SPC学习版PPT课件

1、.,1,质量管理五大工具 之 SPC,.,2,Statistical Process Control (SPC) 统计过程控制,.,3,培训注意事项,.,4,4,TS 16949 五大 工具,产品质量先期策划和控制计划 （APQP&CP）,潜在失效模式和后果分析参考手册 （FMEA）,测量系统分析参考手册 （MSA）,第四版2008.6,第四版2010.6,统计过程控制参考手册 （SPC）,第二版2005.7,生产件批准程序 （PPAP）,第四版2006.6,第二版2008.11,.,5,APQP,.,6,课程大纲,SPC的概述 控制图的应用 过程的受失控状态 过程能力研究,.,7,1.SPC

2、的概述,.,8,SPC是英文Statistical Process Control的前缀简称,即 统计过程控制。 SPC就是应用统计技术对过程中的各个阶段收集的数据进行分析，并调整过程，从而达到改进与保证质量的目的。,什么是SPC,.,9,战后经济遭受严重破坏的日本在1950年通过休哈特早期的一个同事戴明(W. Ed- wards Deming)博士，将SPC的概念引入日本。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。,美国贝尔实验室休哈特博士（W. A. Shew

3、hart）于1924年发明控制图，开启了统计品管的新时代。,SPC兴起的背景：起源,1940s 二次世界大战期间，美国军工产品使用抽样方案和控制图以保证军工产品的质量。,.,10,SPC兴起的背景：日本,1950s 质量管理大师戴明博士在日本工业产品生产过程中全面推行SPC。 日本JUSE（科学家协会）设置“戴明”奖，奖励那些有效实施统计技术的企业。 石川磬提出“QC七工具”，帮助生产现场人员分析和改进质量问题，并推动广泛应用。 1970s 有效地推行 “QCC圈”和应用统计技术使日本经济的快速发展，成为高品质产品的代名词。 1980s 美国等其他国家紧随日本的步伐，开始推行“QC小 组”和统

4、计技术的应用。 美国汽车工业已大规模推行了SPC，如福特汽车公司，通用汽车公司，克莱斯勒汽车公司等，上述美国三大汽车公司在ISO9000的基础上还联合制定了QS9000标准，编制了SPC手册。在与汽车有关的行业中，颇为流行。 MOTOROLA 公司颁布“QC挑战”，通过SPC的实施改进过程能力，并提出追求“6”目标。 1987 ISO9000标准建立并颁布实施，明确要求实施统计技术。,.,11,Six Sigma Tree中的统计技术.,6达成（完美）,改善设计 （果子最集中的地方）,过程改善 （矮树上的果子）,（地上的果子）,全部的果子都在你手中啦,能摘到这里的果子，基本上能达到小康了,这里

5、的果子很有限,靠天吃饭，捡吃地上不多的果子,23：5倍改善 34：10倍改善 45：27倍改善 56：70倍改善 因此： 36：19,600倍改善,.,12,品管方法历程,1,2,3,4,5,6,3.4,233,6,210,697,300,308,700,66,807,产品检查,产品管制,过程管制,品管7手法,(5S、QCC、ISO9001),管理改进(PDCA)一般公司THREE SIGMA改善,技术改进(DMAIC) 世界标竿公司SIX SIGMA改善,方法,管制,试验计划与过程结合,试验计划与设计结合,过程管制 最佳化,设计管制 最佳化,PPM,Average Company 一般公司,

6、Best in class 世界标竿公司,.,13,规格管理的危险性,Not just to meet customer or contractual requirements!被BOSS训斥的痛苦!,.,14,Spec,LSL,USL,Very Centered,变异是我们的敌人,LCL,UCL,不良品已经产生,潜在不良出现,控制线管理的益处,.,15,测定平均值 在中心线或平均值两侧呈现左右对称之分布 极大值与极小值数量很小 常态曲线左右两尾与横轴渐渐靠近但不相交 曲线下的面积总和为 1,正态分布特征,.,16,正态分布中，任一点出现在 1内的概率为 P(-X +) = 68.26% 2内

