spc统计过程控制—简明易懂

Brief Introduction ofProcess Control Method,- Lorraine Zhang,SIPOC,Method of Quality Control,Design controlProcess controlInspection control,Statistical Process Control,SPC是一种使用基本图示及统计工具来分析工艺过程或输出, 从而采取纠正行动消除异常, 减少过程变动性，维持稳定的方法控制图是一种用来对过程和产品参数随时间进行追踪的工具SPC 即 统 计 过 程 控 制. 顾名思义就是利用统计方法来控制工艺过程的技术.任何工作只要有开始,或是有在执行过程中必须遵守的步骤,或是有一个结束,就可利用统计的方法来监督过程. SPC的目的在于改进和确保品质, 同时可以使得过程成本降至最低.SPC 几 乎 可 应 用 于 任 何 领 域,什 么 是 SPC ?,1920s - Western Electric / Dr . Walter shewhart,在 1 (31) 范 围 内 的 自 然 变 动,不 合 格产品 率,在 0 (30) 范 围 内 的 自 然 变 动,变异的形式与原因,任 何 过 程 都 包 含 自 然 变 异 ( 由 于一 般 原 因造成的 ) 和 非 自 然 变 异 ( 由 于 特 殊 原 因造成的 ),时 间,特 殊 变 动,历 史 水平 (0),最佳水平(1),7,变动之形式,普遍原因:过程变动随时间推移是稳定的,可预报的处于控制状态原因: 固有的或是自然的,特殊原因:过程变动无法预报 (按小时,按天或按周)处于失控状态原因: 机器调整不当,原材料不合格,操作者本身目标 : 检出和消除特殊原因,普遍原因,特殊原因,例如: 垂直向上空（先把硬币夹垂直) 抛掷一枚硬币，统计硬币落地后每一面向上的次数。当抛掷次数很多时，每面向上的次数大约各占一半，只有微小差异。,例如:同样是抛硬币，抛1000次，AB两面各自向上的次数却相差400多次.,原因: 操作者每次抛掷时，总时将硬币平放，且总是将正面朝上，然后抛出。,差异的原因：有风，每次抛掷动作有微小差异，地面不平整，等等。,什 么 是 过 程 和 控 制 ?,过程：由人,设备,材料，方法和环境组合在一起共同作用而产生输出，这样的一个全体即是过程。任何工作领域，只要有可识别，可测量的输出，都是过程。,3. 实施纠正行动,4. 验证和监控,1. 检出特殊原因,控制：实现和维持过程的一致性，稳定性和可预报性。,2. 识别根本原因,SPC : 目标,把注意力集中于检出和监控过程随时间的变动上识别和消除引起变动的特殊原因;检测由普遍原因引起的过程变动的大小,并判定这种变动是否小到其输出结果能够(被下道工序)接受;增进操作人员与管理人员之间的交流;减少问题的重复发生.减少过程的变动范围,目的:随时间监测和控制过程输入, 从而达到使该过程变得不需再使用SPC,哪 些 场 合 该 使 用 SPC,当不能用一种装置来防止错误产生时基于实验设计的关键变量客户要求管理承诺用于中间生产过程和产品质量的控制,控 制 图 可 以 通 过 失 控 信 号 显 示 出 有 特 殊变动 存 在,但 不能 告 诉 我 们 过 程 为什么会 失 控.,1。平均值（ x ):用以表明全部数据分布的中心位置. 若有一组数据x1 ,x2,x3, , xn, 其个数为n,则 x =2.极差 R（也叫范围):用以表明一组数据的分散程度。 R 最大值-最小值3.标准偏差s:用以表明一批数据的分散程度的另一参数 S=,x1+x2+x3+, , +xn,基本统计量,n,n-1,(X1-X)2 + (X2-X)2 + (Xn-x)2,总 体 和 样 本,总体(母体)： 它是提供数据的原始集团，是所要研究分析的对象的全部。总体可以是一批产品（由于一批产品的数量是有限的，故称为有限总体)，也可以是一道工序所生产的所有产品（由于其源源不断的运行，甚至也包含今后的产品，故称为无限总体)分组样本(子样，抽样，试样)： 从总体中抽出来的一部分。它是直接被检测并提供数据的诸个体：可能是一个，也可能是若干个。个体： 即样本或总体中的最小单位。例如，当我们统计测试未能通过的硬盘时，其中每一只硬盘就是一个个体。,计量型控制图的中心线,控制上限(控制上限)及控制下限(控制下限)之范例,控制图的组成,控制上限,控制下限,中心线,=,样本序号,样本均值,平均值,控制图中有控制上限和控制下限反映了(随机)变动的自然极限.