P图 SPC
SPC统计手法简介
SPC统计手法简介什么是SPC统计手法?SPC(Statistical Process Control,统计过程控制)是一种用于监控和改进过程稳定性和质量的统计工具和方法。
SPC统计手法结合了统计学原理和质量管理理论,旨在帮助组织提高过程能力和产品质量。
SPC统计手法的基本原理是通过对样本数据的收集和分析,评估过程的稳定性和能力,发现过程中的变异情况,并采取相应的控制措施,以减少过程偏差,提高产品质量。
SPC统计手法的主要应用领域SPC统计手法在各个行业中都有广泛的应用,特别是在制造业和服务业中最为常见。
以下是SPC统计手法的主要应用领域:制造业在制造业中,SPC统计手法被广泛应用于监控和优化生产过程。
通过收集和分析数据,制造商可以实时监测生产线上的关键指标,如温度、压力、速度等,以确保产品的一致性和稳定性。
通过SPC统计手法的应用,制造商能够及时发现和纠正生产过程中的异常,提高产品质量,减少不良品率。
服务业在服务业中,SPC统计手法可以应用于各种过程的监控和优化,例如,餐厅可以使用SPC统计手法监测食品质量,快递公司可以使用SPC统计手法监控包裹送达时间。
通过SPC统计手法的应用,服务业可以实时监测关键绩效指标,识别问题和改进机会,并对服务过程进行持续改进,提供更高质量的服务。
SPC统计手法的关键技术和工具SPC统计手法使用了一系列的技术和工具来分析和改进过程。
以下是SPC统计手法的主要技术和工具:控制图控制图是SPC统计手法中最常用的工具之一。
控制图能够显示过程数据的变异状况,并标识出特殊原因变异和常规原因变异。
通过分析控制图,可以帮助确定是否需要采取控制措施,以减少过程变异并提高产品质量。
常见的控制图包括平均值图(X-bar chart)、范围图(R chart)、方差图(S chart)、P图(P chart)和C图(C chart)等。
流程能力分析流程能力分析是SPC统计手法的另一个重要技术。
SPC过程控制图解读
控制图的重要性
★是贯彻预防原则的SPC的重要工具,是质量管理
七个工具的核心。
★1984年名古屋工业大学调查115家日本各行各业的
中小型工厂,平均每家采用137张控制图;
★柯达5000职工一共用了35000张控制图。
何时使用SPC
●原则上,应该用于有数量特性或参数和持续性的
所有工艺过程;
● SPC使用的领域是大规模生产;
- 简单而言,我们有兴趣知道的数据整体,如1000台燃具
样本
- 一组只包含部份总体的数据。简单而言,这是总体中
选出的数据,如1000台燃具中的其中10台.
总体
样本
基本统计术语
描述统计
1.决定数据的趋中程度 2.以数理表达分散的程度 3.决定样本频率分布的形状分布形狀 中心趋向分散基本统计术语
分散的量度
~ x R
否
否
xR
是
xs
n:样本容量
控制图的分类(按用途分)
• 分析用控制图
– – – – 决定过程控制方法用 过程分析用 过程能力研究用 过程控制准备用
稳定
控制用控制图
追查不正常原因 迅速消除此项原因 研究并采取防止此 项原因重复发生之 措施。
控制用
分析用
控制图的应用
步骤一、选择需控制的产品质量特征值
稳定的; 结果是可预测的; 是永久性的; 异常波动: 不稳定的; 结果不可预测; 现象会重复发生, 除非有所行动; 可以减少;
SPC 可以帮助我们
• • • • •
区分正常波动和异常波动; 及时发现异常征兆; 消除异常因素; 减少异常波动; 预防控制 提高过程能力;
基本统计术语
SPC统计-计数型数据
SPC统计-计数型数据1. 简介SPC〔统计过程控制〕是一种统计方法,用于监测和控制过程的变异性。
计数型数据是SPC中常见的一种类型,它是指对一个过程中发生的事件进行计数或计量的数据。
在生产过程中,计数型数据常用于统计质量缺陷、产品故障等信息。
2. SPC统计-计数型数据的目的SPC统计-计数型数据的目的在于通过对计数型数据进行统计分析,了解和控制过程的变异性,从而实现生产过程的质量控制和改良。
3. SPC统计-计数型数据的方法SPC统计-计数型数据常用的方法有以下几种:3.1 控制图控制图是SPC统计-计数型数据中最常用的图表之一,通过绘制计数型数据的变化趋势以及控制限,可以及时发现过程的异常变异,并进行相应的调整和改良。
常见的控制图包括:•P图:用于统计不良事件的比例的控制图。
