《SPC统计过程控制-2015学员版培训课件》由会员分享，可在线阅读，更多相关《SPC统计过程控制-2015学员版培训课件（99页珍藏版）》请在金锄头文库上搜索。
1、 主讲 龚举成老师 5S运动 土壤 TQM QCC ISO TPM SPC 统计过程控制 StatisticalProcessControlSPC 第二版 第一部分 SPC统计过程控制概论 二 SPC的发展及应用 三 SPC管理体系建立 一 SPC定义 背景和起源 四 工厂SPC应用现状分析 战后经济遭受严重破坏的日本在1950年通过休哈特早期的一个同事戴明 W Ed wardsDeming 博士 将SPC的概念引入日本 从1950 1980年 经过30年的努力 日本跃居世界质量与生产率的领先地位 美国著名质量管理专家伯格 RogerW Berger 教授指出 日本成功的基石之一就是SPC 美
2、国贝尔实验室休哈特博士 W A Shewhart 于1924年发明控制图 开启了统计品管的新时代 SPC兴起的背景 起源 1940 s二次世界大战期间 美国军工产品使用抽样方案和控制图以保证军工产品的质量 全面质量管理20世纪60年代以来 统计质量控制20世纪40 50年代 质量检验19世纪末 20世纪30年代 事后把关 人来保证 检验 SPC SPC TQM6Sigma 统计预测 系统保证 在品质管理发展过程中 SPC是品质保障的重要工具 质量管理与SPC的关系 预防还是容忍 不要等产品做出来后再去看它好不好 而是在制造的时候就要把它制造好 检测 容忍浪费预防 避免浪费 过程波动 按规定的时
3、间间隔抽取样本 认真测量准确记录有异常时 分析原因制定解决的有效改进措施 预防控制 第二部分 统计学基本概念 二 数据类型 三 基本统计术语 四 数据的收集流程 整理与分析 一 什么是统计学 Statistics 问题解决 问题 Issue事项 连续型Data ContinuousData 离散型Data DiscreteData 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 1 计量值DATA 像温度 重量等连续性测定值
4、 2 计数值DATA 观测工程的结果 或者数 Counting 某些数量时的结果值 实际的测定值97 615 23 测定工具温度计 刻度卡尺 Count可能是 不是 出席 缺席 采取 放弃 不良数 测定方法肉眼检查 自动检查 良品 不良品 数据的类型 总体 人们研究对象的全体 又称为母体 批量 单位产品的总和 个体 总体中的每一个基本单位 为实施检验的需要而划分的基本单元 有时也称单位产品 unitproduct 样本 或子样 从总体中随机产生的若干个个体的集合 样本容量 从总体中随机取得的一批数据的规模大小 随机抽样 没有任何主观意愿和特点要求从总体中抽取样本 统计的任务是由样本推断总体 基
5、本统计术语 总体 样本 个体 xi n S SPC专业术语 n子组大小 单个子组中子组观测值的个数k子组数X质量特性的观测值 可用X1 X2 X3 表示单个观测值 子组平均值 n k X1X2X3X4X5 第12页 中心趨向的測量 平均值 一组数据的算术平均值反应所有值的影响 散佈的測量 极差 全距 数据组內數值之间的距离 Max Min 方差 每一个数据点到平均值的偏离的平方的均值标准偏差 方差的平方根 第13页 所有统计方法都是会产生错误的 因为我们只控制了99 73 要防止2类错误 虚发警报 又称 风险 生产者风险实际上没有偏离 却发出警报 导致徒劳地查找原因并采取措施 造成成本增加漏发
6、警报 又称 风险 消费者风险实际上已经偏离 却未发出警报 导致未能及时采取措施 造成不良品增加 基本统计术语 R子组极差 子组观测值中的极大值与极小值之差 R Xmax Xmin 注1 在单值图情况下 R代表移动极差 即两个相邻观测值的差值的绝对值 如 X1 X2 X2 X3 等等 子组极差的平均值 总体N平均值 群体标准差 计算公式 平均值和标准差 计算公式 样本n平均值 样本标准差 S s标准差计算公式 25 0 25 4 25 6 25 5 25 3 例 0 2302 Me 子组中位数 对于一组升序或降序排列的n个子组观测值X1 X2 Xn 当n为奇数时 中位数等于该组数中间的那个数 当
