21_SPC入门
SPC培训教材资料教程
SPC培训教材资料教程一、SPC 概述SPC 即统计过程控制（Statistical Process Control），是一种借助数理统计方法的过程控制工具。
它通过对生产过程中的数据进行收集、分析和监控，来判断过程是否稳定，并及时发现潜在的问题，采取预防措施以避免不合格产品的产生。
SPC 的核心思想在于“预防为主”，而非传统的“事后检验”。
通过对过程数据的实时监控和分析，能够在问题发生之前就进行预警和干预，从而有效地提高产品质量、降低生产成本、增强企业的竞争力。
二、SPC 的基本原理SPC 的基本原理基于统计学中的正态分布。
在正常情况下，生产过程中的许多质量特性值都服从正态分布。
通过对样本数据的统计分析，可以计算出均值（μ）和标准差（σ）等参数。
控制图是 SPC 中最常用的工具之一。
常见的控制图有均值极差控制图（X R 控制图）、均值标准差控制图（X S 控制图）、中位数极差控制图（Me R 控制图）等。
控制图上通常有中心线（CL）、上控制限（UCL）和下控制限（LCL）。
当数据点落在控制限内，且呈现出随机分布的状态时，说明过程处于稳定状态；反之，如果数据点超出控制限，或者呈现出非随机的分布模式，如连续上升或下降、周期性变化等，则表明过程可能存在异常，需要进行调查和改进。
三、SPC 数据的收集数据收集是 SPC 实施的基础，其质量直接影响到后续的分析和决策。
在收集数据时，需要遵循以下原则：1、代表性：所收集的数据应能够代表生产过程的真实情况。
2、随机性：数据的采集应是随机的，避免人为的选择性采样。
3、样本大小：样本大小应根据过程的稳定性、控制图的类型以及对精度的要求来确定。
一般来说，样本数量越大，分析结果越准确，但同时也会增加成本和时间。
数据的收集可以通过人工测量、自动化检测设备或传感器等方式进行。
无论采用哪种方式，都要确保数据的准确性和可靠性。
四、控制图的绘制与分析1、选择合适的控制图类型根据所监控的质量特性的类型（计量型数据还是计数型数据）、数据的分布特征以及过程的特点，选择合适的控制图类型。
SPC重要培训(从入门到精通)
SPC统计制程管制
一、SPC的起源与背景 3、SPC的发展历程
推动品质的 活动
约每10年就出现一种关键的品质管理方法
1950-1960 SPC
1960-1970 QCC、SPC + brainstorming(头脑风暴)
1970-1980 1980-1990 1990-2000
TQM、QCC、SPC ISO9000、TQM、QCC、SPC
25
SPC统计制程管制
二、基本的统计概念
4、主要的统计参数-3 平方和 (S)
各数值与平均值之差之平方总和： S=Σ(X-X)2 变异数 [V(X)]
平方和除以数据个数： V(X)= S/n= Σ(X-X)2 /n 标准差 (σ)
变异数之开方：σ=√V= √S/n = √Σ(X-X)2 /n
26
SPC统计制程管制
◆于是落在μ±3σ之外的概率为100%一99.73%= 0.27%。 ◆而超过一侧，即大于μ-3σ或小于μ+3σ的概率为
0.27%/2=0.135%≈1 ‰ 。如正态分布曲线图。这个结 论十分重要。控制图即基于这一理论而产生。
15
SPC统计制程管制
二、基本的统计概念
2、正态分布的基本知识-7
◆不同的正态分配(1) (a) μ1≠μ2，σ 1=σ2
Ca = L1 /L2 L1 = X ─ SL L2 = (USL — LSL)/2
29
SPC统计制程管制
二、基本的统计概念
4、主要的统计参数-7
◆制程准确度—Ca的等级解说
