spc(理论篇)

合集下载

spc质量管理

spc质量管理

spc质量管理SPC (Statistical Process Control)是指统计过程控制,是一种在生产过程中使用统计方法来监测和控制制造产品质量的方式。

SPC与传统的控制方法不同,它通过对过程数据的分析,使生产过程更可控,从而达到提高产品质量、减少浪费和成本的目的。

下面我们将就SPC的原理和方法以及在质量管理中的应用做详细介绍。

一、SPC理论基础1、过程变异在任何时刻,一种生产过程的输出不能百分百相同。

这种不同可以由多种因素产生,包括异常的原材料、工艺变更、机器磨损、操作者错误等等。

导致输出中变异的因素称为特殊因素,也称为系统性因素。

这种特殊因素变异是造成过程差异的主要原因。

2、常规变异除了特殊因素外,生产过程的输出也有常规变异。

常规变异是指,即使没有特殊因素,也会有一些小的差异在过程输出中出现。

常规变异主要由不可避免的自然因素或生产设备的某些功能限制引起。

3、SPC方法SPC方法的核心是确定过程总体的变异范围,并确定过程中的差异是否在可接受的范围内。

在某些情况下,它可以通过实施统计控制来消除这种变异。

SPC方法可以有效地降低过程差异,提高产品质量,减少成本,增加可靠性,提高客户满意度。

二、SPC的应用范围SPC方法可以应用于所有类型的制造过程,包括离散、连续、传统目视检验和自动化检验。

以下是SPC可以处理生产过程的举例:•\t安装对象的物理特性:例如长度、宽度、高度、重量、颜色、性质等。

•\t材料特性:例如硬度、强度、韧性、导电性等。

•\t流体特性:例如温度、压力、流量、粘度等。

•\t机器特性:例如速度、功率、电流、温度、气压等。

•\t操作员特性:例如工作时间、工作速度、操作标准等。

三、SPC的主要原理SPC的主要原理是基于过程变异性的持续监测和控制,包括以下步骤:1、控制图建立控制图以时间为横轴,测量数据为纵轴。

每次收集数据时,都将点绘制到控制图上。

然后通过绘制中心线、上界和下界来确定控制限。

SPC理论基础知识

SPC理论基础知识

广州今朝科技有限公司SPC基础知识一SPC术语录1.控制图:SPC的核心工具。

一种标绘着根据相继抽取的样本或子组的某一统计量的值、并画有控制限的图,用于评估或检查一个过程是否处于控制状态之下。

画在坐标系中,横轴表示时间或样本号,纵轴表示数值大小,将采集到的数据以点的形式表示在图中。

2.运行图:一种代表过程特性的简单图形,上面描有一些从过程中收集到的统计数据(通常是单值)和一条中心线(通常是测量值的中位数),可用来进行链分析。

3.排列图:一种用于解决问题的简单工具,按照对成本或变差的影响程度对各种潜在的有问题区域或变差源进行排序。

一般情况下,大多数的成本(或变差)是由于少量原因造成的,所以解决问题的精力最好是首先集中在少量关键的原因上,而暂时忽视多数不重要的原因。

4.散点图(相关图):把两个变量标在横轴与纵轴上,按照一一对应测量值点描绘成的图。

5.计量值:当质量特性值可以取给定范围内的任何一个可能的数值时,这样的质量特性值称为计量值。

6.计数值:当质量特性值只能取一组特定的数值,而不能取这些数值之间的数值时,称之为计数值。

7.过程:过程是指将输入转换成输出的一系列活8.9.10.628052366666611.动的总和。

12.样本:取自总体中的一个或多个个体,用于提供关于总体的信息,并作为可能做出对总体(或产生总体的过程)的某种判定的基础(引自GB3358-82)。

样本中所包含的样本单位数,称为样本大小。

13.样本容量(子组大小):在抽检中抽出来的样本单位数。

14.不良品:指整件物品作为一个整体考虑而未满人意或不能接受。

一件不良品可能具有若干相同的或不相同的缺陷。

15.不良率控制图:即P图,用于控制对象的不合格率。

16.不良品数控制图:即Pn图,是一种计数值控制图,用于控制对象为不合格品数的场合。

)17.采集规划:采集规划指从某过程中选择质量特征值进行数据采集的一种工具。

18.单位缺陷数(U)控制图:是一种计数值控制图,它通过周期性抽取样本以统计单位产品的缺陷率并在控制图上绘制点来监控过程变化,样本的检测结果为平均每个样品包含的缺陷数。

