第四章SPC统计过程控制
SPC统计过程控制
SPC统计过程控制SPC（Statistical Process Control，统计过程控制）是一种基于统计原理和数据分析方法的质量管理工具，用于监控和控制生产过程中的变异性，以确保产品或服务的质量。
SPC是由质量概念的先驱沃尔特·A·谢温（Walter A. Shewhart）在20世纪20年代初首次引入的。
它的目的是通过使用统计技术来分析生产过程中的数据，从而减少产品或服务的变异性，提高整体质量水平。
SPC的基本原理是通过统计分析来了解生产过程中的变异性，以便及时采取措施来纠正和调整生产过程。
它主要包括以下步骤：1.确定控制指标：选择适当的指标来监控生产过程的变异性。
常用的指标包括尺寸、重量、硬度等。
2.收集数据：根据预定的采样计划和频率，定期收集生产过程中的数据。
数据可以通过各种手段收集，如直接测量、抽样检验等。
3.绘制控制图：使用统计方法将收集到的数据绘制成控制图。
控制图是一种图表，它显示了一个或多个过程指标的变化情况，以及上下限范围。
通过观察控制图，人们可以判断生产过程是否处于控制状态，是否存在异常情况。
4.分析控制图：根据控制图上的变化趋势和模式，进行统计分析，以确定生产过程的绩效。
常用的统计分析方法包括均值、标准差、极差等。
5.制定改进措施：根据分析的结果，确定需要改进的方面，并制定相应的措施。
改进措施可以包括修改生产过程参数、调整设备、培训员工等。
6.监控和调整：持续监控生产过程，并根据需要进行调整，以确保控制图保持在预定的限制范围内。
SPC的优势在于它能够提供实时和持续的监控生产过程的能力。
通过采集数据和绘制控制图，生产者可以及时发现生产过程中的变异，并采取措施进行纠正。
这样可以防止不良品的产生，并提高产品或服务的一致性和质量。
此外，SPC还具有以下几点优势：1.提高生产效率：通过控制和减少生产过程中的变异性，SPC可以提高生产效率。
它能够帮助生产者发现并消除生产过程中的浪费和不必要的变动，从而提高生产效率和资源利用率。
SPC统计过程控制
SPC统计过程控制SPC（Statistical Process Control）是一种质量管理工具，用于监控和控制生产过程中的变异性。
它利用统计分析方法，通过收集和分析数据，帮助企业了解生产过程中的变异情况，并及时采取控制措施以提高产品质量。
SPC统计过程控制方法可以帮助企业发现生产过程中的异常情况，并避免生产不良品。
它通过收集生产过程中的数据，并利用统计方法分析这些数据，确定生产过程中的变异性是否在可接受范围内。
如果变异性超出了可接受范围，SPC可以及时发出警示，并帮助企业找出问题的根源，采取相应的改进措施。
这样可以减少生产过程中的变异性，提高产品质量。
1.确定要监控的关键质量特性：企业首先需要明确要监控的关键质量特性，即对产品质量影响最大的特性。
这些特性可以是尺寸、重量、外观等。
确定了要监控的质量特性后，企业就可以采集相关数据进行分析。
2.收集数据：企业需要收集与关键质量特性相关的数据。
这些数据可以通过自动化设备、传感器或手工记录等方式收集。
数据的收集应该有一定的随机性，以反映生产过程的真实情况。
3.统计分析：通过对收集到的数据进行统计分析，企业可以了解生产过程的变异性情况。
常用的统计方法包括均值、标准差、范围等。
统计分析可以帮助企业判断生产过程中的变异性是否在可接受范围内。
4.建立控制界限：根据统计分析的结果，企业可以确定变异性的上下界限，即控制界限。
通过设定控制界限，企业可以及时发现生产过程中的异常情况，并采取相应的纠正措施。
通常，控制界限可以分为警示界限和动作界限。
当数据超出警示界限时，企业需要注意生产过程的变化，可能需要进行调整。
当数据超出动作界限时，企业需要立即采取措施纠正问题。
5.监控生产过程：在设定好控制界限后，企业需要定期监控生产过程中的数据，并与控制界限进行比较。
如果数据超出了控制界限，企业需要及时采取措施进行调整。
