Process Capability chart-
品质管理常用工具统计制程控制
17
统计制程控制——控制图 (Control chart)
序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
抽样时间
4月 1日上午 下午
2日上午 下午
3日上午 下午
4日上午 下午
5日上午 下午
6日上午 下午
7日上午 下午
▪
UCL
▪
▪
CL
▪
▪
LCL
9
统计制程控制——控制图 (Control chart)
▪ 五、控制图的种类： 1、按用途分为：
分析用控制图、控制（管理）用控制图。
2、按数据的性质分：
计量控制图、 计数控制图。
10
统计制程控制——控制图 (Control chart)
3、计量控制图
A、均值—极差控制图（X-R）
19.965
498.934
19.9574
R 0.02 0.07 0.06 0.03 0.08 0.02 0.03 0.05 0.02 0.03 0.04 0.04
0.03 0.04
0 0.02 0.06 0.04 0.03 0.01 0.02 0.04 0.04 0.05
0.04
0.91
0.036
备注
23
统计制程控制——制程能力 (Process Capability)
一、制程能力的定义（Process Capability） 使制程标准化，消除异常因，当制程
维持在稳定状态时，所实现的品质程度。
24
统计制程控制——制程能力 (Process Capability)
二、制程能力的调查步骤 确切了解要调查的品质特性与调查范围 收集统计数据 制作控制图，确定制程处于稳定状态 计算制程能力质数 判断制程能力是否足够 如不定时，则需要改善
CPK：Complex Process Capability index 的缩写,是现代企业用于表示制程能力的指标
CPK：Complex Process Capability index 的缩写，是现代企业用于表示制程能力的指标。
制程能力是过程性能的允许最大变化范围与过程的正常偏差的比值。
制程能力研究在於确认这些特性符合规格的程度，以保证制程成品不符规格的不良率在要求的水准之上，作为制程持续改善的依据。
当我们的产品通过了GageR&R的测试之后，我们即可开始Cpk值的测试。
CPK值越大表示品质越佳。
CPK=min（（X-LSL/3s），（USL-X/3s））Cpk——过程能力指数CPK= Min[ (USL- Mu)/3s, (Mu - LSL)/3s]Cpk应用讲议1. Cpk的中文定义为：制程能力指数，是某个工程或制程水准的量化反应，也是工程评估的一类指标。
2. 同Cpk息息相关的两个参数：Ca , Cp.Ca: 制程准确度。
Cp: 制程精密度。
3. Cpk, Ca, Cp三者的关系：Cpk = Cp * ( 1 - ｜Ca｜)，Cpk是Ca及Cp两者的中和反应，Ca反应的是位置关系(集中趋势)，Cp反应的是散布关系(离散趋势)4. 当选择制程站别Cpk来作管控时，应以成本做考量的首要因素，还有是其品质特性对后制程的影响度。
5. 计算取样数据至少应有20~25组数据，方具有一定代表性。
6. 计算Cpk除收集取样数据外，还应知晓该品质特性的规格上下限(USL，LSL)，才可顺利计算其值。
7. 首先可用Excel的―STDEV‖函数自动计算所取样数据的标准差(σ)，再计算出规格公差(T)，及规格中心值(u). 规格公差＝规格上限－规格下限；规格中心值＝（规格上限+规格下限）/2；8. 依据公式：Ca=(X-U)/(T/2) ，计算出制程准确度：Ca值9. 依据公式：Cp =T/6 ，计算出制程精密度：Cp值10. 依据公式：Cpk=Cp(1-|Ca|) ，计算出制程能力指数：Cpk值11. Cpk的评级标准：（可据此标准对计算出之制程能力指数做相应对策）A++级Cpk≥2.0 特优可考虑成本的降低A+ 级2.0 ＞Cpk ≥ 1.67 优应当保持之A 级1.67 ＞Cpk ≥ 1.33 良能力良好，状态稳定，但应尽力提升为A＋级B 级1.33 ＞Cpk ≥ 1.0 一般状态一般，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A级C 级1.0 ＞Cpk ≥ 0.67 差制程不良较多，必须提升其能力D 级0.67 ＞Cpk 不可接受其能力太差，应考虑重新整改设计制程。
PDA TR59中英文对照(利用统计学进行产品监控)
Technical Report No.59
制药技术的传播者 GMP理论的践行者
目录
1.0 INTRODUCTION 简介 ...................................................................................... 4 1.1 PURPOSE AND SCOPE 目的和范围 ................................................................... 4
例.............................................................................. 44
2
制药技术的传播者 GMP理论的践行者
