统计过程控制(SPC)与休哈特控制图(三)

合集下载

统计过程控制(休哈特Shewhart控制图)(PPT91页)

统计过程控制(休哈特Shewhart控制图)(PPT91页)

深圳市共进电ห้องสมุดไป่ตู้有限公司
什么是质量?
• 全部功能和特性的产品或服务而承受的能力,以 满足特定需求。 ( ASQC ) • 目标一致 (戴明) • 适应性 (约瑟夫朱兰) • 符合要求 (菲利普克劳士比) • 逆变异 (道格拉斯蒙哥马利)
深圳市共进电子有限公司
识别变化
• 固有的或正常的变化 由于累积的影响,许多小的不可避免的原因在不断的积累 下导致经营过程的唯一机会差异,被认为是“在控制中”
深圳市共进电子有限公司
设置控制界限
• 六西格玛方法 控制界限通常设置为3w ,远离中心线的部分有0.27%的 一类错误,这种控制界限被称为3 控制界限。 • 概率极限方法 控制界限设置为3.09 ,远离中心线部分为0.2 % 一类错 误,这种控制界限被称为0.1 %的概率界限
深圳市共进电子有限公司
Center Line
Lower Control Limit Sample Number or Time
深圳市共进电子有限公司
控制图和中心极限定理
• 中心极限定理: 如果样本大小为n个抽取k个观察,样本x1, x2, . . . , xk将 近似N(x,x)的分布,有:
x i1 k x n
设置警告界限
• 3 控制界限(或0.1 %的概率界限)也可以叫做行为界限, 也就是当一个点处于这些界限以外时,这个过程需要调查和纠正。 有时设置2 的警告界限可以增加控制图的灵敏度。相应的2.5 % 的概率界限会偏离中心线1.96 。
深圳市共进电子有限公司
合理分组
• 一个分组是样本的一次小范围的测量,以代表某一特定时候 或产品内的工序的特征。
深圳市共进电子有限公司
_

统计过程控制(SPC)

统计过程控制(SPC)
统计过程控制(SPCA )P
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,

统计过程控制(SPC)的三个发展阶段

统计过程控制(SPC)的三个发展阶段

统计过程控制(SPC)的三个发展阶段SPC迄今已经受了三个进展阶段,即SPC(Statistical Process Control,统计过程掌握)阶段、SPCD(Statistical Process Control and Diagnosis,统计过程掌握与诊断)阶段与SPCDA(Statistical Process Control,Diagnosis and Adjustment,统计过程掌握、诊断与调整)阶段。

(一)SPC阶段SPC是美国休哈特博士在20世纪二三十年月所制造的理论,它能科学地区分诞生产过程中产品质量的偶然波动与特别波动,从而对过程的特别准时告警,以便人们实行措施,消退特别,恢复过程的稳定。

这就是所谓质量掌握。

这一理论直到20世纪80年月,依旧是过程掌握实施的重要指导。

(二)SPCD阶段SPCD即统计过程掌握与诊断。

SPC虽然能对过程的特别进行告警,但是它并不能告知是什么特别,发生于何处,也不能进行诊断。

1982年张公绪教授提出了新型掌握图——选控图系列,为SPCD理论的进展奠定了基础。

1982年,张公绪提出两种质量诊断理论,突破了传统的美国休哈特质量掌握理论,开拓了统计质量诊断的新方向。

从今SPC上升为SPCD,SPCD是SPC的进一步进展,也是SPC的其次个进展阶段。

1994年,张公绪教授与其同学郑慧英博士提出多元逐步诊断理论,解决了西方国家的诊断理论需要同时诊断全部变量从而第一种错误的概率α比较大的问题。

1996年张公绪提出了两种质量多元逐步诊断理论(也称为两种T2图的逐步诊断理论)解决了多工序、多指标系统的MSPC与MSPCD(多元质量掌握与诊断)问题。

1998年,张公绪又将上述理论进一步改进,这是多元诊断理论的一个突破,不但使得多元掌握与诊断大为简化,而且很多的多元诊断问题由此得以解决。

目前SPCD已进入有用性阶段,我国仍旧居于领先地位,在SPC 与SPCD的理论与实践方面做出了应有的贡献,形成我国的SPC与SPCD学派。

统计过程控制(SPC)

统计过程控制(SPC)

(三) x R 控制图的操作步骤
1. 确定控制对象(统计量) 2. 收集k组预备数据(一般K=25;每组数
据个数n ≥ 2;遵循合理子组原则) 3. 计算每一个样本的均值 X i 与极差 Ri 。 4. 计算 X与R 5. 计算R图控制限并作图 6. 用各样本点绘在图中,判断状态。
分析过程若失控或异常,找出原因, 进行纠正,防止再发生。
7. 计算 X 图控制限并作图,判断状态。 8. 计算过程能力指数验证是否符合要求 9. 延长控制限,作控制用控制图,进行日
常管理
四、 X S 图(掌握) 五、X-Rs图(了解)
六、Me-R图(了解)
七、P控制图
(一)P控制图的控制状态
P 常数
n
n
ˆp p di / ni
i1 i1
(二)P控制图的统计基础为二项分布,其
内容 (1)利用控制图分析过程的稳定性,对
过程存在的异常原因进行预警;
(2)计算过程能力指数分析稳定的过程 能力满足技术要求的程度,对过程质量进行 评价。
三、统计过程控制的特点 是一种预防性的方法 贯彻预防原则是现代质量管理的核心 强调全员参与
SPC的涵义
为了贯彻预防原则,应用统计技术对 过程各阶段评估和监控,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 品与服务符合规定的要求的一种质量管理 技术。
过程能力指数 过程性能指数
CP
TU TL 6ˆ ST
PP
TU TL 6ˆ LT
其中 ˆ St —— 短期波动的标准差估计,在稳态
下计算
ˆ St
R d2