这样可以保证生产过程的稳定性，并避免生产过程中的异常情况。
统计过程控制(SPC)
高的有效能力。
利用控制界限判断 是否为特殊性变异
10
控制图种类(以数据类型分)
计量值控制图
均值－极差控制图 均值－标准差控制图 中位数－极差控制图
单值－移动极差控制 图
计数值控制图
不良率控制图 不良数控制图 缺陷数控制图 单位缺陷数控制图
k
k
1
• e
(
x )2 2 2
2 •
e 2.718
μ+k σ
17
控制图原理
μ± kσ μ± 0.67σ
μ± 1σ μ± 1.96σ
μ± 2σ μ± 2.58σ
μ± 3σ
在内的概率 50.00% 68.26% 95.00% 95.45% 99.00% 99.73%
在外的概率 50.00% 31.74% 5.00% 4.55% 1.00% 0.27%
1931年Shewhart發表了 “Economic Control of Quality of Manufacture Product”
1941~1942
Z1-1-1941 质量控制的主导工具
制定成美国标准 Z1-2-1941 控制图用于数据分析
Z1-3-1942 控制图用于过程质量控制
3
好的过程才会有好的结果
ACT
DO
STUDY
PLAN
2.控制过程 •监控过程性能 •查找变差的特殊原 因并采取措施
DO
ACT
STUDY
PLAN
DO
ACT
STUDY
3.改进过程 •改变过程从而更好 地理解普通原因变 差 •减少普通原因变差
SPC统计过程控制基本概念
SPC统计过程控制根本概念引言SPC〔统计过程控制〕是一种用于监控和控制过程稳定性的方法。
它使用统计工具来分析过程数据，以便及时识别和纠正任何异常或变异。
本文将介绍SPC统计过程控制的根本概念，包括其定义、原理和常用的控制图。
定义SPC是一种基于统计方法的过程管理技术，用于监测和控制生产过程以保持在既定的质量范围内。
它的目标是确保过程在特定参数范围内保持稳定，并及时识别和纠正任何异常。
SPC主要通过收集数据并应用统计方法来实现过程控制。
原理SPC基于以下两个根本原理： 1. 过程稳定性：稳定的过程是指其输出变量在一定的统计范围内波动，并且其变异性为可控制的。
通过检测过程数据的变异性，可以判断过程是否稳定。
2. 标准限制：每个过程都有一组标准限制，表示其输出变量的可接受范围。
通过比拟过程数据与标准限制，可以判断过程是否符合要求。
控制图控制图是SPC中常用的工具，用于检测和监控过程的稳定性。
常见的控制图包括： - 均值控制图：用于监测过程的平均值是否稳定。
常见的均值控制图有X-bar控制图和均值移动范围控制图。
- 范围控制图：用于监测过程的变异性是否稳定。
常见的范围控制图有R控制图和S 控制图。
- 非参数控制图：用于监测不符合正态分布假设的过程。
常见的非参数控制图有中位数控制图和秩和控制图。
控制图的根本原理是将过程数据与控制界限进行比拟，以识别任何异常或变异。
如果过程数据落在控制界限之外，说明过程不稳定并需要采取纠正措施。
SPC方法SPC方法是实施SPC的步骤和技术。
以下是SPC方法中的关键步骤：1. 收集数据：收集过程相关的数据，通常是通过抽样收集。
2. 统计分析：对收集到的数据进行统计分析，包括计算统计指标和绘制控制图。
3. 解读控制图：通过分析控制图，识别任何异常或变异，判断过程是否稳定。
4. 纠正措施：如果控制图显示过程不稳定，应采取纠正措施，如调整操作参数或改良工艺流程。
SPC方法还可以与其他质量管理工具和方法相结合，例如六西格玛和PDCA循环，以进一步提高过程稳定性和质量性能。
SPC统计过程控制课程
SPC统计过程控制课程1. 介绍SPC〔Statistical Process Control，统计过程控制〕是一种用于监控、控制和改良过程稳定性和质量的管理方法。
这门课程旨在帮助学员学习使用统计方法来分析过程数据，并制定相应的过程控制措施。