P图将观察时间分为假设干子组,然后统计每个子组内不良事件发生的比例,并计算上下控制限,以判断过程是否处于控制状态。
•C图:用于统计不良事件的数量的控制图。
C图将观察时间分为假设干子组,然后统计每个子组内不良事件的数量,并计算上下控制限,以判断过程是否处于控制状态。
•U图:用于统计不良事件的单位数的控制图。
U图将观察时间分为假设干子组,然后统计每个子组内不良事件的单位数〔如每个产品的不良事件数量〕,并计算上下控制限,以判断过程是否处于控制状态。
3.2 过程能力指数过程能力指数用于衡量过程的稳定性和一致性,是SPC统计-计数型数据评估过程能力的重要工具。
常见的过程能力指数有:•Cp指数:Cp指数用于评估过程的一致性,它比拟过程的控制限与规格限的距离。
Cp指数越大,说明过程越稳定,一致性越好。
•Cpk指数:Cpk指数用于评估过程的稳定性和一致性,考虑了过程的中心位置。
Cpk指数越大,说明过程的稳定性和一致性越好。
•Pp指数:Pp指数用于评估过程的一致性,考虑了样本大小的影响。
Pp指数越大,说明过程越稳定,一致性越好。
•Ppk指数:Ppk指数用于评估过程的稳定性和一致性,考虑了过程的中心位置和样本大小的影响。
SPC简介
SPC核心工具
SPC主要通过核心工具控制图 控制图来进行质 控制图 量分析、质量控制和质量改进。它包括 计量值控制图(X-R图、X-S图、X-R图、 X-Rs图)和计数值控制图(P图、PN图、 U图、和C图)。简单说,控制图是利用 正态分布原理,确定UCL(上控线)、 CL(中心线)、LCL(下控线)三根线, 并将质量数据按时间顺序描点形成的图 表。
SPC是英文Statistcal Process Control 简写,中文 翻译为“统计过程控制”。它 是利用数理统计和概率论原理 对生产过程检测各数据进行统 计,通过运用控制图对生过程 分析评价;
根据反馈信息及时发现异常因 素出现的征兆,从而采取措施 消除异常因素影响,使过程维 护在仅受偶然因素影响的受控 状态,以达控制过程质量的目 的,最终达到“事前预防”的 效果,以减少生产线不良品的 产生并不断改进产品品质.
在实施SPC过程中需注意的几个问题 在实施SPC过程中需注意的几个问题 SPC
①.不少人认为推行SPC是品质管制部负责 的事情,事实上,推行导入SPC,它需要公 司各部门的成员参予、配合和努力,在管 理层共同重视与支持,利用SPC工具共同建 立公司整个品管系统。SPC不是简单的几个 控制图或数据采集的统计量,而是要以这 些图形或数据为基础建立一个以过程为核 心的品管系统,故要求公司管理层、员工 都对SPC有相当培训、认识及熟练使用SPC, 并将SPC质量的各种因素进行控制,通 过控制图来判断生产过程是否异 常,而使生产过程达到统计控制 状态。做到以预防为主,把影响 产品质量的诸因素消灭在萌芽状 态,以保证质量,降低成本,提 高生产效率,提高经济效益的目 的。
错误说法: 错误说法:
有的同事可能会说,我们已经有了规格界限, 有的同事可能会说,我们已经有了规格界限, 可直接当作控制图的控制线。这种说法是 这种说法是
P控制图介绍
P图缩写Proportion Chart 品率控制图。
SPC控制图-P图用于控制对象为不合格品率或合格率等计数值质量指标的场合。
常见的不良率有不合格品率、废品率、交货延迟率、缺勤率、差错率等等。
5控制图P图是用来测量在一批检验项目中不合格品(缺陷)项目的百分数。
P图适用于全检零件或每个时期的检验样本含量不同。
6使用条件不良品率控制图虽然是用来管制产品之不合格率,但并非适用于所有之不合格率数据。
在使用不良品率控制图时,要满足下列条件:1.发生一件不合格品之机率为固定。
2.前、后产品为独立。
如果一件产品为不合格品之机率,是根据前面产品是否为不合格品来决定,则不适合使用P图。
3.如果不合格品有群聚现象时,也不适用P图。
此问题通常是发生在产品是以组或群之方式制造。
例如在制造橡胶产品之化学制程中,如果烤箱之温度设定不正确,则当时所生产之整批产品将具有相当高之不合格率。
如果一产品被发现为不合格,则同批之其他产品也将为不合格。
7操作步骤1.检验并记录数据2.计算平均不合格品率P3.计算中心线和控制界限(USL;LSL)4.绘制控制图并进行分析2、下面用不合格率P图的图表来说明。
