统计过程控制.ppt

统计过程控制（SPC）,zen,要点,1、理解质量控制、过程控制和统计过程控制的关系2、过程能力和过程能力指数，学会如何计算3、影响过程能力指数的主要因素4、过程能力指数和不合格率之间的关系5、利用过程分析方法解决过程控制中的实际问题6、控制图,质量控制的三个内容,1、识别并确定过程，以做到及时发现和排除产品实现过程中的变异，使上（过程）工序的问题不带到下一（过程）工序中去，以保证过程的稳定性和产品质量的一致性，这是一项预防性工作，简称过程控制。2、按规定的检验方案，对过程和产品（包括原材料、半成品）进行检验，使检验合格的产品保持一定的质量水平。这是一项验收、鉴定性工作。3、通过质量审核、管理评审、过程控制、产品检验以及顾客反馈等提供的信息，研究分析改进过程，并最终使交付的产品能持续满足顾客的要求。这是一项改进性工作，简称过程改进。,质量控制的重点：过程控制,1、过程是一组输入转化为输出的相互关联或作用的活动；2、过程方法的重点是对每一过程实施有效的控制，并基于对过程的测量分析，使过程得到持续改善。,统计过程控制,1、用统计技术进行过程控制，称统计过程控制，简称SPC（STATUSTICALPROCESSCONCTROL)2、1924年，美国贝尔电话实验室的休哈特首创。,統計基本概念的理解,散布的計算S(總變動：TotalSumofSquares):偏差平方和無偏方差(UnbiasedVariance):S除以自由度（n-1）無偏方差的開方or標準偏差,統計基本概念的理解,統計基本概念的理解,可以說明擁有高Sigma值的工序，具備不良率低的工序能力Sigma值越大品質費用越少，周期越短。,統計基本概念的理解,正態分布：N（60，52）標準正態分布：N（0，12）70分的情況下Z-值是假如規格上限是75分的話，現在的工序能力是Z=2或是2。Z值是已測定的標準偏差（）有幾個能进入平均值到规格上下界限（USL，LSL）之间的测定值。,需要什麼樣的管理？需要什麼樣的技術,長期內的工序能力因工序的中心移動及變動，跟ZltQualityToolsCapabilityAnalysisNormal,五、Mintab计算制程能力,第2步,第3步,第4步,记住:1.报告短期Cpk,2.报告长期PPK,过程潜力指数:是规范范围与6倍的所测量的过程标准偏差的比值.反映过程离散情况.,当过程处于用标准控制图所定义的统计控制状态时,使用Cp.,能力=3xCp,当过程没有处于用标准控制图所定义的统计控制状态时,使用Pp.,四、CPK与PPK之间关系,实际过程表现指数:是过程平均值和靠近的规范极限之差的绝对值与3倍的所测量的过程标准偏差的比值.反映过程中心偏移和离散问题.,客户要求的产品,我们生产的产品,LSL,USL,目标值,CPK=MinCPL,CPU,CPL=X-LSL3P,CPU=USL-X3P,PPL=X-LSL3T,PPU=USL-X3T,PPK=MinPPL,PPU,当过程没有处于用标准控制图所定义的统计控制状态时,使用Ppk.,当过程处于用标准控制图所定义的统计控制状态时,使用Cpk.,实际过程表现指数,六、制程能力等级判断及处理建议,A、CP,B、CPK,工序能力指数与不良率,P2-（3Cp（1+K）+（3Cp（1-K）例题：某零件的热处理温度，假如分布是（762，2）温度设定为7606时计算得出：Cpk（1-K）Cp（T-2）/6（16（762-760）/（6*2）11、Cp1，k2/T0.3332、P2-（3Cp（1+K）+（3Cp（1-K）2-（3*1（1+0.333）+（3*1（1-0.333）2-（3.9999）+(2)=2-0.9999683-0.97725=0.022783、用Z值计算不良率得到的结果一致。,离散型數據分析,用語解釋D（Defect）：缺陷or不良（事項）為了滿足顧客的要求事基而浪費的再作業或失敗的工作。例：把顧客的要求事項記錯的差錯情報。DO（DefectOpportunity）：機會損失（缺陷）可能引發的機會損失（缺陷）的行動或事件。例：須在一張要求式樣上記錄的項目數,离散型數據分析,U（Unit）：元件元件測定可能機會的細節例：要求樣式DPU（DefectPerUnit）：每個元件內存在的缺陷數DPO（DefectPerOpportunity）：每個機會損失數,离散型數據分析,DPMO（DefectPerMillionopportunity）（每百萬要會損失數）1,000,000單元存在的損失數DPO1,000,000轉換SixSigma比率P（ND）=NoneDefect：無損失機會不能成為損失的可能性P（ND）=1-DPO,离散型數據分析,DPU/DPO/DPMO/P(ND)改善發出了張送貨單，其中檢出100個不符合項，如果各單元有10個項目，DPU/DPO/DPMO/P(ND)各是多少？DPU=D/UDPU=100/100=1.0（100%）該值表示平均值，所以每張送貨單包含1個符合項,离散型數據分析,DPO=D/(UOpp)DPO100/(10010)=0.1(10%)該值表示所發出的送貨單的每个最小有1个不良的可能性是10%。