本文档将介绍SPC统计过程控制课程的背景、目标、教学内容和学习效果评估。
2. 背景SPC统计过程控制是现代质量管理中的重要概念。
在传统的质量管理方法中，产品质量通常是通过最终的检验来保证的。
然而，这种方法无视了过程的稳定性，因此很容易导致产品的不合格。
SPC通过实时监测和控制过程变异性，可以及时发现和纠正问题，提高产品质量。
3. 目标SPC统计过程控制课程的目标如下：- 理解SPC的根本概念和原理；- 掌握SPC的常用工具和技术； - 学会使用统计方法分析过程数据，并制定相应的控制措施； - 培养良好的质量意识和问题解决能力。
4. 教学内容SPC统计过程控制课程的教学内容主要包括以下几个方面：4.1 SPC根底知识•SPC的定义和作用；•过程稳定性和能力的概念；•常用的SPC工具和技术。
4.2 数据收集与分析•如何选择适宜的数据收集方法；•数据的根本统计指标；•数据的图形分析方法。
4.3 变异性分析•变异性的来源与分类；•方差分析方法；•因子对变异性的影响。
4.4 控制图的应用•控制图的根本原理和类型；•构建Xbar-R控制图和Xbar-S控制图；•控制图的解读和应用。
4.5 过程能力分析•过程能力指标的定义与计算；•Cp、Cpk指标的应用；•过程能力改良的方法。
5. 学习效果评估学员的学习效果将通过以下方式进行评估：5.1 作业与实验学员将完成一系列作业和实验，以检验他们对SPC的理解和应用能力。
5.2 考试学员将参加期末考试，测试他们对SPC的整体掌握程度。
5.3 课程评估学员将对课程进行评估，以提供珍贵的反响意见，帮助改良教学质量。
总结SPC统计过程控制课程是一门重要的管理课程，它帮助学员掌握使用统计方法分析过程数据和制定过程控制措施的技能。
SPC统计过程控制
SPC统计过程控制一．SPC统计过程控制概论产品质量的统计观点认为，过程质量在各种影响因素的制约下，呈现波动（变异性），但过程质量的波动并非漫无边际，在一定范围内，过程质量的波动呈现统计规律性。
SPC(Statistical process Control)统计过程控制，就是根据过程质量的统计规律性这一原则，利用统计技术对过程的各个阶段进行监控，从而达到保证产品质量的目的。
SPC中的统计技术泛指任何可以应用的数理统计方法。
一般而言，主要是指控制图的应用。
二．控制图定义控制图（control chart）,又称管制图、休哈特图。
是美国休哈特博士于1924年发明的。
控制图是区分过程中的异常波动和正常波动，并判断过程是否处于控制状态的一种工具。
三．控制图原理过程处于统计控制状态时（也即受控状态），产品总体的质量特性数据的分布一般服从正态分布，即X~N（μ，б2）（注：μ——过程均值，б——过程标准差）。
质量特性值落在μ±3б范围内的概率约为99.73%,落在μ±3б以外的概率只有0.27%,因此可用μ±3б作为上下控制界限,以质量特性数据是否超越这一上下界限以及数据的排列情况来判断过程是否处于受控状态,这就是控制图原理若计叫心线为CL，上控制限为UCL，下控制限为LCL，则有CL=μUCL=μ+3бLCL=μ-3б控制图的基本形式如下图所示UCLCLLCL四．控制图的种类1按照用途分（1）分析用控制图分析用控制图主要用来分析：a过程是否处于统计稳态b过程能力是否适宜。
如发现异常（过程失控或过程能力不足），则应找出原因，采取措施，使过程达到稳定。
过程处于稳态后，才可将分析用控制图的控制线延长作为控制用控制图。
（2）控制（管理）用控制图。
控制用控制图由分析用控制图转化而来。
它用于使过程保持稳态，预防不合格的产生。
控制用控制图的应用规则：按规定的取样方法获得数据，通过打点观察，控制异常原因的出现——当点子分布出现异常，说明工序质量不稳定，此时应及时找出原因，消除异常因素，使工序恢复到正常的控制状态。
统计过程控制(SPC)
当过程没有 没有处于用标准控制 没有 图所定义的统计控制状态时, 使用Ppk.
