SPC培训讲义.doc

SPC培训讲义SPC培训讲义第一章: 认识SPC第二章: 基本统计概念第三章: SPC管制图类别第四章: SPC管制图第五章: 制程能力分析第六章: SPC总结第七章: SIX SIGMA介绍 第一章: 认识SPC 一.什么是SPC SPC- Statistical Process Control 工业革命以后， 随着生产力的进一步发展，大规模生产的形成，如何控制大批量产品质量 成为一个突出问题，单纯依靠事后检验的质量控制方法已不能适应当时经济发展的要求，必须改进质量管理方式。于是，英、美等国开始着手研究用统计方法代替事后检验的质量控制方法。 1924年，美国的休哈特博士提出将3Sigma原理运用于生产过程当中，并发表了著名的“控制图法”，对过程变量进行控制，为统计质量管理奠定了理论和方法基础。 统计过程控制，是企业提高质量管理水平的有效方法。它利用数理统计原理，通过检测数据的收集和分析，可以达到“事前预防”的效果，从而有效控制生产过程、不断改进品质。 与全面质量管理相同，强调全员参与，而不是只依靠少数质量管理人员。二.SPC的作用: 1、确保制程持续稳定、可预测。 2、提高产品质量、生产能力、降低成本。 3、为制程分析提供依据。 4、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。三. SPC的焦点制程(Process) Quality，是指产品的品质。换言之，它是著重买卖双方可共同评断与鉴定的一种既成事实. 而在SPC的想法上，则是希望将努力的方向更进一步的放在品质的源头制程（Process）上. 因为制程的起伏变化才是造成品质变异（Variation）的主要根源.四.SPC的推行步骤:确立制造流程、制造流程解析决定管制项目实施标准化管制图的运用Cpk>1.33问题分析解决制程的继续管制制程能力分析Cpk<1.33问题分析解决制程条件变动时统计制程管制【SPC】 统计制程管制之目的系持续改善产品与服务的价值，达到顾客满意。 制程能力调查【Ca、Cp、Cpk】 管制图的运用作业方式 / 资源混用方式人员设备材料方法环境产品或服务顾 客辨识变化的需求与期望统计方法制程的声音输入制程/系统输出顾客的声音制程回馈管制系统模式 SPC 兴起的背景 SPC 的迷思 SPC 的焦点 SPC 的思考 SPC 的诊断SPC 背景说明对品质常有的错误观念大多数的品质问题是错在作业人员容许少数的不良,意外的瑕疵是无可避免的品质是品管部门的责任只重视品质检验,检验人员需负责解决瑕疵品SPC只是在现场挂管制图对品质的正确观念85%的品质问题是管理人员所要担负的,管理者态度的偏差，更胜过作业人员的懒散第一次就把事情做好,并且将后工程视为顾客,才能真正做到零缺点品质品质和公司每一个人都有关品质检验是可以解决问题但却无法消除问题SPC是让品质保证的系统持续运转不断改善制程,以提升品质与生产力SPC 兴起的背景SPC 兴起是宣告经验挂帅时代的结束 手工艺的产业：SPC 无用武之地经验取胜 当经验可以整理，再加上设备、制程或系统时，那 SPC 时机的导入，就自然成熟了。SPC 兴起是宣告品质公共认证时代的来临 1980年以前，客户大都以自己的资源与方法，来认定某些合格的供应商，造成买卖双方的浪费。 1980年以后，GMP及ISO 9000的兴起，因为重视产品生产的制程与系统，故更须有赖 SPC 来监控制程与系统的一致性。SPC 的迷思迷思一：有管制图就是在推动 SPC ？ 这是产品品质 ( Q )，还是制程参数 ( P ) 管制图？ 这张管制图是否有意义？ 它所管制的参数，真的对产品品质有举足轻重的影响吗？ 管制界限订的有意义吗？ 这张管制图，是否受到应有的重视？是否已遵照规定，实施追踪与研判？SPC 的迷思迷思二：有了Cpk / Ppk 等计算就是在推动 SPC ？ Cpk / Ppk 有定期审查吗？ 是否已用 Cpk / Ppk 作订单分派给不同生产线，作为生产的依据 ？SPC 的迷思迷思三：有了可控制的制程参数 (Process Parameter)，就是 SPC ？ 为什麼挑出这些制程参数？ 这些制程参数的控制条件，是如何决定的？ 这些制程参数与产品品质之间，有因果关系可循吗？ SPC 的焦点 制程 ( Process ) SPC 与传统 SQC 的最大不同点，就是由 Q P 的转变 SQC：强调 Quality 产品的品质，换言之，它是著重於买卖双方可共同评断、鉴定的一种既成事实。 