In light of the increased focus on this topic， this PDA Task Force recognized the need to provide guidance to help companies identify and use statistical methods. The primary objective of this Task Force was to convey the appropriate use of statistical methods at a level most can understand. 鉴于人们对这一主题越来越重视，PDA 工作组认识到应该建立指南帮助公司识别和使用统计方法。 该工作组的基本目的是让大多数人能够适当应用统计方法。
运用Minitab进行过程能力(Process+Capability)_1
过程能力概述（Process CapabilityOverview）在过程处于统计控制状态之后，即生产比较稳定时，你很可能希望知道过程能力，也即满足规格界限和生产良品的能力。
你可以将过程变差的宽度与规格界限的差距进行对比来片段过程能力。
在评价其能力之前，过程应该处于控制状态，否则，你得出的过程能力的估计是不正确的。
你可以画能力条形图和能力点图来评价过程能力，这些图形可以帮助你评价数据的分布并验证过程是否受控。
你还可以计算过程指数，即规范公差与自然过程变差的比值。
过程指数是评价过程能力的一个简单方法。
因为它们无单位，你可以用能力统计量来比较不同的过程。
一、选择能力命令（Choosing a capability command）Minitab提供了许多不同的能力分析命令，你可以根据数据的属性及其分布来选择适当的命令。
你可以为以下几个方面进行能力分析：⏹正态或Weibull概率模型(适合于测量数据)⏹很可能来源于具有明显组间变差的总体的正态数据⏹二项分布或泊松概率分布模型(适合于属性数据或计数数据)注：如果你的数据倾斜严重，你可以利用Box-Cox转换或使用Weibull 概率模型。
在进行能力分析时，选择正确的分布是必要的。
例如：Minitab提供基于正态和Weibull概率模型的能力分析。
使用正态概率模型的命令提供更完整的一系列的统计量，但是你的数据必须近似服从正态分布以保证统计量适合于这些数据。
举例来说，Analysis (Normal) 利用正态概率模型来估计期望的PPM。
这些统计量的结实依赖于两个假设：数据来自于稳定的过程，且近似服从的正态分布。
类似地，Capability Analysis (Weibull) 利用Weibull 分布模型计算PPM。
在两种情况下，统计的有效性依赖于假设的分布的有效性。
如果数据倾斜严重，基于正态分布的概率会提供对实际的超出规格的概率做比较差的统计。
这种情况下，转化数据使其更近似于正态分布，或为数据选择不同的概率模型。
SPC计算公式
页次: 1 / 6R X -管制图公式说明 1 计量值公式 1.1 管制图234233323R 423R 23R 22222231,31D )(33R - )(33R UCL -)(R Rd 3A )d 3(x )d 3(x UCL d d D d d R D d Rd R LCL RCL R D d Rd R d R d n RA x R n LCL x CL RA x R nX +=-==-=+=>-=>=+=+=>==-=-=>-=>-+=+=>-其中管制下限中心線管制上限的標準差管制圖其中管制下限中心線管制上限管制圖σσσmRmR R R R Rnm x nx x x x mi imx mi in∑∑==++++=+++======++=1212min max 1m ....32121....... d ˆ x - x R m x x x x x ......全距平均值估計標準差標準差σσσ页次: 2 / 6S -X 1.2 管制图1.3 X-Rm 管制图SB S S B SnnS n S n x xX S S mi ini i34S 3443344112i LCL CL UCL S A x c S 3x LCL x CL )c 3(A A x c S 3x UCL c Sm 1S1)(S i ===+=-===+=+===--=∑∑==管制下限中心線管制上限管制圖管制下限中心線管制上限估計標準差組之標準差第管制圖：σ)2 D , 2n ( MRMR 43341i1i 來查表以樣本數為和時當管制下限中心線管制上限移動全距D MRD LCL R M CL MR D UCL nMR x x ni i i =====-=∑=-页次: 3 / 62 计数值公式2.1 不合率管制图 ( P Chart )2.2 不合格品数管制图 (Pn Chart))2 , 2n (d MR 3x d MR 3x UCL 222來查表以樣本數為時當個別管制圖d LCL x CL =-==+=)0,/)1(3max()1,/)1(3min(... 1 )0,/)1(3max( )1,/)1(3min( 1 2111i i kKi i i Ki in p p p LCL n p p p UCL n n n N p n N P n P P P LCL n P P P UCL PKP --=-+=+++==--=-+==∑∑==各組管制上下限分為 ， 其中中心線時：當各組之樣本數不相同管制下限管制上限中心線時：當每組之樣本數均相同平均值。
QC process chart
成品检验
Finish product
inspect
OK 入库、入帐 Input、chalk it up
NG
OK
发出出货通知 Inform ship
