SPC 介绍及应用PPT
SPC基础知识和应用
LSL 64 72 76 LCL UCL
USL 80
68
SPC基础知识和应用
落地炉线 中心值 管制上限 管制下限
2月22日
2月24日 2月26日 2月28日 3 月1 日 3 月3 日 3 月5 日 3 月7 日
上图是我们发泡过程的一组数据，对应SPC中控制图的基本判定准则： 1.X个点超出管制界限 2.续X点分布在管制界限的同侧 3.连续X点的上升或下降 可以说明，我们应当结合实际生产控制需求制定适合我们的SPC控制。
X LSL Cp ˆ 3σ
状态不理想，需改进为A级 制程不良，必须提升制成能力 制成能力太差，必须分析原因，重新设计制成 制程
产品规格设计值为3.5mm 0.1mm, 今在稳定量产线上抽检5个样 品，测量值为： 3.52, 3.53, 3.57, 3.54, 3.53，则Cp计算如下： T=3.6-3.4=0.2， σ=0.0192，X=3.538
Cp 0.2 1.73 0.0192 6
SPC基础知识和应用
Cpk计算公式介绍 :
USL X X LSL , ) 双边规格 :Cpk min( ˆ ˆ 3 3
单边规格：以Cp表示：Cpk=Cp
仅定规格上限
Cp
Cpk=Cp=
仅定规格下限
USL X ˆ 3σ
双边规格也可采用以下公式计算Cpk： Cpk=Cp*(1-Ca)
练习： 设计产品规格为3.5mm±0.1mm, 今在量产线上抽测5个样品， 其 测量值如下：3.52, 3.53, 3.57, 3.54, 3.53，则Ca值计算如下: U=3.50, T=3.6-3.4=0.2, X=3.538
Ca 3.538 3.50 0.038 38% 0.2 / 2 0.1
2024版SPC培训教材全课件
假设检验的基本概念
明确假设检验的定义、原假设与备择假设的设立原则及两类错误 的含义。
参数假设检验
掌握正态总体均值、方差的假设检验方法及步骤，理解t检验和F 检验的原理及应用场景。
非参数假设检验
了解非参数假设检验的适用条件及常用方法，如秩和检验、符号 检验等。
16
方差分析、回归分析应用举例
方差分析
掌握方差分析的基本原理、计算步骤及结果解释，理解其在多因素实验设计中的应用。
化。
大数据在SPC中的应用
大数据技术的不断发展将为SPC提供更丰富的数据来源和分析手段，有助于提高SPC的 应用效果。
2024/1/30
SPC在服务业的拓展
随着服务业的不断发展，SPC的应用领域将逐渐拓展到服务业领域，为服务业的质量管 理提供新的思路和方法。
36
下一讲预告及预备知识
2024/1/30
01
02
03
04
明确数据收集目标
根据业务需求，明确所需数据 的类型、范围和质量要求。
2024/1/30
制定数据收集计划
设计合理的数据收集流程，包 括数据源选择、采集频率、存
储方式等。
执行数据收集
运用合适的数据收集工具和技 术，按照计划进行数据采集。
数据质量监控
建立数据质量评估机制，确保 数据的准确性、完整性和一致
下一讲内容
下一讲将介绍SPC在企业中的实际应 用案例，包括不同行业和不同场景下 的SPC应用实践。
预备知识
为了更好地理解下一讲内容，建议学 员提前了解相关行业的生产流程和质 量管理要求，以及SPC在实际应用中 的挑战和解决方案。
37
THANKS
感谢观看
2024/1/30
SPC课件
Vitia收到这个投诉后，把这一信息反馈给他主管的时候，他 的主管很疑惑的说
“很好啊，他们要求是2，我们达到最差都到了4.7，简直无理 取闹嘛。”
另外一个工程师M也发表了他的看法：“如果SPEC是2,而实际达 到4.7~6.8，那么有必要进行SPC控制吗？我认为控制的意义不大， 除非提高SPEC。另外也要考虑一下控制的成本。”
UCL CL LCL
2.4控制图的基本图形
控制图分为上控制限（UCL）、下控制限（LCL）和
中心线（CL）三条线。
和趋势图的对比？
2.5控制图的作用
•过程诊断：可以用诊断生产过程的稳定性，即 生产过程是否处于稳定状态。
•过程控制：可以用来确定生产过程何时需要加以调 整，何时应保持生产过程的稳定状态。
计数型数据
计数型数据是指按个数数得的非连续性取值的质量特性值，如铸件的疵点数， 统计抽样中的不合格判定数、审核中的不合格项数等可以用0、1、2、3、等 阿拉伯数字数下去的数据。其中计数型数据又可分为计件值与计点值，其中 计件值是指是按件、按个、按项计数的数据。例如：不合格品件数、温控器 个数、质量检验项目等；计点值是指是指按缺陷点计数，例如：铸件的沙眼 数、布匹上的疵点数、电路板上的焊接不良数等离散性数据。
控制图原理是基于正态分布的重要特性。质量特性值 在区间（μ-3δ，μ+3δ）内的概率为99.73%，1927年美 国人休哈特就是根据这一结论，把正态分布图形转化为控 制图.