S C4
ˆ Lt —— 长期波动的标准差估计,在实
际情况下计算 ˆ Lt S

统计过程控制之通用控制图

统计过程控制之通用控制图

统计过程控制(SPC)与休哈特控制图(三)第六章通用控制图世界各国的控制图大多采用3σ方式。

在应用控制图时,需要计算控制图的控制界限并根据实测数据计算出所控制的统计量,在控制图中描点。

这两项都需要一定的工作量,尤其是p图与pn图、u图与c图,由于控制界限计算公式中含有样本大小n,控制界线随着n的变化而呈凹凸状,作图十分不便,也难于判稳、判异。

若n变化不大,虽可用n 的平均数n代替n,但不精确,当点子接近控制界限时有误报与漏报异常的可能。

1981年我国张公绪教授与阎育苏教授提出的通用控制图解决了上述问题。

在通用控制图上,控制界线是直线,而且判断异常的结果也是精确的。

通用控制图已于1986年发布为国家标准GB6381。

通用控制图主要包括两个内容:标准变换和直接打(描)点法。

一、标准变换与通用图所谓随机变量的标准变换是指经过变换后随机变量的平均值变成0、方差变成1的变换,即:变换后的随机变量=(随机变量一μ)/σ这是可以理解的。

随机变量的取值减去其平均值后的平均值应为0;其次,分母为标准差,也就是说用标准差作尺度,这样,变换后的标准差应为1。

现在,对3σ控制界限的一般公式UCL=μ+3σCL=μLCL=μ-3σ进行标准变换,于是得到UCLt=(UCL-μ)/σ=3CLt=(UCL-μ)/σLCLt=(UCL+μ)/σ=3式中,下标t表示标准变换后,也表示通用的“通"。

这样,任何3σ控制图都统一变换成式(3.6. 1一2)的控制图,称为通用控制图。

通用图的优点是控制界限统一成3,0,-3,可以事先印好,简化控制图,节省管理费用,在图上容易判断稳态和判断异常。

通用图的缺点是在图中打(描)点也需要经过标准变换,计算要麻烦些。

为了解决这个问题,需要应用直接打点法。

二、直接打点法控制图判断异常的准则主要有下列两点:(1)点子出界或恰在控制界限上;(2)界内点子的排列非随机。

前者对于点子位置要求精确,后者对于点子位置要求相对精确就可以了。

质量工程师初级知识:什么是SPC、SPD与SPA

质量工程师初级知识:什么是SPC、SPD与SPA

⼀、概述 近年来,由于科学技术的迅猛发展,产品的不合格品率迅速降低,如电⼦产品的不合格率由过去的百分之⼀、千分之⼀降低到百万分之⼀(ppm,10–6),乃⾄⼗亿分之⼀(ppb,10–9)。

质量控制⽅式也由过去的3s控制⽅式演进为6s控制⽅式。

3s控制⽅式下的稳定状态不合格品率为2.7×10–3(0.27%),6s控制⽅式下的稳定状态不合格品率仅为2.0×10–9(10亿分之⼆),参见图1.(略)这就是21世纪的超严格质量要求,各种产品都有其相应的超严格质量要求。

因此,的美国质量管理专家朱兰早在1994年就在美国质量管理学会年会上指出:“21世纪是质量的世纪”。

⼤家知道,贯彻预防原则是现代质量管理的核⼼与精髓。

对如此严格的质量要求,采取什么样的科学措施和科学⽅法来贯彻预防原则并保证质量⽅针和⽬标的实现呢?这就要提到“SPC”、“SPD”与“SPA”。

⼆、什么是SPC、SPD与SPA? 1. SPC SPC(Statistical Process Control)即统计过程控制,是20世纪20年代由美国休哈特⾸创的。

SPC就是利⽤统计技术对过程中的各个阶段进⾏监控,发现过程异常,及时告警,从⽽达到保证产品质量的⽬的。

这⾥的统计技术泛指任何可以应⽤的数理统计⽅法,⽽以控制图理论为主。

但SPC有其历史局限性,它不能告知此异常是什么因素引起的,发⽣于何处,即不能进⾏诊断,⽽在现场迫切需要解决诊断问题,否则即使要想纠正异常,也⽆从下⼿。

2. SPD SPD(Statistical Process Diagnosis)即统计过程诊断,是20世纪80年代由我国质量管理专家张公绪⾸次提出的。

1980年,张公绪提出选控控制图系列。

选控图是统计诊断理论的重要⼯具,奠定了统计诊断理论的基础。

1982年,张公绪⼜提出了“两种质量诊断理论”,突破了传统的休哈特质量控制理论,开辟了质量诊断的新航向。

统计过程控制SPC是生产过程中控制稳定产出的主要工具

统计过程控制SPC是生产过程中控制稳定产出的主要工具

统计过程控制SPC是生产过程中控制稳定产出的主要工具SPC即统计过程控制(Statistical Process Control)。

SPC是美国美国贝尔实验室休哈特(Shewhart)博士首先应用正态分布特性于生产过程中的管理,目前已成为生产过程中控制稳定产出的主要工具之一,在生产型企业中应用的非常广泛。

