统计过程控制（SPC）培训.ppt

1、1,统计过程控制（SPC）培训,00000000 2003-1-21,2,议程Agenda,有关品质管理的一些话题 数据收集 SPC概述 SPC控制图制作与应用 SPC的运作 SPC软件应用 SPC项目进展,品质的历史面,品质的制度面,品质的观念面,3,有关品质管理的一些话题,4,品质观念的发展史,品质的历史面,品质的观念面,品质的制度面,十八世纪前,作业员的品质管制,品质是检查出来的,品检（QI）,1900年代,1920年代,1940年代,1960年代,1980年代,领班的品质管制,检验员的品质管制,统计的品质管制,品质保证,全面品质管制,全面品质保证,品质是制造出来的,品管（QC）,品质是

2、设计出来的,品保（QA）,品质是管理出来的,品质是习惯出来的,全面品管（TQC）,全面品保（TQA）,5,有关品质的几个观念,可能出问题的地方一定会出问题，不可能出问题的地方也可能出问题 品质目标永远都会是零缺点 品质不只是靠制造、检验、设计出来的，也是靠全体成员在一个良好的体系下面并拥有良好和完备的方法与工具，形成了一个良好的习惯并得到了客户认同而出来的 好的品质并不代表一定是高成本 团队的精神和力量 成本观念 管制观念 PDCAS观念 ,6,品管七大工具,现场,查检表,汇总 数据,管制图,监控 预测,直方图,细部 状况,散布图,找出 相关,鱼骨图 柏拉图,找出 原因,解决 问题,层别法,7

3、,数据收集,8,数据收集的意义与原则,真实性 及时性 简洁性 标准性,9,抽样与检验分类,根据数量分 全检 抽检 免检 根据检验次数分 单次抽样 双次抽样 多次抽样 根据检验严格程度分 减量抽样 正常抽样 加严抽样 根据检验连续性分 连续性抽样 非连续性抽样,10,抽样与检验方法,简单随机抽样 分层随机抽样 系统抽样 分段随机抽样,11,抽样与检验计划,包括三个部分：批量N，样本数N，合格判定数C 计数值： MIL-STD-105E MIL-STD-105D 计量值： MILSTD414 GB6378,12,SPC概述,13,SPC发展史,SPC - Statistical Process C

4、ontrol 统计过程控制 1924年，美国休哈特博士(Dr. W. A. Shewhart) 戴明品质奖(W. Edwards Deming),14,SPC基本原理,产品质量的统计观点 产品的品质具有变异性 产品品质的变异具有统计规律性 利用统计技术对过程中的各个阶段进行监控，从而达到保证产品质量的目的 这里的统计技术泛指任何可以应用的数理统计方法，而以控制图理论为主,15,一些统计学名词,组距(Range, R) R=MAX-MIN 平均数(Mean, Xbar or X) X=(X1+X2+.+Xn)/n 中位数(Median, M) M=X(i+1)/2 (i为奇数) M=Xi/2 o

5、r X(i/2+1) (i为偶数) 方差(2, S2) 2= (Xi-Xbar)2/(n-1) 标准差(, S) = (Xi-Xbar)2,n-1,1/2,16,SPC专有名词,17,品质指标,管制界限 CL=XBAR UCL= CL+3 LCL= CL- 3 准确度(Ca) Ca=|CL-SL|/(SL-LSL) Ca本身是一个纯指数，表示制程特性中心位置的偏移程度，值等于0即不偏移，值越大偏移越大，值越小偏移越少 Ca一般不能大于0.3，正常状况应小于0.1，理想值为0 Ca大于1时用表示，即制程与规格完全不符,18,品质指标,制程潜力指数（精密度Cp) Cp=(USL-LSL)/(UCL