-4 -3 -2 -1 0 1 2 3 4
68.26% 95.45% 99.73% 99.99%
3δ μ -3δ
SPC知识介绍统计过程控制
什么是 SPC?对于质量分析和改进而言，判断产品质量是否受控，统计过程控制（SPC）是一种基于数据分析的相当科学的方法。
SPC知识介绍统计过程控制（Statistical Process Control），简称SPC，是一种借助数理统计方法的过程控制工具。
在企业的质量控制中，可应用SPC对质量数据进行统计、分析从而区分出生产过程中产品质量的正常波动与异常波动，以便对过程的异常及时提出预警，提醒管理人员采取措施消除异常，恢复过程的稳定性，从而提高产品的质量。
在制造过程中，统计过程控制（SPC）是作为数据测量和控制的行业标准而被普遍应用的方法之一。
记件型数值（测量）是在当产品被生产出来的时候就被记录的数据。
这些数据稍后会被绘制在已经做好控制限的图表上。
控制限是由过程能力决定的，相类似的，公差限则是由客户的需求所确定的。
落在控制限范围内部的数据表示每一步操作都是按照预想的方式进行的。
任何在控制限内部的数据波动大部分是由所谓的正常原因导致的—自然波动被认为是正常过程的一部分。
如果数据落在控制限范围之外，则象征某种特殊原因作为波动的主要原因出现在生产过程中，此时则需要对生产中的某环节进行改变来解决问题，并防止缺陷产品的出现。
实时SPC可以让您:◇降低产品差异性&减少废料◇科学的改进生产力状况◇降低成本◇揭示隐藏的过程特性◇及时应对过程变化◇在车间现场进行实时决策如何评价实时SPC解决方案的投资回报要对您的SPC投资回报做评估，首先需要确定您工厂中造成浪费和低效率的主要环节部分。
一般造成浪费的部分包括废料、返工、过度检查、低效数据采集、设备/过程加工能力弱、纸质文档记录以及低效生产线等。
您可以通过以下问题来衡量一个SPC解决方案的好坏：◇您明确知晓您的质量管理成本吗？◇您当前的数据确实用来进行过程改进吗，还是仅仅是字面上的数据而已？◇是否在正确的位置采集了正确的数据？◇决策是否基于那些真实的数据？◇您能够轻易的指出质量问题的原因吗？◇您是否知道该在什么时间对您的设备进行预防性维护？◇您能够准确预测产出结果吗？QFD质量功能展开QFD(Quality Function Deployment)是把顾客或市场的要求转化为设计要求、零部件特性、工艺要求、生产要求的多层次演绎分析方法，它体现了以市场为导向，以顾客要求为产品开发唯一依据的指导思想。
SPC_过程能力控制
思考题：本公司的过程特性
• 质量数据：直通率，FOR，LRR（批拒收率），DR（不良率），不良品数，单 项不良品数，不良数，电流/电压值，尺寸，称重
• 制程参数：锡膏厚度，炉温（Peak温度、熔点以上保持时间），车间温、湿度 ，电批扭力，气压值，烙铁温度
• 生产数据：单位产量， Cycle Time（标准工时），耗料率/抛料率（报废率） ，结单率
特殊变异 (Special Variation) • 过程还不够稳定 • 需全检以保证质量
局部措施（Local Action） • 可改进约15%的制程问题 • 多由现场工作人员制定实施 • 一般成本较低
此过程变异在统计控制状态下, 其产品特性的分布有固定的分 布, 即: 位置、分布、形狀。
受控 vs. 失控
二、测量变差相对较小（测量系统的能力 保证）。
f(x)
68.27%
x
-1 µ +1
Normal Distribution
正
f(x)
态
分
95.45%
布
x
-2 µ +2
f(x)
-3
99.73%
x
µ
+3
正态分布
68.27%
0.135%
95.45% 99.73%
0.135%
-3σ -2σ -1σ μ
+1σ +2σ +3σ
i1
n
样本方差
样本标准差
n
2
(xi x)
S 2 i1
n 1
n
(xi x)2
S i1 n 1
为什么用样本估计总体的方差时，分母的n必须改为(n-1) ？
自由度（DF, Degree of Freedom）： 指当以样本的统计量来估计总体的参数时，样本中独立或能自由变化的 数据的个数称为该统计量的自由度。
SPC分析实例
SPC的核心思想是利用统计方法来分析生产过程中的波动找出影响产品质量的关键因素 并采取相应的措施进行改进。
SPC分析主要包括控制图、过程能力指数（Cp、Cpk）、过程性能指数（Pp、Ppk） 等工具和方法。
03
SPC分析实例介绍
感谢观看
汇报人：
Cpk：过程能力指数表示过程能力 满足规格要求的程度
Cpk：过程能力指数表示过程能力 满足规格要求的程度
过程性能指数解读
过程性能指数 （PPI）：用于 衡量生产过程中 产品质量的指标
PPI的计算方法： PPI=（合格品 数量/总生产数 量）*100%
PPI的意义：反 映生产过程中产 品质量的稳定性 和可靠性
过程优化：SPC分析可以帮助企业优化生产过程提高生产效率和产品质量。
成本控制：通过SPC分析可以及时发现生产过程中的浪费现象并采取相应的措施进行改进。
风险管理：SPC分析可以帮助企业识别生产过程中的风险并采取相应的措施进行预防和控 制。
基于SPC分析的改进建议和措施
制定控制计划：根据关键质 量特性制定相应的控制计划
数据处理：对数 据进行清洗、整 理和标准化处理
实例分析过程和方法
确定分析目 标：选择需 要分析的产
品或过程
数据收集： 收集相关数 据包括时间、 数量、质量
等
数据处理： 对数据进行 整理、清洗、 转换等操作
建立SPC模 型：选择合 适的SPC模 型如控制图、
直方图等
分析结果： 根据模型分 析结果找出 问题所在并 提出改进措
效率。
增强市场竞争 力：通过SPC 分析可以提高 产品质量和生 产效率增强企 业的市场竞争
SPC简介
1. Data Points
2. Center Line
3. Upper Control Limit
4. Lower Control Limit
295
AQA
Your Professional Quality Improvement Partner
正态分布的概率
99.73% 95.45%
68.26%
否
n≥ 9？
是
s是否 方便计算？
~R x
否
Pn或p图
否
xR
是
xs
n：样本容量
308
AQA
Your Professional Quality Improvement Partner
控制图的分类(按用途分)
控制用控制图
• 解析用控制图
– – – – 决定过程控制方法用 过程解析用 过程能力研究用 过程管制准备用
分佈形狀 中心趋向
分散
298
AQA
平均
Your Professional Quality Improvement Partner
基本统计术语
趋中的量度
- 所有值总和除以样本容量(热水产率: 96.76,99.66,96.93,97.87) 备注: 不小于额定产水能力的90%.
