SPC培训讲义.ppt

1、SPC training -,By Siwa wang,Training Summary,1. 基础统计认识 - 数据和事件的判断 - 顾客, 顾客不满足(不良) - Data的表现与种类 2. SPC Introduction - 管制图概念 - 管制图种类 - 管制图的绘制 (Xbar, R, Xbar S, N, NP, U, C) 3. QC 7 Tool - QC 7 Tool概要 - QC 7 Tool练习 -End-,基础统计认识 Based Statistical knowledge,对总体的判断, 总体和Sample,标本 (Sample,10),总体 (N=1,000),S

2、ample 10个测定 (规格 : 1004),96,97,98,99,100,104,101,规格 下限,规格 上限,102,103,如果全部检查在时间上, 经济上不可能 !,使用Sample的统计变量(變數) (平均值和散布)推定总体.,总体能不能判断为合格 ?,1) AQL Yes :因为 Sampling的10个测定值都在规格内 OK 2) SPC No : 用Sample Data推定总体的不良率是2.8% 水准,* AQL(Acceptable Quality Level) : 合格品质水准 SPC(Statistical Process Control) : 统计制程管制,Sam

3、pling,补充抽样知识,事件和数据的对应关系,问题: 如果现在很多人为了上车无秩序的聚在一起等车 改善的方法:,1. 有秩序地排列乘车 - 减少散布(reduce the variation) 2. 加大公交车的门，谁都容易乘车。 - 增加公差(open the specifications) 3. 车Parking的地方，人聚在一起。 - 中心值移动(shift the mean) 4. 上面3种方法中2种以上Combination,至今为止 ,Spec,LSL,USL,我们合格,Spec-in就合格,I am Data (我活着),Spec-out 不合格,检出不良,不良的故事会继续下去

4、,以后,呀 ! 有吃的 (不良),不良的故事会继续下去?,Data的表现:中心值,Data的表现:散布,问题解决,问题 / Issue 事项,连续型 Data (Continuous Data),离散型 Data (Discrete Data),连续型 Data : 如长度,重量,时间等能够使用测定刻度尺的 Data (计量型) 所测定的尺度不断能够细分 而且比不连续的Data提供更多的情报,离散型 Data : 与合格/不合格, 决定数等能用个数表示的Data (计数型) 不能再细分。,资料的类型 属性(Attribute) 命名(Nominal)范畴(Category),统计特征值 缺陷(

5、Defect),资料的类型 变数(Variable) 比率(Ratio),统计特征值 位置(Location) 散布(Spread) 模样(Shape),Data种类,区分Data种类的目的,确定Data的Display方法和分析方法 决定要Gathering的 Sample Size 决定适切的Control Chart 决定适切的 Sigma(or Z-Value)计算方法(DPMO or 工程能力分析),连续型 Data(计量型),可以分解Data, 且测定的数据的大小有意义 客观性 Data : 时间, 重量, 长度等测定计测仪可以测定的Data 主观性 Data :满足度, 充实度等

6、 Data的测定基准按始点发生变更,离散型 Data(计数型),不可能分解Data, 所测定的数据Count时. 客观性 Data : 缺点数, 承认件数, 误差件数, 位置等判断的情况明确的内容 主管性 Data : 包含Yes/No, Good/Bad 等人的主观性内容的内容, 实际情况下离散型和连续型分类比较困难时 例 1) 主/客观式混合的数学能力分数 离散型但是可以看作连续型 例 2) 使用尺度法的论文结果 连续型处理, 还是离散型处理，按照事件, 分析的目的考虑置信度慎重判断,Data种类,2. SPC Introduction,利用品質特性的發生機率來判斷是否有異常的狀況發生 管

7、制上下限與中心線 管制上下限 為平均數上下3個標準差 範圍內幾乎會涵蓋所有可能發生的狀況 超出管制界限範圍之外的狀況被視為異常 中心線-製程的平均品質水準。,* 1920年 Bell研究所的Dr. Walter Shewhart开发.*,管制图概念,管制图 :由时间的推移，Performance的变动以Graph形式表现,管制图 Logic,可信的 Output,掌握工程能力/ 管理状态,Controller,Process,Input,Output,UCL,LCL,X,制作管理图,Sampling,持续维持工序最佳化条件的保证 - Process是始终由于偶然原因(Common Cause)

8、和特殊原因(Special Cause)引起变动的. - 使用管理图, 能分离统计性的管理上/下限的使用.-解释管理图，就知道Process是否在安定状态.,按照 Process上发生特殊原因Monitoring后，可以采取指定对策,使用管制图的优点,管制图(Control Chart),Data,连续型/计量型,离散型/计数型,n=1？,I-mR,Xbar-R Xbar-S X median-R,u,c,p,Np,Yes,No,No,Yes,CUSUMEWMA,Yes,No,No,Yes,Subgroup size 是否一定?,Subgroup size 是否一定?,测量值/平均值,不良数/

9、不良率管制,缺点数/单位缺点数管制,Yes,No,Yes,管制图种类,UCL,LCL,UCL,R, 管理脱离 : 点脱离管理界限时 (在管理界限上的点看做是脱离管理界限.) 对策 : 在这里产生了特殊原因 查出其原因，不让它再发, 大小7以上的RUN : 在中心线的一边连续出现7个以上点的时候. 对策 : 工程的平均或者散布有些变化 查找其原因的话，能得到技术上 有利的情报., 安全状态(管理状态) : 观察管理图上的点，在连续25个点以上 不出现 的这种现象的状态. 对策 : 工程稳定，且满足规格 不需采取对策, 倾向和周期性频度 : 点一直往上或者往下的时候，看到周期性变动的时候 对策 :

