SPC_统计制程管控
SPC统计制程管制
由偶然因素造成的质量波动称为正常的波动，这 种波动一般通过公差加以反映，此时的工序处于 稳定状态或受控状态。
2.1.3、异常因素
在一定时间内对生产过程起作用的因素。如材料 成份、规格、硬度的显著变化；设备、工夹具 安装、调整不当或损坏；刃具的过度磨损；工 人违反操作规程等； 因素造成较大的质量波动，常常超出了规格范 围或存在超过规格范围的危险;因素的影响在 经济上是必须消除的;在技术上是易于识别、 测量并且是可以消除和避免的;由异常因素造 成的质量特性值分布状态随时间的变化可能 发 生各种变化。
SPC (Statistical Process Control) 统计制程管制
一 、对管制图之基本认识
管制图是用统计方法，将收集的资料计 算出两管制界限，也就是我们所能做到的 制程能力水准。随时将样本记录计算点入 管制图内，以提醒操作人员之注意，如发 现有超出限外之点或异常现象时，立即设 法改善工作，以免发生意外，在制造过程 中所用管制图，就如同以下几项东西：
2.1.1、变异—(偶然)及(异常) 因素
如果制程中,有异常原因之变异存在，则 其成品将为不稳定，而且无法预测。
2.1.2、偶然因素
对生产过程一直起作用的因素。
如材料成分、规格、硬度等的 微小变化;设备的 微小震动;刃具的正常磨损；夹具的弹性变型及 微小松动;工人操作的微 小不均匀性等;对质量波 动的影响并不大,一般来说,并不超出工序规格范 围；偶然因素的影响在经济上并不值得消除；
一 、对管制图之基本认识
SPC就是应用统计技术对过程中的各 个阶段收集的数据进行分析，并调整制 程，从而达到改进与保证质量的目的。
spc统计制程管制
spc统计制程管制1、目的使公司制程作业按规定的方法和程序进行，有效地管制产品品质。
2、适用范围适用于本公司产品的生产安排。
3、权责： 3.1.厂务负责编制生产计划一览表及周出货预排表。
3.2.厂务是制程管制的主管部门。
制造部门负责严格执行、和其它品质管理办法，对影响产品品质的因素进行管制。
3.3.总务课负责组织生产设备的检修和维护。
3.4.品管课负责按、特别是检验标准制程和产品实施检验和监控。
（B）厂务根据客户合约交期和公司生产的实际情况，编制生产计划一览表及[周出货预排表]，并经厂务经理确认后下达资材、采购、成品、伞骨、各车间、船务。
（C）各部门或车间如果没有能力做好生产前的准备工作，或者无法完成生产计划一览表所规定的任务时，都要及时向厂务汇报；当客户订单有变更时，生产计划一览表要及时作调整或变更，并通知到生产计划所下发的有关部门，变更的版次以日期为版次标识，各单位以最近的日期为准。
（D）厂务在生产制作过程中或产品品质有较大问题时随时召集各部门召开生产协调会议。
大家在会中积极交流信息，研讨解决问题的办法，并留下会议记录。
（E）厂务需追踪周出货预排表的完成情况，每月做出订单是否准时完成的比率，并做[月份生产情况统计表]。
5.2技术标准文件的管制（A）各车间产品生产必须具备书面的作业标准书、作业指导书。
（B）各车间主任负责将作业指导书、作业标准书张贴在宣传栏上，并对员工做教育训练,保证所有作业员都熟练掌握本岗位作业指导书和作业标准书。
（D）品管课确定制程检验点和监控点，编制检验标准。
5.3制程作业的管制（A）制程中，各车间主任或组长开领料单到仓库领回原材料，车边根据布仓主管开具的《剖布指令表》领...。
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统计工序控制
简介统计工序控制即SPC（Statistical Process Control）。
它是利用统计方法对过程中的各个阶段进行控制，从而达到改进与保证质量的目的。
SPC强调以全过程的预防为主。
解决的问题1.经济性：有效的抽样管制，不用全数检验，不良率，得以控制成本。
使制程稳定，能掌握品质、成本与交期。
2.预警性：制程的异常趋势可即时对策，预防整批不良，以减少浪费。
