aby.统计技术培训(PPT 42)--质量控制图---SPC
合集下载
SPC培训课件
与否的依据 ;
LSL
事先设计的技术界限; 用于区分产品质量的好坏
控制上限 UCL 控制界限是依据从生产过程测定的质量分布数据来确定的 ;
控制下限 LCL 用于区分工序（制程）质量的好坏
中心线
CL 设计中心值，预测平均值
均值
一组测量值的均值
极差
R
分布宽 度
标准差 σ
样本
一个子组、样本或总体中最大与最小值之差 一个分布中从最小值到最大值之间的间距
μ—— 均值(位置参数) σ2 —— 方差 σ—— 标准差(形状参数) ±3σ—— 常用来表示变差大
小
第三部分 SPC的应用
3.1 控制图
控制图的功用
﹡现场人员了解过程变差，以达统计受控状态 ； ﹡有助于在质量上、在成本上持续可预测地保持下去 ； ﹡对已达到统计受控的过程采取措施 ； ﹡为现场人员、技术人员、设计人员、顾客等提供过程性能的共同语言
过程输出的分布宽度或从过程中统计抽样值（例如：子组均值）的分布宽度的量度，用希腊字母σ或字母s（用于样本标 准差）表示。 从一批产品中抽取一部分进行检验，被抽取的部分称为样本
第三部分 SPC的应用
3.1 控制图 -种类 控制图种类 依数据之性质来分类 ⑴ 计量值控制图 ⑵ 计数值控制图
依管制图之用途来分类 ⑴ 控制用控制图 ⑵ 解析用控制图
• 1.4 过程变差形态 - 两种性质的变差形态
1、如果仅存在变差的普通原因， 随着时间的推移，过程的输 出形成一个稳定的分布并 可预测 。
（普通原因）--随机波动
尺寸
2、如果存在变差的特殊原因， 随着时间的推移，过程的 输出不稳定。
（特殊原因）--异常波动
尺寸
预测
《SPC培训内容》PPT课件
n 1 ~ 5 pP
2021/6/10
34
建立p控制图的步骤B
B1计算过程平均不合格品率
B
计
算 控
B2计算上、下控制限
制
限 B3画线并标注
2021/6/10
35
计算平均不合格率及控制限
npnp1np2.. .npk
k
d1d2...dk n1n2...nk
中心线
CL
P
p
d n
UCL
p 3 p 1 p
21
各类控制图建立步骤及其QI输入设置
X-R图
• 分组时的考虑原则:组内变异小,组 间变异大。
• 至少应取25组或100个单值。
2021/6/10
22
建立X－R图的步骤A
A1选择子组大小、频率和数据
A 阶 段 A2 建立控制图及记录原始记录 收 集 A3 计算每个子组的均值X和极差R 数 据 A4 选择控制图的刻度
SQC：Statistical Quality Control SPC：Statistical Process Control
针对过程的重要控制参数 所做的才是SPC
Real Time Respose
原材料
PROCESS
测量
结果
2021/6/10
针对产品所做的 仍只是在做SQC
4
SPC包括的内容
• 1、控制图：(控制工具)
每 小 时 抽 至 少 3个 样 品 每 4小 时 至 少 取 3个 值 每 小 时 至 少 取 3个 值 每 小 时 至 少 抽 5个 样 本 每 批 至 少 5个 每 批 至 少 5个 每 小 时 观 察 记 录 1个 值
A5 将均值和极差画到控制图上
SPC培训PPT课件讲义
UCL CL
Control
计量值：
均值极差图 s规格标准差图 直方图
LSL
s
LCL
a
Ca Cp Cpk
四.SPC的基本观念
