spc统计方法的基础知识

合集下载

SPC统计过程控制基础知识

SPC统计过程控制基础知识

不合格件数 累计百分比
铸件不合格项目排列图
120 104 100
83
88
91
93
100 100 80
80
73
60
60 40 20
52 42
20
10
6
4
40 14 20
0
0
弯曲 擦伤 砂眼 断裂 污染 裂纹 其他
管制图
• 管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。SPC过程控制 分析用图。
确保制程持续稳定、可预测;为制程 分析提供依据;区分变差的特殊原因和普 通原因,作为采取局部措施或对系统采取 措施的指南;有效地降低了成本与不良率, 同时减少返工和浪费;提高劳动生产率和核 心竞争力;赢得广泛客户;更好地理解和实施 质量体系。
四.质量管理七大工具
• 质量管理七大工具 1.直方图 2.流程图 3.排列图 4.管制图 5.调查表 6.因果图 7.水平对比法
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 程进行分析控制的。因而,它强调过程在 受控和有能力的状态下进行,从而使产品 和服务稳定地满足顾客的要求。
• SPC的实施: SPC的实施分为两个阶段: 一是分析阶段; 二是监控阶段。 在这两个阶段所使用的控制图分别被 称为分析用控制图和控制用控制图。
调查表
调查表又叫检查表、统计分析表等,用来系 统地收集资料和积累数据,确认事实并对数 据进行粗略整理和分析的统计图表。
因果图
• 因果图又叫鱼刺图,用来罗列问题的原因, 并将众多的原因分类、分层的图形。
水平对比法
• 水平对比法是通过不断地将企业流程与世 界处于领先地位的企业相比较,以获得有

SPC统计的基本方法

SPC统计的基本方法

SPC统计的基本方法引言SPC(Statistical Process Control)统计过程控制是一种利用统计方法来监控和控制过程稳定性和一致性的管理方法。

它可以帮助组织识别过程中的异常和变异,并采取相应的措施来提高过程的质量和效率。

本文将介绍SPC统计的基本方法,包括控制图的构建、样本采集和数据分析等方面。

1. 控制图的构建控制图是SPC统计过程控制的核心工具,它以时间为横轴,以过程的关键指标为纵轴,用来观察过程的变化情况和异常情况。

控制图通常分为以下两种类型:1.1. 均值控制图均值控制图主要用于监控过程的平均值是否稳定。

常用的均值控制图包括X-Bar控制图和R控制图。

其中,X-Bar控制图用来监控样本均值的变化情况,R控制图用来监控样本范围的变化情况。

1.2. 变差控制图变差控制图主要用于监控过程的变异是否稳定。

常用的变差控制图包括S控制图和P控制图。

其中,S控制图用来监控样本标准差的变化情况,P控制图用来监控不良品率的变化情况。

2. 样本采集样本采集是SPC统计过程控制的重要环节,正确的样本采集方法可以保证统计数据的准确性和可靠性。

以下是一些常见的样本采集方法:2.1. 简单随机抽样简单随机抽样是指从总体中随机地选取一定数量的样本进行测量和分析。

这种方法可以保证样本的代表性,从而得到准确和可靠的统计结果。

2.2. 分层抽样分层抽样是将总体按照某些特征进行划分,然后在每个层次内分别进行随机抽样。

这种方法能够保证各层次的样本数量平衡,从而提高统计结果的准确性。

2.3. 故障抽样故障抽样是指在发生异常或故障时及时采集样本进行分析。

这种方法可以帮助组织及时发现和解决问题,从而避免对产品质量和生产效率的影响。

3. 数据分析数据分析是SPC统计过程控制的关键步骤,通过对采集到的数据进行分析可以帮助组织了解过程的稳定性和一致性情况。

以下是一些常用的数据分析方法:3.1. 均值分析通过计算均值和标准差等统计指标,对过程的平均水平和稳定性进行分析。

统计过程控制(SPC)

统计过程控制(SPC)

11
控制图的选择
控制图的选定
计量值 数据性质
计数值
平均值
“n”=10~25 “n”是否较大
n≧1 样本大小 n≧2
Cl的性质
中位数 “n”=2~5
“n”=1
不良数
缺陷数
不良数或
缺陷数
不一定
一定
“n”是否一定
单位大小 是否一定 不一定 一定
X-s 图
X-R 图
X-R
X-Rm “p”

图图
“np” “c”
数据类别: 计数值数据:只以缺陷数和个数表示,不能连续取值的数据 计量值数据:以产品本身的特性来表示,可以连续取值的数据
2
两种变异
普通性(特定性)变异:不易避免的原因(普通 原因)造成的变异,如操作人员的熟练程度的 差异、设备精度与保养好坏的差异、同批原材 料本身的差异
特殊性(偶尔性)变异:可以避免也必须避免 的原因(特殊原因)造成的变异,如不同原材料 之间的差异、设备故障
“u”
图图

12
案例1(控制图的选择)
质量特性 长度 重量 乙醇比重 电灯亮/不亮 每一百平方米的 脏点
样本数 5 10 1
100 100平方米
选用什么图
13
答案1
质量特性 长度 重量 乙醇比重 电灯亮/不亮 每一百平方米的 脏点
样本数 5 10 1
100 100平方米
选用控制图 均值极差控制图
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
8
控制图的目的
控制图和一般的统计图不同,因其不仅能 将数值以曲线表示出来,以观其变异之趋 势,且能显示变异系属于机遇性或非机遇 性,以指示某种现象是否正常,而采取适 当之措施。

SPC (统计过程控制)基础知识

SPC (统计过程控制)基础知识

SPC(统计过程控制)基础知识 统计过程控制) 统计过程控制
4.X-Rs 控制图。多用于下列场合:对每一个产品都进行检验,采用自动化检查和 测量的场合;取样费时、昂贵的场合;以及如化工等过程、样品均匀,多抽样也无 太大意义的场合。由于它不像前三种控制图那样能取得较多的信息,所以它判断过 程的灵敏度也要差一些。
以 客 贯 彻
户 为

心 宗


质 量 目 标 的 制 定
有 目 期 况
无 制 定 可 测 量 的 质 量 目 标 ? 质 量 标 有 无 分 解 到 各 职 能 层 ? 有 无 定 测 量 评 估 各 质 量 目 标 的 达 成 情 ?
职 责 和 权 限
各 部 门 , 各 职 能 岗 位 有 无 定 义 相 关 的 职 责 和 权 限 ?
4 .2 .2
质 量 手 册
有 无 编 写 符 合 要 求 的 质 量 手 册 ?
SPC(统计过程控制)基础知识 统计过程控制) 统计过程控制
3.4 分层图 用于将数据分类比较 250
不良率(PPM)
目标线
150 100 50 0 1 2 3 4
工作周
C班 B班 A班
5
6
7
8
9
SPC(统计过程控制)基础知识 统计过程控制) 统计过程控制
3.5 控制图 什么是控制图? 什么是控制图? 控制图是对过程质量加以测定,记录从而进行控制管理的一种用科学方法设计的图。 控制图的理论基础是概率论。依据概率论,我们把“小概率的事件如果发生了,我 们认为有异常存在”。 控制图的种类: 控制图的种类
数据 计量值 分布 正态分布 控制图名称 均值-极差 图 均值-标准差 图 中位数-极差 图 单值-移动极差 图 不合格品率图 不合格品数图 单位缺陷数 缺陷数 简记 X-R chart X-S chart X-R chart X-Rs chart P chart Pn chart U chart C chart

