spc统计-8TS16949 SPC training materialsRev2ok 精品

合集下载

SPC统计实用培训教程

SPC统计实用培训教程

SPC统计实用培训教程什么是SPC统计?SPC(Statistical Process Control)是一种质量管理技术,通过统计分析来监控过程的稳定性和可控性,以便及时发现和纠正过程中的异常变化。

通过SPC统计分析,我们可以了解过程的变化情况,采取相应的措施来确保过程的稳定和一致性。

SPC统计的优势SPC统计具有以下几个优点:1.及时发现问题:通过监控过程的统计数据,及时发现过程中的异常变化,有助于及早发现问题并采取纠正措施,避免问题的进一步扩大。

2.提高过程稳定性:通过实时监控和分析过程的统计数据,可以发现过程中的特殊原因和常规原因,对过程进行调整和改进,提高过程的稳定性。

3.降低变异性:通过SPC统计,可以有效降低过程的变异性,提高产品的一致性和质量。

4.提高生产效率:SPC统计可以帮助过程优化并及时识别和解决问题,从而提高生产效率和产能。

SPC统计的基本原理SPC统计基于以下两个基本原理:1.过程在统计上是可控的:SPC统计认为,过程在统计上是可控的,即过程的变化是有规律的,可以通过统计方法来描述和分析。

通过收集和分析过程数据,我们可以了解过程的基本规律,从而判断过程的稳定性和可控性。

2.过程中的变异性是由两种类型的原因引起的:SPC统计认为,过程中的变异性是由特殊原因和常规原因引起的。

特殊原因是非常规性的变异源,如材料质量问题、操作不当等;常规原因是自然和正常的变异源,如设备老化、环境变化等。

通过区分特殊原因和常规原因,我们可以更好地了解过程的变异性,采取相应的控制措施。

如何进行SPC统计?SPC统计包括以下几个基本步骤:1.收集数据:首先需要确定需要收集的数据内容,如尺寸、重量、温度等。

然后按照规定的方法和频率进行数据的收集和记录。

2.制作控制图:根据收集到的数据,可以绘制控制图来展示过程的统计数据。

常用的控制图有平均值图、极差图、标准差图等。

通过控制图,可以直观地展示过程的变化趋势和异常情况。

统计过程控制SPC培训资料

统计过程控制SPC培训资料
常用的控制图
分布
控制图代号
控制图名称
备注
正态分布(计量值)
均值—极差控制图
最常用,判断工序是否正常的效果好,计算量大,适用于产品批量大、且稳定、正常的工序;S的计算比R复杂,但其精度高适用与检验时间远比加工时间段的场合计算简便,但效果差使用与产品批量较大、且稳定、正常的工序;简便省事,并能够及时判断工序是否处于稳定状态,但不宜发现工序分布中心的变化。
控制图的益处
合理使用控制图能:供正在进行过程控制的操作者使用;有助于过程在质量上和成本上能持续地、可预测地保持下去;使过程达到:——更高的质量; ——更低的单件成本; —— 更高的有效能力。
控制图的益处
为讨论过程的性能提高共同语言;区分变差的特殊原因和普通原因,作为采取局部对系统采取措施的指南。控制图为两班、三班操作过程的人员之间、和支持活动(维修、材料控制、过程工程、质量控制)的人员之间就有关过程性能的信息交流提供了通用的语言。
Β=
规范界限与控制界限的区别
规范界限:区分合格品与不合格品控制界限:区分偶波与异波
3σ方式确定控制界限
●UCL=μ+3 σ ●CL=μ●LCL=μ-3 σ●虚发警报α=0.27% 漏发警报β=
分析用控制图
分析用控制图 应用控制图时,首先将非稳态的过程调整到稳态,用分析控制图判断是否达到稳态。确定过程参数 特点: 1、分析过程是否为统计控制状态 2、过程能力指数是否满足要求?
2.连续6点递增或递减
判异准则
LCL
UCL
CL
A
B
C
C
B
A
3.连续14中相邻点上下交替
判异准则
判异准则
4.连续3点中有2点落在中心线同一侧的B区以外

