@SPC基础知识之二-SPC概念.ppt

SPC基础知识之二 SPC概念制作日期：2018082目录总体指南SPC概念过程控制系统变差过程控制与过程能力持续改进循环SPC术语常见问题总体指南4总体指南规范界限管理-风险质量规范界限作为一个安全区，超过区域就会产生不合格接近规范边缘时，超出界限的概率会越来越大，意味着潜在不合格如果没有及时有效的控制，潜在不合格会转化为真实不合格最安全的地方，是位于规范的中心区域5总体指南控制界限管理-益处由（亡羊补牢的）事后检验，转为（未雨绸缪的）事先预防检验：容忍浪费，缺陷检测，针对产品，以公差规范作为唯一依据预防：避免浪费，过程控制，针对过程，关注过程的分布，强调改进6总体指南-SPCSPC的历史背景：工业革命带来大规模生产，单纯依靠事后检测，无法避免浪费。美国休哈特首次提出“正常波动”和“异常波动”，以及在生产过程中运用3Sigma和控制图技术。SPC手册，由ASQC（美国质量控制协会）、AIAG（汽车工业行动集团），联合克莱斯勒、通用、福特三大车厂制定。为汽车行业提供正式的、统一的统计过程控制方法。SPC 发展历史1924，休哈特提出控制图技术1932，休哈特将控制图引入英国1950，戴明将控制图引入日本1980年代，推广到全世界，成为汽车行业五大核心工具之一1992，第一版SPC手册发布2005，第二版SPC手册发布7总体指南-SPCSPC的解释Statistical Process Control，统计过程控制。把某一过程的数据输出，进行统计分析，进而控制和改进过程，确保过程稳定受控，预测未来趋势。（1）统计：技术定量化统计学技术，例如控制图（2）过程控制：方法事先预防，代替事后检测监控过程，5M1E收集产品和过程数据，分析和评价区分变差的普通原因和特殊原因提出预警，持续改进将数据和结论应用于设计8总体指南-SPCSPC的解释SPC是一项系统性工作，涉及前期硬性固定资产投入，系统科学的管理方法。依靠事后使用生产采集数据，基于minitab软件进行能力分析，通常只是数据游戏。工作重点，应侧重于：系统规划，理清公司的SPC执行流程，并规定：测量系统、设备能力、过程能力的接收准则。相关人员充分的培训和实践训练，适时收集数据和监控图形。关注各部门是否完全按流程/标准执行，持续改进，保持过程能力。9总体指南-SPCSPC的目的-受控和稳定利用统计方法，确保：（1）过程的统计受控，制定控制界限，将过程特性予以量化监测。（2）过程能力满足，特性数据服从稳定的随机分布，消除变差的特殊原因。步骤：分析过程及其输出，将质量特性（characteristic）定量化（quantitative）使用控制图（control limit）等统计技术，监测过程及其输出在统计控制的情况下，成功的实施和维持过程持续改善过程能力（process capability），从系统面减少特性变差（variation）10总体指南-SPCSPC的说明收集数据、研究变差、应用统计方法，并不是最终目的。最终目的是预防为主，减少浪费，持续改进，满足顾客日益增长的需求。适用于各领域，例如：机器（性能特性），录入数据（差错率），浪费分析（废品率），材料管理（运输时间）SPC通常用于产品特性，但更应该（提前）用于输出产品的过程。应用SPC之前，必须通过MSA，确保测量系统处于受控状态，不会明显影响数据的总变差。11总体指南-SPCSPC的说明-评价顺序：量具能力-设备能力-过程能力评价过程和产品特征的变差，包括：数据本身质量+产品特征值的实际变差。先保证数据质量，排除测量误差；再控制其他条件，选择短时期内连续加工的产品，合理收集数据。不同公司和组织，有不同的规范和方法。