SPCFinalChinese.ppt

1、统计过程控制(SPC)，SPC可以发出信号，表明稳态过程差异正受到外部原因的影响。过程统计控制、基于可能性的统计决策规则。过程任何重复的工作或步骤。控制-监控过程的性能。该分析基于与“t检验”假设检验相同的概念。它可以提供关于过程的决策，并在问题影响输出之前纠正问题。X1，X2，X3，六西格玛和SPC，六西格玛侧重于将控制转移到过程的上游，使输入特性或元素Xs的控制更强大。控制图应用于过程的变量自变量；设计变量X1，X2，Xk为因变量提供更强的稳定性；响应Y1，Y2，Ym，Y，X，什么时候使用统计过程控制？我想知道什么？过程的关键因素(x)或(y)输出是否随时间变化？(例如，流程是否稳定？我怎

2、么希望看到它？基于实时数据的图表显示过程变化。统计过程控制是一个严格的过程，要求运行团队积极收集和分析数据。控制图控制图是贝尔实验室的沃尔特休哈特博士于1924年发明的过程控制工具。统计过程控制图提供了过程中观察到的测量值和统计计算的“控制极限”(预期值)之间的图形比较。控制图：用于监控过程的输入、参数或输出(Xs和Y)，并用于识别过程失控时特殊原因的差异。它不能告诉我们是否满足规格限制，也不能识别或消除特殊原因。双边边界假设检验均值的控制极限是从观察样本均值推断出的相同点或不同点。标准偏差或范围的控制极限代表方差可以显示差异的地方。控制图类型，为了选择合适的控制图来监控过程，我们必须首先决定

3、关键过程变量(Xs)是连续的还是离散的。监控连续Xs的变量图表，监控离散Xs的属性图表，控制表格类型，通过/通过，好/坏，通过/不通过信息，每个图表可以有多种特性，成本更低，但也有更少的信息，监控连续Xs监控离散Xs的属性图表，并使用测量值，如周期时间，长度，直径，轨迹等。通常，每个图表都有一个更昂贵的特征，但有更多的信息，可变控制图，连续数据，控制图类型，X条形图):)显示平均值随时间变化。图表：)显示样本随时间变化的范围(最高值和最低值之间的差异)。个人图表)显示了个人价值的时间变化。移动范围图):)显示移动范围随时间变化(双重受控/失控，受控过程基本上只包含自然随机和普遍原因的差异。如果

4、存在特殊原因的差异，它们对过程的影响最小。可以预期，如果必须改进流程，就需要改变系统。在不受控制的过程中，至少有一个特殊的原因不同。特殊原因的发生对过程有重要影响。一些观察到的差异是非随机的。出乎意料。通过识别特殊原因并加以控制，可以提高过程的输出。就假设检验而言，非受控过程的输出代表了从预期性能水平观察到的差异。控制图以图形方式显示了ho和ha按时间顺序进行的双边测试，其中HO和HA定义为：对于3s限制，HO=0.00135，HA : I，ha 3360i。当子集的平均水平落在控制图的界限之外时，它以图形方式显示样本平均值和历史平均值之间的三西格马差异。注：近似置信水平为99.7。六西格玛边

5、界经受住了时间的考验。三西格马极限导致0.00135的结果。当这个过程没有真正的改变时，它就没有什么可能起作用。这很重要，因为随着时间的推移，许多测试将会完成。，2s-具有95%的平均置信区间，3s-a=0 . 003(导致：多次连续测试；减少潜在的错误。)4.5s-将个人的测量与消费者要求的过程的长期性能目标进行比较。6.0s-将个人的测量与消费者要求的过程短期差异目标进行比较。当过程稳定时，3 s限制提供了高灵敏度和对变化过度反应的低可能性。尝试使用合理的子集，并收集像能力分析这样的数据，以便子集包含只有共同原因的差异。通过在连续过程控制中使用有理子集延拓，尽可能多地收集关于过程的所有信息

