SPC统计过程控制

1、致力于管理工具培训 方之見顧問方之見顧問 KCF CONSULTING 方之見顧問方之見顧問 KCF CONSULTING 目录目录 第一章第一章 统计技术基础知识统计技术基础知识 第二章第二章 持续改进和统计过程控制持续改进和统计过程控制 第三章第三章 控制图运用步骤控制图运用步骤 第四章第四章 认识计量型数据的过程能力和过程性能认识计量型数据的过程能力和过程性能 第五章第五章 其它几个计量型控制图其它几个计量型控制图 第六章第六章 计数型控制图计数型控制图 第七章第七章 控制图注意事项控制图注意事项 方之見顧問方之見顧問 KCF CONSULTING 第一章第一章 统计技术基础知识统计技术

2、基础知识 1 1、数据类型、数据类型 2 2、正态分布、正态分布 3 3、二项分布、二项分布 4 4、泊松分布、泊松分布 5 5、总结、总结 方之見顧問方之見顧問 KCF CONSULTING 计量数据的基本统计计量数据的基本统计数据分布数据分布 对一个相同的输出变量Y，多个数据点绘图，它们形成了一个分布。 这些数据点的堆积可以不同的图形来代表： 散点图/概率图 直方图 方之見顧問方之見顧問 KCF CONSULTING 常用统计量常用统计量 中心位置中心位置 平均值 一组数据的算术平均值数法 - 均等反映了所有数据的影响 - 会受极端值强烈影响 中位数 反映50%的那个位置 对一组排序数据点

3、的中心数 对极端值较”坚耐” n X n i nx 1 X 方之見顧問方之見顧問 KCF CONSULTING 常用统计量常用统计量 变异变异 极差: 一组数据中最大值与最小值之间的差 标准偏差(s ; s) : 等于方差的平方根，在量化变异时常用会到 1n )X(X n 1i 2 i s minmax Range 方差等于标准偏差的平方，通常只是为了计算的目的 方之見顧問方之見顧問 KCF CONSULTING 常用统计量常用统计量 总体与样本总体与样本 1 1、表示总体特性的统计量，称为总体特征值，如：、表示总体特性的统计量，称为总体特征值，如： 总体平均数、总体方差、总体标准差总体平均数

4、、总体方差、总体标准差 2 2、表示样本特性的统计量，称为样本统计量，如：、表示样本特性的统计量，称为样本统计量，如： 样本平均数、样本方差、样本标准差、样本极差、移动极差样本平均数、样本方差、样本标准差、样本极差、移动极差 方之見顧問方之見顧問 KCF CONSULTING 总体特征值总体特征值样本统计量样本统计量 名称名称符号符号名称名称符号符号 分布中心位置分布中心位置总体均值总体均值样本均值样本均值 样本中位数样本中位数 数据分散程度数据分散程度总体方差总体方差 总体标准差总体标准差 2 2 样本方差样本方差 样本标准差样本标准差 样本极差样本极差 s s2 2 s s R R x x

5、 方之見顧問方之見顧問 KCF CONSULTING 连续型数据连续型数据了解极差了解极差 以下数据的极差是多少？ 1, 2, 3, 4, 5, 6, 7, 8, 91, 2, 3, 4, 5, 6, 7, 8, 9 以下数据的极差是多少 1, 2, 3, 4, 5, 6, 7, 8, 2001, 2, 3, 4, 5, 6, 7, 8, 200 标准偏差可以用计算机来计算（EXCEL里的STDEV公式） 方之見顧問方之見顧問 KCF CONSULTING 694 696 698 700702 704 706 x 6 6 4 3 1 62+42+12+32+62 s2 = - = 24.5 =

6、 s = 4.95 4 (=n-1) Measurements 701 696 694 706 703 计算标准差计算标准差 方之見顧問方之見顧問 KCF CONSULTING 连续性数据连续性数据平滑平滑( (正态正态) )分布分布 假定数据符合正态分布 假设收集到无限多的数据，这些数据可能看起来像下图 我们可将这些数据看成平滑的分布 红线 757580806060656570705555 InchesInches x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x

7、 x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x xx x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x

8、x x x x x x x x x x x x x x x x x xx x x x 练习：概率分布图 方之見顧問方之見顧問 KCF CONSULTING 正态曲线和概率正态曲线和概率 了解了正态曲线的平均值和标准偏差有助于估计风险 Probability of sample value 43210-1-2-3-4 40% 30% 20% 10% 0% Z-axis (scale in units of s) Number of standard deviations from the mean 95.45%95.45% 68.27%68.27% 99.73%99.73% 在两个值在两个值之间

9、可以得到一個累之间可以得到一個累 積的概率值積的概率值 方之見顧問方之見顧問 KCF CONSULTING 正态分布的应用正态分布的应用 43210- 1- 2- 3- 4 40% 30% 20% 10% 0% Probability of sample value 95.45%95.45% 68.27%68.27% 99.73%99.73% 240255270285225210195 Time (minutes) S XX Z Z-axis X-axis 如果我们货物交付给顾客的平均时间是240分钟，这一过程的标准偏差是15分 钟，那么在270分钟后到货的概率为多少？ 方之見顧問方之見顧問

