SPC统计分析(ppt 158页).ppt

2020/6/7,1,统计过程控制SPC-StatisticalProcessControl,苏州卓一企业管理顾问有限公司讲师：康建平,2020/6/7,2,SPC统计过程控制,事实胜雄辩改进再提高,2020/6/7,3,主要内容,SPC统计过程控制概述计量型控制图制作步骤及判定原则计数型控制图制作步骤及判定原则SPC统计过程控制小结,2020/6/7,4,控制图的历史,控制图是1924年由美国品管大师W.A.Shewhart博士发明。因其用法简单且效果显著，人人能用，到处可用，遂成为实施质量管理时不可缺少的主要工具，当时称为(StatisticalQualityControl)。,2020/6/7,5,控制图的历史,休哈特在20世纪20年代提出了过程控制理论以及监视和控制过程的工具-控制图；世界上第一张控制图是休哈特在1924年5月16日提出的不合格品率(p)控制图；休哈特主要贡献在于：应用过程控制理论能够在生产线上保证预防原则的实现。在产品制造过程中，产品质量特性值总是波动的。,2020/6/7,6,1924年发明,W.A.Shewhart,1931发表,1931年Shewhart发表了“EconomicControlofQualityofManufactureProduct”,19411942制定成美国标准,Z1-1-1941GuideforQualityControlZ1-2-1941ControlChartMethodforanalyzingDataZ1-3-1942ControlChartMethodforControlQualityDuringProduction,控制图的发展,2020/6/7,7,SPC统计过程控制,1924年W.A.Shewhart提出,SPD统计过程诊断,侯铁林1947年提出多元T控制图张公绪1982年提出两种质量多元逐步诊断理论等,SPA统计过程调整,90年代起由SPD发展为SPA，国外称之为ASPC（算法的统计过程控制）仍在发展过程之中,控制图的发展,2020/6/7,8,控制图在英国及日本的历史,英国在1932年，邀请W.A.Shewhart博士到伦敦，主讲统计质量管理，而提高了英国人将统计方法应用到工业方面之气氛。,日本在1950年由W.E.Deming博士引到日本同年日本规格协会成立了质量管理委员会，制定了相关的JIS标准,2020/6/7,9,控制图应用范例,1984年日本名古屋工业大学调查了115家日本各行各业的中小型工厂，结果发现平均每家工厂采用137张控制图；美国柯达彩色胶卷公司有5000多名职工，一共应用了35000张控制图，平均每名职工做七张控制图,2020/6/7,10,SPC第二条,控制图上点的排列分布没有缺陷.,2020/6/7,78,控制图的观察分析,进行控制所遵循的依据:连续25点以上处于控制界限内;连续35点中,仅有1点超出控制界限;连续100点中,不多于2点超出控制界限.五种缺陷链:点连续出现在中心线CL一侧的现象称为链,链的长度用链内所含点数多少来判别.当出现5点链时,应注意发展情况,检查操作方法有无异常;当出现6点链时,应开始调查原因;当出现7点链时,判定为有异常,应采取措施.,2020/6/7,79,控制图的观察分析,从概率的计算中,得出结论:点出在中心线一侧的概率A1=1/2点连续出现在中心线一侧的概率A1=(1/2)7=1/128(0.7%)即在128次中才发生一次,如果是在稳定生产中处于控制状态下,这种可能性是极小的.因此,可以认为这时生产状态出现异常.偏离:较多的点间断地出现在中心线的一侧时偏离.如有以下情况则可判断为异常状态.