OQC
NG
FQC 组长
确认
FQC
leader
confirm
定期巡仓 Random
Inspection
regularly
NG
NG
复检
recheck
OK
OK
备货
Prepare goods
必要时 If necessary
安排交付 Plan delivery
抽检
NG
Sample
inspect
OK
标识盖合格章，附 出货检验报告
Sealing chapter, Attached OQC
report
不合格品 reject
结束 End
不合格品 reject
按《不合格品 控制流程》
调机/调油/调色/调拉 Debug machine/
paint/mix colors /line
取样 rm first sample
必要时
If ecessary
尺寸检测 Dimension measurem
ent
标识、防护、保管 Mark\ fence\save
制程品质控制流程图ipqcprocesschartproduceleader生产组长operater作业员technician技术员ipqcleadersurveyor测量员首件确认confirmfirstsample签名贴合格首板标签signandstickthelableofpassfirstsampleng调机调油调色调拉debugmachinepaintmixcolorsline标识防护保管markfencesave培训作业员trainingoprator取样sampling接收首板receivedfirstsample安排生产planproduce巡检randominspectionok开始startokng照计划排机拉arrangemachinelineaccordingtoplan尺寸检测dimensionmeasurementokng自检selfinspection尺寸检测可靠性测试dimensionreliabilitytestng成品待检finishproductwaitingforinspect结束end必要时ifnecessary必要时ifecessaryok按成品品质控制储存和交付流程implementingoqccontrolprocedure按不合格品控制流程implementingrejectproductcontrolprocedure不合格品reject3
关于spc的专业名词
关于s p c的专业名词准确度Accuracy成品改善ActiononOutput制程中对策ActionontheProcess人员变异AppraiserVariation计数值AttributeData平均数Average中位数平均AverageofMedian全距平均AverageofRange标准差平均AverageofStandardDeviation平均数－全距管制图Average-RangeControlChart二项分配BinomialDistribution平均数－标准差制图Average-StandardDeviationControlChart 中心线CenterLine；CL中央极限定理CentralLimitTheorem管制界限ControlLimits持续改善ContinualImprovement管制图ControlChart分散Dispersion管制计划ControlPlan计件CountbyPieces计点CountbyPoints关键制程特性CriticalProcessCharacteristics共同原因CommonCause每百万缺点数管制图DefectPartsPerMillionControlChart分配Distribution关键产品特性CriticalProductParameter仪器变异EquipmentVariation连续随机变数ContinuousRandomVariable估计平均数EstimatedAverage离散随机变数DiscreteRandomVariable单位缺点数DefectsPerUnit单位缺点数管制图DefectsPerUnitControChart指数分配ExponentialDistribution估计不良率EstimatedProcessPercentDefectives次数分配FrequencyDistribution估计标准差EstimatedStandardDeviation漏斗实验FunnelExperiment个别值－移动全距管制图Individual-MovingRangeControlChart 仪器设备Gauge每百万缺点数DefectsPartPerMillion；dppm仪器设备能力研究GRRStudy绩效报告InformationaboutPerformance直方图Histogram固有制程变异InherentProcessVariation个别值Individual短期制程能力研究ShortTermProcessCapabilityStudy 