DPMO=DPO1,000,000例：上例DPMO是0.11,000,000DPMOP(ND)=1-DPO=1-0.1=0.9(90%),离散型數據分析,利用泊松公式計算收率利用泊松公式這里Y：收率DPU：元件缺陷數R：e：指數函數2.71828,离散型數據分析,r=0時Y=e-dpu對缺陷機會數越大，“Y”越接近“0”,离散型數據分析,ProcessYield（例題）如果750元件有34個的缺陷時，計算DPU/DPO/DPMO/Yield/Sigma各是多少？（各元件有10個的機會數）DPU=缺陷數元件數=34750=0.0453DPO=缺陷數(元件數機會數)=34(75010)=0.00453Yield值是Y=e-dpu=2.7138-0.045=0.9559=95.6%,离散型數據分析,DPMO=DPO1,000,000=0.00451,000,000=4,500PPM一個元件有45,00PPM的缺陷Sigma=Zinv(0.9556)+1.5(偏移）=1.71+1.5=3.21,离散型數據分析,收率的種類FTY(FirstTimeYield)：(單工序單次收率)也就是我们常说的一次提交合格率。表示再作業後沒有修理的收率的值應用：決定個別工序的個別品質水平時使用。RTY(RolledThroughputYield)：全工程一次性直通收率表示一個產品通過全工各沒有經過一次的修理和再作業，到最終合格為止的收率值。應用：在所有工序上按順序的階段來進行累計後，評價品質水平時使用。,离散型數據分析,FTY（FirstTimeYield）,离散型數據分析,工序A有輸入100個Unit（元件）輸入的70%元件沒有缺陷已經銷售輸入的30%元件有缺陷并再作業15個元件修理完畢，15元件報廢現在為止的FinalYield（YF）最終收率是85%因FirstTimeYield（YFT）表示歸初的作業是正确的，所以現在情況下YFT是70%。,离散型數據分析,RTY(RolledThroughputYield)產品A由3個連續的階段來形成的話，YRT/YND的值的值是什麼？,階段1,階段2,階段3,FTY=80%YF=100%,FTY=70%YF=90%,FTY=90%YF=95%,离散型數據分析,RTY是連續的各階段FTY之乘RTY=0.80.70.9=0.504(50.4%)沒有考慮作業計算各階段的平均收率不是算術平均，而使用各階段的幾何平均值YND(NormalizedYield)這里n表示工序的數,离散型數據分析,上例YND(NormalizedYield)各階段平均YFT=79.6%正常收率是全工程平均收率，以YND(NormalizedYield)值來計算Sigma值通過RTY可以知道工程真正的收率（累計直通率）部品數或工序（作業）的階段越少，收率值越大。,FTY、RTY例题,每个子过程的FTY都为99%，那么由50个子过程构成的大过程的RTY只有60.5%，也就是说将有40%的过程输出需经返工或报废处理。也许，经过返修处理后，过程的输出可以100%地交付顾客，用我们传统的产出率的统计方法，这个过程的产出率是100%。但事实上，这个过程中存在着质量、成本和周期的巨大损失。而这些损失是竞争力的损失。,离散型數據分析,YNA(NormalizedYield)：標準收率表示計算連續工序的評價收率的值應用：完成產品的品質水平評價時使用。,离散型數據分析,Rty=Y1Y2Y3Y4=0.990.910.990.991/30.970.98=0.9035YNA=(RTY)1/4=(0.9035)1/4=0.9749損失(缺陷)概率=1-0.9749=0.0251利用正態分布查找0.0251值的Z值，可知Z=1.96,影响工序能力的因素,工序质量及其控制，主要取决于6个因素。人（man)、机（machine）、料(material)法（method）、测（measurment）、法（environment），简称5M1E法：包括管理方法、运行方法测：包括测量装置和测量保证,过程分析的方法,分布图、直方图、分层法、柏拉图。因果图、推移图、控制图、回归分析、方差分析、试验设计等等。强调用图表对过程分析。能用图不用表，能用表不用文字。,监视和控制过程的工具SPC图,控制图是对生产过程中产品质量状况进行实时控制的统计工具，是质量控制中最重要的方法。人们对控制图的评价是：“质量管理始于控制图，亦终于控制图”。控制图主要用于分析判断生产过程的稳定性，及时发现生产过程中的异常现象，查明生产设备和工艺装备的实际精度，为评定产品质量提供依据,控制图的基本样式,横坐标为样本序号，纵坐标为产品质量特性，图上三条平行线分别为：实线CL中心线，虚线UCL上控制界限线，虚线LCL下控制界限线。在生产过程中，定时抽取样本，把测得的数据点一一描在控制图中。如果数据点落在两条控制界限之间，且排列无缺陷，则表明生产过程正常，过程出于控制状态，否则表明生产条件发生异常，需要对过程采取措施，加强管理，使生产过程恢复正常。