3.分辨特殊原因：作为局部问题对策或管理阶层系统改进之参考。
4.善用机器设备：估计机器能力，可妥善安排适当机器生产适当零件。
5.改善的评估：制程能力可作为改善前後比较之指标。
利用管制图管制制程之程序1.绘制「制造流程图」，并用特性要因图找出每一工作道次的制造因素（条件）与品质特性质。
2.制订操作标准。
3.实施标准的教育与训练。
4.进行制程能力解析，确定管制界限。
5.制订「品质管制方案」，包括抽样间隔、样本大小与管制界限。
6.制订管制图的研判、界限的确定与修订等程序。
7.绘制制程管制用管制图。
8.判定制程是否在管制状态（正常）。
9.如有异常现象则找出不正常原因并加以消除。
10.必要时修改操作标准（甚至於规格或公差）。
分析用管制图主要用以分析以下二点：(1)所分析的制(过)程是否处於统计稳定。
(2)该制程的制程能力指数(Process Capability Index)是否满足要求。
－控制图的作用1.在质量诊断方面，可以用来度量过程的稳定性，即过程是否处于统计控制状态；2.在质量控制方面，可以用来确定什么时候需要对过程加以调整，而什么时候则需使过程保持相应的稳定状态；3.在质量改进方面，可以用来确认某过程是否得到了改进。
应用步骤如下：1.选择控制图拟控制的质量特性，如重量、不合格品数等；2.选用适宜的控制图种类；3.确定样本容量和抽样间隔；4.收集并记录至少20～ 25个样本的数据，或使用以前所记录的数据；5.计算各个样本的统计量，如样本平均值、样本极差、样本标准差等；6.计算各统计量的控制界限；7.画控制图并标出各样本的统计量；8.研究在控制线以外的点子和在控制线排列有缺陷的点子以与标明异常（特殊）原因的状态；9.决定下一步的行动。
SPC统计制程管制基础手册
制定管制计划
制定数据收集计划
确定数据收集的时间间隔、样本大小 和数据来源，确保数据的准确性和可 靠性。
制定管制图
选择适当的管制图类型，如均值-极差 图、均值-标准差图等，用于监控制程 的稳定性。
数据收集和整理
收集数据
按照数据收集计划，定期从制程中获 取数据。
SPC统计制程管制基础手册
目录
• SPC简介 • SPC基础知识 • SPC实施步骤 • SPC工具和技术 • SPC应用案例 • SPC未来发展
01 SPC简介
S统计学方法对制程进行监控和管理的技术，通过 对制程数据的收集、分析和可视化，实现对制程稳定性和产品质量的监控，预防不 良品的产生，提高生产效率和产品质量。
提升企业竞争力和品牌形 象
良好的制程管理和产品质量有助于提升企业 的竞争力和品牌形象，增强消费者对企业的 信任和忠诚度。
SPC的适用范围
01
适用于各种制造业领域，如电子、机械、化工、食 品等。
02
适用于各种制程阶段，包括原材料采购、加工、组 装、测试等。
03
适用于各种类型的企业，包括生产型、加工型、贸 易型等。
数据的整理和分析
01
02
03
数据清洗
去除异常值、缺失值和重 复值，确保数据的质量和 一致性。
数据变换
将数据转换为适合分析的 形式，如标准化、归一化 等。
数据分析方法
描述性统计、推断性统计、 回归分析、聚类分析等， 根据需求选择合适的方法。
过程能力和性能评估
01
过程能力指数
性能评估
02
03
改进方向
8D问题解决方法
SPC统计制程管制的定义
數據描述的方法
中央趨勢量的量測
在SPC 中，中央趨勢量的目的是指出資料所處的位 置與集中的值，可以幫助我們決定是否要更改製程 的設定。包括下列數個具代表性的值：平均數﹑中 數﹑眾數與截尾平均數。
5
平均數(mean)：
平均數在SPC中最常用來決定製程是否偏離目標值， 樣本平均值以X表示。
中位數(median)：
位於所有數值的中央稱為中位數，如果數值有偶數個 ，則取中間兩個數的平均值當中位數。中位數的意義 在於有50%的值小於或等於中位數。 因為中位數比起平均數而言，較不會被極端值影響， 故中位數比較穩健。
6
眾數(mode)：
出現次數最多的數稱為眾數
截尾平均數(trimmed mean)：
