统计过程控制.doc

CNC品質部 謝卡拉 第 7 頁 共 43 頁 統計過程控制 (SPC) 第一節 : 統計過程控制的基本知識 一 : SPC的概念 SPC是英文Statistical Process Control(統計過程控制)三個字体的簡稱 .統計過程控制水平就是運用數學統計技術對過程的各個階段進行評估和監察 ,保持過程處于可接受的和穩定的水平,以保証產品与服務滿足要求的均勻性.雖然這里的統計技術是涉及到數理統計的許多分支,但SPC的主要工具是控制圖理論.因此要想推行SPC必須對控制圖有一定深入的了解,否則就不可能通過SPC取得真正的實效 .在生產過程中 ,由於人設備材料方法測量環境等方面的變化波動,將會給所生產的零件帶來相應的變化,對產品（工序）質量造成影響.當某一因素變化超過一定范圍時,就會出現產品(工序)質量問題.如何發現生產過程中產品(工序)質量變化規律,即質量波動的大小方向周期分布實施科學的控制SPC(statistical process control)技術為我們提供了一套有效的方法.在SPC實際運用當中,單純了解控制圖理論公式的推導是行不通的,主要是需要掌握控制圖的基本思路与基本概念,懂得各項操作及物理意義,并伴隨必要的練習与實踐方能奏效.控制圖的原理(包括正態分布和概率統計)主要在第三節進行討論.二: SPC的作用. (一) 要想搞好后質量管理首先應該明确下列兩點:(a): 貫徹預防原則是現代質量管理的核心与精髓.(b): 質量管理學科是有一個十分重要的特點,即對于質量管理所提出的方針目標都要有科學措 施与科學方法來保証它們的實現. 這体現了質量學科的科學性.為了保証預防原則的實現 ,20世紀20年代美國貝尔電話實驗室(Bell Telephone Laboratory)成立了兩個研究質量的課題組,一為過程控制組,學術領導人為休哈特(Walter A.Shewhart);另一為產品控制組,學術領導人為道奇(Harold F.Dodge) .其后,休哈特提出了過程控制理論以及控制過程的具体工具-控制圖(Control Chart),現今統稱之為SPC.道奇与羅米格(H .G .Romig)則提出了抽樣檢驗理論和抽樣檢驗表 .這兩個研究所組的研究成果影響深遠,在他們之后,雖然有數以千記的論文出現,但至今仍未能脫其巢臼.休哈特与道奇是統計質量控制(Statistical Quality Control,簡稱SQC)的奠基人.1931年休哈特出版了他的代表作:.這標志著統計過程控制(SPC)時代的開始.(二)“21世紀是質量的世紀”.美國著名質量管理專家朱蘭(J.M.Juran)早在1994年的美國質量管理學會年會上即提出此論斷,若干年來得到越來越多的人的認同 .朱蘭提出這樣的認斷是有其科學背景的.要想在市場上立于不敗之地 ,就要生產出世界級質量的產品,這就需要采用先進的技術科學与先進的管理科學.一般來說,先進的技術科學可以改進与提高產品質量指標的絕對值,而先進的質量科學則可在現有條件下將其波動調整到最小.這就好比一輛摩托車的兩個輸子二者缺一不可.推行SPC等質量科學就是貫徹先進的科學管理. (三) 西方工業發達國家來華加工定貨,一般都要求加工企業在生產線推行SPC,如未推行則認為該企業的產品質量沒有保証,拒絕定貨,現在此風愈演愈盛 ,甚至一些發展中國家,如新加坡馬來西亞泰國等也提出上述要求.現在我國加入世貿組織(WTO)后,可以預計在國際市場中竟爭將更加激烈,從而各個企業對質量科學的需求將會更加迫切.三SPC的特點(1) 与全面質量管理相同,強調全員參与,而不是只依靠少數質量管理人員. (2) 強調應用科學(統計)方法來保証預防原則的實現 ,而不是只停留在口頭上或書面上的空頭保証; (3) SPC不是用來解決個別工序采用什么控制圖的問題,SPC強調從整個過程整個体系出發來解決問題.SPC的重點就在于“P(Process,過程) ”. 四SPC的發展SPC可以判斷過程的异常,及時告警,貢獻良多 .但SPC也有其歷史局限性,它不能告知此异常是什么因素引起的,發生于何處,即不能進行診斷.而在現場迫切需要解決診斷問題,否則即使要想糾正异常也無從下手.