例题
• 1、某零件的热处理温度为760±5°C，长期测试 结果炉温服从（760，2）的正态分布，计算工序能 力指数。 SU − S L 此题中的M＝µ＝760，δ＝2， Cp = M 6σ Cp＝10/12＝0.83 2、假如温度设定为760±8°Cp＝16/12＝1.33 3、假如分布是（762，2）温度设定为760±8°时 Cpk＝（1-K）×Cp＝（T-2ε）/6 δ＝（（16－ （762-760））/（6*2）＝1
记住: 记住 1. 报告短期Cpk
USL Within Overall
Potential (Within) Capability Cp 1.16 CPL 0.90 CPU 1.42 Cpk 0.90 Overall Capability Pp PPL PPU Ppk Cpm 1.07 0.83 1.32 0.83 *
B、CPK
等级 CP制程精密度
A B C 1.33≤CPK ≤ ≤CP＜ 1 . 0 ≤CP ＜ 1 . 33 CPK＜1.0 ＜
处置建议
制程能力足够 制程能力尚可,应再努力 制程能力尚可 应再努力 制程能力加以改善
工序能力指数与不良率
P＝2-（Φ（3Cp（1+K））+ Φ（ 3Cp（1-K）））
统计过程控制（SPC）
zen
要点
• 1、理解质量控制、过程控制和统计过程控 制的关系 • 2、过程能力和过程能力指数，学会如何计 算 • 3、影响过程能力指数的主要因素 • 4、过程能力指数和不合格率之间的关系 • 5、利用过程分析方法解决过程控制中的实 际问题 • 6、控制图
质量控制的三个内容
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
控制图的使用
控制图表可以在测量和分析阶段用于跟踪过程的变化，分析显著的变化并记录。
控制图在控制过程中用于保持改进的结果。用图进行监控并记录输入变量(X),分析X的变化并进行控制。
不断变化的控制限
与随每次观测而变化的极限相比，控制图最好使用历史的稳定过程的极限。历史极限决定了所“期望”的数据范围或“零假设（H0） ”。（使用Minita中的历史设置值） 改变控制限范围，当： 一个过程有了改变，且此改变被认为具有统计显著性的（即 Ha）。 当完成了一个规定的实际过程改变。
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）
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。
SPC统计过程控制非常经典
SPC统计过程控制非常经典1. 引言SPC〔Statistical Process Control，统计过程控制〕是一种用于监控和控制过程稳定性的管理工具，它基于统计学原理，通过收集和分析数据来判断过程是否处于控制状态。
SPC广泛应用于制造业和效劳业，有助于提高质量，降低本钱，提升效率。
本文将介绍SPC的背景和根本原理，以及一些非常经典的应用案例。
2. SPC的根本原理SPC的根本原理是基于统计学的质量管理方法，主要包括以下几个方面：2.1 过程稳定性的判断SPC通过对过程数据的收集和分析，判断过程是否处于稳定状态。
常用的判断方法包括控制图分析、极差分析、方差分析等。
如果过程数据符合正态分布，并且满足一些特定的规律性变化，那么可以认为过程是稳定的。
2.2 过程能力的评估过程能力是指过程在规定的工艺参数范围内，以及在满足质量要求的前提下，能够生产出合格产品的能力。
SPC通过收集和分析过程数据，评估过程的能力，判断过程是否能够满足产品质量的要求。
常用的评估方法包括过程能力指数〔Cp〕、过程能力指数偏差〔Cpk〕等。
2.3 过程改良和优化SPC不仅可以用于过程监控，还可以用于过程改良和优化。
通过分析过程数据，找出导致过程变异的原因，采取相应的改良措施，提高过程稳定性和能力，降低产品不合格率。
