统计过程控制ppt(1)

•(8) u控制图。当样品规格有变化 时则应换算为平均每单位的不合格 数后再使用u控制图。例如，在制 造厚度为2mm的钢板的生产过程中， 一批样品的面积是2 m2的，下一批 样品的面积是3mZ的。这时就应都 换算为平均每平方米的不合格数， 然后再对它进行控制。
纵坐标：数据（质量特性值或其统计量） 横坐标：按时间顺序抽样的样本编号 上虚线：上控制界限UCL
下虚线：下控制界限LCL
中实线：中心线CL 控制界限=平均值±3σ
• 将通常的正态分布图（如下图）转个方向，使自变 量增加的方向垂直向上，将μ 、μ +3σ 和μ -3σ 分 别标为CL, UCL和LCL，这样就得到了一张控制图 （参见下页图）。
3、小概率原理：小概率事件在一次试验 中几乎不可能发生，若发生即判断异常。
μ＋3σ UCL
μ
CL
μ－3σ
LCL
8
9
10
11
四、统计控制状态
1、统计控制状态(state in statistical control)，也称稳态(stable state)，即过程中只 有偶因而无异因产生的变异的状态。
在统计控制状态下，有下列好处：
①对产品的质量有完全的把握（合格率）
②生产也是最经济的 （不合格率）
③在统计控制状态下，过程的变异最小。
•
2、每个过程可以分类如下： –受控或不受控 –是否有满足客户要求
满足要求 受控 不受控
符合（合格） 不符合（不合格）
1类 2类
3类 4类
1类（符合要求，受控） –是理想状况。为持续改进可能需要进 一步减少变差。 2类（不符合要求，受控） –存在过大的普通原因变差。 –短期内，进行100％检测以保障客户 不受影响。 –必须进行持续改进找出并消除普通原 因的影响。
2、控制图的构成
18 17 16 15 14 13 12 11 10 9 8 7 6 5 1 2 3 4 5
+3s
点落在该区间的概率为99.7%
Average
-3s
6 7 8 9 10
控制图
• 3、控制图的应用
是 正常 独立 处理 否 调整 过程的声音（测量） ○○○ 交付
过 程
客 户
4、控制图的要素
• (2)X-s控制图与X-R图相似，只是用标准 差s图代替极差R图而已。当样本量 n＞10，这时应用极差估计总体标准差σ 的 效率减低，需要应用s图来代替R图。 • (3) Me-R控制图与X-R图也很相似，只是 用中位数Me图代替均值X图。多用于现场 需要把测定数据直接记人控制图进行控制 的场合，这时，为了简便，自然规定n为 奇数。 • Me-R控制图的应用也逐渐减少。
• 质量管理培训 • 第二讲 第三讲
•
• • •
统计过程控制
（SPC） 主讲：邓忠祥 2010、5、30
第一节 统计过程控制概述
• 一、统计过程控制的基本概念： • 1、什么是统计过程控制？（参见教材）
统计过程控制是为了贯彻预防原则，应用 统计方法对过程中的各个阶段进行评估和 监控，建立并保持过程处于可接受的并且 稳定的水平，从而保证产品与服务符合规 定要求的一种技术。
五、控制图的两类错误 从数理统计的观点，存在可能的两能错误:
1、第一类错误（α 错误）：虚发警报。
过程正常，由于点子偶然超出界外而判异，于是就犯 了第一类错误。通常犯第一类错误的概率记为α 。 第一类错误将造成寻找根本不存在的异因的损失。 （见后页图）
• 2、第二类错误（β 错误）： 漏发警报。（见下页图） • 过程异常，但仍会有部分产品，其质 量特性值的数值大小仍位于控制界限 内。如果抽取到这样的产品，点子仍 会在界内，从而犯了第二类错误，即 漏发警报。冠常犯第二类错误的概率 记为β 。第二类错误将造成不合格品 增加的损失。
• 统计理论指明，产品质量正常波动形成概 率分布，根据正常波动的概率分布特征 （如正态分布）设计出控制图相应的控制 界限，当异常波动发生时，就会偏离已有 的概率分布，点子就会落在界外，或点子 虽在界内但排列不正常，表明存在异常波 动。 • 控制图上的控制界限就是区分偶然波动与 异常波动的科学界限。
• 上页图所示的四种情况： • (1)状态Ⅰ：统计控制状态与技术控制状态同 时达到，是最理想的状态。 • (2）状态Ⅱ：统计控制状态未达到，技术控 制状态达到。 • (3）状态Ⅲ：统计控制状态达到，技术控制 状态未达到。 • (4)状态Ⅳ：统计控制状态与技术控制状态均 未达到，是最不理想的状态。 • 显然，状态Ⅳ是现场所不能容忍的，需要加 以调整，使之逐步达到状态Ⅰ。
• ⑶、结论： • 偶因引起质量的偶然波动，异因引起质量 的异常波动。偶然波动是不可避免的，但 对质量的影响一般不大。异常波动对质量 的影响大，且可以通过采取恰当的措施加 以消除，故在过程中异常波动及造成异常 波动的异因是我们注意的对象。一旦发生 异常波动，就应该尽快找出原因，采取措 施加以消除。
三、判稳准则的分析
（一）判稳准则的思路