SPC理论

SPC理论

则 D np1 p
3正态分布......p
则 D 2
- 1 e 2 2
1
, 0,
泊松分布
泊松分布在质量管理中的运用
100个缺陷机会中发生次数为λ=5(制程质量水平)代入泊松分布p(k, λ) 公式中计算,可得到发生0,1,…N个缺陷的概率%,
P( 5) C 5 (0.004)5 (1 0.004)1000 5 15.7% 1000
现在生产的 质量水平
不良率 0.4% 0个缺陷 0.67%
后续生产质 量水平估计 二项分布
1个缺陷
3.37%
2个缺陷
8.42%
二项分布
3个缺陷
14.04%
应用举例
例 计件类: 在去年检验记录中,经统计平均每100个产品中有3个不合格,在
例: 1.只有两种结果出现的概率分布: A:掷钱币: 可能的取值: 0 (正面) 1(反面) 概率: 0.5 0.5
一.概率 分布举例
B:产品加工: 1(合格) 0(不合格) 良品率0.95 不良率0.5
2.有多种结果出现,但只能取其中一个值概率分布 A.掷骰子: 可能的取值:1 2 3 4 5 6 概率:1/6 1/6 1/6 1/6 1/6 1/6 B.生产过程中出现不良率的概率分布 产品不良率可能为: 0.1% 0.2% 0.3% …1.0% 产品不良率出现的概率为:27% 27% 18% 0.0029%
今年的检验中,以3倍标准差作为控制界限,其控制范围应: =3±5.1(控制下线0,控制上线8)
3 100 0.03 1 0.03

0.250 0.200 0.150 0.100 0.050 0.000 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 缺陷数

SPC理论及抽样方案

SPC理论及抽样方案

统计稳态与技术稳态分类表
统计稳态 YES 技术稳态 YES 技术稳态 NO 状态I (最理想) 状态III 统计稳态NO 状态II 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
三、SPC运行
(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。 去做,恢复所确定的状态。 ► 从数学的角度看
什么是SPC?
SPC 强调全过程监控
SPC 强调全系统参与 SPC 构建“事前”预防和控制-现代质量管 理
SPC 是预警系统
波动
波动是质量的敌人; 品质改善就是要持续减少设计、制造和 服务过程的波动; “管理的角色就是改进过程”

偶然性原因 系统原因 产品质量影响较小 产品质量影响大 技术上难以消除 能够避免和消除 经济上也不值得消除
你不知道废品何时会出现,所能做的就是挑出废品 !!!!!!
质量发展史的关键点
1925 休哈特提出统计过程控制(SPC) 理论 1930 道奇和罗明提出统计抽样检验方法。 1950 戴明提出质量改进的观点 1960 朱兰、费根堡姆提出全面质量管理 的概念 1970 石川馨、田口玄一等提出新七种工 具 2000 由统计质量管理到质量管理工程

预防&控制
三、SPC步骤及风险识别
3.1
分析用控制图的含义
根据使用的目的不同,控制图分为:分析用与控制用控制图。 (一)分析用控制图 主要分析以下两点: (1)所分析的过程是否为统计稳态? (2)其过程能力指数是否满足要求? 一、分析用控制图与控制用控制图 一道工序开始应用控制图时,总要将非稳态的过程调整到稳态的过 程,此乃分析用控制图的阶段。 等到过程调整到稳态后,才能延长控制图的控制线作为控制用控制 图,所谓控制用控制图的阶段。

spc(理论篇)

spc(理论篇)