截尾平均是取介於第一與第三四分位數中所有值的平 均，比起平均數，截尾平均數較不受特別大或特別小 的值所影響。同時又不是只代表某個出現頻率最高的 值。
值得採取措施。 5.對異常現象採取措施。
15
製程能力分析的用途
製程能力分析之用途，約可分為下列幾點： 1.提供資料給設計部門，使其能盡量利用目前之工程
能力，以設計新產品。 2.決定一項新設備或翻修的設備能否滿足要求。 3.利用機械之能力安排適當工作，使其得到最佳應 4.選擇適當的作業員材料與作業方法。 5.製程能力較公差為窄時，用於建立經濟管制界限。 6.製程能力較公差為寬時，可設定一適當的中心值來
12
第三種情況：6 ＜USL－LSL
當製程變異或製程能力大於規格間之差時，表示製 程處於非常不理想的情況中，即使是自然型態的變 異，如圖上次數分佈A，超出規格的上下限的不良率 在不可接受的範圍內；換句話說，製程沒有製造符 合規格產品的能力。
13
spc统计过程控制与管制图
SPC统计过程控制与管制图1. 简介SPC〔Statistic Process Control〕是指通过统计方法对生产过程进行过程控制和管制的一种方法。
SPC通过收集和分析过程中的数据，帮助企业发现和解决问题，并实现过程的稳定和改良。
在SPC中，管制图是一种常用的工具，用于判断过程是否处于统计控制之中。
2. 管制图的根本原理管制图是一种时间序列图，通过将样本数据的均值、极差等统计量绘制在图上，以便直观地了解过程的稳定性。
在管制图中，通常会画出上下控制限以及中心线，用于判断过程是否处于统计控制之中。
管制图有多种类型，常用的包括： - 平均数管制图〔Xbar-R图〕：用于监控过程的平均数和极差 - 均值管制图〔X图〕：用于监控过程的平均数 - 极差管制图〔R图〕：用于监控过程的极差 - 标准差管制图〔S图〕：用于监控过程的标准差 - P图：用于监控过程的不良品率 - C 图：用于监控过程的不良品数3. 构建管制图的步骤构建管制图的步骤如下： 1. 收集数据：根据需要监控的指标，收集足够的样本数据。
2. 计算统计量：根据收集到的数据，计算出相应的统计量，如平均数、极差、标准差等。
3. 绘制管制图：根据统计量，绘制出相应的管制图，包括上下控制限和中心线。
4. 分析管制图：通过分析管制图中的数据点是否超出控制限，判断过程是否处于统计控制之中。
5. 做出改良：如果过程处于统计控制之外，需要分析可能的原因并采取相应的改良措施。
4. 管制图的应用管制图广泛应用于制造业和效劳业中的质量管理过程中。
通过使用管制图，企业可以实现以下目标： - 及时发现生产过程中的异常情况，减少不良品率； - 保持生产过程的稳定性，提高生产效率； - 通过长期监控数据，找出改良生产过程的方向。
5. 管制图的本卷须知在使用管制图时，需要注意以下几点： - 样本数据应该具有一定的随机性，否那么可能会影响对过程稳定性的判断。
- 控制限的选择需要根据实际情况进行调整，不同的管制图有不同的选择方法。
统计制程管控(SPC)
X – R 绘图步骤
1.将每样组之 X 与Ｒ算出记入数据表内。 2.求 X 与Ｒ
X ＝ ∑ X ＝1,254 ＝50.16 n 25 R ＝ ∑ R ＝120 ＝4.8 n 25
3.查系数 A2，D4，D3 A2＝0.58，D4＝2.11，D3＝负值（以 0 代表）
X – R 绘图步骤
4.求管制界限。 (1) X 管制图 CL＝ X ＝50.16 UCL＝ X ＋A2 R ＝50.16＋(0.58)*(4.8)＝52.93 LCL＝ X －A2 R ＝50.16－(0.58)*(4.8)＝47.39 (2) R 管制图： CL＝ R ＝4.8 UCL＝D4 R ＝(2.11)*(4.8)＝10.13 LCL＝D3 R ＝(0)*(4.8)＝0
P (1－ P )/ n P (1－ P )/ n
P 管制图(不良率)
2.实例 某工厂制造外销产品，每 2 小时抽取 100 件来检查, 将检查所得之不良品数据，列于下表，利用此项数据， 绘制不良率(p)管制图，控制其质量.