SPC training material

SPC training material

9
SPC定义
A. SPC概念
SPC作用 SPC的应用 SPC发展 SPC术语
SPC分类
名称
普通原因 (Common
Cause)
过程能力 (Process Capability) 移动极差 (Moving Range)
解释
造成变差的一个原因,它影响被研究过程输出的所有 单值;在控制图分析中,它表现为随机过程变差的一 部分。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 一个稳定系统的偶然原因。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。 是指按标准偏差为单位来描述的过程均值和规格界限 的距离,用Z来表示。
B. SPC制作
制作步骤 实实例例分X-析R 实P例-Ch分ar析t CSaP/Cp术/C语pk SPXC-M分R类
SPC判定
每个子组的平均值和极差的计算
1 100
98
99
100
98
2 98
99
98
101
97
3 99
97
100
100
98
4 100
100
101
99
99
5 101
99
பைடு நூலகம்99
100
99
平均 99.6
B. SPC制作
制作步骤 实实例例分X-析R SPP-CC发ha展rt CSaP/Cp术/C语pk SPXC-M分R类
SPC判定
建立X-R图的步骤B
B1计算平均极差及过程平均值 B

算 控
B2计算控制限

限 B3在控制图上作出平均值和
极差控制限的控制线

SPC经典培训材料

SPC经典培训材料
变量控制图 5. 其它控制图: ·回归控制图 ·残差控制图 ·自回归控制图 ·区域控制图
三.增加了关于过程能力与性能的相关解释内容:
1. 单边公差的能力指数测量 2. 非正态分布和多变量分布的处理
四.增加了附录内容:
1. 抽样与自相关数据的评述 2. 关于特殊原因的一些评述等
4
第一章、概述
第一章、概述
1.2 SPC应用的前提 1.2.1 量规仪器的校准和有效管理 1.2.2 MSA(测量系统分析) 1.2.3 确定要进行SPC的关键控制点 1.2.4 确定关键控制点中产品特性或过程特
性的规格,包括公差要求 1.2.5 试生产阶段必须进行Ppk研究
9
第二章SPC意义、观念
1、SPC意义:Statistieal Process Control,即统计过程控制。 1.1 过程的变异
26
9、SPC的发展 质量控制发展的主要阶段
1 传统质量管理阶段
依靠检验剔除废品
2 手工统计管理阶段
依靠统计预防缺陷
3 全面质量管理阶段
组织管理统计 技术
4 认证与电脑统计阶段
利用数据分析 进行质量改进
计算机统计技术使手工分析的统计方法产生了飞跃
ISO 8258制定控制图标准 27
GB/T常规控制图
勇士:企业高层管理者中负责6西格玛实施的管理者。负责部署西格玛的实 施和全部支援工作。负责确定或选择6西格玛项目。跟踪或监督6西格玛的进 展。
大黑带:6西格玛实施技术总负责。协助勇士选择项目,制定实施计划和时 间框架表,向黑带提供6西格玛高级技术工具的支援,负责动员、协调、和 沟通。
黑带:来自企业的各个部门,经过6西格玛革新过程和工具的全面培训,熟 悉6西格玛革新过程,负责指导或领导改进项目。对绿带提供培训和指导。 专职从事黑带任期2年。1个黑带每年完成5-7个项目,成本节约约1百万。 绿带:经过培训,在自己的岗位上参与6西格玛项目的人员。 人员比例:每1000名员工 。。大黑带:1名 。。黑带:10名 。。绿带:50-70名

SPC统计方法培训教材

SPC统计方法培训教材

准确:ca= x-u T/2
= = 29.13-29.1 0.03
0.2/2
0.1
=30%(C级)
精密:cp= Su-sl = 29.20-29.0 = 0.2 = 1.11(B级)