A、收集数据A.1 选择子组的容量,频率及数量(见图2)a.子组容量——用于计数型数据的控制图一般要求较大的子组容量(例如50到200或更多)以便检验出性能的一般变化。
对于显示可分析的图形的控制图,子组容量应足够大,大到每个组内包括几个不合格品。
(例如n p >5)。
但是应注意如果每个子组代表很长的一段时间的过程操作,大的子组容量会有不利之处。
如果子组容量是恒定的或它们变化不超过±25%是最方便的,但不一定是这样。
如果子组容量相对p来说足够大也是很有好处的,这样能获得下控制限,从而也可以发现由于改进造成的可查明的原因。
b.分组频率——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的要求矛盾。
SPC统计过程控制程序
SPC统计过程控制程序SPC (Statistical Process Control,统计过程控制)是一种通过收集和分析数据来监控和控制过程稳定性和性能的统计方法。
SPC可以帮助企业了解和改进生产过程,并减少产品不合格率和废品,提高产品质量和客户满意度。
SPC的基本思想是:通过收集连续生产过程中的样本数据,分析这些数据,并与事先设定的控制界限进行比较,以判断过程是否处于控制状态。
如果过程处于控制状态,那么产品的质量将是稳定的、可预测的。
如果过程处于失控状态,就需要采取措施来确定并消除原因,以使过程回到控制状态。
SPC的目标是通过减少过程变异来提高产品质量,并确保过程处于可控状态。
它可以用于任何类型的生产过程,不论是制造业还是服务业。
SPC的主要工具包括:控制图、过程能力分析和统计分析等。
控制图是SPC最常用的工具之一,用于监控过程的稳定性。
控制图可以显示在连续生产过程中所收集的样本数据的变异性,并与控制界限进行比较。
常用的控制图有X-bar图、R图、P图和C图等。
X-bar图用于监控过程的平均值,R图用于监控过程的离散程度,P图和C图用于监控过程的不良品率。
通过比较样本数据的统计指标与控制界限,可以判断过程是否处于控制状态。
过程能力分析可以衡量过程的性能,并确定过程是否具备满足客户要求的能力。
过程能力分析可以通过计算过程的Cp、Cpk、Pp和Ppk等指标来完成。
这些指标可以反映过程的长期稳定性和短期稳定性,进而评估过程的能力。
统计分析是SPC的基础,通过对收集到的数据进行概率分布拟合、假设检验等统计分析方法,可以确定控制界限的设置和过程能力的评估。
统计分析能够为决策提供科学的依据。
SPC的应用可以帮助企业实现以下几个方面的目标:1.提高产品质量:SPC可以监控和控制生产过程中的变异性,降低产品缺陷和废品率,提高产品质量和一致性。
2.降低成本:通过减少废品和不良品的产生,可以降低生产成本。
3.提高生产效率:SPC可以帮助发现和解决生产过程中的问题,提升生产效率和产能。
SPC计数型(P图)
测量单位
日/时 批量/号 检验数 n 不良缺陷记录
真空轮辋 焊接质量
质检部
零件图号 最 大值 平 均值 最 小值
统计过程控制-P控制图
1.60 0.58 0.00
控制图 控制上限 中 心线 控制下限
P管制图 UCLp= 1.61 CLp = 0.58 LCLp= 0.00
8/12 9/12 10/12 11/12 12/12 13/12 14/12 15/12 16/12 17/12 18/12 19/12 20/12 21/12 22/12 23/12
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
500 500 500 500 500 500 500 500 500 500 500 500 500 500 500 500 6348621725312302
不良数 d
6348621725312302
不良率 p
1.2 0.6 0.8 1.6 1.2 0.4 0.2 1.4 0.4 1.0 0.6 0.2 0.4 0.6 0.0 0.4
6241301
73
1.2 0.4 0.8 0.2 0.6 0.0 0.2 0.58%
过程能力CPK
请设定参数
=
△临界距离/3σp
允许的P= 样本量n=
2.00% 500
=
1.3851
子组数k= 25
结论
满足
过程能力 ≥1.33
UCLp 说明栏 A分检 M反馈 R维修 S调整
CL p W工装 X换人
17 18 19 20 21 22 23 24 25
