品质起源可编辑

品质起源? 1924年修华特博士(Dr.W.A.Shewhart)在贝尔试验室发明了品质操纵图；1939年修华特博士与戴明博士(Dr.Deming)合作写了一本『品质观点的统计方法』(StatisticalProcessControl)1. 统计制程操纵(SPC)的差不多概念1.1 质量的差不多概念1.2 统计制程操纵(SPC)是什么？1.3 统计制程操纵(SPC)的起源与进展2. 常用的统计方法2.1 概率2.2 统计特点数2.3 正态分布（NormalDistribution）2.4 中心趋向定律（CentralLimitTheorem）2.5 正常状态的统计规律2.6 常规操纵图及其3σ界限2.7 变异的差不多概念2.8 数据的种类2.9 操纵图的种类3. 计量值操纵图的制作及应用3.1 选择计量值操纵图3.2 数据收集3.3 操纵界限的设定3.4. 操纵界限的更新3.5 操纵界限和规格的关系4. 计数值操纵图的制作及应用4.1 选择计数值操纵图4.2 数据收集4.3 操纵界限的设定4.4 操纵界限的更新5. 操纵图的分析5.1 正常状态5.2 专门现象5.3 失控行动表6. 制程能力的研究6.1 制程能力研究的目的6.2 制程能力指数的运算和分析7. 操纵图与七工具的关系7.1 七工具是什么？7.2 统计分析表Checksheet7.3 分类法Stratification7.4 巴氏图ParetoAnalysis7.5 直方图Histogram/Barchart7.6 因果图Cause-and-EffectDiagram7.7 散布图ScatteredDiagram8. 附录8.1 操纵图用途总表8.2 操纵图的选择8.3 操纵图工作纸8.4 操纵图样本8.5 实习题1. 统计制程操纵(SPC)的差不多概念1.1 质量的差不多概念1.1.1 品质的定义? 杰出的程度 比较的意义：产品（功能、品质、安全、『级数』等）比较；? 品质水准 定量意义：技术评估；? 适合用途（FitnessforUse） 产品或服务，在满足特定需要的能力；? 满足顾客要求。1.1.2 检查与品质? 「品质」并不是靠检查出来，而是靠生产出来的；? 检查只是把所制成的，与规格要求的，作一个比较；? 检查只能停止不合格品的流淌,但不能停止它的产生;? 检查本身都有品质咨询题,存在误检及漏检,专门是复杂和大量的检查.? 检查需要格外的成本和时刻.? 如果产品在第一次便做得对，便可排除废料、翻工及减少顾客投诉；1.1.3 品质与市场竞争能力? 商品要达到畅销目的，通常要有三个必备的条件： 1. 品质优良； 2. 价格合理； 3. 交货期准。1.1.4 影向品质的因素? 人员（Man）；? 机器（Machine)；? 物料（Material）；? 方法（Method）；? 环境(Environment)任何因素的变化都会导致产品或服务的变化,也即不同的品质.品质操纵的理念在于对生产过程的操纵,而不在于对结果的操纵.一致的输入和一致的过程导致一致的输出(产品).1.2 统计制程操纵(SPC)是什么？? 统计制程操纵的英文名称是StatisticalProcessControl或简称为SPC。? 简单地讲确实是应用“统计”（Statistical）技术，去分析“制程”（Process）中的特性，来“操纵”（Control）制程变异。? SPC的目的确实是要操纵制程达到“受操纵的状态”(inStatisticalControl)。? SPC要紧集中在制程的操纵，因为制程是咨询题的根源。它需要在制程中，加入定时的检查，以达到尽早找出咨询题，来减少白费；? SPC典形运用的工具就有品质操纵图，利用简单的图表来提供以下的数据：- 质量改进- 决定工序能力- 产品规格的决定- 生产制程的决定? SPC是一个有效的工具，去持续地改善品质；? SPC的最终目标在于做到“预防咨询题的发生”及“减少白费”。