SPC：则是希望将努力的方向更进一步的放在品质的源头 制程 ( Process )上。因为制程的起伏变化，才是造成品质变异 ( Variation ) 的主要根源。 SPC 的焦点 制程 ( Process )品质变异的大小，也才是决定产品优劣的关键 制程起伏条件品质异常产品优劣因因果果SPC 的思考A(5)B(3)C(1)A(5)对产品的影响度P4EP1E(厚度)EP4DP2D(尺寸)DP4CP3CP1C(速度)CP3BP2B(压力)BP4AP2AP1A(温度)AP4P3P2P1制程参数制程SPC 的思考步骤一：深入掌握因果模式 制程参数 (因) / 品质贡献率 (果) 分析 柏拉图分析步骤二：设定主要参数的控制范围 以回归分析方法或实验设计来分析 SPC 的思考步骤三：建立制程控制方法 ?控制频率 ?样本抽取方法 ?样本量测方法步骤四：抽取成品来印证原始系统是否仍然正常运转？ SPC 的诊断品质是否更稳定？良品率是否提高？制程是否更流畅？成本是否更低廉？异常是否更快能被侦测到？品管员是否逐渐在减少？统计制程管制的定义非机遇原因变异机遇原因变异制程控制与制程能力制程改善循环 制程变异统计制程管制的定义经由制程中去收集资料，而加以统计分析，从分析中得以发觉制程的变异，并经由问题分析以找出异常原因，立即采取改善措施，使制程恢复正常。并藉由制程能力分析与标准化，以不断提升制程能力。制程控制的需要检测 容忍浪费 允许将时间和材料投入到生产不一定有用的产品或服务中预防 避免浪费 第一次就把工作做对变异机遇原因与非机遇原因为了使变异的表示简化，通常分成下列二种：?机遇原因的变异 制程中变异因素是在统计的管制状态下受控。 随著时间的推移，具有稳定的且可重复的分布 制程中的许多全距的原因。?非机遇原因的变异 制程中不常发生，但造成制程变异的原因。 所造成之分布与时间的关系，是不稳定且不无法预期的。散布举例非机遇原因过程 A 显示受控散布过程B 显示不受控散布因为生产制程中每一件成品都不同，因此如果制程很稳定，则生产产品的品质特性的分布将形成一种固定形状，称为分布。一般分布有下列之不同情形：位置 分布宽度 形状大小大小大小.或是以上这些的不同组合如果制程中，只有机遇原因的变异存在，则其成品将形成依各很稳定的分布，而且是可以预测的如果制程中，有非机遇原因的变异存在，则其成品将为不稳定的分布，而且无法预测的范围 时间可预测范围 时间无法预测大量之微小原因所引起原料在一定范围内之微小变异机械之微小振动仪器测定时，不十分精确之做法依据作业标准执行作业的变化实际上，要除去制程上之机遇原因，是件非常不经济之处置一个或少数几个较大原因所引起使用规格外的原物料新手之操作人员不完全之机械调整未依据作业标准执行作业所制订之作业标准不合理非机遇原因之变异，不但可以找出其原因，并且除去这些原因之处置，在经济观点上来说，是正确的机遇原因非机遇原因非机遇原因的变异简单的统计分析可发现如管制图直接负责制程的人员去改善局部措施改善对策局部措施改善非机遇原因? 牵涉到消除产生变异的非机遇原因? 可由制程人员直接加以改善? 大约可以解决15%之制程上的问题系统措施 改善机遇原因共同原因的变异制程能力分析可发现如Ca，Cp，Cpk，及管制图上点的变化管理当局参与及制程人员合作去改善系统改善对策?必须改善造成变异的机遇原因?经常需要管理阶层的努力与对策?大约可以解决85%之制程上的问题Time 1Time 2Time 3Time 4称为 ? 漂移 (平均值漂移了多远的真正sigma 测量)显示过程控制重要的少数称为 ? 短期 (?st)我们的潜在能力 - 能做得最好的情况所有6 sigma公司用 ? 报告 价值不高的多数显示散布原因组内变异(Within)组间变异(Between) ST + shift = LT?能力对实绩过程实绩: 全部散布包括 Shifts 和 Short Term(Pp & Ppk)能力: 只有随机的或 短期的散布(Cp & Cpk)制程控制与制程能力首先应通过检查，消除全距所产生之非机遇原因，使制程处於受控的状态接下来，就可依顾客的要求 ( 规格 )，来评定制程能力，以使顾客满意，这就是持续改善的基础。