7、的概率为 P(-2X +2) = 95.45% 3内的概率为 P(-3X +3) = 99.73%,正态分布,.,17,正态分布概率(双边),.,18,目标值线,预测,时间,目标值线,尺寸,时间,？,两种变差原因及两种过程状态 如果仅存在变差的普通原因,随着时间的推移,过程的输出形成一个稳定的分布并可预测 如果存在变差的特殊原因， 随着时间的推移，过程的输出不稳定,正态分布与两种变差原因,受控,不受控,.,19,变差的普通原因 V.S.特殊原因,普通原因 Common Cause,特殊原因 Special Cause,大量之微小原因所引起,不可避免 不管发生何种之普通原因，其个别之变异极为微小

8、 几个较代表性之普通原因如下： （）原料之微小变异 （）机械之微小振动 （）仪器测定时不十分精确之作法 实际上要除去过程上之普通原因，是件非常不经济之处置,一个或少数几个较大原因所引起,可以避免 任何一个特殊原因，都可能发生大的变异 几个较代表性之特殊原因如下： （）原料群体之不良 （）不完全之机械调整 （）新手之作业员 特殊原因之变化不但可以找出其原因，并且除去这些原因之处置，在经济观点上讲常是正确的,.,20,局部性的对策及系统性的对策,局部问题的对策 *通常用来消除特殊原因造成的变异 *可以被过程附近的人员来执行 * 一般可以改善过程的 15% 系统改善的对策 *通常用来减低普通原因造成

9、的变异 *几乎总是需要管理者的行动来加以矫正 * 一般可以改善过程的 85%,.,21,过程控制,范围,不受控 （存在特殊原因）,受控 （消除了特殊原因）,持续改进的思维模式,.,22,持续改进的思维模式,.,23,过程改进循环 1、分析过程 2、维护过程 本过程应做什么？ 监控过程性能 会出现什么错误？ 查找变差的特殊原因并 本过程正在做什么？ 采取措施。 达到统计控制状态？ 确定能力 计划 实施 计划 实施 措施 研究 措施 研究 计划 实施 3、改进过程 措施 研究 改进过程从而更好地理解 普通原因变差 减少普通原因变差,.,24,2.控制图的应用,.,25,控制图是对过程质量加以测定、

10、记录，从而进行控制管理的一种用科学方法设计的图。图上有中心线(CL-Central Line)、上控制界限(UCL-Upper Control Limit)和下控制界限(LCL-Lower Control Limit)，并有按时间顺序抽取的样本统计量数值的描点序列，参见控制图示例图。,控制图,.,26,控制图由来说明,.,27,正态分布有一个结论对质量管理很有用，即无论均值和标准差取何值，产品质量特性值落在3之间的概率为99.73%，于是落在3之外的概率为100%一99.73%= 0.27%，而超过一侧，即大于-3或小于+3的概率为0.27%/2=0.135%1% ，如正态分布曲线图。 这个结

11、论十分重要。控制图即基于这一理论而产生！,控制图原理,.,28,+3 ,+3 ,-3 ,-3 ,UCL,LCL,CL,时间T,控制图的形成,.,29,虚发警报和漏发警报,两种错误,.,30,控制图的目的,控制图和一般的统计图不同，因其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普通原因或特殊原因，以指示某种现象是否正常，而采取适当之措施。,利用控制限区隔 是否为特殊原因,.,31,控制图种类(以数据来分),.,32,控制图的选择,确定要制定控制图的特性,是计量型数据吗？,关心的是不合格品率？,关心的是不合格数吗？,样本容量是否恒定？,使用np或p图,使用p图,样本容量是否桓

12、定？,使用c或u图,性质上是否是均匀或不能按子组取样例如：化学槽液、批量油漆等？,子组均值是否能很方便地计算？,使用中 位数图,使用单值图X-MR,是,使用u图,否,是,是,是,是,是,是,否,否,否,否,否,子组容量是否大于或等于9？,是否能方便地计算每个子组的S值？,使用XR图,使用XR图,使用X s图,是,是,是,否,否,注：本图假设测量系统已经过评价并且是适用的。,.,33,公式汇整,.,34,控制图种类(依用途来分),分析用控制图,控制用控制图,判断过程是否稳定不稳定，调至稳定 过程的过程能力指数是否满足要求，过程能力指数满足要求称之为技术稳态,延长分析控制图的控制线,.,35,控制

