《统计过程控制诊断与调整.doc》由会员分享，可在线阅读，更多相关《统计过程控制诊断与调整.doc（25页珍藏版）》请在金锄头文库上搜索。
1、统计过程控制，诊断和调整 一 引言 我们知道，任何制造产品总是经过设计、制造与检验，才能将合格的产品提供给使用者。根据传统事后质量检验方法，总是通过抽样检验各工序结束后的产品或最终制品，从而发现设计与加工过程中的问题，然后再反馈给相关部门进行改进。然而这时不合格产品已经生产出来，造成了一定的损失。为了避免这种损失，一个比较好的措施就是进行预防。问题主要在于如何及时发现问题。假定在生产加工过程的每一道工序都建立了一个简单易行的控制系统，一旦出现质量问题就能及时发现、及时纠正，不使不合格的半成品流入下一道工序，这样就可以避免出现大量的不合格品，从而达到预防的目的。统计过程控制(SPC)是就是这样一
2、个控制系统，它是一种借助数理统计方法的过程控制工具，它对产品的生产过程进行分析评价，根据反馈信息及时发现工序偶然性因素出现的征兆，并采取措施消除其影响，使过程维持在仅受随机性因素影响的受控状态，以达到控制质量的目的。在产品的生产过程中，当仅受随机因素影响时，过程处于统计控制状态(简称受控状态)；当存在偶然因素的影响时，过程处于统计失控状态(简称失控状态)。由于生产过程波动具有统计规律性，当生产过程受控时，过程特性一般服从稳定的随机分布；而失控时，过程分布将发生改变。SPC正是利用这一统计规律性对生产过程进行分析控制的。 二 统计过程控制(SPC) 1 什么是SPC SPC是英文Smtisdca
3、l Process Control的字首简称，即统计过程控制，它是美国休哈特(WAShewhart)在1924年提出的，是一种借助数理统计方法的过程控制工具。主要是指应用统计分析技术对生产过程进行实时监控，科学地区分出生产过程中产品质量的随机波动与异常波动，从而对生产过程的异常趋势提出预警，以便生产管理人员及时采取措施，消除异常，恢复过程的稳定，从而达到提高和控制质量的目的。SPC强调全过程的预防。SPC给企业各类人员都带来好处：对于生产第一线的操作者，可用SPC方法改进他们的工作；对于管理干部，可用SPC方法消除在生产部门与质量管理部门间的传统的矛盾；对于领导干部，可用SPC方法控制产品质量
4、减少返工与浪费提高生产率。 SPC发展到现在已经成为一个比较庞大的质量控制学科，各种SPC控制技术已达近百种之多，然而这些技术都是基于一个相同的基本原理，即统计学中的小概率事件原理：“在一次观测中，小概率事件是不可能发生的，一旦发生就认为系统出现问题”。把此原理转化为工程技术语言，可描述为：“预先假定工序处于某一状态，一旦显示出偏离这一状态的极大可能性就认为工序失控，于是需要及时进行调整”。 SPC的特点有：(1)SPC是全系统的，全过程的，要求全员参加，人人有责。这点与全面质量管理的精神完全一致。(2)SPC强调用科学方法(主要是统计技术，尤其是控制图理论)来保证全过程的预防(3)SPC不仅
5、用于生产过程，而且可用于服务过程、教学过程和一切管理过程。 2 SPC发展简史 过程控制的概念与实施过程监控的方法早在20世纪20年代就由美国的休哈特(WAShewhart)提出。今天的SPC与当年的休哈特方法并无根本的区别。在第二次世界大战后期，美国开始将休哈特方法在军工部门推行。但是，上述统计过程控制方法尚未在美国工业牢固扎根，第二次世界大战就已结束。战后，美国成为当时工业强大的国家，没有外来竞争力量去迫使美国公司改变传统管理方法，只存在美国国内的竞争。由于美国国内各公司都采用相似的方法进行生产，竞争性不够强，于是过程控制方法在19501980年这一阶段内，逐渐从美国工业中消失。反之，战后
