SPC统计过程控制分解.ppt

Tab 3: SPC 统计过程 控制 目标 1. 能够使用“XBar和S图表”进行连续数据分析。 能够使用“p”控制图表进行离散数据分析。 能够确定每一种图表类型的控制极限范围。 能够对图表进行解释并确定工序什么时候处于失控状 态。 5. 能够解释依据图表信息采取措施的重要性。 Tab 3: 统计过程控制 目的 介绍统计过程控制的概念 什么是：统计过程控制（SPC） 统计 – 基于概率的决策方法。 过程 --所有重复性的工作或步骤。 控制 --监控工序运行。 基于与“t test”假设检验相同的概念进行分析，能够使我们在出现的问题影响到输出结果之前，就作出有关工序的决定、采取行动、解决问题。。 当处于稳定状态的工序变差已 经被外界可指定原因所影 响时，SPC发出信号。 当过程失控时，SPC将发 出信号，你的任务是找出 失控的原因，然后进行修 正，确保问题不再发生。 6 个西格玛质量的重点是将控制范围转移到工序的上游，以充分利用对工序输入变量特征（关键X）的控制 6个西格玛与 SPC 控制图表应用于 过程变量； 自变量； 设计变量 X1, X2,..., Xk 提高因变量的稳定性，响应值 Y1,Y2,..., Ym Y X 什么时候使用SPC？ 希望获悉什么信息？ —关键过程变量（X或Y）在随时间变化吗？（即该过程稳定吗？） 如何观察输出变量？ — 基于实时数据、显示过程变化的图表 SPC是一个严密的过程，它要求操作小组积极参与数据的采集和分析。 失控状况，记录采取的修复行为 UCL LCL X Bar 图表 样本/分组（按时间排序） Sigma 图表 控制下限 总平均中心线 控制上限 控制图表包含内容 平均Sigma 中心线 控制图表 统计过程控制图是由贝尔实验室的Walter shewhart 在1920年开发的，它提供了测量过程的观察值相与用统计方法计算出的“ 控制极限范围”（期望值）的图形比较。 绘制随时间而变化的表现。 一个过程的改变包括平均值和/或方差的改变， 因此我们总是同时绘出平均值以及方差的控制 图（Xbar和S）。 平均值的控制极限表示双边假设检验极限，用于推断观测的样本均值是否发生了变化。 Sigma的控制极限或极差表示方差在何处显示 差异。 假设检验? 控制图是连续进行的双边检验的图形显示，其中 Ho和Ha定义如下: 对于3σ限制, ??? = 0.00135 当一个分组的平均值超出了控制图极限范围之外，它以图形表明样本平均值与历史平均值之间存在差值。 注意：近似置信度为 99.7%. 过程的稳定性 下图显示多种不稳定过程，控制图能够有助于确定这些不稳定状态什么时候产生、以及存在于什么环境。 不稳定过程不存在可预测的表现，而且稳定的运行状态可能不是持续不变的。 时间 均值/方差 过程稳定性 当过程输出值仅包括一般原因变差时，该过程被认为是稳定的。 分组平均值和方差的测量值介于它们的控制极限范围之内，且未显示出存在可指定来源（特定原因）变差的证据。 如果在控制图表中出现数据的非随机型态，或当某一点超出控制极限时，这是表示在你的过程中出现了可指定来源（特定原因）的变差的明显信号。 一个稳定过程的输出值很少超出正负三个Sigma范围。 稳定过程变差区域 (仅存在一般原因变差) 平均值与极差 Xbar R N10, 典型3-5 平均值与标准 偏差Xbar与S n≥ 10 控制图表类型 存在两种控制图表类型: 变量图表－ 用于监控连续变量值X，如:一个直径或消费者满意度评分。 属性图表－ 用于监控离散变量值X，如:合格产品/次品数量，或存货水平。 为了选择合适的控制图监控你的过程，首先要决定重要的过程变量(X)是连续的还是离散的. 中间值与极差 X与R n10 典型3-5 单个数据点和 移动极差 XmR n = 1 监控连续 X的变量 图表 缺陷比例 p 图表 典型 n 50 跟踪 dpu/dpo 次品数量 nP图表 n ≥ 50(常量) 跟踪次品数量 缺陷数量 c 图表 c 5 缺陷数/单元 U 图表 N 变量 监控离散 X的分布 图表 控制图表类型 X Bar西格玛 （Xbar-S)控制图 用于分析和控制连续 过程变量 能够使用Xbar－S 图 在测量阶段，通过图形显示方式将变差的特定原因与一般原因分离。 在分析和改进阶段，在完成假设检验之前检查过程的稳定性。 在控制阶段，在改进措施实行后检验过程控制。 Xbar-s 图表的最佳生成法是使用Mimitab 或其它统计软件包。如果没有该软件，则使用 Xbar-R 或其它手工控制图表． 使用Minitab软件构建Xbar-S图表 文件: GEAPPS6SigmaMinitabTrainingMi