SPC统计方法基础知识

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

SPC 基础知识

SPC 基础知识一、基本概念:1、极差:测定值中最大值Xmax与最小值Xmin之差称为极差,用R表示:R=X max-X min2、平方和:各个测定值与平均值之差称为偏差。

各测定值的偏差的平方和称为平方和,简称平方和,用S表示:S=(X1-Xa)2+(X2-Xa)2+(X3-Xa)2+(X4-Xa)2+……+(Xn-Xa)2Xa:平均值3、方差:各个测定值的偏差平方和除以(n-1)后所得的值称为无偏方差(简称方差),用s2表示:s2=S/(n-1)4、标准偏差:方差s2的平方根称为标准偏差(简称标准差),用s表示:s=√s2我们常说的δ和μ是指的总体标准差和总体均值;当过程在受控状态下,且样本容量差较大时,可用样本标准差s和样本平均值Xa;5、正态分布:f(x)=1/√2πδ*e-(x-u)2/2δ2 (1.1)式中:x为随机变量,实为标在横座标上的特性值;e≈2.7183,是自然对数底;π≈3.1416,圆周率;δ为总体标准差;μ-∞Cμ∞根据公式(1.1)可看出,任一正态分布仅由两个参数,即总体均值μ和总体标准差δ完全确定。

μ亦称分布的位置参数,δ称分布的形状参数;δ越小,曲线越陡,数据(变量)离散也小;δ越大,曲线越扁平,数据的离散也越大,总体数值落在:μ±1δ界限范围内的概率为68.26%;μ±2δ界限范围内的概率为95.46%;μ±3δ界限范围内的概率为99.73%;μ±1.96δ界限范围内的概率为95.0%;而数据落在:μ±3δ之外的概率应小于3‟;μ±1.96δ之外的概率应小于5%;二、质量控制和过程控制概念:质量控制是质量管理的一部分,其目的是“致力于满足质量要求”。

质量控制的内容,主要包含以下三方面:1、识别并确定过程,以做到及时发现和排除产品实现过程中的变异要求,使上过程(工序)的问题不带到下一过程(工序)中去,以保证过程的稳定性和产品质量的一致性,这是一项预防性工作,简称过程控制。

SPC的基础知识与数据整理

SPC的基础知识与数据整理

SPC的基础知识与数据整理引言SPC(统计过程控制)是一种用于监控和控制过程的统计方法。

它通过收集一系列的数据并进行分析,以确定过程是否处于控制状态,并采取相应的措施保持过程稳定。

在本文中,我们将介绍SPC的基础知识和数据整理方法。

SPC的基础知识SPC的核心思想是通过采集过程中的样本数据,分析其变异情况,以判断过程是否处于控制状态。

基于不同的过程类型,SPC通常使用控制图来可视化过程的变异情况。

常用的控制图包括X-Bar图、R图和S图等。

X-Bar图X-Bar图是一种用于监控过程均值的控制图。

它基于过程中收集到的样本数据,计算每个样本的均值,并绘制在图表上。

通过观察X-Bar 图,我们可以判断过程均值是否稳定。

R图R图是一种用于监控过程变异性的控制图。

它基于过程中收集到的样本数据,计算每个样本的极差(最大值与最小值之差),并绘制在图表上。

通过观察R图,我们可以判断过程的变异性是否稳定。

S图S图是一种用于监控过程变异性的控制图。

它基于过程中收集到的样本数据,计算每个样本的标准差,并绘制在图表上。

通过观察S图,我们可以判断过程的变异性是否稳定。

数据整理方法数据整理是SPC的一个重要步骤,它涉及收集样本数据、记录数据、计算统计量和绘制控制图等过程。

下面我们将介绍一些常用的数据整理方法。

数据收集在进行数据收集之前,需要确定采集数据的时间间隔和样本容量。

通常,采集数据的时间间隔应保证能够捕捉到过程的变化。

样本容量的确定应根据具体情况和要求进行。

数据记录数据记录是指将收集到的数据记录下来,以备后续分析使用。

可以使用电子表格软件(如Excel)或统计软件(如SPSS)等工具来记录数据。

统计量计算在进行SPC分析之前,需要计算一些统计量,如样本均值、样本标准差等。

这些统计量的计算可通过公式或统计软件完成。

控制图绘制控制图的绘制是用于直观地观察过程变异情况的重要步骤。

可以使用统计软件或绘图软件(如R语言)来绘制控制图。

SPC基础知识

SPC基础知识

SPC运用统计技术对生产过程中的各工序参数进行 监控,从而达到改进、保证产品质量的目的。
二、SPC特点
SPC具有以下特点: ---基于一定的数据资料进行统计 ---方法是绘制选择的控制图 ---只能提示过程有异常,并不能告诉异常在哪里 ---目的是实现持续改进过程 ---是全系统的、全过程的、要求全员参加 ---不仅用于生产过程,而且用于服务过程和管理过程 ---强调用科学方法来保证全过程的预防
制 程 条 件 变 动 时
制程的继续管制
六、SPC的焦点 SPC:希望将努力的方向,更进一步的放在品质 的源头----制程( Process)上。因为制程的起 伏变化,才是造成品质变异的主要根源。 品质变异的大小,才是决定产品优劣的关键 制程起伏条件 品质异常 产品优劣

七、基本统计概念
N n 母體數(批量數) 樣本數(抽樣數) USL SL 規格上限 規格中心限 (u=規格中心值)
您在工厂经常遇到这些情况吗?
顾客是上帝
销售
超时加班
额外成 本费用
•新品投放 •未预计的订单 变化 SPC作用 过程控制原理 SPC推行步骤 SPC的焦点 基本统计概念
一、什么是SPC SPC:统计过程控制(Statistical Process Control) 统计过程控制是一种通过对产品或工程进行抽样, 测量其特性参数、记录数据并绘制图表,然后进行 分析,以判断过程是否处于受控状态的管理工具。
X
R P C LCL UCL CL
平均數
全距 不良率 缺點數 控制下限 控制上限 控制中心限
LSL
Ca Cp Cpk T NP
規格下限
准确度 精密度 制程能力指數 規格公差 不良數 T=USL-LSL

基础SPC统计概念讲义

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基本知识

SPC基本知识

SPC 基础知识一、 什么是SPCSPC 是Statistical process control 的缩写,即统计过程控制。

是应用统计方法对过程中的各个阶段进行临控,从而达到质量保证与质量改进的目的,在此可将统计学看成是从一系列数据中收集信息的工具,它是通过预防而不是通过检测来避免浪费。

