《QTSPC及品质分析》由会员分享，可在线阅读，更多相关《QTSPC及品质分析（13页珍藏版）》请在金锄头文库上搜索。
1、质量部培训教材 SPC和品质分析方法发行版次1文件编号修订版次0第一页共$十二页质量部培训教材SPC 和品质分析方法发行版：第一版作成：日期：审批：日期：质量部培训教材 SPC和品质分析方法发行版次1文件编号修订版次0第二页共$十二页1. 目 的培训统计知识，使基层管理人员学习并能够运用基本的统计方法，使中高层管理和技术人员学习和 掌握统计分析的方法。2术 语SPC：统计过程控制是Stat is ti cal Process Con trol的的缩写，是一种借助数理统计方法的过程控 制工具。计数型数据：计数值数据-是以个数计算的质量性质。（如：不合格品与不合格、比率等）计量值数据：计量值数据指
2、用测试工具可连续测取的定量的数据。（例：产品的长度、体积、硬度等）Cpk：稳定过程的能力指数，而过程能力是指一个稳定过程的固有变差（6oR/d2）的总范围。标准差：过程输出的分布宽度或从过程中统计抽样值的分布宽度的量度（如子组均值），用o或s来表示3使用的意义在产品质量控制中，通过SPC对检验数据进行统计分析从而区分出过程中产品质量的正常波动与异常 波动，以便进过程的异常及时提出预警，提醒管理及技术人员采取措施消除异常，恢复过程的稳定性。4统计技术的发展状况为了的制造过程中实现预防原则，贝尔实验室的沃尔特休哈特CW.A.Shewhart）在二十世纪二十年 代发明了一种简单而有效的过程监测与质量
3、控制工具一一控制图（Control Chart）,这是首次将数学统计 方法在质量管理方面的应用提升为理论。在上世纪二十年代由于世界经济严重萧条，休哈特的SPC理论一时无人问津。第二次世界大战爆发后， 由于武器需求很大，美国国内大批生产的军工产品出现了严重的质量问题（如在欧洲战场上，美军炸弹炸 膛事件层出不穷，造成大量人员意外伤亡），为克服军工产品质量不稳的问题和增加产品产量及保证及及 时交货，美国国防部于 1942 年将休哈特等一批专家召集起来，制定了采用数理统计方法进行质量控制的 战时质量管理标准（如数据分析用的控制图、生产质量管理用的控制图等），由美国国防部在全国强 制推行，半年后大见成效
4、，使美国的军工生产在质量上、数量上、利润回报上都世界领先地位。这是SPC 初次大显身手的时期。二次世界大战后，美国已成为工业最强大的国家和在世界商贸中独霸天下，对于美国公司，主要的竞 争者来自于美国国内，因为国内各公司都采用相似的方法组织生产及进行质量管理，在19501980 年这 个阶段，许多管理方法包括SPC却从美国工业中消失了。而二战后的日本经济受到严重破坏，1950年休哈特早期的一个同事戴明（W.Edwards Deming）博士 将SPC概念引入日本，后来美国著名质量管理专家朱兰（J.M.Juran）到日本讲学，SPC逐渐在日本得到普及 （据1984年日本名古屋工业大学的一份调查报告
5、指出在日本各行各业的中小工厂内平均每家工厂使用137 张控制图）。到1980年日本已跃居世界质量与生产率的领先地位，当时美国与日本产品质量的差距已很明 显，如汽车零件的不合格比率，日本要比美国低10004000倍。因此，美国著名质量管理专家柏格（Roger W.Berger ）认为日本产品的质量能够超过美国的原因固然很多，但其中一个重要的原因就量日本从美国引 入了 SPC技术，他认为“日本成功的基石之一是SPC”。在日本强大的竞争下，西方国家从80年化发起了复兴SPC的运动，并将SPC列为高技术之一，美国、 加拿大首先从汽车、钢铁等大型工业推行SPC，经过15年的努力，到1994、1995年美
6、国才基本上弥补了 日美两国产品质量方法的差距。经过 60 多年的发展， SPC 理论已经非常成熟、完善，统计工具和方法已从最初几种简单的控制图扩 展为数百种。从理论发展的角度来看，我国学术界对SPC的研究在一定程度上超过西方发达国家，但在理 论的普及和应用方面还停留在基本、表层的程度上。而在入世后，与国外的竞争则更加激烈，运用和普及 SPC 技术迫在眉睫。五、质量管理常用的统计分析方法质量部培训教材 SPC和品质分析方法发行版次1文件编号修订版次0第三页共$十二页我们常提到的 QC 七大手法包括：层别法、柏拉图、特性要因图、散布图、直方图、管制图（又称控制图）、查核表（又称查检表或点检表）等。
7、另外推移图、分布图、工序能力指数（Cpk）等也是经常用到 的统计分析方法。针对本公司的实际情况，以下主要介绍几种方法：5.15.2层别法（又称类别法或排列图）是所有手法中最基本的概念，就是我们普遍使用的，把多种多 样的数据或资料进行分类统计和计算的方法。本公司的各类质量记录、周报、月报、不良报告 等均为此方法。层别法是进一步分析方法的开始，而我们一般所用的统计技术也是从此开始的。 层别法给进一步的分析起了开端，而且是我们最简单和最容易实现手工操作。层别法虽然对数 据进行分门别类的归纳和统计，但数据与数据间的关系，数据所呈现的状态和趋势，更简明的 说这些数据想表达的含义就无能为力了。柏拉图（又称