Ca等级处置原则： A级：作业员遵守作业标准操作并达到规格的要求。 B级：有必要时可能将其改进为A级。 C级：作业员可能看错规格没按操作标准作业或检讨规格及作业标准。 D级：应采取紧急措施，全面检讨所有可能影响的原因，必要时得停止生产。
21六西格玛黑带 统计过程控制
统计过程控制（SPC）基础能力中心方明六西格玛黑带系列课程计量型数据控制图2习题4基本概念1计数型数据控制图3计量型数据控制图2习题4基本概念1计数型数据控制图3关于SPC 的一个例子●某工厂的Scrap 量达到了年度最低2%；●经理褒奖了那家工厂；●举行庆祝会：所有人都享用了丰盛的食物；●“所有人应该为自己的成就感到自豪！”S c r a p L e v e l (%)J F M A 2015年321举行party2015年4月：●Scrap 量连续2个月持续增加；●经理很想收回奖励；●“对成果的认可反而带来了反面效果。
”实现的的成果(改善)没有维持下去，Scrap 量又增多了。
●经理想要采取一些措施。
S c r a p L e v e l (%)J F M A M J 2015年3212015年6月：经理想收回奖励●Scrap 量增加到了2.6%，于是经理决定采取措施；●为了解决这个问题，经理召开了“特别会议”，强调完Scrap量的重要性后经理便离开了会议室。
●但是员工们都不知道应该做些什么；而且，除此之外他们还有其它需要改善的重要指标。
●所以他们没有采取任何为了减少Scrap 量的措施。
S c r a p L e v e l (%)J F M A M J J A S O N 2015年3212015年11月：No More “Nice Guy”●经理了解到从去年年末开始，Scrap 量在减少；●“情况正在好转！”（实际上并没有采取任何措施，但是经理不知道。
）●经理的结论：“强力的管理方式能带来好的结果！”S c r a p L e v e l (%)J F M A M J J A S O N D J F M A M J 2015年3212016年6月：经理的结论：“Tough Love Makes Things Happen”2016年S c r a p L e v e l (%)J F M A M J J A S O N D J F M A M J 2015年321SPC 导出了不同的结论……2016年UCLLCLSPC 导出了不同的结论…… 但是，理由是什么呢？●经理：●“嘿，我是根据data 做出决定的。
SPC统计方法基础知识
SPC统计方法根底知识1. 什么是SPC统计方法SPC，即统计过程控制〔Statistical Process Control〕，是一种通过统计方法来监控和控制生产过程的方法。
它的目标是保证生产过程中的产品质量稳定和一致性，从而提高产品的可靠性和一致性，并减少生产过程中的变异性。
SPC统计方法通过收集和分析生产过程中的数据，确定过程中的变异性。
通过建立控制图和指标，可以监测过程的变化，并及时采取控制措施。
SPC统计方法主要基于统计原理和数学模型，能够帮助生产企业实现质量改良和过程优化。
2. 控制图的根本原理控制图是SPC统计方法中最常用的工具之一，用于监控过程中的变化。
控制图的根本原理是根据过程中的样本数据，通过计算和分析统计指标，画出上下限控制线，观察样本数据是否在控制限范围内。
如果样本数据超过控制限，可能存在特殊因素导致过程变化，需要进行分析和处理。
常用的控制图包括平均控制图〔X图〕、范围控制图〔R图〕、极差控制图〔s图〕等。
平均控制图用于监控过程的中心位置，范围控制图用于监控过程的变异程度，极差控制图用于监控过程的变异程度。