千万别把这些界限当作客户的规格.,14,控制图- 时间基础,控制图的优点之一是它具有其随时间追踪过程的能力,时间,15,控制限与技术规格,客户规格限通常超出控制限之外,控制限通常由过程控制人员根据历史数据或实验数据计算得出,3Sigma,+,产品规格容差T,规格限通常由设计给定,或由客户规定,16,时间,假如引起变动的仅是普遍原因, 那么该过程输出随时间保持恒定并且可预报,假如引起变动的仅是特殊原因,那么该过程输出随时间不能保持恒定并无法可预报,?,变 动 与 SPC,?,控制图的类型,正确选择控制图类型,数据类型,是单值还是分组?,分组之样本量恒定吗?,各样本之机会面积一样吗,计缺陷数还是不合格品数 ?,u,p, np,p,X, mR,计 数 型,计量型,不合格品,是,缺陷,分组,单值,不,是,c,x - R,X - S,不,缺陷率控制图,缺陷数控制图,不合格品率图,不合格品数图,不合格品率图,单值-移动极差图,平均值-极差图,平均值-标准偏差图,计量型控制图涉及的是连续变量,而相应的统计参数反映的是集中趋势和变动性(分散程度). 计量型数据的例子：时间，距离，长度，重量，速度.计数型控制图涉及的是离散型(属性)的变量。计数型控制图又包括计件值控制图(np图，p图)和计点值控制图（ c图，u图).计件值例如不合格的马达只数，测试不合格的硬盘只数，报废的碟 片数；计点值例如布匹上的污点数，Top Cover 上的伤痕数，人脸部的黑痣和粉刺数,控制图的类型,Xbar and R Chart,Xbar & R Control Chart Limits,The Xbar & R Control Chart limits are: Range X barA2, D3, D4 and d2 are constants based on statistical confidence intervals. These Xbar & R Control Chart constants (A2, D3, D4 and d2) have been tabulated for various sample sizes (see Appendix),Appendix: Control Chart Constants: Xbar & R,Appendix: Control Chart Constants: Xbar & s,怎 样 看 控 制 图,平均值Xbar 和 极差R 图,Balance的平均值-标准偏差控制图,分组样本,样本平均值,样本标准偏差,何谓 “失控” ?,当一过程呈现非随机形态时,我们便称之为 统计 失控对这个术语要当心,因为该过程正在生产的零件可能仍是合格的. 这个非随机形态仅表示有很强的证据显示该过程已发生变化,特殊原因的判别,判别 1:任一点落于控制限外,From Journal of Quality Technology, October, 1984,x,x,常见原因:新工人, 方法, 原材料或机器检验方法或检验标准的改变操作者技能和积极性方面的转变,判别 1. 一点超出A区,特殊原因的判别,x,判别 2. 连续9点位于中心线同一侧,常见原因:新工人, 方法, 原材料或机器检验方法或检验标准的改变操作者技能和积极性方面的转变,过程平均值可能已改变.,举例:净化间250工位 ( Clamp Install )测试螺丝磅数正常的磅数应该在3磅+/-0.5磅的范围内.但现在连续九个数据一直处于3磅以下.经过技术员实际检查,发现是由电钻设置偏低造成的.措施:技术员重新设置电钻的磅数,并不需要改变原来的控制限,判别 3. 连续6点稳步上升或下降,x,x,单调上升/单调下降,常见原因:新工人, 方法, 原材料或机器检验方法或检验标准的改变操作者技能和积极性方面的转变部件磨损,过程平均值发生漂移,特殊原因的判别,举例:净化间#250工位 ( Clamp Install )测试螺丝磅数正常的磅数应该在3磅+/-0.5磅的范围内.但现在连续测试的六个数据中位于标准值一侧. 在没有超过控制上限或控制下限的情况下连续上升或下降.经过技术员实际检查,发现是由于磅数的测试工具损坏造成的.措施:由技术员对测试工具进行检修,2 支 混合形,常见原因:操作者控制过严用同一图控制2个过程2 个不同的班, 2 种不同的原材料, 2 位不同的操作者,判别 4. 连续14点交替升降,x,两个系统性原因交替作用，使得生产出的结果不同,特殊原因的判别,举例:净化间#250工位 ( Clamp Install )测试螺丝磅数用同一张控制图去监控由两个不供应商提供的不同质量的螺丝交替在生产线中使用,就会得出这种控制图.,特殊原因的判别,x,x,判别 5. 连续 3点中有2点位于或超出A区（单边),常见原因:新工人, 方法, 原材料或机器检验方法或检验标准的改变操作者技能和积极性方面的转变,过程漂移的预警信号,x,举例:净化间#250工位 ( Clamp Install )测试螺丝磅数正常的磅数应该在3磅+/-0.5磅的范围内.