8、重点原则或80-20原则）：是意大利经济学家柏拉图（Pareto）发明的一种统计图。柏拉图经多年研究，阐述了世界上20%的人掌握着80%的财富，其余80%的人只掌握了 20%的财 富。也就是说这20%的人的活动决定着全世界的发展和变化，即决定的人类历史的进程。在 1998 年中国财政部一位副部长回答记者问时说，在 6 万亿的储蓄存款中,10%的人占了其中66%。书在 工作和生活中，我们面对的问题很多，但往往不知从何下手。柏拉图理论同样阐明了解决少数（20%）主要的事务，也就已解决了 80%的问题，这就是重点原则或者说少数原则，也就是说只 要针对重点和重要的问题采取对策进行改善，那么一些尽在掌握
9、之中了。这对于管理人员尤其 重要。柏拉图的使用以层别法为前提，依照调整顺序后的统计表而制成柏拉图。分析步骤：1将要处理的数据或资料，以状况或原因加以分类调整并列表（层别法）：2纵轴分别表示不良数和比率,横轴表示不良项目,作图如下:不良数90756045比率3015如2002年11月17日QC贴片检查日报坏品项目分析序号不良项目不良数不良比率累积比率1崩玻璃13650.02面花6724.674.63PI受损4014.789.34凸玻璃23&597.85彩虹31.198.96切割不良20.799.67漏液晶10.4100.0合计272由上图可以看出，当日主要不良是崩玻璃和面花，二项总的不良率占75
10、%左右，当务之急就是 改善这两个问题。5.3 特性要因图 有结果必有成因，特性要因图就是把某项结果的各种成因以系统的方式图解之，用图来表达结 果（特性）与要因（成因）的关系，又称因果图；因其形状像鱼骨，又称鱼骨图，因其概念由 日本品管权威石川馨博士提出，所以又称石川图。质量部培训教材 SPC和品质分析方法发行版次1文件编号修订版次0第四页共$十二页特性要因图主要是从人（人员）、机（机器设备）、环（环境）、物（材料）、法（方法）等方面 来分析形成结果的原因，然后针对这些原因找出适当的解决或改善方法并加以实施。 使用步骤如下：1）集合产生结果的有关人员,挂一张大白纸或白板，准备2-3 支色笔。2）
11、画出鱼骨图，鱼头指向结果。3）调动各人员的经验和空间想象力，对于产生结果的各项原因进行分析（人、机、环、物、法）， 标在鱼刺上。4）分析并画出解决原因的优先顺序，提出改善措施; 定出责任人和改善期限，进行改善。要因原因控制方法光强时间衰减、 光学系统光强时间衰减，光学系统发生变化定期测量光强，进行设备维护。 光强标准79uw/cm2曝光时间光刻胶厚度变化1. 以显影结果确认2. 515秒分辨率光学系统发生变化EM部定期检查及维修掩膜划伤、污点室内环境净度发生变化1. 曝光一次用气枪吹净一次2. 定期进行清洁和监测环境洁净度注：特性要因图与柏拉图并用：在柏拉图分析出主要原因后，可针对此原因集合相
12、关人员用特性要因图进行深入分析，提出并实施改善方案。5.4 散布图散布图是一种用来研究成对出现的两组相关数据之间关系的图示技术。这对数据可能是因果关 系，可能是结果-结果关系，也可能是原因-原因的关系。如我们工艺笠现在考虑的显影过度与 蚀刻过度之间是否有联系，是已经显影过度而导致后期表现的蚀刻过度？还是蚀刻过度仅仅是 蚀刻工艺参数设置有误（待出结果后进行分析）。表现图示如下：AAA* * * * - * *正相关，表示成正比关系负相关，表示成反比关系不相关，表示没有关系5.5 查检表：查检表就是备忘录，它是事先就在头脑中已有，为了不出现遗忘或遗失，就提前准备一张表注明需要的事物，到了工作时拿出
13、来的核对单。（这里不在介绍了）质量部培训教材 SPC和品质分析方法发行版次1文件编号修订版次0第五页共$十二页5.6 直方图直方图是用一系列等宽不等高的长方形来描述数据分布形态的一种图示工具。在实际生产中， 我们是按照标准进行生产和检验的，但实际生产和检验出的产品的质量特性总是有些差异，而这种差 异所表明的就是质量特性数据的分散性。分散性是由于生产过程中所存在的偶然性因素和系统性因素 的影响而产生的。偶然性因素是一些大量的、随机发生的、变化微小和难以查明且不可能完全消除的 影响因素，它的存在是经常的，对质量特性影响不大，因而是正常的原因。系统性因素则是一些数量 不多、非随机发生、变化较大且能够
14、查明和能够消除的因素，它不经常发生，但影响较严重，因而是 异常的原因。数据的的分散性是客观事实，但分散的数据往往呈现一定的规律性或一定的分布状态， 直方图就是找出这种规律的有效工具之一。直方图中长方形的宽度表示数据范围，高度表示分布在数据范围内的数据的数目。在正常情况 下其外轮廓呈对称的钟形形状，其轮廓点连接起来就是正态分布曲线，所以直方图一般和分布图合起 来使用。直方图可以评估和检验制程状态，比较物料、比较供应商，比较品质控制等。直方图用于大量且杂乱无章的数据的分析，其步骤如下：1）收集数据：采用抽样法，抽取的数据至少50 个以上。2）定组数：将数据分成若干组，数据个数在50-100 之间分成6-10 组，100 以上之间分成10-20 组。3）确定极差：用数据中的最大值L-最小值S=极差R4）定组距：组距=极差RF组数，通常是2.5或10的倍数。5）定各组的数据范围：第一组的下限值=最小值-组距/2 ,第二组的下限值=第一组的上限值, 第三组的下限值=第二组的上限值,第一组的上限值=最小值+组距/2 第二组的上限值=第一组的上限值+组距 第三组的上限值=第二组的上限