7、n为偶数时 中位数等于该组数中间两个数的平均值 子组中位数的平均值 25 0 25 3 25 4 25 5 25 6 例 n 5为奇数 Me 25 4 数据为25 0 25 4 25 5 25 6 时 n 4为偶数 单位 mm 例 续 怎样比较各供应商的优劣 假设一产品之规格为160 175mm 为了了解A B C三家供应商技术水准的差异 经抽样三家所供应的产品 测定得下表所示之数据 S2 166 167 2 164 167 2 167 167 2 8 1 4 第三部分 SPC体系的建立 一 SPC控制对象的选择 质量特性 二 SPC应用前的准备工作 三 识别关键过程和关键控制点 四 测量系统
8、准备 1 产品质量的变异具有统计规律 控制对象选择 材料输入批次之间的不同同批内的不同随时间而变随环境而变 机械制造 组装机器 工装 工具之间的不同随时间而变 如磨损 漂移等 输出的产品随时间而变动随环境而变动 测量体系偏离稳定性重复性再现性分辨率 人员操作者不同 如手工 方法调试的不同 环境的不同 变动对顾客有影响 设定为CTQ SPC管理 关键特性的控制 CTQ定义 CTQ Critical TO Quality 对性能 技能 安全等重要品质有致命影响的核心特性值 规格 SPEC 100 0 1 100 0 1 CTQ 图面 技术要求1 使用材质 冷轧镀锌钢板0 5t2 纳品时表面无油污
9、残渣 CTQ 表示方法 CTQ CTQ选定方法 顾客要求市场 工程质量质量 其他COST生产性等 QFDFMEA市场CLAIM分析工程不良分析 预备CTQ选定 CTQ确定 品评会或CTQ确定会 通过QFD FMEA等分析工具展开以重要度 影响程度等定量评价选定对象 已有类似部件 工程DATA 评价散布 规格的适合性 统计性管理有无必要等 测定CTQ过程能力 设定CTQ项目和目标值 通过相关部门的会议确定CTQ CTQ确定 第四部分 控制图 ControlChart 原理 二 正态分布概念 三 中心极限定理 四 引起变异的原因 普通原因和特殊原因 一 变差Variation的原理 五 控制图判异
10、的定义 准则 别名 柱状图 分布图功能 分析数据的规则性 尤其是中心值和分布状况 定义 术语 组 直方图的每一个柱子叫做组 组距 显示柱子的宽度 边界值 柱子与柱子接触处的数值 一个组有2个与两侧接触的边界值 中心值 每个组的中心值 频数 从属于每个阶的数值的个数 频数是表示柱子的面积 3020100 8 09 010 011 012 0 频数 FanMotor内径尺寸 N 1205月12日 5月14日 直方图 Histogram 简介 直方图也叫柱状图 这是因为它的图里面有许多像柱子一样的矩形图 在图中用这一系列宽度相同 高度各异的矩形的排列状态表示数据分布状况 从而达到分析过程的质量合格与
11、否 这种方法就是直方图法 组数 数据N 50 50 100 5 7 100 250 250以上 6 10 7 12 10 20 作图步骤与方法1 收集数据 一般要求数据至少要50个以上 并记录数据总数 N 2 将数据分组 定出组数 K 1 3 23logN 也可采用以下经验数据 组成直方图的主要参数如下 1 极差R 数据的最大值与最小值之差 R Xmax Xmin 2 组距C 矩形的宽度 极差R与组数N的商 即C R N 3 组数N 根据经验设置的数目 组数可参照下表 直方图 Histogram 简介 3 找出最大值 L 和最小值 S 计算出全距 R 4 定出组距 H 全距 组数 通常为2 5