中位数 众数
平均数 =
产品质量的统计观点 产品质量具有变异性 (Variation)
产品质量的 统计观点 产品质量的变异具 有统计规律性
293
AQA
Your Professional Quality Improvement Partner
控制图
SPC的核心工具. 1924年休哈特(Walter Shewhart)提出, 他曾说: “在一切制造过程中所呈现的 波动有两种, 第一是过程内部引起的波动 称为正常波动; 第二是可查明原因的间断 波动称为异常波动.
SPC(2005年7月)
8
每件产品的尺寸与别的都不同
范围 范围 范围 但它们形成一个模型，若稳定，可以描述为一个分布
范围
范围 范围 分布可以通过以下因素来加以区分 位置 分布宽度
范围
形状
或这些因素的组合
9
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。
目标 值线 预测
时间
尺寸 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。 时间 尺寸 目标 值线 不可预测
12
第一章第4节 局部措施和对系统采取措施 局部措施和对系统采取措施 局部措施
• 通常用来消除变差的特殊原因 • 通常由与过程直接相关的人员实施 • 通常可纠正大约15%的过程问题
对系统采取措施
• 通常用来消除变差的普通原因 • 几乎总是要求管理措施，以便纠正 • 大约可纠正85%的过程问题 在上面讨论的两种变差以及可能采取的减少它们的措施之间有着重要的联系。 简单的统计过程控制技术能检查变差的特殊原因。发现变差的特殊原因并采取适 当措施通常是与该过程操作直接有关人员的责任。尽管有时纠正时要求管理 人员介入，解决变差的特殊原因通常要求采取局部措施。这一点在早期的过 程改进中尤为重要。当某人对特殊原因成功持采取适当的措施后，其余的问 题通常要求采取管理行动而不是局部措施来解决。
统计过程控制
Statistical Process Control
(第二版)
1
第一章 持续改进及统计过程控制
介绍 在今天的经济气候下，为了事业昌盛，我们——汽车制造商，供方及销售商必须 致力于不断改进。我们必须寻找更有效的方法来提供 产品及服务。这些产品 和服务必须不断地在价值上得以改进。我们必须重视内部以及外部的顾客， 并将顾客满意作为企业的主要目标。 为了达到这一目标，我们组织中的每一个人都必须确保不断改进及使用有效 的方法。本手册涉及到第二领域的某些要求。它描述了能使我们致力于的改 进更有效的几种基本的统计方法。为了完成不同的任务需要不同程度的理解。 本手册的对象是见习生以及刚开始从事统计法应用的管理人员。对于现在正 在应用更先进技术的人员，本手册也可作为他们学习这些基本方法的参考文 献。本手册并没有包括所有的基本方法。附录H所列的参考文献或手册中阐述 了其他的基本方法（例如：检查清单、流程图、排列图、因果分析图等）及 一些先进的方法（如其他控制图、试验设计、质量功能展开等）。 本手册所述的基本统计方法包括与统计过程控制及过程能力分析有关的方法。 第一章阐述了过程控制和背景知识，解释了一些重要的概念：如变差的特殊及普 通原因，并介绍了控制图，这个用来分析及监控过程非常有效的工具。 第二章描述了计量型数据和计数型数据的控制图的建立和使用。 第三章阐述过程能力分析。
SPC精髓总结汇总
SPC精髓总结汇总目录：一、SPC基础知识介绍二、计量型数据控制图：X-R 图三、其它计量型数据控制图四、计数型数据控制图：P 图五、其它计数型数据控制图六、停止灯控制图一、SPC基础知识介绍1、什么是SPC⏹统计过程控制（Statistical Process Control）⏹第二版2005年7月发布（1992/2005）⏹版权由戴姆勒克莱斯勒公司、福特汽车公司和通用汽车公司所有2、SPC的目的利用统计技术：控制过程、持续改进过程3、常见的统计技术⏹旧QC七大手法：柏拉图、因果分析图、直方图、查检表、分层法、控制图、散布图⏹新QC七大手法：亲和图法、关联图法、系统图法、矩阵图法、矩阵分、析法、PDPC法、箭形图解法4、SPC与检验的区别⏹检验：是事后的行为（产品生产后将不合格品挑选出来），是容忍浪费⏹SPC：是事前或事中的行为（在生产前或生产中有些控制和调整五大生产要素，以避免不合格品的产生），是避免浪费5、正态分布图6、变差的普通原因⏹普通原因：始终作用于过程的变差的原因为变差的普通原因⏹例如：一个机加工轴的直径易于受到由于机器（间隙、轴承磨损）、工具（强度、磨损率）、材料（直径、硬度）、操作人员（进给速率、对中准确度）、维修（润滑、易损零件的更换）及环境（温度、动力供应是否恒定）等原因造成潜在的变差的影响⏹针对普通原因的对策：对系统采取措施⏹通常用来消除变差的普通原因⏹几乎总是要求管理措施，以便纠正⏹大约可纠正85%的过程7、变差的特殊原因⏹特殊原因：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。