组别 1 2 3 4 5 6 7 8 9 10 n 100 100 100 100 100 100 100 100 100 100 d 3 4 3 8 5 5 7 5 5 6 p 组别 n 0.03 11 100 0.04 12 100 0.03 13 100 0.08 14 100 0.05 15 100 0.05 16 100 0.07 17 100 0.05 18 100 0.05 19 100 0.06 20 100 d 3 6 8 5 2 3 6 2 7 5 p 组别 n d p 0.03 21 100 5 0.05 0.06 22 100 8 0.08 0.08 23 100 4 0.04 0.05 24 100 5 0.05 0.02 25 100 4 0.04 0.03 合计 2,500 125 0.06 平均 100 0.05 0.02 0.07 0.05
统计制程管制SPC
統計製程管制SPC统计过程控制（SPC）是一种统计方法，用于分析和控制生产过程中的变异性。
它使用统计工具来监测过程的性能，并采取相应的措施以确保产品质量的稳定性和一致性。
首先，SPC依赖于收集、分析和解释数据。
通过收集样本并测量关键过程变量，可以获取统计数据。
这些数据可以用来计算过程中的平均值、标准偏差和其他统计指标。
在SPC中，常见的统计图表包括控制图、直方图和散点图。
这些图表用于表示过程的发展趋势，以及过程的变化情况。
其次，控制图是SPC的核心工具之一。
它通过将过程数据绘制在图表上来显示过程的性能。
常用的控制图包括X-bar图、极差图和标准差图。
这些图表将过程数据与控制线进行比较，以确定过程是否处于控制状态。
如果过程数据落在控制限之内，说明过程处于稳定状态。
如果过程数据超出控制限，说明过程存在问题，需要进行调整。
在SPC中，控制限是用来确定过程是否处于控制状态的依据。
通常使用平均值加减三倍标准差来设置控制限。
如果过程数据超出控制限，就表明过程中存在特殊因素。
这些特殊因素可能包括材料的变化、机器的故障或操作者的误差。
通过监测过程中的变异性，可以及时发现并纠正问题，以确保产品质量的稳定性。
此外，SPC还可以用于改进过程的性能。
通过不断分析和解释数据，可以找到导致过程变异的根本原因。
然后，采取相应的改进措施来消除这些根本原因。
这些改进措施可能包括调整设备、改变工艺参数或培训操作者。
通过持续地改进过程，可以提高产品的质量和一致性。
综上所述，统计过程控制是一种有效的工具，可以帮助企业监测和改进生产过程中的变异性。
通过收集和分析数据，可以及时发现和纠正过程中的问题，以提高产品的质量和一致性。
因此，SPC在现代制造业中被广泛应用，并对企业的竞争力和盈利能力产生积极影响。
此外，统计过程控制还有许多其他的应用和好处。
下面将介绍几个重要的方面。
首先，SPC可以帮助企业提高产品质量。
通过不断监测和控制过程中的变异性，可以减少产品的缺陷率。
SPC统计制程控制(综合简介)
例:量19”面板Cell Gap值分别为3.43 、 3.44、 3.45、 3.45、
3.46 、 3.45、 3.42请问其标准差为何？
(sigma=0.013)
全距(Range) 样本的最大值减去最小值的差R.
SPC概念--普通原因与特殊原因
SPC概念
SPC能解决的问题
经济性：有1 效的抽样管制，不用全数检验.使制程稳定，
能掌握品质、成本与交期. 预警性：制程的异常趋势可实时对策，预防整批不良，
以减少浪费. 分辨特殊原因：作为局部问题对策或管理阶层系统改
进之参考. 善用机器设备：估计机器能力，可妥善安排适当机器
SPC特点強調預防，防患於未然是SPC的宗旨
SPC概念--普通原因与特殊原因
异常原因
普通原因
系统中之因素 种类多随时存在
影响力较小 不易消除
机器老化 机器震动 环境不良(Particle) 设计不良
特殊原因 系统外之因素 种类少偶尔发生 影响力较大 可经济地消除
机器故障 来料异常 人员疲劳 错误操作方法
A: 1.33≦ Cp
B: 1.00≦ Cp＜ 1.33
C: 0.83≦ Cp＜ 1.00
D:
Cp＜ 0.83
=>Cp值越大越好,表示制程佳
A:此制程甚为稳定,可将规格公差缩小或胜任更精密之工作 B:有发生不良率偏高之危险,须加以注意并努力维持不再变坏 C:检讨所订规格及作业标准,可能本制程无法胜任如此精密之工作 D:应采取紧急措施,全面检讨可能影响之因素,必要时需停线
例:
