SPC统计过程控制00755

1、Tab 3:,SPC 统计过程 控制,目标 1.能够使用“XBar和S图表”进行连续数据分析。 能够使用“p”控制图表进行离散数据分析。 能够确定每一种图表类型的控制极限范围。 能够对图表进行解释并确定工序什么时候处于失控状 态。 5.能够解释依据图表信息采取措施的重要性。,Tab 3: 统计过程控制,目的 介绍统计过程控制的概念,什么是：统计过程控制（SPC）,统计 基于概率的决策方法。 过程 -所有重复性的工作或步骤。 控制 -监控工序运行。 基于与“t test”假设检验相同的概念进行分析，能够使我们在出现的问题影响到输出结果之前，就作出有关工序的决定、采取行动、解决问题。,当处于稳定状

2、态的工序变差已 经被外界可指定原因所影 响时，SPC发出信号。,当过程失控时，SPC将发 出信号，你的任务是找出 失控的原因，然后进行修 正，确保问题不再发生。,6 个西格玛质量的重点是将控制范围转移到工序的上游，以充分利用对工序输入变量特征（关键X）的控制,6个西格玛与 SPC,控制图表应用于 过程变量； 自变量； 设计变量 X1, X2,., Xk,提高因变量的稳定性，响应值 Y1,Y2,., Ym,Y,X,什么时候使用SPC？,希望获悉什么信息？ 关键过程变量（X或Y）在随时间变化吗？（即该过程稳定吗？） 如何观察输出变量？ 基于实时数据、显示过程变化的图表,SPC是一个严密的过程，它要

3、求操作小组积极参与数据的采集和分析。,失控状况，记录采取的修复行为,UCL,LCL,X Bar 图表,样本/分组（按时间排序）,Sigma 图表,控制下限,总平均中心线,控制上限,控制图表包含内容,平均Sigma 中心线,控制图表,统计过程控制图是由贝尔实验室的Walter shewhart 在1920年开发的，它提供了测量过程的观察值相与用统计方法计算出的“ 控制极限范围”（期望值）的图形比较。 绘制随时间而变化的表现。 一个过程的改变包括平均值和/或方差的改变， 因此我们总是同时绘出平均值以及方差的控制 图（Xbar和S）。 平均值的控制极限表示双边假设检验极限，用于推断观测的样本均值是否

4、发生了变化。 Sigma的控制极限或极差表示方差在何处显示 差异。,假设检验?,控制图是连续进行的双边检验的图形显示，其中 Ho和Ha定义如下:,对于3限制, = 0.00135,当一个分组的平均值超出了控制图极限范围之外，它以图形表明样本平均值与历史平均值之间存在差值。,注意：近似置信度为 99.7%.,过程的稳定性,下图显示多种不稳定过程，控制图能够有助于确定这些不稳定状态什么时候产生、以及存在于什么环境。,不稳定过程不存在可预测的表现，而且稳定的运行状态可能不是持续不变的。,时间,均值/方差,过程稳定性,当过程输出值仅包括一般原因变差时，该过程被认为是稳定的。 分组平均值和方差的测量值介

5、于它们的控制极限范围之内，且未显示出存在可指定来源（特定原因）变差的证据。 如果在控制图表中出现数据的非随机型态，或当某一点超出控制极限时，这是表示在你的过程中出现了可指定来源（特定原因）的变差的明显信号。,一个稳定过程的输出值很少超出正负三个Sigma范围。,稳定过程变差区域 (仅存在一般原因变差),平均值与极差 Xbar 减少可能发生的错误。) 4.5 s -与顾客需求相对比的单个测量值的长期过程性能目 标。 6.0 s -与顾客需求相对比的单个测量值的短期过程变差目 标。,当过程处于稳定状态时， 3 s 极限对变化的灵敏度较高，过度反应的可能性较低。,一个消费者服务组织希望能够监控消费者

6、对公司的满意度。每周都对公司的个地区服务中心的调查结果进行评估，并制成表格。下面的实例说明了Xbars控制图如何用于监控“消费者满意度”（在这个示例中，满意值越高说明公司运营情况越出色。） 创建Xbar-s控制图表的主要信息: 分组总数量= 25 分组大小, n = 10 总平均值, X = 4.096 S=.1403,变量控制图示例,控制限计算公式:,实际数据的控制限计算,参见下页的常量 SPC 表,控制图常量与控制限范围,变量控制图控制限常量,下列表格包括用于构建SPC控制图的不同常量。,用于计算控制图极限范围的标准偏差是以绘制图的类型为基础的。 对于Xbar图，它是分组平均值的标准偏差，

