统计过程控制简称SPC.docx
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
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。
统计过程控制(SPC)

CD
AP
CD
AP
AP
CD
CD
统计过程控制(SPC)
SPC的基本概念 控制图原理 常规(休哈特)控制图 控制图的判断准则 常用控制图的计算 通用控制图 过程能力与过程能力指数
统计过程控制(SPC)
SPC的基本概念
• SPC的涵义 SPC是英文Statistical Process Control(统计过程控制)
C B A
准则:连续9点落在中心线同一側。
LCL
准则:连续6点递增或递减。
准则:连续14点中相邻点上下交替。
准则:连续3点中有2点落在中心线同一側的B区之外。
准则:连续5点中有4点落在中心线同一側的C区之外。
准则:连续15点在C区的中心线上下。
准则:连续8点在中心线两側,但无一在C区中。
统计过程控制(SPC)
统计过程控制(SPC)
• 控制图的作用 控制图的作用是:及时告警。体现SPC与SPD的贯彻
预防原则。 控制图是SPC与SPD的重要工具,用以直接控制与诊断 过程,故为质量管理七个工具的核心。
质量管理七个工具:因果图(Cause-effect diagram), 排列图(Pareto diagram),直方图(Histogram),散 步图(Scatter diagram),控制图(Control chart),分 层法(Stratification),检查表(Check list)。 贯彻预防原则的“20字方针”:
u控制图的控制线为:
UCL = u + 3 u / n CL = u
LCL = u - 3 u / n
式 否中则:控u制=线 呈ci /凹凸ni 状,。ci为样本的不合格数。样本容量n最好恒定,
SPC统计过程控制.doc

统计制程控制(Statistical Process Control)目录1. 统计制程控制(SPC)的基本概念1.1 质量的基本概念1.2 统计制程控制(SPC)是什么?1.3 统计制程控制(SPC)的起源与发展2. 常用的统计方法2.1 概率2.2 统计特征数2.3 正态分布(Normal Distribution)2.4 中心趋向定律(Central Limit Theorem)2.5正常状态的统计规律2.6常规控制图及其3σ界限2.7变异的基本概念2.8数据的种类2.9控制图的种类3. 计量值控制图的制作及应用3.1 选择计量值控制图3.2 数据收集3.3 控制界限的设定3.4. 控制界限的更新3.5 控制界限和规格的关系4. 计数值控制图的制作及应用4.1 选择计数值控制图4.2 数据收集4.3 控制界限的设定4.4 控制界限的更新5. 控制图的分析5.1 正常状态5.2 异常现象5.3 失控行动表6. 制程能力的研究6.1 制程能力研究的目的6.2 制程能力指数的计算和分析7. 控制图与七工具的关系7.1 七工具是什么?7.2 统计分析表Checksheet7.3 分类法Stratification7.4 巴氏图Pareto Analysis7.5 直方图Histogram / Barchart7.6 因果图Cause-and-Effect Diagram7.7 散布图Scattered Diagram8. 附录8.1 控制图用途总表8.2 控制图的选择8.3 控制图工作纸8.4 控制图样本8.5 实习题1. 统计制程控制(SPC)的基本概念1.1 质量的基本概念1.1.1 品质的定义●卓越的程度比较的意义:产品(功能、品质、安全、『级数』等)比较;●品质水准定量意义:技术评估;●适合用途(Fitness for Use)产品或服务,在满足特定需要的能力;●满足顾客要求。
1.1.2 检查与品质●「品质」并不是靠检查出来,而是靠生产出来的;●检查只是把所制成的,与规格要求的,作一个比较;●检查只能停止不合格品的流动,但不能停止它的产生;●检查本身都有品质问题,存在误检及漏检,尤其是复杂和大量的检查.●检查需要格外的成本和时间.●如果产品在第一次便做得对,便可消除废料、翻工及减少顾客投诉;1.1.3 品质与市场竞争能力●商品要达到畅销目的,通常要有三个必备的条件:-1. 品质优良;2. 价格合理;3. 交货期准。
统计过程控制(简称SPC)

SPC统计过程控制SPC是Statistical Process Control的简称统计过程控制。
