《{品质管理SPC统计}SPC统计制程管制论述》由会员分享，可在线阅读，更多相关《{品质管理SPC统计}SPC统计制程管制论述（143页珍藏版）》请在金锄头文库上搜索。
1、統計製程管制(SPC),課程內容,控制圖歷史說明 控制圖說明 控制圖原理說明 控制圖種類及選擇說明 正態分佈說明 ,風險說明 普通原因、特殊原因說明,使用控制圖注意事項 X-R,X-S,X-R,X-Rm控制圖 P, np, c, u控制圖 Ca, Cp, Cpk, Pp, Ppk, Cmk指數說明 什麼是MOTOROLA的6 控制圖的判讀 Case study,2,控制圖的歷史,控制圖是1924年由美國品管大師W.A. Shewhart博士發明。因其用法簡簡單且效果顯著，人人能用，到處可用，遂成為實施品質管制時不可缺少的主要工具，當時稱為(Statistical Quality Control
2、)。,3,控制圖在英國及日本的歷史,英國在1932年，邀請W.A. Shewhart博士到倫敦，主講統計品質管制，而提高了英國人將統計方法應用到工業方面之氣氛。 就控制圖在工廠中實施來說，英國比美國為早。,日本在1950年由W.E. Deming博士引到日本。 同年日本規格協會成立了品質管制委員會，制定了相關的JIS標准。,4,SPC 第二條, 控制圖上點的排列分布沒有缺陷.,57,控制圖的觀察分析,進行控制所遵循的依據: 連續25點以上處于控制界限內; 連續35點中, 僅有1點超出控制界限; 連續100點中, 不多于2點超出控制界限. 五種缺陷 鏈: 點連續出現在中心線 CL 一側的現象稱為
3、鏈, 鏈的長度用鏈內所含點數多少來判別. 當出現5點鏈時, 應注意發展情況, 檢查操作方法有無異常; 當出現6點鏈時, 應開始調查原因; 當出現7點鏈時, 判定為有異常, 應采取措施.,58,控制圖的觀察分析,從概率的計算中, 得出結論: 點出在中心線一側的概率A1=1/2 點連續出現在中心線一側的概率A1=(1/2)7 = 1/128 (0.7%)即在128次中才發生一次, 如果是在穩定生產中處于控制狀態下, 這種可能性是極小的. 因此, 可以認為這時生產狀態出現異常. 偏離: 較多的點間斷地出現在中心線的一側時偏離. 如有以下情況則可判斷為異常狀態. 連續的11點中至少有10點出現在一側時
4、; 連續的14點中至少有12點出現在一側時; 連續的17點中至少有14點出現在一側時; 連續的20點中至少有16點出現在一側時.,59,控制圖的觀察分析,傾向: 若干點連續上升或下降的情況稱為傾向, 其判別準則如下: 當出現連續5點不斷上升或下降趨向時, 要注意該工序的操作方法; 當出現連續6點不斷上升或下降的趨向時, 要開始調查原因; 當出現連續7點不斷上升或下降的趨向時, 應判斷為異常, 需采取措施. 周期: 點的上升或下降出現明顯的一定的間隔時稱為周期. 周期包括呈階梯形周期變動、波狀周期變動、大小波動等情況.,60,控制圖的觀察分析,接近: 圖上的點接近中心線或上下控制界限的現象稱為接
5、近. 接近控制界限時, 在中心線與控制界限間作三等分線, 如果在外側的1/3帶狀區間內存在下述情況可判定為異常: 連續3點中有2點(該兩點可不連續)在外側的1/3帶狀區間內; 連續7點中有3點(該3點可不連續)在外側的1/3帶狀區間內; 連續10點中有4點(該4點可不連續)在外側的1/3帶狀區間內.,61,為了繼續進行控制延長控制限,估計過程標准偏差,計算新的控制限,62,Case study,63,Case study,請計算出上表的X-R控制圖的控制限？ 請判定過程是否穩定？ 如果是不穩定該如何處理？ 如果製程假設已穩定，但想將抽樣數自n=4調為n=5時，那麼其新控制限為何？,64,建立X
