SPC统计过程控制..ppt

第一章 统计过程控制基础知识 随着工业化发展，人们对产品质量控制的重心从检验控制转向统计控制； 上世纪二十年代初，美国贝尔电话实验室成立两个课题组：产品控制组和过程控制组。以休哈特为领导的课题组进行过程控制研究。 1924年，休哈特博士提出将3Sigma原理运用于生产过程当中，并发表了著名的“控制图法”，对过程变量进行控制，为统计质量管理奠定了理论和方法基础。 目 的 贯彻预防原则是现代质量管理的核心与精髓。 质量管理学科有一个重要的特点，就是对于质量管理所提出的原则、方针、目标都要有科学的措施与科学的方法来保证他们的实现，这体现质量管理的科学性。 SPC的涵义 是为了贯彻预防原则，应用统计技术对过程中各个阶段进行评估和监察，建立并保持过程处于可接受并且稳定的水平，从而保证产品与服务符合规定的要求的一种技术。 SPC的主要工具是控制图。 SPC的特点 强调全员参与，而不是只依靠少数质量管理人员。 强调应用统计方法来保证预防原则的实现。 强调从整个过程、整个体系出发来解决问题。SPC重点就在于P（Process 过程）。 SPC的企业应用理论 以下图标是SPC的概率统计理论在企业中的应用解释： 控制图 控制图（control)是对过程质量特性值进行测定、记录、评估，从而监察过程是否处于控制状态的一种统计方法设计的图。图中有中心线（CL ，Central Line)、上控制限（UCL ， Upper control limit)和下控制限（LCL ，Lower Control Limit),并有按时间顺序抽取的样本统计量数值的描点序列。 控制图的原理 小概率事件在一次试验中几乎不可能发生，若发生则判断异常。控制图是假设检验的一种图上作业，在控制图上每描一个点就是做一次假设检验。 常规控制图的实质就是区分偶然因素和异常因素。 偶然因素和异常因素 变差：过程的单个输出之间不可避免的差别称为变差。变差的原因可分为偶然因素（普通原因）和异常因素（特殊原因）。 偶然因素是过程固有的因素，始终存在，对质量影响微小，但难以排除。 异常因素非过程固有，有时存在，有时不存在，对质量影响大，但不难排除。一旦发生异常波动，就应该尽快找出原因，采取措施加以消除。 控制图在贯彻预防原则中的作用 应用控制图对生产过程进行监控，如出现异常情况（如点子连续上升），即可发现，可以及时采取措施加以消除。 点子突然出界，显示异常。必须采取措施，查出异因，加以消除。 统计控制状态 统计控制状态是指过程中只有偶因而无异因产生的变异状态，在控制状态下有以下好处 1 对产品的质量有把握（通常，控制图的控制界限都在规范限之内，故至少有99.73%的产品是合格品）。 2 在控制状态下，过程的变异最小 3 推行SPC能够保证全过程的预防。一道工序达到控制状态称为稳定工序，每道工序都达到控制状态称为全稳生产线。SPC之所以能够保证实现全过程的预防，依靠的就是全稳生产线。 两类错误 第一类错误：虚发警报（false alarm) 过程正常，由于点子偶然超出界外而判异，于是就犯了第一类错误。通常将犯第一类错误的概率记为α。第一类错误将造成寻找根本不存在的异因损失。 第二类错误：漏发警报（alarm missing) 过程异常，但仍会有部分产品，其质量特性值的数值大小仍位于控制限内。如抽到这样的产品，点子仍会在界内，从而犯了第二类错误。通常犯第二类错误的概率记为β。第二类错误将造成不合格品增加的损失。 如何减少两类错误造成的损失 控制限间距增加，α减少，β增加；反之α增加，β减少。两种错误在所难免。 解决的办法：使两种错误造成的总损失最小的原则来确定UCL和LCL之间的距离。经验证明休哈特所提出的3σ方式最接近最优间距。 第二章 统计过程控制的理论基础 概率基础知识—随机变量 随机变量及其分布： 表示随机现象结果的变量称为随机变量。常用大写字母X，Y，Z等表示随机变量，它们的取值用相应的小写字母x，y，z等表示。 假如一个随机变量仅取数轴上有限个点或可列个点，则称此随机变量为离散型随机变量。如一只铸件上的瑕疵数、一台车床一天的故障数等。 假如一个随机变量的所有可能取值充满数轴上一个区间（a，b），则称此随机变量为连续随机变量。如一台电视机的寿命等。 概率基础知识—分布 连续随机变量的分布： 下图是连续随机变量的分布图，纵轴是：“单位长度的概率”，即概率密度。横轴是随机变量。最后形成的曲线成为概率密度曲线，图中阴影部分面积即为X在区间（a，b）上的取值概率。 概率基础知识—均值 均值：用来表示分布的中心位置，用E（x）表示。如E（x）=5表示随机变量X的平均值为5。其计算公式如下： E（x）= 概率