6、。子集的差异是短期的。通常，子集之间的差异与操作控制有关。最大化控制图的有效性，确定控制计划，并最大化检测样本之间差异的可能性。样本量当参数范围内的测量值可能发生变化时，除非在经济原则上不可行，否则应选择从每组样本中提取多种成分的控制图计划。当计量不存在或有微小差异时，或符合经济原则时，使用X的移动幅度图。就像小样本T检验一样，当存在显著的过程差异时，单个X的移动范围图的灵敏度是不够的。过程性能越好，采样频率越低。根据过程性能的经验，取样频率可以改为每小时、每天、每班、每月、每年、每批等等。当前的行业标准倾向于小样本和高频率。要计算平均图表控制极限，您必须首先计算整个过程的平均值(总平均值)，

7、k=子集的平均数量，控制极限：的上限由以下公式：确定。控制极限：的下限由以下公式：确定，即整个过程的平均值、X=、对于较大的样本大小，给定过程的边界将会更窄，图表的灵敏度将会更高。更大的子集将增加灵敏度，并且当样本量增加时，控制边界将更近。这可以提高灵敏度。换句话说，它增加了发现变化的可能性。控制图的灵敏度对应于样本大小的平方根的比率。例如，25的样本大小是样本4的2.5倍(5/2)。为了利用中心限制规则，子集的大小必须大于2。，n=3，n=10，n=25，UCL，UCL，LCL，LCL，LCL，B22.14，计算差值图的控制极限，并定义“s”，然后计算“s”的平均值，确定控制极限线。计算是基

8、于类似于平均图的概念，但它更复杂。幸运的是Minitab可以计算这些极限。k=子集数，ni=第I个子集的观测值数。关于注意事项的限制，不要混淆控制限制和规格限制。规格界限超出了流程限制。例如，它们可以代表满足CTQ特性的工程要求。控制边界是流程内部的，它们反映了流程的预期差异范围。规格限值是针对单个值的，而在图表上，控制限值是样本的平均值。两种类型的控制图错误，一种特殊原因的差异被视为共同原因的差异，从而错过了确定过程变化的机会，而另一种共同原因的差异被视为特殊原因的差异，通过寻找不存在的特殊原因来阻碍稳定的过程并浪费资源。图表告诉我们关于这个过程的什么？使用迷你选项卡创建可变控制图表。本练习

9、将使用Minitab，通过使用梅花网格中的数据创建不同类型的控制图。在本练习中，我们将使用图表来跟踪过程，并观察图表的相对敏感度。通过将运行梅花网格获得的数据输入到子集中的每一列中来打开StatControl ChartsXbar R /S的程序将是相似的。对话框显示如下：摆桌子。图表数据可以以独立的行或子集显示。在本练习中，我们将使用子集显示。选择代表您使用的子集的数据行。我们将把历史平均值和标准差的区域设置留空。填写这些区域设置可以定义过程的控制极限，并锁定已定义“原样”条件的极限线。选择测试并运行所有测试。按两次确定、进程的状态是什么？在建立过程能力和连续过程控制的基础之前，应详细说明图

10、表。首先，阐述了西格玛图。在初始能力分析中，如果您能够识别导致OOC状态的特殊差异，那么在计算控制极限时，您可以将这些方面排除在考虑之外。如果出现以下情况，流程将失去控制。超出控制限值。三个连续点中的两个与同一侧的平均值相距2 s。五个连续点中的四个与同一侧的平均值相距1 s。更多、正常过程的变化“不显示任何变化”，此图表显示的是可预测的过程，其中这些点会意外地上下波动，但往往会聚集在中线周围(但不是很近)，并且在控制范围内。这种模式是任何控制图的目标。它不一定表明该过程具有最好的能力或者该过程满足规范。但这表明过程是稳定的。特殊原因的变化“发生了什么？”偶尔，一个因素会进入这个过程，并导致突

11、然和短期的变化。该原因将出现在图表中，并出现在控制之外的点集中。s图通常不受这些偏移的影响。一些典型的原因：过程使用了一批不合格的原材料测量校准暂时抵消了不同的检查员和不同种类的工具，s，潜在的事故以外的过程“这些是非常有趣的”，并且过程有时打嗝。由于这些“反叛”或“逃离”，过程将产生偶然的值，这些值显然不是基本过程分布的一部分。当其中一个发生时，这个过程将恢复正常，直到下一个打嗝发生。测量误差的一些典型原因是在堆叠的底部(或最高的部分)、绕组线的末端等。灰尘或异物、打嗝、打嗝、打嗝、突然的气流偏离“你做了什么？”在改变之后，该过程产生平均更大的部分，或者产量增加，或者硬度变得更强，等等。过程