利用统计的方法来监控过程的状态,确定生产过程在管制的状态下,以降低产品品质的变异。
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。
统计过程控制简本

03
CATALOGUE
统计过程控制实施步骤
明确目标与范围
确定控制对象
明确需要控制的产品或过程特性,以 及相应的质量标准和要求。
制定控制计划
根据产品或过程特性,制定相应的统 计过程控制计划,包括采样方案、控 制图类型、异常处理流程等。
数据收集与整理
采集数据
按照控制计划的要求,定时或定量地采 集需要控制的产品或过程特性的数据。
应用领域与意义
应用领域
SPC可应用于制造业的各个领域,如机械加工、电子制造、汽车制造、航空航天等。同时,也可应用于服务业、 医疗、教育等非制造领域的过程控制。
意义
通过实施SPC,企业可以及时发现并消除生产过程中的异常因素,确保产品质量稳定可靠;降低生产成本,提高 生产效率;提升企业市场竞争力,实现可持续发展。同时,SPC还有助于推动企业质量管理水平的提升,促进企 业整体管理水平的提高。
正态分布与3σ原则
正态分布
在影响产品质量的众多因素中,当随机 因素占主导地位时,产品质量特性往往 服从正态分布。正态分布具有钟型曲线 特点,其概率密度函数关于均值对称。
3σ原则
正态分布的一个重要性质是,约有99.73%的数 据分布在均值的三倍标准差(3σ)范围内。因 此,在实际应用中,通常将均值加减三倍标准 差作为控制界限,超出此范围的数据视为异常 值。
目的
提高产品质量、降低生产成本、提升生产效率,最终实现企业经济效益的提升 。
发展历程及现状
发展历程
SPC起源于20世纪初的工业革命时期,随着生产规模的扩大 和产品质量要求的提高,逐渐发展成为一门独立的学科。经 历了手工绘图、机械化、自动化等发展阶段,目前正向智能 化、大数据等方向发展。
统计过程控制(SPC)

解:
于是,过程能力指数为:
过程能力不够充分,从图2发现分布中心μ=0.1968与规范中心M=(TU+TL)/2=0.1720有偏离,应进行调整。调整后,Cp值会有所提高。
单侧规范情况的过程能力指数
01
只有上限要求,而对下限没有要求: 只适用于的范围:
02
只有下限要求,而对上限没有要求: 只适用于的范围:
4
3
6
5
判稳准则的分析 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。
在点子随机排列的情况下,符合下列各点之一判稳:
01
► 连续25个点,界外点数d=0;
02
► 连续35个点,界外点数d<0;
03
► 连续100个点,界外点数d<2。
0.1821
0.1828
0.0086
18
0.1812
0.1585
0.1699
0.168
0.1694
0.0227
19
0.1700
0.1567
0.1694
0.1702
0.1666
0.0135
20
0.1698
0.1664
0.17
0.16
0.1666
0.01
图1
μ’
μ
图2-7 正态曲线随着标准差变化
σ=2.5
σ=1.0
σ=0.4
y
x
不论μ与σ取值为何,产品质量特性值落在[μ-3σ,μ+3σ]范围内的概率为99.73%。 图2-8 正态分布曲线下的面积
SPC(Statistical Process Control,统计制程控制)

SPCSPC(Statistical Process Control,統計製程控制)什麼是SPCSPC即英文“Statistical Process Control”之縮寫,意為“統計製程控制” SPC或稱統計過程式控制制。
SPC主要是指應用統計分析技術對生產過程進行實時監控,科學的區分出生產過程中產品質量的隨機波動與異常波動,從而對生產過程的異常趨勢提出預警,以便生產管理人員及時採取措施,消除異常,恢復過程的穩定,從而達到提高和控制質量的目的。
在生產過程中,產品的加工尺寸的波動是不可避免的。
它是由人、機器、材料、方法和環境等基本因素的波動影響所致。
波動分為兩種:正常波動和異常波動。
正常波動是偶然性原因(不可避免因素)造成的。
它對產品質量影響較小,在技術上難以消除,在經濟上也不值得消除。
異常波動是由系統原因(異常因素)造成的。
它對產品質量影響很大,但能夠採取措施避免和消除。
過程式控制制的目的就是消除、避免異常波動,使過程處於正常波動狀態。