在管制规格内Cpk > 1.33范围 时间受控(消除了非机遇原因)范围 时间制程控制不受控(存在了非机遇原因)受控，能力符合要求(机遇原因造成的变异已减少)制程能力 规格上限 规格下限 范围 受控，能力不符合要求(机遇原因造成的变异太大)制程改善循环PDACPDACPDAC1.分析制程2.维护制程3.改善制程1.分析制程： 本制程应该做什麼？ 会出现什麼问题？ 本制程会有哪些变化？ 我们已经知道本制程的什麼全距(全距)？ 哪些参数受全距(全距)的影响最大？ 本制程正在做些什麼？ 本制程是否在生产废品及需要返工的产品？ 本制程生产的产品是否处於受控状态？ 本制程是否有能力？ 本制程是否可靠？2.维护(控制)制程： 制程是动态的，并且会随时间而变化。 监控制程的能力指数 查出非机遇原因的变异，并采取有效的措施3.改善制程： 使制程稳定，并以维持制程的能力指数 充分理解机遇原因造成的变异 减少机遇原因造成变异的发生第二章: 基本统计概念全距管制下限(R) 全距中心限全距管制上限平均数管制下限(X) 平均数中心限平均数管制上限规格公差 T=USL-LSL估计标准差制程能力指数精密度(离散度)准确度(偏移度)规格下限规格中心限 (u=规格中心值)规格上限(X)中位数控制下限控制中心限控制上限百万分之不良每单位缺点缺点数不良数不良率标准差(S=母体标准差, s=样本标准差)方差全距平均数 样本数(抽样数)母体数(批量数)RLCLRbarRUCLXLCLXbarXUCL其他TCpkCpCaLSLSLUSLMLCLCLUCLDPPMUCNPP (S) (s )RXnN22 1. N=母体数(批量数): 指母体(批量)数多少的个数.(例: 共了50个数,N=50)2. n=样本数(抽样数): 指样本(抽样)多少的个数.(例: 抽了7个样品,n=7)3. X=平均数: 所有数的平均值,计算公式: X=(X1+X2+Xn) / n n=样本数, X1,X2.表示各个数值 例有数值: 1.5 1.6 1.7 1.55 1.65 X=(1.5+1.6+1.7+1.55+1.65) / 5=1.64. R=全距: 该组最大值-最小值的得数,计算公式: R=MAX(该组最大值)-MIN(该组最小值) 例有数值: 1.5 1.6 1.7 1.55 1.65 R=1.7-1.5=0.22 5. 方差 =s =6. 标准差 1.母体标准差=S= 2.样本标准差 =s= ?(Xi-X)n ?(Xi-X)2n-1部份计算公式 ?(Xi-X)n-12227. 中位数 M,该组数据数值大小的中间一位,若该组数是偶数,取中间两个数的合进行平均,例如 A: 1 3 4 5 8 M=X=4 B: 2 2.5 3 4 7 7.5 M=X=(3+4) / 2=3.58. Xbar-R常数表1.7770.2233.0780.308101.8160.1842.9700.33791.8640.1362.8470.37381.9240.0762.7040.41972.004-2.5340.48362.114-2.3260.57752.282-2.0590.72942.574-1.6931.02333.267-1.1281.8802D4D3d2A2N = R / d29. 制程中心没有偏移良品率表99.999998%99.999943%99.9937%99.73%95.45%68.27%良品率%654321 水平10. 制程中心偏移1.5良品率表99.999660%99.97670%99.3790%93.32%69.13%30.23%良品率%654321 水平68.26%95.45%99.73%+1+2+3-1-2-3正态分布概率第三章: 管制图类别1. 计量型数据 所谓计量型数据,就是均由量具实际量测出来的数据,如长度.重量.电流值.尺寸等具有连续性的数据.2. 计数型数据 所谓计数型数据,就是均属於以单位个数或次数来计算的数据,如不良数.不良率.缺点数.缺点率等.3. SPC管制图种类推移图,柏拉图单位缺点数管制图缺点数管制图不良数管制图不良率管制图直方图中位值与全距管制图个别值与移动全距管制图平均值与标准差管制图平均值与全距管制图U-chartX-R chartC-chartX-Rm chartNP-chartX- chartP-chartX-R chart计数型计量型计量值管制图之优缺点优点: 用于制程之管制,甚灵敏,很容易调查事故发生的原因,因此可以预测将发生之不良状况; 能及时并正确地找出不良原因,可使品质稳定,为最优良之管制工具.