量规检测孔 只能告诉这个孔是合格 通过 还是不合格 不通过 而不能告诉孔的大小的具体数值 Quantitative Qualitative 22 Data Statistic 注 计数型数据也可想办法转换成计量数据来分析 23 Data Statistic 计量型数据优点 缺点 计数型数据优点 缺点 24 Data Statistic 计量型数据优点 能为使用相对小范围抽样的过程提供详细的信息适用于低缺陷率能预估发展趋势和情况缺点 通常数据较难得到分析更加复杂 25 Data Statistic 计数型数据优点 容易得到数据计算方法简单数据容易理解缺点 无法显示缺陷怎样发生及过程如何变化不适合低缺陷率不能预测发展趋势和情况 26 Problems 在处理质量问题时 可能存在的问题 1 问题评估 靠检验 靠专家 集体评审 领导决策 2 数据驱动分析习惯不够 3 用计数型数据多 用计量数据少 4 分析数据 考虑均值 不良率多 考虑分布 趋势少 5 容差方面考虑不充分 规格设定考虑过程能力少 27 正态分布与控制图 28 波动的概念 在现实生活中没有两件东西是完全一样的 生产实践证明 无论用多么精密的设备和工具 多么高超的操作技术 甚至由同一操作工 在同一设备上 用相同的工具 用相同材料生产同种产品 其加工后的质量特性 如重量 尺寸等 总是有差异 这种差异称为波动 公差制度实际上就是对这个事实的客观承认 消除波动不是SPC的目的 但通过SPC可以对波动进行预测和控制 29 过程组成和波动原因 材料 机器 人 波动原因 环境 测量 方法 30 波动的种类 正常波动 是由普通 偶然 原因造成的 如操作方法的微小变动 机床的微小振动 刀具的正常磨损 夹具的微小松动 材质上的微量差异等 正常波动引起工序质量微小变化 难以查明或难以消除 它不能被操作工人控制 只能由技术 管理人员控制在公差范围内异常波动 是由特殊 异常 原因造成的 如原材料不合格 设备出现故障 工夹具不良 操作者不熟练等 异常波动造成的波动较大 容易发现 应该由操作人员发现并纠正 31 普通原因和特殊原因 普通原因 指的是造成随着时间推移具有稳定的且可重复的分布过程中的许多变差的原因 我们称之为 处于统计控制状态 受统计控制 或有时简称 受控 普通原因表现为一个稳定系统的偶然原因 只有变差的普通原因存在且不改变时 过程的输出才可以预测 特殊原因 指的是造成不是始终作用于过程的变差的原因 即当他们出现时将造成 整个 过程的分布改变 除非所有的特殊原因都被查找出来并且采取了措施 否则它们将继续用不可预测的方式来影响过程的输出 如果系统内存在变差的特殊原因 随时间的推移 过程的输出将不稳定 ps 变差 过程的单个输出之间不可避免的差别 32 普通原因和特殊原因示意图 异常原因导致的波动范围 普通原因的波动范围 异常原因导致的波动范围 UCL LCL 33 局部措施和系统措施 局部措施 通常用来消除变差的特殊原因 通常由与过程直接相关的人员实施 大约可纠正15 的过程问题 系统措施 通常用来消除变差的普通原因 几乎总是要求管理措施 以便纠正 大约可纠正85 的过程问题 34 局部措施和系统措施示意图 解决异常原因的局部措施 解决普通原因的系统措施 解决异常原因的局部措施 UCL LCL 35 统计过程控制的基本思想 假定过程是处于受控状态 一旦显示偏离这一状态 极大可能是过程失控 需要及时调整 产品质量波动原因是由普通原因和特殊原因引起的 产品质量总是变化的 受控状态 指仅由普通原因引起的质量波动 受控状态的产品质量也应该是波动的 SPC应用概率论基本原理 小概率事件在一次试验中是不可能发生的 指发生概率非常小的事件 36 QuantitativeData 计量型数据的特征 中央趋势 均值 中值 变异 全距 标准差 方差 形状 37 NormalDistribution 是总体中所有值的平均值 当从总体中取出一个样本进行描绘时 这个平均值可以用X bar来表示 n N 从公式可以看到 的值会随着总体中的个体值而变化 如果所有的个体值都十分接近中心 则每个 Xi Xbar 数都很小 从而 的值也小 如果有许多个体都远离中心 或小数几个个体偏离中心太远 则 Xi Xbar 数的总和则要大得多 也会更大 n s n 1n 30 s 38 x s ExcelFunctions 39 ClassExercise 随即一组数据 计算均值和标准差1 2 4 5 6 8 9 40 问题 哪个合格率最高 与什么因素有关 Specification 41 Z Value SigmaLevel Z值 样本均值与规格限之间可容纳的 有所少个 能容纳多少个 也叫多少个Sigma水平 取小的 42 NormalDistributionProbability 由Z值计算不良率DPPM PR PL 1000000 43 ClassExercise 计算Z值2 3之间的概率 44 DppmoutofSPEC 45 控制图简介 46 Statisticcontrol 产品质量特性值落在 