SPC起源與發展SPC的基本原理和方法是上世紀30年代由Shewhart博士為了有效地對生產過程中產品質量進行監測控制而提出的,至今已有70多年的歷史。
自創立以來,它就在工業和服務等行業得到了推廣和使用。
二戰時期美國將其制定為戰時質量管理標準,為保證軍工產品的質量和及時交付起到了重要作用。
戰後的日本從1950-1980年在工業界廣泛推廣和應用SPC,使日本躍居世界產品質量和生產率的領先地位,以至於美國著名的質量管理專家Berger教授也曾說:日本成功的基石之一就是SPC。
從上世紀80年代起,SPC在許多工業發達國家復興,世界很多大公司也紛紛在自己內部積極推廣和應用SPC。
雖然,SPC是從產品的質量監控開始的,但經過70多年實踐和發展,尤其是與電腦技術的緊密結合,其原理和方法現已廣泛應用於設計、銷售、服務、管理等過程。
3σ原理簡介當過程僅僅有正常變異時,過程的質量特性是呈現正態分佈的,其分佈狀態如下:休哈特建議用界限±3σ來控制過程,就是說,在10000個產品中不超過27個不合格品出現,就認為改生產過程是正常的,若達到27個以上,就認為過程失控。
统计工序控制 即SPC(Statistical Process Control)

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。
5.改善的评估:制程能力可作为改善前後比较之指标。
利用管制图管制制程之程序
1.绘制「制造流程图」,并用特性要因图找出每一工作道次的制造因素(条件)及品质特性质。
特殊原因
一种间断性的,不可预计的,不稳定的变差来源。有时被称为可查明原因,存在它的信号是:存在超过控制线的点或存在在控制线之内的链或其他非随机性的情形。
普通原因
造成变差的一个原因,它影响被研究过程输出的所有单值;在控制图分析中,它表现为随机过的操作者使用
? 有助于过程在质量上和成本上能持续的、可预测的保持下去
? 使过程达到:
? 更高的质量
? 更低的单件成本
? 更高的有效能力
? 为讨论过程的性能提供共同的语言
? 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
造的产品
-评估人员、设备、材料与工作方法的适当性
-根据规格公差设定设备的管制界限
-决定最经济的作业方式
过程控制和过程能力
◎目标:过程控制系统目标,是对影响过程的措
施作出经济合理的决定, 避免过度控制
与控制不足
◎过程能力讨论:必需注意二个观念
○由造成变差的普通原因来确定
在实际应用中,当各组容量与其平均值相差不超过正负25%时,可用平均样本容量( )来计算控制限.
在什么条件下分析阶段确定的控制限可以转入控制阶段使用:
? 控制图是受控的
? 过程能力能够满足生产要求
SPC-(Statistical Process control)统计过程控制

计量型数据控制图的绘制与应用:
A. 收集数据 A.1 选择子组大小、频率和数据 a. 子组大小 所有的子组样本的容量应保持恒定, 一般为 4~5 件连续生产的产品的组合; b. 子组频率 应当在适当的时间收集足够的子组,这样子组才能反映潜在的变 化; c. 子组数的大小 一般情况下,包含 100 或更多单值读数的 25 或更多个的子组可 以很好地用来检验稳定性。 A.2 建立控制图及记录原始数据 A.3 计算每个子组的均值( X)和极差( R) X =(X 1 + X 2 + … + Xn)/n R=X最大值-X最小值
-3-
Statistical Process control
此时将有不可预测方式影响输出。 生产过程控制就是要清除系统性因素(特殊原因) 。
第四节 局部措施和对系统采取措施
局部措施: 系统措施: 针对特殊原因由直接操作人采取适当纠正措施。 此时大约可纠正 15%的过程问题。 解决变差的普通原因,由管理人员来采取措施。 此时大约可纠正 85%的过程问题。
特 性 产品
一 般 关 键 KPCS
安全、法规
配合、功能
一 般 过程 关 键 KCC S
一般特性:只要是合格就可以; 关键特性:不仅仅合格,还要尽可能接近目标值。
检验分类: � 计数型:检验时仅分为合格、不合格; � 计量型:检验时可确定值的大小。
NO:LLC-ts05
-2-
Statistical Process control
C.2 识别并标注特殊原因
C.3 重新计算控制极限
D. 过程能力解释
^ D.1 计算过程的标准偏差 ^ d2 =σR/ σ = R/ R/d d R/d
