《六西格玛统计过程控制及minitab操作实例应用ppt课件》由会员分享,可在线阅读,更多相关《六西格玛统计过程控制及minitab操作实例应用ppt课件(55页珍藏版)》请在金锄头文库上搜索。
1、六西格玛统计过程控制及Minitab操作实例应用,统计过程控制,统计 - 基于概率的决策规则 过程 - 任何重复的工作或步骤 控制 - 监察过程的表现,提供反馈,流程波动的种类,流程变差存在两种 普遍原因的波动 波动是现有流程所固有的 特殊原因的波动 波动是由于外来因素的影响而发生的,普遍原因的波动,此类波动存在于每一个流程之中 利用现有技术是不能控制或减少这一类的波动 只有这一类波动存在的时候的流程能力是流程最好的能力,也叫作短期能力,它反映了流程的技术能力。 反映这一类波动大小的指标为ST 。,抽样的技术:合理子组,利用合理子组(Rational subgroup)技术抽取样本 合理子组内
2、为短期样本 不受外来因素的影响 组内波动仅仅是普遍原因的结果 组内数据点连续抽取,时间相隔很短 同一班次 同一员工 同一批次物料 ,抽样的技术:合理子组,每个子组内的波动反映了普遍原因的波动,练习,计算以下数据的ST,R,流程能力指标Cp和Cpk,Cp没有考虑流程中心的偏移 Cpk考虑了流程中心的偏移,流程能力指标的例子,指标的说明:,过程能力指标讨论,1. CP会小于CPK么? 2. CP什么情况下等于CPK? 3. 顾客为什么要求我们提供CP和CPK值呀? 4. CP和CPK为什么必须成对分析?,过程长期的波动,Cp和Cpk反映了过程的潜在的能力,但是随着时间的进行,过程表现出来的波动往往
3、要比普遍原因的波动要大。 过程实际波动的大小LT用来衡量。 过程实际的表现称为过程绩效指标(Process Performance),过程长期的波动,S: 所有数据的标准差,过程绩效指标Pp和Ppk,Pp没有考虑流程中心的偏移 Ppk考虑了流程中心的偏移,过程能力指标和过程绩效指标,如果过程没有特殊原因的影响,这四个指标将会很接近,受控状态(In Control)和失控状态(Out of Control),如果流程仅受普遍原因的作用,那么其输出特征分布将是稳定的并且是可预测的。 如果流程受特殊原因的作用,那么其输出特征是不稳定且不可预测的。,利用假设检验探测特殊原因,当流程只有普遍原因作用时,
4、流程输出是稳定的且服从一定的分布,典型的分布为正态分布,当子组的平均值落在控制图的界限外,它就以图表说明在 样本均值和历史均值中存在差别,控制图的组成,控制图(Control Chart),控制图(Control chart)是在1924年,由美国贝尔实验室休哈特博士(Walter Shewhart) 发明的流程控制工具。控制把观测到的统计量与计算到的“控制界限”的在图标上作比较。 控制图: 用于监察流程的输入或输出(X or Y) 用于识别流程是否处于失控状态 用于探测流程中由特殊原因造成的波动 不能告诉我们流程输出是否符合规范 既不能识别也不能消除特殊原因,控制图的种类,为了选择合适的控制
5、图表来监控流程,首先决定要监控流程的 变量是连续(variable)的还是离散的(attribute),变量控制图的种类,特殊原因可能影响连续型变量分布的中心位置或离散程度,因此有两类变量控制图: 监控中心位置变化的 平均值图 Xbar chart 个体图 Individual chart(样本量n=1) 中值图 median chart 监控离散程度变化的 极差图 range chart 标准差图 standard deviation chart 移动极差图 moving range chart(样本量n=1,MR=|Xi-Xi-1|) 通常这两种类型的控制图是结合在一起使用,常用的有: 平