3 3 范围内概率为99 73 落在该区域范围之外的概率是0 27 休哈特根据这一点发明了控制图 47 控制图定义 控制图是用于分析和控制过程质量的一种方法 控制图是一种带有控制界限的反映过程质量的记录图形 图的纵轴代表产品质量特性值 或由质量特性值获得的某种统计量 横轴代表按时间顺序抽取的各个样本号 图内有中心线 CL 上控制界限 UCL 和下控制界限 LCL 三条线 见下图 48 控制图原理 工序处于稳定状态下 其计量值的分布大致符合正态分布 由正态分布的性质可知 质量数据出现在平均值的正负三个标准差 X 3 之外的概率仅为0 27 这是一个很小的概率 根据概率论 视小概率事件为实际上不可能 的原理 可以认为 出现在X 3 区间外的事件是异常波动 它的发生是由于异常原因使其总体的分布偏离了正常位置控制限的宽度就是根据这一原理定为 3 49 控制图种类 以数据性质分 计量型控制图平均数与极差控制图 X Rchart 平均数与标准差控制图 X chart 中位数与极差控制图 X Rchart 单值与移动极差控制图 X Rchart 计数值控制图不良率控制图 Pchart 不良数控制图 Pnchart 又称npchart或dchart 缺点数控制图 Cchart 单位缺点数控制图 Uchart 50 控制图种类 依用途分 分析用控制图 根据样本数据计算出控制图的中心线和上下控制界限 画出控制图 以便分析和判断过程是否处于稳定状态 如果分析结果显示过程有异常波动时 首先找出原因 采取措施 然后重新抽取样本 测定数据 重新计算控制图界限进行分析 控制用控制图 经过上述分析证实过程稳定并能满足质量要求 此时的控制图可以用于现场对日常的过程质量进行控制 51 控制图种类 依用途分 分析用控制图决定方针用过程解析用过程能力研究用过程管制准备用 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 分析用 稳定 控制用 52 两种控制图应用示意说明 初期的二十五点计算时有些超出控制界限 此时须寻找原因 连续二十五点在控制界限内 表示过程基本上已稳定 控制界限可以沿用 有点超出控制界限 表示此时状态已被改变 要追查原因 必要时必须重新收集数据 重新考虑稳定状态 分析用 稳定 控制用 再调整 53 控制图的选择 54 控制图的判读 八大判异准则 略 55 常规控制图的做法 略 56 过程能力 57 过程能力分析的本质是确定过程生产的产品的不合格率是多少 WhatisProcessCapability 为保证过程输出 应当不断评价控制方法的效力监测过程能力监测控制图产品或过程一有变化 就要修订控制计划 58 WhatisProcessCapability 什么导致缺陷 制造过程和测量系统原材料偏差不合理的或过窄的规格 59 1 5 Cp 潜在过程能力指数 等于设计规格线与工艺规格线的比值 WhatisCp 用Cp来分析过程有什么问题 60 两者Cp都等于1 但不良率明显下面的要高 因此Cp不能完全地反映过程能力 注意 即使是控制得最完美的过程也会由于设备 操作人员 环境条件 进厂原材料方面的变化 而导致偏离过程均值 Cp Dppm 61 Cpk 实际的过程能力指数 对Cp进行偏差系数 K 修正后得到Cpk CpkisalwayssmallerthanorequaltoCp Cp 1 33Cpk 1 17 Cpk Z Value Cpk min ZU 3 ZL 3 62 图例 Cp Cpk ClassExercise 1 1 1 0 6 63 Cp 潜在过程能力指数 等于设计规格线与工艺规格线的比值 Cpk 实际的过程能力指数 对Cp进行偏差系数 K 修正后得到Cpk Pp 计算方法与Cp一样 为overall的数据Ppk 计算方法与Cpk相同 为overall的数据进行Cpk评估时的注意事项 1 过程处于统计稳态 2 数据服从正态分布 3 测量系统经评估合格 母体标准差 S 样本标准差 在实际计算中我们通常认为样本标准差与母体标准差大致相等 即 S Cp PpVSCpk Ppk 64 WhatisProcessCapability 怎样计算Cpk 检查规格过程抽样计算Z值估算DPPM计算Cpk 65 此点 u等于规格中心值 delt 0 CPK CP CpVSCpk 66 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 既考虑特性值分布的集中程度 也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 Cpk与Cp的关系是 Cpk Cp CpVSCpk 67 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Cp 2 Cpk 1 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 Cp 2甚至更低 表明过程固有的加工能力不足