二、 SPC 目的1. 预防问题的发生 2. 减少浪费三、 SPC 的管制图原理与益处1.根据3σ原理,在分布范围μ ±3 σ内,对于服从或近似服从正态分布的统计量,大约有99.73%的数据点会落在上下控制界限之内,数据点落在上下控制界限之外的概率约为0.27%,根据小概率原则,可判为异常点.图示如上.2.SPC管制图举例下面是Minitab R14 制作的Xbar-R 管制图。

从图可以看出制程有多个超出控制限的点,说明需要查找原因,采取措施,加以消除,不再出现,纳于标准。

合理使用管制图能够:1.区分变差的普通原因和特殊原因,作为采取局部措施和系统措施的指南。

2.有助于过程在质量上和成本上能持续地、可预测地保持下去。

3.使过程达到:A、更高的质量 B、更低的单位成本C、更高的有效能力。

四、 SPC制程能力分析1.Cp、Cpk与Pp、Ppk的含义与区别如下:Cp指数= 规格宽度工序宽度Cp:(Capability of Process)过程能力指数Cpk:修正的过程能力指数Pp: (Performance of Process)过程性能指数Ppk:修正的过程性能指数2..Cp、Cpk与Pp、Ppk的计算:过程能力指数的计算公式如下:过程性能指数计算公式如下: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:制程的异常趋势可实时对策,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。

SPC统计基础知识

SPC统计基础知识

SPC统计基础知识简介SPC(Statistical Process Control,统计过程控制)是一种用于监控和管理过程稳定性和可靠性的统计技术。

通过收集样本数据并进行分析,SPC能够及时发现过程中的变异和异常情况,从而帮助组织实现质量改进、成本控制和客户满意度的提高。

本文将介绍SPC的基本概念和常用统计方法,帮助读者理解和运用SPC统计基础知识。

1. SPC的基本概念SPC是一种通过分析过程数据来监控过程稳定性的方法。

它基于以下三个基本统计概念:1.1 均值过程中的均值是指一组样本数据的平均值。

在SPC中,通过计算样本的均值来了解过程的中心位置。

如果样本均值始终在预设的目标值附近波动,说明过程稳定。

1.2 变异过程中的变异是指一组样本数据的离散程度。

在SPC中,通过计算样本数据的变异度来了解过程的稳定性。

如果样本数据的变异度较低且在预设的范围内,说明过程稳定。

1.3 控制界限控制界限是为了判断过程是否处于可接受的控制范围内而设定的。

上下控制界限定义了过程稳定的上下限,超出这一范围的样本数据将被认为是异常值或异常事件。

2. 常用的SPC统计方法2.1 过程能力指数(Cp)过程能力指数是一种衡量过程稳定性和可靠性的指标。

它通过比较过程的变异度和指定的公差范围来评估过程性能。

Cp值越高,说明过程的稳定性和可靠性越好。

2.2 控制图控制图是SPC中最常用的统计工具之一。

它通过绘制样本数据的均值、上下控制界限和中心线来反映过程的变化趋势。

通过控制图,可以及时发现和纠正过程中的变异和异常情况。

2.3 散点图散点图是用来显示两个变量之间关系的图表。

在SPC中,散点图可以用来发现变量之间的相关性和趋势。

通过分析散点图,可以帮助确定工艺参数的合理范围和优化生产过程。

2.4 直方图直方图是用来显示数据分布情况的图表。

在SPC中,直方图可以帮助了解过程数据的分布特征和变异程度。

通过分析直方图,可以判断过程是否正常、是否满足规定要求。

SPC统计与质量数据基本知识

SPC统计与质量数据基本知识

SPC统计与质量数据基本知识引言SPC(统计过程控制)是一种在质量管理中使用的统计方法,通过对数据的收集、分析和控制,帮助组织实现产品和过程的稳定性和一致性。

本文将介绍SPC统计与质量数据的基本知识,并提供一些常用的SPC统计技术和质量数据分析方法。

一、质量数据的类型质量数据主要分为离散型和连续型两种类型。

离散型数据是指只能取有限个或无穷个可数值的数据,如产品的合格与否、产品的缺陷数等。

连续型数据是指可以在一定范围内取任意值的数据,如产品的长度、重量等。

二、SPC统计方法SPC统计方法主要包括以下几个方面:1. 数据采集数据采集是SPC的第一步,通过对相关数据的收集,可以了解到产品或过程的状态和性能。

数据采集可以通过人工记录、仪器测量等方式进行。

2. 数据分析数据分析是SPC的核心部分,通过对采集到的数据进行统计分析,可以获得关于产品或过程的各种信息。

常见的数据分析方法包括均值、标准差、极差、直方图、控制图等。

•均值是一组数据的平均值,可用于判断数据的集中趋势。

•标准差是一组数据的离散程度的度量,可用于判断数据的稳定性和一致性。

•极差是一组数据中最大值与最小值之间的差异,可用于判断数据的变异性。

•直方图是用来表示数据分布情况的图形,可用于判断数据的偏态性和峰态性。

•控制图是用来监控过程稳定性和一致性的图表,常用于判断过程是否处于统计控制中。

3. 过程改进与控制通过对数据分析的结果,可以找到存在的问题和改进的方向,并采取相应的措施进行改进和控制。

过程改进与控制需要持续进行,以确保产品和过程的稳定性和一致性。

三、常用的SPC统计技术1. 控制图控制图是SPC中最常用的统计工具之一,用于监控过程的稳定性和一致性。

常见的控制图有以下几种:•均值控制图:用于监控过程的平均值是否处于统计控制范围内。

•范围控制图:用于监控过程的变异性是否处于统计控制范围内。

•P图:用于监控不良品的比例是否处于统计控制范围内。

SPC统计技术

SPC统计技术
品管七大手法
數據統計分析方法
QC舊七種工具
– 排列圖,因果圖,散布圖,直方圖,控制圖,檢查 表与分層法
QC新七種工具(略)
– 關聯圖,KJ法,系統圖法,矩陣圖法,矩陣數據解 析法,過程決策程序圖法(PDPC)和箭頭圖法。
數據統計分析方法-排列圖
排列图的定义: 根据所收集之数据,按不良原因、不良 状况、不良发生位等到不同区分标准, 以寻求占最大比率之原因、状况或位置 的一种图形。排列图又称为主次因素分析图
或帕拉图(巴雷特、帕累特)
數據統計分析方法-排列圖
排列图的来由:
意大利社会经济学家帕雷特在1887年研究资本主义的意大 利社会财富分布状况时,发现少数人占有绝大多数的财富,而 绝大多数人却只占有少量财富处于贫困状态,从而得出“关键 的少数和次要的多数”的社会财富分布规律。他还把这一规律 用坐标图描绘出来,得到一条累计的百分比曲线。为纪念他, 后人把这一条曲线称为帕累特曲线。后来,帕累特原理被用到 质量管理活动中,成为七大手法之一,现在这一理论被升化为 80/20原则。基本上,任何事物都遵循这一规律,如大多数废 品是由少数人造成的,大部分设备故障是由少数几个原因引起 的,企业80%的利润来自20%的顾客。
5:为什么要应用SPC
在生产过程中,产品的加工尺寸/性能的波动是不 可避免的。它是由人、机器、材料、方法和环境等 基本因素的波动影响所致。波动分为两种:正常波 动和异常波动。正常波动是偶然性原因(不可避免 因素)造成的。它对产品质量影响较小,在技术上 难以消除,在经济上也不值得消除。异常波动是由 系统原因(异常因素)造成的。它对产品质量影响 很大,但能够采取措施避免和消除。过程控制的目 的就是消除、避免异常波动,使过程处于正常波动 状态。