6、-R圖的步驟D,65,66,67,68,製程績效指標,69,群體 平均值= 標准差=,對的估計,群體標准差的估計,70,指數差異說明,71,Case study,請依照上個case study的數據，計算其下列的各項指標結果，假設其規格為：755。 Ca Cp Cpk Pp Ppk,72,73,74,何時應用Cmk指數,新機器驗收時 機器大修後 新產品試製時 產品不合格追查原因時 在機械廠應和模具結合在一起考慮,75,Case study,76,Case study,假設其規格為505，試計算其Cmk？,77,WHAT IS MOTOROLAS 6,78,WHAT IS MOTOROLAS 6
7、,最佳狀況，製程中心等於規格中心，此時Cpk=2。 最差情形，可以允許製程中心，偏差1.5，此時的Cpk=1.5,79,Sigma=Deviation (Square root of variance,-7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7,Axis grach in Sigma,Normal Distribution-Gaussian Curve,80,A收集數據：在計算各個子組的平均數和標准差其公式分別如下：,81,B計算控制限,82,C過程控制解釋 (同X-R圖解釋),83,D過程能力解釋,84,Case study,85,Case study,請計算出
8、上表的X-s控制圖的控制限？ 請判定過程是否穩定？ 如果是不穩定該如何處理？ 如果製程假設已穩定，但想將抽樣數自n=4調為n=5時，那麼其新控制限為何？,86,A收集數據 一般情況下，中位數圖用在樣本容量小於10的情況，樣本容量為奇數時更為方便。如果子組樣本容量為偶數，中位數是中間兩個數的均值。,87,B計算控制限,88,C過程控制解釋 (同X-R圖解釋),89,估計過程標准偏差：,90,Case study,91,Case study,請計算出上表的X-R控制圖的控制限？ 請判定過程是否穩定？ 如果是不穩定該如何處理？ 如果製程假設已穩定，但想將抽樣數自n=4調為n=5時，那麼其新控制限為何
9、？,92,單值控制在檢查過程變化時不如X-R圖敏感。 如果過程的分布不是對稱的，則在解釋單值控制圖時要非常小心。 單值控制圖不能區分過程零件間重復性，最好能使用X-R。 由於每一子組僅有一個單值，所以平均值和標准差會有較大的變性，直到子組數達到100個以上。,93,A收集數據 收集各組數據 計算單值間的移動極差。通常最好是記錄每對連續讀數間的差值(例如第一和第二個讀數點的差，第二和第三讀數間的差等)。移動極差的個數會比單值讀數少一個(25個讀值可得24個移動極差)，在很少的情況下，可在較大的移動組(例如3或4個)或固定的子組(例如所有的讀數均在一個班上讀取)的基礎上計算極差。,94,B計算控制
10、限,95,C過程控制解釋 審查移動極差圖中超出控制限的點，這是存在特殊原因的信號。記住連續的移動極差間是有聯系的，因為它們至少有一點是共同的。由於這個原因，在解釋趨勢時要特別注意。 可用單值圖分析超出控制限的點，在控制限內點的分布，以趨勢或圖形。但是這需要注意，如果過程分布不是對稱，用前面所述的用於X圖的規則來解釋時，可能會給出實際上不存在的特殊原因的信號,96,估計過程標准偏差： 式中，R為移動極差的均值，d2是用於對移動極差分組的隨樣本容量n而變化的常數。,97,Case study,98,Case study,請計算出上表的X-Rm控制圖的控制限？ 請判定過程是否穩定？ 如果是不穩定該如
11、何處理？,99,不良和缺陷的說明,100,P控制圖的制做流程,A收集數據,B計算控制限,C過程控制解釋,D過程能力解釋,101,建立p圖的步驟A,102,A1子組容量、頻率、數量,子組容量：用於計數型數據的控制圖一般要求較大的子組容量(例如50200)以便檢驗出性能的變化，一般希望每組內能包括幾個不合格品，但樣本數如果太利也會有不利之處。 分組頻率：應根據產品的週期確定分組的頻率以便幫助分析和糾正發現的問題。時間隔短則反饋快，但也許與大的子組容量的要求矛盾 子組數量：要大於等於25組以上，才能判定其穩定性。,103,A2計算每個子組內的不合格品率,記錄每個子組內的下列值 被檢項目的數量n 發現