连续的11点中至少有10点出现在一侧时;连续的14点中至少有12点出现在一侧时;连续的17点中至少有14点出现在一侧时;连续的20点中至少有16点出现在一侧时.,2020/6/7,80,控制图的观察分析,倾向:若干点连续上升或下降的情况称为倾向,其判别准则如下:当出现连续5点不断上升或下降趋向时,要注意该工序的操作方法;当出现连续6点不断上升或下降的趋向时,要开始调查原因;当出现连续7点不断上升或下降的趋向时,应判断为异常,需采取措施.周期:点的上升或下降出现明显的一定的间隔时称为周期.周期包括呈阶梯形周期变动、波状周期变动、大小波动等情况.,2020/6/7,81,控制图的观察分析,接近:图上的点接近中心线或上下控制界限的现象称为接近.接近控制界限时,在中心线与控制界限间作三等分线,如果在外侧的1/3带状区间内存在下述情况可判定为异常:连续3点中有2点(该两点可不连续)在外侧的1/3带状区间内;连续7点中有3点(该3点可不连续)在外侧的1/3带状区间内;连续10点中有4点(该4点可不连续)在外侧的1/3带状区间内.,2020/6/7,82,当首批数据都在试验控制限之内（即控制限确定后），延长控制限，将其作为将来的一段时期的控制限。当子组容量变化时（例如：减少样本容量，增加抽样频率），应调整中心限和控制限。方法如下：估计过程标准偏差（用表示），用现有的子组容量计算：=R/d2式中R为子组极差均值，d2为随样本容量变化的常数，如下表按照新的子组容量查表得到系数d2、D3、D4和A2，计算新的极差和控制限。,为继续进行控制延长控制限,2020/6/7,83,为继续进行控制延长控制限,估计过程标准偏差和计算新的控制限,2020/6/7,84,建立X-R图的步骤D,2020/6/7,85,前提假设：过程处于统计稳定状态；过程的各测量值服从正态分布；工程及其它规范准确地代表顾客的需求；设计目标值位于规范的中心；测量变差相对较小前提说明：总存在抽样变差；没有“完全”受统计控制过程；实际分布不是完美的正态分布,过程能力解释前提,2020/6/7,86,计算过程能力,对于X-R图，过程能力是通过计算Cpk，用Cpk大小来确定过程能力，当所有点都受控后才计算该值。对于过程能力的初步估计值，应使用历史数据，但应剔除与特殊原因有关的数据点。当正式研究过程能力时，应使用新的数据，最好是25个或更多时期子组，且所有的点都受统计控制。,2020/6/7,87,制程能力指标Ca,2020/6/7,88,制程能力指标Cp,双边规格只有上规格时只有下规格时,2020/6/7,89,制程能力指标Cpk,2020/6/7,90,当Cpk1说明制程能力差，不可接受；1Cpk1.33,说明制程能力可以，但需改善；1.33Cpk1.67,说明制程能力正常；1.67Cpk，说明制程能力良好。,评价过程能力,2020/6/7,91,改善过程能力,过程一旦表现出处于统计控制状态，该过程所保持的控制水平即反应了该系统的变差原因过程能力。在操作上诊断特殊原因(控制)变差问题的分析方法不适于诊断影响系统的普通原因变差。必须对系统本身直接采取管理措施，否则过程能力不可能得到改进。有必要使用长期的解决问题的方法来纠正造成长期不合格的原因。可以使用诸如排列图分析法及因果分析图等解决问题技术。尽可能地追溯变差的可疑原因，并借助统计技术方法进行分析将有利于问题的解决,2020/6/7,92,改善过程能力,2020/6/7,93,绘制并分析修改后的过程控制图,当对过程采取了系统的措施后，其效果应在控制图上明显地反应出来；控制图成为验证措施有效性的一种途径。对过程进行改变时，应小心地监视控制。这个变化时期对系统操作会是破坏性，可能造成新的控制问题，掩盖系统变化后的真实效果。在过程改变期间出现的特殊原因变差被识别并纠正后，过程将按一个新的过程均值处于统计控制状态。这个新的均值反映了受控制状态下的性能。可作为现行控制的基础。但是还应对继续系统进行调查和改进。