由于特殊原因造成的过程分布的改变有些有害，有些有利⏹针对特殊原因的对策：局部措施⏹通常用来消除变差的特殊原因⏹通常由与过程直接相关的人员实施⏹大约可纠正15%的过程问题8、控制图的构成USL 上规格线UCL ----------------------------------------------------------------------上控制线CL 中线 LCL ----------------------------------------------------------------------下控制线 LSL 下规格线9、 控制图的类型1、计量型数据控制图1.1、均值和极差图（ R X -图） 1.2、均值和标准差图（s X -图）1.3、中位数图（R X -~图）1.4、单值和移动极差图（ MR X -图） 2、计数型数据控制图2.1、不合格品率控制图（P 图） 2.2、不合格品数控制图（NP 图） 2.3、不合格数控制图（C 图）2.4、单位产品不合格数控制图（U 图）二计量型数据控制图：R X - 图1、 实施步骤A.收集数据:子组大小/子组频率/子组数的大小B.计算控制限:初始控制线/延长控制线C.过程控制解释:4种异常情况的判定及对策D.过程能力解释:PPK/CPK 的计算及要求2、 子组大小⏹ 子组:每次连续取样的样本⏹ 子组大小:每次连续取样的样本数量⏹ 确定子组大小的原则:— 子组要合理,一般为2-10个、— 一个子组内的变差代表很短时间内的零件的变差 — 非常相似的生产条件下生产出来的,相互间不存在其 它的系统的关系— 每个子组内的变差主要应是普通原因造成3、 子组频率⏹ 子组频率:每次取样的间隔时间 ⏹ 确定子组频率的原则:— 在适当的时间收集足够的子组来反映过程中的变化 — 过程的初期研究,很短的时间间隔进行分组,以便发觉 短时间的不稳定因子— 当证明过程已处于稳定状态下(或已对过程进行改 善),子组间的时间间隔可以增加 4、子组数大小⏹ 子组数大小:每张控制图的控制点数量 ⏹ 确定子组数大小的原则:— 在初始阶段不低于100个单值数据 — 在量产阶段一般不少于25个点 5、过程控制解释1、超出控制限的点2、连续7点位于平均值的一侧3、连续7点上升(后点等于或大于前点)或下降4、明显的非随机图形(大约2/3的描点应落在控制限的中间三分之一的区域内,大约1/3的点落在其外的三分之二的区域)6、异常情况对策⏹ 当发现异常时，不要随意对过程做不必要的改变 ⏹ 正确的做法是：— 记录下当时的六大生产要素：人/机/料/法/环/测— 进行原因分析后，若能找到原因采取措施，则记录好所 采取的措施— 进行原因分析后，若不能找到原因采取措施，则密切观察过程的变化 7、过程能力解释⏹ PPK:初始过程能力指数PPK,也叫性能指数,或短期过程能力指数 ⏹ 其要求是：PPK ＞1.67或满足顾客的要求⏹ 计算公式为：Ppk=min( ss XUSL LSL X σσˆ3,ˆ3-- ) s ni I n X X S σˆ1)(12=--=∑= ⏹计算数据为：最少100个数据以上⏹ 计算时间：小批量试生产阶段,为PPAP 重要文件之一,需要提交给顾客 ⏹ CPK:稳定的过程能力指数CPK,也叫长期过程能力指数 ⏹其要求是：CPK ＞1.33或满足顾客要求⏹ 计算公式为:Cpk=min(22ˆ3,ˆ3R R XUSL LSL X σσ-- )⏹ 计算数据为:最好是25组⏹ 计算时间：批量生产阶段,按照控制计划的规定,一般是每张控制图完成后三、其它计量型数据控制图1、均值和标准差控制图⏹标准差s是过程变异性更有效的指针,尤其是对于样本容量较大（n＞10）的情况,一般来说,当出现下列一种或多种情况时用s图代替R图:⏹数据是由计算机按实时时序记录和/或描图的,则s的计算程序容易集成化⏹有方便适用的袖珍计算器使s的计算能简单按程序算出⏹使用子组样本容量较大,更有效的变差量度是合适的2、中位数控制图⏹中位数图用在子组的样本容量小于或等于10的情况,样本容量为奇数时更方便⏹如果子组样本容量为偶数,中位数是中间两个数的均值3、单值和移动极差控制图⏹测试一个产品的数据所化时间很长⏹所选取的样本,属于一种极为均匀一致之产品如像液体或气体,测量几个和一个一样⏹加工一个产品的时间很长⏹产品价值很高,测试一个样本会损失很多钱⏹属破坏性试验,每测试一个产品,就损失一个⏹控制过程参数,如:温度﹑压力﹑时间等四、计数型数据控制图：P图1、不合格品率（P图）实施步骤：A.收集数据:子组大小/子组频率/子组数的大小B.计算控制限:初始控制线/延长控制线C.过程控制解释:4种异常情况的判定及对策D.过程能力解释:产品合格率或不合格率2、子组大小⏹子组:每次连续取样的样本⏹子组大小:每次连续取样的样本数量⏹确定子组大小的原则：●子组要大,如50个到200，甚至更多，以便检验出性能的一般变化●一个子组内要包括几个不合格品●每一个子组代表很长的一段时间的过程操作●子组容量分为恒定或它们变化不超过±25％，以及超出±25%二种图形3、子组频率⏹子组频率:每次取样的间隔时间⏹确定子组频率的原则:—应根据产品的周期确定分组的频率以便帮助分析和纠正发现的问题﹒时间间隔短则反馈快﹐但也许与大的子组容量要求矛盾—一般为每班或每天，用于全检工位的较多4、子组数大小⏹为了子组数大小:每张控制图的控制点数量⏹确定子组数大小的原则：—在初始阶段不低于100个单值数据—在量产阶段一般不少于25个点5、过程控制解释1、超出控制限的点2、连续7点位于平均值的一侧3、连续7点上升(后点等于或大于前点)或下降4、明显的非随机图形(大约的描点应落在控制限的中间三分之一的区域内,大约的点落在其外的三分之二的区域)6、过程能力解释⏹如果对于计数型控制图﹐能力直接被定义为不合格品的平均百分数或比例，如PPM（百万分之一）⏹而计量型控制图的能力指的是将／或不将过程的中心调整到规范的目标值后﹐用PPK和CPK表示五、其它计数型数据控制图1、不合格品数控制图（np图）⏹np图用来衡量一个检验中的不合格（不符合或所谓的缺陷）品的数量⏹与p图不同﹐np图表示不合格品的实际数量而不是与样本的比率⏹p图和np图适用的基本情况相同﹐当满足下列情况时可选用np图—不合格品的实际数量比不合格品率更有意义或更容易报告—各阶段子组的样本容量相同2、不合格数控制图（c图）⏹c图用来测量一个检验批内的不合格（或缺陷）的数量（与描在np图上的不合格品的数量不同）⏹c图要求样本的容量恒定或受检材料的数量恒定﹐它主要应用于以下两类检验﹕—不合格分布在连续的产品流上（例如每匹维尼龙上的瑕疵﹐玻璃上的气泡或电线上绝缘层薄的点）—在单个的产品检验中可能发现许多不同潜在原因造成的不合格3、单位产品不合格数控制图（u图）⏹u图是用来测量具有容量不同的样本（受检材料的量不同）的子组内每检验单位产品之内的不合格数量⏹除了不合格数是按每单位产品为基本量表示以外﹐它是与c图相似的⏹u图和c图适用于相同的数据情况﹐但如果样本含有多于一个“单位产品”的量﹐为使报告值更有意义时﹐可以使用u图六、停止灯控制图1、停止灯控制图的概念⏹无论在停止灯控制图中，目标值区域指定为绿色，警告区域指定为黄色，停止区域指定为红色。