世上没有任何两件事.人员.产品是完全一样 制造过程中所产生之变异是可以衡量的 事情.产品的变异通常根据一定的模式而产 生 宇宙万物及工业产品大都呈常态分配 例如 :身高.体重.智力.考试成绩.所得分配 变异的原因可分为偶因及异因 偶因属管理系统的范围 异因却是作业人员本身就能解决的 应用SPC可以确保作业人员的自尊 应用SPC可以指出制程最需要改善的地方
正态分布中，任一点出现在 μ + σ内的概率为P(μ-σ<X< μ+σ) = 68.27% μ + 2σ内的概率为P(μ-2σ<X< μ+2σ) = 95.45% μ + 3σ内的概率为P(μ-3σ<X< μ+3σ) = 99.73%
不同的常态分配
(a)μ 1≠ μ 2，σ 1=σ
2
μ
1
μ
X
2
不同的常态分配
控制圖原理的第二種解釋
根據來源的不同，質量因素可以分成4M1E五個方 面。 但從對質量的影響大小來看，質量因素可分成 偶然因素(簡稱偶因)與異常因素(簡稱異因)兩類。偶 因是始終存在的，對質量的影響微小，但難以除去， 例如機床開動時的輕微振動等。異因則有時存在，對 質量影響大，但不難除去，例如車刀磨損、固定機床 的螺母鬆動等。
偶然因素（偶波）和異常因素（異波）
偶然因素之變異
１．大量之微小原因所引起,不可避免
２．不管發生何種之偶然原因，其個別 之變異極為微小 ３．幾個較代表性之偶然原因如下： （１）原料之微小變異 （２）機械之微小掁動 （３）儀器測定時不十分精確之作 法
Control
计量值：
均值极差图 s规格标准差图 直方图
LSL
s
LCL
a
Ca Cp Cpk
四.SPC的基本观念
世上没有任何两件事.人员.产品是完全一样 制造过程中所产生之变异是可以衡量的 事情.产品的变异通常根据一定的模式而产 生 宇宙万物及工业产品大都呈常态分配 例如 :身高.体重.智力.考试成绩.所得分配 变异的原因可分为偶因及异因 偶因属管理系统的范围 异因却是作业人员本身就能解决的 应用SPC可以确保作业人员的自尊 应用SPC可以指出制程最需要改善的地方
正态分布中，任一点出现在 μ + σ内的概率为P(μ-σ<X< μ+σ) = 68.27% μ + 2σ内的概率为P(μ-2σ<X< μ+2σ) = 95.45% μ + 3σ内的概率为P(μ-3σ<X< μ+3σ) = 99.73%
不同的常态分配
(a)μ 1≠ μ 2，σ 1=σ
2
μ
1
μ
X
2
不同的常态分配
控制圖原理的第二種解釋
根據來源的不同，質量因素可以分成4M1E五個方 面。 但從對質量的影響大小來看，質量因素可分成 偶然因素(簡稱偶因)與異常因素(簡稱異因)兩類。偶 因是始終存在的，對質量的影響微小，但難以除去， 例如機床開動時的輕微振動等。異因則有時存在，對 質量影響大，但不難除去，例如車刀磨損、固定機床 的螺母鬆動等。
偶然因素（偶波）和異常因素（異波）
偶然因素之變異
１．大量之微小原因所引起,不可避免
２．不管發生何種之偶然原因，其個別 之變異極為微小 ３．幾個較代表性之偶然原因如下： （１）原料之微小變異 （２）機械之微小掁動 （３）儀器測定時不十分精確之作 法
SPC统计过程控制培训课程(PPT97页).pptx
“”及“”风险定义
根据控制限作出的判断也可能产生错误。可能产生的错误
有两类。
第一类错误是把正常判为异常，它的概率为，也就是说 ，工序过程并没有发生异常，只是由于随机的原因引起了数据 过大波动，少数数据越出了控制限，使人误将正常判为异常。 虛发警报， 由于徒劳地查找原因并为此采取了相应的措施,从 而造成损失. 因此, 第一种错误又称为徒劳错误.