6*0.03
0.18
综合:cpk=(1- 1cal )cp=1.11*0.7=0.77(C级)
举例说明(2)
2.部品068K33381 67± 0.2的尺寸,在9月30日生产检测,
平均值为66.91、标准差ó为0.065 ,试计算 ca、cp、cpk
的值:
准确:ca= x-u T/2
பைடு நூலகம்
= 66.91-67 0.4/2
=45%
精密:cp=T/6ó=0.46*0.065=1.03
综合:cpk=(1- 1ca1 )cp=(1-0.45)*1.03=0.575
x R控制图的作法
3) 计算控制界限:
cp计算公式=
规格公差 6个估计标准差
=T/6ó(双边规格)
ó=√∑( xn-x )2 = √(x1-x)2 +(x2-x) 2 +(xn-x)2
n
n
cp=
规格上限-实际平均值 3个估计标准差
=(su-x)/3Ó(单边规格)
或cp=
规格上限-实际平均值 3个估计标准差
=(x-s1)/3Ó(单边规格)
CPK
1.1
不良品率 1/1000
1.0
0.67 0.33
3/1000 4.55/100 31.75/10 0
σ水平与合格率之间的关系
水 合格率 平%
1σ 30.85
每百万次 不合格数 PPM

SPC统计基础培训教材

SPC统计基础培训教材

SPC统计根底培训教材1. 简介SPC〔Statistical Process Control〕统计过程控制是一种基于统计原理的质量管理方法,旨在通过对过程的常规监控,实时识别和纠正过程中的变异,以到达持续改良和稳定的生产品质。

本文档将介绍SPC统计根底的概念、应用和分析方法,帮助读者理解和应用SPC技术,提高生产质量和效率。

2. SPC根本概念2.1 变异性在SPC中,我们关注的是过程中的变异性。

变异性是指同一过程在不同时间或不同条件下产生的差异。

它可以分为两种:一是常见因素引起的普通变异性,二是特殊因素引起的非常见变异性。

2.2 过程稳定性过程稳定性是指当没有特殊原因影响时,过程的输出是稳定的。

稳定的过程有助于预测未来的结果,并减少产品缺陷的发生。

SPC通过控制过程中的变异性,实现过程的稳定性。

2.3 控制图控制图是SPC的核心工具之一,用于监控过程中的变异性。

常用的控制图包括:X-Bar图、范围图、P图和C图等。

通过在控制图上绘制过程的样本数据,我们可以判断过程是否处于控制状态,是否存在特殊原因引起的变异。

3. SPC应用3.1 数据收集和测量在SPC中,准确和可靠的数据收集是关键。

本章将介绍数据收集的方法和技巧,以及测量设备的选择和校准要求。

我们还将讨论如何进行数据的采样和记录。

3.2 变异性分析在SPC中,我们使用统计工具来分析过程中的变异性。

本章将介绍常见的变异分析方法,包括范围分析、方差分析、均值分析等。

我们还将讨论如何使用控制图来判断过程的稳定性和能力。

3.3 过程改良SPC不仅仅是一种监控工具,它还可以指导过程改良。

本章将介绍SPC在过程改良中的应用,包括PDCA循环、六西格玛等质量管理方法。

我们还将讨论如何使用SPC技术来解决常见的生产问题。

4. SPC实践案例本章将以实际案例为例,介绍SPC在不同行业中的应用。

我们将结合实际数据,演示如何进行SPC分析和改良,以及取得的效果。

spc培训资料统计过程控制

spc培训资料统计过程控制

SPC培训资料统计过程控制1. 引言SPC,即统计过程控制(Statistical Process Control),是一种以统计方法为基础的过程监控和质量管理技术。