13、图的益处,合理使用控制图能 供正在进行过程控制的操作者使用 有助于过程在质量上和成本上能持续地，可预测地保持下去 使过程达到 更高的质量 更低的单件成本 更高的有效能力 为讨论过程的性能提供共同的语言 区分变差的特殊原因和普通原因，作为采取局部措施或对系统采取措施的指南。,.,36,搜集数据,分析用控制图,是否稳定？,绘直方图,是否满足能力？,控制用控制图,寻找特殊原因,检讨机械、设备 提升过程能力,控制图制作,.,37,建立控制图的四步骤,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,.,38,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

14、 当前及潜在的问题区域 特性间的相互关系 确定测量系统(MSA) 使不必要的变差最小,.,39,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, 组内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的许多变动因素中的普通因素所造成的波动为基准来找出异常因素的, 因此, 必须先找出过程中普通原因波动这个基准.,.,40,分组时的重要考虑,.,41,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.

15、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.,.,42,复合,层别的说明,.,43,取样的方式,取样必须达到组内变异小，组间变异大 样本数、频率、组数的说明,.,44,建立 图的步骤A,.,45,每个子组的平均值和极差的计算,.,46,建立 图的步骤B,.,47,.,48,建立 图的步骤C,.,49,建立 图的步骤D,.,50,使用控制图的注意事项,控制界限的重新计算 为使控制线适应今后的生产过程, 在确定控制图最初的控制线CL、UCL、LCL时, 常常需

16、要反复计算, 以求得切实可行的控制图. 但是, 控制图经过使用一定时期后, 生产过程有了变化, 例如加工工艺改变、刀具改变、设备改变以及进行了某种技术改革和管理改革措施后, 应重新收集最近期间的数据, 以重新计算控制界限并作出新的控制图.,.,51,控制界限的延用,.,52,3.过程的受失控状态,.,53,控制图的分区,x,UCL,CL,LCL,t,C,C,B,A,B,A,.,54,受控状态的判断,过程数据的分布曲线随时间的输出,时间,逐渐形成一个稳定的分布 和基本不随时间变化 且在要求范围内,.,55,判异准则,两类： 点出界判异 界内点排列不随机判异 判异准则： 1、连续9点落在中心线同一

17、侧,.,56,2、连续6点上升或下降,判异准则,.,57,3.连续14中相邻点上下交替,判异准则,.,58,判异准则,4.连续3点中有2点在同一侧的A区或A区以外,.,59,判异准则,5.连续5点中有4点在同一侧的B区或B区以外,.,60,判异准则,6.连续15点在C区中心线上下,.,61,判异准则,7.连续8点在中心线两侧，但无一点在C区中,.,62,判稳准则,至少连续25组，且数据总数不少于100个； 未出现8条判异准则。,.,63,4.过程能力研究,.,64,带有不同水平的变差的能够符合规范的过程（所有的输出都在规范之内）,规范下限 LCL,规范上限 UCL,范围,LCL,UCL,范围,

18、不能符合规范的过程（有超过一侧或两側规范的输出）,LCL,LCL,UCL,UCL,范围,范围,.,65,过程能力分析,准度：好 精度：好,Ca准确度 , Cp精密度,准度：好 精度：较不好,准度：不好 精度：好,准度：不好 精度：不好,.,66,能生产均一品质制品的过程固有能力。,什么叫过程能力？,过程被控制时，表示过程中生产的制品品质变动是什么程度的量。,一切品质特性都具有它的目标值(Target Value)， 品质是与目标值的偏差越小越优秀。,.,67,过程能力指数,- 短期过程能力指数用 CP, CPK 来表示，长期过程能力指数（过程性能指数）用 PP, PPK来表示。 - 在这里CP