12、或10的倍数 5 定出组界 最小一组的下组界值 S 测量值的最小位数 2 最小一组的上组界值 最小一组的下组界值 组距 最小二组的下组界值 最小组的上组界值6 决定组的中心点 上组界 下组界 2 组的中心点7 作次数分配表依照数值的大小记入各组界内 然后计算各组出现的次数 8 绘直方图横轴表示数值的变化 纵轴表示出现的次数 9 对绘制出的直方图进行分析 即最小分辨率的一半 1 任何事物都是变化的 2 任何变差都是有原因的 3 变差的原因遵循巴雷多Pareto原理 80 20规则 4 过程变差的原因可归纳如下 人员机械材料方法环境测量5 稳定的过程产生稳定的变差 6 缘于特殊原因的变差使过程不稳
13、定 或 失控 7 主要的过程变差原因可通过简单的统计图来发现 例如 直方图 平均概率图 散布图和控制图 变差的原理 m 分布曲线 5 7 5 7 5 7 9 11 1 3 控制图的原理 质量的统计观点 产品的质量特性值是波动 变差 的 公差的建立就是承认这一点的一个标志 产品质量特性值的波动是随机现象 具有统计规律性 随机现象通常用分布 Distribution 来描述 分布可以告诉我们变异的幅度有多大 出现这么大幅度的可能性 概率 probability 有多大 常见的分布有以下几种 正态分布 计量值 NormalDistribution 二项分布 计件值 BinormalDistribut
14、ion p图np图泊松分布 计点值 Poissondistribution C图u图 波动 变差 是质量的敌人 品质改善就是要持续减少设计 制造和服务过程的波动 波动是魔鬼 发现并消灭它 统计学 正态分布概念 试调查一班人的身高时 我们很容易会发觉大多数人会集中在某一段高度 而较高或较矮的人数就会随著高度的两侧逐渐减小 假如我们用线把代表人数的柱条连起来 这曲线形状成吊钟形 身高的分布形成了正态分布 NormalDistribution s m 正态分布的重要参数 m 母体平均值 描述位置 x 样本平均值 描述位置 s 标准差 描述分布状态 中心极限定理 定义 设X1 X2 Xn为n个相互独立
15、同分布随机变量 其母体的分布未知 但其均值和方差都存在 当样本容量无限大时 样本均值的分布将趋近于正态分布基本上 无论母体是否符合正态分布 当样本容量较大时 从母体中抽样的样本的平均数都近似的符合正态分布 母体数据 从母体中抽样得到的分布 引起变异的原因 普通原因和特殊原因普通原因 CommonCause 又称机遇原因 ChanceCause 系统原因 不可避免原因 非人为原因等 如操作技能 设备精度 工艺方法 环境条件 此种原因所引起的变异 波动 称为正常波动 NaturalVariations 特殊原因 SpecialCause 又称非机遇原因 AssignableCause 偶然原因 可
16、避免原因 人为原因等 如 刀具不一致 模具不一致 材料不一致 设备故障 人员情绪等 特点 不是始终作用在每一个零件上 随着时间的推移分布改变 此种原因所引起的变异 波动 称为异常波动 AssignableVariations 影响产品质量波动的原因 普通原因和特殊原因 管制图是1924年由休哈特博士 Dr W A Shewhart 在研究产品品质特性之次数分配时所发现 正常工程所生产出来产品的品质特性 其分配大都呈常态分配的 会超出三个标准差 3 的产品只有0 27 依此原理 将常态曲线图旋转90度 在三个标准差的地方加上两条界限 并将抽样数据按顺序点绘而成为管制图 3 2 1 1 2 3 规格范围 3 2 1 1 2 3 3 原则 正态分布有一个结论对质量管理很有用 即无论均值 和标准差 取何值 产品质量特性值落在 3 之间的概率为99 73 于是落在 3 之外的概率为100 一99 73 0 27 而超过一侧 即大于 3 或小于 3 的概率为0 27 2 0 135 1 如正态分布曲线图 这个结论十分重要 控制图即基于这一理论而产生 正态分布总面积是1 脱离已知规格的面积 那就是所