量19”面板Cell Gap值分别为3.43 、 3.44、 3.45、 3.45、3.46 、 3.45、 3.42、 3.44、 3.43、 3.41，请问其平均值为何？
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。
SPC(统计制程管制)
如何落實SPC 如何落實SPC
QIT活動 QIT活動
21
---CA--- 製程精確度
CA＝
A B
=
A
( USL-LSL ) 2
SJL062701
22
---Cp--- 製程精密度 Cp =
USL-LSL 6σ
到上，下 Spec. 不良率 +1σ +2σ +3σ +4σ +5σ +6σ 32% 5% 0.3% 64 PPM 0.6 PPM 2 PPB
規格 X 與
日本生產線SPC運用經驗
1960 時代 技術人員 技術人員 作業人員
退回
σ的計算
量 測 測 量 數據製圖 判 斷
1970 時代 技術人員 作業人員 作業人員 作業人員
允收
作業人員
停 線 初步 檢查 作業人員 對策 主管或技術人員
主管 主管 50% 50%
領班 領班 90% 10%
13
SJL062701
(統計製程管制) 統計製程管制)
如何落實 SPC
S. J. LIANG
SJL062701
1
品管七大手法中的管制圖(SPC) 1. 品管七大手法中的管制圖(SPC) 2. 1978~’80年，日本震撼美國商場的二件事 1978~ 80年，日本震撼美國商場的二件事 80 3. 什麼是 X 與 σ ? 如何進行製程能力解析? 4. 如何進行製程能力解析? 什麼是C 5. 什麼是CPK? 要多少才行? 6. CPK要多少才行? 如何進行製程穩定性分析? 7. 如何進行製程穩定性分析? 什麼是SPC的常態與異態? SPC的常態與異態 8. 什麼是SPC的常態與異態? 如何達到C 水準? 9. 如何達到CPK水準? 改善循環(戴明循環) 10. 改善循環(戴明循環)- - - -PDCA, SDCA 11.如何落實 如何落實SPC? 11.如何落實SPC? 12.總結 總結: 12.總結: 實施 T. Q. M. 13.SPC 推動失敗原因 SJL062701
SPC-统计制程管制
等級評定:
等級評定後處置原則(Cpk 等級之處置)
等級
Cpk 值
A 1.33≦Cpk
B
1.0≦Cpk＜1.33
A 級:製程能力足夠。 B 級:製程能力尚可，應再努力。
C
Cpk＜1.0
C 級:製程應加以改善。
Cpk –制程能力指数(综合指数)
LSL
m
X USL
σ—标准差
何谓标准差(σ) ?
希腊文字里的 sigma小写符号– σ--是统计学符号。代表 母体的“标准偏差”. （Standard Deviation）
百万分之缺点数
± 1σ
68.26
317400
± 2σ
95.45
45500
± 3σ
99.73
2700
± 4σ
99.9937
63
± 5σ
99.999943
0.057
± 6σ
99.9999998
0.002
6σ概念
规格中心往左往右偏移1.5σ
± kσ ± 1σ ± 2σ ± 3σ ± 4σ ± 5σ ± 6σ
規 格 下 限
LSL
管 制 下 限
LCL
左右移動 1 .5σ
σ
-6 -5 -4 -3 -2 -1 0 1
管 制 上 限
UCL
規 格 上 限
USL
23 4 5 6
百分比（%）
百万ቤተ መጻሕፍቲ ባይዱ之缺点数
30.23
697700
69.13
308700
93.32
66810
99.3790
6210
99.97670
233
99.999660
SPC统计制程控制
如Ca，Cp， Cpk，及管制 圖上點的變化
管理當局參與及製 程人員合作去改善
系統改善對策
必須改善造成變異的機遇原因 經常需要管理階層的努力與對策 大約可以解決85%之制程上的問題
制作:品管部
顯示散佈原因
組內變異(Within)
Time 1 Time 2 Time 3 Time 4
• 称为 短期 (st) • 我们的潜在能力 - 能做得
─ 為什麼挑出這些制程參數？ ─ 這些制程參數的控制條件，是如何決定的？ ─ 這些制程參數與產品品質之間，有因果關係可循嗎？
制作:品管部
SPC 的焦點 → 制程 ( Process )
SPC 與傳統 SQC 的最大不同點，就是由
Q → P 的轉變 SQC：強調 Quality → 產品的品質，換言之，
在管制規格內
• 接下來，就可依顧客的『要求 ( 規格 )』，來評 定『制程能力』，以使顧客滿意，這就是持續 改善的基礎。
Cpk > 1.33
制作:品管部
制程控制
受控