1.3 统计制程操纵(SPC)的起源与进展? (StatisticalMethodfromthepointofQualityControl)；? 第二次世界大战前后，英、美两国将品质操纵图的方法引进制造业，并应用于生产过程中；? 1950年日本的JUSE邀请了戴明博士到日本演讲，介绍了SQC的技术与观念；? 为了纪念戴明博士的奉献，JUSE于1951年成立了戴明奖；? 在1979年美国国家广播公司(NBC)制作了一部『日本能，为何我们不能』的影片，SQC的理论与观念，便受到注意及被应用于制造程序中；? SQC的理论是不足够的。单是在发生咨询题后，才去解决咨询题，是一种白费，因此进而进展出SPC；? 美国汽车制造业，在ＱＳ９０００标准中对SPC的使用提出了自己的要求，推动了SPC的广泛应用.2. 常用的统计方法2.1 概率2.1.1 随机现象? 在一定条件下，一件情况可能显现那个结果，也可能显现另一个结果，没有一定规律，出现一种偶然性，这确实是随机现象了。2.1.2 概率? 一件情况A在n次试验中显现的次数为m，情况A显现的频率等如m/n。? 随着试验次数n的增加，情况A显现的频率m/n就稳固在某个数值p；? 而p就被称为情况A的概率（即或然率），俗称机会率。? 当n是无限大时，p=m/n。2.2 统计特点数2.2.1 统计特点数的定义? 任何由样本运算出来代表样本特点的数字，都称为统计特点数。2.2.2 表示数据集中位置的数字 （MeasureofCentralTendency） _? 平均数x(Mean)? 中位数(Median)? 众数(Mode)2.2.3 表示数据离散程度的数字 （MeasureofDispersion）? 全距R(Range)? 标准差s(StandardDeviation)2.3 正态分布（NormalDistribution）2.3.1 正态分布图形?=频率分布的平均值?=频率分布的标准差如收集数据时样本数目专门大，_x??s??2.3.2 正态分布的特点? 以x=?这条直线为轴，正态分布是一个左右对称的。? 靠近?显现概率较大；远离?显现概率较细。? 分布曲线下的面积代表该段数值的显现机会。曲线范畴 范畴内面积 ????? 68.26% ????2? 95.45% ????3? 99.73% ????4? ６４ＰＰＭ全部范畴 100.00%2.4 中心趋向定律（CentralLimitTheorem）2.4.1 样本数目与频率分布? 若于总体抽取样本，每样本中有n个个体，则该样本平均数不一定会相等于总体的平均数。? 若抽取多个样本，各样本的平均数将会构成另一正态分布如下图：2.4.2 中心趋向定律（CentralLimitTheorem）? 若总体分布并非正态分布，各样本的平均数会否构成另一正态分布？? 以拋掷骰子为例：拋掷骰子的数目越多，骰子的平均数愈趋向正态分布。一粒骰子二粒骰子三粒骰子四粒骰子十粒骰子? 中心趋向定律（CentralLimitTheorem）确实是： 不论总体分布是否正态分布，若抽取样本，而个别样本的数目愈多，样本的平均数愈趋向正态分布。2.5正常状态的统计规律? 产品质量按加工时刻顺序是上下波动的,没有两件产品是完全相同的.? 产品或制程的数据趋向于一个中心值且对称分散于两边.? 生产条件标准化后,产品特点值的分布大都遵循正态分布? 即使总体特点值的分布不遵循正态分布,它的许多重要的样本特点,如样本平均数和样本方差差不多上渐进正态分布的.2.6 常规操纵图及其3σ界限2.6.1第一类错误? 把正确的误判定为错误的.? 白费人力物力2.6.2第二类错误? 把错误的误判定为正确的.? 