普通原因/异常原因
~
基础的统计量——平均值X、中位数X、极差R 标准偏差、S
1、数据的种类
计量型
特点：可以连续取值也 称连续型数据。
如：零件的尺寸、强度、 重量、时间、温度等
计数型
特点：不可以连续 取值，也称离散型数据 。
如：废品的件数、缺陷数
2、波动（变差）的概念：
波动的概念是指在现实生活中没有两件东西是完全一样的。生产 实践证明，无论用多么精密的设备和工具，多么高超的操作技术，甚至 由同一操作工，在同一设备上，用相同的工具，生产相同材料的同种产 品，其加工后的产品质量特性（如：重量、尺寸等）总是有差异，这种 差异称为波动。公差制度实际上就是对这个事实的客观承认。
消除波动不是SPC的目的，但通过SPC可以对波动进行预测和控制 。
波动的原因：
材料
机器
人员
• 正常波动：是由普通(偶然)
原因造成的。如操作方法的微 小变动、机床的微小振动、刀 具的正常磨损、夹具的微小松 动、材质上的微量差异等。正 常波动引起工序质量微小变化， 难以查明或难以消除。它不能 被操作工人控制，只能由技术、 管理人员控制在公差范围内。
原料
PROCESS
测量 结果
针对产品所做的仍 只是在做SQC
二、SPC的目的
SPC培训讲义(PPT 47页)
A2、建立控制图及记录原始数据；
A3、计算每个子组的均值X和极差R；
A4、选择控制图的刻度；
选择子组大小、数量和抽样原则： 每组样本数：4-5； 子组数要求：最少25组共100个样本； 抽样原则：组內变差小，组间变差大；
子组大小 子组数量 抽样原则
A.3 计算每个子组的均值（X）和极差（R）
99.73% 95.45%
68.26%
-3σ -2σ -1σ μ +1σ +2σ +3σ
LCL
CL
UCL
LCL
UCL
CL
CL
UCL
LCL
0.27 %
七、 建立X-R控制图的四步骤：
A、确定控制对象收集数据 B 、计算控制限并作图 C、过程控制解释 D 、过程能力解释
Ａ阶段 收集数据
步骤A：
A1、选择子组大小、数量和抽样原则；
=1.68
Minitab 计算的工序能力：
手算结果与Minitab 计算结果基本提高过程能力指数的途径：
一、调整加工过程的分布中心，减少偏移量； （即使分布中心更靠近规格中心，“更准”）
二、提高过程能力减少分散程度即减小σ； （即使尺寸分布范围尽可能小，“更瘦”，以Cp为例，达到1.33即4σ/3σ， 达到1.67即5σ/3σ。从1.33到1.67的提高，形象地说就是原来容纳4σ的空 间现在容纳了5个σ）
一、什么是SPC
SPC：
“Statistical Process Control”之缩写,意为 “统计过程控制”
统计过程控制：
主要是指应用统计分析技术对生产过程进行实时监控， 科学的区分出生产过程中产品质量的随机波动与异常波动， 从而对生产过程的异常趋势提出预警，以便生产管理人员及 时采取措施，消除异常，恢复过程的稳定，从而达到提高和 控制质量的目的。
A3、计算每个子组的均值X和极差R；
A4、选择控制图的刻度；
选择子组大小、数量和抽样原则： 每组样本数：4-5； 子组数要求：最少25组共100个样本； 抽样原则：组內变差小，组间变差大；
子组大小 子组数量 抽样原则
A.3 计算每个子组的均值（X）和极差（R）
99.73% 95.45%
68.26%
-3σ -2σ -1σ μ +1σ +2σ +3σ
LCL
CL
UCL
LCL
UCL
CL
CL
UCL
LCL
0.27 %
七、 建立X-R控制图的四步骤：
A、确定控制对象收集数据 B 、计算控制限并作图 C、过程控制解释 D 、过程能力解释
Ａ阶段 收集数据
步骤A：
A1、选择子组大小、数量和抽样原则；
=1.68
Minitab 计算的工序能力：
手算结果与Minitab 计算结果基本提高过程能力指数的途径：
一、调整加工过程的分布中心，减少偏移量； （即使分布中心更靠近规格中心，“更准”）
二、提高过程能力减少分散程度即减小σ； （即使尺寸分布范围尽可能小，“更瘦”，以Cp为例，达到1.33即4σ/3σ， 达到1.67即5σ/3σ。从1.33到1.67的提高，形象地说就是原来容纳4σ的空 间现在容纳了5个σ）
一、什么是SPC
SPC：
“Statistical Process Control”之缩写,意为 “统计过程控制”
统计过程控制：