SPC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。

在生产过程中,产品的质量特征值的波动是不可避免的.它是由4M1E,即人、机器、材料、方法和环境等基本因素的波动综合影响所致。

波动分为两种:正常波动和异常波动,或称为偶然误差和系统误差。

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。

一、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,随机误差具有一定的分布规律,当过程受控时没有系统误差,根据中心极限定理,这些随机误差的总和,即总体质量特性服从正态分布N(μ,σ2)。

正态分布的特征直观看就是大多数值集中在以μ为中心位置,越往边缘个体数越少。

在正态分布正负3σ范围内,即样品特征值出现在(μ—3σ,μ+3σ)中的概率为99.73%,即超出正负3σ范围发生概率仅为0。

统计过程控制(SPC)

统计过程控制(SPC)

5-41
[例]设有某工序的上公差TU为0.2190, 下公差TL为0.1250,现场抽查的数据如 下表,其图如下图1.由图1可见,工序失控, 经过执行20字方针后,重新做图得到休 整后的图2.由图2可见,工序已经达到稳 态.故现在可对过程能力进行评价.
5-42
子组序号
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
0.06 0.0086 0.0227 0.0135
0.01 5-43
0.22
0.21
UCL=0.2
133
0.2
平均值
0.19
X =0.19
0.18
状态III
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
5-28
在控制状态下〔异因 消除,只有偶因〕
时间
下公差限
大小
上公差限
〔偶因的变异 减少〕
时间
在控制状态下,但工程 能力不足 〔偶因的变异太大〕
5-29
〔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.
偶然波动:偶因引起质量的波动 ,简称偶波;
异常波动:异因引起质量的 波动,简称异波. 5-16
2.控制图的第二种解释 假定现在异波均已消除,只剩下偶波,则此偶波的波动将
是最小波动,即正常波动.根据这正常波动,应用统计学 原理设计出控制图相应的控制界限,当异常波动发生 时,点子就会落在界外.因此点子频频出界就表明异波 存在. 控制图上的控制界限就是区分偶波与异波的科学界限.

第三章 统计过程控制(SPC)与常规控制图

第三章 统计过程控制(SPC)与常规控制图
• 当抽取的数据个数趋于无穷大而区间宽度趋向于0时,外形 轮廓的折线就趋向于光滑的曲线,即:概率密度曲线。 特点:面积之和等于1。 fN (x; 2 , µ ) = (1/ 2)exp(- (x- µ) 2 /2 2 )

两个重要的参数:
• µ (mu)--- 位置参数和平均值(mean value) ,表 示 分布的中心位置和期望值 • (sigma) --- 尺度参数,表示分布的分散程度和标 准偏差 (standard deviation),

20字真经 查出异因, 采取措施, 保证消除, 不再出现, 纳入标准。

5. 统计控制状态




任何技术控制都有一个标准作为基准。 统计 过程控制(SPC)的基准是统计控制状态 (State in Statistical Control) 简称控制状态(state in control)或稳态(stable state): 指过程中只有偶因(而无异因)产生 的变异状态。 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。 通过对过程不断调整,从理论上讲,控制状 态是可以达到的,虽然质量变异不能完全消 除,应用控制图使得质量变异成为最小的有 效工具。

• 本步骤最困难,最费时。 制订过程控制标准 对过程进行监控 对过程进行诊断并采取措施解决问题

5.推行ISO9000国际标准与推行SPC和 SPD的关系

在ISO9000族标准中运用统计技术的目 的在于:通过对统计技术的适当运用以 解决组织的问题和做出有效决策,提高 管理效率并促进质量管理体系的持续改 进和产品质量的不断提高。推行SPC和 SPD是推行ISO9000国际标准的一项重 要基础工作。

统计过程控制(SPC)

统计过程控制(SPC)

21
22
1447
1720
1278
1472
2272
2190
1480
1859
1619.25
1810.25
994
718
903
903
2060.6
2060.6
0
0
23
24 25
829
429 1479
1613
312 1529
719
1408 1217
1758
1236 1729
1229.75
846.25 1488.5
SPC(统计过程控制)
根据上海思科统计质量咨询服务有限公司 俞钟行老师讲课整理
内容:
1.SPC(统计过程控制)概述 2.Xbar-R控制图和Xbar-s控制图 3.XmR(即X-RS)控制图 4.分析用控制图和控制用控制图 5.过程能力指数Cp、Cpk 6.过程性能指数Pp、Ppk 7.p控制图(含标准化的应用) 8.控制图判异准则 9.应用和滥用SPC(统计过程控制) 10.测试设备校正(美国“质量”杂志SPC案例2001年) 11.短流程的加工(美国“质量”杂志SPC案例2000年)
n
A3
2 2.659 0 3.267
3 1.954 0 2.568
B3
B4
计算结果(1)
Number 1 2 3 4 5 S 412.8 142.5 494.9 550.9 291.5 Sbar 405.3 405.3 405.3 405.3 405.3 B4Sbar 918.4 918.4 918.4 918.4 918.4 B3Sbar 0 0 0 0 0 Xbarbar 1400.96 1400.96 1400.96 1400.96 1400.96 Xbar+a3Sbar 2060.796172 2060.796172 2060.796172 2060.796172 2060.796172 Xbar-a3Sbar 741.1238285 741.1238285 741.1238285 741.1238285 741.1238285 Xbar 1182.5 1125.5 1435.5 1050.25 1062.25