3. SPC统计方法的应用场景SPC统计方法适用于各种生产过程的质量控制和监控，具体应用场景包括：•常变性过程：SPC可以帮助监控常变性过程的稳定性和变异性，如化工生产、电子制造等。
•不稳定过程：对于不稳定的过程，SPC可以帮助找出并消除特殊因素，提高过程的稳定性和一致性。
•高精度要求：对于需要高精度和高一致性的生产过程，SPC 可以帮助控制和优化过程，提高产品质量。
•具有统计规律性的过程：对于具有规律性的生产过程，SPC 可以帮助发现和解释过程中的规律，从而优化过程。
4. SPC统计方法的优点和挑战SPC统计方法具有以下优点：•实时性：通过实时监控过程中的数据，可以及时发现和处理过程变化，减少产品不合格率和质量问题。
•可靠性：SPC基于统计原理和数学模型，具有较高的可靠性和准确性，可以帮助寻找过程中的问题和改良方向。
SPC基础知识及常用计算方法
SPC基础知识及常用计算方法SPC基础知识一、SPC定义：1、SPC——统计制程管制：是指一套自制程中去搜集资料，并加以统计分析，从分析中去发气掘制程的异常，立即采取修正行动，使制程恢复正常的方法。
也就是说：品质不应再依赖进料及出货的抽样检验，而应该采取在生产过程中，认良好的管理方法，未获得良好的品质。
2、良好品质，必须做到下面几点：①变异性低②耐用度③吸引力④合理的价格3、变异的来源：大概来自5个方面：①机器②材料③方法④环境⑤作业人员应先从机器，材料方法，环境找变异，最后考虑人。
4、SPC不是一个观念，而是要行动的步骤一、确立制程流程——首先制程程序要明确，依据制程程序给制造流程图，并依据流程图订定工程品质管理表。
步骤二、决定管制项目——如果把所有对品质有影响的项目不论大小，轻重缓急一律列入或把客户不很重视的特性一并管制时，徒增管制成本浪费资料且得不赏失，反之如果重要的项目未加以管制时，则不能满足设计者，后工程及客户的需求，则先去管制的意义。
步骤三、实施标准化——欲求制程管制首先即得要求制程安定，例如：在风浪很大的船上比赛乒乓球，试部能否确定谁技高一筹，帮制程作业的安定是最重要的先决条件，所以对于制程上影响产品口质的重要原因，应先建立作业标准，并透过教育训练使作业能经标准进行。
步骤四、制程能力调查——为了设计、生产、销售客户满意且愿意购买的产品，制造该产品的制程能力务必符合客户的要求。
因此制程的能力不足时，必顺进行制程能力的改善，而且在制程能力充足后还必须能继续，所以在品质管理的系统中制程能力的掌握很重要。
步骤五、管制图运用——SPC的一个基本工具就是管制图，而管制图又分计量值管制图与计数值管制图。
步骤六、问题分析解决——制程能力调查与管制图是可筛提供问题的原因系由遇原因或非机遇原因所造成，但无法告知你确切的原因为何及如何解决决问题？解决问题？而问题的解决技巧，在于依据事实找出造成变异的确切原因，并提此对策加以改善，及如何防止再发生。
基础SPC统计概念讲义
基础SPC统计概念讲义SPC（Statistical Process Control）是一种通过统计方法对过程进行监控和控制的技术，可以帮助我们了解过程的稳定性和能力，并及时发现异常或者改进点。
在质量管理中，SPC常常被用于监测生产过程中的变异，并帮助我们做出有效的决策。
本文档将介绍SPC的基础统计概念，包括过程的稳定性、过程能力指数和常用的SPC图。
1. 过程的稳定性过程的稳定性是指在一定时间范围内，过程的输出是否在统计上保持稳定。
如果一个过程是稳定的，那么它的输出将在一个可接受的范围内变动，而不出现明显的趋势或者异常点。
相反，如果一个过程不稳定，那么它的输出将会出现较大的变异，这可能会导致产品质量的下降。
为了评估过程的稳定性，我们可以使用控制图来监测过程的输出。