制定者
张明君
24/12 25/12 26/12 27/12 28/12 29/12 30/12 31/12 1/01
SPC、SPD与SPA
二、什么是SPC、SPD与SPA?1.SPCSPC(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.SPDSPD(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。
此后,我国又提出“多元逐步诊断理论”和“两种质量多元诊断理论”,解决了多工序、多指标系统的质量控制与质量诊断问题。
从此,SPC 上升为SPD。
SPD是利用统计技术对过程中的各个阶段进行监控与诊断,从而达到缩短诊断异常的时间、以便迅速采取纠正措施、减少损失、降低成本、保证产品质量的目的。
目前,我国依据上述诊断理论已开发出两种诊断软件。
一种是依据“两种质量诊断理论”开发的应用软件SPCD2000,用于诊断多工序生产线中上工序对下工序的影响;另一种是依据“多元逐步诊断理论”和“两种质量多元诊断理论”开发的多元诊断软件DTTQ2000,用于多因素相关条件下的诊断。
而后者同时也考虑了上工序对下工序的影响。
3.SPASPA(Statistical Process Adjustment)即统计过程调整,是SPC发展的第三个阶段。
SPA可判断出异常,告之异常发生在何处,因何而起,同时还给出调整方案或自动调整。
SPC计数控制图PPT74页课件
3 计点控制图
常规控制图
计量
计数
n 2 10 X R图
n 1
计件
X S图
p图
np图
计点
c图
u图
缺陷率
39
3 计点控制图
对于生产过程中的缺陷数控制,比如控制一部机器,一个 部件,一定的长度,一定的面积或任何一定的单位中所出现 的不合格品数目,采用计点控制图。常用的计点控制图,有 u图和c图。
印花疵点图
毛刺图
钢板裂纹图
光洁面划痕
散热器管砂眼
1
目录
★属性检测与记录
▲属性检测 ▲缺陷率与生产收益
★计件控制图
▲p图 ▲np图
★计点控制图
▲u图 ▲ c图
★计量与计数控制图的对比 ★附录
2
1 计数控制图
测量单元
计量测量值
质量特性
计数测量值
均值 波动/变差
不合格 缺陷
通过观测每个产品,根据产品的质量特性符合质量特征要 求与否,把产品分为合格与不合格两类。
7
1.2 缺陷率与生产收益
★当一个检测单元至多允许出现c个缺陷时,出现一个缺陷会 带来生产的后续失效风险。 ★检测单元不含任何缺陷的概率(即产品完好率)可由下式计 算
其中,λ为平均缺陷率(每个单元的平均缺陷数)。
8
2 计件控制图
不合格比例(正式称呼为次品率或拒收率)是在全部检测的 产品中发现的不合格单位产品的比例。
★变控制限的p图的控制限为 ★注意控制限的宽度与样本量的平方根成反比。
19
标准化的p图
在样本量变化和/或短生产周期的情形下,宜使用标准化 的p图。首先进行标准化的变换
这样,对于标准化的p图,中心线为0,而上、下控制限分别 为+3和-3。
SPC-统计方法分析
SPC-统计方法分析引言SPC(Statistical Process Control)是一种通过使用统计方法来监控和控制过程稳定性的质量管理技术。
它可以帮助企业分析和改进生产过程,降低不合格品率,提高生产效率和质量水平。
本文将介绍SPC的基本概念、统计方法分析的步骤和应用案例。
SPC的概念SPC是一种基于统计的质量控制方法,通过统计数据的收集、处理和分析,来评估生产过程的变异性,从而实现过程的稳定性和可控性。
它主要包括以下几个要素:1.过程监控:SPC通过采集实时数据进行监控,及时发现过程中的异常变化,以便及时采取控制措施。
2.统计分析:SPC使用统计方法对数据进行分析,以了解过程的性能和变异情况,从而判断过程是否稳定。
3.控制图:控制图是SPC的核心工具,通过绘制过程数据和控制限线,可以直观地观察过程的稳定性,并判断过程是否受到特殊因素的影响。
统计方法分析步骤统计方法分析是SPC中的核心环节,它包括以下几个基本步骤:1.数据收集:首先需要收集与待分析过程相关的数据,可以是产品质量数据、生产参数数据等。
数据可以通过手工记录或自动化采集系统获取。
2.数据整理:对收集到的数据进行整理和清洗,去除异常值和重复数据,并进行数据格式转换,以便后续的统计分析。