12总体指南-SPCSPC的说明-评价顺序：量具能力-设备能力-过程能力（1）分析测量数据的质量（MSA）AIAG：MSA，统计学方法，分析测量系统中2种误差：系统性误差，偏倚/稳定性/线性；随机性误差，重复性/再现性。德系：VDA5，“不确定度”评价。（2）研究设备能力（CMK）（3）试生产阶段，分析用，初始过程能力研究（PPK）选择2025组以上的样本，每个样本容量为5pcs；过程在现场“受控”。比对理想值与实际值，分析波动来源（5M1E），识别和消除可以控制的变差。（4）量产阶段，控制用，控制图（CPK）定期采集数据事后分析。确保特性受控、过程持续保持能力。13总体指南-SPCSPC的说明-评价顺序：量具能力-设备能力-过程能力14总体指南-SPCSPC的意义-预防控制聚焦于过程。因为过程的变化，才是造成质量变异的根本原因。由关注产品，转为关注生产过程和系统面。由传承经验，转为标准化和数据化。区分正常波动（普通原因变差）和异常波动（特殊原因变差）。基于历史数据，预测未来过程的运行状态。及时发现异常趋势/征兆。消除异常因素，减少异常波动，提高过程能力。15总体指南-SPCSPC的应用-设计/制造/检验适用于设计、制造、检验过程。三者相互关联，实现过程控制。设计产品规格时，作为参考依据。制造过程中，作为检查制程和品质稳定性的工具。检验时，作为判断的标准。16总体指南-SPCSPC的前提-定量化确定过程的输入和输出，并将其定量化，然后才能开始控制过程。定量化包括：以数据作为基础，建立控制标准；收集过程中的数据，分析数据；计算得出数据，获得结论。17总体指南-过程控制系统过程控制系统-统计性的反馈系统含义：自动控制系统，对于生产过程的特性值，保证受控并在要求的范围内；通常采用反馈控制的形式。过程：共同工作以产生输出的集合体。包括供方、5M1E、顾客。过程的性能，取决于组织与顾客的沟通。有关性能的信息：确定过程或输出的特性目标值，监测和收集信息，研究过程本质机器变化，确定过程状态。对过程采取措施：改变操作或过程本身，以保持过程稳定性，保持输出的变差在可接受的界限之内。措施包括：人员、材料、设备、流程、过程设计对输出采取措施：检测输出，纠正不合格，采取遏制措施，直到矫正措施实施并验证有效。18总体指南-过程控制系统过程控制系统-说明统计是方法，过程是统计对象，预防性控制是目的。如何统计：通过预先设计的实验，以及统计技术。过程有关性能的信息对过程采取措施对输出采取措施19总体指南-变差变差分析-变差的必然性没有两个产品或特性是完全相同的，因为所有过程都存在变差。短期变差：例如人工的稳定性、设备精度。较长期间内的变差：例如设备工具磨损、制程的周期性变化、环境影响。因此，测量周期和测量时的条件，会影响所获得的变差数据。由此规定公差范围（界限）、测量频率和时间。20总体指南-变差变差分析-质量的统计观点产品质量具有变异性，即变差产品质量的变差不可避免变差是质量的敌人变差超过标准或期望，意味着发生问题，出现“异常”质量改善，意味着持续减少过程的变差变差包括普通原因（common cause）与特殊原因（special cause）普通原因“处于统计控制状态”，是稳定系统的偶然原因特殊原因可能有害，也可能有利，需要识别和区分处理21总体指南-变差变差分析-普通原因和特殊原因类型普通原因的变差特殊原因的变差性质不可避免可以避免存在信号控制图分析中，随机过程变差的一部分控制图中非随机性的图形控制状态统计控制状态，即受控状态非统计控制状态，即失控状态变异程度变异因素在统计的控制状态下，变异较小变异因素不在统计的控制状态下，变异大过程输出结果分布稳定分布不稳定原因大量、微小、普通的原因一个或少数、较大、特殊的原因可预测性可以预测，通过DOE方法无法预测，通过SPC监控经济性改进成本高，不容易消除应找出原因并消除，符合经济性改进管理面、系统面的持续改进直接责任人员，立即改进实例工具磨损，原材料微小变异，设备微小振动，仪器检测时微小误差工具损坏，原材料批量性不良，设备调整不当，仪器损坏或新人检测22总体指南-变差变差纠正-局部措施和系统措施类型采取措施方法比例特殊原因变差直接人员采取局部措施特别在早期的过程改进阶段。