错过改正的机会2.6.33σ界限? 完全幸免两种错误是不可能的,只有将这两种错误产生的缺失和减低到最小? 若产品质量特性值服从正态分布,在正常的生产过程中,产品特点值落在操纵界限±3σ之外的机会为0.27%.? 也确实是讲1000次中约有3次会将正常的状态判别为专门.? 如此的错误是能够保证质量同时成本可同意的.2.7 变异的差不多概念2.7.1 随机变异缘故(ChanceCause)? 一定存在各制程中；? 形成一个较稳固的状态；? 对质量波动的阻碍不大? 不易识别? 难以幸免? 例如:刀具的磨损,温度的变化2.7.2 专门变异缘故(SpecialCause/AssignableCause)? 偶然性发生,具有专门的条件? 引起质量的较大变化? 易于识别? 易于排除? 例如:材料规格变更,模具变更,新的工艺2.8 数据的种类2.8.1 计量值数据? 如长度、重量等；? 其特点是能够连续地读取这些数据。2.8.2 计数值数据? 如不合格个数、缺点数等；? 其特点是不能够连续地读取这些数据，只可读取整数。2.9 操纵图的种类2.9.1 常用计量值操纵图 _? 平均值-全距操纵图 x-R操纵图 _? 平均值-标准差操纵图 x-s操纵图? 个别值-移动全距操纵图 x-R操纵图? 中心值–全距操纵图 x-R操纵图2.9.2 常用计数值操纵图? 不良数操纵图 np操纵图? 不良率操纵图 p操纵图? 缺点数操纵图 c操纵图? 单位缺点数操纵图 u操纵图3. 计量值操纵图的制作及应用3.1 选择计量值操纵图? 计量值操纵图是监察在制程中质量特性自然变化的倾向，而所提供的数据差不多上以可量度的数值为单位，图表是用作测试制程中是否存在专门变异缘故的影向。? 常用的计量值操纵图种类及用途有：操纵图种类 用途 代表性平均值-全距及平均值-标准差 ? 平均值的图表是用于观看样本平均值的转变；? 全距和标准差是用于观看误差的变化情形 每一样本的平均数个别值-移动全距 ? 个别值的图表是用于观看每一个数值的变化；? 移动全距用作观看误差的变化情形。 每一数据的平均数? 选用计量值操纵图，通常会按检查抽样数目多寡来决定。抽样数目 管制图种类2-6 ? 平均值-全距管制图?6 ? 平均值-标准差管制图=1 ? 个别值-移动全距管制图? 附录I和II提供各种管制图的方法和选择准则以供参考。接下来，我们将先集中在『平均值–全距操纵图』；然后才解讲『平均值–标准差操纵图』和『个别值–全距操纵图』。 _『平均值–全距操纵图(x-R操纵图)』包括了两个操纵图，它们是『平均值操纵图』和『全距操纵图』。『平均值操纵图』是用作观看样本平均值的变化；而另一种操纵图，『全距操纵图』是用作观看数据收集的散布情形。那个地点要指出的是『全距操纵图』通常是适用于少于七的抽样数。而超过或于七的抽样数，『标准差操纵图』较为适合。3.2 数据收集3.2.1 选择有代表性的质量特性? 收集数据的目的是：a. 制程治理：把握制程生产的波动范畴，决定制程生产是否稳固，有无专门变异。b. 情形分析：把握和分析制程或产品显现专门变异的缘故，及制订出纠正和预防再发生的措施。c. 产品检查：检查收发的物品是否合格。? 收集的数据一定是要选择具有代表制程质量操纵的特性；而数据是可量度的。? 当选择有代表性的质量特性时，能够参考以下的指引。a. 优先选取经常显现次品的质量特性；能够利用柏拉图分析法去决定优先次序。b. 识别工序的变异因素和对成品质量的影向，继而决定应用操纵图的生产工序。例如：模温、塑料的温度、压力、塑注件重量等差不多上一些会影向塑注件尺吋的工序变异因素。3.2.2 选取样本当我们袛选取一个数据抽样数，我们应该取最末的数据或差不多最末的，因为我们期望能获得最新及最迟的资料；当我们选取较大的抽样数，例如5个，我们也要包括最末的数据，或差不多最末的。