SPC统计分析方法介绍
• MINITAB 应用(Power value in two sample t-test)
• Power and Sample Size
• 2-Sample t Test
• Testing mean 1 = mean 2 (versus not =) • Calculating power for mean 1 = mean 2 + difference • Alpha = 0.05 Sigma = 1
• 例 2 (Proportion comparison between two groups)
假设检验 6，合格率的假设检验
• 例 2 (Proportion comparison between two groups)
Test and CI for Two Proportions
Sample 1 2
假设检验 6，合格率的假设检验
• 例 1 (Proportion test for one group)
输入检查结果
输入检验对 比合格率
选择假设 类型
假设检验 6，合格率的假设检验
例 1 (Proportion test for one group)
• Test and CI for One Proportion
• Testing mean 1 = mean 2 (versus not =) • Calculating power for mean 1 = mean 2 + difference • Alpha = 0.05 Sigma = 1
•
• Difference
•
0.5
Sample Size 86
Target Power
0.9000
SPC基本概念介绍
SPC基本概念介绍SPC(Statistical Process Control)，统计过程控制，是一种用于监控和控制生产过程的统计方法，通过对过程进行统计分析和数学推理，以实现过程稳定和质量改进的目标。
SPC主要依赖统计学的原理和方法，能够提供数据和信息用于监控和控制生产过程的各个方面。
SPC的基本思想是通过对生产过程中的数据进行分析和控制，以实现预定的质量目标。
SPC通过收集和分析过程数据，以确定过程的变异性和性能水平，并根据这些信息做出相关的调整和改进。
SPC主要依靠统计概率理论和统计推断原理，通过收集样本数据来推断总体的特征和性能。
SPC主要有以下几个基本概念：1.基本统计量：常用的基本统计量有平均值、标准差、极差等。
这些统计量用于描述过程数据的集中趋势和离散程度，是SPC分析的基础。
2.过程稳定性：指过程在一段时间内的数据集合是否具有一定的稳定性。
稳定的过程数据有助于进行SPC的分析和控制。
通过控制图等方法可以判断过程的稳定性。
3.控制图：控制图是SPC的核心工具之一，用于监控和识别过程数据中的特殊因素和变异。
常用的控制图有均值图、极差图、标准差图等，通过这些图形可以检测和分析过程的异常情况。
4.规格限：规格限是指产品或过程在可接受范围内所能容许的上限和下限。
规格限用于界定产品或过程的合格区域，通过与规格限的比较可以确定产品或过程的合格性。
5.随机变异与特殊因素：生产过程中的数据变异可以分为随机变异和特殊因素引起的变异。
随机变异是由于生产过程本身的不可避免的不确定性引起的，而特殊因素是由于外界因素或人为因素引起的变异。
6.过程能力：过程能力表示了生产过程在规定条件下，能够满足规格限范围内产品的比例。
通过对过程能力的评估，可以确定过程的稳定性和可控性，进而确定是否需要改进和优化。
SPC的应用可以追溯到20世纪初，起初主要应用于制造业，用于监控生产过程中的质量变异。
随着时代的发展，SPC的应用范围逐渐扩大到各个领域，如服务业、医疗保健、金融等。
SPC介绍V1.1
过程能力指数
• 过程能力指数指过程能力满足规格质量要
求的程度。符号记为CP
CP = T/B = T/6σ=TU – TL/6σ = TU - TL/6S 式中： • T—产品质量特性值的规格质量要求，即公 差范围： • TU—上公差（规格）界限： • TL—下公差（规格）界限： • σ—产品质量特性值总体分布标准差： • S—产品质量特性值样体分布标准差： • CP—产品质量特性的过程能力指数： • B—过程实现产品质量特性的过程能力：
统计过程控制理论的发展
• SPC理论和控制图方法的应用就是实现全过程的预防的最
有效的方法。然而，常规控制图的应用捕捉到过程中的异 常先兆，但并不能告知是何种异常，何处异常，异常的原 因是什么，即不能实现对过程异常的诊断。 1982年张公绪教授提出两种质量诊断理论，开辟了统计质 量诊断理论的新方向，使统计过程控制（SPC）上升为统 计过程控制诊断（SPCD），也就是进入了统计过程控制 发展的第二阶段。 20世纪末，SPCD又发证为SPCDA（统计过程控制、诊断 与调整），是统计过程控制发展的第三阶段。
1）计量值控制图 • 以正态分布为理论基础所设计的控制图。 计量值控制图所控制的是计量值数据正态 分布的样本分布特征值；常用的计量值控 制图有以下四种： • 1.均值-标准差控制图（ ）； • 2.均值-极差控制图（ ） • 3.中位数-极差控制图（ ） • 4.单值-移动极差控制图（ ）