(消除了非機遇原 因)
範圍 →
不受控
(存在了非機遇原因)
制作:品管部
範圍 →
制程能力
受控，能力符合要求
(機遇原因造成的變異已減少) 規格下限 →
• 預防 ─ 避免浪費
『第一次就把工作做對』
制作:品管部
變異—機遇原因與非機遇原因
• 為了使變異的表示簡化，通常分成下列二 種： 機遇原因的變異
制程中變異因素是在統計的管制狀態下『受 控』。
隨著時間的推移，具有穩定的且可重複的分佈 制程中的許多『全距』的原因。
非機遇原因的變異
制程中不常發生，但造成制程變異的原因。 所造成之分佈與時間的關係，是不穩定且不 無法預期的。
SPC-统计制程控制
SPC-统计制程控制一. 为何要使用SPC(1) 什么是SPCSPC（Statistical Process Control）统计制程控制，是企业提高品质管理水准的有效方法。
它利用数理统计原理，通过检测数据的收集和分析，可以达到“事前预防”的效果，从而有效控制生产过程，不断改进品质。
(2) 为何用SPCSPC能为您科学地区分生产过程中的正常变化与异常变化，及时地发现异常状况，以便采取措施消除异常，恢复制程的稳定，达到降低品质成本，提高产品品质的目的，它强调全过程的预防与管制，它会告诉您生产过程的变化状况，您是否应该对生产过程进行调整。
(3) SPC为您带来巨大效益作为全球制造业所信赖和采用的品质改进工具，SPC能帮助您最终达到6 Sigma 品质水平，即3.4ppm，SPC还将为您带来巨大效益：品质稳定可以带来客户更大的满意度，增加订单，减少变异可以大大降低不良品重工和停工的损失，节省大量时间和金钱，高品质可以大大提升企业的竞争优势。
(4) SPC效果提升◆满足客户在制程质量问题上的各种要求◆实时查看某部门、某客户、某产品的质量走势◆实时监控各生产工序的质量波动◆全面掌控全厂的质量状况◆生产制程良好、稳定◆建立让全厂质量问题能够在还未出现时, 就能预防和采取措施体系, 以向6σ方向迈进◆制定完整运作模式, 避免因人员因素而波动◆建立对SPC的正确观念◆达到各部门与质量方面的沟通改善二. 为何选择『品冠』SPC1. 适应大中小型及不同性质企业『品冠』SPC按使用方式分为单机版、网络版与授权版，按功能结构可分为简易版、标准版、专业版及自定义版本，同时适用于电子、塑料、五金、机械、化工等各种类型的行业，企业可根据实际情况自行选择；2. 多层应用权限综合管理『品冠』SPC不仅仅是工具，还是强大的管理平台，具有针对用户、工序、客户、产品类型等层阶式综合管理能力，使得集团化管理得心应手；3. 多种数据采集方式系统可以连接多种型号的生产设备及分析仪器，具有灵活的数据导入接口，自定义仪器数据接口，达到自动化数据导入及控制的目的；同时也可与其它系统或外部文件进行数据共享，如SAP等大型ERP系统，轻松实现企业内部各应用系统间的互补；4. 自主研发的图形生成及品质监控技术自主研发的图形生成技术，使图形分析更加专业，更能满足用户的需求，监控及生成图形的速度也有了明显的提高，能及时对生产过程产生的海量数据进行综合监控和分析；5. 自动实时全方位监控和报警『品冠』SPC具备多种监控平台，如计数值品质监控、单品质监控、多品质监控、计数值监控、机台监控、多窗口滚动监控等，使用者可以清楚地了解生产质量状况，系统自动进行异常侦测，一有异常发生，自动报警，并以各种形式通知相关部门，如E-mail、异常报告、声光报警等；6. 数据多点分布式采集集中管理系统包含人员手工输入、仪器自动采集、条形码扫描加载、外部数据导入等多种数据收集方式，可由基层生产操作人员收集质量抽检数据，品质管理部门直接调用绘制各种分析图形，质量监督部门及有关领导可以在网上查询状态和结果；7. 丰富的图形分析及统计功能提供一百多种分析图表及几十项品质指标，可以实现多数据、多图表、多角度的全方位分析，从不同层面查找问题，准确无误的发现生产过程存在的隐患，对症下药，及时采取行动，如有需要可以多种形式输出；8. 多因素分析决策与品质持续改进『品冠』SPC提供业界丰富的统计图表及多种统计参数，可根据客户的品质目标自动得出分析结论，给出建议措施，针对不受控特性协调相关部门采取改善行动，即OCAP（不受控应对计划），从而通过D-M-A-I-C 模式实理持续改善，达到六西格玛管理。
- 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)。
建立管制圖的步驟
步驟一：選擇品質特性
步驟二：選取合理樣本
步驟三：蒐集數據 步驟四：決定試用管制界限 步驟五：建立修正後的管制界限 步驟六：管制圖延續使用
