《04SPC-FinalChinese精编版》由会员分享，可在线阅读，更多相关《04SPC-FinalChinese精编版（51页珍藏版）》请在金锄头文库上搜索。
1、过程统计控制(SPC),1,SPC能发出信号提示一个在稳定状态过程的差异正受到外来肇因的影响。,过程统计控制,统计 - 可能性基础上的决策规则。 过程 - 任何重复的工作或步骤。 控制 - 监察过程的表现。 这个分析是基于和“t test”假设测试一样的概念。 它能提供关于过程的决策, 在问题影响输出前加以更正。,2,X1,X2,X3,Six Sigma 和 SPC,Six Sigma质量监控集中把控制转移到过程的上游, 使对输入特性或要素Xs的控制更有力量。,控制图表应用于流程的变量 独立变量; 设计变数 X1, X2,., Xk,提供更强的稳定性于依附变量; 回应 Y1,Y2,., Ym,
2、Y,X,3,什么时候使用SPC?,我想知道什么? 过程的关键因素(X)或(Y)输出有随时间过去而变化吗? (例如,过程稳定吗?) 我希望怎样看到它? 基于即时数据的图表显示出过程的变化。,SPC是个严谨的过程，它要求操作团队积极地的收集和分析数据 。,4,控制图表,控制图表是在1924年，由Bell Laboratories的Walter Shewhart 博士发明的过程控制工具。统计性的过程控制图表提供了在过程所观测到的计量与在统计上计算到“控制界限”（预期的）的图示化比较。 控制图表: 用于监察过程的输入、参量或输出 (Xs and Y) 用于识别当过程失去控制 用于鉴定过程中出现的特殊肇
3、因差异 不能告诉我们是否合符规格限制 既不能识别也不消除特殊原因 对有双边界限的假设测试均值的控制限制是推断于观测的样本均值的相同点或不同点。 标准差或范围的控制界限代表在方差可显示分別之处。,5,控制图表的类型,为了选择合适的控制图表来监控过程，首先要决定关键过程变量(Xs)是连续的还是离散的.,监控连续Xs的变量图表,监察离散Xs的属性图表,6,控制表格的类型,通过/及格, 好/坏, 进行/不进行的信息 每个图表可以有多个特性 较少花费，但也有较少的信息,监控连续Xs的变量图表,监控离散Xs的属性图表,使用量度到的数值 周期时间，长度，直径，微量等. 通常每个图表均有一个特性 更昂贵，但有
4、更多的信息,7,变量控制图表,连续的数据,8,控制图表的类型,图表（ X Bar Chart ）:均值随时间过去而变化的示图 R 图表（ R Chart ）: 样本随时间过去的范围(最高数值和最低数值之间的差别)示图 个体的图表（ Individuals Chart ）: 个体数值时间性变化的图表. 移动范围图表（Moving Range Chart）:移动范围随时间过去而变化的示图 (双样本 |Xi - Xi-1|) 。,9,受控/失控,控制下的过程 基本上只含自然随机、普遍肇因的差异. 若特殊原因的差异存在，它对流程有最小的影响。 是可预期的 若过程必须改进，则要求改变系统.,不受控制的过
5、程 存在有至少一个特殊肇因的差异. 特殊原因的发生对过程有重要影响。 一些看到的差异是非随机的。 不可预期的. 通过识别特殊原因并对其加以控制，过程的输出可以得到改进。,在假设测试的术语中，不受控制流程的输出表示了从预期表现水平观察到的分別,10,假设测试?,控制图表以图形表示了一个有时间次序, 带有 HO 和HA 的双边测试，其中HO 和HA 定义为:,For 3s limits, = 0.00135,Ho: i Ha: i,当子集的平均水平落在控制图表的界限外，它就以图表说明在样本均值和历史均值中存在差別,注:大概的置信水平是 99.7%.,11,为何用Three Sigma控制界限?,T