2 计算过程能力 D. D.2 Cp =(USL – LSL)/(^ 6σR/ d2 ) R/d2 注:仅限于公差中心与过程中心重合。 SL:规范界限 当 Cp < 1 能力不合格; 当 Cp > 1 能力合格;
统计过程控制(SPC)程序文件

.为了解和改善过程,通过对过程能力的分析、评估使其有量化资料,为设计、创造过程的改进,选择材料,操作人员及作业方法,提供依据和参考。
本程序合用于*****做统计过程控制〔P P K 、C P K 、CmK 、 PPM 的所有产品。
指统计过程控制。
稳定过程的能力指数 。
它是一项有关过程的指数 ,计算时需同时考虑过程数的趋势及该趋势接近于规格界限的程度。
初期过程的能力指数。
它是一项类似于 C P K 的指数,但计算时是以新产品的初期过程性能研究所得的数据为基础。
过程准确度 。
指从生产过程中所获得的资料 ,其实际平均值与规格中心值之间偏差的程度。
过程精密度。
指从生产过程中全数抽样或者随机抽样〔普通样本在 50以上所计算出来的样本标准差以推定实际群体的标准差 3 个标准差〔与规格容许差比较。
质量水准,即每百万个零件不合格数 。
指一种根据实际的缺陷材料来反映过程能力的一种方法。
PPM 数据常用来优先制定纠正措施。
设备能力指数:是反映机械设备在受控条件下,当其人/料/法不变时的生产能力大小。
.质量部负责统计过程控制的监督、管理工作。
1. 质量水准 PPM 的过程能力计算及评值方法:当产品和/或者过程特性的数据为计数值时 ,创造过程能力的计算及等级评价 方法如下: 〔1 计算公式:不良品数× 1000000检验总数〔2 等级评价及处理方法:2. 稳定过程的能力指数 Cp 、Cpk 计算及评价方法:〔1 计算公式:ACa = 〔x-U / 〔T / 2×100%注: U = 规格中心值PPM 值PPM ≦ 233233 < PPM ≦ 577 等 级 说 明创造过程能力足够。
创造过程能力尚可 ;视过程控制特性的要求 ,进行必要的改进措施。
577 < PPM ≦ 1350 创造过程能力不足;必须进行改进措施。
等 级ABC PPM =.T = 公差 = SU - SL = 规格上限值 – 规格下限值σ = 产品和/或者过程特性之数据分配的群体标准差的估计值x = 产品和/或者过程特性之数据分配的平均值BCp = T / 6σ〔当产品和/或者过程特性为双边规格时或者CPU 〔上稳定过程的能力指数= 〔SU-x / 3σ〔当产品和/或者过程特性为单边规格时CPL 〔下稳定过程的能力指数= 〔x-SL / 3σ〔当产品和/或者过程特性为单边规格时 Z1 = 3Cp 〔1+Ca ……根据 Z1 数值查常〔正态分配表得 P1%; Z2 = 3Cp 〔1-Ca ……根据 Z2 数值查常〔正态分配表得 P2%不合格率 P% = P1% + P2%注 :σ = R / d 2 〔 R 为全距之平均值,d 2 为系数,与抽样的样本大小 n 有关,当 n =4 时,d 2 = 2.059;当 n =5 时,d 2 = 2.3267CCpk = 〔1- ∣ Ca ∣ × Cp当 Ca = 0 时,Cpk = Cp 。
SPC过程控制精选全文完整版

可编辑修改精选全文完整版1.统计过程控制SPC即统计过程控制。
是利用统计方法对过程中的各个阶段进行控制,从而达到改进与保证质量的目的。
SPC强调以全过程的预防为主。
也是中国人民武装警察部队特种警察学院的简称,该学院又叫做武装特警学院.它是训练特种兵的学院,同时还是执行任务的机构.目录一、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。
SPC统计过程控制1、前言─SPC的由来、发展和基本要求2、识别关键控制点3、数据变异的衡量和分析· 直方图4、数据的动态变异· 控制图4.1、随机波动与异常波动4.2、ISO 8258:1991《休哈特控制图》(Control Chart)要点4.3、常规控制图的类型和实例s 控制图的结构和概念解释s 控制图类型和用途1) X平均与极差图(均值—极差控制图、均值—标准差控制图、中位数—极差控制图、单值—移动极差控制图)s 结构和应用流程s 举例2) I和MR控制图s 结构和应用流程s 举例3) 离散U、C、P、NP控制图s 结构和应用流程s 举例s 如何收集数据s 采样及数据收集s 设定和维持控制界限4.4、控制图制订和使用中的若干实际问题4.5、现代控制图技术案例5、过程能力与过程性能(Process Capability / Performance)分析以及相应的指数CPK、PPK的应用6、过程能力/性能的保证和提高---查找原因采取纠正/预防措施的逻辑推理工具s 5M1E要素s 分层法与排列图s 用于因果关系和逻辑关系分析的非数字资料方法工具: 因果图、系统图与“5Why分析表”、关联图、故障树分析(FTA)、过程决策程序图(PDPC)法7、如何实现有效的SPC现场控制s 受控的标准s 流程失控的表现s 失控的现场应对s 练习制作控制图进行失控分析s SPC实施中现场“看得见管理”应用的直观显示图表8、SPC的效果评估的方法s 显著性检验s 统计抽样检验9、回归分析s 一元线性回归分析s 曲线回归s 双列相关分析10、方差分析s 方差分析的基本概念及其应用s 方差分析在MSA(测量系统分析)中的应用s 多重比较:q检验11、试验设计(Design of Experiment, DOE) --介绍正交试验设计12、SPC项目的开展(SPC在QCC/QIT、6Sigma项目活动中的应用)如何创建SPC系统1、关键流程的确定2、稳定工艺过程3、过程能力的测定和分析4、确定控制标准5、选择和建立控制图6、制定反馈行动计划7、MSA测量系统分析8、SPC应用的有效性评估9、SPC应用的团队活动10、案例分析及实施疑难探讨SPC的有效实施一、原因分析目前我们国内许多企业也开始逐步认识和推广SPC,但并没有达到预期的效果,为什么呢?究其原因,主要可以分为以下几点:1、企业对SPC缺乏足够的全面了解2、企业对实施SPC的前期准备工作重视不够3、未能有效地总结和借鉴其他企业的经验二、改进对策针对以上原因,要保证SPC实施成功,企业应重视如下几方面的工作:1、领导的重视2、工程技术人员的认识和重视3、加强培训4、重视数据5、实施PDCA循环,达到持续改进统计工序控制即SPC(Statistical Process Control)。
统计过程控制(SPC)

三、SPC进行步骤
※培训SPC,培训的主要内容有:a.SPC的重要性; b.正态分布等统计基本知识;c.质量管理七大 工具,主要是对控制图深入学习;d.两种质量 诊断理论;e.如何制定过程控制图;f.如何制定 过程控制标准。
※确定关键变量(即关键质量图表)。 ※提出或改进规格标准。 ※编制控制标准手册,在各部门落实。 ※对过程进行统计监控。 ※对过程进行诊断并采取措施解决问题。
➢ 它是自然界的一种最基本的最普遍的法则,反应了事物内在的变化规律; ➢ 它是我们进行统计分析的基础; ➢ 它使我们得以通过少量抽样来把握全体,从而节省大量人力、物力、财
力和时间。
❖正态分布的特点
➢ 形态如钟 ➢ 左右对称 ➢ 于平均值处分布的频数最多,此外,越远高平均值分布的频数也越少 ➢ 曲线下的面积为1
七、控制图的判断准则
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,由于后者相当于生产中的大 法,故由前者转为后者对应有正式交接手续,这里要用到判 稳准则,在稳定之前要用到判异准则。
应用控制用控制图的目的是使生产过程保证在确定的状态, 在应用控制图的过程中,若过程不发生异常,则应执行: “查出原因,采取措施,保证消除,不再出现,纳入标准” 这20个字,使过程恢复原来的状态。
六、控制图
3、控制图原理的解释2 我们可以换一个角度来研究控制图的原理,根据来源的不 同,质量因素可以分成4MIE五个方面,但从对质量影响的 大小来看,质量因素可以分为偶然因素与异常因素。偶然因 素始终存在,短期内对质量影响微小,但难以去除,异常因 素则有时存在,对质量影响大,但不能除去。 偶然因素与异常因素引起过程质量的波动,如何发现异常波 动的出现呢?经验和理论分析说明,当过程存在偶然变动时, 过程的质量特性将会形成某种典型的分布(例如:正态分 布),如果有异常波动的产生,则过程的分布必会偏离原有 的典型分布,因此我们可以通过典型分布是否偏离就能判断 是否有异常原因引起的波动,而典型分布的偏离可以有控制 图检出。
统计过程控制(SPC)