SPC旨在通过监控过程中的变异性,实现对过程的有效控制,从而提高过程的稳定性和质量。

本文档将介绍SPC培训资料统计过程控制的常用方法和步骤,以帮助读者理解和应用SPC技术,提高过程控制和质量管理的效果。

2. SPC培训资料统计过程控制的重要性SPC培训资料统计过程控制对于组织来说具有重要意义。

它可以帮助组织了解和控制生产过程中的变异性,及时发现和纠正过程中的问题,提高产品质量和降低生产成本。

同时,SPC还可以帮助组织实现持续改进,提高员工的技能和意识,培养团队合作和问题解决能力。

3. SPC培训资料统计过程控制的步骤SPC培训资料统计过程控制的步骤可以分为以下几个部分:3.1 确定关键过程和关键特性在开始SPC培训资料统计过程控制之前,首先需要确定所要控制的关键过程和关键特性。

关键过程是指对最终产品质量有重要影响的过程,而关键特性则是指决定产品质量的重要参数。

3.2 收集数据在确定了关键过程和关键特性之后,需要收集与之相关的数据。

数据的收集可以通过检测和测量等方法进行,确保数据的准确性和真实性。

3.3 数据分析和控制图绘制收集到数据后,需要对数据进行分析,并将分析结果用控制图的形式进行可视化展示。

控制图可以帮助人们直观地了解过程的稳定性和变异性,及时发现异常和问题。

3.4 确定过程能力和性能指标在分析数据的基础上,需要确定过程的能力和性能指标。

过程能力指标反映了过程的稳定性和一致性,而性能指标则是衡量过程实际生产效果的主要指标。

3.5 确定过程改进措施根据数据分析和过程指标的结果,确定针对过程的改进措施。

改进措施可以涉及对过程的参数调整、设备维护或改进、员工培训等方面,旨在改善过程的稳定性和质量。

3.6 实施过程改进和监控确定改进措施后,需要实施这些措施,并监控改进效果。

SPC统计过程控制最佳培训资料

SPC统计过程控制最佳培训资料

因果图 (鱼骨图)
人員 熟練程度
班別
機器
原物料
送料
模具精度 料量 銅片不良
文化程度
成型條件
機台穩定性
水份含量
人工取活 方法
放置手法
濕度 環境
溫度 清潔度
变形?
▪直方图
▪了解数据分布规律 ▪判断过程稳定性 ▪定性评价过程能力
▪柏拉图
找出“重要的少数” 因为80%的问题由
20%的潜在原因引起
▪散布图
SPC统计过程控制
培训资料
SPC培训内容
1) SPC 的含义、概念…… 2) SPC 的由来及发展历程…… 3) SPC技术原理…… 4) SPC推行的目的、对象、意义…… 5) SPC的方式、运行前提…… 6) 企业为什么要选择SPC, SPC可为企业带来什么好处……
SPC其含义是什么?
Statistical :统计- 以概率统计学为基础,分 析数据、得出结论;
SPC问题分析:柏拉图(Pareto Chart)、散布图(Scatter Plot)、趋势图(Trend Chart)等
SPC指标参数: Cp、Cpk、Pp、PpK、Ppm、 Sigma水平、不良率、直通率等
SPC 是工具
X His togram
SPC 在工厂…
供应商 IQC
IPQC PQC FQC OQC
PQC
P/QM: Yield, Cpk,Ppk,ppm…
PE: 生產數, 不良 數, 不良項, 生產 相關資料
QA: 檢驗數, 不 良數, 不良項,抽 檢相關資料 (P,U,C,Xbar…)
厂商别、机台别、操作 员别、料号别、 批号别、工单别、班别
SPC管制图 (控制图)

SPC统计及品管手法培训

SPC统计及品管手法培训

SPC统计及品管手法培训简介SPC(Statistical Process Control)是一种统计过程控制方法,用于监控和管理生产过程中的变异性,从而提高产品质量并降低成本。