12、的基本可变性没有改变。同时，范围图没有显示任何变化。一些典型的原因：是错误的调整或材料或润滑剂的不当设置，工人换班，症状：是连续九点钟在中心的一侧。流程趋势“它将在哪里发展？”在流程层面，趋势是逐渐偏离，这仅在图表中有所反映。有时原材料、测量或人为因素会导致趋势，但这是不可能的。故障通常存在于设备本身、电源或之前的工艺环境中。的一些典型原因通常与“工具磨损”有关，因为它通常显示工具磨损(通常是自然老化或磨损)。例如，化学浸渍在电镀操作或不同的化学作用中被消耗。符号：在7点钟连续向上，在7点钟连续向下，区域测试，可能性区域，过程“失控”，当，1995年6西格玛研究院有限公司版权所有，属性控制图，

13、离散数据，属性控制图，当它不能提供特征测量时是有用的，基于计算/分类(进行/进行，通过/失败，好/坏)，基于泊松或二项式分布。然而，图表可以以类似的方式覆盖任意数量的数据特征，但是很难分析信号。单个图表取代了两个没有范围的图表，属性度量的一致性对于确保数据属性报告的一致性非常重要。一旦定义，我们应该使用属性规RR方法来测试标准级别对所有用户的应用。因此，所有检查人员可以统一而清晰地应用操作定义、属性术语，并且缺陷指的是单元或样品检测中的一个或多个缺陷。在YRT，它指的是有缺陷的单元。缺陷是指单元或样品中的单一特征不符合客户要求。在YRT，它指的是缺陷发生的可能性。根据所使用的图表类型，属性图表

14、可用于报告它们中的任何一个。、控制图选择、c、u、n p、常数、批次/单位大小、变量、批次/单位大小、泊松、二项式、包含缺陷、样本大小注意事项当报告属性缺陷比率时，如果包含缺陷单位或机会的报告在每个样本点作为一个单位进行计算，则样本大小的一致性非常重要。如果报告是关于有缺陷单元的比例或与单个有缺陷单元相关的机会，则不要求样本大小的一致性。nP图表用于测量样品中有缺陷的单位(缺陷)的数量。控制极限基于二项式分布。因为原始计算的缺陷已经被记录，子集大小需要是相同的。应确定样本量。在这个过程中，一个样本平均有5个缺陷。产量903360样本量50产量953360样本量100产量983360样本量250

15、产量993360样本量500，P图表，记录样本中缺陷单位的分数(比例)。控制极限基于二项式分布。因为比率是样本大小与缺陷的比率，所以样本大小不必相等。c图表，记录每个样品中的缺陷数量。控制极限基于泊松分布，泊松分布很有可能发现某些类型的缺陷。如果缺陷的可能性很低，样本空间将会更大。给定给定类型的缺陷概率较低，产品中使用的复合单元最好需要恒定的样本大小u图，并记录样本单元中的缺陷比例。控制极限基于泊松分布。因为u是每单位包含缺陷的机会的比率，所以不需要相等的样本量。一个牙科组织想知道为什么他们的许多病人都站了起来。成立了一个问题解决小组，并决定使用P图来跟踪“违背承诺”的百分比。牙科诊所每月开始

16、登记的“预约中断”的百分比。因为“违反约定”是一个有缺陷的约定，所以有缺陷的分数的平均值被称为p。控制图限制的计算基于前六个月的数据。样本量为每月100次预订(n)。P图表计算，创建P图表，数据表，StatQuality ToolsP图表，您需要在电子表格上有两个列，一个用于计算数据，另一个用于标记子集，一旦您打开对话框，识别变量的计算列。填写子集的大小(n)和历史值p(在这种情况下，1996年的数据用于p)，提高图表输出，然后选择“戳”按钮。在此对话框中，确认指示子集的信息，如：个月。按“确定”。然后选择“框架标记”按钮。在此对话框中，确定轴刻度的任何特殊设置，以使图表更易于使用。选择“注释标题”按钮。使用可用的列