主要是指应用统计分析技术对生产过程进行实时监控， 科学的区分出生产过程中产品质量的随机波动与异常波动， 从而对生产过程的异常趋势提出预警，以便生产管理人员及 时采取措施，消除异常，恢复过程的稳定，从而达到提高和 控制质量的目的。
质量管理-spc控制图培训课件
74.008 74.011 74.002 74.009 74.015 74.014 73.005 73.988 74.004 73.995 73.990
73.996 74.007 73.984 74.007 73.996 74.007 74.000 73.997 74.003 74.003 74.009 74.014 74.010 74.013
准则5:连续3点中有2点在同侧B区以外
UCL A
B C CL C
B LCL A
准则6:连续5点中有4点在同侧C区以外
UCL A
B C CL C
B LCL A
准则7：连续15个点在C区内
准则8：连续8个点都不在C区内
UCL A
B C CL C
B LCL A
UCL A
B C CL C
B LCL A
常规控制图分析和应用
②解决方法是：根据两种错误所造成的总损失最小来确定最优间距 ，经验证明休哈特所提出的3σ方式较好。
注：80年代，出现了经济质量控制EQC学派（学术带头人：德国 乌尔茨堡大学冯·考拉尼教授）以使两种错误所造成的总损失最 小为出发点来设计控制图与抽样方案。
七、3σ方式
3σ方式的公式： UCL=μ+3σ CL=μ LCL=μ-3σ
u 控制图 c 控制图
选择合适的控制图
是
计量型数据吗？
否
性质上是否均匀
或不能按子组取样？
是
否
子组容量≥ 9？
否 是
关心的是 不合格品率吗？
是
否
样本容量
是否恒定？
是
否
np或p图 p图
关心的是 单位零件缺陷数吗？
是
样本容量 是否恒定？
统计过程控制SPC培训教材ppt课件
方 法
材 料
人 员
机 器
中要因
中要因
中要因
中要因
小要因
如何做
小要因
*
6. 直方图（Histogram；亦称柱状图）：将所收集的测定特性值或结果 值，分为几个相等的区间作为横轴，并将各区间内所测定的特性值或 结果值依所出现的次数累积而成的面积，用柱子排起来的图形，称为 直方图。亦即指用来对特征数据进行分级整理，将杂乱无章的资料， 解析出其规律性，以得出其分布特征的统计分析的方法。
与要求相比偏高
与要求相比偏低
正常
SL=130
Sμ=160
20 15 10 5
*
7. 控制图（Control Chart）：用来表示一个过程特性的图象，图上标 有根据那个特性收集到的一些统计数据，如一条中心线、一条或两条 控制限，它能减少I类错误和Ⅱ类错误的净经济损失。它有两个基本 的用途：一是用来判定一个过程是否一直受统计控制；二是用来帮助 过程保持受控状态。亦即指附有控制界限的图表，用以描述样本数据 与界限比较。若数据超出界限或出现“链”及非随机图形，表示过程 存在特殊原因变差，则应采用适当的措施加以消除。 7.1 Ⅰ类错误：拒绝一个真实的假设。例如：采取了一个适用于特 殊原因的措施而实际上过程还没有发生变化；即过度控制。 7.2 Ⅱ类错误：没有拒绝一个错误的假设。例如：对实际上受特殊 原因影响的过程没有采取适当的措施；即控制不足。 7.3 计数值控制图与计量值控制图的应用比较：
*
铸造车间产品生产废品统计表
*
5. 特性要因分析图（Characteristic Diagram ；亦称石川图或鱼骨图/鱼刺图 或因果图）：指将造成某项结果的众多原因，以有系统的方式来表达结果 （特性）与原因之间的关系图表。 5.1 因果图（Cause-and-Effect Diagram）：一种用于解决单个问题的简 单工具，它对各种过程要素采用图形描述来分析过程可能的变差源， 也被称作鱼刺图（以其形状命名）或石川图（以其发明命名）。 A）、某项结果的形成，必定有其原因，应设法利用图解法找出其原 因来，这个概念是由日本品管大师石川馨博士提出的。 B）、特性要因图是利用5M+1E：人员（Man）、机器（Machine）、材 料（Material）、方法（Method）、测量（Measurement）、环 境（Environment）等五大类加以分析及应用的。
材 料
人 员
机 器
中要因
中要因
中要因
中要因
小要因
如何做
小要因
*