尽快纠正，避免问题延误和恶化15%普通原因变差管理层采取系统措施，直接人员发现并报告。需要详细和根本的分析，避免错误判断85%23总体指南-过程控制和过程能力过程控制和过程能力（1）过程控制系统，目的是分析过程是否受控，对是否采取措施，做出经济合理的决定。从而避免2种错误：不需要控制时，过度控制或擅自改变；需要控制时，控制不足。当不存在特殊原因时，避免错误信号，防止过度控制。当出现特殊原因时，提供统计（预警）信号，防止控制不足。分析特殊原因，采取措施：如果有害，予以消除；如果有利，予以固化保留。由此预测过程性能，评价是否满足顾客期望/要求，作为持续改进的基础。使用控制图，可以发现异常、及时预警，但无法显示原因，需要进一步分析。24总体指南-过程控制和过程能力过程控制和过程能力（2）过程能力，由造成变差的普通原因确定，代表过程本身的最佳性能（例如分布宽度最小）。（3）过程控制和过程能力，两个相对的概念：处于统计控制状态下的过程，收集的数据即可证明过程能力，但可能没有落入规范界限（受控但不满足要求）。内外部顾客更关注过程的输出，以及是否满足规范要求，而不考虑（输出前）过程的变差（满足要求优先）。如果过程的分布宽度不可接受（未受控），可以临时允许生产最小量（不可避免）的不符合规范产品；同时，采取系统措施，减少变差的特殊原因，改进过程能力和输出，受控且满足规范要求。25总体指南-过程控制和过程能力过程控制和过程能力-4象限图1类：最理想，产品符合要求，过程受控，过程能力达标。2类：产品符合要求，过程受控，但普通原因的变差过大，必须减少。3类，产品符合要求，过程不受控，必须识别并消除变差的特殊原因。4类，产品不符合要求，过程不受控，必须同时减少特殊原因和普通原因。过程不满足要求，输出的产品也会不符合要求26总体指南-过程控制和过程能力过程控制和过程能力-4象限图顾客可能接受第3类，原因如下：顾客对规范要求之内的变差不敏感；为控制特殊原因所投入的成本，超过顾客的所得利益；特殊原因已被识别，其记录表明是稳定、可预测的（已知）。这时，顾客可能会要求：该过程是成熟的，例如已经过几个循环的持续改进；允许现有的特殊原因，在已知时间内，产生稳定的后果（可预测）；过程控制计划得以有效运行，确保所有的过程输出符合规范，并能预防新的特殊原因、现有特殊原因的不稳定。27总体指南-过程控制和过程能力过程控制和过程能力-改进趋势过程受控，但超出要求过多的普通原因影响LCLUCL过程不受控特殊原因影响过程受控消除特殊原因过程受控过程能力达标时间推移TT28总体指南-过程控制和过程能力过程控制和过程能力-实施步骤先证明某个过程处于统计控制状态，再计算其过程能力。（1）过程能力，意味着从过程中获得统计数据，预测过程性能。如果基于不稳定的数据，预测没有价值；因为特殊原因会造成预测失效。（2）短期能力：判断过程是否在统计控制状态下运行，否则需采取措施，解决变差的特殊原因。用于验证首批/试产产品，减少特殊原因；以及机器能力研究，验证过程实际性能，是否符合工程参数。（3）长期能力：确认过程稳定、符合短期要求后，在较长时间收集数据，能够涵盖所有预期的变差原因。用于计算长期的能力和性能指数；以及量化过程性能，评估批量生产的能力，是否满足顾客要求。29总体指南-过程控制和过程能力过程控制和过程能力-实施步骤以上涉及到多个不同的指数，因为：没有一个单独的指数，可以适用于所有过程；没有一个既定的过程，可以通过一个单独的指数来完整描述。