缺点: 在制造过程中,需要经常抽样并予以测定以及计算,后需点上管制图,较为麻烦而费时间.计数值管制图之优缺点优点: 只在生产完成后,才抽取样本,将区分为良品与不良品,所需数据能以简单方法获得之. 对于工厂整个品质情况了解非常方便.缺点: 只靠此种管制图,有时无法寻求不良之真正原因,而不能及时采取处理措施,而延误时机.管制图之绘制流程搜集数据绘制解析用管制图稳定状态？绘制直方图 分布 层别研究满足规格？制程能力研究管制用管制图Yes消除非机遇原因No满足减少机遇原因4M、1E 分析不满足提升制程能力Z - value管制图 制程控制的工具1.收集： 收集资料并画在图上2.控制： 监控是否超出管制上、下限 非机遇原因 计算所收集的资料，作为分析之用 观察全距的变化3.分析与改善： 依所计算之结果，评估制程能力指数 监控在受控状态资料的变化，确定机遇原因全距 的变化，并采取措施 必要时，可修改管制上、下限，持续不断的改善解析用管制图管制用管制图第四章: SPC管制图结合本公司实际情况,本教材只讲解P chart , U chart , Xbar R chart 三种管制图一. P chart不良率管制图(要20组以上,检验数可不相同) 1.收集数据如下: 2. 计算CL=P=di / ni =(5+6+6+7) / (200+230+220+.210) = 0.025373. 计算UCL与LCL (本例各检验数均在检验数总平均数+25%之内) UCL=P+3* P*(1-P)/ni =0.02537+3* 0.02537*(1-0.02537)/ n = 0.05792 LCL=P-3* P*(1-P)/ni =0.02537-3* 0.02537*(1-0.02537)/ n = -0.00718=0 注: ni表示第i组之检验数,本例为: 200,230,220,但如所有检验均在检 验数总总平均数+25%之内,该ni则可用n代替(若否则做出的图下页图2). n=(n1+n2+n3+.)/K (K=检验组数) 该例 n= (200+230+220+.210) / 20 = 203 当管制下限计算出来是负数时,必须将其改为“0”图1图2二. C chart缺点数管制图(要20组以上,检验数需相同) 1.收集数据如下: 920096200842001252001172001072006620059200362002520048200752001缺点数检验数组 数2. 计算CL=C=(C1+C2+C3+.Ck)/k k=组数 CL=C=(5+6+9+.4) / 12 = 6.41673. 计算UCL=C+3* C =6.4167+3* 6.4167 = 14.0164. 计算LCL=C-3* C =6.4167-3* 6.4167 = 05. 图示三. U chart单位缺点数管制图(要20组以上,检验数可不相同) 1.收集数据如下: 0.414717410150.066031470140.441919430130.044420450120.063628440110.055022400100.04501840090.02861035080.03331236070.04391841060.04942040550.06192642040.04931836530.05071937520.0575234001单位U缺点数检验数组 数 2. 计算CL=U=(C1+C2+C3+.Ci) / (N1+N2+N3+.Ni) CL=U=(23+19+18+17) / (400+375+365+410) = 0.04947 3. 计算UCL=U+3* U / Ni 4. 计算LCU=U-3* U / Ni注: 如所有N均在N的+25%之内,则Ni=N本例Ni=N(因为所有Ni均在N+25%内)若否则做出图如下下页图2N= (400+375+365+410) / 15 = 405.67UCL=U+3* U / N = 0.04947 + 3* 0.04947 / 405.67 =0.08242LCL=U-3* U / N =0.04947 - 3* 0.04947 / 405.67 =0.01651图1图1四. X-R chart (一般要有25子组以上的数据才有分析价值) 1.