但现在三个数据中有两个数据靠近控制上限或控制下限的A区范围内. 通过控制图,可以给我们警示说螺丝磅数有可能会超标.,特殊原因的判别,班次和运行次,x,x,判别 6. 连续5点中有4点位于或超出B区(单边),常见原因:新工人, 方法, 原材料或机器检验方法或检验标准的改变操作者技能和积极性方面的转变,过程漂移的预警信号,举例:参考前例. 基本原理类同于前例.,层状,x,判别 7. 连续15点位于C区 (中心线CL上下),常见原因:控制限的计算不正确 (对过程的变动性估计过大)持续改进 获得成功,从目前的控制限来看，变动范围比期望的更小,特殊原因的判别,举例:净化间#250工位 ( Clamp Install )测试螺丝磅数经过工艺改进,螺丝磅数的精确性已经发生了根本性的变化,由原来的3磅+/-0.5磅的范围变为3磅+/-0.2的范围. 通过控制图,可以给我们警示说我们现在用的控制上/下限不适合工艺改善后的控制图.措施:由技术员对控制图的上下限进行修改,循环或周期性,常见原因:系统性的环境变化 (温度, 操作者疲劳, 操作者轮换,机器设定的上下波动)维护计划所排工器具磨损,x,判别 8. 连续8点位于中心线CL两侧而无一居 C区,不同的因素作用于各样本分组，导致分布呈双峰平均值,特殊原因的判别,举例:净化间#250工位 ( Clamp Install )测试螺丝磅数正常的磅数应该在3磅+/-0.5磅的范围内.绝大数的测量数据应该在平均值3磅附近.落在2.5磅或3.5磅附近的数据应该少于落在平均值3磅附近的数据,但现在的情况是两头多,中间少. 可能测量磅数的工具夹紧装置未能可靠锁紧.,有时一点正好落在边界线上,这点不必计入.记忆口诀：一点出界(法则1) 二 /三A(法则5)，四 /五B区(法则6)十五C(法则7).九点排同侧 (法则2)，六点单调追(法则3).十四交替升与降(法则4), 八点两侧无一C(法则8),特殊原因判别法则之运用,CL,A,B,C,C,B,A,UCL控制上限,LCL控制下限,中心线,对待失控情况信号发生时的措施,去发现和分析每一个特殊变异的产生是非常重要的如果不去留意控制图,负责的人将从此忽略那些讯号 几条可采用的方法验证数据的正确性及数据输入的正确性看看有否关于特殊原因的简单解释 (例如零件坠落) 当失控情况信号发生后,应对失控情况信号和由此产生的影响加以评价从而决定下一步的行动路线 (最好写进文件中):停线寻找根本原因,控制与能力,控 制 图 实 例,R,平均值极差控制图举例,X,Station #999 ：E-blk 螺丝扭矩有异常吗 ?,例 1：,例 1：,平均值 X控制图举例,控制上限,控制下限,平均值,例 1：,极差 R控制图举例,极差控制上限,极差控制下限,极差平均值,X,例 2： Station #260 ：E-blk 螺丝扭矩有异常,平均值控制图,极差控制图,电钻坏,平均值极差控制图举例,R,X平均值控制图反映变量X随时间的集中趋势及分组样本之间的变动性. 它是样本量为n的样本平均值,或称x.极差图或R图监测的是分组样本内部随时间的变动,控制图的中心线代表长期的分组样本平均值的平均值,或称 x .,该图的中心线代表长期的分组样本之极差的平均值,或称R极差图只适用于分组样本(即 n )较小的场合(小于 5，一般不大于 9 ).,X-R 控制图的含义,平均值-标准偏差控制图( x - s 图 ),标准偏差控制图,下图是用前面例 2 的数据所绘制的，可看到同样的异常点。,平均值控制图,电钻坏,不合格品数图 (np 图 )的例子,例 : 下面是在一条装配线最后工位(station #888)操作员检查Top cover 外观的数据记录 .,指的是Top Cover 的损坏件数,不合格品数图 (np 图 )的例子,Top Cover 外 观 不 合 格 件 数 控 制 图,不合格数量,日期( 八 月),不合格数量的平均值,不合格Top Cover数量的控制上限,不合格Top Cover 数量的控制下限,不合格品率图 (p 图 )的例子,下面的例子中的数据取自MRB的报告。,HSA 进 料 检 验 结 果,不合格品率图 ( p图 )的例子,U10 HSA 进 料 检 验 不 合 格 率 控 制 图,不合格百分率,日期( 六月),不合格数量的平均值,不合格HSA 百分率的控制上限,不合格H SA百分率的控制下限,不合格品数图 (np 图 )与不合格品率图( p图),np 不合格品数np-图 是一种计数型控制图 ,它绘制的是每个分组样本中的不合格品数 (坏品数量) .每个分组样本必须有相同的样本量或者各个样本量足够相似可以看作相等.np-图 更易于就地