过程能力与公差分析及Creo应用.pptVIP

变异下偏差上偏差目标规格范围1.加工制程的变异–材料特性的不同–设备或模具的错误–工序错误/操作员的错误–模具磨损–标准错误2.组装制程的变异–工装夹具错误–组装设备的精度两种主要的变异类型二.过程能力用于公差分析的背景万物皆有变化，产品生产也随时伴有差异，同种产品功能或尺寸的差异被称之为变异。变异小不影响顾客的满意程度或后续工程的作业是可以容许的；一旦影响顾客的满意程度，那此变异就成了品质的大敌了。二.过程能力用于公差分析的背景变异控制解决方案制程的选择制程的控制(SPC)产品的检查技术的选择优化的设计公差分析变异控制从加工制造从产品设计目标高质量高良率低LowFFR变异的分布类型正态分布双峰分布（非正态分布）偏斜分布（非正态分布）2826242220181610050045678910110102030405060二.过程能力用于公差分析的背景工程期望变异的分布应呈正态分布，因正态分布可控、可预测。二.过程能力用于公差分析的背景正态分布若随机变量?X服从一个位置参数为μ、尺度参数为?的概率分布，且其概率密度函数为则这个随机变量就称为正态随机变量，正态随机变量服从的分布就称为正态分布，记作X~N(μ,?2)，读作X服从?N(μ,?2)，或?X?服从正态分布。应用于工程中：μ：变量的平均值。?：变量的标准差。当?值越大，变量越分散，曲线越平坦；当?值越小，变量越集中，曲线越陡峭。99.9937%-3?-4?-5?-6?+3?+4?+5?+6?99.73%99.999943%99.9999998%-2?-1?+2?+1?变形点?标准差,(s或?)数据的百分比，在给定的西格玛(?)范围95.46%68.26%平均值,(x或μ)正态分布的特点依概率理论计算,99.73%的样本将落在+/3σ的范围内,只有很小的概率(0.27%)不在+/3σ的范围内,由于小概率事件一般不会发生,故可认为不会有尺寸在规格之外。二.过程能力用于公差分析的背景二.过程能力用于公差分析的背景分布的位置1平均值(x或μ)最大值与最小值之间的距离2范围(R)反映一个数据集的离散程度最常用的量测法，量化可变性3标准差(s或?)标准差的平方4方差(s2或?2)正态分布的参数总体参数m=总体平均值?=总体标准差总体参数与样本统计总体现有的及将来会出现的所有单元或个体我们将永远都不可能知道的真实总体样本从总体提取的单元或个体的子集用样本统计，我们可以尝试评估总体参数m?x?样本统计x=样本平均值?=样本标准差二.过程能力用于公差分析的背景?过程能力指数?USL-μLSLSamplemeanNominalvalueμ-LSLUSL?Tolerancerange二.过程能力用于公差分析的背景是指过程在一定时间，处于控制状态（稳定状态）下的实际加工能力（固有能力/质量保证能力），也就是加工质量满足技术标准的能力?（不考虑中值偏移）?（考虑中值偏移）二.过程能力用于公差分析的背景

过程能力评价过程能力与K(?)、合格率、PPM对应表Cpk等级评价Cpk≥1.67A过程能力过高，可考虑宽松的控制方法，降低成本?1.67Cpk≥1.33?B能力良好，状态稳定应保持，考虑简化检验?1.33Cpk≥1.0C状态一般，制程因素稍有变异即有产生不良的危险，应利用各种资源及方法将其提升为B级1.0Cpk≥0.67D制程不良较多，产品必须全检，必须提升其能力Cpk?0.67E不可接受，其能力太差，应考虑重新整改设计制程CpkK(?)合格率PPM0.672.0195.5569%44431.191.003.0099.7300%2699.81.173.5199.9552%448.111.333.9999.9934%66.071.524.5699.99949%5.121.675.0199.999946%0.54432.006.0099.9999998%0.002这部分主要是说明怎样应用公差分析这个工具，去确保产品适合最终确定的产品功能和质量的要求的过程。三.一般公差分析的理论三.一般公差分析的理论确保零件的互换性，维护装配容易。简化制