6、经济遭受严重破坏的日本在1950年通过休哈特早期的一个同事戴明(WEdwards Deming)博士将SPC的概念引入日本。从19501980年，经过30年的努力，日本跃居世界质量与生产率的领先地位。美国著名质量管理专家伯格(RogerWBerger)教授指出，日本成功的基石之一就是SPC。在日本强有力的竞争之下，从80年代起，SPC在西方工业国家复兴，并列为高科技之一。例如，加拿大钢铁公司在1988年列出的该公司七大高科技方向中就包括SPC。美国从20世纪80年代起开始推行SPC。美国汽车工业已大规模推行了SPC，如福特汽车公司，通用汽车公司，克莱斯勒汽车公司等上述美国三大汽车公司在IS09
7、000的基础上还联合制定了QS9000标准，在与汽车有关的行业中，颇为流行。美国钢铁工业也大力推行了SPC。 三 控制图 1 什么是控制图 在统计过程控制实施过程中，控制图是十分重要的工具。 控制图是对过程质量加以测定、记录从而进行控制管理的一种科学方法设计的图。图上有中心线(CL)、上控制界限(UCL)和下控制界限(LCL)，并有按时间顺序抽取的样本统计量数值的描点序列。如下图：图：控制图实例 2 控制图原理控制图的使用基于一个重要假设，即当过程受控时，由过程产生的数据是独立的且服从于均值为，标准差为的正态分布。控制图是基于数理统计知识建立起来的一种过程控制工具，具体地讲它是把假设检验的原理
8、运用到了这张图上，即利用假设检验的小概率原理来设计判断过程是否异常的准则，然后通过图上点的变化来对过程的运行情况进行判断。控制图是根据正态分布的原理构成的。假如一个统计量服从正态分布或近似正态分布，即，其中是的均值，是的标准差。根据原理，有这表明，对统计量作大量重复观察，则其中9973的值应在区间之间，仅有在此区间外。这就意味着：在1000个产品中不超过27个不合格品出现，就认为该过程的波动属于正常波动。若有更多个不合格品出现，就认为该过程的波动属于异常波动。为了方便在生产现场使用和及时记录质量波动情况，把正态分布图及其控制限同时旋转，并以纵轴为统计量值(均值，标准差等)，并在处各引出一条水平
9、线(用虚线表示)。这样就形成了一张控制图。图中三条水平线各有一个名称：为控制上限，记为UCL(upper control limit) 为控制下限，记为LCL（lower control limit） 为控制中心线，记为CL(central line)在现场使用时，先规定一个时间间隔(如每1小时或2小时)，然后按时抽取一个样本，测量每个样品的质量特性，计算其平均值。最后把计算结果点在控制图上，如此不断重复，累计到一定数量后就可以对过程有无异常波动做出判断。若无异常波动，可认为过程受控；若有异常波动，则认为过程失控。3控制图的受控状态判断准则如果控制图上的所有点都在控制界限内，而且排列无异常，则
10、说明生产过程处于统计控制状态，对工序过程产生影响的只有随即因素，没有系统因素。在实际应用中，判断点子排列是否异常可以有许多具体的标准，如判定是正常的准则有：连续25点中没有1点在控制界限外；连续35点中最多有1点在控制界限外等。而判定异常的准则又有：连续6点或更多点呈上升或下降趋势；连续7点或更多点落在中心线同一侧(上侧或下侧)等。这些判定准则都主要是运用小概率事件的原理得到的，因为准则中事件发生的概率，通过计算都是小概率事件，都是认为不会发生的，现在发生了，我们则认为过程异常。4控制图是如何贯彻预防原则的 控制图是如何贯彻预防原则的呢?这可以由以下两点看出：一是应用控制图对生产过程不断监控，