例如同时使用Cp和Cpk，与图表技术一起应用可以更好理解估计的分布和规范界限的关系。意味着比较“过程的呼声”和“顾客的呼声”，并努力使二者一致。所有指数都有不足之处，而且可能产生误导。组织应当与顾客确认使用哪些指数，以提高效率和经济性。SPC手册第II章第5节，描述了能力和性能指数的选择，以及在使用这些指数时的注意事项。30总体指南-过程控制和过程能力过程受控和过程稳定的区别（1）ISO标准：过程稳定，意味着过程输出分布的（中心）位置不变，（离散）宽度不变。但评价方法不确定，例如：基于假设检验，去检查不同子组背后对应总体的均值，是否与离散相等？或者基于控制图来判定？不能简单认为超过控制限即视为不稳定。当子组数大到一定程度，肯定有绘制点超过控制限。（2）德系DIN标准：强调从操作者的角度，看待过程是否受控。同样意味着过程输出分布的（中心）位置不变，（离散）宽度不变；或者只有可预见的趋势改变，或者变化没有超过可预见的范围，那么过程视为受控的。31总体指南-过程控制和过程能力过程受控和过程稳定的区别不同公司的不同做法：（1）德国海拉公司：使用假设检验的方法，判断过程是否发生中心和离散的改变，决定指数名称。（2）Bosch公司：检查单值是否超差，并检查超出控制界限点的数量，是否符合预期范围，决定指数名称。（3）一般使用Pp/Ppk描述试生产时的初始过程性能，Cp/Cpk描述长期能力，Tp/Tpk描述不稳定时的表现。（4）大众汽车，不区分各种Xp/Xpk，过程能力指数全部使用Cp/Cpk。（5）六西格玛理论，“当前能力”作为“短期”过程，使用Cp/Cpk；过程的整个寿命周期，作为“长期”过程，使用Pp/Ppk。32总体指南-持续改进持续的过程改进循环本过程应做什么会有哪些变化，已知哪些变差，哪些参数受变差的影响较大是否在生产不良品/返工品，是否处于统计控制状态，本过程是否有能力、是否可靠小组会议讨论，FMEA，控制图过程需维持一定的能力水平防止坏的变化，了解好的变化并保持稳定控制图，统计方法进一步减小变差，降低成本有目的的引入变化，测量效果确认新过程参数后，循环运转控制图，试验设计33总体指南-持续改进持续的过程改进循环34总体指南-持续改进持续的过程改进循环-方法与步骤（1）确定适用的过程和特性值。通过PFMEA讨论的变差控制方法来确定。同时确定采集特征值之外，还要采集哪些附加信息，例如5M1E、关键过程参数。将测量值与可能导致特征值变化的信息，进行结构化关联，用以理解变化原因。（2）验证数据质量和过程的理想性能，作为SPC的前提条件。验证测量数据本身的质量可以满足要求，基于量具验收和样件试做。验证生产设备的能力是足够的，基于设备验收和试生产。（3）按照PFMEA的分析，确定过程中可能的“不受控”原因，以及应采取的措施。决定试生产时的抽样计划（样本容量和取样频率），在试生产CP中规定。35总体指南-持续改进持续的过程改进循环-方法与步骤（4）试生产阶段，现场收集数据，运用控制图区监控过程。工程师确认对于过程变差的控制，计算过程能力是否满足预定的计划要求。此阶段活动可能重复进行，以使过程达到“受控”并且有能力。（5）基于试生产分析，总结量产阶段的抽样计划，为量产的过程控制提供控制界限，总结过程控制所需的原因目录、措施目录。（6）量产中运用控制图，监控过程。作业者现场监控导致变差的“不受控”原因，及时调整过程，让过程恢复正常。（7）对于采集的数据，工程师定期回顾过程能力，实施PDCA。通过控制图，识别过程发生的可能导致能力降低的原因，提出系统层面的过程优化。SPC术语37SPC术语SPC术语计量值（计量型数据）：variables data，使用计量仪器测出，以数值（物理单位）形式记录。例如：尺寸、重量、容积、温度、化学成分比例等。