统计过程控制(S P C)参考手册本手册所描述控制图的选用程序目录第I章持续改进及统计过程的控制概述第1节预防与检测 (5)第2节过程控制系统 (7)第3节变差:普通及特殊原因 (9)第4节局部措施和对系统采取措施 (11)第5节过程控制手过程能力 (13)第6节过程改进循环及过程控制 (17)第7节控制图:过程控制的工具 (21)第8节控制图的益处 (25)第II章计量型数据控制图 (27)第1节均值和极差图(X—R图) (29)A 收集数据 (31)B 计算控制限 (37)C 过程控制解释 (39)D 过程能力解释 (57)第2节均值和标准差图(X—s图) (65)A 收集数据 (65)B 计算控制限 (67)C 过程控制解释 (67)D 过程能力解释 (67)~第3节中位数图(x—R图) (69)A 收集数据 (69)B 计算控制限 (71)C 过程控制解释 (71)D 过程能力解释 (71)E 中位数图的替代方法 (72)第4节单值和移动极差图(X—MR图) (75)A 收集数据 (75)B 计算控制限 (75)C 过程控制解释 (77)D 过程能力解释 (77)第5节计量型数据的过程能力和过程性能的理解 (79)A 过程术语的定义 (79)B 过程量度的定义 (80)C 条件和假设的描述 (81)D 使用过程量度的建议 (83)第II章计数型数据控制图 (89)第1节不合格品率的P图 (91)A 收集数据 (93)B 计算控制限 (95)C 过程控制解释 (99)D 过程能力解释 (107)第2节不合格品数的np图 (111)A 收集数据 (111)B 计算控制限 (111)C 过程控制解释 (111)D 过程能力解释 (111)第3节不合格数的c图 (113)A 收集数据 (113)B 计算控制限 (113)C 过程控制解释 (113)D 过程能力解释 (113)第4节单位产品不合格数据的u图 (115)A 收集数据 (115)B 计算控制限 (115)C 过程控制解释 (117)D 过程能力解释 (117)第IV章过程测量系统分析 (119)第1节引言 (119)第2节均值和极差法 (121)A 进行研究 (121)B 计算 (122)C 结果分析 (123)D 示例 (127)附录A 关于分组的一些评述 (131)附录B 过度调整 (137)附录C 本手册所描述控制图的选用程序 (139)附录D Cpm与其它指数(USL—T)=(T—LSL)的关系 (141)附录E 控制图的常数和公式表 (143)附录F 标准正态分布 (147)附录H 参考文献及建议的读物 (159)附录I 可复制的控制图表 (161)插图目录图名称页次1过程控制系统 (6)2变差:普通及特殊原因 (8)3过程控制及过程能力 (12)4过程改进循规蹈矩环 (16)5控制图 (20)6计量型数据——测量中间或最终过程输出的结果 (26)7X—R图 (30)8X—R图建立数据 (32)9X—的图“初始研究” (34)10有控制限的X—R图 (36)11R图——有超出控制限的点存在 (38)12R图——链(极差) (40)13R图——非随机模式 (42)14X—R图——重新计算控制限(极差) (44)15X图——超出控制限的点 (46)16X图——链 (48)17X图——非随模式 (50)18X—R图——重新计算控制限 (52)19X—R图——延长控制限 (54)20相对无规范限界的过程变差 (56)21计算过程能力 (58)22评价过程能力 (60)23数据收集 (64)24X和s图 (66)25中位数控制图 (68)26中位数控制图—解释 (70)27单值移动极差图 (74)28单值和移动极差图的解释 (76)29“目标柱”与损失函数的比较 (82)30调整过程与要求一致 (84)31计数型数据 (88)32不合格品率p图——数据收集 (92)33不合格品率p图——计算控制限制—表1 (94)33 不合格品率p图——计算控制限制—表2 (96)34不合格品率p图——超出控制限制的点 (98)35不合格品率p图——链 (100)36不合格品率p图——非随机图形 (102)37不合格品率p图——重新计算控制限 (104)38不合格品数的np图 (110)39不合格品数的c图 (112)40交易会产品不合格数的u图 (114)41u图——重新计算控制限 (116)42量具的重复性和再现性数据记录表 (124)43量具的重复性和再现性报告 (125)44量具的重复性和再现笥数据表——示例 (128)45量具的重复性和再现性报告——示例 (129)第I章持续改进及统计过程控制概述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。
统计过程控制SPC(TS16949)

• 休哈特的贡献就在于:应用他所提出的过程控制理论能够在生 产线上科学地保证预防原则的实现。
质量管理体系对统计技术的要求
• VDA6.1:1999(第四版)
22.1 是否了解使用统计技术的可能性并对其应用 进行策划?