6、均值标准差图 Xbar-S chart 平均值极差图 Xbar-R chart 单值移动极差图 I-MR chart,使用控制图的一般步骤,1. 选择要监控的流程变量 2. 确定数据收集点 3. 测量系统分析 4. 建立数据收集计划1. 合理子组计划 (Rational subgroup)2. 样本量3. 抽取频率 5. 选择控制图 6. 收集数据 7. 建立初始控制限 8. 分析图形1. 识别失控状态2. 排除特殊原因3. 重新计算控制限 9. 把控制限应用于于持续控制,案例,问题: 某一轴承制造工厂其客户要求对某一轴套的内孔孔径进行SPC控制。客户对其内孔孔径的要求是11.400.05mm
7、。 选择要监控的流程变量:流程输出Y为内孔孔径(Diameter) 确定数据收集点:加工完毕后测量 测量系统分析 孔径用游标卡尺测量 Gage R&R分析结果显示测量系统合适 建立数据收集计划 利用合理子组技术,每次抽取5个样本(样本量n=5) 每4小时抽取一组样本数据 共抽取30组数,为什么要使用合理子组,合理子组应满足以下两个特点: 组内差异仅仅反映了普遍原因的波动 组间的差异尽可能捕捉到特殊原因的波动利用合理子组能够: 充分利用中心极限定理(使得非正态的流程能够应用控制图技术) 准确估计流程能力(长期和短期),最大化控制图的作用,好的数据收集计划能够最大程度探测到流程的变化。数据收集考虑
8、以下因素: 样本大小 除非经济原则上不可行,每组样本内应含有多个部件(一般5个)。 某些流程只能抽取一个样本。 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,取样频率是可以变化的。 考虑以每小时,每天,每班,每批等。 合理子组组数 要建立控制限,至少应收集25组数据共100个数据以上。,选择控制图,对于前面的案例:根据情况,选择平均值极差图(Xbar-R chart),平均值标准差图 Xbar-S chart,平均值极差图 Xbar-R chart,个体移动极差图 I-MR chart,Yes,No,Yes,No,n1?,n9?,计算初始控制限,先计算平均值图的总体平均值
9、,也就是中心线CL:计算控制上限UCL:计算控制下限LCL:对于较大的样本量,给定流程的控制限将会变窄,且图表的灵敏度较大,计算控制限,计算极差图的平均极差:计算R图的控制限UCL和LCL,计算控制限:查表,Xbar-R图控制限的计算公式,A2,D3,D4称为修哈特系数,可查表而得.,关于限制的注意点,不要将控制界限(Control limit)与规格界限(Specification limit)相混淆。 规格界限是流程无关的。例如,他们可以代表为了满足CTQ特性的工程上要求。 控制界限是流程相关的,它们反映了流程预期的差波动范围。 规格界限是针对个别数值的,然而在平均值图上,控制界限是针对样
10、本平均值的。,利用Minitab计算控制限(供参考),打开Minitab 文件 hole diameter.mtw 选择“统计控制图子组的变量控制图Xbar-R”,利用Minitab计算控制限(供参考),如下图设置对话框,初始控制图,Minitab为我们建立了初始的控制图,分析图形,流程处于受控状态吗? 应在计算流程能力和持续流程控制之前,对控制图进行分析: 首先分析极差图。 在初级阶段中,若你能识别引起失控状态的特殊原因波动,你就应该排除这些点重新计算控制限。 若发生下列情况,流程就处于失控状态(Out of Control): 有1点落在控制界限之外 连续9点位于中心线的同一侧 连续6点持
11、续上升或下降 连续14点交替上升下降 连续3点中的2点超出中心线同一侧的2范围外 连续5点中的4点超出中心线同一侧的1范围外 连续15点落在中心线两侧的1范围内 连续8点超出中心线两侧的1范围外,失控模式,以下4种模式同时适用于平均值图和极差图:,失控模式,以下4种模式只适用于平均值图(这4中模式的探测一般通过自动的SPC系统完成):,两种类型的控制图表错误,把一个特殊原因的波动看作普遍原因的波动 错过了识别和消除特殊原因的机会,把一个普遍原因的波动看作特殊原因的波动 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?,正常流程的变化,“没有显示任何改变”此图表