计量数据一般服从正态分布，最常见通过X-R控制图分析。计数值（计数型数据）：attributes data，定性数据，以“是/否”形式记录。通常以不合格品、不合格数的形式收集，通过p/np/c/u控制图来分析。（1）计件数据，按件计数；例如良品数、不良品数；一般服从二项式分布。（2）计点数据，按缺点数计数；例如各种不良缺陷数；一般服从泊松分布。38SPC术语SPC术语总体（批量数）：统计分析所研究产品的全体，用“N”表示。样本（样品）：Sample，从总体中抽样和分析的一部分个体，用“n”表示。用于过程控制时，样本=子组。子组：Subgroup，用来分析过程性能的一个或多个事件或测量。需要考虑合理分组，尽量减小每个子组内的（普通原因）变差，同时凸显各子组间过程性能的变化（特殊原因变差）。合理子组一般由连续的零件组成。不合格品：Nonconformity，不符合规范要求/检验标准的产品数量。使用c和u控制图分析。不合格：不符合规范要求/检验标准的出现数量，=缺点/缺陷。一个不合格品，可能有多个不合格。不合格率：不合格品数产品总数100%。单位缺陷：每100件产品中出现不合格的数量，即缺陷总数产品总数100%。39SPC术语SPC术语抽样：Sampling，从总体中抽取产品，组成样本的过程。产品分装在20个箱子，每箱50pcs，合计1000pcs，从中抽样100pcs：（1）简单随机抽样：20箱产品均匀混合，11000编号，毫无规律的抽样100pcs。（2）等间距：20箱产品均匀混合，11000编号，抽取固定尾号的产品。（3）整群抽样：随机抽取2整箱。（4）一次分层随机：每箱50pcs，从中简单随机抽样5pcs。（5）多次分层随机：每箱50pcs，150编号分为5组，每组简单随机抽样1pcs。40SPC术语SPC术语抽样方法分类类型简单随机抽样法系统/等距抽样法分层/类型抽样法整群/集团抽样法抽样方法完全随机抽样。总体中，每个个体被抽到的概率相同。将所有个体按一定顺序排列，根据样本容量，确定抽样间隔。随机确定起点，每隔一定间隔，抽取一个个体。将总体分为不同层，按规定的比例，从不同层中随机抽取个体。将总体分为不同群，每个群由个体按一定方式组成。随机抽取若干群，由这些群中的所有个体组成样本。误差抽样误差较小抽样误差较大样本的代表性较好，抽样误差较小代表性差，抽样误差大过程过程繁杂操作简便过程繁杂操作简便适用范围一般场合均能适用不适用于总体发生周期性变化的场合常用于产品质量验收常用在工序控制中41SPC术语SPC术语规范，specification判定某一特性是否可接受的工程技术要求。直接与（内外部）顾客的要求/期望紧密相连，或者兼容控制，control用于表示某一特性的图像。图像上标有根据该特性收集的统计数据，例如中心线、控制限。用于判定过程是否受统计控制，帮助过程保持受控状态，减少未受控的经济损失。42SPC术语SPC术语规范界限，specification limit检验产品的依据，是质量特性的最大许可值，用于保证产品的正确性能；包括规范上限USL，规范下限LSL。控制界限，control limit通过过程数据计算得出，用于一组产品集体的量度。判定过程是否稳定，监测批次/期间之间的质量变异，识别特殊原因的变差（超出控制界限时）。包括控制上限UCL，控制下限LCL。43SPC术语SPC术语规范界限与控制界限的关系OCIS不在控制中，但在规格内3类ICIS既在控制中，也在规格内1类OCOS不在控制中，也不在规格内4类ICOS在控制中，但不在规格内2类在规格内不在规格内不在控制中在控制中OCIS：需要调整过程ICIS：最佳象限，继续保持OCOS：需要调整过程，或重新设计过程ICOS：需要重新设计过程44SPC术语SPC术语正态分布：normal distribution，用于计量型数据，在中心线或平均值两侧，连续的、对称的钟形分布。