2. 过程能力指数过程能力指数是用来评估过程的能力，即过程是否能够产生满足要求的产品。
通常，过程能力指数有两种常用的评估方法：Cp指数和Cpk指数。
Cp指数是通过计算过程的规格宽度和实际过程的变异程度来衡量过程的能力。
Cp指数越大，表示过程的能力越高，产品的规格范围与过程的变异能够很好地匹配。
Cpk指数是进一步考虑了过程中心偏移的指数，它除了考虑规格宽度和变异程度外，还考虑了过程中心与规格中心之间的距离。
Cpk指数越大，表示过程的能力越高，同时说明过程的中心较接近规格中心。
3. SPC图SPC图是一种通过可视化过程数据来帮助我们判断过程稳定性和能力的工具。
常用的SPC图包括控制图和能力图。
控制图是用来监测过程稳定性的图形化工具，常用的控制图有Xbar-R控制图、Xbar-S控制图和P控制图等。
•Xbar-R控制图可以用于监测过程的平均值和变异程度的稳定性，通过绘制过程的平均值以及样本的范围来判断过程是否稳定。
如果控制图中的点在控制线之间，在统计上就可以认为过程是稳定的。
•Xbar-S控制图与Xbar-R控制图类似，但使用样本标准差来代替样本范围。
SPC基础知识[1]
![SPC基础知识[1]](https://img.taocdn.com/s3/m/26e093d2561252d380eb6ec4.png)
2020/10/31
SPC基础知识[1]
課程大綱
• 直方圖統計 • 特性要因圖 • 圖形分析制程能力 • 制程能力指數 • 循環改善PDCA • 六個標准差的概念 • 六個標准差測量和統計 • 六個標准差工具
SPC基础知识[1]
直方圖
直方圖的定義、用途
• 將收集的測定值或數據之全距分為幾個相等區間作為橫軸，並將各區間 • 內之測定值所出現次數累積而成的面積以條狀方式排列起來所產生的圖 • 形，稱之為直方圖。
名詞解釋:
1. 次數分配: 將許多的複雜數據依其差異的幅度分成若干組,在各組內列入測定
2.
值得出現次數,即為次數分配.
2. 相對次數: 在各組出現的次數除以全部之次數.
3. 累積次數: 為自次數分配的測定值較小的一端將其次數累積計算,則成為
4.
累積次數
5. 4. 全距(R) : 在所有數據中的最大值和最小值的差
• ...............
• ............... • 23.15 + 0.5 = 23.65 （已大圖的作法
• 6. 求出各組的中心值 -- 各組上界加下界除以二
• Ex: （20.15 + 20.65）/ 2 =20.40 第一組中心值 • 7. 計算落在各組內的 次數
0.645 0.658 0.650 0.648 0.647 0.655 0.645 0.647 0.647 0.648
0.641 0.654 0.643 0.654 0.642 0.652 0.641 0.652 0.641 0.649
0.650 0.660 0.649 0.650 0.643 0.654 0.644 0.649 0.644 0.650
spc入门
“p” 圖
“np” “c” 圖 圖
“u” 圖
CASE STUDY
质量特性 长度 样本数 5 可选用什么图？
重量
乙醇比重
10
1
电灯亮／不亮
100
每一百平方米的脏点 100平方米
中央极限定理(正态分布)
样本与群体
群体 抽样 样本 测 试
管 理 分析
结论
数据
中央极限定理
群 体
N ( , 2 )
± 2σ
± 3σ ± 4σ
84.13%
50% 15.87%
控制界限与错误损失
Shewhart 用经济平衡点（Break even point）求得3σ的界限综合损失最小.