6、-LCL) 表示制程特性的一致性程度，值越大越集中，越小越分散 制程能力指数(Cpk) Cpk=(1-Ca)*Cp 直接反映制程能力，同时考虑偏移及精度，通常是客户要求厂商所要用的重点。值越大越好。一般都要求在1.33或1.5以上 百万分之不良(PPM) 计数值：PPM=(不良数/抽样数)*1000000 计量值：PPM=(USL-UCL)/(USL-LSL)+ (LSL-LCL)/(USL-LSL)*1000000,19,K、PPM、Cp之间的关系,PPM: parts per million, 10-6, 百万分之一 PPB: parts per billion, 10-9, 十亿分之一,

7、20,Cp、Cpk联合所代表的合格率,21,质量特性的分类,计量型 计数型 计件型 计点型,22,控制图的分类,计量型控制图 均值极差控制图(X-R) 均值标准差控制图(X-S) 单值移动极差控制图(X-MR) 计数型控制图 不良率控制图(P Chart) 不良数控制图(Pn Chart) 缺陷数控制图(C Chart) 单位缺陷数控制图(U Chart),23,控制图的基本要素,纵坐标：数据（质量特性值或其统计量） 横坐标：按时间顺序抽样的样本编号 上虚线：上控制界限UCL 下虚线：下控制界限LCL 中实线：中心线CL,24,控制图类型选择,是计量型数值吗？,N=1?,X-MR,均值Xbar

8、=9?,Xbar-S,Xbar-R,是,否,是,否,Pn or C,P or U,是,否,N是否恒定？,25,控制图应用的二个阶段,分析阶段 在控制图的设计阶段使用，主要用以确定合理的控制界限 每一张控制图上的控制界限都是由该图上的数据计算出来的 控制阶段 控制图的控制界限由分析阶段确定 控制图上的控制界限与该图中的数据无必然联系 使用时只需把采集到的样本数据或统计量在图上打点就行,26,SPC控制图制作与应用,27,1. 直方图(Histogram),利用正态分布的原理，把50个以上的数据用来分组，用柱形来说明各组数据的个数而组成的一种图形,28,图例,29,直方图的作法,找最大值和最小值

9、计算全距 决定组数 计算组距 计算起始点值和终止点值 计算各组上下点和中点 计算各组范围内的数据个数 作图,30,2. 均值极差控制图(Xbar-R Chart),最常用，最基本 控制对象为计量型的数据 适用于N9的情况 均值图用于观察和分析分布的均值的变化，即过程的集中趋势 极差图用于观察和分析分布的分散情况，即过程的离散程度,31,图例,32,控制界限的计算,均值控制图 CL=X UCL=X+A2R LCL=X-A2R 极差控制图 CL=R UCL=D4R LCL=D3R,33,图形分析,利用均值控制图看质量是否偏离方向，利用极差控制图看设备稳定程度 均值控制图波动越小越好，表示整体稳定性

10、越高；极差控制图越往下越好，表示每组数据中的变异越少 输入数据时要实时观察图形 当均值控制图有连续3点上升或下降，而极差控制图没有较大波动时，则表示制程中有某个因素正在慢慢朝某个方向发生变化 当均值控制图没有较大幅度变化，而极差控制图出现连续3点上升，则表示机器有较大的松动 当均值控制图发生较大幅度变化，而极差控制图没有上升，则表示人员和物料因素产生了较大的变化 如果均值控制图和极差控制图中的任何一种出现了超出管制界限的点，且Cp不是很大时，应该立即到现场去查看原因并立即解决 ,34,3. 均值标准差控制图(Xbar-S chart),控制对象为计量型的数据 适用于N10的情况 均值图用于观察

11、和分析分布的均值的变化，即过程的集中趋势 标准差图用于观察和分析分布的分散情况，即过程的离散程度,35,图例,36,控制界限的计算,均值控制图 CL=X UCL=X+A3S LCL=X-A3S 标准差控制图 CL=S UCL=B4S LCL=B3S,37,图形分析,分析方法同Xbar-R Chart 当均值控制图没有较大幅度的变化，而标准差控制发生某一点超出其管制界限，则说明机台松动得很严重，应立即查清原因，甚至停止生产进行整顿 ,38,4. 单值移动极差控制图(M-MR Chart),控制对象为计量型的数据 与均值极差控制图的作用类似 不需要多个测量值或样本是均匀的（如浓度） 因为费用或时间