管制界限的決定
以試用管制界限 與試用中心線繪 製管制圖
是否有樣本點落在 管制界限之外或是 呈系統狀的排列？
是
剔除由可歸屬原因 所造成的樣本點
計量值管制圖 中 心 線(CL) 管制上界(UCL) 管制下界(LCL) 附 註
x
x R 管制圖 x 管制圖 R 管制圖
x S 管制圖 管制圖 S 管制圖
x MR x 管制圖
x
管制圖 MR 管制圖
MR
D 4 MR D3 MR
x
x A2 R x A2 R
R
D4 R D3 R
x
x A3 S x A3 S
S
B4 S B3 S
x 3 x 3
MR d2 MR d2
A2、A3、B3、B4、D3、D4、d2 的大小與每組的樣本數 n 有關
管制圖的實例(1)
Accton 終測製程，蒐集到 10 組樣本，每組 100 個， 各組樣本不良個數如下，請繪製不良數管制圖
樣本編號 不良個數 不良率 1 10 0.10 2 15 0.15 3 31 0.31 4 18 0.18 5 26 0.26 6 12 0.12 7 25 0.25 8 15 0.15 9 8 0.08 10 8 0.08 總計 168
虫翴 计
.7 0 0 7 3 0 0 .6 0 .4 0 .2 0 .0 1 5 1 0 妓 セ 1 5 2 0 .1 4 6 7 5 4
計量值管制圖
特性
可以獲得較多的製程資訊
兩兩一組使用---同時作平均值的控制與變異的控制
種類
管制圖 xR 管制圖 xS 管制圖 x MR
重新決定管制 界限行管制
管制圖的判讀(1)
判斷失控的規則
樣本點落在管制界限之外
連續9點在同側的C區或C區之外
UCL
A B C CL C B A LCL
管制圖的判讀(2)
連續6點持續地上升或下降
UCL A B C CL C B A LCL
連續11點交互一升一降
R a n g eM e a n : .0 2 2 7 6 0S ig m a : .0 0 8 4 5 5n : 5 0 .0 6 0 .0 4 0 .0 2 0 .0 0 1 5 1 0 妓 1 5 セ 2 0 2 5 .0 4 8 1 2 6 .0 2 2 7 6 0 0 .0 0 0 0 0
計算簡單
能夠同時對不同的品質特性做整體性的控
制 種類
p管制圖 np管制圖
c管制圖
u管制圖
p 管制圖
p C h a r t ;M e a n : .0 2 3 3 4 6S i g m a : .0 1 2 6 3 7n : 1 4 2 .8 0 .0 7 0 .0 6 0 .0 5 0 .0 4 .0 6 1 2 5 8
變異的來源
機遇原因
來自於潛在的自然變異 消除它們的成本很昂貴
可歸屬原因
反應製程的不穩定 統計製程管制最主要的目的就是要快速的偵測出
製程中的可歸屬原因或是偏移的發生
管制圖
為一種特殊的趨勢圖，它可以表現出產品特 性的變化情形 管 制 圖 由 三 部 份 組 成 --- 管 制 界 限 (control
ぃ▆计
6 4 2 0 1 2 4 6 妓 セ 8 1 0 0 .0 0 0 0 0 4 .0 0 0 0 0
c 管制圖
c C h a r t ;M e a n : 2 0 .0 4 0 0S i g m a : 4 .4 7 6 6 1 4 5 4 0 3 5 3 0 2 5 3 3 .4 6 9 8
中心線---製程的平均品質水準。
管制圖的計算
計數值管制圖 中 心 線(CL) p 管制圖 p
p3
np 管制圖 np
c 管制圖
c u
u 管制圖
管制上界(UCL)
p 1 p u c 3 c np 3 np 1 p u 3 n n p 1 p u c 3 c np 3 np 1 p p3 u 3 管制下界(LCL) n n 若每組樣本的樣本數 n 不 若每組樣本的樣本數 n 不 每組的樣本大小 必須固定 n n 代替 n n 固定時，則採用 代替 n 附 註 固定時，則採用 若所計算出的管制下界小於 0 時，管制下界等於 0
x S 管制圖
X B A R M e a n : 7 4 .0 0 1 2P r o c .s i g m a : .0 0 9 8 3 0n : 5 7 4 .0 2 7 4 .0 1 7 4 .0 0 7 3 .9 9 7 3 .9 8 1 5 1 0 妓 1 5 セ 2 0 2 5 7 4 .0 1 4 4 7 4 .0 0 1 2 7 3 .9 8 8 0
管制圖的選擇
決定資料形態 計數值資料 資料為計算 點數或量測 值？ 計量值資料
計算缺點數 （卜瓦松資料）