品管手法(Quality Control Methods)是一系列用于确保产品和服务质量的技术和方法。

本文将介绍SPC统计及品管手法的概念、原理、应用以及培训方法。

SPC统计的概念SPC统计是一种基于统计学原理的质量管理方法,它通过收集和分析数据来监控和控制生产过程中的变异性。

其核心思想是:如果生产过程的变异性可以控制在一定的范围内,那么产品质量就可以得到保证。

SPC统计通过对数据的收集和分析,可以及时发现生产过程中的异常情况,并采取相应的措施进行调整,以保证产品质量稳定。

SPC统计的基本原理是统计过程控制图的应用。

统计过程控制图是一种用于显示和分析过程数据的图表,常用的统计过程控制图有控制图、直方图、散点图等。

通过观察统计过程控制图上的数据,可以判断生产过程的稳定性和是否满足规定的质量要求。

SPC统计的核心指标有以下几个:1.均值(Mean):反映了生产过程的中心位置。

2.范围(Range):反映了多次测量之间的变异程度。

3.方差(Variance):反映了单次测量的变异程度。

4.标准差(Standard Deviation):反映了生产过程的总体变异性。

SPC统计可以应用于各个行业和领域,包括制造业、服务业、医疗保健等。

它可以用于监控和改进各种生产过程,如产品制造、服务过程等。

具体应用场景包括以下几个方面:1.控制生产过程中的变异性:通过对数据的收集和分析,可以判断生产过程是否稳定,并采取相应的控制措施来减少变异性,从而提高产品质量。

2.发现及时修正异常情况:通过对统计过程控制图的观察,可以及时发现生产过程中的异常情况,并采取相应措施进行修正,以防止不良品的产生。

3.提高生产效率:通过对生产过程的优化和控制,可以减少浪费和不必要的重复操作,从而提高生产效率和降低成本。

SPC training material讲义

SPC training material讲义

98.6
99.4
100
98.2
极差 3
3
3
2
2
21
SPC选定
B. SPC制作
制作步骤 实实例例分X-析R SPP-CC发ha展rt CSaP/Cp术/C语pk SPXC-M分R类
SPC判定
平均值和极差
平均值的计算
x x1 x2x3x4x5 5
R值的计算
R xmax xmiPC定义
A. SPC概念
SPC作用 SPC的应用 SPC发展 SPC术语
SPC分类
二.SPC的作用
●确保制程持续稳定、可预测。
●提高产品质量、生产能力、降低成本。 ●为制程分析提供依据。 ●区分变差的特殊原因和普通原因,作为采取局部措施或对系统采取措
施的指南。
3
SPC定义
A. SPC概念
SPC作用 SPC的应用 SPC发展 SPC术语
SPC判定
一. 建立控制图的四步骤
A收集数据
B计算控制限
C过程控制解释
D过程能力解释
17
B. SPC制作
SPC选定 制作步骤 实实例例分X-析R SPP-CC发ha展rt CSaP/Cp术/C语pk SPXC-M分R类 SPC判定
1.建立X-R图的步骤A
子组大小
A1选择子组大小、频率和数据
子组频率
U chart 单位缺点数管制 图
11
SPC定义
A. SPC概念
SPC作用 SPC的应用 SPC发展 SPC术语
SPC分类
计量型数据控制图
人员 设备 环境 材料 方法
12 34 56
计量单位:(mm, kg等)
结果举例
螺丝的外径(mm) 从基准面到孔的距离(mm) 电阻(Ω) 锡炉温度(ºC) 工程更改处理时间(h)

spc统计-TS16949SPC统计过程控制培训教材 精品

spc统计-TS16949SPC统计过程控制培训教材 精品
22
上海NQA认证有限公司
SPC控制图
SPC控制图对两种错误的预防
错判是虚发警报的错误:由于偶然原因造成数据点超出 控制限的情况,从而造成将一个正常的总体错判为不正 常,在控制限为正负3情况下,这样的概率小于3‰;
漏判是漏发警报的错误,也就是判断当数据点在控制限 内的异常,所以,SPC增加了对界内数据点趋势的判断 准则。
2
上海NQA认证有限公司
SPC的定义
SPC既统计过程控制,是将一个过程定期 收集的样本数据按顺序点绘制而成的一种图 示技术。
注: SPC的核心是控制图; SPC可以展示过程变异并发现异常变异,并进而
成为采取预防措施的重要手段。
3
上海NQA认证有限公司
质量管理发展历程
19世纪末—20世纪30年代 质量检验阶段
SPC控制图的种類和选择
數据
计數值
计量值
缺点
不良品
c-控制图u-控制图 p-控制图np-控制图X-R控制图X-s控制图X-R控制图
固定的 可变的 样本數 样本數
可变的 固定的 样本數 样本數 样本數 2 < n < 7
样本數 n>7
个别值
29
上海NQA认证有限公司
控制图的用途
控制图
x-R及x-s
18
上海NQA认证有限公司
SPC控制图
为了便于纪录质量随时闲波动状况,休哈特建议将 正态分布图逆时针旋转90度,于是就形成了控制图。
控制上限 A
B
中心线
C
C
B
控制下限 A
19
上海NQA认证有限公司
SPC控制图
SPC控制图的要素
数据点(按时闲顺序排列):是连续或离散型数据,每个数据点可
  1. 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. 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. 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)。