10、KCF CONSULTING 正态分布的应用正态分布的应用2 2 中国成年男子身高均为168cm,标准差为5.5cm.试计算： 1、身高小于160cm的概率。 2、身高高于180cm的概率。 3、身高介于160-180cm的概率。 方之見顧問方之見顧問 KCF CONSULTING 二项分布二项分布 例：从一批产品中随机抽取进行检测，根据历史数据而知，产品的不 合格率为10%。假设要求产品检测人员每抽取一件产品，检测完毕后， 要放回这批产品中（又称为有放回抽样），检验人员共检测了6件产 品，问检测到的不合格品数分别为0，1，2，3，4，5，6的概率？ X XP P 0 00.5314410.5

11、31441 1 10.3542940.354294 2 20.0984150.098415 3 30.0145800.014580 4 40.0012150.001215 5 50.0000540.000054 6 60.0000010.000001 方之見顧問方之見顧問 KCF CONSULTING 二项分布的均值、方差与标准差二项分布的均值、方差与标准差 E(X)=npE(X)=np Var(X)=np(1-p)Var(X)=np(1-p) pnp1 方之見顧問方之見顧問 KCF CONSULTING 泊松分布泊松分布 质量控制中常遇到这样的情况： 不仅要关注不合格品，而且要关注每件不合格

12、品所包含的不合格项的情况。 , 2 , 1 , 0 , ! )( xe x xp x 1.1.定义定义 设随机变量设随机变量 X X 的可能取值是一切非负整数，的可能取值是一切非负整数，而概率函数是而概率函数是 其中其中常数常数 0, 泊松分布含有一个参数泊松分布含有一个参数 , 通常记作通常记作 P ( ) . 如果如果 X服从服从泊松分布泊松分布 P ( ), 则记为则记为 ).( PX 泊松分布的均值与方差相等，均入泊松分布的均值与方差相等，均入 方之見顧問方之見顧問 KCF CONSULTING 泊松分布泊松分布 在大量试验中，小概率事件发生的次数可以近似地看作服在大量试验中，小概率事

13、件发生的次数可以近似地看作服 从从PoissonPoisson分布。分布。 如：一段时间内电话用户对电话站的呼叫次数如：一段时间内电话用户对电话站的呼叫次数 铸件上的疵点数铸件上的疵点数候车的旅客数候车的旅客数原子放射粒子数等原子放射粒子数等 方之見顧問方之見顧問 KCF CONSULTING 总结总结 连续型数据能有很多可能的数值，计数型数据是不连续的 连续型数据的信息比较丰富，计数型的就要少得多 对位置的测量是平均值和中位数 对离散的测量：标准偏差和极差 图表出来的信息会多于数据 正态曲线可用来估计缺陷的风险 方之見顧問方之見顧問 KCF CONSULTING 第二章第二章 持续改进和统计

14、过程控制持续改进和统计过程控制 1 1、什么是、什么是SPCSPC 2 2、SPCSPC是发展是发展 3 3、控制图的种类、控制图的种类 4 4、控制图的选择、控制图的选择 5 5、中央极限定理、中央极限定理 6 6、 “”及及“”风险风险 7 7、抽样方法、抽样方法 8 8、普通原因和特殊原因、普通原因和特殊原因 方之見顧問方之見顧問 KCF CONSULTING WHAT IS SPC WHAT IS SPC ？ SPC是一种方法论。对过程数据进行收集，利用 加以分析，从分析中发现影响过程的，通过问题分析找出 ，立即采取，使过程恢复正常。并借助 与标准化，以不断。 当控制图失控时，不能指出

15、为什幺失控。 当过程能力不足时，不能指出为什幺不足。 方之見顧問方之見顧問 KCF CONSULTING Shewhart : 控制图控制图之创始人之创始人 控制图是1924年由美国品管大师 W.A. Shewhart博士发明。当时 称为(Statistical Quality Control)。 方之見顧問方之見顧問 KCF CONSULTING 控制图在英国及日本历史控制图在英国及日本历史 英国在1932年，邀请W.A. Shewhart博士到伦敦，主讲统计品 质管制，而提高了英国人将统计方 法应用到工业方面之气氛。 就控制图在工厂中实施来说，英国 比美国为早。 日本在1950年由W.E.

16、 Deming博士引到日 本。 同年日本规格协会成立了品质管制委员会， 制定了相关的JIS标准。 从19501980年，经过30年的努力，日本跃居世界质量与生产率的领先地位。 美国著名质量管理专家伯格(Roger W. Berger)教授指出，日本成功的基石之一就是SPC。 方之見顧問方之見顧問 KCF CONSULTING 产品质量的统计观点产品质量的统计观点 产品质量的统计观点是现代质量管理的基本观点之一： 1、产品的质量具有变异性 2、产品质量的变异性具有统计规律性 （不是通常的确定性现象的确定性规律，而是随机现象的统计规律） 方之見顧問方之見顧問 KCF CONSULTING SPC的