中心位置Location管制下限LowerControlLimit；LCL管制上限UpperControlLimit；UCL中位数Median规格下限LowerSpecificationLimit；LSL混批MixedLot量测系统误差MeasurementSystemError标称植Nominal中位数－全距管制图Median-RangeControlChart常态分配NormalDistribution不良数管制图NumberofDefectivesControlChart缺点数NumberofDefects缺点数管制图NumberofDefectsControlChart不良数NumberofDefectives每百万不良数PartsPerMillion；ppm不在管制状态下OutofControl制程能力图ProcessCapabilityChart过度调整Overadjustment制程绩效指数ProcessPerformanceIndex柏拉图ParetoDiagram不良率管制图PercentDefectivesControlChart不良率PercentDefectives制造流程图ProcessCapabilityChart卜氏分析PoissionDistribution长期制程能力研究LongTermProcessCapabilityStudy 群体Population简单随机抽样SimpleRandomSampling精密度Precision分段随机抽样StageRandomSampling制程系统Process统计制程管制StstisticalProcessControl；SPC制程能力ProcessCapability制程能力图RunChart样本Sample全距Range抽样Sampling抽样分配SamplingDistribution合理的分组RationalSubgrouping偏态Skewness再生性Reproducibility再现性Repeatability特殊原因SpecialCause稳定性Stabiity规格界限SpecificationLimits标准差StandardDevivation分层分析Stratification分层批StratifiedLot分层随机抽样StratifiedRandomSampling 组平均数SubgroupAverage组标准差SubgroupStandardDeviation组全距SubgroupRange规格上限UpperSpecificationLimit；USL 系统抽样SystematicSampling组间变异VariationbetweenGroups总平均数TotalAverage组内变异VariationwithinGroup干预Tempering计量值VariableData良率Yield总制程变异TotalProcessVariation组中位数SubgroupMedian中心值Target总变异TotaVariation均匀分配UniformDistribution管制状态下UnderControl推移图TrendChart变异Variation良率管制图YieldControlChart。
Process Capability
上限的缺陷率
下限的缺陷率
LSL
ZLSL
ZUSL
标准差 -4 测定值 8.1
-3 8.2
-2 8.3
-1 8.4
0 8.5
1 8.6
2 8.7
3 8.8
4 8.9
USL - X
ZUSL= σ
8.7 - 8.5 0.2 = =2 = 0.1 0.1
X－LSL
ZLSL= σ
8.5 - 8.2 0.3 = = =3 0.1 0.1
6.43E-02 是.0643 的科学记数法格式。 6.43E-02 = 6.43 x 10-2 = .0643
6.43 代表基数
6.43E-02
将基数乘以10的幂：10-2
如果“E”后面的数字是负的，那么就将数字的小数点的位置挪到左边。
11
单边Z值表
Z
0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 1.00 1.10 1.20 1.30 1.40 1.50 1.60 1.70 1.80 1.90 2.00 2.10 2.20 2.30 2.40 2.50 2.60 2.70 2.80 2.90 3.00 3.10 3.20 3.30 3.40 3.50 3.60 3.70 3.80 3.90 4.00 4.10 4.20 4.30 4.40 4.50 4.60 4.70 4.80 4.90 0.00 5.00e-001 4.60e-001 4.21e-001 3.82e-001 3.45e-001 3.09e-001 2.74e-001 2.42e-001 2.12e-001 1.84e-001 1.59e-001 1.36e-001 1.15e-001 9.68e-002 8.08e-0
制程能力分析Process Capability Analysis
%>USL Exp Obs %<LSL Exp Obs
0.00 0.00 0.00 2.00
PPM>USL Exp Obs PPM<LSL Exp Obs
0 0 0 20000
Cp CPU CPL Cpk Cpm
0.98 0.41 1.55 0.41 *
Targ USL LSL k n
* 70.0000 20.0000 0.5816 50.0000
• 相对比较短的时期
(如：星期，月份 ) • 考虑短期噪声变动的效果
( 例：白天和夜晚 )
（如：兴起，月份） • 考虑长期噪声变动的效果 （例：设备磨损，季节影响） • 要求约100-200个数据
• 要求约30-50个数据
–技术+工程管理 –普通条件下的结果
–技术 –最佳条件下的制程能力
制程能力因素
Ex) 有理数子集的用法
• 利用Time Series Plot得到
3.5
output
2.5
1.5
index
10
20
30
• 比较集团内变动导致的标准偏差和全标准偏差.