SPC基础

SPC基础

SPC(统计过程控制)基础知识培训教材 第一部分 SPC 统计过程控制概论 1,什幺是 SPC? SPC 是三个英文单词的缩写(Statistical Process Control) ,即统计过程控制是应用统 计方法对过程中的各个阶段进行监控,从而达到质量保证与质量改进的目的.在此可将 统计学看成是从一系列数据中收集信息的工具, 它是通过预防而不是通过检测来避免浪 费. SPC 的特点是:1.全系统的,要求全员参与,人人有责;2.强调用科学的方法来保 证达到目的;3.SPC 强调全过程的预防为主;4.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 要点:1.SPC 是运用统计学方法将过程的输出量和预先设定的控制界限进行比 较,并分辨出通常原因和异常原因,从而在生产过程中进行质量控制;2.SPC 是预防行 为,可针对问题的纠正措施提供有效的资源配置;3.SPC 是一系列的"事前"方法,它 不仅是检测,而且是通过系统的分析,使用收集的数据,并以过程能力为基础,来预测 过程的发展趋势. 2,SPC 的发展史与质量管理的进展 20 世纪二三十年代,美国贝尔电话实验室的休哈特(W.A.Shewhart)博士首先提出 过程控制的概念与实施过程控制的方法,并于 1931 年出版了"加工产品品质的经济控 制" (Economic Control of Quality of Manufactured Products)之后,SPC 应用于各种制造 过程改善便从此展开.今天的 SPC 与当年的休哈特方法并没有根本的区别. 当时 SPC 并不流行,二次世界大战后期,美国开始在军工部门推行休哈特的方法, 但应用并不广泛. 战后, 美国成为当时工业强大的国家, 于是统计过程控制方法在 1950~ 1980 年这一阶段内逐渐从美国工业中消失.反之,在战后经济遭到严重破坏的日本,白 废待兴,提出了以产品质量为根本来提高竞争力,所以到美国请了戴明等人到日本指导 品质,将 SPC 的概念引入日本.SPC 在戴明的指导下,功能发挥的很不错,从 1950 年 到 1980 年,日本跃居世界质量和生产率方面的领先地位.日本人为了牢记戴明的功劳, 就在日本设立了一年一度的品质界最高奖项-----戴明品质奖,后来美国和台湾等地也采 用日本的方式,设立了一年一度的戴明奖. 在日本强有力的竞争之下,SPC 在西方工业发达的国家复兴,西方工业发达国家纷 纷加以推行并把 SPC 列为高科技之一.如美国从 80 年代起开始推行 SPC,美国汽车工 业,钢铁工业等许多行业都推行了 SPC. 20 世纪人类跨入了以加工机械化,经营规模化,资本垄断化为特征的工业化时代. 在整整一个世纪中,质量管理的发展经历了生产后检测,生产中使用 SPC,在生产前进 行产品和过程控制三个阶段. 3,SPC 的作用 过程控制是为了确保满足顾客的要求而对过程所执行的一套程序和经过计划的措 施,使用控制图等统计技术来分析过程或其输出,以便采取适当措施来达到并保持统计 控制状态从而提高过程能力. SPC 的作用主要体现在如下几个方面: 3.1 单纯从 SPC 理论上分析对企业的益处,它具有经济性,预警性,能合理的使用企业 的设备; 3.2 从制造过程(制程)上分析对制程的功效,通过分辨共同原因和特殊原因,找出最 大质量问题原因,以便于工作更有绩效;生产过程能力指数(CPK)可作为改善前后简 单比较的依据,作为生产过程检讨的共同语言;减少报表处理工作量,增加了分析数据的真实性,科学性,从宏观到微观全面真实地了解质量状况;建立一个技术,生产,质 管三个与质量有直接管理部门的沟通的平台. 3.3SPC 有利于维护过程控制和过程的稳定性,加强产品的可靠性和可维护性 3.4 理想的运做 SPC 可以达到的做用可以用 3W2H 来描述:找出什幺时候会发生异常 (When) ;找出发生什幺具体异常(What) ;分析出异常的原因(Why) ;得出解决异常 的方法(How) ;建立起预防方案(How) . 4,SPC 的基本理论基础 在 SPC 中,虽然任何统计方法都可以应用的,但最常用的是控制图理论.现在将 SPC 的理论要点简单介绍如下: 4.1 产品质量的统计观点 产品质量的统计观点是现代质量管理的基本观点之一.它包括两部分的内容:1.产 品质量具有变异性:在生产中,影响产品质量的因素按不同的来源分可分为人员,原材 料,机器设备,操作方法,测量设备,环境等(即 5M1E)几个方面,这些质量因素不 可能保持绝对不变,因此,产品质量在一系列客观存在的因素的影响下必然会不停的变 化着.这就是产品质量的变异性;2.产品质量的变异具有统计规律性:生产正常的情况 下,对产品质量的变异经过大量调查与分析,可应用概率论和数理统计方法来精确地找 出产品质量变异的幅度及不同大小的变异幅度出现的可能性,即产品质量的分布,这就 是产品质量变异的统计规律.在质量管理中,计量特性值常见的分布有正态分布等,计 件质量特性值常见的分布有二项分布等,计点质量特性值常见的分布有泊松分布等,利 用这些规律,可以做到保证和提高产品质量. 从哲学的观点看,前者是认识世界,后者是改造世界.引入产品质量的统计观点是 近代质量管理的区别于传统质量管理的一个重要的标志. 近代质量管理不再把产品质量 仅仅看成是产品和规格的比较, 而是辨证的认为产品质量是受一系列因素的影响并遵循 一定的统计规律在不停的变化着的,这种观点就是产品质量的统计观点. 4.2 抓住异常因素就是抓住主要矛盾 将质量因素分为通常因素和异常因素两类,通常因素对产品质量影响微小,随生产 过程始终存在,难以去除,反之,异常因素对产品质量影响很大,在生产过程中有时存 在,有不难除区.因此在生产过程中,对通常因素的是听之任之,而对异常因素则不然, 异常因素一旦发生,要尽快找出来,并采取措施将其消除,这就是抓住主要矛盾(前面 我们介绍的因果图和排列图) .这里控制图是发现异常因素的科学工具. 4.3 稳定状态是生产过程追求的目标 在生产过程中,只存在通常因素而不存在异常因素时的状态称为稳定状态,简称稳 态,也叫统计控制状态.在稳态下生产,我们对产品的质量有完全的把握,同时生产过 程也是最经济的,所生产的不合格品最少.因此,稳定状态是生产过程追求的目标.一 道工序稳定称为稳定工序,道道工序稳定称为全稳生产线.建立全稳生产线是建立产品 质量保证体系的科学基础.对于如何判断过程是否稳定,有无异常,已建立了一套判断 稳定的准则和判断异常的准则. 4.4 预防为主是质量管理的重要原则 控制图是实现预防为主的原则的重要的科学方法, 这部分内容我们将在控制图部分 的学习时详细学习. 4.5SPD 诊断理论是 SPC 的重要新发展 SPC 可以判断过程的异常,及时告警,但 SPC 也具有其局限性,它不能告诉我们 异常发生的原因,发生在何处,换句话说,SPC 不能进行诊断.而生产现场迫切需要解 决诊断的问题,否则即使想要纠正异常也无从下手,故现场和理论都迫切需要将 SPC发展为 SPD(Statistical Process Diagnosis) .SPD 不仅具有 SPC 及时警告的功能,而且 具有 SPC 所没有的诊断功能,故 SPD 是 SPC 发展的新阶段.SPD 就是利用统计技术方 法对过程的各个阶段进行监控与诊断, 从而达到缩短诊断时间, 以便迅速采取解决措施, 减少损失,降低成本保证产品质量的目的. 