过程能力分析PPT课件

1、基础统计学,过程能力分析,2,2020/6/24,模块目的,过程变异 过程能力 规格，过程控制限 过程潜在能力 vs 过程应有能力 短期与长期过程能力 非正态数据的过程能力 周期时间 (指数分布) 次品率 (二项式分布) 缺陷率 (泊松分布),3,2020/6/24,过程变异,过程变异是单个测量或产品生产流程中不可避免的差异. 变异的来源 产品内 (位置之间的差异) 产品间 (产品之间的差异) 不同批次 (批次之间的差异) 不同生产线 (生产线之间的差异) 交错时间 (时间之间的差异) 测量系统中的错误 (重复性与再现性),4,2020/6/24,变异的模型,机会,短期,短期,短期,短期,长期

2、,5,2020/6/24,变异类型,固有变异 由许多小的不可避免的因素累积而成的变异； 一个由一般因素导致的流程变异称为“统计受控”； “in statistical control”,6,2020/6/24,变异类别,特殊变异 可能是由于 a)不正确的设备调节器整； b)操作员的错误操作 c)有缺陷的原材料 一个由特殊因素导致的流程变异称为“不受控”； “out-of-control”,7,2020/6/24,过程能力,能力度量阐述了过程的输出是如何充分的满足客户的规格要求. 通过以下指标来衡量： a) percentage (%) b) parts per million (ppm) pa

3、rts per billion (ppb) 举例说明： PPM (Parts Per Million)说明了在1,000,000个部件的组中有多少个不良部件同时也反映了缺陷率和合格率。 举例说明: 100,000 PPM 反映了90% 服从了规格要求。 Cp (s-p) 说明了规格范围和过程输出范围的比率（） 举例说明: 温度规格范围: 68 to 72 0F 过程温度范围: 69 to 71 0F Cp = (72-68)/(71-69) = 4/2 = 2.0,8,2020/6/24,过程能力,使我们根据数据分配资源! (这可不常见!) 缺陷率得以量化 确认可改进机会 分析过程能力可使组织

4、预测其所有产品和服务的真实质量水平 确认过程发生问题的本质-居中程度或分散度,为何测量过程能力?,9,2020/6/24,过程能力 vs. 规格界限,a),b),c),a) 过程能力高 b) 过程能力一般 c) 过程能力不足,10,2020/6/24,三种界限类型,规格界限 (LSL和USL) 由设计工程师根据客户的要求，对产品特性参数设置的公差范围； 过程界限 (LPL和UPL) 衡量过程的变异； 一般测量特性的6界限； 控制界限 (LCL和UCL) 测量样本统计变量的变异（均值，变异，比率，等等）,11,2020/6/24,三种界限类型,单个值分布 样本均值分布,12,2020/6/24,

5、过程能力指数,两种方法衡量过程能力 过程潜在能力：对应有能力的最佳估计之一 Cp 过程应有能力：可观察到的最佳短期过程性能 Cpu Cpl Cpk,13,2020/6/24,过程潜在能力,Cp 用来评估一般6变异的过程是否在规格界限之内.,产品容许偏差,+3,-3,过程容许偏差,例子: 过程平均值为 325, 标准差为 15, 标准上限为 380，下限为 270 Cp是多少? 若平均值为355而标准差不变 Cp 又是多少?,14,2020/6/24,过程潜在能力,Cp = 1.0意味着当过程居中时刚刚能达到客户标准即当过程居中时，将会有0.27%的产品将会超出规格界限. Cp Reject R

6、ate 1.00 0.270 % 1.33 0.007 % 1.50 6.8 ppm 2.00 2.0 ppb,15,2020/6/24,过程潜在能力,a),b),c),a) 过程能力高 (Cp2) b) 过程能力一般 (Cp=1 to 2) c) 过程能力不足 (Cp1.5) b) 过程能力一般 (Cpk=1 to 1.5) c) 过程能力不足 (Cpk1),a),Cp = 2 Cpk = 2,b),Cp = 2 Cpk = 1,c),Cp = 2 Cpk Capability Analysis (Normal),48,2020/6/24,例 5,按下列方法分析数据 Stats Qualit

7、y Tools Capability Analysis (Normal),为什么这种分析可能有缺陷?,49,2020/6/24,例 5,按下列方法分析数据 Stats Quality Tools Capability Analysis (Non-Normal),50,2020/6/24,按下列方法分析数据 Stats Quality Tools Capability Sixpack (Non-Normal),例 5,51,2020/6/24,例 5A,又采集了每月达到要求比例的数据并存入 SliderBurger2.mtw中,二项式分布过程能力分析,52,2020/6/24,例 5A,分析二项

8、式分布过程能力 Stats Quality Tools Capability Analysis (Binomial),53,2020/6/24,分析二项式分布过程能力 Stats Quality Tools Capability Analysis (Binomial),例 5A,结果是短期还是长期的?,Ppk = ZLT / 3 = 1.221 / 3 = .407,54,2020/6/24,缺陷率过程能力的计算,泊松分布可应用于: 错误比率 粒子数量 化学浓度分析,55,2020/6/24,缺陷率过程能力的计算,通过缺陷率估算 Ytp 定义检查样本数量; 定义长期 (DPU) DPU = T

9、otal Defects Total Units 定义直通率 (Ytp) Ytp = expDPU,每单元多个机会,56,2020/6/24,缺陷率过程能力的计算,估算缺陷率的西格码水平： 定义单位机会（opportunities per unit） 定义每机会中的缺陷数 defects per opportunity (d) d = defects per unit opportunities per unit 定义逆概率 inverse cumulative probability for d, 在Minitab当中: Calc Probability Distribution Norma

10、l Z-Score 是西格码水平值,每单元一个机会,57,2020/6/24,例 6,假设您为一家电线制造商工作，并关注电线绝缘过程的有效性。您随机抽取不同长度的电线，并通过对其施加测试电压来检验是否有绝缘薄弱的点。您记录弱点数和每段电线的长度（以英尺计）。,58,2020/6/24,Stat Quality Tools Capability Analysis (Poisson),例 6,59,2020/6/24,Defects per Unit = 0.0265194 Throughput Yield = expDPU = exp0.0265194 = 0.9738,例 6,每单元多个机会,

11、60,2020/6/24,例 6,Define 1 Inspection Unit = 125 unit length of wire i.e. Units = Length 125,61,2020/6/24,例 6A,Stat Quality Tools Capability Analysis (Poisson),62,2020/6/24,例 6A,Defects per Unit = 3.31493 Throughput Yield = expDPU = exp3.31493 = 0.0363,每单元多个机会,63,2020/6/24,例 6B,Defects per Unit = 3.3

12、1493 Opportunities per Unit = 1 Defects per Opportunity = 3.31493,每单元一个机会,64,2020/6/24,例 6B,每单元一个机会,1 inspection unit = 1 unit length of wire Opportunities per Unit = 1 Defects per Opportunity = dpu / Opportunities per unit = 0.0265 Z-Score = Abs1(0.0265) = 1.935 Sigma-Capability = Z-Score + 1.5 = 3.435,65,2020/6/24,附录,66,2020/6/24,正态分布曲线下的面积,表中数值代表标准正态分布曲线下Z值左手的面积. 它也是属于这一分布的任一值小于Z的几率.,z,67,2020/6/24,RTY 与 dpu 来历,RTY和dpu的关