11、当异常因素刚一露出苗头，甚至在未造成不合格品之前就能及时被发现。例如在控制图重点子形成倾向图中点子有逐渐上升的趋势，可以在这种趋势造成不合格品之前就采取措施加以消除，起到预防的作用。二是在现场，更多的情况是控制图显示异常，表明异因已经发生，这时一定要贯彻下列20个字：“查出异因，采取措施，保证消除，不再出现，纳入标准。”如果不贯彻这20个字，控制图就形同虚设，不如不搞。每贯彻一次这20个字，即经过一次这样的循环，就消除一个异因，使其在过程中不再重复出现，从而起到预防的作用。由于异因一般只有有限多个，故经过有限次循环后，最终可以达到这样一种状态：在过程中只存在偶因而不存在异因。这种状态称为统计控
12、制状态或稳定状态，简称稳态。稳态是过程追求的目标。因为在稳态下运行过程，质量有完全的把握，质量特性值有9973落在上下控制界限之间的范围内；其次，在稳态下运行过程，不合格的情况最少，因而过程也是最经济的。一个过程处于稳态称为稳定过程，一个系统中的每个过程都处于稳态称为全稳系统。SPC就是通过全稳过程达到系统的全过程预防的。综上所述，虽然质量变异不能完全消灭，但控制图是使质量变异成为最小的有效工具。5控制图的分类(1).数据的种类a 计量值计量值是作为连续量所测得的质量特性值，如长度m、重量埏、抗拉强度kgfmm2等。不能用物理性测定取得的数据，例如，用感官检验和评价汽车设计得好不好，评定为最好
13、时打10分，评定为最不好时打0分，这样的分数也是计量值。 b 计数值 计数值是以个数数得的质量特性值，如不良品数、缺陷数等，而且是取0，1，2，这样的正整数值。(2).常规控制图的分类按控制图测量性质不同，控制图可分为计量型控制图和计数型控制图两大类。前者反映产品或过程特性的计量数据，后者反映计数数据。 计量型控制图可分为：a 均值一极差(Xbar-R)图：适用于长度、重量、时间、强度、成分以及某些电参数的控制：均值一极差控制图的打点对象为子组的均值x和子组的极差R。其统计学特点决定了它具有适用范围广、信息量大、灵敏度高的特点。因此是最常用、最重要的控制图.b 单值一移动极差(Xbar-Rs或
14、X-moving R)图：；单值一移动极差图控制对象的每一个数据打点记录于x图，将相邻数据之差的绝对值记入M 图，其打点相对而言较为方便 单值一移动极差图多用于下列场合：1、对每个产品都进行检验，采用自动化检查和测量的场合；2、取样费时、昂贵的场合；3、样品均匀，多抽样也无太大意义的场合。c 均值-标准差(Xbar-S)图：适用于样本较大的过程控制；d 中位数极差(MedianR)图，主要用于早期手工计算，现己基本淘汰。计数型控制图可分为：a 缺陷数(c)控制图：计数检验的个数相对于被检验对象的总体很少时适用b 百分率(p)图：适用于计数的值所占比例较大的情况。6 .控制图的演化与发展在休哈特
15、之后，提出了数十种控制图，值得注意的有下列几种：(一) 多元控制图 在IC制造过程中，生产工艺常常需要通过观测多个质量特性来进行控制。当这些参数之间存在不同程度的相关关系时，采用传统的单变量控制图将不能可靠的对工艺的实际状态进行表征和控制。这种需要同时考虑几个相互联系的变量问题，称为多变量控制或者多变量过程控制问题. 下面将针对这种具有多个质量特性、并且它们相互关联情况，系统分析采用单变量控制图存在的局限性，在此基础上利用多元统计理论，提出了引入多变量控制图实现工艺的控制的方法。假设某一个过程需要用两个变量五和置来表征，并且这两个变量相互独立，均服从正态分布。按照单变量控制图原理，对每一个参量作出均值控制图，就可以分别监测单个参量的变化情况，按照单变量控制图的判断规则，只有当样本数据均值墨和夏均在各自的控制限以内，才认为工艺过程是处于受控状态。 在实际生产中，通过独立监测这两个参数的变化情况来判断过程的受控状态将违背控制图的基本原理。对单变量控制图，当过程处于受控状态时，和超出其控制限的概率，即出现第一类错误的概率都是O.0027。但是，若它们都处于受控状态，而且和同时处于受控状态的概率是(0.9973)(0.9973)=0.。这时出现第一类错误的概率为1-0