3.描述性统计分析:通过计算数据的基本统计量,如均值、标准差、中位数等,来描述数据的集中趋势和分散程度。
4.绘制控制图:根据数据的特点选择适用的控制图类型,并根据统计分析结果绘制控制图。
常用的控制图类型包括X-bar图、R图、p图、np图等。
5.控制图分析:根据控制图的规则和判断标准,分析控制图中的数据点是否落在控制限内,判断过程是否稳定。
特殊因素的存在可能导致控制图出现异常情况,需要进行进一步的原因分析和改进措施的制定。
6.过程改进:根据统计分析和控制图的结果,对过程进行改进,找出并消除导致异常情况的根本原因。
应用案例以下是一个使用SPC进行统计方法分析的应用案例:某工厂生产的产品在尺寸方面存在一定的偏差,为了提高产品的质量稳定性,工厂决定使用SPC进行分析和改进。
什么是SPC
3σ原理
X
68% 95% 99.7%
6σ原理
6σ是摩托罗拉发明的术语:接近完美的达到顾 客的要求,在一百万个机会里只有3.4个瑕疵。 它是一种新的管理方法,与SPC无直接联系。
一般企业的瑕疵率大约是3到4个西格玛,以4 西格玛而言,相当于每一百万个机会里,有6210 次误差。
n
xi
x i1 n
SPC – Introduction
基本统计概念
• Md 中位数(median) 顺序数列中的中心项的数值
• Mo 众数(mode) 资料中出现最多的数值
SPC – Introduction
基本统计概念
• 2 方差/变异(variance)
n
n2
(xi x)2
i 1
n
刀具崩刃 新的原材料 操作程序变更
的其中一种 或几种
气温骤降
……
在特殊原因的影响下,过程的分布会改变
• 位置(均值)改变 • 分布宽度(最小值与最大值之间的距离)改变 • 形状改变(偏斜)
运用SPC能?
受控 (消除了特殊原因)
范围 SPC – Introduction
不受制 (存在特殊原因)
时间
什么是SPC?
Seite 1
什么是 SPC (统计过程控制)
Statistical:(统计)以概率统计学为
基础,用科学的方法分 析数据、得出结论;
Process :(过程)有输入-输出的一 系列的活动;
Control :(控制)事物的发展和变 化是可预测的。
分解SPC (统计过程控制)
统计学(Statistics)是数学的一个分支: 1. 从所有同类项目(总体)(population)中抽取一些项目(样本)(samples)。 2. 计算集中特性(central tendency),如算术平均数(average或mean), 如极差
SPC Cpk Ppk 介绍
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。
雷达图用于描绘现 有状况与目标之间 差距的大小程度。
常用的七种工具
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, 以获得有助于改善 经营绩效的信息。 它是一项有系统的、 持续性的评估过程。
新七种工具
最常用判断工序是否异常的效果好但计算工作量大均值极差控制图计量值控制图适用场合特点管理图符号名称类别rx?rx?表表1控制图种类及适用场合ni第i样本的样本容量各样本样本容量可以不等计算各组不合格品率pi计算各样本的平均缺陷数各样本样本容量不等计算各样本的单位缺陷数uiu图p图n为奇数时第i样本中按大小顺序排列起的数据列中间位置的数据n为偶数时第i样本中按大小顺序排列起的数据列中中间位置的两个数据的平均值1找出或计算出各样本的中位数2计算各样本极差ri图xij第i样本中的第j个数据i12k
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
二、spc包括的内容
• 正态分布等统计基本知识 • 质量管理七种工具,其中特别是要对控制 图深入学习 • 两种质量诊断理论 • 如何制订过程控制网图 • 如何制订过程控制标准等等
质量管理七种工具
常用的七种工具
直方图是用来分析 数据信息的常用工 具,它能够直观地 显示出数据的分布 情况。
流程图