收集数据如下: 50+1065619471653738637465R5048.450.651.450.450.249.850.250.452.450.650.850.649.850.848.44950.65050.8X4848485149514550515550485252524745505251NO54949545152525050515352534949514948535051NO45148525150485251475250555145515050504853NO35451495246515050535252485253534852494748NO24846505255495250505049504950474850515351NO120191817161514131211109876543212. 计算总体平均值X=X1+X2+X3+.XiK=XCL K: 表示组数,该例K=20X=XCL=(50.8+50.0+50.6+) / 20 = 50.263. 计算全距平均值 R=(R1+R2+R3+Ri) / K = RCL K: 表示组数,该例K=20 R=RCL=(5+6+4+.6) / 20 = 5.14. 计算管制上下限 XUCL=X+A2R 平均数管制上限 XCL=X 平均数中心限 XLCL=X-A2R 平均数管制下限A2,D3,D4 均查第二章第8节的Xbar-R常数表RLCL=D3R 全距管制下限RCL=R 全距中心限RUCL=D4R 全距管制上限XUCL=50.26+A2R=50.26+0.577*5.1=53.2XCL=X=50.26XLCL=50.26-A2R=50.26-0.577*5.1=47.32图表如下:RUCL=D4R=2.114*5.1=10.78RCL=R=5.1RXLCL=D3R=0图表如下:第五章: 制程能力分析关於Ca , Cp , Cpk ,Pp ,Ppk等有多种算法,本教材只取一种确切了解要调查的品质特性与调查范围，并收集数据制作解析用管制图，确定制程处於受控状态之中计算制程能力指数 ( Short Term : Cpk )判断制程能力是否足够，如不够时或不稳定时，则加以改善以解析用管制图之管制上、下限，作为管制用管制图之监控，并 於一段期间后，再计算制程能力指数 ( Long Term : Ppk )过程实绩: 全部散布包括 Shifts 和 Short Term (Pp & Ppk)能力: 只有随机的或短期的散布(Cp & Cpk)Cpk 在一稳定制程下的能力指数某一天、某一班次、某一批、某一机台 其组内的变异 ( R-bar / d2 or S-bar / c4 )Ppk 性能指数 量试阶段的能力指数、 某一产品长期监控下的能力指数 Cpk / Ppk准确度精密度高低高低PrecisionAccuracy?1.Ca 制程准确度 (Capability of Accuracy) 衡量自产品中所获得产品资料的实绩平均值(X),与规格中心值(u)其间偏差的程度,是 期望制程中生产的每个产品的实际值能与规格中心值一致 (1) Ca之计算方式如下： 实绩平均值-规格中心值 X-uCa=-= - 规格公差 / 2 T/2 T=USL-LSL =规格上限-规格下限 例: 上面Xbar-R chart例子中 50.26 - 50 Ca= - (60-40) / 2 = 0.026(2) Ca值的等级判定 Ca值是正值-实绩平均值较规格中心值偏高 Ca值是负值-实绩平均值较规格中心值偏低 Ca值愈小,品质愈佳,依Ca值大小一般分为以下六级：立即停止生产,相关部门开会,规格完全弄错-1F采取紧急措施,并全面检讨,必要时考虑停止生产应立即检查,并改善作业员可能看错规格,不按作业标准或检讨作业标准有必要尽可能将其改善为A级理想的状态,须继续维持建 议 说 明10.70.50.30.1终点值0.70.50.30.10起始值EDCBA等级2. Cp 制程精确度(Capability of Precision) 衡量自产品中所获得产品资料的6个估计标准差( ),与规格公差(T)其间相差的程 度,是期望制程中生产的每个产品以规格中心值为目标，其变异宽度愈小愈好，换 言之，即在衡量规格公差范围与制程变异宽度两者间相差程度. (1)Cp之计算方式如下： 估计标准差 = R / d2 R=全距的平均值 d2=常数,如下表3.082.972.852.702.532.332.061.691.13d21098765432 n以上面Xbar-R chart 为例, = 5.1 / 2.33 = 2.189Cp = 规格公差 6个估计标准差 T 6 双边规格=以上面Xbar-R chart 为例,Cp = 20 / 6*2.189 = 1.523Cp = Cp = 规格上限 实际平均值 3个估计标准差 3个估计标准差 实际平均 - 值规格上限=USL - X X - LSL 3 3 单边规格2. Cp值的等级判定 Cp值愈大-规格公差(T)大於估计标准差( )愈多，即表示制程的变异宽度远小於 规格公差 Cp值愈大,品质愈佳。