故現場和理論都需要將SPC發展到SPD(Statistical Process Diagnosis ,統計過程診斷).SPD不但具有SPC及時告警進行控制的功能,而且具有SPC所沒有的診斷功能,故SPD是SPC進一步發展的新階段.SPD就是利用統計技術對過程中的各個階段進行監控与診斷,從而達到縮短診斷异常的時間以便迅速采取糾正措施減少損失降低成本保証產品質量的目的.SPD是20世紀80年代發展起來的. SPC發展到SPD,從20世紀90年代起SPD又進一步發展到SPA(Statistical Process Adjustment 統計過程調整).這是質量科學發展的三個階段 ,參見圖1-01.以醫生給病人看病作主譬如,SPC就好像醫生給病 SPC人看病,告訴病人,到底有病還是沒病,若有病 ,SPC并不能告訴病人是什么病.SPD是給病人看病 ,不但能告訴病人有病還 SPD是沒病, 若有病,還能診斷出是什么病 .SPA則是給病人看病,不但能告訴病人有病還是沒病,若有病,還能診斷出是什么病; SPA而且還能針對病情加以治療,在工業上稱之調整 .故由SPC發 圖1-01.展到 SPD,再由SPD發展到SPA,是科學發展的必然.不以人們的意主轉移.從SPC,到SPD,再到SPA就形成了一個閉環.周而复始,循環不已,不斷進行質量改進.SPC從1930年開始,現在已經普及,工業發達國家無一不推行SPC的.SPD從1980年開 始,首先在中國大陸開始普及,SPA從1990年開始,目前尚無實用性成果,正在發展中. 第二節:常規控制圖(休哈特控制) 一 常規控制圖的构造控制圖是對過程質量特性值進行測定記錄評估和監控過程是否處于統計控制狀態的一种用統計方法設計的圖 .圖上有用實線繪制的中心線(CLCentral Line)用虛線繪制的上控制界限,(UCL ,Upper Control Limit)和下控制界限(LCL ,Lower Control Limit),圖中并有按時間順序抽取的樣本統計量數值的描點序列,各點之間用直線相連,以便看出點子的變化趨勢,參見圖2-01.UCLCLLCL統稱為控制線(Control Lines),它們是互相平行的.若控制圖中的描點落在UCL与LCL之外或描點在UCL与LCL之間的排列不隨机,則表明過程异常.世界上第一張控制圖是美國休哈特在1924年5月16日提出的不合格品率p控制圖.此次只講常規控制圖,也稱為休哈特控(Shewhart control charts),簡稱為休圖. 圖2- 01 . 二控制圖的重要性控制圖的重要性体現于下列兩點:(1) 控制圖是貫徹預防原則的SPC与SPD的重要工具;控制圖可用以直接控制与診斷過程,故是質量管理七大工具的核心.(2) 1984年日本名古屋工業大學調查了200家日本各行各業的中小型企業,結果發現平均每家企業采用137張控制圖.這個數字對于推行SPC与SPD有一定的參考意義.當然有些大型企業應用的控制圖的張數是很多的,例如柯達彩色膠卷公司(Eastman Kodak)有5000職工,一共應用了35000張控制圖. (3) 我們在實際運用當中不追求控制圖張數的多少,但可以說,企業中使用控制圖的張數在某种意義上來講反映了管理現代化科學化的程度 ,因為控制圖越多,受控制的因素就越多,進而質量越有保証,控制圖越多,參与科學控制的人員越多,組織的質量意識就越強 . 三 產品質量的統計觀點 產品質量的統計觀點是現代挂管理的基本觀點之一.若推行這樣的觀點就是現代的質量管理,否則即傳統的質量管理.產品質量的統計觀點包含下列內容:(一) 產品的質量具有變异性這是眾所周知的事實,但在工業革命以后,人們一開始誤認為:現在由机器來進行生產,生產的產品應該是一樣的.經過一百多年的實踐,隨著測量理論与測量工具的進步,人類才終于認識到: 盡管是机器生產,但產品質量特性值仍然具進變异性,公差制度的建立就是承認這點的一個標志.(二) 產品的質量的變异具有統計規律性產品的質量的變异也是有規律性的,但它不是通常的确定性規律,而是隨机現象的統計規律.對于隨机現象通常應用分布來描述,分布可以告訴我們:變异的幅度有多大,出現這么大幅度的可能性(概率)有多大,這就是統計規律 .對于計量特性值,如長度重量時間強度純度成分收率等連續性數据,最常見的正態分布(normal distribution),參見圖2-02 ,對于計件特性值,如特性測量的結果只有合格与不合格兩种情況的离散性數据 ,最常見的是二項分布(binomial distribution),參見圖2-03.對于計點特性值,如鑄件的沙眼數,布匹的疵點數電視机的焊接不合格數等离散性數据,最常見的是泊松分布(Poisson distribution)參見圖2-04.計件值与計點值又統稱為計數值,都是可以0個,1個,2個,這樣數下去的數据.