但我们选取其它4个数据时，有两个选取的方法。a. 即是抽样方法 当成品在某一个时刻开始生产，实时任意地抽取样本。b. 期间抽样方法 在某一期间内选取样本，实时抽样方法能够提供时刻上的参考作为找出变异的因素和更快地显示工序平均值的转变。期间抽样方法能够提供较全面的结果。3.2.3 设定抽样数目抽取一部机器或工序的变量通常都以“数量少和经常性”为原则。在某一情形下，抽样数的决定有以下的决定因素。a. 抽样频率b. 经济因素c. 统计学上的准确度正常来讲，平均值和全距操纵图的抽样数大约在4和7之间。因为5是一个较为方便处理的抽样数，因此，我们通常以5作为一个标准。所以，如果有另外一个抽样数更适合，我们能够使用。3.2.4 设定抽样的次数决定抽样的次数差不多上是一个经济上的咨询题。– 抽样次数越多，查验的成本所以越大；– 抽样次数越少，不合标准的产品生产也越大。因此，抽样次数的目的是期望上述两种成本的总和达到最少。通常的惯例是两次开机之间，抽样次数是20-25次。另一种方法是在生产的初期，抽样数较频密；当确定工序受到操纵，续渐减少抽样次数。理论上，抽样的频率和抽样数能够用数学的方式运算。而实际上，它是按照下列的因素决定。a. 产品/工序的质量表现历史b. 查验机械/人手的资源c. 估量的查验成本和损坏成本作为一个指引，下列附表是能够用来估量初部抽样需要的数目。 批量 样本数 1 - 65 5 66 - 110 10 111 - 180 15 181 - 300 25 301 - 500 30 501 - 800 35 801 - 1300 40 1301 - 3200 50 3201 - 8000 60 8001 - 22000 85例如：某制程每一班生产3000件产品。由上例的附表，我们应该每一班制抽取50件。如果我们使用每一组别是5的抽样数，那么10个抽样组(50/5)会在每一班制内抽取。 在一个8小时的班制内共有480分钟。那么，我们需要每48分钟(480/10)抽取一组样本。 因此，在这例子中，我们便要每48分钟抽取5件样本。3.2.5 收集样本的次数在设置操纵图的时侯，我们需要收集最少20组抽样数。所以，有某些数据是会在运算操纵界限时被弃置的，那么25个抽样组会比较更适合。3.3 操纵界限的设定3.3.1 设定『全距操纵图』的操纵界限 _ ?Ri R = k _ UCLR = D4 R _ LCLR = D3 R 注： Ri = 第i个操纵分组的全距数据 _ R = 所有样本的平均全距 k = 样本个数（组数） UCLR = 全距的上操纵界限 LCLR = 全距的下操纵界限样本数目 D3 D4 2 0 3.267 3 0 2.574 4 0 2.282 5 0 2.114 6 0 2.004 7 0.076 1.924 8 0.136 1.864 9 0.184 1.816 10 0.223 1.7773.3.2 测试全距是否在统计操纵之内有三种可能的形式a. 所有的样本全距数据都所括在操纵界限之内b. 一个或二个样本全距数据超越操纵界限c. 三个或以上样本全距数据超越操纵界限以下是一个用来修正以上可能性的决策图。3.3.3 设定『平均值操纵图』的操纵界限当发觉样本全距在统计的操纵范畴后，我们便能够连续用下面的方程式去运算平均值图的操纵界限。 _ = ?xi x = k = _ UCLx = x+A2 R = _ LCLx = x-A2 R =注： x = 所有抽样组平均值的平均值 _ xi = 第i个抽样组的平均值 k = 样本个数（组数） UCLx = 平均值的上操纵界限 LCLx = 平均值的下操纵界限样本数目 A2 2 1.880 3 1.023 4 0.729 5 0.577 6 0.483 7 0.419 8 0.373 9 0.337 10 0.3083.3.4 测试平均值是否在统计操纵之内如全距测试一样，平均值也有三种可能的形式：a. 