4.6 生产线的系统分析工具 不是从孤立的一道工序出发, 而是从上下工序互相联系的整个系统出发来分析一条 生产线是 SPC 分析方法的特色. 以上 SPC 的理论要点将在以后的培训中进行详细的阐明. 5,SPC 进行的基本步骤 SPC 进行过程改进的流程如图所示.SPC的 重 要 性 正 态 分 布 等 统 计 基 础 知 识 质 量 管 理 的 七 个 工 具 如 何 制 定 过 程 控 制 网 图 , 即 控 制 点 工 艺 流 程 图 如 何 制 定 工 序 控 制 表SPC培 训确 定 关 键 变 量 , 提 出 规 格 标 准建 立 过 程 改 进 的 机 会选 择 过 程 改 进 小 组进 行 测 量 可 重 复 性 和 可 再 现 性 研 究进 行 过 程 能 力 研 究建 立 过 程 监 控 系 统持 续 过 程 改 进图 1 SPC 过程改进流程图 6,几个基本的品质概念 下面,我们了解几个与品质有关的重要的观念. 6.1 可能出问题的地方一定会出问题,不可能出问题的地方也可能出问题; 6.2 不要认为所有产品都符合规格就一定品质好了; 6.3 品质目标永远是零缺点,好的品质并不代表一定是高成本; 6.4 品质不是靠制造,检验,设计出来的,而是靠全体员工在一个良好的体系下面,并 拥有良好和完备的方法和工具,形成了一个良好的习惯并得到客户的认同并制造出来 的; 6.5 作了控制图和 CPK 并不代表做了 SPC; 6.6 对自身各环节要多注意任何一点的改善,认识同仁,建立团队默契,发挥团队功能; 6.7PDCA 观念. 第二部分 SPC 的研究对象----差异 SPC 是一种用来分析资料的科学方法,并且利用分析结果来解决实际的问题.只要 问题能以数字表示,就可以应用 SPC 来分析.在生产过程中,产品的加工尺寸的波动是不可避免的.为何会有这些波动发生?它是由人(Man) ,机(Machine) ,料(Material) , 法(Method) ,测(Measurement) ,环(environment) ,简称 5M1E,等基本因素的波动 影响所致.通常我们对产生了变异的系统也是从这六个方面去调查系统产生变异的原 因,这也是过程控制的主要影响因素.在此,我们用图 2 及图 3 来表示变异的来源,这 些来源影响并造成了产品的变异.生产原料机器设备操作者产品品质方法测量系统环境图2品质特性的因果图人机 法料环测产品图3 产品变异来源 生产系统的波动分为两种:正常波动和异常波动.正常波动是偶然性原因(不可避 免因素)造成的.它对产品质量影响较小,在技术上难以消除,在经济上也不值得消除. 异常波动是由系统原因(异常因素)造成的.它对产品质量影响很大,但能够采取措施 避免和消除.过程控制的目的就是消除,避免异常波动,使过程处于正常波动状态.图 4 异常变异和通常变异示意图 生产系统的波动造成数据的波动,在测量的结果上存在一定的差异,是事物所固有 的.但是,只有两种原因:一种是通常原因引起的差异,其过程是稳定的,可预测的, 差异的多种根源共同起作用,是过程所固有的,这些原因导致过程的自然波动;另一种 是异常原因引起的差异,存在异常差异过程是不稳定的,不可预测的,这种差异不是过 程固有的,它是间断差异的根源,是不可预测的,不稳定的.我们在分析差异产生的原 因时一般采用 80/20 原则. 第三部分 统计学基础 离开了数据收 数据收集和分析对于任何一个管理体系都是一个很基本的项目之一, 集和分析,所有的管理体系都是一纸空谈.1,数据的收集和分析 1.1 数据的分类 数据大体上可以分为两类:计量型数据和计数型数据.计量型数据是指那些作为连 续量测得到的质量特性值,如长度,重量,强度,化学成分,时间,电阻.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,统计抽样中的不合格判 定数,审核中的不合格数等可以用 0,1,2……等阿拉伯数一直数下去的数据.计数型 数据还可以进一步分为计件数(如不合格数)和计点数(如疵点数) ,将这些数据变换 成概率后的数据就是计数型数据. 两类数据的差别,决定了数据所反映的统计性质和数据处理的不同的方法.例如对 于计量型数据都属于连续性数据,最常见的是正态分布(Normal distribution) ;而计数 型数据属于离散概率分布,最典型的是二项分布和泊松分布. 1.2 数据的收集 在 SPC 中,数据收集是非常重要的,收集数据的好坏关系到 SPC 的意义是否存在, 关系到 SPC 的功能能否实现. 因为 SPC 应用的精神在于收集最简洁最基本的数据,经过一系列科学而复杂的运 算,以最简单,直观,明了的方式表现,以便于深入了解品质状况和预测问题.所以 SPC 在数据收集过程中必须强调四项原则:真实,及时,简洁,标准. SPC 在数据的收集过程中,通常包括两大类:一是所检验项目的各项位置条件,如 批号,产品类别,材料编号,收集时间,工序位置,批量数,检验数,检验人员等;二 是各种检验项目,如各缺点代码的缺点个数,各缺点类别个数,各质量特性值所测量出 来的类别个数,各产品控制特性值所测量出来的数值等. 还可根据需要收集:客户名称,班别,机台别,关键材料商等位置条件项目,但根 据的原则为:所订字段需要层别分析,以利于问题地深入分析. 数据收集流程简单来说, 就是把检验出来的数据收集整理好, 其基本流程如图所示.开 始QC工 程 图 或 客 户 要 求确 定 品 检 项 目 及 品 质 要 求制 定 抽 样 计 划 及 现 场 抽 样 表检 验 人 员 现 场 实 际 检 验 并 填 写 检 查 表做 数 据 处 理 或 正 确 无 误 地 输 入 计 算 机结 束图5数据收集流程图2,常用的统计学术语 2.1 必然事件,不可能事件和随机事件 必然事件(event)是指在一定条件下,必然发生的事件,而不可能事件是在一定的 条件下不可能发生的事件. 在质量管理方面我们经常遇到的是随机事件, 即一定条件下, 可能发生,也可能不发生的事件.如我们无法预料 SM 的 SW 一定是目标值,但我们从大量统计的基础上我们可以说 SW 在目标值附近; 再如我们无法预知电灯泡的使用寿命 一定是 1000 小时,但我们在大量统计的基础上可以说电灯泡的寿命有 80%的可能性在 1000 小时以上,这都是随机现象的一种科学的描述. 对于随机现象我们知道,随机现象的结果至少有两个,至于出现那一个,人们事先 并不知道.举一个最简单的例子.抛一枚硬币,可能出现正面,也可能出现反面,至于 出现那一面事先并不知道. 随机事件的发生是偶然的,但随即事件发生的概率还是可能有大小之别的,是可以 设法度量的.而在实际的生产过程中随机事件发生的可能性大小,我们是十分关注的. 例如在上边的例子中,硬币出现中面和反面的几率各是 1/2,足球裁判就是利用抛硬币 的方法让双方队长选择场地的,以示机会均等.再如购买彩票的中奖机会是多少? 2.2 总体和样本 在实际的生产过程中,当产品的批量很大,破坏性试验或无限总体的情况下,很难 或根本不可能对所有原料或产品进行检验,通常的做法是:从总体中抽取取部分个体进 行检验,并依据部分个体的检验结果,去推断总体的水平.例如我们在生产时一检检验 下线 SM 的 25%左右,对我们的生产情况作出推测,进行控制.总体是我们要研究或考 察的全体,而从总体中抽取的部分个体称为样本.所谓的统计判断就是依据对样本的检 测或观察的结果进行推断总体状况. 3,常用的表征数据情况的特征值 用来表示随机现象结果的变量称为随机变量,在生产过程中,产品的质量特性就是 表征产品性能的指标,产品的性能一般是随机的,为了表征这些问题我们引入如下几个 常用的表示随机变量的特征值. 