统计制程控制Statistical Process ControlSPC第2版Training Material课程目的▪了解统计过程控制的概念以及其在质量管理体系中的作用▪通过控制图技术来开展有效的SPC –控制图是SPC的主要工具–本课程的重点目录SPC与ISO/TS16949第一章有关的概率知识1.1 什么是随机现象?1.2 两类随机变量.1.3 两种有关的计数型随机变量分布.1.4 计量型随机变量的正态分布.1.5 抽样试验.第二章持续改进和统计过程控制六点说明2.1 什么是过程?2.2 两种过程控制模型和控制策略2.3 两种变差原因及两种过程状态2.4计数型数据的过程能力和过程性能2.5 两种质量观2.6 持续改进过程循环2.7 四类过程及对策(综合讨论)第三章控制图—过程控制的工具3.1 控制图的益处3.2 控制图分类及选用3.3 控制图的准备工作3.4 控制图制作及应用(以X-R图为例)3.5其它计量型控制图3.6计数型控制图举例第四章其它类型的控制图4.1基于概率的控制图—红绿灯信号控制图4.2基于概率的控制图—预控制图附录各种类型控制图系数和公式汇总SPC与ISO/TS16949第一章有关的概率知识1.1什么是随机现象1.2两类随机变量1.3两种有关的计数型随机变量分布1.4计量型随机变量的正态分布1.5抽样试验1.1 什么是随机现象•自然界和社会上发生的许多现象, 具有以下的性质:–每次观察或试验, 结果不确定。

–大量重复观察或试验, 结果呈现某种统计规律.• 小组试验 从装有黑、白棋子的口袋中每次取10个棋子, 观察记录黑色棋子出现的个数,共做10次。

把结果填在下表(在格子中打 * )。

每次放回混合。

100次观察中, 黑棋的个数:讨论: 以上现象有什么性质?• 频率和概率将上述试验结果, 列入下表并计算累积黑棋出现的次数.你发现黑棋频率有何趋势?1.2 两类随机变量请每位学员举出本公司中的两类随机变量各1种 计数型:_______________________________ 计量型:_______________________________1.3 两种有关的计数型随机变量分布① 检查一种产品是否合格, 合格的用“1”表示,不合格的用“0”表示。