所有的样本平均值都所括在操纵界限之内b. 一个或二个样本平均值超越操纵界限c. 三个或以上样本平均值超越操纵界限以下是一个用来修正以上可能性的决策图。3.3.5 设定『平均值和标准差操纵图』的操纵界限因运算上的便利，『平均值和全距操纵图』，以成为最常用的计数值操纵图。但也有一些较喜爱使用标准差‘S’作为观看抽样组中数据的分布。在『标准差操纵图』的运算，是运算抽样组中所有的数据，而不是像『全距操纵图』祗选取最高和最低的数据。当抽样组中的抽样数目增大，『标准差操纵图』是较『全距操纵图』准确的。在那个地点，我们提议在可能的情形下或当抽样数大于6的时侯使用标准差操纵图。『平均值和标准差操纵图』的制作部骤是近似『平均值和全距操纵图』。两者不同的是运算平均值和标准差操纵界限的方程式。运算初试操纵界限的方程式如下： _ = ?xi x = k _ ?si s = k = _ UCLx = x+A3 s = _ LCLx = x-A3 s _ UCLs = B4 s _ LCLs = B3 s =注： x = 所有抽样组平均值的平均值 xi = 第i个抽样组的平均值 _ s = 所有样本的平均标准差 si = 第i个抽样组的标准差 k = 样本个数（组数） UCLx = 平均值的上操纵界限 LCLx = 平均值的下操纵界限 UCLs = 标准差的上操纵界限 LCLs = 标准差的下操纵界限样本数目 A3 B3 B4 2 2.659 0 3.267 3 1.954 0 2.568 4 1.628 0 2.282 5 1.427 0 2.089 6 1.287 0.030 1.970 7 1.182 0.118 1.882 8 1.099 0.185 1.815 9 1.032 0.239 1.761 10 0.975 0.284 1.7163.3.6 设定『个别值和全距操纵图』的操纵界限『个别值和全距操纵图』是用于专门的情形。例如：加工时刻较长或当我们监察工序的状态，如电镀液的pH值，此操纵图是按照个别的量度数据而不是小量抽样的。『个别值和全距操纵图』是适用于尽快发觉并排除专门缘故，零件批量较少，加工时刻较长，测量费用较高的场合，工序产品内部质量平均，不需测取多个数值的情形。要设置一个『个别值和全距操纵图』，我们需要大约20个数据。而设置的步骤和操纵界限大致和『平均值和全距操纵图』相同。中心线和操纵界限的方程式如下: _ ?x x = k _ ?R R = k-1 Ri =|xi-1-xi| _ _ UCLx = x+2.66 R _ _ LCLx = x-2.66 R _ UCLR = 3.268 R LCLR = 0 _注： x = 所有样本的平均个别值 xi = 第i个抽样组的个别值 _ R = 所有样本的平均移动全距 Ri = 第i个抽样组的移动全距 k = 样本个数（组数） UCLx = 个别值的上操纵界限 LCLx = 个别值的下操纵界限 UCLR = 全距的上操纵界限 LCLR = 全距的下操纵界限3.4 操纵界限的更新操纵界限设置后，便能够作为正常工序生产的监察和操纵。初期用作运算的工序质量特性，会随着环境而转变。因此，理想的做法是操纵界限会定期检讨。定期检讨和是否重新运算的需要会视符工序和操作情形的转变而定。我们提议重新运算会在下列的情形实行。a. 使用新的工序b. 使用新的机器c. 现时的工序情形有改变d. 机器操作的情形有改变3.5 操纵界限和规格界限的关系我们一定要幸免把规格界限放置在操纵图，理由有两个：第一，操纵图的操纵界限是按照制程中的可变性而设定，但规格界限是从设计时期决定。它们没有（或不定有）直截了当的关系。