3. 统计过程控制的经典案例3.1 西格玛制西格玛制是SPC的一个重要方法，它是由Motorola公司首先提出并广泛应用于制造业的。
西格玛制通过将质量目标和过程能力联系起来，以统计学的方法对制程进行优化。
3.2 控制图法控制图法是SPC的核心方法之一，它通过绘制控制图来监控过程的稳定性。
控制图是一种简单直观的质量管理工具，可以通过分析过程数据的变化情况，判断过程是否处于控制状态。
常用的控制图有均值图、极差图、方差图等。
3.3 六西格玛六西格玛是一种基于SPC和质量管理的方法论，它通过收集和分析数据，找出导致质量问题的根本原因，并采取相应的改良措施，以到达质量的稳定和持续改良。
SPC-统计过程控制
SPC-统计过程控制
SPC基本概念 SPC实施步骤 SPC工具和技术 SPC应用案例 SPC未来发展与挑战
contents
目 录
01
SPC基本概念
统计过程控制（SPC）是一种应用统计学的方法，通过对生产过程中的各个阶段进行数据收集、分析和控制，以实现过程稳定、减少变异和优化性能的管理手段。
SPC的核心在于利用统计技术对生产过程中的关键特性进行监控和预测，及时发现异常并采取相应措施，确保生产过程的稳定和产品质量的可靠。
判断标准
过程能力指数还可以作为改进生产过程的依据，帮助企业优化生产工艺和流程。
改进依据
过程能力指数
综合评估
过程性能指数是对生产过程整体性能的综合评估，考虑了生产过程中的所有影响因素。
比较分析
通过比较不同时间段或不同生产条件下的过程性能指数，可以对生产过程进行全面的比较和分析。
持续改进
过程性能指数可以作为持续改进生产过程的依据，帮助企业不断提升生产效率和产品质量。
选择适宜的控制图
确定控制界限
根据历史数据和行业标准，制定适合的控制界限，确保过程处于受控状态。
验证控制界限
在实际生产过程中验证控制界限的适用性和有效性，根据实际情况进行调整。
制定控制界限
数据的收集与处理
建立数据收集系统
确保数据收集的准确性和及时性，建立有效的数据记录和存储系统。
数据处理与分析
对收集到的数据进行处理、分析和解释，识别异常波动和趋势，为后续的决策提供依据。
SPC在持续改进中的作用
THANKS FOR
WATCHING
感谢您的观看
02
SPC实施步骤
选择对产品或服务的质量、性能等有关键影响的参数作为控制对象，确保这些参数在控制范围内。
统计过程控制(SPC)4
2018年5月3日11时58分
统计过程控制(SPC)的基础知识
异常波动：
是由系统因素／异常因素造成的，这些特殊因素在生产中 并不大量存在，对产品质量经常发生影响，一旦存在，它 对产品质量的影响就比较显著。
预
测
6
范围
2018年5月3日11时58分
统计过程控制(SPC)的基础知识
普通原因和特殊原因对过程质量影响的对比
UCL P 3 P (1 P ) / ni LCL P 3 P (1 P ) / ni
UCL C 3 C LCL C 3 C
UCL u 3 u u ; LCL u 3 ni ni
32
控制图的应用
（6）画控制图
在坐标上作出纵横坐标轴，纵坐标为产品质量特性， 横坐标为样本序号（时间）根据计算值画同上控制线 UCL，下控制线LCL和中心线。
22
控制图
控制图的控制对象
（1）质量特性
（2）质量指标 （3）工艺参数
2018年5月3日11时58分
控制图的应用范围
（1）诊断：评估过程的稳定性。
（2）控制：决定某过程何时需要保持原有状态。 （3）确认：确认某一过程的改进。
23
2018年5月3日11时58分
控制图的应用
1）选定质量特性
选定控制的质量特性应是影响产品质量的关键特性，这些特 性能够计量（或计数），并且在技术上可以控制。 2）选择控制图的种类
我们的工作方式 /资源的融合
产品或 服务 顾客
过程/系统 输入 顾客呼声
输出
识别不断变化 的需求和期望
3
2018年5月3日11时58分
统计过程控制
统计过程控制统计过程控制（SPC，Statistical Process Control）是一种借助数理统计方法的过程控制工具。