17、的精神精神 识别关键特性 多收集数据 以了解制程 状况 分析特性 了解其正常 波动的范围 控制特性 运用控制限 来探测过程 是否异常 改进特性 不断改进过 程的波动范 围降低COPQ 方之見顧問方之見顧問 KCF CONSULTING SPC&SQC PROCESS原料 測量 結果 针对产品所做的是 在做SQC 针对过程的重要控制参 数所做的才是SPC 针对原料所做的 控制也可属SPC 方之見顧問方之見顧問 KCF CONSULTING SPCSPC用在那里？用在那里？ PROCESSOUTPUTINPUT 消极的地方 只能防堵 积极的地方 可防止不良 积极的地方 可防止不良 方之見顧問方之見

18、顧問 KCF CONSULTING 控制图种类控制图种类(依用途依用途) 分析用控制图 过程分析用 过程能力研究用 过程控制准备用 分析用稳定/可接收控制用 控制用控制图 探测不正常原因 验证异常原因是否消除 方之見顧問方之見顧問 KCF CONSULTING 控制用与分析用控制图的区别控制用与分析用控制图的区别 区别点区别点分析用控制图分析用控制图控制用控制图控制用控制图 过程以前的状态过程以前的状态未知未知已知已知 作图需要子组数作图需要子组数每次每次2020组到组到2525组组每次一组每次一组 控制图的界限控制图的界限需计算需计算延长前控制限延长前控制限 使用目的使用目的了解过程了解过程

19、控制过程控制过程 使用人员使用人员工艺、质管工艺、质管现场操作和管理人员现场操作和管理人员 方之見顧問方之見顧問 KCF CONSULTING 控制图与控制图与APQP 企划 产品设计与开发产品设计与开发 制程设计开发制程设计开发 产品及制程确认 回回 馈馈 评评 鉴鉴 及及 矫矫 正正 措措 施施 生产生产 生产计划 第一阶段 计划和确定 第二阶段 产品设计 开发 第三阶段 制程设计 开发 第四阶段 产品及制 程确认 第五阶段 回馈评鉴及 矫正措施 概念提出 与核准 计划核准原型品试作量产 DFMEA DOE QFD PFMEA DOE QFD PFMEA,MSA SPC、DOE PFMEA

20、,MSA SPC、PPAP QFD 分析？控制？ 方之見顧問方之見顧問 KCF CONSULTING 控制图种类控制图种类(依依数据数据类型类型) 计量值控制图 平均值与极差控制图 平均值与标准差控制图 中位数与极差控制图 个别值与移动极差控制图 计数值控制图 不良率控制图 不良数控制图 缺点数控制图 单位缺点控制图 方之見顧問方之見顧問 KCF CONSULTING 优点: 根据控制图显示，可以 预测将发生之不良状况， 便于调查事故发生的原 因。 样本量少，反应灵敏。 缺点: 在制造过程中,需要经 常抽样、测量、计算后 需点上控制图，较为麻 烦而费时间。 计量型计量型控制图控制图优缺点优缺点

21、 方之見顧問方之見顧問 KCF CONSULTING 优点: 只在生产完成后,才抽 取样本,所需数据能以简 单方法获得之. 对于工厂整个品质情况 了解非常方便。 缺点: 根据控制图信息,有时 无法寻求不良之真正原 因,而不能及时采取处理 措施,而延误时机. 良率越高，样本数越大。 计数型计数型控制图控制图优缺点优缺点 方之見顧問方之見顧問 KCF CONSULTING “n”=1025 控制图的选定 资料性质 不良數或 缺陷數 單位大小 是否一定 “n”是否一定 樣本大小 n2 Cl的性質 “n”是否較大 “u” 圖 “c” 圖 “np” 圖 “p” 圖 X-Rm 圖 X-R 圖 X-R 圖

22、X-s 圖 計數值 計量值 “n”=1 n1 中位數 平均值 “n”=29 缺陷數 不良數 不一定 一定 一定 不一定 控制图的选择控制图的选择 方之見顧問方之見顧問 KCF CONSULTING CASE STUDY 质量特性质量特性样本数样本数可选用什幺图？可选用什幺图？ 长度长度5 5 重量重量1010 乙醇比重乙醇比重1 1 电灯亮不亮电灯亮不亮100100 每一百平方米的脏点每一百平方米的脏点100100平方米平方米 方之見顧問方之見顧問 KCF CONSULTING 样本与总体样本与总体 总体样本抽样 数据 测 试 结论 分析 管 理 方之見顧問方之見顧問 KCF CONSULTI

23、NG 常规常规控制图的统计原理控制图的统计原理 计量型计量型Xbar-RXbar-R Xbar-sXbar-s X X中位数中位数- -R R X-RmX-Rm 正态分布正态分布 计数型计数型P P npnp 二项分布二项分布 计数型计数型C C u u 泊松泊松分布分布 方之見顧問方之見顧問 KCF CONSULTING 正态分布特点正态分布特点 位置：中心值 分布宽度 方之見顧問方之見顧問 KCF CONSULTING 68.27% 95.45% 99.73% +1+2+3-1-2-3 正态分布概率正态分布概率 方之見顧問方之見顧問 KCF CONSULTING 正态分布概率正态分布概率