依Cp值大小一般分为以下六级：须进行品质的改善,探求原因,需要采取紧要对策,并讨检规范0.830F产生不良品,产品必须全数选别,并管理改善制程确实进行制程管理,使其能保持在管制状态,当Cp接近1时,可能会产生不良,尽可能改善为C级制程稳定性与成品比较理想级,产品变异较少,符合客户要求制程理想的状态,与C级无较大成本变化,则继续维持制程稳定性太好,为理想状态建 议 说 明11.331.673-终点值0.8311.331.673起始值EDCBA等级3. Cpk 制程能力指数 Cpk = | 1 Ca | * Cp 当Ca = 0 时, Cpk = Cp 单边规格时，Cpk 即以 Cp 值计之以上面Xbar-R chart 为例Cpk = | 1 0.026 | * 1.523 = 1.4834须进行品质改善,探求原因,需要采取急紧急对策,并检讨规范确实进行制程管理,使其能保持在管制状态品质与成本理想级,产品变异较小,符合客户要求品质理想级状态,如与C级无较大成本变化,则继续保持品质的过剩,考虑成本建 议 说 明0.831.331.672.5-终点值00.831.331.672.5起始值EDCBA等级4. Pp&Ppk 1.Pp 2. Ppk = 第六章: SPC总结控制图分析控制图八大异常判定原则1. 连续 1 点落在三倍标准差之外2. 连续 9 点落在管制中心线一侧3. 连续 6 点持续上升或下降4. 连续 14 点交替上下跳动5.连续 3 点中有 2 点中心线同侧两倍标准差以外6.连续 5 点中有 4 点中心线同侧一倍标准差以外7.连续 15 点落在中心线两侧的一倍标准差之内8.连续 8 点落在中心线两侧但未在一倍标准差以内控制图的两种错误分析对于仅仅存在偶然因素的情况下, 由于点子越出控制界限外而判断过程发生变化的错误, 即将正常判断为异常的错误是可能发生的. 这种错误称为第一种错误. 当过程具有某种非偶然因素影响, 致使过程发生程度不同的变化. 但由于此变化相应的一些点子落在控制界限内, 从而有可能发生判断过程未发生变化的错误, 这种错误称为第二种错误.发生第一种错误时, 虚发警报, 由于徒劳地查找原因并为此采取了相应的措施, 从而造成损失. 因此, 第一种错误又称为徒劳错误. 发生第二种错误时漏发警报, 过程已经处于不稳定状态, 但并未采取相应的措施, 从而不合格品增加, 也造成损失.控制图的两个阶段一: 分析阶段 二: 控制阶段一: 分析阶段在控制图的设计阶段使用,主要用以确定合理的控制界限;每一张控制图上的控制界限都是由该图上的数据计算出来;当进行初始过程研究或对过程能力重新评价时，应重新计算试验控制限，以更排除某些控制时期的影响，这些时期中控制状态受到特殊原因的影响，但已被纠正.在以下情况下需进行分析研究计算控制中心与上下限:1. 初次管制 (新管制项目)2. 过程发生变化 A: 抽样频率改变时. B: 生产工艺改弯时. C: 重大品质异常处理后 D: 机械设备较大维修后 E: 原材料产生较大改变后3. 控制图不适用时4. 过程能力值有重大变化时.5. 其他重大改变时分析阶段方法与注意事项 (部份为本公司规定)1. 过程受控(如有个别个异常点,可去掉不管)2. 分析阶段抽样频率可加快1-2倍3. 计量值最少需同时满足具有100个数据及20组这两个条件4. 计数值最少20组以上5. 生产能力满足要求当分析阶段达到以上要求时可转入控制阶段 A: 控制图的控制界限由分析阶段确定; B: 控制图上的控制界限与该图中的数据无必然联系; C: 使用时只需把采集到的样本数据或统计量在图上打点就行;常用管制图之管制上 / 下限U - 3 U / niU + 3 U / niUUC - 3 CC + 3 CCCnP 3 nP ( 1 P ) nP + 3 nP ( 1 P ) nPnPP 3 P ( 1 P ) / niP + 3 P ( 1 P ) / niPPB3SB4SSX A3SX + A3SXX - SD3RD4RRX A2RX + A2RXX - RLCLUCLCL类型第七章: SIX SIGMA 介绍六西格玛什麼是6 sigmaSix Sigma 是一种新思维程序是一种系统式的降低会对顾客满意有重要影响的不良工具利用统计工具，进行重要制程能力的改善什么是六西格玛？ 