掌握了這些數据的統計規律可以保証和提高產品質量. b(m; n, p) n=20 圖2-03.二項分布(圖中p為不合格品率) 圖2-02. 正態分布密度 0 2 4 6 8 10 12 14 16 18 20 m 0 n(;,) p=0.25 p=0.75 p=0.5 p(;) 0 2 4 6 8 10 12 14 16 18 20 圖2-04 泊松分布(圖中為單位缺陷數) =2.5 =5 =10 四:控制圖的构成1:基礎知識 直方圖作法 直方圖是頻數直方圖的簡稱,它通過從總体中隨机抽取樣本,將從樣本獲得的大量的數据質量特性進行整理,找出其質量波動規律(即數據分布的形態) ,預測工序質量好坏,以便對其總体進行分析的方法示例:老師傅用車床制作零件,要求其直徑為10毫米,為了了解老師傅的加工質量,抽查已經加工的零件共100個,分別測得其直徑為數据為100個,如表2-05所示.直以來看,看不出任何規律來,需要應用統計方法來加以處理,即分組,統計,作直方圖.具体步驟如下:步驟1:找出最大值和最小值.從表2-05中可找出100個直徑數据中最大值為10.60,最小值為9.22故 數据分散寬度=(最大值-最小值)=10.60-9.22=1.38步驟2:确定組數.設n為數据個數,組數可按表2-06進行估計,這些都是經驗值,不宜死套公式.從圖2-07.也可看出: 組數=3,圖形太粗糙,組數=12,分組過多,直方圖的直方之間出現缺口,故組數在312之間較合适,本例數据個數n=100 ,試取組數=7 .10.249.9410.009.999.859.9410.4210.3010.3310.0910.219.799.7010.049.989.8110.1310.219.849.5510.0110.369.889.2210.019.859.6110.0310.4110.1210.159.7610.579.7610.1510.1110.0310.1510.2110.059.739.829.8210.0610.4210.2410.609.5810.069.9810.129.9710.0910.1210.1410.1710.0010.0910.119.709.499.9710.309.999.899.839.559.8710.1910.3910.2710.1810.189.779.5810.3310.159.919.6710.1010.0910.3310.019.539.9510.3910.169.7310.159.759.799.9410.069.979.919.649.8810.029.919.54 表2-05.零件直徑的原始數据 數据個數n 組 數 n50 50n100 100n250 n250 57 610 712 1020 表2-06.數据組數的選取 (a)=12 (b)=6 (c)=3 0 10 20 30 40 50 60 0 10 20 30 40 50 60 0 20 40 60 圖2-07.同一組數据不同分組情況下的直方圖 步驟3:确定組距.本例組距: h=(最大值-最小值/組數=1.38/7=0.1970.2步驟4:确定各組的邊界.為了使得所有數据不會落在組界上,并保証最小值9.22落在第一組內,故取和一組的組下限等于最小值減去最小測量單位的一半邊在本例即0.01/2=0.005).于是: 第一組的組下限=9.22-0.005=9.215 第二組的組下限=第一組的組下限+組距=9.215+0.2=9.415其余各組以此類推,參見表2-08.最大值10.60已包括在第七組內.步驟5:确定各組的頻數.將數据表中的各個數据按其數值大小分配到各個組中去,從表2-05得出頻數分布表,如表2-06所示. 組 號 頻 數 第一組: 9.2159.415 第二組: 9.4159.615 第三組: 9.6159.815 第四組: 9.81510.015 第五組: 10.01510.215 第六組: 10.21510.415 第七組: 10.41510.615 1 8 14 29 32 12 4 表2-08 頻數分布表 步驟6: 作直方圖.根据表2-08,在橫軸上以每組距線段為底,以該組的頻數為高,作出7個矩形所組成直方圖(histogram),參見圖2-09中以頻數為縱軸的直方圖.步驟7:對直方圖的分析.本例直方的形狀特點上:中間高兩頭低左右對稱 .直方圖反映了數据的規律.事實上,如果將上述抽查零件作直方圖的作法重复做几遍,就會發現几次