• 在过程链内, 为了查明、监控和检验过程能力与产品特 性值, 必须确定对统计技术的需求.
• 哪些过程和特性值采用哪些方法进行检验和评价, 将依 据风险分析的结果(例如: FMEA)来确定.
22.6统计技术是否使用于产品使用过程中的失效分 析评定?
• 典型的方法, 例如:
– 缺陷收集卡 – 排列图 – 概率纸
• 与生产相结合的统计技术的采用, 在许多情况下具 有更大的意义.
• 例如: 在售后服务和开展保修工作时运用.
质量管理体系对统计技术的要求
• ISO9001:2000/ISO TS16949:2002
8 测量、分析和改造 8.1 总则 组织必须计划并实施以下方面所需的监控、测量、分析和 改进的过程:
a) 证实产品的符合性; b) 确保品质管理系统的符合性; c) 持续改进品质管理系统的有效性。
这必须包括对统计技术在内的适用方法及其必须使用范围 的确定。
以上为ISO9001:2000的要求;
质量管理体系对统计技术的要求
40 35 30 112250505
0 1 2 6 13 10 16 19 17 12 16 20 17 13 5 6 2 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、"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统计过程控制SPC是Statistical Process Control的简称统计过程控制。
利用统计的方法来监控过程的状态,确定生产过程在管制的状态下,以降低产品品质的变异。
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技术原理统计过程控制(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。
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的。
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。
SPC可以为企业带来的好处SPC强调全过程监控、全系统参与,并且强调用科学方法(主要是统计技术)来保证全过程的预防。
SPC不仅适用于质量控制,更可应用于一切管理过程(如产品设计、市场分析等)。
正是它的这种全员参与管理质量的思想,实施SPC可以帮助企业在质量控制上真正作到"事前"预防和控制,SPC可以:·对过程作出可靠的评估;·确定过程的统计控制界限,判断过程是否失控和过程是否有能力;·为过程提供一个早期报警系统,及时监控过程的情况以防止废品的发生;·减少对常规检验的依赖性,定时的观察以及系统的测量方法替代了大量的检测和验证工作;有了以上的预防和控制,我们的企业当然是可以:·降低成本·降低不良率,减少返工和浪费·提高劳动生产率·提供核心竞争力·赢得广泛客户·更好地理解和实施质量体系实施SPC的两个阶段实施SPC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。
分析阶段的主要目的在于:一、使过程处于统计稳态;二、使过程能力足够。
分析阶段首先要进行的工作是生产准备,即把生产过程所需的原料、劳动力、设备、测量系统等按照标准要求进行准备。
生产准备完成后就可以进行,注意一定要确保生产是在影响生产的各要素无异常的情况下进行;然后就可以用生产过程收集的数据计算控制界限,作成分析用控制图、直方图、或进行过程能力分析,检验生产过程是否处于统计稳态、以及过程能力是否足够。
如果任何一个不能满足,则必须寻找原因,进行改进,并重新准备生产及分析。
直到达到了分析阶段的两个目的,则分析阶段可以宣告结束,进入SPC监控阶段。
监控阶段的主要工作是使用控制用控制图进行监控。
此时控制图的控制界限已经根据分析阶段的结果而确定,生产过程的数据及时绘制到控制上,并密切观察控制图,控制图中点的波动情况可以显示出过程受控或失控,如果发现失控,必须寻找原因并尽快消除其影响。
监控可以充分体现出SPC预防控制的作用。
在工厂的实际应用中,对于每个控制项目,都必须经过以上两个阶段,并且在必要时会重复进行这样从分析到监控的过程。
SPC的最新发展经过近70年在全世界范围的实践,SPC理论已经发展得非常完善,其与计算机技术的结合日益紧密,其在企业内的应用范围、程度也已经非常广泛、深入。
