《spc+internal+training》由会员分享，可在线阅读，更多相关《spc+internal+training（114页珍藏版）》请在金锄头文库上搜索。
1、,Author: Liu Feng,SPC 培训,SPC= Statistical Process Control 即统计制程控制 SPC1924年起源于美国，发展于日本。,看清品质状况 提前发现问题 找出问题根源 少花钱办好事 减少报表麻烦 满足客户要求 提升生产效力 降低品质成本,SPC理论介绍,SPC理论介绍,过程控制的必要 检测-容忍浪费 （Y） 对输出采取的措施 预防-避免浪费 （X） 对输入采取的措施,SPC理论介绍,SPC系统重要的四个基本要素 1 过程：所有的变量X，例如，供应商、生产者、人、设备、材料、方法和环境等共同作用以产生输出的顾客的集合。 2 关于过程性能的信息：通过
2、过程输出可以获得许多实际性能有关的信息。 3 对过程采取的措施：为避免一些重要的特性偏离目标值太远，改变过程变量X所采取的方法，例如：改变操作、更换材料、改变流程等 4 对输出采取措施：最不经济，一般加强检验或100%全检，并会产生报废或不合格品返工,SPC理论介绍,如何选择过程控制（SPC管制）对象,SPC理论介绍,QFD：Quality Function Deployment 质量功能展开 是一种将顾客声音转化为技术要求和操作条款，并将转化的信息以文件形式列在矩阵表中系统化的程序。 QFD首先在日本三菱公司率先使用 QFD通过因果矩阵方法找出关键特性,SPC理论介绍,因果矩阵 从过程图中理
3、出客户的关键要求 打分排列出优选程序（通常是从1分到10分） 从过程图中理出所有输入 对输入与输出作相关评估： 低分：输入变量的波动对输出影响较小 高分：输入变量的波动对输出影响较大,SPC理论介绍,因果矩阵 例子：如何开好咖啡店-实施步骤 首先：列出输入和输出的变量,SPC理论介绍,因果矩阵 步骤一：列出输出变量(放在矩阵的顶部）,SPC理论介绍,因果矩阵 步骤2：客户对输出的变量打分）,SPC理论介绍,因果矩阵 步骤3：列出输入变量（采用工序图中的输入）,SPC理论介绍,因果矩阵 步骤4：输入变量和输出变量的样关性（对每个输入和输出进行打分110分）,SPC理论介绍,因果矩阵 步骤5：选择
4、重点变量（交叉相乘之和） 重点变量为豆的种类和酿造时间,SPC理论介绍,练习一 选择长炉工序的关键特性 练习二 选择整个玻封二极管产品的关键特性,SPC理论介绍,统计学基础 什么是统计？ 通过收集检测输出的数据去计算分析过程的分布及趋势以获取有用的情报 SPC：利用统计学来反馈输出，并找出异常变量或异常趋势，并加以控制和预防，以达到改善品质，降低成本的目的。,SPC理论介绍,SPC 主要内容分为计数值（Attribute)与计量值(Variable)两种，所涉及的内容有：抽样检验，数据整理，各种图形分析（状况），制程分析（原因），改善监控等。,计数值（离散数据） 就是以计产品的件数或点数的表示
5、方法。计数值的数据在理论上有不连续的特质，故称之为离型变量。 计量值（连续数据） 指是产品须经由实际量测或测试而取得的连续性实际值，并对其做数理分析，以说明该产品在此量测特性的品质状况的方法。 计量值的数据在数学上具有连续性的特质。 计量值的抽样计划理论上是采用每固定时间抽取4-20个样本数来进行量测。可采用一次性抽取50-150个样本来量测做状态分析（直方图，计算CPK等）。计量值做状态分析时一般不宜超过350个数值，否则数据太大分析就不准确，同时浪费人力，物力，时间等成本。,SPC理论介绍,连续数据（可变数据） 例如：尺寸、重量、时间、体积、容量等，说明一个产品或过程的特性。测量标准可以有