打一个点未出界有两种可能性： 过程本来稳定
漏报
（这里由于α 小，所以β 大），故
打一个点子未出界不能立即判稳。
（二）判稳准则
在点子随机排列的情况下，符合下 列各点之一判稳：
► 连续25个点，界外点数d=0； ► 连续35个点，界外点数d<0；
► 连续100个点，界外点数d<2。
（二）控制用控制图
► 当过程达到了我们所确定的状态后，
才能将分析用控制图的控制线延长作为控制 用控制图，应有正式交接手续。
► 判异准则 判稳准则
► 进入日常管理后，关键是保持所确定
的状态。
经过一个阶段的使用后，可能又出现异
常，这时按“20字方针” （20字方针
“查出异因，采取措施，加以消除，不
UCL
β
α CL
LCL
控制图的两种错误
3、如何减少两种错误所造成的损失？ ①控制图共有三根线，一般，正态分布的CL居 中不动，而且UCL与LCL互相平行，故只能改动 UCL与LCL二者之间的间隔距离。 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。
⑴所分析的过程是否为统计稳态？ ⑵其过程能力指数是否满足要求？ （参见下页图）
统计稳态与技术稳态分类表
统计稳态 YES 技术稳态 YES 技术稳态 NO 状态I （最理想） 状态III 统计稳态NO 状态II
状态IV（最不理想） 状态IV达到I的途径： ► IVIII ► IVIIII 调整过程即质量不断 改进过程
3类（符合要求，不受控） –有相对较小的普通原因及特殊原因变差。 –如果存在特殊原因已经明确但消除具影响 可能不太经济，客户可能接受这种过程状况。 4类（不符合要求，不受控） –存在过大的普通原因及特殊原因的变差。 –需要进行100％检测以保障客户利益。 –必须采取紧急措施使过程稳定，并减小变 差。
第三节 分析用与控制用控制图
一、分析用控制图与控制用控制图
一道工序开始应用控制图时，总要将非稳
态的过程调整到稳态的过程，此乃分
析用控制图的阶段。
等到过程调整到稳态后，才能延长控制图
的控制线作为控制用控制图，所谓控制用控制
图的阶段。
据使用的目的不同，控制图分为： 分析用与控制用控制图。
（一）分析用控制图。主要分析
四、判异准则的分析 ► 点出界就判异；
►界内点排列不随机判异。
判 异 准 则
准则1：一个点在A区之外
UCL
准则2：连续 9个点在中心线同一侧
UCL
A
x
A B C C B
B
x
CL
CL
C C B
LCL
A
LCL
A
x
准则3：连续6个点递增或递减
UCL
A B
准则4：连续14个点上下交替
UCL
A
x
CL
B C C B
再出现，纳入标准”）去做，恢复所确
定的状态。 从数学的角度看：分析用控制图的阶段 就是过程参数未知的阶段；
控制用控制图的阶段则是过程参数已知的阶段。
二、休哈特控制图的设计思想
1. 设计思想是先定α ，再看β
按照3σ 方式确定UCL和LCL，
也即确定α =0.27% α 一般取1%、5%、10%
尽量将α 取得小，但势必会增大β 。
保持产品和服务质量的稳定性及进一步的持续
改进 降低总的质量成本
二、统计过程控制的发展 SPC：统计过程控制； SPD：统计过程诊断；
SPA：统计过程调整。
三者间的关系： SPC
SPD SPA
•结论： 100％的检验， 不能保证100％的合格！
第二节
常规控制图(休哈特控制图)原理
一、常规控制图的构成 1、含义： 控制图是对过程质量特性值进行测定、记录、 评估和监察过程是否处于统计控制状态的一种 用统计方法设计的图。
0.135%
• 2、质量波动理论 • 产品质量客观上存在波动。影响质量波动的原 因（因素）可归结为5MlE（人员、设备、原材料、 工艺方法、测量和环境）。但从对产品质量的影响 大小来分，又可分为偶然因素（简称偶因）与异常 因素（简称异因，在国际标准和我国国家标准中称 为可查明原因）两类。 • ⑴、偶因是过程固有的，始终存在，对质量的影响 微小，但从技术上难以除去或从经济上考虑不值得 消除。 • ⑵、异因则非过程固有，有时存在，有时不存在， 对质量影响大，但不难除去。
x
CL
C C B
x
LCL
A
LCL
A
第四节 常规控制图分析和应用 一、合理子组原则
► 组内差异只由偶因造成
组间差异主要是由异因造成
• 一、各类常规控制图的使用场合 • 现在简单说明各种常规控制图的使用场合： • (1) X-R控制图。对于计量数据而言，这是最常用 最基本的控制图。它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控制图主要用于观察正态分布的均值的变化，R控 制图用于观察正态分布的分散或变异情况的变化， 而X-R控制图则将二者联合运用，用于观察正态分布 的变化。 • (2)X-s控制图与X-R图相似，只是用标准差s图代替 极差R图而已。