变动和有理数子集的构成
Dem onstation of Rational Subgroups Shift is the Grouping Variable
有理数子集的形成
• 在集团中只有偶然原因 产生的偏差（variatio n） • 由特殊原因产生的偏差 （ variation）在集团 间是不同的. • 利用组合标准偏差，确 定最佳制程，可以估计 潜在制程能力.
形成错误有理数子 集的原因
• 在集合里，偶然原因和 特殊原因的变动同时发 生. • 不注意不稳定的制程， 子集间的差距没有区别.
运用Minitab进行过程能力（Process+Capability）_1
运⽤Minitab进⾏过程能⼒（Process+Capability）_1过程能⼒概述（Process CapabilityOverview）在过程处于统计控制状态之后，即⽣产⽐较稳定时，你很可能希望知道过程能⼒，也即满⾜规格界限和⽣产良品的能⼒。
你可以将过程变差的宽度与规格界限的差距进⾏对⽐来⽚段过程能⼒。
在评价其能⼒之前，过程应该处于控制状态，否则，你得出的过程能⼒的估计是不正确的。
你可以画能⼒条形图和能⼒点图来评价过程能⼒，这些图形可以帮助你评价数据的分布并验证过程是否受控。
你还可以计算过程指数，即规范公差与⾃然过程变差的⽐值。
过程指数是评价过程能⼒的⼀个简单⽅法。
因为它们⽆单位，你可以⽤能⼒统计量来⽐较不同的过程。
⼀、选择能⼒命令（Choosing a capability command）Minitab提供了许多不同的能⼒分析命令，你可以根据数据的属性及其分布来选择适当的命令。
你可以为以下⼏个⽅⾯进⾏能⼒分析：正态或Weibull概率模型(适合于测量数据)很可能来源于具有明显组间变差的总体的正态数据⼆项分布或泊松概率分布模型(适合于属性数据或计数数据)注：如果你的数据倾斜严重，你可以利⽤Box-Cox转换或使⽤Weibull 概率模型。
在进⾏能⼒分析时，选择正确的分布是必要的。
例如：Minitab提供基于正态和Weibull概率模型的能⼒分析。
使⽤正态概率模型的命令提供更完整的⼀系列的统计量，但是你的数据必须近似服从正态分布以保证统计量适合于这些数据。
举例来说，Analysis (Normal) 利⽤正态概率模型来估计期望的PPM。
这些统计量的结实依赖于两个假设：数据来⾃于稳定的过程，且近似服从的正态分布。
类似地，Capability Analysis (Weibull) 利⽤Weibull 分布模型计算PPM。
在两种情况下，统计的有效性依赖于假设的分布的有效性。
如果数据倾斜严重，基于正态分布的概率会提供对实际的超出规格的概率做⽐较差的统计。
质量控制中英文对照
质量控制中英文对照Quality Control中文翻译为质量控制，是指通过一系列的活动和措施，确保产品或服务符合预定的质量要求和标准。
质量控制在各个行业中都扮演着重要的角色，它有助于提高产品的质量、减少缺陷和错误，并确保客户满意度。
质量控制的目标是确保产品或服务的可靠性、一致性和符合性。
为了实现这一目标，质量控制需要采取一系列的步骤和措施。
下面是一些常见的质量控制步骤和措施的中英文对照：1. 质量计划 - Quality Plan质量计划是一个文件，描述了如何实施质量控制活动以及质量控制的目标和要求。
2. 质量标准 - Quality Standards质量标准是指用于评估产品或服务质量的一套规范和要求。
3. 质量检查 - Quality Inspection质量检查是通过对产品或服务进行检查和测试，以确保其符合质量标准和要求。
4. 质量抽样 - Quality Sampling质量抽样是从产品或服务中随机选取一部分样本进行检查和测试，以代表整个批次的质量。
5. 质量控制图 - Control Chart质量控制图是一种图形化工具，用于监控产品或服务的质量变化，并及时发现和纠正质量问题。
6. 过程能力指数 - Process Capability Index过程能力指数是用于评估一个过程的稳定性和能力，以确定其是否能够满足质量要求。
7. 不合格品处理 - Nonconforming Product Handling不合格品处理是指对于不符合质量标准和要求的产品或服务，采取相应的措施进行处理，以防止其进一步流入市场。
8. 质量改进 - Quality Improvement质量改进是指通过分析和改进过程，以提高产品或服务的质量和性能。
以上是一些常见的质量控制步骤和措施的中英文对照。
在实际应用中，质量控制还需要根据具体的行业和产品特点进行定制化的措施和方法。
通过有效的质量控制，企业可以提高产品的质量水平，增强竞争力，并赢得客户的信任和满意度。
Process Capability过程能力
input material 输入材料
fabricate/assemb le 制造/装配
output product 输出产品
feedback 反馈
2003-11-15
by:Qua Dept.