一组测量数据服从正态分布时，形成正态分布曲线图：整个输出的全部数据可能不服从正态分布，但其子组平均值趋向于正态分布。落在1之间的概率为 68.26%落在2之间的概率为 95.45落在3之间的概率为 99.73%这些百分数，是控制界限或控制图分析的基础。45SPC术语SPC术语-各计算数值的关系（1）抽样测量，得到样本的实际测量值；如何量化评价样本数值与标准的差异？并以此估计总体的差异？（2）计算平均值X，如果平均值高于标准值，一般整体偏高；可能有畸高畸低的数值，拉高或拉低平均值。（3）导入中位数X，观察整体分布的偏向性；无法完整准确反映单个测量值的分布状况。（4）计算离均差Xi-X，单个数值（单值）与平均值的差异；只有个体分布，无法反映整体状况。（5）计算离均差的平均值；由于离均差本身有正负，直接数学平均，会相互抵消、趋近于0。（6）计算方差S2，将离均差平方运算，确保为正数；个别数值畸高畸低，平方会放大差异。（7）再计算均方差S2，即所有方差的平均数，均方差与样本值VS标准的差异性，存在线性相关。（8）为保证量化评价的计算值，与实际测量值的计量单位统一，将以上结果开平方，最终得到标准差S。-46SPC术语SPC术语分布：distribution，对于具有稳定系统变差的输出，进行描述的方式。单个数值不可预测，一组单值可以形成一种图形，并使用“位置、分布宽度、形状”这些术语来描述。单值：individual，单个产品或某一个特性的一次测量值，记为X。位置：location，分布中心趋势的典型值；一般用均值、中位数表示。分布宽度：spread，某个样本中，从最小值到最大值之间的间距；一般用样本标准差、样本极差表示。形状：shape，数值分布形成的图形；包括对称度、峰度，正态分布，（计件）二项分布，（记点）泊松分布。47SPC术语SPC术语均值：average，一组测量值的平均值；=平均值，mean。在一个子组（样本）内的x 值，其平均值记为 X（X-bar）；各子组平均值的平均值，记为X。中位数：median，一组测量值从小到大排序，中间的数值即为中位数，记为X。如果测量值的个数为偶数，以中间两个数值的平均值，作为中位数。子组中位数，是绘制简单的、有关过程位置的控制图的基础。众数：样本中出现次数最多的数值。-=例如：一组数据123445556678899 平均值=5.467中位数=5众数=548SPC术语SPC术语极差：range，范围、样本全距；一组数据（子组/样本/总体）中，最大值和最小值之差；记为“R”。对于给定的样本容量，极差越大，标准偏差越大。R=(最高值)-(最低值)49SPC术语SPC术语标准差：Standard Deviation，Sigma，缩写为“S”或“”大写为“”，作为求和符号；=summation，缩写为sum。用于评价整个过程输出（）的分布宽度，或从过程中抽样（S）的分布宽度。6Sigma：1986年摩托罗拉提出，提高质量控制水平，降低缺陷率到3.4ppm。50SPC术语SPC术语样本标准差：SN=（测量数值的）样本数量。符号上方的N与下方的i=1，意味着计算的起止位置：N意味着所有样本数值。如果是10，意味着在第10个数值截止；i=1意味着从第1个(Xi-X)2数值开始计算。如果i=2，意味着从第2个数值开始计算。(Xi-X)2 意味着“各数值-样本（抽样数值）平均值”的平方。最后将以上计算结果开平方根。-51SPC术语SPC术语总体标准差：N=（测量数值的）样本数量。符号上方的N与下方的i=1，意味着计算的起止位置：N意味着所有样本数值。如果是10，意味着在第10个数值截止；i=1意味着从第1个(Xi-X)2数值开始计算。