称“0-1”分布. ② 检查一个油漆零件, 发现其缺陷数用C 表示。

C 可以是0、1、2……. 1.4 • 计量型随机变量的分布– 直方图:– 分布图:• 正态分布——过程控制中最常用的分布μ—— 均值 σ2 —— 方差σ—— 标准差 ±3σ—— 常用来表示变差大小变量范围 正态分布概率 产品的合格率 μ±σ 0.682689 68.27% μ±2σ 0.954499 95.50% μ±3σ 0.997300 99.73% μ±4σ 0.99993657 99.994% μ±5σ 0.999999742 99.99998% μ±6σ0.999999998100%变量范围 CPK 值 正态分布概率 产品的合格率 μ±σ CPK=0.33 0.682689 68.27% μ±2σ CPK=0.68 0.954499 95.50% μ±3σ CPK=1.00 0.997300 99.73% μ±4σ CPK=1.33 0.99993657 99.994% μ±5σCPK=1.670.99999974299.99998%尺寸尺寸尺寸尺寸分布宽度不同 分布形状不同分布位置不同尺寸尺寸尺寸-3σ -2σ -σ μ +σ +2σ +3σ1.5 抽样试验① 几个常见的术语母 体:指某次统计分析中,所研究的对象全体个体:所研究对象的一个单位样 本:从母体中抽取部分个体进行测定,然后根据它来推断母体的性质,称这样的一组个体为一个样本样本容量:样本中所含个体的数目 抽样频率:抽取样本的频次 ② 样本统计量a. 计量型• 描述样本中心位置均值X =∑==+++ni i n x n n x x x 1211..... 中位数X ~:一个子组数值的中间位置的数 • 描述样本分布宽度极差R=最大值 — 最小值=mix X X -max 样本标准差s=2S样本方差∑=--=ni i x x n S 122)(11 • 用极差(R)估计标准差时σˆR = R/d 2注:d 2为样本容量变化的常数 b. 计数型 • 0-1分布用不合格率P 描述. P=nrr — 不合格个体数 n — 样本容量• 不合格数分布用每单元不合格数C 描述。

第二章 持续改进和统计过程控制六点说明2.1 什么是过程2.2 两种过程控制模型和控制策略 2.3 两种变差原因及过程状态2.4计数型数据的过程能力和过程性能 2.5 两种质量观2.6 持续改进过程循环2.7 四类过程及对策 (综合讨论)六点说明1) 收集数据并用统计方法来解释它们并不是最终目标,应该是在阅读的过程中不断加深理解。

2) 测量系统对适当的数据分析是很关键的,在收集过程数据之前就应对测量系统加以理解。

3) 研究变差和应用统计知识来改进性能的基本概念适用于任何领域可以在车间或办公室。

4) SPC 代表统计过程控制,但以前统计方法常用于零件而不是过程。

5)尽管手册中的每一点是透过已完成的例子来说明的,但要认真理解这些知识需要进一步与过程控制实际相联系。

6) 本手册可看成应用统计方法的第一步,它提供了被普遍接受的方法,并在许多场合得以应用。

2.1 什么是过程• 所谓过程指的是共同工作以产生输出的供方、生产者、人、设备、输入材料、方法和环境以及使用输出的 顾客之集合。

.• 举一个过程的例子, 并说明:– 过程的名称. – 什么是它的输入 – 什么是它的输出 – 目前的控制措施2.2 两种过程控制模型和控制策略产品或服务① 缺陷检测过程模型控制策略:控制输出, 事后探测,容忍浪费。

② 具有反馈的过程控制模型③ 两种模型的比较2.3 ① 两种性质的变差原因•由于机器、工具、材料、人员、维修及环境(4M1E)等原因,造成每一产品特性的不同的变差。

造成变差的原因分为普通原因和特殊原因。

普通原因:指的是造成随着时间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。

- 它影响过程输出的所有单位值- 在控制图中,它表现为随机的过程变差的一部分•普通原因——也称“随机”或“系统”原因•普通原因变差可能与自然的变化有关:- 原材料质量- 环境稳定性(如振动、电力波动、天气)- 工人的不同工作速度- 技艺标准(缘于未规定的标准/指导书/培训)这些原因占的比重太多就变成特殊原因•特殊原因:指的是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)过程分布的改变。

- 它是一种间断的,不可预测的,不稳定的变差根源- 在控制图中存在超控制线的点或控制线内的链或其它非随机图形•特殊原因影响因素—未经培训的新操作者—过程参数的设定误差—数据输入误差—电源中断(影响计算机系统,机械稳定性)—未校准的量具—磨损的机械零件—一批污染了的原材料②两种过程状态··③•系统措施—通常用来减少变差的普通原因—通常要求管理层的措施—工业经验,约占过程措施的85%•局部措施—通常用来消除变差的特殊原因—通常由与现场有关的人员解决—工业经验,约占过程措施的15%④过程控制要点•属于系统的问题不要去责难现场人员,要由系统采取措施(理解什么是“控制不足”)。