24、k在内的概率在内的概率在外的概率在外的概率 0.6750.00%50.00% 168.27%31.74% 1.9695.00%5.00% 295.45%4.55% 2.5899.00%1.00% 399.73%0.27% 方之見顧問方之見顧問 KCF CONSULTING 控制图的结构控制图的结构 1 Sigma 2 Sigma 3 Sigma 1 Sigma 2 Sigma 3 Sigma % 数据点的百分比数据点的百分比 UCL ：Upper control limit LCL：Lower control limit 测量特性测量特性 CL：Central Line 时间时间 方之見顧問方

25、之見顧問 KCF CONSULTING 控制图的控制图的作用作用 控制图不仅能将数值以曲线表示出来，以观其变异之趋势，且能显 示变异系属于机遇性（普通原因造成）或非机遇性（异常原因导 致），以指示某种现象是否正常，而采取适当之措施。 利用控制限探测 是否有特殊原因 方之見顧問方之見顧問 KCF CONSULTING 哪一种分布较好？ 方之見顧問方之見顧問 KCF CONSULTING 抽样检验时的 风险亦称为生产者冒险，风险亦称为消费者冒险。 “”及及“”风险风险 判定结果判定结果 批批/ /过程过程 判为不良品判为不良品判为良品判为良品 良品良品1-1- 不良品不良品1-1- 第一种错误第二

26、种错误 方之見顧問方之見顧問 KCF CONSULTING 两种错误两种错误损失损失分析分析 发生第一种错误时, 虚发警报, 由于徒劳地查找原因并为此采取了相 应的措施, 从而造成损失. 因此, 第一种错误又称为徒劳错误。 发生第二种错误时漏发警报, 过程已经处于不稳定状态, 但并未采取 相应的措施, 从而不合格品增加, 也造成损失。 方之見顧問方之見顧問 KCF CONSULTING 控制界限控制界限“”值值 32%32% 2 24.56%4.56% 3 30.27%0.27% 4 40.005%0.005% 控制控制界限与界限与风险风险 方之見顧問方之見顧問 KCF CONSULTING

27、平均值移动平均值移动“”值值 97.72%97.72% 2 284.13%84.13% 3 350%50% 4 415.87%15.87% 过程漂移与过程漂移与风险风险 方之見顧問方之見顧問 KCF CONSULTING 控制控制界限与错误损失界限与错误损失 01362 两种损失的合计 第二种错误损 失 第一种错误 损失 Shewhart Shewhart 用经济平衡点（用经济平衡点（Break even pointBreak even point）求得）求得3 3的界限综合损失最小的界限综合损失最小. . 方之見顧問方之見顧問 KCF CONSULTING 关于关于风险的补充风险的补充 在统

28、计中通常采用=1%，5%，10%三级，但在控制图中为了增强使用 者的信心，所以将定位0.27%，这样就大，这就需要增加第二类 判异准则，即使点子不出界，但当界内的点子排列不随机的时候也 表示存在异常。 方之見顧問方之見顧問 KCF CONSULTING 抽样方法说明抽样方法说明 重点内容 如何确定子组 如何确定子组大小（n） 如何确定抽样频率（f） 如何确定子组数量（k） 方之見顧問方之見顧問 KCF CONSULTING 如何确定子组如何确定子组 必须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, 以保证组内仅有普通原因的影响. 我们所使用的控制图是以影响过程

29、的许多变动因素中的普通原因所造 成的波动为基准来找出异常因素的, 因此, 必须先找出过程中普通 原因波动这个基准. 方之見顧問方之見顧問 KCF CONSULTING 组内变异和组间差异组内变异和组间差异 不同槽之间的谓组间变异，我们在于了解在相同的操作条件之下，不 同槽之间的差异，如果差异很大，表示组间有差异。 同一槽之内的变异谓组内变异，此时就要去分析在同一槽之内是否有 不均之现象。 方之見顧問方之見顧問 KCF CONSULTING 时间 质量特性 制程的变化 如何确定子组如何确定子组正确例子正确例子 让组内变化只有普通原因 让组间变化只有特殊原因 组内变异小 组间变异大 方之見顧問方之

30、見顧問 KCF CONSULTING 如何确定子组如何确定子组错误例子错误例子 如此的取样方式会造成无法有效区别组内变异和组间变异，造成控制界限变宽，无 法有效侦测制造变异。 时间 质量特性 制程的变化 方之見顧問方之見顧問 KCF CONSULTING 使用个别值时 其检出力较差 使用平均值时 其检出力较佳 平均值与个别值的检出力 假设群体移动2 方之見顧問方之見顧問 KCF CONSULTING 采用采用Xbar-RXbar-R比比X-RmX-Rm好好 检出力可以增加。 可以有效判定组内变异和组间变异。 经过平均值之后，其分布会更趋近于正态分布。 方之見顧問方之見顧問 KCF CONSUL