6. 直方图（Histogram；亦称柱状图）：将所收集的测定特性值或结果 值，分为几个相等的区间作为横轴，并将各区间内所测定的特性值或 结果值依所出现的次数累积而成的面积，用柱子排起来的图形，称为 直方图。亦即指用来对特征数据进行分级整理，将杂乱无章的资料， 解析出其规律性，以得出其分布特征的统计分析的方法。
与要求相比偏高
与要求相比偏低
正常
SL=130
Sμ=160
20 15 10 5
*
7. 控制图（Control Chart）：用来表示一个过程特性的图象，图上标 有根据那个特性收集到的一些统计数据，如一条中心线、一条或两条 控制限，它能减少I类错误和Ⅱ类错误的净经济损失。它有两个基本 的用途：一是用来判定一个过程是否一直受统计控制；二是用来帮助 过程保持受控状态。亦即指附有控制界限的图表，用以描述样本数据 与界限比较。若数据超出界限或出现“链”及非随机图形，表示过程 存在特殊原因变差，则应采用适当的措施加以消除。 7.1 Ⅰ类错误：拒绝一个真实的假设。例如：采取了一个适用于特 殊原因的措施而实际上过程还没有发生变化；即过度控制。 7.2 Ⅱ类错误：没有拒绝一个错误的假设。例如：对实际上受特殊 原因影响的过程没有采取适当的措施；即控制不足。 7.3 计数值控制图与计量值控制图的应用比较：
*
铸造车间产品生产废品统计表
*
5. 特性要因分析图（Characteristic Diagram ；亦称石川图或鱼骨图/鱼刺图 或因果图）：指将造成某项结果的众多原因，以有系统的方式来表达结果 （特性）与原因之间的关系图表。 5.1 因果图（Cause-and-Effect Diagram）：一种用于解决单个问题的简 单工具，它对各种过程要素采用图形描述来分析过程可能的变差源， 也被称作鱼刺图（以其形状命名）或石川图（以其发明命名）。 A）、某项结果的形成，必定有其原因，应设法利用图解法找出其原 因来，这个概念是由日本品管大师石川馨博士提出的。 B）、特性要因图是利用5M+1E：人员（Man）、机器（Machine）、材 料（Material）、方法（Method）、测量（Measurement）、环 境（Environment）等五大类加以分析及应用的。
SPC培训课件(PPT90页).pptx
n ＝ 4 为偶数
数据为 25.0 , 25.4, 25.5 , 25.6, 时
Me 子组中位数的平均值
2020/12/14
13
科华咨询
统计方法应用基础----基本的统计量
R 子组极差。子组观测值中的极大值与极小值之差
R=Xmax -Xmin
子组极差的平均值 R
MR 移动极差：在单值图情况下，极差，即两个相邻观 测值的差值的绝对值，如，|X1－X2|，|X2－X3|，等等。
No 采用p图
Yes 采用np图或p图
关心的是不合格 品数-即单位零件
不合格数吗?
Yes
样本容量是 否恒定?
Yes 采用c图或u图
No 采用u图
性质上是否均匀或不 能按子组取样-如:化
学槽液批量油漆等? No
子组均值是否容 易计算?
Yes
No 采用中位数图（X-R）
Yes 采用单值图X-MR
子组容量是否 No
2020/12/14
7
科华咨询
变差的原因
❖ 普通原因： 造成变差的一个原因，它是过程所固有的，始
终存在的,对质量的影响微小，但难以除去 。 例如：机床开动时的轻微振动。
❖ 特殊原因： 非过程所固有，有时存在，有时不存在，对质
量影响大，但不难除去。 例如：车刀的磨损。
2020/12/14
8
科华咨询
2020/12/14
21
科华咨询
采用均值描述的正态分布规律
2020/12/14
22
科华咨询
采用标准差描述的正态分布规律
2020/12/14
23
正态分布概率
99.73% 95.45%
科华咨询
SPC培训资料(PPT 48页)
1.SPC系统规划 2.图形分析 3.找到改善方案 4.形成书面预防书面措施
9.系统规划
一.基本资料的规划
1.产品类别 2.缺点类别 3.缺点项目 4.检验工作站 5.层别条件项目 6.计量管制点 7.抽样计划
8.用户及权限 9.检验单位 10.表尾格式
二、运作规划
1.相关人员权责规划 2.SPC运作流程
例子說明 II :
Cpk ==LUS(CU2LLS0-L-1L-2C)/(L22-)8/3[)s1*d[-]1(-(1-6X-15)/4] = (8)/14 * [0.75] = 0.4286 Since : Cp = 0.57
