spc统计过程控制剖析

《spc统计过程控制剖析》由会员分享，可在线阅读，更多相关《spc统计过程控制剖析（50页珍藏版）》请在金锄头文库上搜索。

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

2、稳定状态的工序变差已 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

3、，它要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

4、值是否发生了变化。 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

5、量值介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 & R N10, 典型3-5,平均值与标准 偏差Xbar与S n 10,控制图表类型,存在两种控制图表类型: 变量图表 用于监控连续变量值X，如:一个直径或消费者满意度评分。 属性图表 用于监控离散变量值X，如:合格产品/次品数量，或存货水平。,为了选择合适的控制图

6、监控你的过程，首先要决定重要的过程变量(X)是连续的还是离散的.,中间值与极差 X与R n10 典型3-5,单个数据点和 移动极差 XmR n = 1,监控连续 X的变量 图表,缺陷比例 p 图表 典型 n 50 跟踪 dpu/dpo,次品数量 nP图表 n 50(常量) 跟踪次品数量,缺陷数量 c 图表 c 5,缺陷数/单元 U 图表 N 变量,监控离散 X的分布 图表,控制图表类型,X Bar西格玛 （Xbar-S) 控制图,用于分析和控制连续 过程变量 能够使用XbarS 图 在测量阶段，通过图形显示方式将变差的特定原因与一般原因分离。 在分析和改进阶段，在完成假设检验之前检查过程的稳定

7、性。 在控制阶段，在改进措施实行后检验过程控制。,Xbar-s 图表的最佳生成法是使用Mimitab 或其它统计软件包。如果没有该软件，则使用 Xbar-R 或其它手工控制图表,使用Minitab软件构建 Xbar-S图表,文件: GEAPPS6SigmaMinitabTrainingMinitab Session 4 control chart.mtw 选择 Stat Control Charts Xbar-S,使用Minitab软件构建 Xbar-S图表,选择响应数据栏，并输入一个表明分组大小的值，或从分组下标栏（在这个示例中，该项为“Week”）,选择 “Tests”.,确定“失控状态”

8、标准，选择“执行八种测试”或从提供的八种测试中选择需要进行的几项测试。,Minitab生成了Xbar-S 图，它自动计算控 制极限范围。图中标明了失控点，并且在会话框中得以总结。,看！现在出现了什么?,图中的“失控”点数相应于确定“失控”状态的八个测试。,分析控制图,在第七和十六周测定的平均值低于最小控制限度3.957. . . 它们属于失控点。 这个变化是由一些指定原因（相关系统或初始范围）导致的。 研究、 识别并 确定该变差的可指定原因，将其在图表中相应的时间点上标明。 在第七周的区域中心的变化量大于期望值，这样也要求进行研究、纠正并记录。,失控指示可能来自任一图表。,计算平均值图的控制限

9、,要想确定平均值的控制极限范围，必须先计 算出过程的总平均值。,过程的总平均值,K=分组平均值的个数,控制上限：由下列公式得出：,控制下限公式：,对于较大的样本容量，给定过程的控制限就会 较小，控制图灵敏度也就较高。,X,X,X,X,k,k,1,2,.,.,.,计算变差图的控制限,要确定“s”的控制限，首先计算每一个分组的“s”值。 下一步计算平均值“S” 确定控制限的上下线。 计算方法基于与平均值图相似的概念，但是较之更为复杂。幸运地是，Minitab可以计算出这些极限范围。,k= 分组个数,ni=第I个分组的观测值数量。,大型分组 提高灵敏度,当采样大小增加时，控制限范围缩小。这样可以 提

10、高过程的灵敏度，即提高了探测到变化的概率。 控制图的灵敏度与采样大小的平方根的比例相关。即，采样大小为25的控制图灵敏度是采样大小为4的2.5倍（5/2）。 根据中心极限定理，分组大小必须大于2。,n = 3,n = 10,n = 25,UCL,UCL,UCL,LCL,LCL,LCL,Copyright 1995 Six Sigma Academy, Inc.,为什么使用 3 Sigma控制 限范围?,3 Sigma极限已经通过了时间的检验。 3 Sigma极限可得出a近似等于.00135，当过程实际上并未发生改变时， 较小的a会给系统带来较低的反应机会。由于在全过程中要进行大量的检验，因此这

11、一点是十分重要的。,2 s - 平均值的95%置信区间 3 s - a =.003 (原因: 多次序列检验; 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

12、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，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

13、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。

14、,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

15、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