概括来讲,SPC的发展呈现如下特点:(1).分析功能强大,辅助决策作用明显在众多企业的实践基础上发展出繁多的统计方法和分析工具,应用这些方法和工具可根据不同目的、从不同角度对数据进行深入的研究与分析,在这一过程中SPC的辅助决策功能越来越得到强化;(2).体现全面质量管理思想随着全面质量管理思想的普及,SPC在企业产品质量管理上的应用也逐渐从生产制造过程质量控制扩展到产品设计、辅助生产过程、售后服务及产品使用等各个环节的质量控制,强调全过程的预防与控制;(3).与计算机网络技术紧密结合现代企业质量管理要求将企业内外更多的因素纳入考察监控范围、企业内部不同部门管理职能同时呈现出分工越来越细与合作越来越紧密两个特点,这都要求可快速处理不同来源的数据并做到最大程度的资源共享。
适应这种需要,SPC与计算机技术尤其是网络技术的结合越来越紧密。
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点在中心线同侧无一点在C区内。
SPC统计过程控制1、前言─SPC的由来、发展和基本要求2、识别关键控制点3、数据变异的衡量和分析·直方图4、数据的动态变异·控制图4.1、随机波动与异常波动4.2、ISO 8258:1991《休哈特控制图》(Control Chart)要点4.3、常规控制图的类型和实例s 控制图的结构和概念解释s 控制图类型和用途1) X平均与极差图(均值—极差控制图、均值—标准差控制图、中位数—极差控制图、单值—移动极差控制图)s 结构和应用流程s 举例2) I和MR控制图s 结构和应用流程s 举例3) 离散U、C、P、NP控制图s 结构和应用流程s 举例s 如何收集数据s 采样及数据收集s 设定和维持控制界限4.4、控制图制订和使用中的若干实际问题4.5、现代控制图技术案例5、过程能力与过程性能(Process Capability / Performance)分析以及相应的指数CPK、PPK的应用6、过程能力/性能的保证和提高---查找原因采取纠正/预防措施的逻辑推理工具s 5M1E要素s 分层法与排列图s 用于因果关系和逻辑关系分析的非数字资料方法工具: 因果图、系统图与“5Why分析表”、关联图、故障树分析(FTA)、过程决策程序图(PDPC)法7、如何实现有效的SPC现场控制s 受控的标准s 流程失控的表现s 失控的现场应对s 练习制作控制图进行失控分析s SPC实施中现场“看得见管理”应用的直观显示图表8、SPC的效果评估的方法s 显著性检验s 统计抽样检验9、回归分析s 一元线性回归分析s 曲线回归s 双列相关分析10、方差分析s 方差分析的基本概念及其应用s 方差分析在MSA(测量系统分析)中的应用s 多重比较:q检验11、试验设计(Design of Experiment, DOE) --介绍正交试验设计12、SPC项目的开展(SPC在QCC/QIT、6Sigma项目活动中的应用)如何创建SPC系统1、关键流程的确定2、稳定工艺过程3、过程能力的测定和分析4、确定控制标准5、选择和建立控制图6、制定反馈行动计划7、MSA测量系统分析8、SPC应用的有效性评估9、SPC应用的团队活动10、案例分析及实施疑难探讨SPC的有效实施一、原因分析目前我们国内许多企业也开始逐步认识和推广SPC,但并没有达到预期的效果,为什么呢?究其原因,主要可以分为以下几点:1、企业对SPC缺乏足够的全面了解2、企业对实施SPC的前期准备工作重视不够3、未能有效地总结和借鉴其他企业的经验二、改进对策针对以上原因,要保证SPC实施成功,企业应重视如下几方面的工作:1、公司领导的重视2、工程技术人员的认识和重视3、对全员加强质量意识的培训4、重视数据的收集和异常数据的处理5、实施PDCA循环,达到持续改进企业为什么要实施SPCSPC是全球范围内制造业所信赖和采用的质量控制技术。
半个多世纪以来,SPC的广泛应用推动了制造业的发展与繁荣。
新世纪是质量的世纪,质量塑造未来,质量也是竞争的关键。
在一些行业,应用SPC已经成为企业生存的基本需求。
传统观念把检验作为质量保证的手段,只能事后判断,而应用SPC,能够把握先机,预防不合格品的出现,降低成本,提高企业运行效率。
SPC 强调全过程监控、全系统参与,并且强调用科学方法(主要是统计技术)来保证全过程的预防。
SPC不仅适用于质量控制,更可应用于一切管理过程(如产品设计、市场分析等)。