3.1 平均数(Mean,但通常用 Xbar 或 x 表示) 把一组数据全部相加,再除以该组数据的个数, x = ( x1 + x2 + L + xn ) / n (1)在 SPC 的计量值中, 通过平均数可以看出这组数据的准确度状况如何, 判断出制程 控制与规格之间的关系,如果偏差过大,说明我们当初设定的规格有问题,并可进一步 判断是我们的规格订错了还是我们的机器设备或测量设备有较大的偏差;如果偏差很 小,则表明我们当初设定的规格正常,同时我们的制程也还可以,所以,平均数离规格 中心线越近越好. 3.2 中位数(median,通常用 M 表示) 为了减少计算,将一组数据先按大小顺序排列起来,然后取最中间的那个数(当数 据为奇数)或取中间两位数的平均值(数据为偶数) .在 SPC 的计量值中,通过中位数 也可以看出该组数据的准确度,它的变化与平均数有些相同,同样也是越接近中心规格 值越好. 3.3 极差(R) 极差是一组数据中的最大值减去最小值; R=Xmax-Xmin (2) 在 SPC 的计量值中, 通过极差的大小可以看出这组数据的精密度状况如何, 判断出 这一组数据的制程幅度是否很大,如果很大则表明制程能力较差,如果组距较小,则表 明制程能力还不错,如果在几组数据中有极差突然增大,则表明出现了特殊原因,必须 马上查出真正的问题点,并尽快解决. 3.4 方差( σ ,有时也用 S 表示)2方差是由该组数据中每个数据减去实际平均数的差值的平方和除以该组数据的个 数,计算公式如下:n 1 在 SPC 的计量值中, 方差是用来后面算标准方差用的, 通过方差我们可以了解该组 产品在这一控制特性值的制程能力.如果方差很大,则说明我们的制程能力较差,后面 的标准差就大,CPK 也就小,如果方差较小,则说明我们的制程能力较好,后面的标准 差就小,CPK 也就越大,也就是说方差小好.但是在 SPC 系统中,通常不用方差来分 析制程,这只是在后面使用的标准差的一个前奏. 3.5 标准差(s) 标准差可以直接有方差开平方的来,n 1 例如我们计算上例中的两组数据的方差和标准偏差.s12 =8.52 s 2 =72σ2∑ (x x ) =i2s=∑ (xix)2s1 = 8.5 =2.915 s 2 = 72 =8.485在 SPC 的计量值中,通过标准差可以判断该组数据的准确度和精密度,反映一定 的制程能力,同时为后面 CPK 和控制上下限算法做基础.如果标准差很大时,则表明 我们的制程能力不好,同时也不稳定,说明共同原因需要改善,CPK 也就小,控制上下 限距离也就大,如果标准差较小,则表明我们的制程能力很好,同时也很稳定,同时说 明我们可以维持现状,甚至考虑到成本时可以将制程适当放松,这时 CPK 也就大,控 制上下限距离也就小了,并且基本上所有数据都在规格上下限之间. 4,常用的数据处理工具 在实际的数据处理常用的统计工具有如下几种:质量管理的七个工具分别是:分层 法(Stratification) ,排列图(Pareto diagram) ,因果图(Cause-effect diagran) ,直方图 (Histogram) ,散布图(Scatter diagram) ,控制图(Control chart) ,检查表(Check list) . 5,常用的数据分布情况 对于随机现象通常用分布(distribution)来描述,分布可以告诉我们:变异的幅度 有多大,出现这幺大幅度的可能性(概率,probability)有多大,这就是统计规律.对 于计量特性值,如长度,重量,时间,强度,纯度,成分收率等连续性数据,最常见的 是正态分布(Normal distribution) .对于计件特性值,如特性测量的结果只有合格与不 合格两种情形的离散性数据,最常见的是二项分布(Binomial distribution) .对于计点特 性值,如铸件的沙眼数,布匹上瑕点数,电视机中的焊接不合格数等离散性数据,最常 见的是泊松分布(Poisson distribution) .掌握这些数据的统计规律可以保证和提高产质 量量. 5.1 正态分布 正态分布是一种最常见,应用最广泛的一种分布,当质量特性值(随机变量)由为 数众多的因素影响,而没有一个因素起主导作用的情况下,该质量特性值的分布规律符 合正态分布,例如,轴承的加工尺寸,化工产品的化学组成,测量误差,下线 SM 的尺 寸,透过率等都属于正态分布. 正态分布的曲线的特点有:1. 曲线的最高点的横坐标, 称为正态分布的均值用μ表示, 这意味着随机变量在μ附近 出现的概率最大,当 X 向左右远离时,X 出现的概率随分布曲线的降低而迅速下降. 2. 曲线以μ为对称轴,从理论上讲,如将曲线以该轴对折时,曲线应该能重合. 3. 如果用数学表达式来表述正态分布曲线,我们有: 1 2 f ( x) = e 2σ 2π σ 4. 根据上式可以看出, 任一正态分布仅由两个参数, 即总体平均值μ和总体标准偏差σ 完全确定,其中μ称为分布的位置参数,σ称为分布的形状参数,σ值 越小,曲线越 陡,数据变量离散性也越小,σ越大,曲线越扁平,数据的离散性也越大.如图给出了 标准偏差σ分别为 0.5,1 和 2 的三种情况的示意图. ( x )2图 6 σ变化的直观意义 5. 从理论上讲,曲线对横轴是渐进的,即横轴定义的区域是从-∞到+∞.通过计算可以 得到以下几个在质量管理中常用到的结论: 总体平均值落在:μ±1σ范围内的概率为 68.26% μ±2σ范围内的概率为 95.46% μ±3σ范围内的概率为 99.73% μ±1.96σ范围内的概率为 95.0% 而数据落在:μ±3σ之外的概率为 3‰ μ±1.96σ范围之外的概率为 5%图 7 以σ为基准分布曲线下不同面积所包含的概率 中心极限定理:对于较大样本,从总体中(其平均值为μ,标准偏差为 s)随机抽样的 各样本的平均值的分布接近正态分布,无论抽样总体的概率分布如何.样本容量越大, 样本平均值的分布越接近正态分布. 这是从统计学得出的重要结论, SPC 中占有重要 在地位.在 SPC 中,我们使用平均数据来判定过程是否受控.由于这个理论,我们知道样 本平均值的分布接近正态分布,其平均值等于μ,标准偏差等于 σ / n ,在此 n 是样 本数. 因为样本平均值的分布比总体的分布要紧密,所以它对过程的变化更加敏感.我们 将在讲述控制图时再做讨论.图 8 样本平均值对曲线的影响 掷骰子个数不同,其平均值的分布情况如下:随着样本容量(在此为掷骰子的个数) 的增加,你发现了什么变化?图 9 中心值定理的理解 5.2 二项分布 有时,一个事物只有两种可能的状态或结果,例如一张 SM 的检验,要么合格,要 么不合格;一颗卫星的发射要么成功,要么不成功;谈恋爱也是如此,要么成功要么不 成功,等等,二者必具其一,此时我们就可以用二项分布来研究和分析这些问题. 以 SM 的检验为例,虽然结果只有合格与不合格两种情况,但抽到的不合格品的概 率显然取决于该批产品的固有的不合格率,如果我们用 p 和 q 来代表 SM 的合格率和不 合格率,则有 p+q=1, (p+q)2=1,则我们通过二项分布的展开 n 个产品中出现 x 个不 合格品的概率为:C nx p x q n x 或 C nx p x (1 p ) n x = C nx p x (1 p ) n x ,在此是 n 个产品取 x 的组合C nx =n! x!( n x )!。