第一种错误 损失
两种损失的合计
第二种错误 损失
0σ
1σ
2σ
3σ
6σ
关于β风险的补充
在统计中通常采用α=1%，5%，10%三级，但 在控制图中为了增强使用者的信心，所以将α 定位0.27%，这样β就大，这就需要增加第二 类判异准则，即使点子不出界，但当界内的点 子排列不随机的时候也表示存在异常。
μ± 1.96σ
μ± 2σ
95.00%
95.45%
5.00%
4.55%
μ± 2.58σ
μ± 3σ
99.00%
99.73%
1.00%
0.27%
控制图的结构
UCL ：Upper control limit
测量特性 3 Sigma % 数据点的百分比 99.73 % 95.45 % 68.26 %
CL：Central Line
when, n 4, then N ( ,
2
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。
初级SPC培训教程
统计过程控制的实施过程
经由制程中去收集资料，而加以统计分 析，并从分析中发觉制程的变异，并经 由问题分析以找出异常原因，立即采取 改善措施，使制程恢复正常。再借由制 程能力分析与标准化，以不断提高制程 能力。
X ─ Rs (单值-移动极差控制图) U (单位不合格数控制图)
均值-极差图
---用于控制对象为长度、重量、强度、纯度、时间、 收率和生产量等计量值的场合，X图用于观察正态分 布均值的变化；R图用于观察正态分布的分散情况或 变异度的情况
均值-标准差图
---同均值-极差图，用标准差代替极差，R图计算方 便；但当n>10时，s图比R图效率高；最终替代R图
• 大量之微小原因所引起 • 原料在一定範圍內之微小變異 • 機械之微小振動 • 儀器測定時，不十分精確之做法 • 依據作業標準執行作業的變化 • 實際上，要除去制程上之機遇原因，是件非常不經濟之處置
异常因素：（通常也叫可查明原因）是指造成不是始终作用 于过程的变差的原因，即当它们出现时将造成（整个）过程 的分布改变。只用特殊原因被查出且采取措施,否则它们将继 续不可预测的影响过程的输出。
初级SPC培训教程
关于SPC
SPC——Statistical Process Control 既统计过程控制
定义：利用统计技术对过程中的各个阶段进行评 估和监察，建立并保持过程处于可接受的并且稳 定的水平，从而保证产品和服务符合规定要求的 一种技术。
统计过程控制的产生背景
二十世纪二十年代美国贝尔实验室的休哈特(W.A.Shewhart)博士首创过 程控制理论极其监控过程的工具—控制图形成SPC的基础，后扩展到任何可 以应用的数理统计方法。
SPC基础知识-4
销售额（万元）
100 80 60 40 20
●
●
●
●
●
●
●
●
●
●
●
●
0 1 2 3 4 5 6 7 8 9 10 11 12 时间（月）
年度销售额折线图
二、柱状图
－－是用长方形的高低来表示数据大小，并对数据进行比较分析。
一级品率
消耗
活圆形图。它是把数据的构成按比例用圆的扇形面积 来表示的图形。各扇形面积表示的百分率加起来是100％，即整个圆形面 积。
应用水平对比的步骤：
1. 确定对比的项目。 2. 确定对比的对象。 3. 收集资料。 4. 归纳、整理和分析资料。 5. 进行对比。
第二节 流程图
－－流程图就是将一个过程（如工艺过程、检验过程、质量改进过 程等）的步骤用图的形式表示出来。通过对一个过程中各步骤之间关系 的研究，一般能发现故障的潜在原因，知道哪些环节需要进行质量改进。
产品质量事故原因构成图
其他
环境引起 6.3％ 12.7％
测量引起 17.3％
操作者引起 42.5％
设备引起 21.2％
四、雷达图
－－雷达图是模仿电子雷达机图像形状的一种图形。它常用来检查 （包括自我检查和他人检查）工作成效。
－－雷达图一般可用极坐标纸根据要检查的若干项目数，从坐标原 点引出若干条射线，同时确定三条圆弧线分别表示被检查项目的理想水 平、平均水平、不理想水平。三条圆弧中相邻的两条中心线为界，把圆 内分出A、B、C三个区域。在圆心引出的射线上标明指标名称，把实际 情况（检查结果）根据比例在图中坐标点上点出相应的点子，连接各点 形成一个封闭的折线。闭环折线的形状反映出被检查项目的总状况和特 点。
- 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)。
Std Dev
X bar
LCL= B3 s CL = s UCL= B4 s
LCL = X − A 3 s CL = X UCL = X + A 3 s
) σ = s / c4
Where the Xbar & s Control Chart constants (A3, B3, B4 and c4) have been tabulated for various sample sizes (see Appendix)
群 (平均值) (n>1) X-Bar R X-Bar S
单个数值 (n=1) 单值移动极差 （ I-MR ）
注: X-Bar S 适合 于群大小 (n) > 10
如果你知道Bad数量, 那你知道good数量吗？
泊松分布
二项分布
每个样本的概率面积不变? (样本数不变吗?) 否 u图 是 c图
样本数不变?