31、TING 每天只抽一组来 代表，是否能代 表制程呢？ 每天如果抽三组 的样本是否更能 代表制程？ 如何确定抽如何确定抽样频率样频率 方之見顧問方之見顧問 KCF CONSULTING 如何确定抽如何确定抽样频率样频率 抽样频率必须考虑以下方面： 过程历史状况 - 经常发生失控，就需要更频繁的抽样； - 若班别切换会导致变更，则每班必须抽到； 发生失控时，对质量的影响程度 抽样的容易程度 抽样和测量样本的费用 通常在量产时，抽样频次为每班或每天1-2次。 方之見顧問方之見顧問 KCF CONSULTING 如何确定抽如何确定抽样频率样频率 初期不了解制程，制程不稳 定，存在组间变异 稳定期后，大

32、部份只存在组内 变异，偶而出现组间变异 快速而频繁的取样，才能掌 握制程的情形，并将各项不 稳定的因子去除 由于制程已相对稳定，我们可 以预测制程变化，所以抽样频 率可较低，但仍应要有代表性 方之見顧問方之見顧問 KCF CONSULTING 初期初期过程研究过程研究抽样频率抽样频率 一个班次之内取二十五组 我们利用在一个班次当中取二十五组，此时由于人、机 料、法、环、测都比较固定，所以所估计出来的组内变 异会比较正确，相关的控制界限比较窄，可以有效地侦 测出不同班别之间的变化，或则组间的变化，如材料变 化、机器变化、参数变化等。 方之見顧問方之見顧問 KCF CONSULTING 长长期期过

33、程研究过程研究抽样频率抽样频率 抽样频率依过程状况 计算而定，可逐步放 宽抽样频率，但必须 满足能力要求。 每2小时，抽一组； 每4小时，抽一组； 每个班，抽一组； 每天抽一组； 每周抽一组。 方之見顧問方之見顧問 KCF CONSULTING 过程过程波动原因波动原因的构成的构成 波动原因 人機器材料 方法測量環境 方之見顧問方之見顧問 KCF CONSULTING 普通原因和特殊原因普通原因和特殊原因 普通原因：指的是造成随着时间推移具有稳定的且可重复的分布过 程中的许多变差的原因，我们称之为：“处于统计控制状态”、 “受统计控制”，或有时简称“受控”，普通原因表现为一个稳定 系统的偶然原

34、因。只有变差的普通原因存在且不改变时，过程的输 出才可以预测。 特殊原因：指的是造成不是始终作用于过程的变差的原因，即当它 们出现时将造成(整个)过程的分布改变。除非所有的特殊原因都被 查找出来并且采取了措施，否则它们将继续用不可预测的方式来影 响过程的输出。如果系统内存在变差的特殊原因，随时间的推移， 过程的输出将不稳定。 方之見顧問方之見顧問 KCF CONSULTING 如果制程中，只有如果制程中，只有普通普通原因原因 存在，则其存在，则其将将形成很稳定的形成很稳定的 分布，而且是可以预测的分布，而且是可以预测的 如果制程中，有如果制程中，有特殊特殊原因存原因存 在，则其在，则其将将为不

35、稳定的分布，为不稳定的分布， 而且无法预测的而且无法预测的 范围范围 时间 可预测可预测 范围范围 时间 不可不可 预测预测 普通原因和特殊原因 方之見顧問方之見顧問 KCF CONSULTING 普通原因、特殊原因示意图普通原因、特殊原因示意图 普通原因 的波动范围 异常原因导致 的波动范围 异常原因导致 的波动范围 UCL LCL 方之見顧問方之見顧問 KCF CONSULTING 普通原因与特殊原因举例普通原因与特殊原因举例 合格原料的微小变化 机械的微小震动 刀具的微量磨损 加工方法局限性 气候、环境的微小变化等等 合格仪器的测量误差 使用不合格原料 设备调整不当 新手作业，违背操作规

36、程 刀具过量磨损 加工方法的改变 过大的测量误差 方之見顧問方之見顧問 KCF CONSULTING 局部措施和系统措施局部措施和系统措施 局部措施 通常用来消除变差的特殊原因 通常由与过程直接相关的人员实施 大约可纠正15%的过程问题 对系统采取措施 通常用来消除变差的普通原因 几乎总是要求管理措施，以便纠正 大约可纠正85%的过程问题 特殊原因解决方法普通原因解决方法 方之見顧問方之見顧問 KCF CONSULTING 局部措施、系统措施示意图局部措施、系统措施示意图 解决普通原因 的系统措施 解决异常原因 的局部措施 解决异常原因 的局部措施 UCL LCL 方之見顧問方之見顧問 KCF

37、 CONSULTING 控控制界限和规格界限制界限和规格界限 规格界限：是用以说明品质特性之最大许可值，来保证各个单位产品 之正确性能。 控制界限：应用于一群单位产品集体之量度，这种量度是从一群中各 个单位产品所得之观测值所计算出来者。 方之見顧問方之見顧問 KCF CONSULTING 范围范围 时间 ( (消除了消除了特殊特殊原因原因) ) 范围范围 时间 ( (存在存在特殊特殊原因原因) ) 过程控制 方之見顧問方之見顧問 KCF CONSULTING (普通原因的变异减少普通原因的变异减少) 規格上限規格上限 規格下限規格下限 范围范围 (普通原因的变异太大普通原因的变异太大) 过程能