SPC(统计过程控制)知识要点

SPC(统计过程控制)知识要点

SPC(统计过程控制)知识要点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 强调预防,防患於未然是SPC的宗旨。

1- What:什么是SPCSPC:统计过程控制SPC说到底,就是⼀个图表,把⽣产过程中的数据,收集起来⽤图表的形式展现出来。

它的作⽤可以⼤致总结为:⽅便⼤家从图表中,找出有异常的数据。

跟进数据趋势,预见异常发⽣的可能。

数据异常后,做出相应的改善对策SPC本质上就是⼀种特殊的趋势图,不过SPC给他们起⼀个更有⽓质的名字:控制图。

当然了,控制图还要和普通的趋势图有差异的,具体表现为以下⼏点:1. 控制图都有上下控制线和中⼼线,UCL和LCL(具体会在6-How⾥⾯说明)2. 控制图的数据收集规则、数据分析的规则,更加的繁琐,更加的严格3. 控制图⼀定要有相应的改善输出2- Why:为什么要⽤SPC为了及时发现⽣产过程中,由特殊原因导致的异常,及时改善。

为了深⼊分析系统中的普通原因,进⼀步提⾼产品品质,为客户提供更好的产品。

(当成为⼀个⼯⼚的品质副总时,如何将⼀线数据浮上来,你会⾃然⽽然的想到SPC)在思考为什么要⽤SPC时,我们的观点和认知,是随着职位不断成长的。

不要硬逼着⾃⼰去理解SPC⼿册⾥,那⼗⼏页鸡汤式的SPC概述。

格局到了,⾃然就理解了。

但是SPC的作⽤是不会发⽣变化的,做就对了。

3- When:在什么时候⽤SPCSPC⼿册⾥⾯说,SPC只有在过程受控状态下,才能使⽤。

但是实际上,SPC就是⼀个图表,任何情况,任何产品,只要有数据就可以⽤SPC控制图。

只是它所体现出来的信息不同,使⽤者透过SPC发现问题的程度不⼀样。

举个通俗⼀点的例⼦。

张飞和关⽻出征沙场,张飞去探路。

张飞趴在地上,⽤听⾳识距离之术,听了半晌得出⼀个结论:敌⼈距离我们还有250⽶。

SPC常用计算方法

SPC常用计算方法

SPC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。

  1. 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. 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. 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)。
第十一章 控制图与过程能力 第一节 控 制 图
37
一、控 制 图 概 念
1、定义: 是指用于分析和判断工序是否处于稳定状态
所使用的带有控制界限的图。它是判断和预 报生产过程中质量状况是否发生异常波动的 一种有效方法。
38
2、控制图依据的原理:
3σ原理
在实际生产中,如果生产过程比较稳定,取 1000个产品测定其质量特性值。
图1
21
画直方图
x
x
x
Xx
Xx
xx
xx
Xx
Xx x x
Xx x x
Xx x x
Xx x x
Xx x x x
Xx x x x
Xx x x x
Xx x x x
X xx xx x
X xx xx x
x xx xx x
X x xx xx x xx