12、的不合格項目的數量np 通過這些數據計算不合格品率,104,A3選擇控制圖的坐標刻度,描繪數據點用的圖應將不合格品率作為縱坐標，子組識別作為橫坐標。縱坐標刻度應從0到初步研究數據讀數中最大的不合格率值的1.5到2倍。,劃圖區域,105,A4將不合格品率描繪在控制圖上,描繪每個子組的p值，將這些點聯成線通常有助於發現異常圖形和趨勢。 當點描完後，粗覽一遍看看它們是否合理，如果任意一點比別的高出或低出許多，檢查計算是否正確。 記錄過程的變化或者可能影響過程的異常狀況，當這些情況被發現時，將它們記錄在控制圖的“備註”部份。,106,建立p控制圖的步驟B,107,計算平均不合格率及控制限,108,畫線
13、並標註,均值用水平實線線：一般為黑色或藍色實線。 控制限用水平虛線：一般為紅色虛線。 盡量讓樣本數一致，如果樣本數一直在變化則會如下圖：,109,110,建立p圖的步驟C,111,分析數據點，找出不穩定的證據,點 線 面 以上三種方式做判定。,112,尋找並糾正特殊原因,當從數據中已發現了失控的情況時，則必須研究操作過程以便確定其原因。然糾正該原因並盡可能防止其再發生。由於特殊原因是通過控制圖發現的，要求對操作進行分析，並且希望操作者或現場檢驗員有能力發現變差原因並糾正。可利用諸如排列圖和因果分析圖等解決定問題數據。,113,控制圖的即時性,REAL TIME,114,重新計算控制限,當進行初
14、始過程研究或對過程能力重新評價時，應重新計算試驗控制限，以更排除某些控制時期的影響，這些時期中控制狀態受到特殊原因的影響，但已被糾正。 一旦歷史數據表明一致性均在試驗的控制限內，則可將控制限延伸到將來的時期。它們便變成了操作控制限，當將來的數據收集記錄了後，就對照它來評價。,115,控制限運用說明,116,建立p的步驟D,117,過程能力解釋,118,計算過程能力,對於p圖，過程能是通過過程平均不合率來表，當所有點都受控後才計算該值。如需要，還可以用符合規範的比例(1-p)來表示。 對於過程能力的初步估計值，應使用歷史數據，但應剔除與特殊原因有關的數據點。 當正式研究過程能力時，應使用新的數據
15、，最好是25個或更多時期子組，且所有的點都受統計控制。這些連續的受控的時期子組的p值是該過程當前能的更好的估計值。,119,評價過程能力,縮小控制限,120,改善過程能力,過程一旦表現出處於統計控制狀態，該過程所保持的不合格平均水平即反應了該系統的變差原因過程能力。在操作上診斷特殊原因(控制)變差問題的分析方法不適於診斷影響系統的普通原因變差。必須對系統本身直接採取管理措施，否則過程能力不可能得到改進。有必要使用長期的解決問題的方法來糾正造成長期不合格的原因。 可以使用諸如排列圖分析法及因果分析圖等解決問題技術。但是如果僅使用計數型數據將很難理解問題所在，通常儘可能地追溯變差的可疑原因，並借助
16、計量型數據進行分將有利於問題的解決,121,繪制並分析修改後的過程控制圖,當對過程採取了系統的措施後，其效果應在控制圖上明顯地反應出來； 控制圖成為驗證措施有效性的一種途徑。 對過程進行改變時，應小心地監視控制。這個變化時期對系統操作會是破壞性，可能造成新的控制問題，掩蓋系統變化後的真實效果。 在過程改變期間出現的特殊原因變差被識別並糾正後，過程將按一個新的過程均值處於統計控制狀態。這個新的均值反映了受控制狀態下的性能。可作為現行控制的基礎。但是還應對繼續系統進行調查和改進。,122,Case study,123,Case study,請計算出上表的p控制圖的控制限？ 請判定過程是否穩定？ 如果是不穩定該如何處理？,124,不合格品數np圖,“np”圖是肉來度量一個檢驗中的不合格品的數量，與p圖不同，np圖表示不合格品實際數量而不是與樣本的比率。p圖和np圖適用的基本情況相同，當滿足下列情況可選用np圖 不合格品的實際數量比不