Process Variation 过程变差
Capability studies focus on the output product, for which the distribution has three main properties: variation 能力研究着眼于输出产品，其分布有三种主要属性。 变差 shape
2003-11-15
Introduction 引言
Quality is designed into a product through the Advanced Product Quality Planning (APQP) process
产品质量通过“产品质量先期策划”(APQP)来保证 APQP assures that customer requirements are not lost in product and process design APQP确保在产品设计和工艺设计中考虑客户的要求 APQP aims at minimizing variation through better design and through process controls APQP的目标是通过更好的设计和过程控制，使变差最小 化
过程能力(Process Capability)
MINITAB过程能力分析（Process Capability Analysis）1、Capability Analysis (Normal)[概述]Capability Analysis (Normal)用于对来自于正态分布的数据或Box-Cox转换后的数据进行能力分析。
分析报告包括一张带两条正态曲线的能力条形图，一张长期和组内能力统计量的列表。
两条正态曲线分别与过程均值和组内标准差、过程均值和长期标准差相对应。
报告还包括过程数据的统计量，如过程均值，目标，组内和长期标准差，过程规范，观察到的能力，以及期望的组内和长期能力。
因此，该报告可用于直观评价过程是否服从正态分布，是否以目标值为中心，是否具备持续满足过程规范要求的能力。
一个假设数据来自于正态分布的模型适合于大多数过程数据。
如果数据是倾斜的，参见Non-normal data下面的讨论。
[例]假设你在一个汽车制造厂的机器组装部门工作。
某个零件，凸轮轴的长度的工程规范为600+-2mm。
长期以来，该轴的长度均超出规范的要求，导致生产线上装配性性、高废弃和重工率。
在对记录清单检查后，你发现该零件有两个供应商。
Xbar-R图告诉你供应商2的零件失控，因此你决定停止接受供应商2的零件直至产品受控为止。
在去除供应商2后，不良装配的数量明显减少，但问题并未完全消除。
你决定通过能力研究来观察供应商1是否具备满足工程规范的能力。
1 Open the worksheet CAMSHAFT.MTW.2 Choose Stat > Quality Tools > Capability Analysis (Normal).3 In Single column, enter Supp1. In Subgroup size, enter 5.4 In Lower spec, enter 598. In Upper spec, enter 602.5 Click Options. In Target (adds Cpm to table), enter 600. Click OK in each dialog box.[结果分析]如果你想解释过程能力统计量，数据应该近似服从正态分布。
六西格玛专业术语一览
六西格玛专业用语词汇表⇨ANOVA（ANalysis Of Variance）：变异数分析。
一比较两个或以上的群体之间平均值的差异程度, 作为相关性辨别的方法。
⇨Balanced Design ：设计在每组试验中有相同的实验单位。
⇨BB（Black Belt）：黑带。
⇨Black Belt Certification：黑带认证。
完成两个符合条件的项目后取得的认证。
⇨Block：一群具有同构型的实验单位。
⇨Blocking：一个试验在既定的顺序或条件下完成。
任何有妨碍的因子并不会影响真正的结果或重要性。
⇨Capability：能力，达成目标的过程中能维持下去的能力。
⇨Cause & Effect Diagrams ：因果关系图。
能表达出一个结果及可能的原因两者关系的图表。
⇨Center Points：以所有因子的最高及最低点的中点值来执行的实验。
只能用在计量的数据。
⇨CI（Confidence Interval）：信赖区间。
响应的数值能真实代表母体，使人信赖的百分比程度。
⇨Confounded Effects ：不能被独立预测出的令人困惑的结果。
⇨Confounding：一个或多个结果，无法明确的归因于某个因素或相互间的影响。
⇨Control Chart ：控制图。
用来辨识一个控制下的操作过程的方法（在既定的统计范畴内）。
⇨Cp（Process Capability）：衡量过程能力的指数 Cp = 公差(Tolerance) / 6s。
⇨Cpk ： Performance Capability Index – Cpk = (USL – mean)或(mean - LSL)的最小值除以3s。
⇨CRD （Completely Randomized Design）：完全随机设计。
在各种程度下，研究某个重要的因子，而实验以完全随机的顺序来执行，使不可控制的变因最小化。
⇨CTQ Flow down ：以非常严谨的方法分配需求，并评估比关键性的产品及其部门的能力。
各行业应用专业英文
L电子行业工艺术语surface mounted components/surface mounted devices (SMC/SMD) 表面组装元器件surface mount technology (SMT) 表面组装技术surface mounted assembly (SMA) 表面组装组件reflow soldering 再流焊hot air reflow soldering 热风再流焊IR reflow soldering; infrared reflow soldering 红外再流焊Reflow atmosphere 再流气氛laser reflow soldering 激光再流焊wave soldering 波峰焊dual wave soldering 双波峰焊beam reflow soldering 光束再流焊vapor phase soldering (VPS)气相再流焊assembly density 组装密度terminations 焊端lead foot; lead 引脚fine pitch devices (FPD) 细间距器件solder powder 焊料粉末thixotropy 触变性:流遍体（流变体焊膏）地粘度随着时间、温度、切变力等因素而发生变化地特性.slump踏落no-clean solder paste 免清洗焊膏adhesives 贴装胶curing 固化screen printing 丝网印刷screen printing plate 网版screen printer 丝网印刷机stencil printing漏版印刷metal stencil; stencil (metal mask) 金属漏版snap-off-distance 印刷间隙flexible stencil 柔性金属漏版dispensing滴涂(表面组装时，往印刷版上施加焊膏或粘装胶地工艺工程)stringing 挂珠teach mode programming 示教式编程drying; prebaking 干燥off-line programming 脱机编程tape feeder带式供料器stick feeder 杆式供料器placement accuracy 贴装精度rotating deviation 旋转偏差placement direction 贴装方向flying 飞片skewing 偏移b5E2R。