,2020/6/7,94,制程绩效指针的计算，其估计的标准差为总的标准差，包含了组内变异以及组间变异。总变异=组内变异+组间变异。,过程绩效指标Ppk,2020/6/7,95,对过程进行改变时，应小心地监视控制,2020/6/7,96,群体平均值=标准差=,对的估计,群体标准差的估计,2020/6/7,97,A收集数据：在计算各个子组的平均数和标准差其公式分别如下：,2020/6/7,98,B计算控制限,2020/6/7,99,C过程控制解释(同X-R图解释),2020/6/7,100,D过程能力解释,2020/6/7,101,A收集数据一般情况下，中位数图用在样本容量小于10的情况，样本容量为奇数时更为方便。如果子组样本容量为偶数，中位数是中间两个数的均值。,2020/6/7,102,B计算控制限,2020/6/7,103,C过程控制解释(同X-R图解释),2020/6/7,104,估计过程标准偏差：,2020/6/7,105,单值控制在检查过程变化时不如X-R图敏感。如果过程的分布不是对称的，则在解释单值控制图时要非常小心。单值控制图不能区分过程零件间重复性，最好能使用X-R。由于每一子组仅有一个单值，所以平均值和标准差会有较大的变性，直到子组数达到100个以上。,2020/6/7,106,A收集数据收集各组数据计算单值间的移动极差。通常最好是记录每对连续读数间的差值(例如第一和第二个读数点的差，第二和第三读数间的差等)。移动极差的个数会比单值读数少一个(25个读值可得24个移动极差)，在很少的情况下，可在较大的移动组(例如3或4个)或固定的子组(例如所有的读数均在一个班上读取)的基础上计算极差。,2020/6/7,107,B计算控制限,注：正常情况下，样本n=2此时E2=2.66D4=3.27D3=0E2、D4、D3是用来计算移动极差分组,2020/6/7,108,C过程控制解释审查移动极差图中超出控制限的点，这是存在特殊原因的信号。记住连续的移动极差间是有联系的，因为它们至少有一点是共同的。由于这个原因，在解释趋势时要特别注意。可用单值图分析超出控制限的点，在控制限内点的分布，以趋势或图形。但是这需要注意，如果过程分布不是对称，用前面所述的用于X图的规则来解释时，可能会给出实际上不存在的特殊原因的信号,2020/6/7,109,估计过程标准偏差：式中，R为移动极差的均值，d2是用于对移动极差分组的随样本容量n而变化的常数。,2020/6/7,110,计数型数据控制图,引言不合格率p图不合格品数np图不合格数c图单位产品不合格数u图,2020/6/7,111,与过程有关说明,2020/6/7,112,计数型数据控制图应用前提,前提是必须明确规定合格准则，并确定这些准则是否满足程序随时间产生一致的结果。,2020/6/7,113,计数型数据控制图益处,计数型数据存在于任何技术或行政管理过程中；一般情况下计数型数据已存在，可快捷将数据转化成控制图；收集计数型数据通常不需要专业化收集技术；应用计数型控制图通常能对需要详细检查特定过程提供方向。,2020/6/7,114,P控制图的制做流程,A收集数据,B计算控制限,C过程控制解释,D过程能力解释,2020/6/7,115,建立p图的步骤A,2020/6/7,116,A1子组容量、频率、数量,子组容量：用于计数型数据的控制图一般要求较大的子组容量(例如50200)以便检验出性能的变化，一般希望每组内能包括几个不合格品，但样本数如果太利也会有不利之处。分组频率：应根据产品的周期确定分组的频率以便帮助分析和纠正发现的问题。时间隔短则反馈快，但也许与大的子组容量的要求矛盾子组数量：要大于等于25组以上，才能判定其稳定性。,2020/6/7,117,A2计算每个子组内不合格品率,记录每个子组内的下列值被检项目的数量n发现的不合格项目的数量np通过这些数据计算不合格品率,2020/6/7,118,A3选择控制图的坐标刻度,描绘数据点用的图应将不合格品率作为纵坐标，子组识别作为横坐标。