6、意义的分割，使精确度提高。 请每人举一个连续数据的例子，不允许重复！ 离散数据（属性数据或类别数据） 某件事发生和未发生的次数，以发生的频率来表示 例如：合格与拒绝、班次、烟火探测器（报警与正常）等 请每人举一个离散数据的离子，不允许重复！,SPC理论介绍,问题： 我们目前统计SPC使用的是计量型数据还是计数型数据？,基本资料设定建立,计数值数据输入,普通管制分析,PPM/不良推移,计量值数据输入,单品质特性图,多品质特性图,Xbar-R chart平均数全距管制图 CPK推移图 制程能力分析图,SPC理论介绍,SPC理论介绍,统计学术语 总体-全组数据，全部对象，用N表示 样本-总体的一个子
7、集，用n来表示 平均值-总体和样本的平均值，反映接近真实值的趋势 -总体的平均值用u来表示 -样本的平均值用X来表示 中位数-样本中位置处于中间的数值 -中位数的取值X= X（n+1）/2 n为奇数时 X（n/2）+X（n+2）/2/2 n为偶数 极差-一组样本最大值与最小值之差，用R表示 偏差-样本数据Xi与平均值之差 平均偏差-数据与平均值之差的平均值 方差-数据与其平均值之间差值的平方的平均值 -总体的方差用2来表示 -样本的方差用s2表示 均方差-方差的平方根 -总体用表示，样本用s 来表示,SPC理论介绍,统计学基础 平均值/中位数-反映样本距离中心值的程度，（准确性的问题） 极差/
8、偏差/方差/标准差-反映样本数据之间的离散程度 （精密性的问题） 问题：写出各概念的计算公式？,SPC理论介绍,统计学基础 练习：计算下面数据的均值/中位数/级差/平均偏差/方差和标准偏差,SPC理论介绍,标准差的含义 反映数据的离散程度，与均值无关 计算公式 = s= 枪手A和枪手B,B,A,西格码小，数值集中,西格码大，数值离散,SPC理论介绍,标准差的含义 例子： 见课本P16！,SPC理论介绍,标准差的含义 正态分布 群体：N 规格中心值：T 平均数：X （集中趋势） 标准偏差： （离散趋势） 被涵盖在特定范围的概率P： P（u- Xu+ )=0.6827 P（u-2 Xu+2 )=0
9、.9545 P（u-3 Xu+3 )=0.9973 于u k之间的概率,SPC理论介绍,绘制直方图 直方图的作用： 1：预测过程能力,SPC理论介绍,绘制直方图 直方图的作用： 2 计算不良率,USL,LSL,USL,LSL,USL,LSL,SPC理论介绍,绘制直方图 直方图的作用： 3 调查是否混入不同的数据 二批不同材料、二个不同操作员、二个不同斑别、二台不同设备等-,SPC理论介绍,绘制直方图 直方图的作用： 4 测试有无假数据 据说曾有一家轮胎厂，厂房坐落在大水沟旁，检验员如发现不合格之制品，就将其丢入大水沟内。,削壁型直方图,SPC理论介绍,绘制直方图 直方图的作用 5 测知分布状态
10、 正态型、离岛型、右偏型-,SPC理论介绍,绘制直方图 绘制方法 收集数据（不少于50个） 确定组数K=1+3.32lgn n为样本数 或依照 求全距R 数据的最大值-最小值 求组距=全距/组数 求组界：第一组下组界=最小值-最小值测定位数/2 第一组上组界=第一组下组界+组距 第二组下组界=第一组上组界-依次类推 求组中值=（下组界+上组界）/2 绘图,SPC理论介绍,绘制直方图 直方图实例 有一机械厂，为了解制品外经尺寸之变化，由产品抽取100个样本测定其外经，测定结果如下：,SPC理论介绍,绘制直方图 直方图实例 1）求组数： n = 100 =10 2）定组距： 全距=Xmax Xmi