- 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)。
Data from process with low capability Data from process with high capability
Process capability: capability index
The capability index is defined as: Cp = (allowable range)/6 =T (Tolerance)/ 6= (USL - LSL)/6s
-- specification limits are usually dictated by customers
Process Capability: Concepts
The following distributions show different process scenarios. Note the relative positions of the control limits and specification limits.
0.9974
μ-3
X∼N(,2)
μ+3
The probability for X to fall within (3,+3)is 99.74%, and the probability for falling outside this interval is only 0.26% which is considered almost impossible. That characteristic of normal distribution is called “3 principle”. Applying this principle in QM can judge whether there is abnormity appearing in the process, since three standard deviations above and below the process mean represent almost all the fluctuation range of the process.
producing products which conforms to specifications
Process Capability
Process capability studies distinguish between conformance to control limits and conformance to specification limits (also called tolerance limits)
f (x)
=0.5 =1
=2
f (x)
0
x
The smaller ，the steeper the curve
0 1 2
For same ，changing the value of μ
is to move the curve without any
change in its shape
x
3 Principle
P{-<X<+}=(1)-(-1)=2(1)-1=0.6826
P{-2<X<+2}=2(2)-1=0.9544
P{-3<X<+3}=2(3)-1=0.9974
Process Capability: Concepts
In control but some products do not meet specifications.
Specification limits are within control limits
Data from process with medium capability
Processocess Capability is an important concept in SPC. Process capability examines
-- the variability in process characteristics -- whether the process is capable of
Process Capability: Concepts
In control and product meets specifications.
Control limits are within specification limits
UCL: Upper Control Limits LCL: Lower Control Limits USL: Upper Specification Limits LSL: Lower Specification Limits
-- if the process is in control, then virtually all points will remain within control limits
-- staying within control limits does not necessarily mean that specification limits are satisfied
The distribution of process quality is often assumed to be approximated with a normal distribution. P（x∈μ±3σ）=99.73%,
Normal Distribution
The normal distribution N(,2) has several distinct properties: --The normal distribution is bell-shaped and is symmetric --The mean, , is located at the centre -- is the standard deviation of the data