第三章 控制图

第三章  控制图

19
3.2 过程波动
3.2 过程波动
3.2 过程波动
过程控制的三种显示型态 过程控制的三种显示型态
(a) 正常型 Frequency LSL=Lower specification limit USL =Upper specification limit (b)共同原因变异 )
(c).特殊原因变异 特殊原因变异
α/2 =0.135
以 X 控制图控制过程前,需决定抽样时间(h)与样本大小(n) 。 故每隔h时间随机抽取n个样本,再将样本统计量 X 描绘控制 图上,即假设检验过程均值是否为 X ,若点出界则表示拒绝H0, 显示过程平均值发生偏差。 H0: µ= X H1: µ ≠ X
3
3.1 统计过程控制
SPC的特点: ——全系统,全过程,全员参加,人人有责。
——强调用科学方法(统计技术,控制图理论) 来保证全过程的预防。 ——不仅用于生产过程,而且可用于服务过程和 一切管理过程。
4
3.1 统计过程控制
SPC发展的三个阶段
SPC——科学地区分生产过程中产品质量的偶然波动和异 常波动,从而对过程的异常及时报警,以便采取措施, 消除异常,恢复过程的稳定。 SPD——统计过程诊断,张公绪提出的选控控制图和两种 质量诊断理论,开辟了统计质量诊断的新方向。 SPA——统计过程调整,过程诊断后要加以措施进行调整 三者之间的关系: 循环不已 不断改进 与时俱进 SPC SPD SPA
Drop to Drop Variation + Wind 油滴之间的变化加上风的作用 Drop to Drop Variation + Wind + the Variation of Steering 油滴之间的变化加上风的作用,以及 方向盘控制的变化 11

统计过程控制(SPC)

统计过程控制(SPC)

9.94 9.81 9.85 10.11 10.24 10.17 9.83 10.33 10.39 9.64
10.42 10.13 9.61 10.03 10.60 10.00 9.55 10.15 10.16 9.88
10.30 10.21 10.03 10.15 9.58 10.09 9.87 9.91 9.73 10.02
Mo=1
2 12.67
3.56
练习
数列:12,11,12,13,18,30,24,9 请计算下列统计量:
R
X
Md
Mo
2


数据的收集与整理
群体
行 动
结论
抽样 分析
样本 测 试
数据
每件产品的尺寸与别的都不同
范围
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
量具精确度是指测量观察平均值与真实值(基准值) 的差异。 真实值由更精确的测量设备所确定
测量系统变差
量具重复性
量具重复性是由一个操作者采用一种测量 仪器,多次测量同一零件的同一特性时获得的 测量值变差。
测量系统变差
量具再现性
量具再现性是由不同的操作者,采用相同 的测量仪器,测量同一零件的同一特性时测量 平均值的变差。
Statistical Process Control
(统计过程控制)
统计过程控制(SPC)
1、SPC的发展史 2、基本统计概念 3、过程变差 4、控制图 5、过程控制和过程能力
SPC的发展
20世纪20年代,美国休哈特提出; 二战后期,美国将休哈特方法在军工部门推行; 1950~1980,逐渐从美国工业中消失 ;休哈

统计过程控制(SPC)

统计过程控制(SPC)

(3) 偏态型
偏态型:不是正态分布,不服从统计规律,可能的原因是:
1)习惯作业造成作业方法不对。 2)工具、夹具、模具已经磨损或松动。
(4) 离岛型 离岛型:不是正态分布,不服从统计规律,可能的原因是: 1)数据输入人员在输入的过程中,可能把10.01输 10.10或1.01。 2)过程中其他物料混入。 3)机台设备在过程中出现特殊原因,产生了变异。
直方图(频数分布图)的制作步骤




收集同一类型的数据; 计算极差(全距); 设定组数,计算组距、组界、中心值; 制作频数表; 按频数值比例画横坐标、纵坐标; 按纵坐标画出每个矩形的角度,代表落在 此矩形中的点数; 判续直方图(对过程状态分析)。
直方图举例 为考核某齿轮尺寸的质量水平, 随机在一批产品中抽样测得数据 100个,此产品规格为: 24.5±6.0mm。
1、SPC简介
统计过程控制的英文全名为: Statistical Process Conrtol 缩写为SPC。


美国贝尔试验室的休哈特博士在二十世纪二十年代研究过 程时,首先区分了可控制和不可控制的变差,这就是今天 我们所说的普通原因变差和特殊原因变差; 聪明的休哈特发明了一个简单有力的工具来区分他们—— 控制图; 从那时起,在美国和其他国家,尤其是日本,成功地把控 制图应用于各种过程控制场合,经验表明当出现特殊原因 变差时,控制图能有效地引起人们注意,以便及时地寻找 采取措施。
2、直方图


直方图是针对某产品或过程的特性值,利用常态分布(也 叫正态分布)的原理,把50个以上的数据进行分组,并 算出每组出现的次数,再用类似的直方图形描绘在横轴上。 通过直方图,可将杂乱无章数据,解析出规则性,也可以 一目了然地看出数据的中心值及数据的分布情形。 在制造业,现场的管理干部经常都要面对许多数据,这些 数据大多来自制造加工过程的抽样测量得到,对于这些凌 乱的数据,如果制作成直方图,并借助对直方图的观察, 可以了解产品质量分布的规律,知道其是否变异,并进一 步分析判断整个生产过程是否正常,问题点在哪里,为研 究过程能力提供依据。