SPC入门- 31
Xbar & s Control Chart Limits
The standard deviation can be used instead of the range in variables control charts. Then the Xbar & s Control Chart limits are:
<他得出结论: “强硬的管理方式获得成功！”
经理断定： 经理断定： “粗暴的爱产生奇迹” “粗暴的爱产生奇迹” 3 废品率(%) (%) 废品率
2 1 1 12 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 10 10 11 11 12 12 1 1 2 2 3 3 4 4 5 5 6 6 1996
SPC入门- 12
1997
变异案例: 特殊与一般要因
在控制图上这个数据 看上去像什么？
SPC入门- 13
真实的故事!! “来自流程的声音”
3 废品率(%) (%) 废品率
UCL
2 1 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 10 10 11 11 12 12 1 1996 1997
9工厂的废品率达到年度的低点1.5% 9经理给全厂颁奖 9仪式在餐厅进行：为所有的人准备了比萨饼和各种点心和饮料！ 9“每个人都应为你们取得的成就感到骄傲”
3 废品率(%) (%) 废品率
2 晚会时间 晚会时间 1 1 12 23 3 4 4 1996 1997
SPC入门- 8
1996年7月
q 连续3个月废品率上升 q 经理想要收回他的奖励 q 不但没有保持已有的成绩, 废品率却直线倒退 q 经理决定： “奖励适得其反。这群人需要强硬的管理!”
当只有一般要因变异存在时，流程处于稳定的， 稳定的 可预 测的，和受控的状态 受控的
SPC入门- 17
变异的种类
特殊要因（信号）
– – – – 不可预测 与一般要因变异相比相对大得多 由单个的扰动或其系列的组合导致 通过基本的流程控制和监控可以消除/减小
“一般与特殊”
一个流程存在特殊要因变异时，被称为 脱离控制 和 不 稳定
SPC入门- 24
“UCL 和 LCL” 与 “USL 和 LSL”
制作控制图时，两个常见的错误 #1) 将 规格限当作控制图的控制限 规格限 #2) 将 UCL 及 LCL 当作规格限使用 当您犯了上述错误时，控制图就只是一个检验工具，而不再 是控制图 UCL / LCL 和顾客所定义的不良品无直接关系 !
UCL
LCL
TIME
SPC入门- 21
“UCL 和 LCL” 与 “USL 和 LSL”
Upper Control Limits = UCL (控制上限) Lower Control Limits = LCL (控制下限) Upper Specification Limits = USL (规格上限) Lower Specification Limits = LSL (规格下限)
选择正确的控制图
计数型 – 不连续的，计数的数据
例: 1, 2, 3, 4 等… Good / Bad 设备1 , 2 , 3 ...
计量型 – 连续的，测量的数据
例: 重量 = 10.2 千克 厚度 = 11.211 厘米
SPC入门- 28
练习：数据是何种类型?
(1)
从生产线出来的变速器，其左前方螺栓扭矩
) σ = R / d2
A2, D3, D4 and d2 are constants based on statistical confidence intervals. These Xbar & R Control Chart constants (A2, D3, D4 and d2) have been tabulated for various sample sizes (see Appendix)
3 废品率(%) (%) 废品率
2 1 1 1 2 2 3 3 4 4 5 5 6 6 7 7 1996
经理想收回奖励 经理想收回奖励
1997
SPC入门- 9
1996年7月
q 连续3个月废品率上升 q 经理想要收回他的奖励 q 不但没有保持已有的成绩, 废品率却直线倒退 q 经理决定： “奖励适得其反。这群人需要强硬的管理!”
