SPC-过程统计控制培训.ppt

Author:Liu FengSPC 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。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 顾客的声音顾客的需求顾客的期望及绩效需求关键产品质量特性关键过程特性SPC收集/统计/分析分类 QFDFMEASPC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p从过程图中理出客户的关键要求p打分排列出优选程序（通常是从1分到10分）p从过程图中理出所有输入p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p例子：如何开好咖啡店-实施步骤p首先：列出输入和输出的变量 输入变量 输出变量豆的种类服务速度场地大小口味酿造时间容器清洁程度数量-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）客户评分 输出输入变量12345678910服务时间数量容器口味12345SPC理论介绍因果矩阵步骤2：客户对输出的变量打分）客户评分8 3 49 输出输入变量12345678910服务时间数量容器口味12345SPC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）客户评分8 3 4 9 输出输入变量12345678910服务时间数量容器口味1豆的种类2酿造时间3场地大小4清洁度5-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）客户评分8 3 4 9 输出输入变量12345678910服务时间数量容器口味1豆的种类270102酿造时间83083场地大小12094清洁度20275-SPC理论介绍因果矩阵步骤5：选择重点变量（交叉相乘之和）重点变量为豆的种类和酿造时间客户评分8 3 4 9 输出输入变量12345678910服务时间数量容器口味1豆的种类270101272酿造时间83081453场地大小1209954清洁度2027855-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）计数值（离散数据）就是以计产品的件数或点数的表示方法。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）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p总体-全组数据，全部对象，用N表示p样本-总体的一个子集，用n来表示p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p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p极差-一组样本最大值与最小值之差，用R表示p偏差-样本数据Xi与平均值之差p平均偏差-数据与平均值之差的平均值p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p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/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 组数Xi1231334.12434.83555.04675.15775.8SPC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BBA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+)=0.6827P（u-2 Xu+2)=0.9545P（u-3 X1.67 Cpk1.33控制图思考问题pCpCpk可能是负数吗?为什么?p是不是正态分布钟形越高越瘦,过程能力指数就越高?pUSL、LSL、UCL、LCL有何区别？控制图CMK指数：验证设备能力p CMK=（USL-LSL）/6CMKp其中CMK=T为规范的目标值控制图|CMK指数：验证设备能力方法：收集50100样品数据，计算作用：1）重点设备的验收2）设备保证产品质量的能力3）重点设备应每年验证一次设备能力控制图均值和标准差图（X-S图）p在下列情况下，用S图代替R图 S的计算容易 子组的容量较大p利用公式计算标准差 S=S=Xi为子组的单值 控制图均值和标准差图（X-S图）p计算控制限 UCLS=B4S UCLX=X+A3S LCLS=B3S LCLX=X-A3Sn2345678910B43.272.572.272.2091.971.881.821.761.72B3*0.030.120.190.240.28A32.661.951.631.431.291.181.101.030.98控制图均值和标准差图（X-S图）p=S/C4 S为样本标准差的均值 C4为常数n.2345678910C40.7890.8860.9210.9400.9520.9590.9650.9690.973控制图中位数图 用中位数代替X 中位数：将数据从小到大排列，X1，X2-，Xn，当n为奇数时，中间一数为中位数；当n为偶数时，中间两位数的均值为中位数 当子组均值计算不方便计算时，用中位数图所以中位数图使用的范围很小所以中位数图使用的范围很小控制图中位数图p管制界限的计算 UCL=X+A2R LCL=X-A2R 极差控制限计算同X-R图 过程标准差估计同X-R图n2345678910A21.881.190.800.690.550.510.430.410.36控制图单值移动极差图（X-MR）p破坏性实验或输出点的性质比较一致时(例如:化学溶液的PH值),子组内实际变差为0p可用单值和移动极差(单值连续读数间的差值来代替子组的X和Rp单值和移动极差图有一定的局限性控制图单值移动极差图（X-MR）p控制限的计算 X=单值读书之和/单值个数 R=MR之和/MR个数 UCLMR=D4R LCLMR=D3R UCLX=X+E2R LCLX=X-E2R n2345678910E20.7980.8860.9210.9400.9520.9590.9650.9690.973控制图四、用计数型数据的控制图区分关心不合格率关心不合格数样本容量恒定nP或P图C图或U图样本容量不恒定P图U图控制图四、用计数型数据的控制图p1)P图 数据收集：子组容量大，50到200或更多，大到包含几个不合格品。考虑子组容量大与收集时间工的均衡，子组容量恒定或变化不超过25%是最方便的。子组数量应包括25或更多p计算子组内的不合格品率（P）被检项目的数量n 发现不合格项目的数量nP 不合格率P=nP/P 将不合格品率描绘在控制图上控制图四、用计数型数据的控制图p计算控制限 计算过程平均不合格率PP=(n1P1+n2P2+-+nkPk)/(n1+n2+-nk)UCLP=P+3LCLP=P 3 n为恒定的样本容量p画线:过程均值P-水平实现 控制线(UCL,LCL)-水平虚线控制图四、用计数型数据的控制图2)nP图pnP图用来度量一个检验中的不合格品的数量,当不合格品数量比不合格品率更有意义或更容易报告时使用.p数据收集 受检样本的容量必须相等 记录并描绘每个子组内的不合格品数nPp计算控制限 计算过程不合格品数的均值(nP)nP=(nP1+nP2+-+nPk)/K 计算UCLLCL UCLnP=nP+3 LCLnP=nP-3控制图四、用计数型数据的控制图3)C图p适用于一个检验批内的不合格(或缺陷)的数量 不合格分布于连续的产品流上(如每匹布上的瑕疵)以及可用不合格的平均比率表示的地方(如每100m2尼龙上的瑕疵)在单位检验产品中可能发现许多不同潜在原因造成的不合格(如一部车可能存在一个或多个不同的不合格)控制图四、用计数型数据的控制图3)C图p收集数据 样本容量必须相等 记录每个子组内不合格数p计算控制限 计算过程不合格数的均值C C=(C1+C2+-+Ck)/K 计算控制限 UCLC=C+3 LCLC=C-3控制图四、用计数型数据的控制图4)U图p单位产品不合格数的U图 用来测量具有容量不同的样本的子组内每检验单位产品之内的不合格数量p收集数据 各子组内样本的容量彼此不必都相同,尽量使其在平均值的正负25%以内可简化控制限的计算(如P图)记录并描绘每个子组内的单位产品缺陷数:U=C/n C为发现不合格品数量;n为子组中样本的容量控制图四、用计数型数据的控制图pP,nP,C,U图区别种类种类 用途用途P图用于监视过程不良品的比率nP图用于监视过程不良品的数量C图用以监视过程缺陷的数目U图用以监视单位产品的平均缺陷数SPC相关计算SPC相关计算SPC相关计算SPC相关计算