SPC统计过程控制

SPC统计过程控制

SPC统计过程控制一.SPC统计过程控制概论产品质量的统计观点认为,过程质量在各种影响因素的制约下,呈现波动(变异性),但过程质量的波动并非漫无边际,在一定范围内,过程质量的波动呈现统计规律性。

SPC(Statistical process Control)统计过程控制,就是根据过程质量的统计规律性这一原则,利用统计技术对过程的各个阶段进行监控,从而达到保证产品质量的目的。

SPC中的统计技术泛指任何可以应用的数理统计方法。

一般而言,主要是指控制图的应用。

二.控制图定义控制图(control chart),又称管制图、休哈特图。

是美国休哈特博士于1924年发明的。

控制图是区分过程中的异常波动和正常波动,并判断过程是否处于控制状态的一种工具。

三.控制图原理过程处于统计控制状态时(也即受控状态),产品总体的质量特性数据的分布一般服从正态分布,即X~N(μ,б2)(注:μ——过程均值,б——过程标准差)。

质量特性值落在μ±3б范围内的概率约为99.73%,落在μ±3б以外的概率只有0.27%,因此可用μ±3б作为上下控制界限,以质量特性数据是否超越这一上下界限以及数据的排列情况来判断过程是否处于受控状态,这就是控制图原理若计叫心线为CL,上控制限为UCL,下控制限为LCL,则有CL=μUCL=μ+3бLCL=μ-3б控制图的基本形式如下图所示UCLCLLCL四.控制图的种类1按照用途分(1)分析用控制图分析用控制图主要用来分析:a过程是否处于统计稳态b过程能力是否适宜。

如发现异常(过程失控或过程能力不足),则应找出原因,采取措施,使过程达到稳定。

过程处于稳态后,才可将分析用控制图的控制线延长作为控制用控制图。

(2)控制(管理)用控制图。

控制用控制图由分析用控制图转化而来。

它用于使过程保持稳态,预防不合格的产生。

控制用控制图的应用规则:按规定的取样方法获得数据,通过打点观察,控制异常原因的出现——当点子分布出现异常,说明工序质量不稳定,此时应及时找出原因,消除异常因素,使工序恢复到正常的控制状态。

统计过程控制与休哈特控制图完整版

统计过程控制与休哈特控制图完整版

统计过程控制(SPC)与休哈特控制图(完整版) 目录:统计过程控制(SPC )与休哈特控制图(一)第一章 统计过程控制(SPC ) 一、什么是SPC二、SPC 发展简史三、什么是SPCD 与SPCDA? 四、SPC 和SPCD 的进行步骤五、宣贯ISO9000国际标准与推行SPC 和SPCD 的关系第二章 控制图原理 一、控制图的重要性 二、什么是控制图三、控制图原理的第一种解释 四、控制图原理的第二种解释 五、控制图是如何贯彻预防原则的 第三章两类错误和3σ方式 一、两类错误 二、3σ方式第四章分析用控制图与控制用控制图 一、分析用控制图与控制用控制图 二、哈特控制图的设计思想 三、判断稳态的准则 四、判断异常的准则统计过程控制(SPC )与休哈特控制图(二)第五章休哈特控制图一、特控制图的种类及其用途 二、应用控制图需要考虑的一些问题 三、-R(均值-极差)控制图 四、-s(均值-标准差)控制图 五、Xmed-R(中位数-极差)控制图x x六、x-Rs(单值-移动极差)控制图七、p{不合格晶率)控制图八、pn(不合格晶数)控制图九、c(缺陷数)控制图十、u(单位缺陷数)控制图十一、计量值控制图与计数值控制图的比较统计过程控制(SPC)与休哈特控制图(三)第六章通用控制图一、标准变换与通用图二、直接打点法三、Pt(通用不合格晶率)控制图和pnt(通用不合格品数)控制图四、Ct(通用缺陷数)控制图和Ut(通用单位缺陷数)控制图第七章两种质量诊断理论一、两种质量诊断理论二、两种质量三、两种质量诊断理论的思路四、两种控制图的诊断五、两种工序能力指数的诊断统计过程控制(SPC)与休哈特控制图(四)第八章排列图法和因果图法一、排列图法三、其它常用的图表第九章直方图法一、什么是直方图二、直方图的作法三、直方图的观察分析四、直方图的定量描述五、直方图与分布曲线六、直方图法在应用中常见的错误和注意事项第十章散布图法一、什么是散布图二、散布图的作图方法三、散布图的判断分析四、散布图法在应用中应注意的事项统计过程控制(SPC)与休哈特控制图(一)这里介绍SPC,控制图的重要性,控制图原理,判稳及判异准则,休哈特控制图,通用控制图。

休哈特控制图

休哈特控制图

休哈特控制图是由美国的贝尔电话实验所的休哈特(W.A.Shewhart)博士在1924年首先提出管制图使用后,管制图就一直成为科学管理的一个重要工具,特别在质量管理方面成了一个不可或缺的管理工具。

它是一种有控制界限的图,用来区分引起质量波动的原因是偶然的还是系统的,可以提供系统原因存在的信息,从而判断生产过程是否处于受控状态。

控制图按其用途可分为两类,一类是供分析用的控制图,用控制图分析生产过程中有关质量特性值的变化情况,看工序是否处于稳定受控状;再一类是供管理用的控制图,主要用于发现生产过程是否出现了异常情况,以预防产生不合格品。