7、这与合并标准差类似。 对于S图表，它是分组标准偏差的标准偏差。 两种类型的公式都依赖于分组的大小。,控制图的使用,控制图表可以在测量和分析阶段用于跟踪过程的变化，分析显著的变化并记录。,控制图在控制过程中用于保持改进的结果。 用图进行监控并记录输入变量(X),分析X的变化并进行控制。,不断变化的控制限,与随每次观测而变化的极限相比，控制图最好使用历史的稳定过程的极限。历史极限决定了所“期望”的数据范围或“零假设（H0） ”。（使用Minita中的历史设置值） 改变控制限范围，当： 一个过程有了改变，且此改变被认为具有统计显著性的（即 Ha）。 当完成了一个规定的实际过程改变。,控制图说明,对图

8、表的解释与说明是在确定过程能力之前，是以持续进行的过程控制为基础，. 首先解释Sigma图表。 在初始能力分析期间，如果你能够识别那些造成“ 失控”情况的特殊原因变差，那么，在计算控制极限范围时，可以将这些数据点删除。,一般过程变差“乏味”,这个图表代表一个可预测的过程，在该过程中变差仅受随机变差的支配。 图中各点的上下跳动是不可预测的，但是它们都趋向于围绕着中心线（然而，不是非常接近）并且保持在控制极限范围之内。 这种型态是任何控制图的目标，它不一定表明过程的最佳能力，也不一定表明工序能满足规格要求， 但是，它显示该工序是稳定的。,特定原因改变“ 发生了什么？”,在偶然情况下，某个因 素进入

9、过程并引起一个 突发性的短暂改变。 这个原因可在XBar图中表现为失控的一束点集，而S图通常并不会因为这些移动点而受到影响。,一些典型原因： 引入了一批不合规格的 材料 测量系统的暂时间的偏移 不同的检验员 不同类型的工具,有时过程会产生异常现象，其结果是偶然出现一些“奇异点”，它们很明显并不属于基本过程分布的一部分。一个异常点产生过后，该过程恢复正常状态，直到下一个异常点出现。,一些典型原因： 测量中产生的错误 置于一堆的底层（或顶层）的原材料 条棒、线圈等的末端 污垢或进口材料,奇异点,奇异点,奇异点,过程之外“啊哈！现在出现一些有趣的现象”,一些典型原因： 调节错误或不正确设置 原料或润

10、滑剂的改变 移动变化,现象： 连续九个数据点位于中心线的一边。,这种变化发生后， 该过程会产生零件 尺寸的平均值增大、产出增加或硬度增强等现象。 该过程的基本变差并未改变，极差也未显示变化的出现。,过程突然移动 “你做过什么？”,现象: 连续七个数据点呈上移趋向 连续七个数据点呈下移趋向,过程趋势 “过程向何处发展？”,一种趋向是过程的水 平的逐渐移动，仅仅 反应在xBar图表中。 有时原料、测量和人为因素可能会引发过程趋势，但是这不大可能。问题通常出现在设备本身、电源供应、或先前的过程环境。,一些典型原因： 这种现象通常与“工具磨损”有关。 例： 电镀作业和多种 化工作业中的电 镀槽损耗 电

11、路管磨损,区域测试,概率分布区域,如果以下情况发生，过程处于“失控”状态,Copyright 1995 Six Sigma Academy, Inc.,分组数,平均值和极差图（Xbat R）,如果靠人工进行，Sigma的计算是非常烦琐的，因此Xbar R图便成为人工控制图的首选方法。,通过计算分组内数据的极差来显示变差 （极大 极小） 使用A2Rbar得出3s/sqrt(n)的近似值，使用D3和D4乘以Rbar找出极差变差的控制极限的上下限。 以类似于Xbar S的方法进行分析。,单个数据点和移动极值图（XmR）,单个变量X 移动极差 图适用于分组内并不存在可测量的变差的情况（如：过程温度、压

12、力或其它类似的测量值），或者适用于合理分组数据不可得时（由于成本或其它限制因素）。,小心 如果不当地应用于一个具有“组内”变差的过程时）如上图所示的控制图数据），所绘之图有时难读、难用。 当跟踪单个测量值时，没有关于短期和长期变差差异的信息。,可以探测到过程中任何大小的变化，这种可编程的灵敏性使 EWMA 成为监控受控过程的优秀工具。 注意EWMA 的形状， 该图所使用的数据和我们前面连续数据图中的数据相同。我们注意到平均值存在向上的趋势，其中还有均值向下的显著位移。,指数加权移动极差 (EWMA)图表,EWMA 图比其他任何控制图灵敏得多。每个EWMA 图中的数据点都融有前面观察的信息，而且