19、 或 PP 是过程平均与规格中心一致时的过程能力指数， CPK 或 PPK 是过程平均与规格中心不一致时的过程能力指数。,过程能力指数(Process Capability Index),在SPC中,过程能力指数是过程能生产多么均匀品质产品的能力， 即，评价过程能力的指标。,.,68,过程能力指数,短期过程能力指数 过程平均和规格中心一致时, 过程平均和规格中心不一致时,其中,Sigma P (Process),.,69,Cpk 等级之说明 ( 当 Ca = 0 ),6 E 级,6 D 级,6 C 级,6 B 级,6 A 级,规格中心值,规格上限,规格下限,Cpk 0.67,Cpk = 0.6

20、7,Cpk = 1.00,Cpk = 1.33,Cpk = 1.67,T = 10 ,T = 8 ,T = 6 ,T = 4 ,Cpk = 2.00,T = 12 ,.,70,Ca准确度Capacity of Accuracy,Ca = L1 /L2 L1 =X SL L2 = (USL LSL)/2,.,71,Case study,例：某产品的电性规格是56010 m/m，经检验一批后求出3为5619 m/m(Xbar=561,=3)。 求： (1) Cp, Cpu, Cpl (2) Cpk,.,72,过程能力指数,長期过程能力指数（过程性能指数） 过程平均和规格中心一致时, 过程平均和规格

21、中心不一致时(不對稱時),S 表示長期标准差，在產品開發階段中針對試作过程能力的評估，則稱為先期过程能力(APQP),其中,Sigma A (Actual),.,73,Cpk和Ppk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。,.,74,过程能力分析,注：按偏移1.5考虑,.,75,过程能力分析（步骤）,正态性检验,统计/质量工具/ 能力分析/正态,统

22、计/质量工具/ Capability Sixpack /正态,统计/质量工具/ 个体分布标识,BOX-CO或 Johnson,统计/质量工具/ 能力分析/非正态,是,否,是,否,P值0.05,.,76,对正态分布数据的过程能力分析,例题 1,为了过程能力分析，20天各选 5个核心部品特性值的长度(mm)的量测DATA如下。 通过正态性检定(Normality Test)确认DATA是正态分布，核心部品的规格是 按顾客要求600mm 2mm . 通过以下DATA做过程能力分析。,598.0 599.8 600.0 599.8 600.0,600.0 598.8 598.2 599.4 599.6

23、,599.4 599.4 600.0 598.8 599.2,599.4 599.6 599.0 599.2 600.6,598.8 598.8 599.8 599.2 599.4,600.0 600.2 600.2 599.6 599.0,599.0 599.8 600.8 598.8 598.2,600.0 599.2 599.8 601.2 600.4,600.2 599.6 599.6 599.6 600.2,599.2 599.0 599.6 600.4 600.0,599.0 599.6 599.4 599.2 597.8,600.4 599.6 600.0 600.8 600.4

24、,599.4 599.0 598.4 599.0 599.6,598.8 599.2 599.6 598.6 599.8,599.6 599.2 599.6 600.2 599.8,599.6 600.0 599.6 599.2 598.6,599.6 601.2 599.6 600.2 600.0,600.0 599.4 599.8 599.2 599.6,599.4 600.0 600.0 599.2 599.4,599.6 599.8 599.0 599.6 599.4,1 2 3 4 5 6 7 8 9 10,11 12 13 14 15 16 17 18 19 20,把计量型数据的正

25、态分布数据的过程能力通过Minitab分析。,Capability Analysis (Normal),.,77,Step 3,确认结果,规格上限 Target 规格下限 平均 样本数 短期标准差 长期标准差,Process数据,潜在的 执行曲线 实际的 正态曲线,潜在的过程 能力指数 Cp 考虑倾斜的 潜在过程能力 指数 Cpk,潜在的过程能力,只用过程的群内变动评价执行能力的指数。即意味着 Cp改善可能最大限度是 1.16为至。,Capability Analysis(Normal),.,78,实际过程能力 指数 Pp 考虑偏移的 实际过程能力 指数 Ppk,实际过程能力,根据所有DATA

26、的变动值评价过程能力的指数,Capability Analysis(Normal),.,79,用 ppm表示实际抽样的DATA偏离规格的程度。,Capability Analysis(Normal),.,80,潜在的预想执行能力,只考虑过程的群内变动显示正态分布时，数据表现为 偏离规格的预想 ppm,Capability Analysis(Normal),.,81,实际预想完成能力,对所有DATA的变动值来显示正态分布时， DATA表现偏离规格的预测 ppm,因过程平均以规格中心为基准往 LSL方向倾斜，所以需要与过程变动的 减少一起 能与规格中心一致的过程平均的移动。,Capability