控制图画在平面直角坐标系中,横坐标表示检测时间,纵坐标表示测得的目标特征值。

按控制对象(目标特征值)的变化情况,控制图又分为两种:一种是稳值控制图,一种是变值控制图。

1、稳值控制图。

稳值控制图一般用于对产品质量或目标值恒定不变的目标实施状态进行控制,如下图所示,图中中心线表示计划目标值,虚线表示控制上下限。

2、变值控制图。

变值控制图用于对目标值随时间变化的目标实施状态进行控制。

从计划线与实际线的对比,可看出目标实施状态,对于超出计划线的情况,查清超出的原因,采取措施,将其控制在计划线以下。

[编辑]控制图原理控制图是对过程质量加以测定、记录从而进行控制的一种科学方法。

图上有中心线、上只存在偶然波动时,产品质量将形成某种典型分布。

例如,在车制螺丝的例子中形成正态分布。

如果除去偶然波动外还有异常波动,则产品质量的分布必将偏离原来的典型分布。

因此,根据典型分布是否偏离就能判断异常因素是否发生,而典型分布的偏离可由控制图检出。

在上述车制螺丝的例子中,由于发生了车刀磨损的异常因素,螺丝直径的分布偏离了原来的正态分布而向上移动,于是点子超出上控制界的概率大为增加,从而点子频频出界,表明在异常波动。

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,休哈特控制图的实质是区分偶然因素与异常因素两类因素。

第三章 统计过程控制(SPC)与控制图

第三章 统计过程控制(SPC)与控制图

级别 I II
过程能力评价参考
过程能力过高(应视具体情况而定) 过程能力过高(应视具体情况而定)
过程能力充分, 过程能力充分,表示技术管理能力已很 好,应继续维持 过程能力较差, III 过程能力较差,表示技术管理能力较勉 强,应设法提高为II级 应设法提高为II级 过程能力不足, IV 过程能力不足,表示技术管理能力已很 差,应采取措施立即改善
TL
TU
TL
TU
TL
TU
无偏移单侧规范情况
只有上限要求,无下限要求
CPU=(TU- µ)/3 σ =(T
只有下限要求,无上限要求
CPU=(µ- TL )/3 σ =(µ
过程能力指数C 过程能力指数CP值的评价参考
Cp值范围 >1.67
[1.33,1.67) [1.0, 1.33) [0.67, 1.0)
控制图是如何贯彻预防原则的
对生产过程不断监控,有苗头就能够被察 觉
控制图是如何贯彻预防原则的
无预先征兆,突 然出现,采用20 然出现,采用20 字方针:
查出异因,采取 措施,保证消除, 不再出现,纳入 标准
统计控制状态
只有偶因 没有异因 控制的基准 是生产追求的目标
对产品的质量有99.73%的把握 对产品的质量有99.73%的把握 生产最经济 过程的变异最小
Tu +TL 18.025 +17.99 M= = =18.0075 = µ 2 2 T T −TL 18.025 −17.99 Cp = = U = = 0.897 6σ 6σ 2 p = 2Φ(−3Cp ) = 2Φ(−3×0.897) = 2Φ(−2.691) = 0.0072 q =1− 0.0072 = 0.9928

统计过程控制休哈特Shewhart控制图

统计过程控制休哈特Shewhart控制图
深圳市共进电子有限公司
修哈特控制图 – 概述
深圳市共进电子有限公司
休哈特控制图的变量
深圳市共进电子有限公司
_
X 控制图 与 中心极限定理
• 中心极限定理 : • 如果在n个样本中取k个观察,样本x1, x2, . . . , xk将近似
N(x,x)的分布,有:
深圳市共进电子有限公司
k
xi
x
i 1
模块范围
• 产品控制与过程控制 • 识别变化 • 休哈特控制图 • 指标的不稳定性 • 执行控制图
深圳市共进电子有限公司
控制模型产品的质量控制
Raw Material, Components & Sub-Assemblies
Process
Product
Inspection
Fail
Pass
Rework
7 73.995 74.006
深圳市共进电子有限公司
识别变化
Special Variation
Natural Variation under 0 (±30)
Historical Level (0)
Reject Rate
Optimum Level (1)
深圳市共进电子有限公司
Time
Natural Variation under 1 (±31)
• 目标一致 (戴明) • 适应性 (约瑟夫朱兰) • 符合要求 (菲利普克劳士比) • 逆变异 (道格拉斯蒙哥马利)
深圳市共进电子有限公司
识别变化
• 固有的或正常的变化 由于累积的影响,许多小的不可避免的原因在不断的积累 下导致经营过程的唯一机会差异,被认为是“在控制中”
• 特别或分配变化,由于 一)不当调整设计 二)操作员的错误 三)有缺陷的原材料 一个进程中运行存在的分配变化的原因被认为是“失去控 制”
  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)。