纵坐标刻度应从0到初步研究数据读数中最大的不合格率值的1.5到2倍。,2020/6/7,119,A4将不合格品率描绘在控制图上,描绘每个子组的p值，将这些点联成线通常有助于发现异常图形和趋势。当点描完后，粗览一遍看看它们是否合理，如果任意一点比别的高出或低出许多，检查计算是否正确。记录过程的变化或者可能影响过程的异常状况，当这些情况被发现时，将它们记录在控制图的“备注”部份。,2020/6/7,120,建立p控制图的步骤B,2020/6/7,121,计算平均不合格率及控制限,2020/6/7,122,建立p图的步骤C,2020/6/7,123,过程能力解释,D1计算过程能力,D2评价过程能力,D3改进过程能力,D4绘制并分析修改后的过程控制图,建立p的步骤D,2020/6/7,124,计算过程能力,对于p图，过程能力是通过过程平均不合率来表示，当所有点都受控后才计算该值。如需要，还可以用符合规范的比例(1-p)来表示。对于过程能力的初步估计值，应使用历史数据，但应剔除与特殊原因有关的数据点。当正式研究过程能力时，应使用新的数据，最好是25个或更多时期子组，且所有的点都受统计控制。这些连续的受控的时期子组的p值是该过程当前能的更好的估计值。,2020/6/7,125,改善过程能力,过程一旦表现出处于统计控制状态，该过程所保持的不合格平均水平即反应了该系统的变差原因过程能力。在操作上诊断特殊原因(控制)变差问题的分析方法不适于诊断影响系统的普通原因变差。必须对系统本身直接采取管理措施，否则过程能力不可能得到改进。有必要使用长期的解决问题的方法来纠正造成长期不合格的原因。可以使用诸如排列图分析法及因果分析图等解决问题技术。但是如果仅使用计数型数据将很难理解问题所在，通常尽可能地追溯变差的可疑原因，并借助计量型数据进行分将有利于问题的解决,2020/6/7,126,改善过程能力,2020/6/7,127,绘制并分析修改后过程控制图,当对过程采取了系统的措施后，其效果应在控制图上明显地反应出来；控制图成为验证措施有效性的一种途径。对过程进行改变时，应小心地监视控制。这个变化时期对系统操作会是破坏性，可能造成新的控制问题，掩盖系统变化后的真实效果。在过程改变期间出现的特殊原因变差被识别并纠正后，过程将按一个新的过程均值处于统计控制状态。这个新的均值反映了受控制状态下的性能。可作为现行控制的基础。但是还应对继续系统进行调查和改进。,2020/6/7,128,不合格品数np图,“np”图是用来度量一个检验中的不合格品的数量，与p图不同，np图表示不合格品实际数量而不是与样本的比率。p图和np图适用的基本情况相同，当满足下列情况可选用np图不合格品的实际数量比不合格品率更有意义或更容易报告。各阶段子组的样本容量相同。“np”图的详细说明与p图很相似，不同之处如下：,2020/6/7,129,A收集数据,受检验样本的容量必须相等。分组的周期应按照生产间隔和反馈系统而定。样本容量应足够大使每个子组内都出现几个不合格品，在数据表上记录样本的容量。记录并描绘每个子组内的不合格品数(np)。,2020/6/7,130,B计算控制限,2020/6/7,131,过程控制解释、过程能力解释,C过程控制解释：同“p”图的解释。D过程能力解释：过程能力如下：,2020/6/7,132,缺陷数c图,“c”图内来测量一个检验批内的缺陷的数量，c图要求样本的容量或受检材料的数量恒定，它主要用以下两类检验：不合格分布在连续的产品流上(例如每匹维尼龙上的瑕疪，玻璃上的气泡或电线上绝缘层薄的点)，以及可以用不合格的平均比率表示的地方(如每100平方米维尼龙上暇疵)。在单个的产品检验中可能发现许多不同潜在原因造成的不合格(例如：在一个修理部记录，每辆车或组件可能存在一个或多个不同的不合格)。