6、hree Sigma界限经历了时间的考验。 Three Sigma界限带给a 约为 .00135的结果. 当流程没有发生真正的改变时产生作用的几率很小。因为随着时间过去会做许多的测试，所以这点是重要的。,2 s - 平均有95% 的置信区间 3 s - a =.003 (原因: 许多的连续的测试；减少潜在的错误。) 4.5 s - 个体的度量比较于消费者要求的流程长期表现目标。 6.0 s - 个体的度量比较于消费者要求的流程短期差异目标。,当流程稳定时，3 s 限制提供了对变化的高 敏感度及低可能性的过度反应.,12,尽可能使用理性的子集,如能力分析的一样收集数据以使子集中包含只有普遍肇因的
7、差异。 在持续流程控制中利用理性子集续继尽可能收集所有关于流程的信息。 子集内的差异是短期的，一般的原因 子集间的差异与操作上的控制有关,13,最大化控制图表的效用,确定一个控制计划，将检测到样本之间差异的可能性最大化。 样本大小 当在参量范围的测量可能有变时，除非经济原则上不可行，应选择在每组样本內抽取多个部件的控制图表计划。 使用 X 的移动范围图表当度量不存在或存在很小的差异，或合符经济原则。如一个小样本的t 测试一样，当存在重大的流程差异时，单个 X的移动范围图表的灵敏度不足够 取样频率 流程表现越好，需要的取样频率越低。 基于对流程表现的经验, 取样频率是可以变的 考虑以每小时，每天
8、，每班，每月，每年，每批等。 目前的工业标准倾向于小样本，高频率的方式。,14,计算平均图表控制界限,要确定控制界限的均值，你必须先计算整体性流程的平均 (总均值)：,k = 子集平均的数目,控制界限的上限:由下面的公式确定: 控制界限的下限:由下面的公式确定:,整体性流程的平均,X,=,X,X,X,k,k,1,2,.,.,.,对于较大的样本量取，给定流程的界限将会较狭窄，且图表的灵敏度较大,15,较大的子集会增加灵敏度,当样本大小增加时，控制界限会更接近。这能增加灵敏度。也就是说，它增加了发现变化的可能性。 控制图表的敏感度与样本大小的平方根的比率相应. 如, 样本大小为25是样本4 (5/
9、2)的 2.5倍。 要利用中央限制法则的优点，子集的大小必须大于2.,n = 3,n = 10,n = 25,UCL,UCL,UCL,LCL,LCL,LCL,B22.14,16,计算差异图表的控制界限,要介定“s”的控制界限，首先要计算每个子集的“s”值。 接着计算 “S”的平均 确定控制界限线. 计算是建立在与均值图表相似的概念基础上的，但是较复杂。幸运的是Minitab可计算这些界限。,k=子集的数量,ni=在第 i 个子集 中观测的数量.,17,关于限制的注意点,不要将控制界限与规格界限相混淆。 规格界限是流程限制之外的。例如，他们可以代表为了满足CTQ 特性的工程上要求。 控制界限是流
10、程内部的，它们反映了流程预期的差异范围。 规格界限是针对个別数值的，然而在 图表上，控制界限是针对样本平均的。,18,两种类型的控制图表错误,把一个特殊原因的差异视作普通原因的差异 错过了确定流程变化的机会,把一个普通原因的差异视作特殊原因的差异 妨碍稳定的流程，寻找不存在的特殊原因而浪费资源,图表告诉了我们关于流程的一些什么?,19,使用Minitab 创建变量控制图表,这个练习将使用Minitab，利用来自梅花格的数据，创建不同类型的控制图表 。 在这练习中，我们将使用 图表和 图表来跟 踪流程，并看看图表 的相对敏感度。 把运行梅花格所得的数据以子集输入到每列中 打开StatContro
11、l ChartsXbar R /S 的程序将会是相似的,对话框显示如下:,20,设定表格,图表的数据可以在独立一行內或以子集陈列。 在这练习，我们将使用子集陈列。 选择代表你使用的子集的数据行。,我们将留空着历史均值和标准偏差的区域设定。 填入这些区域设定可以为流程介定控制界限及为介定了“如现状”的条件锁定界限线。 选择Tests，并选择运行所有的测试. 连按两次OK 键,21,图表阐析,流程的状态是什么? 应在建立流程能力和持续流程控制基础以前，进行图表阐述。 首先阐述Sigma图表。 在初期能力分析中，若你能识別引起“OOC”状态的特殊原因差异，当你计算控制界限时，你能够将这些方面排除在考