計算不良 數或缺點 數？ 計算不良數 （二項資料）
使用 u 管制圖 否 樣本大小是 否固定？ 是 使用 c 管制圖
使用 x MR管制圖
是
樣本數是 否為 1？ 否
樣本大小 是否固定？ 否
是
使用 np 管 制圖
管制圖的實例(2)
168 CL p 0.168 1000 p (1 p ) 0.168(1 0.168) UCL p 3 0.168 3 n 100 0.280 LCL p 3 0.056 p (1 p ) 0.168(1 0.168) 0.168 3 n 100
管制圖的實例(3)
p C h a r t ;M e a n : .1 6 8 0 0 0S ig m a : .0 3 7 3 8 7n : 1 0 0 0 .3 5 0 .3 0 .2 8 0 1 6 0 0 .2 5 0 .2 0
ぃ▆计
.1 6 8 0 0 0 0 .1 5 0 .1 0 0 .0 5 0 .0 0 1 2 4 6 妓セ絪腹 8 1 0 .0 5 5 8 4 0
管制圖 x MR
X B A R M e a n : 1 6 .1 0 5 2P r o c .s i g m a : .0 2 1 0 4 8n : 1 1 6 .2 0 1 6 .1 7 1 6 .1 4 1 6 .1 1 1 6 .0 8 1 6 .0 5 1 6 .0 2 1 5 1 0 妓 1 5 セ 2 0 2 5 1 6 .1 6 8 3 1 6 .1 0 5 2 1 6 .0 4 2 1
統計製程管制(SPC)
內容大綱
統計製程管制的概念與做法
管制圖的建立
管制圖的判讀與異常處理
製程能力分析 量測系統的評估
製程管制之活動(2)
人性層面
提高工廠士氣 激勵與維持品質的意願
品質目標的溝通
目的
讓員工看見自己的生產品質
製程管制之責任劃分
責任人員 管制要點 查驗製程設定狀 況與回饋 首件檢查 工程中自我管制 巡檢稽核 異常原因追查與 糾正 主管 製造部門 組長 作業員 主管 品管部門 技術 工程師 巡檢稽核員 部門
翴计
2 0 1 5 1 0 5 0 1 5 1 0 妓 1 5 セ 2 0 2 5
2 0 .0 4 0 0
6 .6 1 0 1 8
u 管制圖
u C h a r t ;M e a n : 0 .7 0 0 7 3 0S i g m a : 0 .1 8 4 6 5 9n : 2 0 .5 5 1 .4 1 .2 1 .0 0 .8 1 .2 5 4 7 1
UCL A B C CL C B A LCL
管制圖的判讀(3)
相連3點中有2點在同側的A區或A區之外
UCL A B C CL C B A LCL
相連5點中有4點在同側的B區或B區之外
UCL A B C CL C B A LCL
管制圖的判讀(4)
連續15點在中心線上下兩側的C區
UCL A B C CL C B A LCL
limit)、中心線(center line)與樣本點
分為計數值管制圖與計量值管制圖兩種類型。
管制圖的例子
妓 セ 翴 U C L 恨
C L い み 絬 恨
L C L 恨 1 5 1 0 1 5 妓 セ 2 0 2 5
計數值管制圖
優點
使用 x S 管制圖
是
樣本數是否 大於10？ 否 使用 x R 管制圖
使用 p 管制圖
管制圖的原理
利用品質特性的發生機率來判斷是否有異常的
狀況發生
管制上下限與中心線
管制上下限
– 為平均數上下3個標準差 – 範圍內幾乎會涵蓋所有可能發生的狀況 – 超出管制界限範圍之外的狀況被視為異常
異常處理之流程
品質變異 現場檢討
異常通知單
品保 製造 技術 採購
對策
規範變更 設計變更 零件補救 現場整修 報廢 停止生產
恢復生產
與管制圖有關之常用分配
分配(distribution)：數值的分布狀況，用來
綜觀數值的中心位置與集中趨勢之用
二項分配 卜瓦松分配 常態分配 (Binomial distribution) (Poisson distribution) (Normal distribution) 假設製造過程中的不良 一件產品中的瑕疵個數 自然界中常見的分配， 率為 p，則任意從產線 或是一片 PCB 上的不 其機率分布的形狀類似 中抽取 n 個產品，而發 良焊點數 x 出現的機率 鐘，最主要的特徵是大 說 明 現不良品個數為 x 的機 將會服從卜瓦松分配的 多數的數據會集中在平 率將會服從二項分配的 形態。 均數附近，而極大與及 形態。 小的數據很少。 表示法 B( n , p ) P() N(, 2) 平均數 np 2 變異數 np(1-p) np(1 p ) 標準差 分 配