CPK值计算公式讲解.ppt

SPC基础知识及应用 统计学是现代品质管理的基石 是过程管理中最重要的工具 具体到我们SMTIPQC来讲就是QI软件 这份教材主要讲述QI软件的主要控制原理及其使用 涉及到统计就必然跟数据有关 存储数据的大型文件叫数据库DataBase简称DB 在QI软件中 如图 我们可以看到数据是存在一个叫2DPMO SPC的文件中 这个表格是不是很熟悉 对 它就是EXCEL格式的数据文件 第一章CP与CPK CP和CPK是描述制程能力的重要指数 当产品的规格线不变 CPK越高表示制造能力越强 下面我们看看CP和CPK是如何计算的 Cp T 6 Cpk 1 K Cp CP CapabilityofProcess制程能力 StandardDeviation标准偏差 T USL LSL规格限宽度 K 规格线中心值 目标值 和实际数据均值 mean X的偏移系数 1 n 1 i 1 n X X i 2 标准偏差 是衡量数据离散程度的指数 越大表示数据离散程度越高 大小越不均匀 1计算CPK K 2 M X T M 2 USL LSL 计算CPK的顺序 计算平均值X和 计算T 得出CP 计算M K CPK 例 表格中的数据是某班测量锡膏厚度的值 工艺允许的范围是130 220 求该组数据的CPK 计算平均值X和 X 159 168 179 165 171 182 24 170 33 在EXCEL中用 average A1 F4 命令可直接算出从A1 左上角 到F4 右下角 范围内的数据的平均值 同样 STDEV A1 F4 可以计算它们的标准偏差 计算T T USL LSL 220 130 90 220 130 2 得出CP Cp 2 20 T 6 90 6 6 831 计算M K M 175 USL LSL 2 2 175 170 33 90 K 0 103 2 M X T CPK CPK 1 K CP 1 0 103 2 20 1 97 CPK的另一种算法 CPU CPU USL X 3 CPL CPL X LSL 3 CPK MIN CPL CPU 两种方法计算结果是一样的 有兴趣的话可以自己验证一下 习题一 1 某生产线录得烘炉最高温度如下 工艺许可范围是215 225 用两种方法求该组数据的CPK 2 思考题某线A B班分别生产WALL 7 0 2 0 和ECSM 5 5 产品 测量锡膏厚度 QI软件计算CPK都是2 0 问哪个班制程能力强 为什么 3 思考题生产线CP值高CPK就一定高吗 为什么 2QI软件是如何计算CPK XMax 测量最大值 Mean 平均值 XMin 测量最小值 StdDev 标准偏差 USL UPSTRICTLINE LSL LOWSTRICTLINE UCL UPCONTROLLINE LCL LOWCONTROLLINE 2 1让帮助文件告诉我们 FIRST 寻找帮助 点击术语表 SECOND 点击你想知道的术语 小框框里的英文就是名词解释 THIRD 点击这里会有计算公式哦 o yes 2 2Thisis 第二章如何判读QI软件图 1数据的分布 数据大体可以分为两种类型 计量型measure 计数型count 其中计量型数据大部分服从正态分布 通俗讲正态分布是指中间多两边少的分布形式 讲个最简单的例子 我们现在统计全国青少年的身高 发现70 的人在170cm左右 超过190cm的很少 同样小于150cm的也很少 我们就说身高的分布情况符合正态分布 右图是锡膏厚度图 可以看见锡膏厚度大部份都是140左右 在两条平行线内 接近控制线的数据是很少的 我们可以说锡膏厚度的分布是服从正态分布的 1 1正态分布图 这就是正态分布图 可以看到该图有两个重要参数 平均值 和标准偏差 图上的曲线是概率密度曲线 在X X 以及曲线所组成的面积 即阴影部分 称为数据分布在 范围内的概率 事实上只要数据服从正态分布 这个 即阴影部分 面积是固定的 0 6826即68 26 2 界限范围内的概率是95 46 3 界限范围内的概率是99 73 6 是LG对我们的要求 这是什么概念呢 3 4PPM 即百万分之3 4 从工艺角度来讲即 USL 6 LSL 6 1 平均 3 3 1 2正态分布图 续 规格下限 LSL 6 5 4 3 2 1 1 2 3 4 5 6 规格上限 USL 这就是达到6sigma水平时的正态分布图 我们知道规格线制定以后就不会改变 唯一可以改变的是数据本身 当整体偏大时 分布情况就会往规格上限偏 虚线 反之 则往规格下限偏 由图可知 USL 6 LSL 6 USL LSL 12 当我们制程改进 工序水平达到7sigma时USL 7 LSL 7 USL LSL 14 从公式可以推出制程改进后的标准偏差是比改进前的小 小就说明数据变动范围小 从而说明制程更稳定 规格下限 LSL 6 5 4 3 2 1 1 2 3 4 5 6 规格上限 USL 规格下限 LSL 规格上限 USL 7 7 改进前6 改进后7 同样的规格限 可以看到改进后的数据分布比改进前密集 就是说数据变动更小 更稳定 1 3CP CPK 大就一定好吗 这个问题并不是哗众取宠 事实上这个问题很重要 首先我们回顾一下通过什么 手段 可以获得 好看 的CP CPK Cp T 6