38、力 方之見顧問方之見顧問 KCF CONSULTING 过程控制和过程能力过程控制和过程能力 控制控制 满足要求满足要求 过程过程受控受控过程过程不受控不受控 过程过程可接受可接受1 1类类3 3类类 过程过程不可接受不可接受2 2类类4 4类类 方之見顧問方之見顧問 KCF CONSULTING 过程控制和过程能力过程控制和过程能力 以上四类过程包含了现实中的各类过程，那么我们希望的过程是哪一类？以上四类过程包含了现实中的各类过程，那么我们希望的过程是哪一类？ 对不希望的过程如何去处理它呢？对不希望的过程如何去处理它呢？ 1、对于“1”类过程而言，较理想、也是可接受的过程，因为此过程 没有特

39、殊原因的引的变差（处于受控状态）且满足客户要求。 2、对于“2”类过程，虽然受控但由于普通原因导致过程变差过大， 因此须采取系统改善措施来降低普通原因引起变差。 3、对于“3”类过程，虽然满足客户的要求，但因过程存在特殊原因， 这种原因如不消除，随时可能使过程不满足要求，因此须识别引起 过程变差的特殊原因并消除它。 4、对于“4”类过程，因其既存在明显的特殊原因，又可能存在较多 的普通原因影响，因此须首先区分特殊原因和普通原因，然后消除 特殊原因，如过程转变为“2”类过程。 “4 4” - - “3 3” - - “1 1” “4 4” - - “2 2” - - “1 1” 方之見顧問方之見

40、顧問 KCF CONSULTING 第三章第三章 控制图运用步骤控制图运用步骤 1 1、过程改进循环、过程改进循环 2 2、构建、构建SPCSPC步骤步骤 3 3、计算控制界限、计算控制界限 4 4、过程稳定性分析、过程稳定性分析 方之見顧問方之見顧問 KCF CONSULTING 1.分析分析过过程程2.维护维护过过程程 3.改进过程改进过程 过程改进循环过程改进循环 方之見顧問方之見顧問 KCF CONSULTING 一 确立制造流程 二 决定控制项目 三 初始标准化 六 稳定性分析 四 收集数据 问题分析解决 八 过程继续控制 过程变动 七 过程能力分析 五 计算控制界限 九过程改进 构

41、建构建SPCSPC步骤步骤 方之見顧問方之見顧問 KCF CONSULTING 确立制造过程确立制造过程 过程概念 输入输入增加附加价值的活动输出输出 方之見顧問方之見顧問 KCF CONSULTING 制造流程图 确立制造流程确立制造流程 方之見顧問方之見顧問 KCF CONSULTING 决定控制项目决定控制项目 从顾客声音（VOC） 关键质量特性 安全特性 关键特性 主要特性 从关键质量特性（CTQ） 关键过程特性 方之見顧問方之見顧問 KCF CONSULTING 产品产品 / 服务服务 KPCKPC KCCKCCKCCKCCKCCKCC KPC KCCKCCKCC KPC : Key

42、 Product CharacteristicsKCC : Key Control Characteristics 决定控制项目决定控制项目 方之見顧問方之見顧問 KCF CONSULTING 初始标准化初始标准化 合理子组的确定 子组大小的确定 抽样频率的确定 子组数量的确定 试生产控制计划 控制图的选择 计数 (np,p, c, u) 计量 (X-bar/R, X-bar/S, Individual) 方之見顧問方之見顧問 KCF CONSULTING 控控制制计计划划 頁次：3/4 特 性 方 法 样本 制程 编号 制程名称 生产设备/ 治具/模具/ 名称 NO 产 品 制 程 特 性

43、等 级 规格/公差 量测判定方 法 抽 样 数 频率 管制方式 处置计划 裁边机 1. 尺寸 裁切尺寸公差 WI-09-01-E-34 卷尺 1 次 每锅 制程流程单 通知现场 组长,工程 师 2. 热水温度 7020 一次 每班 点检表 5 解板 水洗机 3. 烘干温度 9020 温度 sensor 一次 每班 点检表 通知现场 干部 1. 铜面外观 目视 全检 2. 基材外观 基板规格 WI-10-02-E-02 目视 一次 每锅 计算机文件及制 造流程单 通知现场 组长,工程 师 3. D/S 二次元 一张 十锅 CPK1.67 4. Tg DSC 一张 十锅 Tg 测试记录表 5. D

44、K,Df 介电分析仪 一张 十锅 成测记录表-日 6. 剥离强度 万能试验机 一张 十锅 X-bar R 管制图 7. 耐热性 目视 一张 十锅 成测记录表-日 8. 厚度(offine) 基板规格 WI-10-02-E-02 分厘卡 一张 十锅 X-bar R 管制图 CPK1.67 6 品质检查 9. 厚度(online) 不良率 Cp1.33 过程能力充分，表示技术管理能力已很过程能力充分，表示技术管理能力已很 好，应继续维持。好，应继续维持。 1.33Cp1.0 过程能力充足，表示技术管理能力较勉过程能力充足，表示技术管理能力较勉 强，应设法提高为强，应设法提高为级。级。 1.0Cp0

