初级SPC培训教程.pptVIP

初级SPC培训教程 关于SPC SPC——Statistical Process Control 既统计过程控制 统计过程控制的产生背景 二十世纪二十年代美国贝尔实验室的休哈特(W.A.Shewhart)博士首创过程控制理论极其监控过程的工具—控制图形成SPC的基础，后扩展到任何可以应用的数理统计方法。 统计过程控制的实施过程 经由制程中去收集资料，而加以统计分析，并从分析中发觉制程的变异，并经由问题分析以找出异常原因，立即采取改善措施，使制程恢复正常。再借由制程能力分析与标准化，以不断提高制程能力。 控制图——实施统计过程控制的工具 控制图的结构： 控制图的形成 将记录质量特性的正态分布图转90度方向，使自变量增加的方向垂直向上，将平均值与上下偏差分别转换为中心线与上下管制线，将特性计量数值按时间或抽样序号顺序标记连线，既形成控制图。 正态分布 “正态” 分布是一种数据具有某些一致的特性的分布 这些特性对于我们理解后面采集数据的过程是非常有用的 多数自然现象和人类行为的过程是呈正态分布的,或者 可以看成正态分布 控制图原理 区别造成质量波动的偶然和异常因素，剔除异常因素，以达到控制质量相对稳定的目的。 偶然因素与异常因素 偶然因素：是指过程在受控的状态下，出现的具有稳定的且可重复的分布过程的变差的原因。普通原因表现为一个稳态 系统的偶然原因。只有过程变差的普通原因存在且不改变时，过程的输出才可以预测。 异常因素：（通常也叫可查明原因）是指造成不是始终作用于过程的变差的原因，即当它们出现时将造成（整个）过程的分布改变。只用特殊原因被查出且采取措施,否则它们将继续不可预测的影响过程的输出。 精度 过程控制中常用精度这个概念来反映质量的波动（变异）程度。 管制图类别 均值-极差图 ---用于控制对象为长度、重量、强度、纯度、时间、收率和生产量等计量值的场合，X图用于观察正态分布均值的变化；R图用于观察正态分布的分散情况或变异度的情况 均值-标准差图 ---同均值-极差图，用标准差代替极差，R图计算方便；但当n10时，s图比R图效率高；最终替代R图 ● 中位极差图 ---Me表示中位值。现在由于计算机应用普及，平均值计算不是问题，故已淘汰，被均值-标准差图替代。 如何使用控制图识别过程状态 在两类错误中取得最小损失的平衡点 用3 ?原则确立管制线 判定统计控制状态——判异准则 判定技术控制状态——过程能力指数 两类错误 3 ?原则 判异准则 两类： ●连续25点有点出界；连续35点有超过1点出界或连续100点有超过2点出界判异 ●界内点排列不随机判异 1、连续7点或更多点落在中心线同一侧 3.连续14中相邻点上下交替 4.连续3点中有2点落在中心线同一侧的B区以外 6.连续15点在C区中心线上下 过程能力指数 Cp（Capability Indies of Process）：稳定过程的能力指数 稳定过程中过程变差仅由偶然原因引起，Cp表示为稳态下的质量最小波动 表示质量特性的精密度， Cp越大，精密度越高，特性离散程度越低 定义为容差宽度除以过程能力 关于Cpk 表示修正分布中心与公差中心之后的过程能力指数 Cpk=（1-K）Cp , K表示偏移度，即偏移的绝对值与技术公差幅度一半的比值 表示过程中心μ与公差中心M的偏离情况，Cpk越大，离散程度越小，同时分布偏心程度也越小，也即过程中心对公差中心越“瞄准”。使过程的“质量能力”与“管理能力”二者综合的结合，也是精密度与准确度的结合，既精确度。 SPC过程改进流程 均值-极差控制图举例 谢谢各位！ 当?未知时可用 ，其中 R 表示平均极差，d2 为 修正偏差的常数，T表示技术公差幅度 (單邊規格) 規格公差 6個估計實績標準差 = T 6 σ Cp= (雙邊規格) 或 規格上限-實績平均值 3個估計實績標準差 = USL-X 3 σ Cp= 實績平均值-規格下限 3個估計實績標準差 = X-LSL 3 σ Cp= 3.08 2.97 2.85 2.70 2.53 2.33 2.06 1.69 1.13 d2 10 9 8 7 6 5 4 3 2 n Cp 0.67 E 1.00 Cp 0.67 D 1.33 Cp 1.00 C 1.67 Cp 1.33 B Cp 1.67 A Cp 值 等級 参考评价： A级：过程能力过高（应视具体情况而定）。 B级：过程能力充分，表示技术管理能力已经很好，应继续维持。 C级：过程能力充足，但技术管理能力较勉