流程图的定义 流程图就是按照过程发展的连续顺序, 用特定图形语言和结构将过 程的各个独立步骤及其相互联系展示出来的工具。 流程图的作用 1. 流程图可使有关人员认清生产或服务过程中各环节的实际流程和顺 序。 流程图可以用于任何情况,从产品制造到销售商品再到对产 品提供服务的每一个过程都可以用流程图来描述。其作用包括: 2. 将工作过程的复杂性、有问题的地方、重复部分、多余环节以及可以 简化和标准化的地方都显示出来; 3. 将实际的和想象的过程流程进行比较和对照,以便寻求改进过程的机 会; 4. 使项目小组在过程步骤方面统一意见并检查出对过程进展有重要影响 的环节或活动; 5. 识别可以调查收集额外资料的地方; 6. 提供了一个直观而通俗地展示复杂过程的工具。
APQP&PPAP SPC 三大工具
APQP&PPAP SPC三大工具
课程时间
2天
讲师
洪剑坪
培训收益
实施APQP,从产品的概念开发阶段、立项阶段、样件阶段、小批量阶段到大批量生产,来制定产品先期质量计划,开发新产品;
通过APQP,使新产品所需的设计更改在早期得到识别,避免晚期更改,以最低的成本及时提供优质产品,满足顾客要求,使顾客满意,及时完成关键任务,按时通过顾客对生产件的批准;
单向公差情况:只有公差下限TL时:
课堂练习
⒌工序能力的判断及处置
⑴工序能力判断标准
⑵有偏离系数工序能力的判断标准
⑶CP值对应的总体不合格品率表(%)
⒍处置:
⒎改善及矫正措施
⒏工序能力指数计算练习
⒈工序能力的含义:工序能力与生产能力、机械能力的区别
⒉工序能力的数量表示:
为什么用6 σ来表示工序能力?
⒊工序能力与公差图
⒋工序能力指数Cp及其计算
①正态分布
②双向允差,工序分布中心与规格中心重合(即无偏移的情况)
③双向允差,工序分布中心与规格中心有偏移
有偏移时工序能力指数用符号CPK表示:例:
④单向公差情况:只有公差上限TU时
3、新PPAP文件应包含或引用被替代PPAP文件中的记录
第三部分
SPC统计制程管制
一、各阶段的质量管理重点
二、质量管理工具应用
三、数据的基本常识:
数据的分类
收集数据的目的
收集数据应按注意的事项
①有效数字
②数字的修约规则
数据的几个重要特征:
标准差与平均值关系
四、关于SPC理解
SPC起源、背景
最新版本SPC的变化
同时满足质量体系要求,提高客户的满意度,进而提高公司利润,
SPC控制图——P图的注意事项
SPC控制图——P图的注意事项
关键词:SPC控制图,P图
P图是常用SPC控制图之一,用于测量在一批检验项目中不合格品(不符合或所谓的缺陷)项目的百分数。
在使用SPC控制图P 图以前,必须采取以下几个预备步骤:
●建立一个适于行动的环境。
除非管理者提供一个相应的环境,否则任何统计方法都会
失败;
●定义过程。
必须根据它与其他操作/使用乾的关系,影响过程每个阶段的过程/要素(人、
设备、材料、方法和环境)来理解过程。
像因果分析图之类的技术可以帮助使这些关系可视化;
●确定要管理的特性。
将精力集中在对过程改进最有积极作用的那些特性上(排列图原
理的应用);
●考虑顾客的需求。
包括使用产品或服务作为输入的任何后续过程,以及使用最终产品
的顾客;
●特性的相互关系。
充分利用特性间的关系是有效的现实研究方法,如果一个项目的几
个不同的特性变化趋向于合并,对其只描绘一个特性就够了。
在制作P图过程中,需要考虑以下几个问题:
●把被检查的每一个元件,零件或项目记录成合格或不合格(即使一个项目有几处不合
格,也仅记录为一个不合格项);
●把这些检验的结果按一个有意义的基础条件分组,并且把不合格的项目用占子组的大
小的十分之几来表示。
P图属计数型控制图,用于控制对象为不合格品率或合格品率等质量指标的场合,使用P图时,应注意以上所述事项,以达到过程管控的目的。
什么是SPC、SPD、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,著名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.spcSPC(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. SPDSPD(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。
此后,我国又提出―多元逐步诊断理论‖和―两种质量多元诊断理论‖,解决了多工序、多指标系统的质量控制与质量诊断问题。
- 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)。