统计过程控制(SPC)与休哈特控制图(三)第六章通用控制图世界各国的控制图大多采用3σ方式。

在应用控制图时,需要计算控制图的控制界限并根据实测数据计算出所控制的统计量,在控制图中描点。

这两项都需要一定的工作量,尤其是p图与pn图、u图与c图,由于控制界限计算公式中含有样本大小n,控制界线随着n的变化而呈凹凸状,作图十分不便,也难于判稳、判异。

若n变化不大,虽可用n的平均数n代替n,但不精确,当点子接近控制界限时有误报与漏报异常的可能。

1981年我国张公绪教授与阎育苏教授提出的通用控制图解决了上述问题。

在通用控制图上,控制界线是直线,而且判断异常的结果也是精确的。

通用控制图已于1986年发布为国家标准GB6381。

通用控制图主要包括两个内容:标准变换和直接打(描)点法。

一、标准变换与通用图所谓随机变量的标准变换是指经过变换后随机变量的平均值变成0、方差变成1的变换,即:变换后的随机变量=(随机变量一μ)/σ这是可以理解的。

随机变量的取值减去其平均值后的平均值应为0;其次,分母为标准差,也就是说用标准差作尺度,这样,变换后的标准差应为1。

现在,对3σ控制界限的一般公式UCL=μ+3σCL=μLCL=μ-3σ进行标准变换,于是得到UCLt=(UCL-μ)/σ=3CLt=(UCL-μ)/σLCLt=(UCL+μ)/σ=3式中,下标t表示标准变换后,也表示通用的“通"。

这样,任何3σ控制图都统一变换成式(3.6. 1一2)的控制图,称为通用控制图。

通用图的优点是控制界限统一成3,0,-3,可以事先印好,简化控制图,节省管理费用,在图上容易判断稳态和判断异常。

通用图的缺点是在图中打(描)点也需要经过标准变换,计算要麻烦些。

为了解决这个问题,需要应用直接打点法。

二、直接打点法控制图判断异常的准则主要有下列两点:(1)点子出界或恰在控制界限上;(2)界内点子的排列非随机。

前者对于点子位置要求精确,后者对于点子位置要求相对精确就可以了。

这就启控制图判断异常的准则主要有下列两点:(1)点子出界或恰在控制界限上;(2)界内点子的排列非随机。

前者对于点子位置要求精确,后者对于点子位置要求相对精确就可以了。

这就启发我们在通用图上作出K=-3,-2,...3,3的七根水平横线,把整个通用图分成Ⅰ,Ⅱ,...,Ⅷ共八个区域,如图3.6.2一1所示。

如果点子落在区域Ⅰ或Ⅷ中,则点子显然出界,而且其结果是精确的;如果点子落在其余区域内,则只需将此点描在该区域中即可,其具体位置不要求那么精确。

将通用图分成Ⅰ,Ⅱ,...,Ⅷ共八个区域的七根线:K=-3,K=-2,...,K=2,K=3称为标杆线。

如果在现场数据中找出与此对应的七个数据(可称之为现场标杆数据),则在现场测得所控制质量指标的数据后,将它与这七个现场标杆数据相比较,便立刻知道应在通用图上哪个区域中描点。

这就是直接打(描)点法。

直接打(描)点法的公式仍然从标准变换公式导出。

从式(3.61-1)有K=(现场标杆数据一μ)/σ于是现场标杆数据=μ+Kσ (K=-3,-2,-1,0,1,2,3)这就是直接打点公式。

根据具体的控制图,得出相应的均值与标准差数据,代人上式,可以列出直接打点表。

现场工人可根据现场实测数据,查直接打点表,然后直接在通用图中描点,无需任何计算,十分方便。

实践证明,这对于推广控制图十分重要。

三、Pt(通用不合格晶率)控制图和pnt(通用不合格品数)控制图p图的统计量为样本不合格品率p=D/n,这里D为样本不合格品数,n为样本大小。

pn图的统计量为样本不合格品数D=np。

若过程的不合格品率P已知,则从式(3.6.1-1)知,统计量户经过标准变换后为pt=nPPPp/)1(--=)1(PnPnPnp--=)1(PnPnPD--=Dt从上式可见,经过标准变换后,p图的统计量pt与pn图的统计量Dt恒等,即对同一个二项分布总体的数据而言,无论应用统计量pt还是应用统计量Dt,在通用图上都得到相同的图形。

这样,在原来应用p图或如图的场合都可采用pnt图,以便直接利用不合格品数D。

现在给出pnt图的直接打点公式,以便作出pnt图的直接打点表。

令D K,n为对应于通用图上标杆线K和样本大小n的现场标杆数据,于是从式(3.6.2一2),有D K,n=n p+K)1(ppn-,(K=-3,-2,-1,0,1,2,3,)式中,p为P的估计量。

例 用通用图重做例3.5.7一1并与p 图比较。

;解 采用Pnt 图重做例3.5.7一1。

进行步骤如下:步骤1: 计算样本平均不合格品率p 。

参见表3.5.7一1末, p =0.93890步骤2: 选择参数n 的范围。

由于在表3.5.7一1中n 的最小值为55,最大值为99,所以pnt 图的直接打点表最好选择n 为50,55,60,...,100,105,以包括可能出现的n 的数值。

步骤3: 计算直接打点表。

根据式(3.6.3一2)计算如T 图的直接打点表,如表3.6.3-1所示。

例如,表中,当K=3,n=55时D 3,55=55×0.0389+3)0389.01(0389.055-⨯=6.4 其余类推。

注:由于D K ,n 不可能为负,故表中每列只列出第一个负数以估计描点之用。

步骤4: 应用直接打点表在通用图上描点。

例如,对于第一组样本,n=85,D=2,从表3.6.3 一1中n=85的这一列查得D=2在D0.85=3.3和D-1.85=1.5之间。

故第一组样本的点子应描在K=0与K=-1这两根标杆线之间。

再如,对于第27组样本,n=99,D=10,从表16.3一1中与n=99最接近的n=100这一列查得D=10>D3.100=9.7,于是判断该样本的点子超过上控制界限,过程失控。