12、示受控的流程,当中流程波动没有一定的模式。 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。,回到案例,第24点出现特殊原因的波动 排除第24组数据,重新建立控制限,对流程进行持续控制,把控制限延伸至流程的持续控制和持续改进 没有适当的培训 SPC=“挂在墙上的图表” 警告信号(失控模式)被用作探测不合格。当生产作为第一优先级时,操作员就会忽视警告信号。 S.O.P是被用来检查不合格的。SPC将起不到预防的作用。 操作员受到关于SPC全面的培训,但是当流程失控
13、时,管理层并没有授权员工停止机器进行调查 没有管理层的支持,员工适用SPC仅仅是检查不合格,而不是预防。 操作员受到关于SPC全面的培训并且遵守其中的规则,当流程失控时,每个人都理解并且同意停机分析原因 最佳状态下,SPC能在错误发生前发出警告信号,不合格不会再发生。,控制图应用的例子,属性控制图,属性控制图,当不能提供特征值测量时使用以计数/分类为基础(进行/不进行,通过/不及格,好/坏),如产品颜色不对,表面刮痕控制界限和变量控制图的计算方法不同,但控制方式相似,属性的术语,不合格(Nonconformity) 指单位或样本中未符合客户要求的单个特征。指的是产品中的一个不合格 不合格产品(
14、Nonconforming item) 指单位或样本的检测中有一个或更多不合格。指的是含有不合格的产品,属性控制图可用于监控不合格或不合格品,属性判定的一致性,精确定义不合格是重要的前提定义了不合格后,要用认同一致性(Attribute Agreement Analysis)的方法对所有的人员进行测试测试通过后,统一明确判断标准,对检查人员进行培训并在现场实施,这些是属性控制图 实施的前提,控制图表的选择,样本量的考虑 当关注一定数量产品中不合格品或不合格的数量时,则样本大小的连贯性很重要。 当关注产品中不合格品或不合格的比率变化时,不要求样本量一致。,不合格,不合格品,不变的样本量,变动的样
15、本量,数学基础,泊松分布(Poisson Distribution),二项分布(Binomial Distribution),不合格品数图(nP图),测量一定数量产品中不合格品的数量。控制图中的中心线定义为 :控制界限以二项分布为基础。因为是用不合格品的件数来记录的,故样本量要相同。 每一组样本中都应该含有至少5件不合格品: 合格率-90%:样本量大小50 合格率-95%:样本量大小100 合格率-98%:样本量大小250 合格率-99%:样本量大小500,不合格品率图(P图),记录一定数量产品中不合格品的比例,控制图中心线定义为 :控制限是以二项分布为基础因为控制的是不合格品的比率,样本量大
16、小不需要相等。 可用于跟踪产品不合格品率,人员缺勤率等,不合格数图(C图),记录一定数量产品中不合格的总数量,控制图中心线定义为 :控制限以泊松分布为基础:要求样本量不变,单位不合格数图(U图),记录一件单位产品中不合格的比例,控制图中心线定义为 :控制限是以泊松分布为基础:因为u是单位产品含有不合格的比例,所以不要求相等的样本量。,案例,问题: PCB装配后须通过系统的功能测试,测试结果为“通过”和“不通过”。为了了解PCB产品功能测试的状况,现利用SPC对功能测试的不通过产品进行监控。1. 选择流程指示:“不通过”产品的比例P。 2. 建立数据收集计划1.每天收集一组数据2.每次收集500块PCB数据(样本量n=500) 3. 选择控制图:每块板子就是一个单位产品。我们感兴趣的是多少板子没能通过功能测试,而不是每块板子上有多少参数(特征)没通过功能测试,所以可以选择P图或者nP图,我们选择P图。 4. 收集数据,共收集了30天数据。,利用Minitab建立控制图,打开Minitab 文件 PCB.mtw 选择“统计控制图属性控制图P”,