,（一）控制图的设计原理,1正态性假设：控制图假定质量特性值在生产过程中的波动服从正态分布。23准则：若质量特性值X服从正态分布N（，2），根据正态分布概率性质，有P（-3X+3）=99。73%，也即（-3，+3）是X的实际取值范围。据此原理，若对X设计控制图，则中心线CL=，上下控制界限分别为UCL=-3，LCL=+3。3小概率原理：小概率原理是指小概率的事件一般不会发生。由3准则可知，数据点落在控制界限以外的概率只有0.27%。因此，生产过程正常情况下，质量特性值是不会超过控制界限的，如果超出，则认为生产过程发生异常变化。,（二）控制图的基本种类,按产品质量的特性分类，控制图可分为计量值控制图和计数值控制图1计量值控制图：用于产品质量特性为计量值情形，如长度、重量、时间、强度等连续变量。常用的计量值控制图有：均值极差控制图（图），中位数极差控制图（图），单值移动极差控制图（图），均值标准差控制图（图）。2计数值控制图：用于产品质量特性为不合格品数、不合格品率、缺陷数等离散变量。常用的计数值控制图有：不合格品率控制图（P图），不合格品数控制图（Pn图），单位缺陷数控制图（u图），缺陷数控制图（c图）。,计量型数据吗？,性质上是否均匀或不能按子组取样？,关心的是不合格品率吗？,样本容量是否恒定？,样本容量是否恒定？,子组容量9？,np或p图,p图,C或U图,U图,是,否,是,是,是,是,是,否,否,否,否,否,关心的是单位零件缺陷数吗？,是,选择合适的管制图,（二）控制图的基本种类,按控制图的用途来分，可以分为分析用控制图和控制用控制图。分析用控制图分析用控制图用于分析生产过程是否处于统计控制状态。若经分析后，生产过程处于控制状态且满足质量要求，则把分析用控制图装化为控制用控制图；若经分析后，生产过程处于非统计控制状态，则应查找原因并加以消除。控制用控制图控制用控制图由分析控制图转化而来，用于对生产过程进行连续监控。生产过程中，按照确定的抽样间隔和样本大小抽取样本，在控制图上描点，判断是否处于受控状态。,（三）控制图的判别规则,分析用控制图若控制图上数据点同时满足下表的规则，则认为生产过程处于控制状态。,分析用控制图判别规则,(三).控制用控制图分析,控制用控制中的数据点同时满足下面规则，则认为生产过程处于统计控制状态：规则1：每一个数据点均落在控制界限内；规则2：控制界限内数据点排列无异常情况（参见分析用控制图规则2）。,（四）控制图的制作与判别,以均值极差控制图为例说明控制图的制作与分析方法。均值极差控制图是图（均值控制图）和R图（极差控制图）联合使用的一种控制图，前者用于判断生产过程是否处于或保持在所要求的受控状态，后者用于判断生产过程的标准差是否处于或保持在所要求的受控状态。,计数型控制图例题,案例,例5-3某厂生产一种零件，长度要求为49.500.10（mm），生产过程质量要求为过程能力指数不小于1，为对该过程实施连续控制，试设计均值极差控制图。,案例,1收集数据并加以分组本例每隔2小时，从生产过程中抽取5个零件，测量长度值，形成一组大小为5的样本，一共收集25组样本。,案例,2计算每组的样本均值和极差，,某零件长度各组均值和极差,3计算总均值和极差平均,1,49.5068,0.800,4计算控制界限,X图的控制界限计算,=49.5068+0.5770.800=49.5530,=49.5068,=49.5068-0.5770.800=49.4606,R图的控制界限计算,=2.1150.0800=0.1692,=0.0800,VariablesChartsforSubgroupsXbar-R.3ChooseAllobservationsforachartareinonecolumn,thenenterSupp2.4InSubgroupsizes,enter5.ClickOK.,XandRChart,2、实际生产的一个产品XandRChart,2、XandRChart,（五）控制图几种常见的图形及原因分析,在使用控制图时，除了前面表中的判断规则对生产过程进行正确判断以外，下面所列出的几种观察和分析方法也是十分重要的：（1）数据点出现上、下循环移动的情形对于x图，其原因可能是季节性的环境影响或操作人员的轮换；对于R图，其原因可能是维修计划安排上的问题或操作人员的疲劳。（2）数据点出现朝单一方向变化的趋势对于x图，其原因可能是工具磨损，设备未按期进行检验；对于R图，原材料的均匀性（变好或变坏）；,（五）控制图几种常见的图形及原因分析,（3）连续若干点集中出现在某些不同的数值上对于x图，其原因可能是工具磨损，设备未按期进行检验；对于R图，原因同上。（4）太多的数据点接近中心线若连续13点以上落在中心线的带型区域内，此为小概率事件，该情况也应判为异常。出现的原因是：控制图使用太久没有加以修改而失去了控制作用，或者数据不真实。,计数型控制图案例瑕疵数（C）控制图,1OpentheworksheetEXH_QC.MTW.2ChooseStatControlChartsAttributesChartsC.3I