Cpk = USL - LSL [ 1 -( - X UCL - LCL )/3sd]
㈣箭线图：对事件做好进程及计划管理
㈤PDPC法：如何做一个完整的计划
㈥矩阵数学解析法：对多个变动且复杂的因素
进行解析清楚
㈦关联图：把有关系的各种因素串起来
新七工具的簡介㈡
㈠亲和图（Affiliate Chart）
即KJ法：（1953年，日本川喜田二郎）
大量收集各种数据、资料，按事物之间的亲和性(相近性)整理、且归纳， 使问题明确明了，取得统一认识和协调工作，以利于问题解决的一种方法
如大多數數據是在 2 內, 其可責受之
（正规分布图二如下）
百份比約為 95% 95
%
47.72%
47.72%
m-2
m
m+2
18. SPC 的基本原理 V :
如大多數數據是在 3 內, 則其可接受 比例約為 99.73%99.73%
（正规分布图三如下）
49.865%
49.865%
9.系统规划
一.基本资料的规划
1.产品类别 2.缺点类别 3.缺点项目 4.检验工作站 5.层别条件项目 6.计量管制点 7.抽样计划
8.用户及权限 9.检验单位 10.表尾格式
二、运作规划
1.相关人员权责规划 2.SPC运作流程
例子說明 II :
Cpk ==LUS(CU2LLS0-L-1L-2C)/(L22-)8/3[)s1*d[-]1(-(1-6X-15)/4] = (8)/14 * [0.75] = 0.4286 Since : Cp = 0.57
Cpk = USL - LSL [ 1 -( - X UCL - LCL )/3sd]
㈣箭线图：对事件做好进程及计划管理
㈤PDPC法：如何做一个完整的计划
㈥矩阵数学解析法：对多个变动且复杂的因素
进行解析清楚
㈦关联图：把有关系的各种因素串起来
新七工具的簡介㈡
㈠亲和图（Affiliate Chart）
即KJ法：（1953年，日本川喜田二郎）
大量收集各种数据、资料，按事物之间的亲和性(相近性)整理、且归纳， 使问题明确明了，取得统一认识和协调工作，以利于问题解决的一种方法
如大多數數據是在 2 內, 其可責受之
（正规分布图二如下）
百份比約為 95% 95
%
47.72%
47.72%
m-2
m
m+2
18. SPC 的基本原理 V :
如大多數數據是在 3 內, 則其可接受 比例約為 99.73%99.73%
（正规分布图三如下）
49.865%
49.865%
- 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)。
≥1.67 Ⅲ Ⅱ Ⅰ
过程能力指数
≥1.33---1.67 ≥1---1.33
≥0.67---1
Ⅳ
Ⅴ
Ⅵ
Ⅲ
Ⅳ
Ⅴ
Ⅱ
Ⅲ
Ⅳ
<0.67 Ⅶ Ⅵ Ⅴ
17
五、质量控制图---SPC
过程
控制
输入
过程 资源
输出
18
过程的波动性
稳定的过程
经时间变化仍 稳定 可预测 变化主要由偶 然因素引起
不稳定的过程
随时间而变化 不可预测 变化同时来源于 偶然和系统因素
3
（二）统计技术的应用特点
对总体及总体平均数进行估计 比较两个或多个数量之间的差异 性 生产过程的预测及控制 物料/产品的验收---抽样方案
4
（二）统计技术的应用特点
对影响事物的变量因素进行分析 确认变量之间的相关性 分析因变量和自变量间的回归关 系 试验设计
5
（三）统计技术的应用领域
质量管理 安全评价---风险分析 市场分析 产品设计 气候、环境预测
影响因素
特点
处理
偶然因素
始终存在；方向随机；影响小； 难控制
/
系统因素
时有时无；方向确定；影响大， 可以控制
严加控 制
21
五、质量控制图---SPC
2、质量波动的规律性
计量数据：服从正态分布，μ、σ不 变 计数数据：服从二项分布或泊松分 布
22
五、质量控制图---SPC
（一）对生产过程质量进行预测和控制的 手段 高质量的要求是：
Cpk 1
5、生产条件或质量改进后应重新设计控制 图
28
五、质量控制图---SPC
（五）不同控制图的检出力和适用范围不同
X>X~>X（X 检出力量强，控制强度高，且有较强 通用性）； S>R>MR（S因检出力量强，但因要求样本大
小
10，但计数复杂，较少用）。
29
五、质量控制图---SPC
(六) X 平R均值---极差控制图
19
五、质量控制图---SPC
过程及过程控制系统
有反馈的过程控制系统模型
过程的呼声 统计方法
人