45、.67 过程能力不足，表示技术管理能力已很过程能力不足，表示技术管理能力已很 差，应采取措施立即改善。差，应采取措施立即改善。 0.67Cp 过程能力严重不足，表示应采取紧急措过程能力严重不足，表示应采取紧急措 施和全面检查，必要时可停工整顿。施和全面检查，必要时可停工整顿。 方之見顧問方之見顧問 KCF CONSULTING 举例 ：螺纹钢板的切割过程经使用已达到受控状态，如下图所示，从控制 图上可获得如下一些统计量： 而其规范限为2103， 试计算CPK值。 212.5,1.2,5xRn 过程能力指数过程能力指数- - CPKCPK的计算的计算 207 208 209 210 211 21

46、2 213 214 215 LSLUSL 方之見顧問方之見顧問 KCF CONSULTING 首先计算标准差的估计值，在n=5时： 这个实际过程指数CPK=0.323是很小的，显得严重不足。 2 1.2 0.516 2.326 212.5207 3.553 330.516 213212.5 0.323 330.516 min,0.323 pL pU pkpLpU R d xLSL C USLx C CCC 再计算： 过程能力指数过程能力指数- - CPKCPK的计算的计算 方之見顧問方之見顧問 KCF CONSULTING 过程能力指数过程能力指数- CPK- CPK的计算的计算 最后利用CP

47、K的另一种形式 1667. 0 2 6 5 .210210 2 T M k 615. 1938. 18333. 0 938. 11667. 011 PPK CkC 方之見顧問方之見顧問 KCF CONSULTING 练习：练习： 请计算下列数据的Cpk，其规格为单边规格就是必须大于 100, 目前的 制程状况为. 5 . 1 ,105x 方之見顧問方之見顧問 KCF CONSULTING 1 )( 3 3 ),min( 6 1 2 n xx Sx P xS P PPP SS P n i i l pl u pu plpupk lu p 过过程程性能性能指指数数 PpkPpk 制程性能指数的计算，

48、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。 方之見顧問方之見顧問 KCF CONSULTING 举例：若金属加工的上、下规范限为： USL=10.22，LSL=10.08 如果已知总平均值 ，它可作为总体均值的估计。其长 期标准差=0.0204。由此算得： 153.10 x 09. 1 0612. 0 067. 0 0204. 03 08.10153.10,153.1022.10min 14. 1 1224. 0 14. 0 0204. 06 08.1022.10 PK P P P 过程性能指数过程性能指数 方之見顧問方之見顧問 KCF CONS

49、ULTING CpkCpk和和PpkPpk的差异的差异 Cpk：只考虑了组内变异，而没有考虑组间变异，所以一定是适用于制 程稳定时，其组间变异很小可以忽略时，不然会高估了制程能力；另 句话也可以说明如果努力将组间变异降低时所能达到的程度。 Ppk：考虑了总变异(组内和组间)，所以是比较真实的情形，所以一般 想要了解真正的制程情形应使用Ppk。 方之見顧問方之見顧問 KCF CONSULTING 10 1418 T 1216 CpCpCPLCPLCPUCPUCPKCPK 13132 21.51.52.52.51.51.5 T 10 14181216 10 1418 T 1216 CpCpCPLC

50、PLCPUCPUCPKCPK 14142 22.02.02.02.02.02.0 CpCpCPLCPLCPUCPUCPKCPK 15152 22.52.51.51.51.51.5 指数差异说明指数差异说明练习练习 方之見顧問方之見顧問 KCF CONSULTING 指数差异说明指数差异说明 CpCpCPLCPLCPUCPUCPKCPK 16162 23.03.01.01.01.1.0 0 CpCpCPLCPLCPUCPUCPKCPK 17172 23.53.50.50.50.50.5 10 1418 T 1216 10 1418 T 1216 方之見顧問方之見顧問 KCF CONSULTING

51、 练习：练习： 在钢珠生产过程中，假定顾客允许的钢珠直径的变异范围为 （10.90,11.00）,请分析过程能力？ 方之見顧問方之見顧問 KCF CONSULTING 11.0211.0010.9810.9610.9410.9210.90 LSL目标USL LSL10.9 目标10.95 USL11 样本均值10.9502 样本 N125 标准差（组内）0.024841 标准差（整体）0.024772 过程数据 Cp0.67 CPL0.67 CPU0.67 Cpk0.67 Pp0.67 PPL0.68 PPU0.67 Ppk0.67 Cpm0.67 整体能力 潜在（组内）能力 PPM USL2

52、4000.00 PPM 合计24000.00 实测性能 PPM USL22581.34 PPM 合计44145.82 预期组内性能 PPM USL22283.41 PPM 合计43558.59 预期整体性能 组内 整体 直直径径 的的过过程程能能力力 两条线重合，这说明，除组内随机误差外，组间差 差异不显著。 CP、CPK两者小于1，说明过程 能力不足，两者没有差异，说 明改进过程时，主要改进的方 面是设法降低过程的波动 PP、PPK两者等于CP、CPK，说明过程能力非常接近过 程固有的能力，过程不存在组间差异的特殊原因，应 从寻找随机因素入手提高过程能力 方之見顧問方之見顧問 KCF CON

