《cpk值计算公式讲解》由会员分享，可在线阅读，更多相关《cpk值计算公式讲解（14页珍藏版）》请在金锄头文库上搜索。
1、SPC 基础知识及应用,统计学是现代品质管理的基石，是过程管理中最重要的工具。具体到我们SMTIPQC来讲就是QI软件，这份教材主要讲述QI软件的主要控制原理及其使用。,涉及到统计就必然跟数据有关，存储数据的大型文件叫数据库 Data Base简称DB。在QI软件中，如图，我们可以看到数据是存在一个叫2DPMO.SPC的文件中。这个表格是不是很熟悉，对，它就是EXCEL格式的数据文件。,第一章 CP 与CPK,CP 和CPK 是描述制程能力的重要指数。当产品的规格线不变，CPK 越高表示制造能力越强。下面我们看看CP和CPK是如何计算的。,Cp =,T,6,Cpk = (1-K) Cp,CP:
2、 Capability of Process 制程能力, : Standard Deviation 标准偏差,T : USLLSL 规格限宽度,K : 规格线中心值（目标值）和 实际数据均值/mean/ X的偏移系数, =,1,n-1,i = 1,n,( X -X),i,2,标准偏差 是衡量数据离散程度的指数， 越大表示数据离散程度越高，大小越不均匀。,1 计算CPK,K=,2 MX,T,M=,2,USL+LSL,计算CPK的顺序:,计算平均值X和 ,计算T,得出CP,计算M、K,CPK,例：表格中的数据是某班测量锡膏厚度的值，工艺允许的范围是130220，求该组数据的CPK。,计算平均值X和
3、 ,X（159168179165+171+182) 24=170.33,在EXCEL中用 =average(A1:F4)命令可直接算出从A1(左上角)到F4（右下角）范围内的数据的平均值。,同样=STDEV(A1:F4)可以计算它们的标准偏差。,计算T,TUSLLSL22013090,220130,2,得出CP,Cp = = = 2.20,T,6,90,6 6.831,计算M、K,M= = = 175,USLLSL,2,2 175-170.33,90,K= = = 0.103,2 M-X,T,CPK,CPK=(1-K) CP = (1-0.103) 2.20 = 1.97,CPK的另一种算法,
4、CPU：,CPU=,USL-X,3 ,CPL：,CPL=,X -LSL,3 ,CPK=MIN(CPL:CPU),两种方法计算结果是一样的,有兴趣的话可以自己验证一下,习题一,1、某生产线录得烘炉最高温度如下，工艺许可范围是215225，用两种方法求该组数据的CPK。,2、思考题 某线A、B班分别生产WALL(7.0 20 ) 和ECSM （5.5.) 产品，测量锡膏厚度，QI软件计算CPK都是2.0, 问哪个班制程能力强,为什么?,3、思考题 生产线CP值高CPK就一定高吗? 为什么。,2 QI软件是如何计算CPK ?,X Max : 测量最大值,Mean: 平均值,X Min: 测量最小值,
5、Std Dev: 标准偏差,USL : UP STRICT LINE,LSL : LOW STRICT LINE,UCL : UP CONTROL LINE,LCL: LOW CONTROL LINE,2.1 让帮助文件告诉我们,FIRST: 寻找帮助,点击术语表,SECOND:点击你想知道的术语,小框框里的英文就是名词解释,THIRD:点击这里 会有计算公式哦o,yes,2.2 This is,第二章 如何判读QI软件图,1 数据的分布,数据大体可以分为两种类型：计量型measure、计数型count。其中计量型数据大部分服从正态分布 。通俗讲正态分布是指中间多两边少的分布形式。讲个最简单的
6、例子，我们现在统计全国青少年的身高，发现70的人在170cm左右，超过190cm的很少，同样小于150cm的也很少，我们就说身高的分布情况符合正态分布。,右图是锡膏厚度图，可以看见锡膏厚度大部份都是140左右（在两条平行线内），接近控制线的数据是很少的。我们可以说锡膏厚度的分布是服从正态分布的。,1.1正态分布图,这就是正态分布图，可以看到该图有两个重要参数:平均值和标准偏差。图上的曲线是概率密度曲线，在X=+ 、X=- 以及曲线所组成的面积 （即阴影部分） 称为数据分布在( - , + )范围内的概率。事实上只要数据服从正态分布，这个 （即阴影部分）面积是固定的：0.6826即68.26%
7、2界限范围内的概率是 95.46% 3界限范围内的概率是 99.73% 6是LG对我们的要求,这是什么概念呢?3.4 PPM,即百万分之3.4。从工艺角度来讲即：USL= 6，LSL 6。,1, (平均), +3,3,1.2正态分布图（续）,规格下限 (LSL),-6,-5,-4,-3,-2,-1,+1,+2,+3,+4,+5,+6,规格上限 (USL),这就是达到6sigma水平时的正态分布图，我们知道规格线制定以后就不会改变。唯一可以改变的是数据本身，当整体偏大时，分布情况就会往规格上限偏（虚线）；反之，则往规格下限偏。,由图可知: USL= 6，LSL 6 ;=(USL-LSL)/12,
8、当我们制程改进，工序水平达到7sigma时 USL= 7，LSL 7 ; =(USL-LSL)/14, , 从公式可以推出制程改进后的标准偏差是比改进前的小。 小就说明数据变动范围小，从而说明制程更稳定。,规格下限 (LSL),-6,-5,-4,-3,-2,-1,+1,+2,+3,+4,+5,+6,规格上限 (USL),规格下限 (LSL),规格上限 (USL),+7,-7,改进前 6,改进后 7,同样的规格限，可以看到改进后的数据分布比改进前密集，就是说数据变动更小，更稳定。,1.3 CP(CPK) 大就一定好吗?,这个问题并不是哗众取宠，事实上这个问题很重要。,首先我们回顾一下通过什么“ 手段” 可以获得“ 好看” 的CP/CPK。,Cp =,T,6,龌龊的手段：扩大规格限范围，这样T就会很大。T,光明正大的手段：努力改善制程，减小标准偏差。 ,两种方法都可以获得客户要求的CP、CPK，从品质角度来讲，我们必须扎扎实实改善我们的制程能力，坚决反对弄虚作假。品质是做出来的，不是吹出来的。,