3 废品率(%) (%) 废品率
2 1 1 12 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 10 10 11 11 12 12 1996
不再 温和的管理 ”” 不再““ 温和的管理
1997
SPC入门- 11
1997年6月
<经理看到自从去年底以来，废品率降低了。“柳暗花明了！”
(记住: 实际上从来没采取任何措施来改善系统)
否 p图
是 np 图
SPC入门- 30
Xbar & R Control Chart Limits
The Xbar & R Control Chart limits are:
Range
X bar
LCL = D3 R CL = R UCL = D4 R
LCL = X − A 2 R CL = X UCL = X + A 2 R
(2) 从生产线出來的变速器，其螺栓平均扭矩 (3) 每一引擎中，螺栓遗漏数目 (4) 每一销售合同中打字错误数 (5) 月产量中，有多少引擎有缺陷 (6) 月产量中，有多少百分比的不良引擎
SPC入门- 29
选择正确的控制图
计量型 按群还是 按单值收 集的数据 ? 什么类型的数据 ? 计数型 缺陷数或 不良品? 特殊类型的 “缺陷” 不良品
UCL
LCL
TIME
SPC入门- 20
USL 和 LSL
规格上限 (Upper Specification Limits) = USL 规格下限 (Lower Specification Limits) = LSL
如果有数据点落在 UCL 和 LCL 之外， 是否意味着我们制造出对顾客而言的不良品?
下列之流程是否制造不良品?23
“UCL 和 LCL” 与 “USL 和 LSL”
流程控制限是由流程本身数据计算而来的 其以 +/- 3σ为基础 (99.73% 的预期流程变异落在此区 限中) 产品规格限不是来自控制图 了解流程如何满足顾客需求是非常重要的 要确认流程如何达到顾客需求， 必须进行 流程能力分析
SPC的实际案例分析 了解SPC通常遇到的问题 课堂练习-案例研究
SPC入门- 2
SPC的来源和背景
20世纪20年代- 美国西方电气公司的沃尔特·休哈特博士提 出 用于鉴别受控和不受控的变异
– 受控: 一般要因或固有的（噪声） – 不受控: 特殊要因或可归属的（信号）
尽力在所有的噪声中寻找工程信号 把控制图作为主要的工具
LCL
让流程来说话吧！！
SPC入门- 14
控制图讲述了一个不同故事─为什么？
经理 y“ 小子, 我是按照数据作出结论的─我怎么会错呢？” GB y“你的结论是把高、低点作为信号观察而得出的。实际上，那 都是噪声（一般要因变动）。看这数据，在工程中没有过明显的 变化 ”
经理断定： 经理断定： “粗暴的爱产生奇迹！” “粗暴的爱产生奇迹！”
SPC入门- 3
使用场合
在量化测量阶段对数据现况进行稳定性分析 测量系统分析也用到了控制图 在持续改进阶段用于关键因素的稳定性分析, 以及通过合理 化分组来分析组间变异 在控制阶段对指标的成果进行跟踪监控 我们的日常工作中到处可以用到控制图的方法 等等…
SPC入门- 4
漏斗效应: SPC贯穿项目改进的所有阶段
SPC入门- 18
控制图主要构成要素
UCL
监 控 特 性
标绘数据
中心线
LCL
数据依时间而变化
SPC入门- 19
UCL 和 LCL
控制上限 （ Upper Control Limits ） = UCL 控制下限 （ Lower Control Limits ） = LCL
依您所学，有多少％数据点落于 UCL 和 LCL 之间?
SPC入门- 25
Minitab - 控制图
SPC入门- 26
Minitab - 控制图练习
使用随机数据
– 请根据您工作中常用的流程数值为代表，设定平均值和标准差， 然后产生25个随机正态数据
制作一个单值控制图（Individual Chart） 根据时间的演进，注意其数值在 Y 轴上的变化
SPC入门- 27
3 废品率(%) (%) 废品率
2 1 1 1 2 2 3 3 4 4 5 5 6 6 7 7 1996