第二点理由是规格界限以操纵个别的数值而不是平均的数值或其它统计的数值。专门多统计制程操纵的初学者经常把操纵界限和规格界限的真正意义混淆。下面把操纵界限和规格界限作一直截了当比较。操纵界限 规格界限? 用作决定工序是否在统计操纵的范畴内 ? 用作决定组件是否乎合规格? 好的工序操纵，操纵界限一定在规格界限之内 ? 为了达到最低的生产成本，规格界限一定要在操纵界限之外? 如果有点子在操纵界限之外，即表示工序不在管制范畴和有非机遇性的因素存在 ? 如果点子在操纵范畴之内，而不在规格界限之内，即表示工序已在统计操纵范畴内，但仍没有能力生产乎合规格产品4. 计数值操纵图的制作及应用4.1 选择计数值操纵图? 计数值在质量操纵的范畴中是用作为量度那些不能够用量度数值代表的质量特性。更简单的是那些质量特性能够判定允收或拒收。? 典形的计数值有: –汽车档风玻璃的气泡 –涂漆表面的抓痕 –测试不合规格的单位 –外壳的缺点? 计数值操纵图的作用，包括：a. 决定质量的平均水平；b. 当平均质量水平转变，给治理阶层一个信息；c. 提升产品的质量；d. 在付运给顾客前决定产品的允收特点。? 计数值操纵图有两种不同的组别。a. 不良品操纵图： 一样是建基于『二项分布（Binomialdistribution）』。『不良率操纵图（pchart）』是用来显示在生产进中的不良品的比率；而『不良数操纵图（npchart）』是监生产中的不良品的数目。b. 缺点操纵图: 它是建基于『泊松分布（Poissondistribution）』。『缺点数操纵图（cchart）』是显示在查验之工件上发觉的缺点数目；另一个相似的操纵图是『单位缺点数操纵图（uchart）』是显示平均每一查验之工件的单位缺点数目。? 计数值操纵图的样本数目：操纵图 每次样本数目不良数（np） 不变不良率（p） 可变缺点数（c） 不变单位缺点数（u） 可变? 下列的流程图能够作为一个指引去选择合适的计数值操纵图：接下来，我们将先集中在『不良率操纵图』；然后才解讲『不良数操纵图』、『缺点数操纵图』和『单位缺点数操纵图』。『不良率操纵图（pchart）』是显示在某一样本组内发生事件之数目对全部事件的比值。在统计制程操纵中，『不良率操纵图（pchart）』是用作报告产品内的不良品比率。不良率的设计是能够应对在不同样本数目中的不良品，但我们提议在可能的情形下祗使用一个样本数目。一个不良率操纵图的设置是用作操纵单一质量特性或一组质量性中的不良率。同时也能够设置作为操作员，工作间或某一班制的表现操纵。4.2 数据收集4.2.1 决定样本以下各是作为决定样本数的参考：a. 样本数最少大于50个单位b. 常用的惯例，样本数目的多少一定能够足够找出4个或以上的不良品。在实际的运作中，选取样本数是需要一些初部的观看来找出不良率和平均不良数的粗略数据，以便足够的数据来制作图表。c. 幸免在一段长时刻内选取一个大的样本数。4.2.2 收集样和记录数据最少收取20个样本4.3 操纵界限的设定4.3.1 设定『不良率操纵图』的操纵界限 di pi = ni _ ?di p = ?ni _ _ _ UCLp = p+3 √[ p (1-p)/ni] _ _ _ LCLp = p-3 √[ p (1-p)/ni]注： di = 第i个操纵分组的不良品数目 ni = 第i个操纵分组的样本数目 pi = 第i个操纵分组的不良率 _ p = 所有样本的平均不良率 UCLp = 不良率的上操纵界限 LCLp = 不良率的下操纵界限如果算出的下操纵界限是负数，设下操纵界限等于零。4.3.2 测试不良率是否在统计操纵之内有三种可能的形式a. 所有的样本不良率都所括在操纵界限之内b. 一个或二个样本不良率超越操纵界限c. 三个或以上样本不良率超越操纵界限以下是一个用来修正以上可能性的决策图。