12、的关系，过程只有一个测量值（如破坏性实验） 敏感性不强 用自动化检查，对产品进行全检时,39,图例,40,移动极差,移动极差是指一个测定值Xi与紧邻的测定值Xi+1之差的绝对值，记作MR MR=| Xi - Xi+1 | (i=1,2,k-1) K为测定值的个数,41,5. 不良数控制图(Pn-Chart),计数型数据中的计件型 样本容量(检验数)N恒定，一般N50 不合格数是一个服从二项分布的随机变量,42,图例,43,控制界限的计算,CL=Pn UCL=Pn+3Pn(1-P)1/2 LCL=Pn-3Pn(1-P)1/2 Pn 平均不合格品数 P 平均不合格品率,44,图形分析,当点已跑出管

13、制界限 连续几点在中心线上方或下方 连续几点上升或下降 连续几点互着一升一降 连续几点在3倍标准差以外 连续几点中有几点在2倍标准差以外 连续几点中有几点在中心线两侧之1倍标准差以内 连续几点在中心线两侧，但未在1倍标准差以内,45,6. 不良率控制图(P Chart),计数型数据中的计件型 样本容量N大小不定 服从二项分布,46,图例,47,控制界限的计算,CL=P UCL=P+3(1/n)*P*(1-P)1/2 LCL=P-3(1/n)*P*(1-P)1/2,48,7. 缺陷数控制图(C Chart),计数型数据中的计点型 控制对象为一定单位（如一定长度、一定面积、一定体积等）N上面的缺陷

14、数 产品上的缺陷数服从泊松分布，但可近似为正态分布处理 要求检验数相同,49,图例,50,控制界限的计算,CL=Cbar UCL=Cbar+3(Cbar)1/2 LCL=Cbar-3(Cbar)1/2 Cbar全体数据的平均缺陷,51,8. 单位缺陷数控制图(U Chart),计数型数据中的计点型 与C图具有相同的原理，不同的是U图的取样大小可以浮动，只要能计算出每单位上的缺陷数即可 设N为样本大小，C为缺陷数，则单位缺陷数为： u=c/n,52,图例,53,控制界限的计算,CL=Ubar UCL=Ubar+3(Cbar/Ni)1/2 LCL=Ubar-3(Cbar/Ni)1/2 Ubar平均

15、单位缺陷数 Ni第i组组数据的检验数,54,9. 柏拉图(Pareto Chart),主要用来分析各种不良原因或缺点项目中的重点部分，以便于在品质方面要注意和改善的重点 品质管理中主要应用 缺陷柏拉图 异常柏拉图 原因柏拉图 措施柏拉图 Pareto理论的作用 找出“重要的少数” 80%的问题由20%的潜在原因引起,55,图例,56,10. 散布图(Scatter Diagram),也称相关图，可以直观地表示出两变量之间的相关程度 收集的数据必须一一对应 相关系数r -1=r=1 r越接近1，X与Y之间的线性关系越好 r=1正相关，r-1负相关 r=0无相关或无线性关系,57,11. 其它控制图,s和a K PPM/不良率推移图 CPK推移图,58,SPC的运作,59,SPC图形架构,60,SPC运作流程,61,SPC的目标,达到统计受控状态 维持统计受控状态 改善过程能力 核心思想：有效监控和预防,62,SPC的意义,用科学的体系来保证和控制质量 全面、及时地了解产品的质量信息，有效监测和预防，提高生产率，降低生产成本 提高客户满意度，赢得更多客户 加强供应商质量保证体系 是推行ISO9000、QS9000的基础,63,SPC软件应用,64,可以得到的控制图,计量型控制图 Xbar-R Chart Xbar