2）计数值控制图 • 计件值控制图和计点值控制图。计件值控 制图的控制对象以二项分布为理论基础所 设计；计点值控制图的控制对象以泊松分 布为理论基础设计。 • 1.不合格品率控制图（P控制图） • 2.不合格品数控制图（Pn控制图） • 3.缺陷数控制图（C控制图） • 4.单位缺陷数控制图（U控制图）
SPC控制图异常判定资料
01 SPC控制图概述
SPC控制图定义
定义
SPC控制图是一种用于监控、分析和 控制生产过程的工具，通过收集数据 并在控制图上绘制点来评估过程的稳 定性。
THANKS FOR WATCHING
感谢您的观看
如何选择合适的控制图？
不同的控制图适用于不同类型的数据和过程。在选择控制图 时，需要考虑数据的分布、过程的特性以及要监控的过程参 数。常见的控制图包括均值-极差控制图、均值-标准差控制 图、不合格品率控制图等。
选择依据：根据数据类型和过程特性选择合适的控制图，确 保能够有效地监测和控制过程。
如何解读控制图的异常信息？
总结词
累积和控制图通过计算累积和来评估过程的稳定性，适用于监测生产过程的关键特性。
详细描述
当控制图上的点超出上控制限或下控制限，或者点在控制限内但呈持续上升或下降趋势 时，可以判定为异常。此外，如果点在控制限内但出现周期性波动，也可能是异常。
移动极差控制图异常判定实例
总结词
移动极差控制图通过计算移动极差来评 估过程的稳定性，适用于监测数据分布 较为稳定的过程。
目的
控制图用于检测生产过程中的异常波 动，预防不良品产生，并保持产品质 量稳定。
SPC控制图原理
中心线（CL）
控制图的中心线表示过程的预期平均值。
控制上限（UCL）和控制下限（LCL）
这两个界限用于判断数据点是否超出可接受的范围。
判定原则
当数据点超出UCL、LCL或连续7点上升或下降时，判定为异常。
累积和控制图异常判定标准
SPC、Cpk、Ppk介绍
•常用的七种工具
•新七种工具
•排列图又叫帕累托 图，它是将各个项 目从最主要到最次 要的顺序进行排列 的一种工具。
•树图也叫系统图， 它可以系统地将某 一主题分解成许多 组成要素，以显示 主题与要素、要素 与要素之间的逻辑 关系和顺序关系。
•控制图用来对过程 状态进行监控，并
可度量、诊断和改 进过程状态。
步骤4：编制控制标准手册，在各部门落实。将具有立法性质的有关
过程控制标准的文件编制成明确易懂、便于操作的手册，使各道工序 使用。如美国LTV公司共编了600本上述手册。
步骤 5：对过程进行统计监控。主要应用控制图对过程进行监控。
若发现问题，则需对上述控制标准手册进行修订，及反馈到步骤4。
步骤6：对过程进行诊断并采取措施解决问题。可注意以下几点：
步骤2：确定关键变量(即关键质量因素)。具体又分为以下两点：
(1) 对全厂每道工序都要进行分析(可用因果图)，找出对最终产品影 响最大的变量，即关键变量(可用排列图)。如美国LTV钢铁公司共确定了 大约20000个关键变量。
(2) 找出关键变量后，列出过程控制网图。所谓过程控制网图即在图 中按工艺流程顺序将每道工序的关键变量列出。
SPC、Cpk、Ppk介绍
书山有路勤为径， 学海无涯苦作舟
2020年4月13日星期一
一、spc概述
1. 什么是SPC • SPC是英文Statistical Process Control的字首简称，即统计过程控制
。SPC就是应用统计技术对过程中的各个阶段进行监控，从而达到 改进与保证质量的目的。SPC强调全过程的预防。 • SPC给企业各类人员都带来好处。对于生产第一线的操作者，可用 SPC方法改进他们的工作，对于管理干部，可用SPC方法消除在生 产部门与质量管理部门间的传统的矛盾，对于领导干部，可用SPC 方法控制产品质量，减少返工与浪费，提高生产率，最终可增加上 缴利税。 • SPC的特点是:（1）SPC是全系统的，全过程的，要求全员参加， 人人有责。这点与全面质量管理的精神完全一致。(2) SPC强调用科 学方法(主要是统计技术，尤其是控制图理论)来保证全过程的预防。 （3）SPC不仅用于生产过程，而且可用于服务过程和一切管理过程 。
SPC简介
SPC简介统计过程控制（简称SPC）是一种借助数理统计方法的过程控制工具。
它对生产过程进行分析评价，根据反馈信息及时发现系统性因素出现的征兆，并采取措施消除其影响，使过程维持在仅受随机性因素影响的受控状态，以达到控制质量的目的。
它认为，当过程仅受随机因素影响时，过程处于统计控制状态（简称受控状态）；当过程中存在系统因素的影响时，过程处于统计失控状态（简称失控状态）。
由于过程波动具有统计规律性，当过程受控时，过程特性一般服从稳定的随机分布；而失控时，过程分布将发生改变。
SPC正是利用过程波动的统计规律性对过程进行分析控制。
因而，它强调过程在受控和有能力的状态下运行，从而使产品和服务稳定地满足顾客的要求。
实施SPC的过程一般分为两大步骤：首先用SPC工具对过程进行分析，如绘制分析用控制图等；根据分析结果采取必要措施：可能需要消除过程中的系统性因素，也可能需要管理层的介入来减小过程的随机波动以满足过程能力的需求。
第二步则是用控制图对过程进行监控。
控制图是SPC中最重要的工具。
目前在实际中大量运用的是基于Shewhart原理的传统控制图，但控制图不仅限于此。
近年来又逐步发展了一些先进的控制工具，如对小波动进行监控的EWMA和CUSUM控制图，对小批量多品种生产过程进行控制的比例控制图和目标控制图；对多重质量特性进行控制的控制图。
SPC源于上世纪二十年代，以美国Shewhart博士发明控制图为标志。
自创立以来，即在工业和服务等行业得到推广应用，自上世纪五十年代以来SPC在日本工业界的大量推广应用对日本产品质量的崛起起到了至关重要的作用；上世纪八十年代以后，世界许多大公司纷纷在自己内部积极推广应用SPC，而且对供应商也提出了相应要求。
在ISO9000及QS9000中也提出了在生产控制中应用SPC方法的要求。