主要不同之处如下：,2020/6/7,133,A收集数据,检验样本的容量(零件的数量，织物的面积，电线的长度等)要求相等，这样描绘的c值将反映质量性能的变化(缺陷的发生率)而不是外观的变化(样本容量n)，在数据表中记录样本容量；记录并描绘每个子组内的缺陷数(c),2020/6/7,134,B计算控制限,2020/6/7,135,过程控制解释、过程能力解释,C过程控制解释同p图解释D过程能力解释过程能力为c平均值，即固定容量n的样本的缺陷数平均值。,2020/6/7,136,单位产品缺陷数u图,“u”图用来测量具有容量不同的样本(受检材料的量不同)的子组内每检验单位产品之内的缺陷数量。除了缺陷量是按每单位产品为基本量表示以外，它是与c图相似的。“u”图和“c”图适用于相同的数据状况，但如果样本含有多于一个“单位产品”的量，为使报告值更有意义时，可以使用“u”图，并且在不同时期内样本容量不同时必须使用“u”图。“u”图的绘制和“p”图相似，不同之处如下：,2020/6/7,137,A收集数据,各子组样本的容量彼此不必都相同，尽管使它的容量保持在其平均值的正负25%以内可以简化控制限的计算。记录并描绘每个子组内的单位产品缺陷数u=c/n式中c为发现的缺陷数量，n为子组中样本容量(检验报告单位的数量)，c和n都应记录在数据表中。,2020/6/7,138,B计算控制限,2020/6/7,139,过程控制、过程能力解释,C过程控制解释同p图解释D过程能力解释过程能力为u平均，即每报告单元缺陷数平均值。,2020/6/7,140,小结,2020/6/7,141,控制图的绘制流程,2020/6/7,142,使用控制图的准备,建立适用于实施的环境定义过程确定待管理的特性，考虑到顾客的需求当前及潜在的问题区域特性间的相互关系确定测量系统使不必要的变差最小,2020/6/7,143,质量特性与控制图的选择,为保证最终产品的质量特性,需要考虑以下几个方面:认真研究用户对产品质量的要求,确定这些要求那些与质量特性有关,应选择与使用目的有重要关系的质量特性来作为控制的项目.有些虽然不是最终产品质量的特性,但为了达到最终产品的质量目标,而在生产过程中所要求的质量特性也应列为控件目在同样能够满足对产品质量控制的情况下,应该选择容易测定的控件目.用统计方法进行质量控制如无质量特性数据就无法进行.,2020/6/7,144,质量特性与控制图的选择,在同样能够满足产品质量控制的情况下,应选择对生产过程容易采取措施的控件目.为了使控制最终取得最佳效果,应尽量采取影响产品质量特性的根本原因有关的特性或接近根本原因的特性作为控件目.产品的质量特性有时不止一个,则应同时采取几个特性作为控件目.,2020/6/7,145,使用控制图的注意事项,分组问题主要是使在大致相同的条件下所收集的质量特性值分在一组,组中不应有不同本质的数据,以保证组内仅有偶然因素的影响.我们所使用的控制图是以影响过程的许多变动因素中的偶然因素所造成的波动为基准来找出异常因素的,因此,必须先找出过程中偶然因素波动这个基准.,2020/6/7,146,分组时的重要考虑,2020/6/7,147,使用控制图的注意事项,分层问题同样产品用若干台设备进行加工时,由于每台设备工作精度、使用年限、保养状态等都有一定差异,这些差异常常是增加产品质量波动、使散差加大的原因.因此,有必要按不同的设备进行质量分层,也应按不同条件对质量特性值进行分层控制,作分层控制图.另外,当控制图发生异常时,分层又是为了确切地找出原因、采取措施所不可缺少的方法.,2020/6/7,148,复合,层别的说明,2020/6/7,149,寻找并纠正特殊原因,当从数据中已发现了失控的情況时，则必须研究操作过程以便确定其原因。然后纠正该原因并尽可能