六西格玛是一项以数据为基础，追求几乎完美的质量管理方法。西格玛是一个希腊字母的中文译音，统计学用来表示标准偏差，即数据的分散程度。对连续可计量的质量特性： 用“”度量质量特性总体上对目标值的偏离程度。几个西格玛是一种表示品质的统计尺度。任何一个工作程序或工艺过程都可用几个西格玛表示。六个西格玛可解释为每一百万个机会 中有3.4个出错的机会，即合格率是99.99966。而三个西格玛的合格率只有93.32。六个西格玛的管理方法重点是将所有的工作作为一种流程，采用量化的方法分析流程中影响质量 的因素，找出最关键的因素加以改进从而达到更高的客户满意度。 六西格玛（Six Sigma）是在九十年代中期开始从一种全面质量管理方法演变成为一个高度有效的企业流程设计、改善和优化技术，并提供了一系列同等地适用于设计、生产和服务的 新产品开发工具。继而与全球化、产品服务、电子商务等战略齐头并进，成为全世界上追求管理卓越性的企业最为重要的战略举措。六西格玛逐步发展成为以顾客为主体来确定企业战 略目标和产品开发设计的标尺，追求持续进步的一种质量管理哲学。6sigma的DMAIC模式: Define Measure Analyze Improve Control 定义 量测 分析 改善 控制 六西格玛类似于SPC（统计性工作程序控制)吗？ 六西格玛是一个致力于完美和追求客户满意的管理理，SPC是一个支持六西格玛这个管理理念的工具。所有那些传统的质量管理工具，像SPC、MSA、FMEA、QFD等均是实现六西格玛必不可少的工具。 实施六西格玛的目的是什么？ 为企业实施六西格玛提供必须的管理工具和操作技巧；为企业培养具备组织能力，激励能力，项目管理技术和数理统计诊断能力的领导者，这些人才是企业适应变革和竞争的核心力 量。从而使企业降低质量缺陷和服务偏差并保持持久性的效益，促进快速实现突破性绩效，帮助企业达到战略目标。六西格玛适合于什么样的企业？ 它适用于任何水平、任何企业，它功能强，可以测量到百万分之一的水平。因为它是要影响到整个公司，实施六西格玛需要上层领导的大力协助。中国的企业在中国加入WTO后，必将 面临日益激烈的来自全球的竞争，同时信息化的飞速发展将从根本上改变经济的组织结构和消费行为，如何在这种新的经济环境中生存、成长、壮大是对每一个企业领导人的挑战。六 西格玛，由于其严谨的方法和实施步骤、以面向最终用户来建立营运体系的管理思想，对于中国企业建立卓越的管理体系、获取并保持在国际市场上的竞争优势提供一个非常有效的管 理思想和实践。现在，一些中小型企业也开始运用六西格玛工具，来提高效率和创新开发能力，为扩大企业规模和提高国际竞争力奠定坚实的基础。 我们已经有了一个质量控制系统，为什么我们还需要六西格玛？ 六西格玛是一套连续的优化工具，它能够提高质量、减少消耗，如果你们的企业现在并没有在进步，你的企业可能正在落伍。六西格玛不是一个标准，而是一种文化，是从防护的标准 到放开思想改革创新的突破性理念。 我们正在申请ISO9000，六西格玛能够促进还是阻碍我们的努力？ ISO9000和它的衍生（QS-9000、TL9000、AS9000等）能给我们提供一个基本的质量保证系统，一个工作程序化思想的基础。要成为世界级的企业，你们需要一个更先进的质量系 统，更可靠的质量能够让我们的客户更满意。六西格玛能够产生更高层次的凝聚力，ISO/QS-9000在文件记录与监测方面支持六西格玛。请注意，ISO-9000 2000版和现在的QS-9000要 求持续的优化。六西格玛是一个非常好的管理理念和工作方法，它既促进企业改革又能保证在企业各个层面上的持续优化。哪些是六西格玛提高效益，降低成本的实例？ 摩托罗拉、花旗银行、通用电器、联信公司、ABB公司、AlliedSignal, Texas Instruments都是成功案例，它们年终报告的各个方面都体现了六西格玛的成绩，关键在于必须相信如果 合理地实施和支持六西格玛，你们的企业可以做得更好，收益更大。 我听说过”黑带”，在这里它是什么意思？