如果i=2，意味着从第2个数值开始计算。(Xi-u)2 意味着“各数值总体（所有数值）平均值”的平方。最后将以上计算结果开平方根。-52SPC术语SPC术语为什么样本标准差以“N-1”计算，总体标准差以“N”计算？计算样本标准差，目的是推算估计总体标准差；但二者存在差异，使用数学方法可以证明，样本标准差小于总体标准差；为了确保计算的有效性，需要修正样本标准差，将分母设为“N-1”；此时样本标准差，属于“无偏估计的修正标准差”。如果抽样数很多，N-1和N趋近于相等，对最终计算结果影响较小。53SPC术语SPC术语离均差：单个数据与平均值之差。由于离均差的数值有正负，求和计算平均值时会有误差。为避免此问题，导入方差（平方值）计算。方差：S2，样本标准差的平方，可以用以评价离散度。例如有2、3、4、5、6，共5个统计数据，其方差为：常见问题55常见问题SPC不达标，能否以100%全检代替？视产品特性的类型而定：作为统计公差、涉及装配的特性，无法确保满足要求。例如4个产品装配成1个成品，长度120.1mm。（1）使用极限公差，简单四等分，30.025mm。确保满足装配要求，但个体要求严格，难以实现。（2）使用统计公差，组合的尺寸方差，等于4个个体尺寸方差之和。为保证制造的经济性，基于正态分布，4个个体为30.05mm。如果个体都偏近同一规格极限，最终装配成品可能无法满足要求，或影响装配过程。56常见问题Built to nominal，不仅满足产品的规格限特殊特性：涉及安全/法规/产品配合/功能/性能/后续生产过程的特性。（1）PQC，product quality characteristics，产品质量特性产品特征值超出规格值，会影响满意度。（2）KPC，key product characteristics，产品关键特性当产品特征值在公差范围内波动，会明显影响顾客满意度。产品特征值与规格值过于接近，也会影响使用的满意度。对于此类特性，在生产和装配时，需要最高级别的统计过程控制。通常要求Xp2，Xpk1.67；给定的公差只是象征意义。尽量将特征值控制在目标中心；否则偏离中心即可能影响可靠性和满意度。57常见问题Built to nominal，不仅满足产品的规格限意味着质量改进活动永无止境。在导致特征值变差的原因中，包括“受作业者控制的”和“不受作业者控制的”原因。二者的控制方法完全不同。只有尽可能消除“不受控”原因导致的变差，才能对过程进行系统性改良。58常见问题SPC的数值，不服从正态分布？正态分布，是基于样本信息，对其背后虚构的总体数值分布情况进行描述。当样本数据证明背后总体数值不服从正态分布，应该先考虑数据的来源。（1）量具分辨率，相对于过程变差不足。造成测量数值的不同数量太少，影响对背后总体分布模型的推断。59常见问题SPC的数值，不服从正态分布？（2）如果量具分辨率足够，可以分辨特征值变差，数值不是正态分布。QC七大手法，规定检查直方图的类型，查找原因。SPC按时间顺序，抽取样本，测量数值；可以用单值运行图，观察数据，查找原因。60常见问题SPC的数值，不服从正态分布？（3）并不是所有的特征值都应该服从正态分布：单边公差，一侧界限为0的特性；基于物理原因，分布是不对称的（粗糙度、失圆度）；过程有某种趋势（工具磨损）；特性的“非随机变差”（自然的原材料、供应商来料、工具更改造成波动）。我们追求“能力”满足要求，追求过程“受控”，并不是追求数值符合正态分布。我们的目的是追求特性值尽可能始终接近目标值，“built to nominal”。61常见问题非正态分布，如何计算过程能力/性能？能力分析，是在随机采样的基础上，获取过程的已知表现，推断总体的未知分布。正态分布时，能力分析公式：62常见问题非正态分布，如何计算过程能力/性能？