它对生产过程进行分析评价，根据反馈信息及时发现系统性因素出现的征兆，并采取措施消除其影响，使过程维持在仅受随机性因素影响的受控状态，以达到控制质量的目的。
统计过程控制认为，当过程仅受随机因素影响时，过程处于统计控制状态（简称受控状态）。
此时，过程特性一般服从稳定的随机分布。
而当过程中存在系统因素的影响时，过程处于统计失控状态（简称失控状态）。
由于过程波动具有统计规律性，失控时，过程分布将发生改变。
统计过程控制可以分为三个步骤：1. 模型建立阶段，这个阶段是在没有因素影响的情况之下抽取数据，分析数据进行统计，从而在此基础上建立模型。
2. 模型评估阶段，对所建立的模型进行系统分析评估，在比较的过程中来判断是否存在故障。
3. 如果在评估阶段出现故障，就要分析产生故障的原因，找到故障发生的来源，及时采取措施予以解决，从而确保产品的质量。
实施SPC的过程一般分为两大步骤：首先用SPC工具对过程进行分析，如绘制分析用控制图等；根据分析结果采取必要措施，如消除过程中的系统性因素或减小过程的随机波动以满足过程能力的需求。
第二步则是用控制图对过程进行监控。
统计过程控制在发展过程中滋生出两种不同的方法，分别是统计质量控制和统计性能监控。
统计质量控制重点在于控制生产过程中的质量，确保产品符合规定的质量标准。
而统计性能监控则更侧重于监控过程的性能，以及时发现并预防可能出现的问题。
总的来说，统计过程控制是一种有效的质量管理工具，它可以帮助企业及时发现并解决生产过程中的质量问题，提高产品质量和生产效率，从而提升企业的竞争力。
统计过程控制(SPC)
5、SPC怎样起作用
SPC将制造过程的测量数据变成可视图。通过
读图工人可以辩别出制程是否是受控的，制程 是否在规格范围之内生产，所有这些在制程发
生时及时避免错误而不是等到事后才纠正。
6、SPC能解决的过程问题
➢ 经济性 ➢ 预警性/时效性 ➢ 分辨普通原因与特殊原因 ➢ 善用机器设备 ➢ 改善的评估
二、控制图
• 1、什么是控制图 • 2、控制图基本原理 • 3、控制图是如何贯彻预防原则的 • 4、控制图常用术语 • 5、控制图的分类 • 6、控制图的选用原则 • 7、控制图的判定规则 • 8、应用控制图需要考虑的一些问题
1、什么是控制图
控制图是对制程质量特性值进行测定、记录、 评估，从而监察制程是否处于控制状态的一种用 统计方法设计的图。图上有中心线、上控制限和 下控制限，并有按时间顺序抽取的样本统计量数 值的描点序列。若控制图中的描点落在UCL与LCL 之外或描点在UCL与LCL之间的排列不随机，则表 明过程异常。控制图有一个很大的优点，即通过 将图中的点子与相应的控制界限相比较，可以具 体看见产品或服务质量的变化。
（3） Xmed-R控制图（中位数-极差控制图） Xmed -控制图检出力较差，但计算较为简单
（4）X-Rm控制图（个别值-移动极差控制图） 品质数据不能合理分组时使用，如液体浓度
• 计数值控制图
• (1) P控制图(不良率控制图) • 用来侦查或控制生产批中不良件数的小数比或百分
比,样本大小n可以不同。 • (2)np控制图(不良数控制图) • 用来侦查一个生产批中的实际不良数量(而不是与样
(2)品质变异因素的分类及其不同的对待策略
机遇原因之变机遇原因，其个别 之变异极为微小
３．几个较代表性之机遇原因如下： （１）原料之微小变异 （２）机械之微小掁动 （３）仪器测定时不十分精确之作 法
SPC培训教材
SPC培训教材引言SPC（StatisticalProcessControl，统计过程控制）是一种以统计方法为基础的过程控制技术。
它通过对生产过程中收集的数据进行分析，实现对过程稳定性和产品质量的有效监控和控制。
本教材旨在为读者提供SPC的基本概念、原理、方法和应用技巧，帮助读者掌握SPC的实施步骤和技巧，提高生产过程的质量管理水平。