• 属于局部的问题也不要轻易采取系统措施(理解什么是“过度控制”)。

• 过程控制系统应能提供正确的统计信息。

• 有用的特殊原因变差,应该保留。

2.4 计量型数据的过程能力和过程性能① 过程术语的定义• 过程固有变差:仅由于普通原因产生的那部分过程变差。

该变差可以从控制图上通过2ˆd R R =σ来估计,也可以用其它量(例4ˆc s s =σ)。

• 过程总变差:由于普通和特殊两种原因所造成的过程变差。

该变差可通过样本标准差S 来估计。

可以用控制图或过程研究中得到的所有单值读数计算出来的。

即:s ni i n X X S σˆ1)(12=--=∑=,式中:X 为单值读数,X 为单值读数的均值,n 为所有单值读数的个数。

• 过程能力- 仅适用于正态分布的情况下统计稳定的受控的过程,是过程固有变差的±3σ范围,其中σ通常由2ˆd R R =σ计算得来,d 2是随样本容量变化的常数,见SPC 手册附录E ,摘录如下:- 过程能力是由造成变差的普通原因确定的。

- 过程能力通常代表过程本身的最佳性能。

- 过程能力与技术规范无关。

• 过程性能:正态分布的情况下,过程总变差的±3σ范围,其中σ通常通过样本的标准差4ˆc s s =σ②• p C :这是一个过程能力指数,定义为规范容差宽度除以过程能力,不考虑过程有无偏移,一般表达为:R p LSLUSL C σˆ6-=• P P :这是过程性能指数,定义为不考虑过程有无偏移时,规范容差宽度除以过程性能,一般表达为:s P LSL USL P σˆ6-=• PU C :这是上限过程能力指数,定义为规范容差范围上限除以实际过程分布宽度上限,一般表示为:R PU XUSL C σˆ3-=• PL C :这是下限过程能力指数,定义为规范容差范围下限除以实际过程分布宽度上限,一般表示为:R PL LSLX C σˆ3-=• PK C :这是考虑到过程中心的过程能力指数,定义为PU C 和PL C 的最小值。

它等于过程均值与最近的规范限的差除以过程总分布宽度的一半。

- C P ,C PK 表示过程能力满足技术规范的程度。

- C PK 值与σ, 技术规范宽度, 分布和技术规范的相对位置有关。

- 当过程均值与规范中心值重合时, C PK =C P 。

• PU P :这是上限过程性能指数,定义为规范容差范围上限除以实际过程分布宽度上限,一般表示为:s PU XUSL P σˆ3-=• PL P :这是下限过程性能指数,定义为规范容差范围下限除以实际过程分布宽度上限,一般表示为:sPL LSLX P σˆ3-=• PK P :这是考虑到过程中心的过程性能指数,定义为PU P 和PL P 的最小值。

它等于过程均值与最近的规范限的差除以过程总分布宽度的一半。

- P P ,P PK 表示过程性能满足技术规范的程度。

- P PK 值与σ, 技术规范宽度, 分布和技术规范的相对位置有关。

- 当过程均值与规范中心值重合时, P PK =P P 。

③ 典型的能力指数C PK 与PPM 关系0.33 σ 158655 0.67 2σ 22751 1.00 3σ1350 1.33 4σ 32 1.67 5σ 0.13 2.006σ0.001④ 能力指数与性能指数指数 过程能力指数 过程性能指数符 号 C PK , C P P PK , P P 适用过程 稳定不稳定计算方法 R σˆ=2d R4S σˆc s = ,其中:1n )(X2i--=∑X sPPAP 要求C PK >1.33C PK >1.672.5 两种质量观• “目标柱”思维方式:对于所有在规范之内的零件,不管它们位于规范内的什么地方都是好的(可接受的), 所有超出规范的零件,不论它们偏离规范多远,都是坏的(不可接受的)。

相关文档
最新文档