对于总体分布的推断，需要预设一个默认的分布模型。然后通过假设检验的方法，如果样本不足以拒绝，就接受该分布模型。对于默认分布模型，可以根据测量特征值的类型来选择，不同公司有不同标准。选择模型后，基于ISO22514的分位数法，通过专业软件，可以计算过程的能力指数。63常见问题利用控制图，监测过程能力目的：预防2种错误，即“虚发报警”和“漏发报警”。（1）虚发报警：正常原因，测量值未落在目标，过度干预或调整；（2）漏发报警：接近限值，变差增大，超出规格线，没有及时调整。64常见问题利用控制图，监测过程能力大数据+智能制造，目的：确保过程以最大潜力，生产合格的产品。需求数据：生产计划、过程信息、生产节拍信息；质量数据：产品特性值的采集。质量数据与过程中其他信息，建立关联和分析，以减少变差，提升质量。65常见问题-质量损失函数质量损失函数-田口函数田口玄一（Taguchi）提出“田口质量损失函数”；使用货币单位，对产品质量进行度量。质量损失：产品在整个生命周期的过程中，由于质量不满足要求，对生产者/使用者/社会所造成的全部损失之总和。使用货币单位，评价产品质量：质量损失越大，意味着产品质量越差。有偏离，就会有损失：产品质量特征值偏离目标越远，造成质量损失越大。为减少偏离需要减少变差：减少特征值的波动、让其分布中心尽量靠近目标。偏差：每次测量得到的特征值，与目标之间的差异。变差：测量值很多时，对一系列偏差的描述。减少变差，是质量管理活动中重要的主题。66常见问题-质量损失函数质量损失函数-田口对质量特性的分类分为静态特性（单一目标值）和动态特性（随输入而变化的目标值）。计量特性包括3种类型：望目特性：目标值为m，质量特性y围绕m波动，希望波动越小越好；例如有正负公差的目标值。望小特性：不取负值，希望质量特性y越小越好，波动越小越好；例如测量误差、杂质含量、变形度等。望大特性：不取负值，希望质量特性y越大越好，波动越小越好；例如产品强度、寿命等。67常见问题-质量损失函数质量损失函数-干扰源类型产品在生产、存储和使用过程中，随时间推移，受到各种影响，产品质量特性（y）偏离目标值（m），引起波动。引起波动的影响原因，称为干扰源。包括3类：外干扰（外噪声）：使用条件和环境条件的变化。内干扰（内噪声）：材料老化。随机干扰（产品间干扰）：生产过程中5M1E的变化。68常见问题-质量损失函数质量损失函数-公式由于质量特性值波动所造成的损失，与偏离目标值m的偏差平方或偏差均方成正比。意味着不合格品会造成损失，即使（偏离过远的）合格品也会造成损失。质量损失函数69常见问题-质量损失函数质量损失函数-意义最佳的质量特性不仅要在规范内，还应该稳定在目标值，最小波动。质量损失包括直接损失（质量成本）和间接损失（设计与生产厂家的竞争力减弱）。减少波动，需要减小方差和离散差。方差，在设计阶段决定。离散差，可以依靠提高设备精度、提高工序能力、更新技术，以提高产品精度；但这种方法困难且不经济。因此需要通过在系统设计的基础上，增加参数设计，寻找对随机因素（特殊原因变差）不敏感的可控因素（普通原因变差）的水平设置，以提高系统（过程）本身的抗干扰能力。70常见问题-质量损失函数质量损失函数-意义不仅以规范（公差范围）为导向需要以接近目标值为导向71常见问题-质量损失函数质量损失函数-评价衡量方法通过设备/过程性能/过程能力的不同指数：Xp，衡量制造过程的波动（变差）Xpk，衡量制造过程的波动，以及是否与目标相符（变差与中心）72常见问题-质量损失函数质量损失函数-控制方法减少各类干扰（5M1E），将干扰控制在极小的范围在控制计划中，采用各种控制方法：防错，目视，巡检，控制图量化分析过程的变差来源，在大批量生产中监控，及时发现The End,Thanks!73