1、 测量系统的改变(如新的检验人或新的量具 2、 过程性能已恶化 b 低于均值的链或下降链说明存在下列情况之一或全部:
1、 过程性能已改进 2、 测量系统的改好 注:当 np 很小时(5以下),出现低于 P 的链的可能性增加, 因此有必要用长度为8点或更多的点的长链作为不合格 品率降低的标志。 8-1-3-1-3 明显的非随机图形 a 非随机图形例子:明显的趋势;周期性;子组内数据间有 规律的关系等。
选取20~25组样本数,样本大小可以不等,但为了计算控制线方便,各组样本上n应尽量一致。
在实际运用中,当各组容量不超过其平均容量25%时,
五、SPC核心---控制图制作
步骤4:设定不良率控制图的控制界限。
上控制界限(UCLp) = p + 3√[ p ( 1 - p ) / ni ] 下控制界限(LCLp) = p - 3√[ p ( 1 - p ) / ni ]
8-1-4 过程能力解释
计数型数据控制图上的每一点直接表明不符合顾客要求的不合 格品的百分数和比值,这就是对能力的定义
• CMK指数:验证设备能力
CMK = (USL-LSL)/6σCMK 其中σCMK= T为规范的目标值
CMK指数:验证设备能力
方法:收集50~100样品数据,计算σ
作用: 1)重点设备的验收 2)设备保证产品质量的能力 3)重点设备应每年验证一次设备能力
品質至上 持續改善 顧客滿意
9
8-1-3 过程控制用控制图解释: 8-1-3-1 分析数据点,找出不稳定的证据(一个受控的P管制图 中,落在均值两侧的点的数量将几乎相等) 。 8-1-3-1-1 超出控制限的点 a 超出极差上控制限的点通常说明存在下列情况中的一种 或几种: 1、控制限计算错误或描点时描错 。 2、测量系统变化(如:不同的检验员或量具)。 3、过程恶化。 b 低于控制限之下的点,说明存在下列情况的一种或多种: 1、控制限或描点时描错。 2、测量系统已改变或过程性能已改进。 8-1-3-1-2 链 a 出现高于均值的长链或上升链(7点),通常表明存在下列 情况之一或两者。
控 制 图
• 均值和标准差图(X-S图)
σ = S/C4
■ S为样本标准差的均值
■ C4为常数
n. C4
2
0.789
3
0.886
4
0.921
5
0.940
6
0.952
7
0.959
8
0.965
9
0.969
10
0.973
控 制 图
• 四、用计数型数据的控制图
1) P图
数据收集:子组容量大,50到200或更多,大到包含几个不合格品。考虑子组容量大与收 集时间工的均衡,子组容量恒定或变化不超过25%是最方便的。子组数量应包括25或更多
一般情况,各点与均值的距离:大约2/3的描点应落在控制 限的中间1/3的区域内,大约1/3的点落在其外的2/3的区域。 c 如果显著多余2/3以上的描点落在离均值很近之处(对于25 子组,如果超过90%的点落在控制限的1/3区域),则应对下 列情况的一种或更多进行调查: 1、 控制限或描点计算错描错 2、 过程或取样方法被分层,每个子组包含了从两个或多个 不同平均性能的过程流的测量值(如:两条平行的生产 线的混合的输出)。 3、 数据已经过编辑(明显偏离均值的值已被调换或删除) d 如果显著少余2/3以上的描点落在离均值很近之处(对于25 子组,如果只有40%的点落在控制限的1/3区域)则应对下列 情况的一种或更多进行调查: 1、控制限或描点计算错描错 b
计算子组内的不合格品率(P)
■被检项目的数量n
■发现不合格项目的数量nP ■不合格率P
= nP/P
■将不合格品率描绘在控制图上
控 制 图
• 四、用计数型数据的控制图
计算控制限
计算过程平均不合格率P P=(n1P1+n2P2+-------+nkPk)/(n1+n2+----nk)
UCLP = P + 3 LCLP = P – 3 n为恒定的样本容量
重新制定不良率的 平均数及控制界限
是否所有的不良率 都包括在界限內 是不良率在 控制范围计算新不良率 控制界限
五、SPC核心---控制图制作
控制图的判异准则 判异准则有点出界和界内点排列不随机两类。 国标GB/T4091-2001《常规控制图》中规定了8种判异准则。
注意 :当样本 Pn图(不合格品数控制图)和p图大致相同,只 在n为一定时使用,可以把不合格品数不加任何处理在图上 打点。 注意 :当样本大小是不同数据时,必须使用p控制图。大小 是不同数据时,必须使用p控制图。