其余类推,如图3.6.3一1所示。

由图可见,pnt 图和p 图的性状一致,但pnt 图的控制界线为直线,而且所得结果是精确的,要方便得多。

此外,无论样本大小n 是否为常数,pnt 图均可用。

所以通用图不但减少了常规控制图的种类,由8种减为6种,而且也扩大了休哈特控制图(Pn 图与C 图)的应用范围。

四、Ct(通用缺陷数)控制图和Ut(通用单位缺陷数)控制图c 图的统计量为样本(即一定检查单位)的缺陷数c 。

u 图的统计量为样本的单位缺陷数u =C/。

若过程的平均缺陷数λ已知,则从式(3.6.1一1)知,统计量u 经过标准变换后为 Ut=n U U Uu /)1(--=n n C //λλ-=λλn n C -=λλ''-C式中,λ'=nλ',它是与n个检查单位的总缺陷数C对应的过程参数。

从上式可见,经过标准变换后,u 图的统计量Ut与c图的统计量Ct恒等,即对同一个泊松分布总体的数据而言,无论应用统计量Ut 还是应用统计量Ct,在通用图上都得到相同的图形。

这样,在原来应用u图或c图的场合都可采用Ct图,以便直接利用缺陷数c。

由于Ct图的控制界线为直线,而且所得结果是精确的,所以要比价图方便得多。

此外,wu 无论样本大小n是否为常数,Ct图均可用。

因此,通用图不但减少了常规控制图的种类,而且也扩大了休哈特控制图的应用范围。

第七章两种质量诊断理论本章将讨论生产线的分析方法,两种质量的基本概念,两种质量诊断理论。

一、两种质量诊断理论1.生产线的分析方法通常,一个产品在生产过程中要经过若干道工序加工才能完成。

因此,每道工序都对产品的最终质量起作用。

对于由若干道工序组成的一条生产线应如何分析和评价呢?传统的休哈特分析方法是道道工序把关,即上工序只允许把合格品送往下工序加工,这样就可以保证产品的最终质量。

这种场合的分析方法是假定上道工序的产品总是合格品,从而无需考虑上工序对下工序的影响。

因此,在分析生产线时,每道工序都看成是独立的,参见下图的模型Ⅰ。

换言之,在传统分析方法中各工序都假定与其余工序是统计独立的。

这时若分析某道工序的质量问题,只需考虑该工序本身的质量因素就行了,所以这种模型的优点是分析简单。

传统生产线分析模型Ⅰ在现实生活中,对于上下无联系的工序,如机械加工中的镗内圆与钻孔,这种传统方法是有效的。

但在许多场合,上下工序是相关的而不是统计独立的,如石油、化工等流程式生产或制药、食品加工等有严格时限要求的场合,传统的道道把关实际上做不到。

因此,传统分析方法有局限性,需要采用新的选控分析方法。

在选控分析方法中(如上图所示),认为上工序对下工序的影响,或多或少,始终存在,即上下工序间都是相关的。

上下工序不相关(上工序影响为零)仅仅是本情况的特例。

换言之,下图的模型Ⅱ更一般,更符合实际,且把上图的模型Ⅰ作为其特例。

选控生产线分析模型Ⅱ在模型Ⅰ中,各工序间是统计独立的,故分析工序时只需要考虑本工序的质量因素;而在模型Ⅱ中,各工序是相关的,故分析工序时除去考虑本工序的质量因素以外,还需考虑上工序的影响。

为了简化模型Ⅱ的分析,需要提出两种质量的概念。

二、两种质量为了简化分析图选控生产线分析模型Ⅱ,需要提出两种质量的概念。

例如,在第n 道工序(这里可以是生产线的任一道工序),根据质量涵义所涉及的范围大小,存在以下两种质量:…………1.工序综合质量,简称总质量。

总质量不但包括第n道工序的加工质量,而且综合了所有上道工序的加工质量在内。

总质量就是通常意义下的产品质量,不过强调一个“总”,字而已。

总质量的特点是:它可以由用户直接感受到。

对于负责整个生产线的主管人员来说,他当然要关心总质量,因为总质量直接为用户感受到。

但是,只关心总质量是不够的,当总质量发生问题时,往往不能立刻判定究竟是哪道工序造成的。

因此,他还需关心第二种质量,即工序固有质量。

2.工序固有质量,简称分质量。

分质量是指该工序本身的加工质量,而不包括上工序的影响。

分质量是一种新的质量概念。

分质量的特点是:它反映了该工序的工作质量。

事实上,影响一道工序的因素按照来源的不同可分为人、机、料、法、环五大类因素(即4M1E)。

其中,料即原材料、半成品,它来自上道工序,与本工序元关;环即环境,由于整条生产线大多处于相同的环境下,故可将环境看成是一个共同的因素而不必给予特殊的考虑。

而其余的人(操作人员)、机(设备,其可用性与人的维护好坏有关)和法(操作法)都与人的因素有关。

所以说,分质量反映了该工序的工作质量。

总质量是在上道工序提供的半成品(它的特征值反映了上工序的影响水平)的基础上,经过本工序的加工综合而成的产品质量。

总质量和分质量二者的关系可概括表示如下;分质量上工序的影响(简称上影)由此可见,分质量只是形成总质量的一部分。

分质量与上工序无关,如果能够针对每道工序的分质量进行控制,那么就在分析上切断了下工序与上工序的联系(当然,在实际的生产线中,不可能切断上下工序间的联系。

相关文档
最新文档