12、虑之外。 若发生下列情况，流程就会失去控制: 有一点落在控制界限之外. 3个连续点的其中2点在同一边均值2 s的距离. 5个连续点的其中4点在同一边均值1 s的距离. 9个连续点在均值的同一边. 更多,22,正常流程的变化“沒有显示任何改变”,此图表表示可预期性的流程，当中流程差异仅是随机的。 这些点不可预期的上下波动，但有在中线周围聚集的趋向( 但也不是很紧密)和在控制界限内 。 这种形态是任何控制图表的目标。它不一定显示出流程有最佳能力或流程符合规格。但它显示了流程有稳定性。,23,特殊肇因的变化 “发生了什么?”,偶尔会有个因素进入流程并导致突然及短暂的变化. 这种原因会出现在 图表中，
13、呈现于控制之外的点集。 S图表通常不受这些偏移影响。,一些典型原因: 流程中使用了一批不符合规格 的原料 测量的查刻度暂时性的偏移 不同的检查员 不同种类的工具,S,24,潜在流程以外的事故“这些很有趣”,流程有时候会打嗝。因为这些“反叛”或“飞脱”, 流程会产生偶然的数值明显不属于基本流程分布的一部份。当一个发生后，流程将回复正常直到下个打嗝的发生。,一些典型原因: 测量上的错误 在堆叠最底的一件(或最高的一件) 方块 ,卷线的端点等. 污物或外来的材料,打嗝,打嗝,打嗝,25,突然的流程偏移“你曾做过什么?”,变化后，流程制造出平均较大的部件或产量增加或硬度变强等等。 流程的基本可变性沒有
14、发生变化。同时范围图表也沒有显示变化.,一些典型原因: 错误的调整或不恰当的设置 材料或润滑剂的改变, 工人換班,征兆: 连续九点在中心的一边,26,流程趋势“它将发展到何处?”,趋势是流程级別的渐进偏移，仅反映在图表中。 有时原材料、测量或人为因素能引起一个趋势, 但可能性不大。麻烦通常在设备本身、电力的供应或先前的流程环境 。,一些典型原因 : 通常相关于“工具磨损”因为一般显示工具的磨损 (通常是自然的老化或磨损) 举例: 化学浸料在电镀操作或在不同的化学作用的消耗,征兆: 7点连续向上. 7点连续向下,27,区域测试,可能性的区域,流程是“失控”的, 当,Copyright 1995
15、Six Sigma Academy, Inc.,28,属性控制图表,离散数据,29,属性控制图表,当不能提供特征测度时有用 以计算/分类为基础 (进行/不进行, 通过/不及格, 好/坏) 基于 Poisson 或二项分布统计上 控制界限和可变控制界限的计算不同，但阐述方式相似 一个图表可以涵盖任何数量的数据特征，但较难分析信号 单个图表替代了两个无范围图表,30,属性测度的连贯性,为确保数据属性报告的连贯性，缺陷上的精确操作定义是重要的。 一旦介定，应该利用属性Gage R&R方法为所有使用者测试标准水平的应用。 从而所有的检察员能均一且清楚地应用操作上的定义,31,属性的术语,含有缺陷 指单
16、位或样本的检测中有一个或更多缺陷。 在 YRT中, 它是指含有缺陷单位 缺陷 指单位或样本中未符合客户要求的单个特征。在 YRT中, 它是指发生含有缺陷的机会,根据使用的图表类型，属性图表可用于报告两者任何一个 。,32,控制图表的选择,c,u,n p,p,不变的,批量/单位大小,可变的,批量/单位大小,Poisson,二项,含有缺陷,样本大小的考虑 当报告属性缺陷比率时，若含有缺陷单位或机会的报告是以在每样本点算为单位的，则样本大小的连贯性很重要. 若报告是在含有缺陷单位的比例上或与单个单位相关的含有缺陷机会时，不要求样本大小有连贯性.,缺啗,33,nP 图表,测度一个样本中的含有缺陷单位(有缺陷的)的数量。 控制界限以Binomial 分布为基础。 因为原计算的缺陷已被记录，所以子集大小需要相同。 样本大小应该被识別出在过程中一个样本平