10、 工程上存在其倾向或者周期性变动原因， 找出原因的话，可以得到工程管理上的有益条件。, 在界限附近的点 : 点在管理界限内 ，且2和 3之间存在连续 3个点中的2点. 对策 : 在工程上散布增加，存在什么异常 需要ACTION.,管制图的解释,1) DATA 收集 2) 群区分 n=3, k=10,3) DATA 计算,4), 是各列的总和 =3936.4,=1312.13,=1.0,R = / k = 0.1,5),管制图制作之X bar R 管制图,6) 管制图界限的计算,CL = UCL = LCL =,+ A2,- A2,CL = UCL = LCL =,D4,D3,管制图,管制图,R

11、,n,3,4,5,A2,D3,D4,1.023,0.73,0.58,2.575,2.28,2.11,-,-,-,7) 管制线 - 中心线:直线 - 界限:波线,8) 点 - 对应的值用点来标注，然后连线 - 点R值，画连其点的线。,管制图制作之X bar R 管制图,X bar R 管制图,管制图制作公式及系数表,管制图之X bar R 管制图实例,利用以下Data制作P管制图,管制图之P 管制图实例,利用以下 Data制作NP管制图,Subgroup 不良数sample数比率 15130000.017 23530000.012 32130000.007 43230000.011 548300

12、00.016 61930000.006 71230000.004 83130000.010 91830000.006 103530000.012 113330000.011 124130000.014 134530000.015 142430000.008 151930000.006 162930000.010,管制图之NP 管制图实例,利用 以下Data制作C管制图,Subgroup 缺点 120 218 314 416 513 629 721 814 96 106 117 127 139 145 158 169 179 1810 199 2010,管制图之C 管制图实例,利用以下 Data

13、制作U管制图,subgroup缺点数单位 18968 2131216 3131004 4161101 5141076 615995 7131202 8101028 9241184 1012992,管制图之U 管制图实例,3. QC Tools,因果关系图 / 鱼骨图,查检表,柏拉图,散布图,层别法,100%,LSL,USL,直方图,QC Tools,说明： 划分数据（如考试成绩）的分配范围为数个区间，计算各区间内该数据的出现次数，并制作成次数分配表。 (2) 用途： 描述数据的分布（平均值、变异、对称），借以判断工序有无异常情形。并检查该数据是否正常受控，有足够的能力符合客户需求。,1.直方图

14、,范例 微尘粒子的数据,(1) 找出“最大值”，“最小值”以及数据的“个数”,Max = 39,Min = 1,Total data points N = 100,(2) 决定区间的个数 K : K = N,K= 10,(3) 决定区间的宽度 H : H = (Max - Min) / K,直方图之实例,(4) 作出 “频次”表,(5) 划出直方图,区间界限,0.5 4.5,4.5 8.5,8.5 12.5,12.5 16.5,16.5 20.5,频次,20.5 24.5,24.5 28.5,28.5 32.5,32.5 36.5,36.5 40.5,10,14,20,19,11,11,8,5

15、,1,1,频次,区间界限,0 4 8 12 16 20 24 28 32 36 40,直方图之实例,范例 微尘粒子的数据-续,说明： 把品质特性（如芯片的薄膜厚度）的点以记号标示上去，藉着该点在管制界限内侧或外侧的情形，可以判断工序是否在控制状态中。 (2) 用途： 借由管制界限的订定,区分出工序的变异的合理性。即时监控，并可以在制程异常时立即采取改善对策。,管制上界,管制下界,目标值,2.管制图,问题,Root Cause,Method,Man,Machine,Material,Environment,！,！,！,！,！,3.鱼骨图(因果关系图Cause-Effects Chart),(1)

16、 说明： 有如鱼骨增长的方式，有系统地整理工作的结果（特性）以及其原因（要因）。 (2) 用途： 在改善小组的脑力激荡之下，列举所有可能的异常原因；逐一过滤之后，会发现平常忽略的小毛病，可能就是问题的根源。,实例:质量分析,鱼骨图之实例,说明： 在收集各种数据之后，为确认并能毫无遗漏的查检，将结果制成简单的表格。 (2) 用途： 可以让数据的收集更为规律、有效；制成的表格更为简明、易懂。,4.查检表,说明： 分类不良及缺点等内容，然后按照大小顺序，利用累计数据来表示。 (2) 用途： 将问题点表现出来，并呈现其相对重要性，提供改善方向的优先顺序。,5.柏拉图,A B C,E,A,D,B,C,60%,柏拉图可以用来说明改善过程的有效性： 例如图甲为改善前的柏拉图，共有A, B, C, D, E五大不良原因。 再来针对A与B前两大原因采取改善对策，若干时日之后可以重新收集数据，划出改善后的柏拉图。 由图乙的结果显示， A与B 的发生次数明显降低，C变成是最大的不良原因。整体效果改善60%.,100%,图甲: 改善前,图乙: 改善后,100%,D,柏拉图之实例,说明： 将成对的二组数据制成图表，以观察数据之间的相互关系。 (2) 用途： 检查二组数据之间的相互