SPC生产统计过程控制一、spc的基础知识1.关于控制、过程、统计2.特性及其分类3.统计学基础二、spc的基本原理4.过程的理解与过程控制5.波动及波动的原因6.局部措施和系统措施三、统计过程的控制思想1.正态分布简介2.统计控制状态及两种错误3.过程控制和过程能力4.过程改进循环四、控制图类型1.控制图应用说明2.控制图的定义和目的3.控制图解决问题思路4.控制图益处5.控制图分类6.控制图的选择五、建立计算型控制图的步骤和计算方法1.均值和极差图2.均值和标准差图3.中位数和极差图4.单值和移动极差图六、计数型控制图与过程能力指数1.过程能力解释前提2.过程能力的计算3.过程能力指数4.过程绩效指数七、过程判异准则以下是常用的八项判异准则：1、一点落在A区以外；2、连续9点落在中心线同一侧；3、连续6点递增或递减；4、连续14点相邻点上下交替；5、连续3点有2点落在中心线同一侧的B区以外；6、连续5点中有4点落在中心线同一侧的C区以外；7、连续15点在C区中心线上下；8、连续8点在中心线同侧。
生产管理→如何用SPC进行统计分析
统计分布
正态曲线的性质
16 Process Improvement
99.73%的数值落在均值两 侧各3倍标准差长 度的区间里面。
95.44%的数值落在均值两 侧各2倍标准差长 度的区间里面。
68.26%的数值落在均值两 侧各1倍标准差长 度的区间里面。
控制图基本概念
控制图及使用过程
➢ 收集 • 收集数据并画在图纸上
采取局部措施，稳定过程。
40 Process Improvement
控制图分析
聚束分析
➢ 聚束变现为当一组样本中的一些数据点很接近时， 它们的读数也很接近。
➢ 这样的图案模式往往代表着引起变异的原因有了突 然的变化。
➢ 行动：找到引起变异的原因，分析对过程稳定性的 影响，找到特殊原因和局部解决办法，使过程稳定。
➢ 均值（把样本的所有 观测值相加再除以总 数）
12 Process Improvement
统计分布
过程的离中趋势度量
➢ 数据的散布程度称为过程的离中趋势。
➢ 度量离中趋势的量
• 极差R • 标准差σ • 方差σ2
14 Process Improvement
统计分布
常见数据分布
15 Process Improvement
统计量
➢ 级差R (range)
• R = Xmax – Xmin
➢ 算术平均数 X(μ)（arithmetic mean）
n xi
n X=---i-=-1---
➢ 中位数Md (median)
• 顺序数列中的中心项的数值
8 Process Improvement
统计学基础知识
统计量
➢ 众数Mo (mode)
- 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)。
SPC
統計
Quality Assurance Section
是
“數據”透過“計算”產生出
“有意義的情報”就是統計
I
統計 = 數據
計數值 計量值
P
+ 計算
X
O
+ 有意義的情報
3
SPC
PROCESS CONTROL SYSTEM MODEL WITH FEEDBACK
VOICE OF THE PROCESS
SPC
Quality Assurance Section
(Statistical Process Control)
SPC
1
SPC
課
程
大
綱
Quality Assurance Section
☆ 統計之概述 ☆ 管制圖之種類 ☆ 管制圖的用法 ☆ 管制圖的製作方法及注意事項 ☆ 管制圖之判讀 ☆ 結論
2
品管工具
1.1 相關分析 (單一特性 ` 1.2 D.O.E (單一特性 單一參數) 眾多參數)
由眾多製程參數中依重要性選出管制 2.1 柏拉圖 2.2 變異數分析(ANOVA) 項目 2.3 寄與率分析 決定管制項目之管制範圍 初步估算製程能力 當製程能力不足時進行改善專案 維持穩定之製程能力 3.1 統計推定 3.2 管制界線之公式 3.3 回歸分析 4.1 Ca 4.2 Cp 4.3 Cpk
STD 0.220 0.183 0.146
6/6
0.192 0.229 0.224 0.219 0.190 1.054 0.211 0.039
Control Chart
X Chart
R Chart
Mfg. Dept.
Machine Number
PS01
DEK256T
UCLx CL LCLx
6/7
0.182 0.184 0.187 0.184 0.186 0.923 0.185 0.005
Quality Assurance Section
STATISTICAL METHODS
PEOPLE EQUIPMENT MATERIALS METHODS ENVIRONMENT
THE WAY WE WORK/ BLENDING OF RESOURCES
PRODUCTS OR SERVICES
CUSTOMERS
種類
用途分類
管制用管制圖 解析用管制圖
8
SPCΒιβλιοθήκη 管制圖Quality Assurance Section 管制圖的用法
數據的種類 例：尺寸 (0.1cm) 化學成分 (%) 製品的重量 (gr) 強力 (lb) 計 量 值 使用管制 X R 管制圖
~
X- R 管制圖
X- S 管制圖 Pn 管制圖 例：不良率、次級品率、不良個數 查個數一定時 P 管制圖 計 查個數不定時 例：數量不定的布匹的疵點數。 長度、面積、體積內所出現的 U 管制圖 數 體積大小不同的藥品裏的雜質數。 缺點 值 例：不定數量的布匹的疵點數。 一定體積的藥品裏的雜質數。 長度、面積、體積內所出現的 C 管制圖 缺點
CL=1.18
LCL=0
9
10
14
SPC
不精密
精密
Quality Assurance Section
.. . .. . . . .. 不準確 . . . .. .. . . . . . . . ..