第一章：SPC基本概念1.1质量管理的发展1.2SPC的定义和作用1.3SPC的基本原理1.4SPC与全面质量管理的关系第二章：SPC的基本工具2.1控制图2.1.1控制图的类型和用途2.1.2控制图的绘制方法2.1.3控制图的判读规则2.2直方图2.2.1直方图的绘制方法2.2.2直方图的分析和应用2.3过程能力指数2.3.1过程能力指数的定义和计算方法2.3.2过程能力指数的应用和分析第三章：SPC的实施步骤3.1数据收集和整理3.1.1数据的类型和来源3.1.2数据的收集方法3.1.3数据的整理和表示3.2控制图的绘制和应用3.2.1控制图的绘制步骤3.2.2控制图的判读和应用3.3过程分析和改进3.3.1过程分析的方法和工具3.3.2过程改进的策略和实施第四章：SPC的应用案例4.1制造业中的应用案例4.2服务行业中的应用案例4.3公共事业中的应用案例第五章：SPC的推广和持续改进5.1SPC的推广策略5.2SPC的培训和效果评估5.3SPC的持续改进和优化结论通过对本教材的学习，读者应该能够掌握SPC的基本概念、原理、方法和应用技巧。
然而，SPC的实施需要结合实际情况进行具体的分析和应用，因此读者需要在实践中不断探索和总结，不断提高自己的质量管理水平。
希望本教材能够为读者提供有用的指导和帮助，促进SPC在各个领域的应用和发展。
重点关注的细节：控制图的绘制和应用控制图是SPC（统计过程控制）中最重要的工具之一。
它通过图形化的方式，直观地展示了生产过程中的数据变化，帮助工作人员及时发现问题，采取相应的措施，从而实现对生产过程的有效控制。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第四章统计过程控制SPC
1.什么是统计过程控制？
使用诸如控制图等统计技术来分析过程或输出，以便采取适当的措施来达到并保持统计状态从而提高过程能力，称之为统计过程控制。
2控制图
是使用统计方法，将收集的数据计算出一条中心线和两条控制线，也就是我们所能做的生产能力水准。
随时将样本数据计算并点入控制图内，以提醒作业人员注意，如发现超出控制界限外之点或异常现象时，立即进行改善工作，以防止不合格的发生。
3.什么是计量型数据？
计量型数据就是定量的数据，可用测量值来分析。
如某人的身高170cm、体重60kg，产品的尺寸10.04mm、溶液的浓度98％，园轴的直径6.0mm，电阻值360Ω、电流量1.5A 等。
4.什么是计数型数据？
计数型数据就是可以用来记录和分析的定性数据。
如每一批产品中不合格品的个数，一块玻璃上有几个气泡或砂眼、一张图纸上出现错误的点数，一件产品上有几个缺陷等，计数型数据通常以不合格品或不合格的形式收集。
5.什么是变差？
过程单个输出之间不可避免的差别，过程中由于受到人、机器、材料、方法、环境、测量等因素的影响，输出的零件、半成品或成品个体之间必然存在差异，这种差异就称之为变差。
产生变差的原因可分成两类：普通原因和特殊原因。
6.什么是变差的普通原因？
普通原因：指的是造成随着事件的推移具有稳定的且可重复的分布过程中的许多变差的原因。
普通原因表现为稳定系统的偶然原因。
•普通原因的识别：
•如用同一量具，由同一人量测某人身高数次，所得量测值有差异存在。
•在生产过程中，虽然订有操作标准，但在操作条件容许之范围内必有变化。
•原材料之品质在其规格范围内的变异。
如材料的重量、密度、厚薄及油漆的颜色等。
7.什么是变差的特殊原因？
特殊原因：（非机遇原因）是指造成不是始终作用于过程的变差的原因，即当他们出现时将造成整个过程的分布改变。
如果系统内存在变差的特殊原因，随着时间的推移，过程输出将不稳定。
•特殊原因的识别：
•如由于及其之不同、材料之差异、人为之因素、或操作的原因，影响品质之变异，
这些原因都是可以避免的。
• 未遵照操作标准而操作，所发生的变异。
• 及其设备之故障所发生的变异。
• 操作人员之变动造成的变异。
9.正态分布（Normal Distribution ）
计量型变量数据控制图的基础，呈连续的、对称的、钟形频率分布。
当一组测量数据服从正态分布时，不同百分比的数据落在不同的标准差区间内。