13、该图经过成形,特征值控制图,np p,主要属性图,np - 测量所得的缺陷数量。控制极限范围基于 二项式分布。由于记录的是原始缺陷数量，因 此分组的大小应相同。 p - 记录的是样本的有缺陷部分。控制极限范围基于二项式分布。由于比例是缺陷相对于样本大小的比值，因此，样本的大小无须相同。,属性控制图表范例,一个本地的牙科小组想要了解为什么他们的许多患者都会失约；为此成立了一个问题解决小组，该小组决定使用一个p图表跟踪“失约”患者的百分比。牙科门诊部开始按月提供患者“失约”百分比 。由于一次“失约”就是一个缺陷约定，所以，平均有缺陷部分的百分比即为p。 在头六个月的基础上计算控制图极限范围。使用的

14、样本数量为每月100次预约。,p 图表公式:,p = 236/600 = 0.393， 公式中的Sdi = 40+36+36+42+42+40 = 236 Sni=600，6个月内的总采样数量 UCL = .393+3(.393*.607)/100) = 0.5395 LCL = .393- 3(.393*.607)/100) = 0.2465,在时间段内的测量特性,根据1996年的“失约”的数据构建控制极限范围。 该研究小组对患者失约的不同原因进行了分析和主次排序。 研究小组确认如果为患者提供灵活的时间安排将有助于减少失约数 量。 在1997年1月实行了灵活预约政策。 控制表显示实行灵活预约

15、政策后失约次数惊人的减少。 通过采用新的预约政策，该小组将平均“失约”率由原来的40% 降低到20%（20%是1997年数据的新的平均数）。,创建P图,文件: GEAPPS6SigmaMinitabTrainingMinitabSession 4Patients.mtw,数据表,StatQuality ToolsP Chart,电子表格中需设置两栏，一栏用于记录数据数量，另一栏用于表示分组。,一旦你打开对话框后，即确认计数栏为“变量”。而后填写分组数量（n），以及p的历史数据（此处p的历史数据是指其1996年的值。）,改进图形输出,选择“AnnotateTitle”按钮。使用可用的线型和格式输

16、入图形标题。点击“OK”。,下一步选择“Stamp”按钮。在该对话框中确认子组的标识信息，即：月。点击“OK”。,下一步，选择“FrameTick”按钮。在该对话框中对坐标轴标记的各种特殊设置进行确认，以使图形更容易使用。,微调,如果你需要对一些重要信息加以脚注，可以使用AnnotateFootnote按钮。此例中，参考P的历史数据。,如果你想要添加参考线，可以使用FrameReference”按钮。此例中，位于1996年12月线表明截止年份。,最后，图形表明，双击图形窗口以打开编辑调色板。该工具用于添加年份日期并为其设置颜色。,统计过程控制应用中的一些实践性问题,过程管理和数据采集需要规范化

17、的方法。 对自动或半自动的环境最为适用（它是一个实时过程监控的工具） “失控”状态需要正确的应对措施。 可以通过增加分组样本数量改进控制图检查出非随机变差的灵敏度。 根据重置基线数据或确认运行结果来重新计算控制极限范围可能是适当的方法。 只有在过程变差确实变动（稳定的）的情况下才重新计算新的控制极限范围。 可以基于5到10个分组的数据计算临时控制极限范围，但是，均值和西格玛图的长期控制极限范围的计算至少需要25组“受控”状态下的分组数据点。,SPC图目标,连续数据的SPC是为了引导过程向目标值发展，特征（离散数据）的SPC图用于将缺陷降到最低。,连续数据,离散数据,统计过程控制是一个出色的上游

18、过程控制工具。控制图极为 适合对你的少数关键变量X进行监视和控制。 控制图能够监控过程变差，并在过程变差受其他特殊原因影响的情况下生成提示信号。 SPC控制图用于监视以下对象： 连续变量 Xbar&S Xbar&极差 单个值&移动极差(XmR) EWMA控制图 离散变量（属性） P图 np图 使用控制图的基本技巧为： -即时将数据绘图。 -确认 “失控”状态，并对其作出反应。 -控制极限范围外的点。 -查找造成“失控”的根本原因。 -实施永久的解决方案。 -如果过程并未“失控”，那么就不要做调整。,主要概念: Tab 3 - SPC,附录,统计质量控制说明书，1956 由I.D.C.贸易公司、西部电子