设备 材料 方法 环境
我们工作 产品 的方式/ 或 资源的融合 服务
顾客
识别不断变化 的需求和期望
输入 过程/系统 输出
顾客的呼声
过程控制系统
20
五、质量控制图---SPC
产品质量的统计特性
1、质量的波动性
---适用于数据可以分组的场合 可提高检出力
30
五、质量控制图---SPC
(七)X-MR单值移动极差控制图 ---适用场合
测试费用高昂; 样品测试后不能再使用 需尽早发现异常 在工艺参数(如温度、压力、时间）下，每次只能 得到一个特定值 过程中取多个值无意义时
31
五、质量控制图---SPC
控制图的判断基础 ---小概率事件原理，即小概率事件不发 生原理
如 P 0的.0情1 况若发生,则有理由认为发生
了异常
32
异常状态
（四）控制图的使用原则
1、取样原则---
随机抽样 间隔合理确定 样本大小应确保控制图的检出力，一般至少 ≧24，样本分布接近正态分布
27
五、质量控制图---SPC
2、计量控制图须二图联用，分别控制质量 特性值分布的中心值和标准偏差
3、计数控制图单图使用，只控制中心 4、过程能力必须达到基本要求，即Cp或
6
（四）常见的概率分布
连续型随机变量---正态分布 离散型随机变量---
二项分布 帕松分布（poisson)、小概率事件
7
二、正态分布
正态总体中抽取的样本平均数也 服从正态分布 中心极限原理
总体不是正态分布时，若样本 n充分大，则样本平均数一X近似服 从正态分布
8
三、统计检验
概念---从样本数据出发对 总体的比较进行推断
2个正态总体方差的检验 2个正态总体平均值的检验
9
三、统计检验
〈2个正态总体方差检验〉 ---服从F分布
F
S12
S
2 2
x x
S
2 (
)2
n
n(n 1)
df=n-1 d1=n1-1 d2=n2-1
10
三、统计检验
双侧检：
当原假设H0：δ12=δ22, 则否定域为:F>Fα/2或F<F1- α/2
统计技术培训
来自 中国最大的资料库下
1
载
目录
统计技术总介
常用统计技术 统计技术的应用特点 统计技术的应用领域 常用的概率分布
正态分布 统计检验 工序能力 质量控制图---SPC
2
一、关于统计技术的总介
（一）常用统计技术 统计检验---显著性检验 工序能力分析 质量控制图 正交分析和实验设计 相关分析、回归分析
符合标准 持续稳定
质量控制的目的是---减少质量波动，降 低成本。
23
五、质量控制图---SPC
（二）常用控制图的种类
计量型
正态 分布
单值---移动极差图：X-MR 均中值位数----极--差极图差：图X：X~R R
二项 分布 计数型 泊松 分布
不合格品率图：P 不合格品数控制图：Pn
单位缺陷数控制图：U 缺陷数图：C
24
五、质量控制图---SPC
（三）控制图组成
中线 警戒上下限 控制上下限
25
五、质量控制图---SPC
（三）控制图种类
平均值控制图：X X R
X A2* R
极差控制图 ：UCLR D4 * R LCLR D3* R
移动极差 ： X-MR
X 3*(R ) d2
ÒR d2
26
五、质量控制图---SPC
t d
Sd
n
Sd
( d 2) ( d )2 n
n(n 1)
Df=n-1 H0：Ud=0,即μ1=μ2 否定域︱t︱>tα
14
四、工序能力
定义
工序控制能力：简称工序能力，就是工序加 工合格产品的能力，也就是生产出来的产品质 量与规定的质量要求相符合的程度，以Cp表示。
Cp ห้องสมุดไป่ตู้SL LSL 标准上限 标准下限
6Ò
6Ò
15
四、工序能力
Cpk=Min〔CPL,CPU〕 CPL=(过程平均值-LSL）/3σ CPU=(USL-过程平均值)/3σ
Cp,Cpk>1
16
四、工序能力
过程综合能力等级评价---Ⅲ为最适宜的 过程能力
过程能 力等
质量特性 级
关键质量特性(A类)
重要质量特性(B类)
一般质量特性(C类)
11
三、统计检验
〈两正态总体均值的检验〉
t检验
t x1 x2
sx 1
x
2
t n1 n2 2
〈T-test〉
当原假设H0：μ1=μ2， 则否定域为︱t︱>tα
12
三、统计检验
两个总体的比较首先是F-test 在F-test显示没有差异时 再做T-test
13
三、统计检验
〈两正态总体均值的检验〉 〈成对检验〉 在同一条件下，将试验结果与对照相对比的方法