. .. . ..
準確
. . . . . .. ..
15
SPC
製程能力分析(Analysis for Process Capability)
年 年
月 月
日 日 R
測定值
組 x1 x2 x3 x4 x5 X 1 2.3 2.7 3.0 2.2 3.2 2.68 2 2.8 2.4 3.6 3.1 2.8 2.94 3 2.3 3.0 2.5 3.2 2.4 2.68 4 2.5 2.8 2.6 2.9 2.2 2.6 5 2.3 3.2 3.4 2.1 2.6 2.72
IDENTIFYING CHANGING NEEDS AND EXPECTATIONS
INPUTS
PROCESS/SYSTEM
OUTPUTS
VOICE OF CUSTOMERS
4
SPC
Quality Assurance Section
STEP
1 2 3 4 5 6
SPC 目的
由產品特性轉換成製程參數
點
缺 點
10
SPC
管制圖
如何選用適當之管制圖
管制圖之選定
計量值 計數值
Quality Assurance Section
資料性質?
ｎ＝ 1
ｎ≧ 2
樣本大小 ｎ≧ 2?
不良數 資料是不良 數或缺點數?
缺點數
X
中心線 CL 之性質? 10<ｎ<25 ｎ=2~5
~ X
一定
組數
n 是否 一定?
不一定 一定 不一定 單位大小, 是否一定?
Quality Assurance Section
有追蹤分析，但無“有效的”改善措施
有改善措施，但未成為規範（標準化）
6
SPC
管制圖
Quality Assurance Section
以縱軸代表產品品質特性，以製程 變化數據為分度；橫軸代表產品的 群體時間、製造日期，依照時間順 序將點劃在圖上，再用線連結，加 上中心線 CL ，上管制界限 UCL ， 下管制界限 LCL ，如此即成為管制 圖
X 組數 R )= 組數
Quality Assurance Section
計算全距平均值 R ( 計算管制界限
X X 管制圖：中心線 (CL) = X R +A2 上限 (UCL) = X R -A2 下限 (LCL) = R R 管制圖：中心線 (CL) = R 上限 (UCL) = D4 R 下限 (LCL) = D3 A2， D4， D3 可查表一 繪製管制界限，並將點點入圖中。 記入數據履歷，及特殊原因，以備查考、分析、判斷。 抽樣原則：組內變異小，組間變異大。
Solder Printing Thickness mm SPIDA
6/1 6/1
0.176 0.179 0.176 0.190 0.183 0.904 0.181 0.014
Spec. MAX AVG MIN
6/5
0.178 0.199 0.204 0.183 0.181 0.945 0.189 0.026
0.210 0.183 0.155 A area
6/8
0.196 0.191 0.196 0.185 0.186 0.954 0.191 0.011
0.068 0.022 0
6/8
0.171 0.178 0.205 0.189 0.183 0.926 0.185 0.034
Worker
SMT
Date Sampling Method Inspector Cpk
1. 製程準確度 Ca (Capability of accuracy) Ca =
實績中心值-規格中心值
規格容許差
Quality Assurance Section
( X-u ) = % T/2 %
T= Su - SL =規格上限-規格下限 2.製程精確度 Cp (Capability of precison)
Example (管制圖)
3.5 3 X 恨 2.5 瓜 2 1.5 1 2 3 4 5 6 7 8 9 10
UCL=2.5
UCL=3.45 CL=2.77 LCL=2.09
Quality Assurance Section
3 R 2 º Þ ¨ î ¹ Ï 1 0 1 2 3 4 5 6 7 8
9
SPC
管制圖
Quality Assurance Section 計量值與計數值管制圖比較
優 計量值管制圖 (1) 用於製程管制，容易 調查事故發生原因，可 以預測即將發生不良狀 況。 (2) 能及時並正確找出不 良因，可使質穩定。 (1) 在製造過程中，須經 常抽樣並測定，計算較 為麻煩與費時。 計數值管制圖 (1) 只在生產完成時，才進 行抽樣，並區分為良品與 不良品所需數據容易獲 得。 (2) 對整體品質情況容易瞭 解。 (1) 有時無法尋求不良真因 不能及時採取處理措施 , 而延誤時機。
Cp È 1.33Ø ¡ Cp 1.00Ø ¡ CpÕ ¡ 1.33 0.83Ø ¡ CpÕ ¡ 1.00 CpÕ ¡ 0.83
A. 作業標準繼續保持 B. 注意並將其改進為A級 C. 檢討規格及作業標準 D. 採取緊急措施或全面檢討必要 時停止生產 A. 此一製程穩定可將規格縮小或 勝任更精密之工作 B. 有發生不良品之危險必頇加以 注意並設法追查 C. 檢討規格及作業標準 D. 採取緊急措施或全面檢討必要 時停止生產 A. 製程能力足夠 B. 製程能力尚可應再努力 C. 製程應加以改善
5.1 層別法 ( Ca 不足時) 5.2 DOE ( Cp 不足時) 6.1 標準化 6.2 管制圖 6.3 抽樣計劃 6.4 檢定
5
SPC
SPC 不是
只有成品檢驗，而無製程檢查 有製程檢查，而無優先順序 有優先順序，但無“合的”管制範圍 有管制範圍，但未定期執行 有定期執行，但頻率不當 有正確頻率，但無追蹤分析
7
SPC
管制圖
Quality Assurance Section 管制圖的種類
計量值 性質分類 計數值 1. 2. 3. 4. 不良率管制圖 (P-Chart) 不良數管制圖 (np-Chart) 缺點數管制圖 (C-Chart) 單位缺點數管制圖 (μ-Chart) 1. 2. 3. 4.