4.3.3 设定『不良数操纵图』的操纵界限使用『不良数操纵图』的法则是样本数目一定是常数。『不良数操纵图』的设置步骤与『不良率操纵图』专门相似，唯独的分别是『不良数操纵图』的记录是不良品的数目，而『不良率操纵图』是不良的比率。 上操纵界限和下操纵界限的运算公式如下： __ ?di np = k __ __ __ UCLnp = np +3√[ np (1-np/n)] __ __ __ LCLnp = np -3√[ np (1-np/n)]注： di = 第i个操纵分组的不良品数目 n = 样本数目 k = 样本个数（组数） __ np = 所有样本的平均不良数 UCLnp = 不良数的上操纵界限 LCLnp = 不良数的下操纵界限如果算出的下操纵界限是负数，设下操纵界限等于零。当『不良数操纵图』的设置完成，便能够按照『不良数操纵图』的决策图步骤和视符超越界限的不良数数目来采取行动。4.3.4 设定『缺点数操纵图』的操纵界限『缺点数操纵图』是把查验单位的缺点数目显示在图表中。它是运算在每一个查验单位，如桌子，一匹布，一块挡风玻璃，某一平面涂漆的缺点数目。一个查验单位也能够包括一组的组件（例如：一块线路板上的三极管），它能够协助我们监察工序和追查缺点的种类和数目。『缺点数操纵图』的设置和『不良率操纵图』专门相似，唯独的分别是使用的公式。 _ ?ci c = k _ _ UCLc = c+3 √(c) _ _ LCLc = c-3 √(c)注： ci = 第i个操纵分组的缺点数数目 k = 样本个数（组数） _ c = 所有样本的平均缺点数 UCLc = 缺点数的上操纵界限 LCLc = 缺点数的下操纵界限如果算出的下操纵界限是负数，设下操纵界限等于零。当『缺点数操纵图』的设置完成，便能够按照『不良数操纵图』的决策图步骤和视符超越界限的缺点数数目来采取行动。4.3.5 设定『单位缺点数操纵图』的操纵界限『缺点数操纵图』是适用于样本数的数目是单一单位，如果样本数是可变的，『单位缺点数操纵图』会较为适合。『单位缺点数操纵图』的设置大致上与『缺点数操纵图』相似，使用的公式如下： ci ui = ni _ ?ci u = ?ni _ _ UCLu = u+3 √( u/ni) _ _ LCLu = u-3 √( u /ni]注： ci = 第i个操纵分组的缺点数数目 ni = 第i个操纵分组的样本数目 ui = 第i个操纵分组的单位缺点数 _ u = 所有样本的平均单位缺点数 UCLu = 单位缺点数的上操纵界限 LCLu = 单位缺点数的下操纵界限如果算出的下操纵界限是负数，设下操纵界限等于零。当『单位缺点数操纵图』的设置完成，便能够按照『不良数操纵图』的决策图步骤和视符超越界限的缺点数数目来采取行动。4.4 操纵界限的更新与计量值的操纵图一样，计数值的操纵图的操纵界限是应该随着工序情形的转变而定期检讨的。5. 操纵图的分析5.1 正常状态操纵图的点子反映了生产制程的稳固程度。当操纵图满足下列条件，我们就认为生产制程差不多处于正常状态：a. 点子没有跳出操纵界限；b. 点子在操纵界限内排列没有专门。5.2 专门现象小概率事件在有限次试验中被认为不可能显现,如显现则认为存在专门现象.5.2.1 连点在中心线的任何一方，有连续的点子就称为连点。如果连点的数目等于七或以上，我们便可总结在制程中，有不正常的因素存在。5.2.2 趋势如果有连续的点子上升或下降，我们便称之为趋势。我们考虑如果有连续七个点子的升或降的趋势时，在制程中会有不正常的因素存在。5.2.3 周期性如果点子显示相同的转变型(即升或降)显现在相同的时刻差别时，即点子的轨迹有规律地变化，我们便称之为周期性的型态。5.2.4 靠紧当点子紧靠操纵界限时，我们便称之为界限紧靠。5.2.5 水平的转变因点子的型态急趋于上升或下降时，而产生一个新的水平。