1>显示在某一样本组内发生事件之数目对全部事件的比值 2>用作报告产品内的不良品比率 3>控制单一质量特性或一组质量性中的不良率 4>同时也可以设立作为操作员,工作间或某一班制的表现控制
五、SPC核心---控制图制作
步骤2:选取样本组(选择子组的容量、频率和数量)。
决定样本数的参考: •样本数最少大于50个单位 •常用的惯例,样本数目的多少一定可以足够找出4个或以上的不良品,样本大小应保证每组样本中 的不合格品个数有1~5个为宜。n如果过小,在控制图上打点经常等于0,不合适。例如预计不合格率 为5%左右,则n=1~5/0.05==20~100。
•在实际的运作中,选取样本数是需要一些初步的观察来找出不良率和平均不良率的粗略资料,以便 足够的数据来制作图表。
•避免在一段长时间内选取一个大的样本数
五、SPC核心---控制图制作
步骤3:收集数据
子组容量:子组容量足够大(最好能恒定),并包括几个不合格品。
分组频率:根据实际情况,兼大容量和信息反馈快的要求。 子组数量:收集的时间足够长,使得可以找到所有可能影响过程的变差源。一般为25组。
下控制界限的计算结果是负时,LCL不考虑。
五、SPC核心---控制图制作
步骤5:测试P控制图的控制界限。
是否所有不良率 (p) 都在管制界限內 是 否 是否少于两个 不良率超出界限 是 从样本组中弃置 此两个不良率 否 三个或以上的 不良率超出界限 不良率不在控制范围 找出及解決 非机遇性原因 否 收集新数据
#2.不少于9个连续点位于中心线的一侧
监测较小的变化或趋势。
#3.不少于6个连续的点持续上升或下降。
监测较强的趋势。
#4.连续14个点或更多的点呈现上下交替形状。
监测系统性因素,如更换机器、操作 员、供应商等。商 等。
# 5.3 个连续的点有 2 个点位于是中习线 2 个标准 监测大的变化。 差以外的位置,且位于同一侧。 #6.连续5点中有4点位于是中习线一个标准差以 监测中等程度的变化。 外的位置. #7.连续15个点或更多的点位于距中习线一个标 监测过程变差减少的情况。 准差以内的位置。 # 8. 连续 8 个或更多的点位于中心线两侧,但没 监测地程变差增加的情况。 有一点位于距中心线1个标准差范围内。
画线:过程均值P-----水平实现 控制线(UCL,LCL)------水平虚线
五、SPC核心---控制图制作
计数型数据控制图 P管制图:P图是用来测量在一批检验项目中不合格品(缺陷)项目的百分数。
P控制图的作成步骤 选择质量特性 不良率在统计 控制之內 是 以设定之控制 界限持续监控
否
选取样本组 (抽样数)
收集数据
设定不良率 之控制界限
五、SPC核心---控制图制作
步骤1:选择质量特性。
选择控制图的坐标刻度(不合格品率作为纵坐标,子组识别如 小时、天等)作为横坐标。纵坐标的刻度应从0到初步研究 数据读数中最大的不合格率值的1.5到2倍的值。 n为每组检验的产品的数量;np为每组发现的不良品的数量。
P=(n1p1+n2p2+…+nkpk)/ (n1+n2+…+nk)
式中:
n1p1;nkpk 分别为每个子组内的不合格的数目 n1;nk为每个子组的检验总数
2、 过程或取样方法造成连续的分组中包含了从两个或多个 不同平均性能的过程流的测量 8-1-3-2 寻找并纠正特殊原因
当有任何变差时,应立即进行分析,以便识别条件并防止
再发生,由于控图发现的变差一般是由特殊原因引起的, 希望操作者和检验员有能力发现变差原因并纠正。并在备
注栏中详细记录。
8-1-3-3 重新计算控制限 初次研究,应排除有变差的子组,重新计算控制限。
• C.过程控制用控制图解释
• C.1.分析数据点,找出不稳定的证据 • a.超出控制限的点 b.链 c.明显的非随机图形 • C.2.寻找并纠正特殊原因
• C.3.重新计算控制限
• D.过程能力解释
ISO-9001
9. 判别准则:
准则号 #1.单点超出上或下控制极根. 适用于 监测较大且突然的变化。 举例
注: pi =
di ni
&
p =
di ni
di - 第i个控制分组的不良品数目 ni - 第i个控制分组的樣本数目 pi- 第i个控制分组不良率 p - 所有样本的平均不良率
n为每组检验的产品的数量;np为每组发现的不良品的数量。
五、SPC核心---控制图制作
步骤4:设定不良率控制图的控制界限。