11、n =0.665 0.634 =0.031 组距=全距/组数=0.031 0.003 3）决定区间之境界值 第一组下组界=最小测定-1/2测定单位 = 0.634 - 0.001/2 = 0.6335 以0.6335累加0.003得个区间之境界值,SPC理论介绍,绘制直方图 直方图实例 4）计算个各组间的中心值 第一组中心值=（0.6335+0.6365）/2=0.635 以0.635累加0.003得到各区间的中心值 5）计算次数分配表,SPC理论介绍,绘制直方图 直方图实例,SPC理论介绍,直方图 练习： 绘制直方图 随机从轴形车间长炉焊接工序抽取玻管内经监测80个数据如下： 单位（mm），
12、请绘制直方图：,正态分布,回顾P25的含义 正态分布的标准差（）,LSL,USL,u,拐点,3 ,拐点与平均值之间的距离是 一个标准差。如果三倍的标 准差都落在目标值和上下限 内，我们就称过程具有“3 能力,1 ,P(d),上限(USL) 下限(LSL) 均值(u) 标准差(),正态分布,正态分布 面积和概率 正态曲线与横轴之间的面积等于1,所以曲线下面的面积与缺陷发生的概率有关.,规格线,一个缺陷部件概率,合格部分,曲线下的面积是1.0.我们可 以计算规范上下线的面积, 也就是出现的概率,正态分布可以用来将和转换为出现缺陷的百分比,正态分布,使用正态表计算缺陷率 (在这里=1,=0),规格上
13、线,出现缺陷概率=0.643,Z,=0,Z=1.52,假设Z=1.52, 1.52之外的正态曲线下部的面积就是出现缺陷的概率 Z值是工序能力的一种尺度,通常称”工序的西格码”,正态分布,正态分布取值表(见P27) Z值转化为”标准状态” 我们需要利用正态分布的平均值和标准差将其转化为”标准正态”分布,以便使标准正态分布表来获得概率.,规格上线,出现缺陷概率=0.643,Z=(USL-)/,+ ,Z值是平均值与规范的 上下限之间所包含标 准差的个数,正态分布,正态分布举例 规范是1.0300.030=(1.000,1.060) 假设我们测量30个部件,X=1.050,s=0.015, 计算一下不
14、符合规范的部件的比例,USL ZUSL=(USL-X)/S =(1.060-1.050)/0.015 ZUSL=0.67 从正态表可以看出,0.2514 或者25%不符合规范,LSL ZLSL=(X-LSL)/S =(1.050-1.000)/0.015 ZLSL=3.33 从正态表可以看出,0.004 或者0.04%不符合规范,X,目标值,USL,LSL,1.050,1.020,1.035,1.080,1.065,正态分布,ZBench的定义 ZBench是与出现缺陷的总概率相对应的Z值,可从正态分布中查到 PUSL是相对USL而出现缺陷的概率 PLSL是相对LSL而出现缺陷的概率 PTOT
15、是出现缺陷的总概率 所以上述例子中PUSL=25.14% PLSL=0.04% PTOT=PUSL+PLSL =25.14%+0.04% =25.18% 25.18%对应的Z值就是ZBench,可以从表中查到,就是0.67,所以ZBench=0.67,而不是ZBench=ZULS+ZLSL,正态分布,练习: 从正态表获得面积(合格品和不合格品的百分比) 例1: Z=2.00 右边的面积= 左边的面积= 例2: Z=1.57 右边的面积= 左边的面积= 例3: LSL = 6.34 s = 0.03 X = 6.41 计算 Z = ? 不合格率=?,正态分布,Z作为一种能力的尺度,Z=3 Z=6,USL,3能力,6,USL,3,6能力,随着偏差减小,出现缺 陷的概率降低, 所以能力提高,Z,我们希望 小, Z大,影响过程因素,普通原因 随着时间的推移具有稳定性的可重复的分布过程中许多变差的原因 人: 一定的熟练度下的微小差异 机:一定的