这些百分数是控制界限或控制图分析的基础（因为即使整个输出的全部数据不服从正态分布，但其子组平均值趋向于正态分布)，而且是许多过程能力确定的基础（因为许多工业过程的输出服从正态分布）。
10.控制图：a 图调转90度成为b 图，再将b 图上下调转180度成为c 图。
把c 图中的
μ作为中心线，μ+3σ作为上界限，μ-3σ作为下界限，就是右下角的控制图。
休哈特控制图是按3σ原则设计的，如果没有特殊的理由去选3σ之外的控制界限，最好采用3σ界限。
☞计量型数据控制图
⇨均值和极差图
⇨均值和标准差图
⇨中位数图
⇨单值和移动极差图（X-MR）
☞计数型数据控制图
⇨不合格品率的p图
⇨不合格品数的np图
⇨不合格数的c图
⇨单位产品不合格数的u图
控制图的判异准则：
A.1个点落在A区以外（点出界）；
B.连续9点落在中心线同一侧（9单侧）；
C.连续6点递增或递减（6连串）；
D.连续14点上下交替；
E.连续3点中有2点落在中心线的同一侧的B区以外（32B）；
F.连续5点中有4点落在中心线同一侧的C区以外（54C）；
G.连续15点落在中心线两侧的C区内；
此种情况有些人认为是好现象，实际上可能存在以下问题：
弄虚作假，人为处理数据；
分层不够。
如两条生产线的产品被混合抽样；
质量水平提高，控制界线太宽。
H. 连续8点落在中心线两侧无一点在C 区（8缺C ）。
3.如何减少变差？
局部措施
⇨ 通常用来消除变差的特殊原因
⇨ 通常由与过程直接相关的人员实施
⇨ 大约可纠正15%的过程问题
对系统采取措施
⇨ 通常用来消除变差的普通原因
⇨ 几乎总是要求管理措施，以便纠正
⇨ 大约可以纠正85%的过程问题
4.过程能力 过程固有变差：仅由普通原因产生的那部分过程变差。
R /d 2或S /C 4
过程总变差：有普通原因和特殊原因所产生的变差。
该变差用长期过程标准差来表示，了用所有样本的标准差S 来估计。
S=∑=--n
i n X Xi 11)( 过程能力：过程在控制状态下的实际加工能力。
因过程能力是用控制状态下的短期数据计算的，因此又将过程能力称为短期过程能力。
过程能力是过程固有变差σ的6倍，即PC=6σ。
σ通常由控制图中的R /d 2计算而得，记为σR /d 2。
过程性能：过程在长期运行中的实际加工能力，此时不考虑过程是否受控，因此又将过程性能称为长期过程能力。
过程能力是过程总变差σ的6倍，即PC=6σ。
σ通常由长时间范围内的所有样本计算出来的样本标准差，记为σ
s 。
过程能力指数（过程中心无偏移的情况）Cp=d2R σ6Tl Tu - 过程能力指数（过程中心有偏移的情况）Cpk=Min （Cpu ，Cpl ）
Cpu （上限能力指数）= /d2
R σ3x Tu - Cpl （下限能力指数）=
/d2R σ3Tl x - Cpk=（1-k ）Cp ，k 指分布中心与规格中心的相对偏移量
P p ：性能指数（不考虑过程有无偏移）P p =
σ6s Tl Tu - P pk ：性能指数（考虑过程有无偏移）Ppk=Min （
σ3s --X USL ， σ3s LSL X --）
5.过程能力指数的计算
双向公差且分布中心与规格中心重合时；
例：某零件质量要求15±0.15，抽样n=150件，计算得=15，s=0.05
则Cp=
s Tl Tu 6-=05
.0685.1415.15⨯-=1.0 双向公差且分布中心与规格中心不重合时； 例：某零件质量要求240027.00+，抽样n=100件，计算得=240.01452，s=0.00454
则：Tu=240.027 Tl=240.000
Cpu （上限能力指数）= s
x Tu 3-=00454.0301452.240027.240⨯-=0.92 Cpl （下限能力指数）=
s Tl x 3-=00454.03000.24001452.240⨯-=1.07 Cpk=Min （Cpu ，Cpl ）=0.92
思考题：如何提高过程能力指数？。