SPC理论及应用培训标准.ppt

样本容量n恒定； 不合格品数是一个服从二项分布的随机变量； 当np≥ 5时近似服从正态分布N [np，np(1-p)] 计数控制图---不良品数控制图（np图） 计数控制图---不良品数控制图（np图） 确定数据样本容量n的大小,n常取50以上的数. 收集数据Pn1，Pn2, Pn3 , ……, Pnk ,k为样本数 计算控制中心和控制界限 绘制控制图并进行分析 适合用于对测定单位样本数量（如面积、容积、长度、时间等）上缺陷数进行控制的场合； 通常服从泊松分布; 当单位产品缺陷数较少样本量n足够大时,该分布趋向于正态分布 取样大小可以是不固定的，只要能计算出每单位上的缺陷数即可； 计点控制图---单位缺陷数控制图（U图） 检验并记录数据 计算平均单位缺陷数 计算中心线和控制界限 绘制控制图并进行分析 控制限与n有关！ 设n为样本大小，C为缺陷数，则单位缺陷数为： u=c/n 计点控制图---单位缺陷数控制图（U图） 案例分析： 现需要对一注塑产品的缺陷进行控制图分析，收集的数据记录如下表： 计点控制图---单位缺陷数控制图（U图） 计算结果如右表格所示： 计算中心线和控制界限 绘制控制图并进行分析（U图） 控制对象为一定单位(如一定长度、一定面积、一定体积等）n上面的缺陷数； 如铸件表面的气孔数、机器装好后发现的故障数； 产品上的缺陷数服从泊松分布； 近似为正态分布处理，均值为C，标准偏差为 计点控制图---缺陷数控制图（C图） 手工绘制制控图 大 纲 SPC系统背景介绍 SPC的定义 统计学基础讲解 正态分布与控制图理论 控制图的应用 其他过程分析工具 SPC的应用步骤 ------ 旧QC七大手法： 检查表——收集、整理资料； 柏拉图——确定主导因素； 散布图——展示变数之间的线性关系； 因果图——寻找引发结果的原因； 分层法——从不同角度层面发现问题； 直方图——展示过程的分布情况； 控制图——识别波动的来源。 QC新七大手法： 关联图法——TQM推行, 方针管理, 品质管制改善, 生产方式，生产管理改善； KJ法——开发, TQM推行, QCC推行, 品质改善； 系统图法——开发, 品质保证, 品质改善； 矩阵数据分析法——开发, 品质改善, 品质保证； 矩阵开数解析法——企划, 开发, 工程解析； PDPC法——企划, 品质保证, 安全管理, 试作评价, 生产量管理改善, 设备管理改善； 箭法图解法——品质设计, 开发, 品质改善； 新旧QC七大手法 注：这个指标的目的在于揭示隐形工厂 直通率的概念和计算 80/20原则 20%的关键少数变量对过程能力的影响程度达到80% ，80%的多数变量质量影响过程能力的20%。故改善的重点应放在那些关键的少数变量上。 产品不良原因分布柏拉图 80/20原则与缺陷分析 如下图所示： 缺陷分析方案 --按缺陷层次分析 设有n对成对数据（X1，Y1）， （X2，Y2）， 。。。， （Xn，Yn），则相关系数（Correlation Coefficient）定义如下： 相关系数描述两组成对数据呈直线关系的程度， r越接近＋1越呈直线正相关； r越接近－1越呈直线负相关； r接近0代表无直线相关。 相关性分析 Defects Per Million Opportunity DPMO强调的是机会水平上的能力 DPMO分析之前需要明确机会数、缺陷数 DPMO=（缺陷数/机会数）×106 思考：以SMT为例，如何比较两种不同的产品 的制程能力？ DPMO知识 产品别 生产件数 机会数 总机会数 不良件数 缺陷数 不良率 单位缺陷数 百万机会缺陷数 Product n Op Total Op np c p% DPU DPMO A 100 100 10000 5 10 5.00 0.1000 1000 B 1000 10 10000 10 20 1.00 0.0200 2000 C 2000 5 10000 15 45 0.75 0.0225 4500 Total 3100 115 30000 30 75 0.97 0.0242 2500 以件为计算基础，计算不良率p：产品C最好 以件为计算基础，计算每件的缺点数，就单位缺点数而言，产品B最好 以产品的复杂程度为计算基础，以DPMO而言，产品A最好。 DPMO计算实例 预控制图介绍 预控图(PRE—Contro1),又叫彩虹图,是一种基于规格界限来控制过程的简单运算法则图，是美国Rath Strong咨询公司于20世纪五十年代开发的。 通常预控图控制区域分为三个： 目标区