X x xx xx x xx
X x x xx xx x xx
图2
10
3、确定组数(k):
将收集的数据的分布 范围 (R)划分为若干个(k)区 间(组)。
组数的确定要适当,组数太少 会因代表性差引起较大计算误差; 组数太多会影响数据分组规律的 明显性,且计算工作量加大。通 常确定的组数要使
每组平均至少包括4~5 个数据。
可参考下表,这是一个经验数 值表。
11
直方图的作法
双峰型
25
4、孤 岛 型
形成的原因: 测量工具有误差; 原材料混杂或一时有变化; 加工工具突然磨损; 短时间内由不熟练工人替
班; 操作疏忽; 混入规范不同的产品等。
孤岛型
26
5、平 顶 型
往往是由于 生产过程中,某 种缓慢的倾向起 作用造成的。如 工具的磨损、或 操作者的疲劳等 系统性原因造成 的。
13
5、计算各组的界限值:
为了避免出现数据值与
组的边界值重合而造成频数 计算困难的问题,
组的界限值(边界值)单位 应取最小测量单位的1/2,
即比测量精度高一倍。
1
分组时应把数据表中的最 大值和最小值都包括在内。
0.5
48
14
5、计算各组的界限值:
界限值单位=1×1/2=0.5
第一组下限值=最小值 -界限值单位
但是也有技术上的原因造成的偏态。 如由加工习惯造成的对孔的加工, 特性值往往偏小,易出现左偏型; 对轴的加工特性值往往偏大,易 出现右偏型。
偏向型
24
3、双 峰 型
特点是有两个高峰。 这是由于数据
来自不同的总体造 成的。如把来自两 个工人或两批原材 料或两台设备或两 个厂家生产的产品 混在一起作直方图 造成的。
是指由一系列 宽度相等高度不 等的长方形表示 的图形。
4
2、直方图依据的原理: 产品质量的分散规律
因为产品质量在正常情况下,总 是在一定范围内波动的,不可能 完全一样。然而,这种波动又是 有一定规律的。这种规律表现为
质量状况(数据)总 是集中在一个点的周围, 越靠近这个点越集中,越 往点的两端越少。
•样本平均数
x~x •样本中位数
=
1
n
xi
n i 1
(2)表示样本数据分布分散程度
•样本方差
S2
1 n1
n i 1
( xi
x)2
s s •样本标准差
2
1
n1
n i 1
( xi
x )2
•样本极差 R xmax xmin
22
举例:有5个数据分别是3,5,2,3,4
3 5 2 3 4 17
s=9.00 cg
生产时间:
2004.8.5—10.
0 5.5 15.5 25.5 35.5 45.5
重量
成品重量直方图
20
画直方图
作直方图时也可以边收集数据边作图,根 据以往的经验或通过估计,确定极差、组数、
组距和界限值, 作出如下图1。 当数据出现时可 由员工随时将其 画在图上,最终 形成图2。
24 32 14
28 48 1 42 38 6 18 28 16 8 12 37 26 28 47 24 27 24 22 34 22 30 28 19 24 32 40
注:表中数据是实测数据减去1000g的简化值。
9
2、计算极差(R)
R=Xmax–Xmin = 48-1 = 47
01
48 50
质量特性值的分布范围
平顶型
27
6、锯 齿 型
这种异常不是生产 上的问题,是由 于作直方图过程 中分组过多、或 测量时读数有误、 或测量仪器精度 不够等造成的。
锯齿型
28
7、陡 壁 型
往往是经全数检 查,剔出不合格 品后的产品数据, 作直方图时出现 的状态。
或是根据虚假数 据作直方图时出 现的状态。
陡壁型
29
2、与规范界限的比较分析:
一、统计方法的基础知识
1、统计方法及其分类
⑴ 描述性统计方法 ⑵ 推断性统计方法
2、产品质量波动
⑴ 正常波动——随机原因——受控状态 ⑵ 异常波动——系统原因——失控状态
3、统计数据的种类
⑴ 计量数据——正态分布 ⑵ 计数数据
•计件数据——二项分布 •计点数据——泊松分布
1
4、统计特征数
(1)表示样本数据分布集中位置的
1
0.5~5.5
/
1
2
5.5~10.5
///
3
3
10.5~15.5
//////
6
4
15.5~20.5
//////////////
14
5
20.5~25.5
///////////////////
19
6
25.5~30.5
///////////////////////////
27
7
30.5~35.5
//////////////
14
8
35.5~40.5
//////////
10
9
40.5~45.5
///
3
10
45.5~50.5
///
3
合计
100
16
7、画 直 方 图:
以频数为纵坐标,以质量特 性值为横坐标,画出坐标。
在横坐标上面画出公差线并 标出公差范围(T),公差 下限与原点间稍留一些距离, 以方便看图。
0
T
50
17
画直方图各组的长方形
表10-2 组 数 k 选 用 表
数据的 数 量(n)
组 数 (k)
一般常用 的组数
(k)
50~100
5~10
100~250
7~12
10
250以上
10~20
K=10 12
4、计算组距(h):
h=
极差/组数=R/k
=47/10
=4.7
h
≈5
组距一般取测量单位的整数倍以便于分组。在 不违背分组原则的基础上,组距尽量取奇数, 以便于组界的划分。
当直方图的形状呈正常型时,即 工序在此时此刻处于稳定状态时, 还需要进一步将直方图同规范界限 (即公差)进行比较,以分析判断 工序满足标准公差要求的程度。 常见的典型状态如下:
30
1、理 想 型
图形对称分布, TL 且两边有一定余 量,是理想状态。 这时可考虑在以 后的生产中抽取 少量的样品进行 检验。
22
三、直方图的观察分析
1、正 常 型
特点是中间高两边 逐渐降低,近似对称。
可判断工序运行 正常,生产处于稳定 状态。
正常型
23
2、偏 向 型
分左偏型和右偏型。
特点是高峰偏向一侧,另一侧呈缓 坡状。一般有形位公差要求(只 控制一侧界限)的特性值分布、 计数值的分布往往呈偏向性,这 属于正常的情况。
=1-0.5=0.5
第一组上限值=第一组下限值+组距
=0.5+5=5.5
第二组下限值
=第一组上限值=5.5
第二组上限值
=第二组下限值+组距
=5.5+5=10.5 以此类推算出各组的界限值。
0.5 5.5 10.5
15
6、编制频数分布表: 表10-3
组号 组的界限值
频 数 记 录 频数统计
1、收集数据: 收集生产稳定状态下的产品100个,测定其重
量得到100个数据(或收集已经测定过的数据 100个),列入表10-1中。
作直方图的数据要大于50个,否则反映分
布的误差太大。也不能太大。
8
表10-1
43 28
34 22
24 29 28 32 38 36 40 28 42 32 29 18 28 28 30 20
为提高产品质量、降低生产成本及
时提供信息。
(1)及时发现生产过程中发生的异常和缓慢 变异,预防不合格品的发生;
X M TU
理想型
31
2、偏 心 型
平均值偏离公差中心
使某一边余量很小。 TL
若工序状态稍有变坏, 就会出现废品。 应调整分布中心,使 偏离量减少或使分布 中心与公差中心M重 合。
XM 偏心型
TU
32
2、偏 心 型
平均值偏离公差中心。
已经出现废品。?? TL
进一步查清原因,对症 下药。
如:某一食品PH值直 方图如图,已确定原 因来自生产工艺。 应如何调整?
等各种原因进行质量分析; 3)调查工序或设备的能力,进一步确
定工序能力指数; 4)在QC小组活动中主要用于现状调
查、制定并实施对策和效果检查,也 可用于课题选择、确定目标、遗留问 题的确定等。
相关文档
最新文档