5.3 修正和预防行动的指引5.3.1 『修正和预防行动的指引』的目的? 我们要订立一种策略去应对专门事故的发生。如果对统计操纵图的讯号没有正确的响应。统计制程操纵的打算便失去意义。? 当有专门的因素存在是需要采取行动去找寻缘故。最初的步骤是运用操作员的技术和体会。如果不足够，便需要设置一个咨询题解小组。操作员，主管和技术员是那个小组的核心，但实际的性质要视乎个别的咨询题。? 最重要的是，统计制程操纵打就是一定需要对操纵表和分析的职员的工作和责任有一套策略和清晰的指引，处理专门事故的守则是需要设置。? 进行统计制程操纵的成功和失败的分别在于对产生失去操纵后，采取行动而把工序重回范畴内的所需时刻。要减低此部份的延误，建议采纳『修正和预防行动的指引』。? 『修正和预防行动的指引』是一份咨询题解决指引，里面清晰地列明跟催的步骤；所有的解决方法到预先制订，因此，当有事故产生，不需要白费时刻去决定解决的方法。? 一方面，它可协助操作员独自解决咨询题及认明专门的行动来促使工序回复正常。? 另一方面，此指引也提供一份资料作为培训新的操作员和工程师。5.3.2 设置『修正和预防行动的指引』的步骤设置『修正和预防行动的指引』的步骤如下：a. 认明所有在查验时会可能发生的潜在性缺陷和情形。如果可能性的缺点太多，选取最重要的和经常性的。b. 对每一种缺点和情形都设定可能的因素。此步骤的目的是深入懂得咨询题和协助认明预防的行动。如果有多于一种的可能性因素，便跟据可能性的先后排列出来。c. 了解缺点的种类后，便可在各部门设置修正及防止性的行动。5.3.3 四种常见的『修正和预防行动的指引』四种常见的缺点和『修正及预防行动的指引』如下:缺点种类 描述 负责部门 修正行动 预防行动手艺 缺点是因有意识或无意地不跟随预定的方法或工序 ? 生产部 1. 报废2. 重做或修理3. 重验 1. 提升操作员的警觉性2. 实行工序抽查3. 执行公司工艺质量的政策产品设计 缺点因产品设计或规格的错误 ? 设计部/工程部 ? 1. 代替? 2. 重做? 3. 报废? 4. 重验? ? 1. 提出工程? 修改? 工序 缺点因错用不正确的方法，工具或机器 ? 制造工程 ? 1. 重做? 2. 修改? 3. 报废? 4. 重验? ? 1. 调较机器? 或工序变? 数? 2. 修理工具? 或机器? 3. 转换工序? 组件 因内部的缘故或外来的供货商提供有缺点的组件 ? 质量部 ? 1. 重做? 2. 修改? 3. 报废? 4. 退回供应? 商? ? 外在? 1. 进行严格? 的来料查? 验? 2. 反映事实? 给供货商? 内在? 1. 提升查验? 的效率6. 制程能力的研究6.1 制程能力研究的目的? 当生产部经理审查一个制造工序时，经常都会咨询以下的两个咨询题：a. 工序是否在统计制程操纵范畴下?b. 工序的能力是否达到要求?我们在上面所谈的几课已谈及第一个咨询题。此部份我们会谈一谈第二个咨询题，工序能力是考虑工序的表现和能力是否达到规格的要求。工序能力的分析可分为以下两种：a. 机器和工序操作的能力研究 机器能力的研究是在一个操纵状态下，调查工序的实际加工能力，普遍来讲，此机器袛是整个工序的一部份和研究时刻会比较短。在研究时刻内，操作员不可调较机器，物料和质量都需要在操纵范畴内，而用作量度的仪器也需精确的调较。此项研究能够协助我们决定此机器是否有足够的能力去生产合乎规格的零件。b. 整体工序能力研究 它分析在整体的工序中，所有可变的质量特性的变化。此项研究需较长的时刻，通常30日或以上。如果工序的分布超出宽容界限，拒收的产品会连续显现。当发生时，能够采取以下的三程行动。a. 把产品归纳为允和拒收两大类b. 改进机器，物料，制造方法，操作员的培训和其它工序困素已减低工序的可变性。c.