27、Analysis(Normal),.,82,.,83,附: MINITAB上的工程能力分析,Q 1. 在旁边的结果中Cpk值与 ppk值为什么相同? Q 2. Cpk和Cpl , Cpu的各个 含义是什么？ Q 3. 如果 Cpk 是负数的话, 这意味着什么? Q 4. Cpk =0 这意味着什么 ? Q 5. Cp和Cpk之中 哪个指数更有用 ?,.,84,假设前面所提到的例题的Spec(Spec : 25 +/- 5)是相同但是其Data是经过长时间的Data时我们要考虑异常原因 这时用?来反映工程能力是比较合理. Minitab Menu : Stat / Quality Tools /

28、 Capability Analysis(Normal),注意 - Subgroup Size ? - Subgroup Number ?,Case study,.,85,5.其他控制图,.,86,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：,.,87,B计算控制限,.,88,C过程控制解释 (同 图解释),.,89,D过程能力解释,Sigma P,.,90,8mm之模具冲头,.,91,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。,.,92,B计算控制限,.,93,C过程控制解释 (同X-

29、R图解释),.,94,估计过程标准偏差：,.,95,单值控制在检查过程变化时不如Xbar-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Xbar-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。,.,96,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

30、读数均在一个班上读取)的基础上计算极差。,.,97,B计算控制限,.,98,B计算控制限,.,99,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,.,100,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。,.,101,例1：某制药厂某种药品碱的

31、单耗数据如表，做单值-移动极差图,收集数据,.,102,2）计算各组的统计量,计算样本的平均值： 计算移动极差Rsi及其平均值：,.,103,数据表如下：,.,104,3）计算控制界限,X控制图 Rs控制图,4）作控制图,.,105,.,106,不良和缺陷的说明,.,107,用来测量在一批检验项目中不合格品(不符合或所谓的缺陷)项目的百分数。 这可以是评价一个特性值（是否安装了一个特殊的零件）或是许多特性值（在电气系统检查台中是否发现某些不正常之处）。 把被检查的每一个组件，零件或项目记录成合格或不合格（即使一个项目有几处不合格，也仅记录为一个不合格项）； 把这些检验的结果按一个有意义的基础条

32、件分组，并且把不合格的项目用占子组大小的十分之几来表示。,不合格品率的P图,.,108,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,.,109,建立p图的步骤A,.,110,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，但样本数如果太大也会有不利之处。 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。,.,111,A2计算每个子组内的

33、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,.,112,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。,.,113,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。,.,114,建立p控

34、制图的步骤B,.,115,计算平均不合格率及控制限,.,116,画线并标注,均值用水平实线线：一般为黑色或蓝色实线。 控制限用水平虚线：一般为红色虚线。 尽量让样本数一致，如果样本数一直在变化则会如下图：,.,117,.,118,控制限运用说明,.,119,过程能力解释,普通原因和 异因并存,找出异因,只剩普通原因,运用控制图,过程稳定 (连25点不超限),计算过程能力,.,120,评价过程能力,.,121,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。

35、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,.,122,P Chart练习,以下是整理按每小时实施的对最终制品的抽样检查结果得出的DATA。,49 45 51 27 28 51 45 49 28 51 6 1 3 4 8 4 4 2 9 3,样本数 不良品数,时间 1 2 3 4 5 6 7 8 9 10,作成 p 管制圖， 判定工程是否稳定状态。,.

36、,123,因为发现了脱离控制上限的两 个点，所以不能说处于控制状态。 进而查明其原因。,.,124,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，不同之处弃如下：,.,125,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

37、内的不合格品数(np)。,.,126,B计算控制限,.,127,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：,.,128,不合格品数np图,.,129,Case study,请计算出上表的np控制图的控制限？ 请判定过程是否稳定？ 如果是不稳定该如何处理？,.,130,缺陷数c图,“c”图用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：,.,131,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