53、SULTING 练习：练习： 另外要注意是进行上述之前，先应该验证过程是稳定的，还应验证过程是正态分布，才能进行过程能力计算。 252321191715131197531 10.98 10.95 10.92 样样本本均均值值 _ _ X =10.95024 UCL=10.98369 LCL=10.91679 252321191715131197531 0.10 0.05 0.00 样样本本极极差差 _ R=0.058 UCL=0.1226 LCL=0 252015105 11.00 10.95 10.90 样样本本 值值 11.0211.0010.9810.9610.9410.9210.90

54、LSL目标USL LSL10.90 目标 10.95 USL11.00 规格 11.0511.0010.9510.90 组内 整体 规格 标准差0.0249355 Cp0.67 Cpk0.67 组内 标准差0.024772 Pp0.67 Ppk0.67 Cpm0.67 整体 直直径径 的的 P Pr ro oc ce es ss s C Ca ap pa ab bi il li it ty y S Si ix xp pa ac ck k X Xb ba ar r 控控制制图图 R R 控控制制图图 最最后后 2 25 5 个个子子组组 能能力力直直方方图图 正正态态 概概率率图图 AD:1.1

55、33，P: 0.006 能能力力图图 X控制图、R图以及时25子组的散点图可以用来验证 过程是否稳定 能力直方图、正态概率 图可以用来验证过程是 否服从正态分析 能力直方图、正态概率 图可以用来验证过程是 否服从正态分析 方之見顧問方之見顧問 KCF CONSULTING k s s x k x n xx s n x x k i k i i n i i i 1 2 2 1 1 2 1 1 )( valuesample ofnumber valuesasmple theof sum mk C機器能力指數 方之見顧問方之見顧問 KCF CONSULTING muml C and C values

56、two theofsmallest 3 3 66 mk l ml u mu lu m C S C S C SST C mk C機器能力指數 方之見顧問方之見顧問 KCF CONSULTING 何时应用何时应用Cmk指数指数 新机器验收时 机器大修后 新产品试制时 过程不稳定/不合格追查原因怀疑机器问题时 方之見顧問方之見顧問 KCF CONSULTING Case studyCase study 1 12 23 34 45 56 67 78 89 91010 1 15050474746465050464650504747484850504949 2 2505053534545484848484

57、9494949505050505151 3 34949535349494949505052525050464649495151 4 45252454548484949545451514848494951514646 5 55151505049495252505054545252515153534848 平均平均 s s 方之見顧問方之見顧問 KCF CONSULTING Case study 假设其规格为505，试计算其Cmk？ 方之見顧問方之見顧問 KCF CONSULTING 机器能力指数、短期、长期能力指数机器能力指数、短期、长期能力指数 禨器能力指数禨器能力指数短期能力指数短期能力指数

58、长期能力指数长期能力指数 取样时间：机器生产稳定之取样时间：机器生产稳定之 后约一个小时后约一个小时 取样时间：机器生产稳定之取样时间：机器生产稳定之 后一个班次左右。后一个班次左右。 取样时间：批量生产后，至取样时间：批量生产后，至 少少2525天以上。天以上。 取样样本数：取样样本数：1010组共组共5050个样个样取样样本数：取样样本数：2525组至少组至少100100个个 样样 取样样本数：取样样本数：100100组以上至少组以上至少 500500个样个样 要求：要求：Cmk1.67Cmk1.67短期能力短期能力1.671.67 制程稳定时可用制程稳定时可用CpkCpk 制程不稳定时用

59、制程不稳定时用PpkPpk 长期能力长期能力1.331.33 制程稳定时可用制程稳定时可用CpkCpk 制程不稳定时用制程不稳定时用PpkPpk 目的：先行了解机器能力是目的：先行了解机器能力是 否能保证满足规格要求，如否能保证满足规格要求，如 果机器能力不能保证，后续果机器能力不能保证，后续 的原料、人员变化就不能保的原料、人员变化就不能保 证了。证了。 目的：在于了解短期的制程目的：在于了解短期的制程 能力是否能满足规格要求，能力是否能满足规格要求， 如果短期的制程能力不能保如果短期的制程能力不能保 证时，那幺长期制程能力就证时，那幺长期制程能力就 不能保证。不能保证。 目的：在于了解长期

60、的制程目的：在于了解长期的制程 能力是否能满足规格要求，能力是否能满足规格要求， 如果长期的制程能力不能保如果长期的制程能力不能保 证时，那幺就有生产不良品证时，那幺就有生产不良品 的可能性的可能性 方之見顧問方之見顧問 KCF CONSULTING CpmCpm的说明的说明 2 2 2 1 6 () 1 : specification target pm pm pm C n i C i USLLSL C xT T n T 方之見顧問方之見顧問 KCF CONSULTING CpmCpm例例 假设过程输出如图，分布B的均值12，标准差2；分布A的均值15，标准差0.57；请分别 用Cpk和Cp