統計製程管制(SPC)理論與實務< 理論篇>制作:人力資源部訓練組監制:巫千文SPC的統計基礎3管制圖的原理及導出4大綱:3.<SPC的統計基礎>特性與特性值變異分配的掌握常用之分配抽樣分配█特性與特性值如釣魚產出因制程特性特性值果EX:(布)重量25.1kg 大匹一百碼特性:評价對象的性質與性能特性值:以數值表示特性的資料☆數據的種類數據的种類可分為:10計量值(Variable)可以取得連續性數值的數據,例如:高度2.3CM,溫度12.05℃20計量值(Attribute)可以個數計算,或數值是間斷性的數據例如:不良個數,缺點數,不良率數據測量的尺度瞭解數字背后所代表的意義以免誤用,並據以選用適當的統計方法四种尺度10名稱尺度(Norminal Scale)顯示類別的不同例如:1 表示香蕉;2 表示桔子;3 表示蘋果20序列尺度(Ordinal Scale)顯示等第,順序例如:1表示第一名;2表示第二名;3表示第三名30區間斷尺度(Ordinal Scale)除了可說出名稱和排出大小順序外,還可算出差異的大小例如:溫度35度與25度的差等於42度與32度的差!!!注意:40度並非20度的兩倍40比例尺度(Ratio Scale)有絕對的0度例如:高度,重量變異變異的存在是不爭的事實刀具機器半成品原料生條產件環境產出衡量方法衡量工具衡量人員…...製程變異衡量變異方法夾具人員制程★變異的結果考慮資料集團存在變異資料形成某种散布(分配)變異的種類共同原因的變異(Common or Random Causes)特殊原因的變異(Special or Assignable Cause)共同原因的變異--共同原因:亦稱偶然原因或機遇原因使品質發生微小變異且為不可能避免的原因,此原因造成系統內的變異--此變異為系統的固有變異.亦即在穩定的現況下,系統的自然變異(自然能力)若欲增強自然能力縮小異突破現狀--特殊原因:亦稱非機遇原因由於機器的差異、方法、條件的不同,操作者的疏忽等原因,使得產品之品質發生重大變異--此時品質特性值的分配已改變直覺特殊原因之發生維持現狀特殊原因的變異制程解析UCL 管制UCL改善UCL制程改善(制程能力)制程解析制程管制制程失去管制(特殊原因存在)管制狀態下(特殊原因刪除)制程改善(共同原因的變異減少)規格時間★SPC三部曲◆分配的掌握次數數據(特性值)1.分配的中心位置(集中趨勢)μ1μ2 2.分配的散布情況(離中趨勢)μσ1σ2如何掌握分配的特徵?3.分配的形狀1)集中趨勢(位置量數)X=(χ1+ χ2+…+ χ2)/n= ∑χi/nni =1●中位數χ(Medium)~將一組依大小排序的數字,等分為二之數據●離中趨勢(變異量數)●全距R(Range)R=χmax =χminEx:3,7,9,2_>R=9-2=7Ex1:3,12,29->χ=12~Ex2:3,12,29,75->χ=(12+29)/2=20.5~●均數χ(Mean)(或μ)●變異數和標準數(Variance and Standard deviation)在沒有偏差的情況下,各觀察值χi應等於母體平均數μ,即X 1= X2=…….= μ因有變異存在了偏差(Deviation),使各觀察值偏離了μ偏差= Xi-μ變異值數(σ2)= ∑(Xi -μ)2Nμ已知當μ未知,以χ代之,則變異數(S2) = ∑(Xi -X)2n-1-而標準差為變異數之開根號即標準差=√變異數_____常用之分配離散品質特性:例如不良品個數二項式分配(Binominal Distribution)X~b(n,p)=n xP x(1-P)n-x ;x=0,1,2…..nP為母數,P為每次現象出現的機率,n為試驗次數X表示n次觀察中,現象出現的次數平均數μ=E(X)=nP 變異數σ2=V(x)=nP(1-P)Ex:n=2 P=0.50.250.5P(x)2!0!2! *0.50*0.52=0.25P(x)=卡瓦松分配(Poisson Distribution)X~P r (x)=λx X!e -λ; x=0,1……X代表在某時間間隔或特定區域內現象發生次數λ為母數,表該區間或間隔,現象發生的平均數μx =E(X)=λσ2x =V (x)=nP(1-P)=λ連續品質特性:例如孔徑大小●常態分配(Normal Distribution)為以平均數為中心,呈左右對稱之鐘形的一种分配F(x)X~N(μ, σ2)2σ2e-(x-μ)2f(x)=√2πσ____1-∞<X>∞μ:平均數e:2.718σ:標準差重要性:1)自然現象:生物的變異,測量變異.2)大樣本時,雖母體分配為未知,可用常態分配解決其樣本數的推測問題.3)抽樣分配的誘導.σ常態分配的機率值a2f(x)=√2πσ___1 P (a<=X<=b)=∫f(x)dxbad a+c =b+c d μ+c d=難1.積分2.depend on μ,σ2da+c x+c d b+c d常態分配的標準化平均數為0,變量數為1的常態分配稱為標準常態分配,即N(0,1)利用標準常態分配所做成的機率表示求得所有常態分配的機率值標準化的公式1Z=x-μσ2Z~N(0,1)-e z ζ2√2π___1 f(ζ)=-∞< ζ>∞以0為對稱P(z>0)=P(z<0)=0.5P(z<-y)=P(z>y)=1-P(z<y)Ex:設某制程生產所得產品的平均長度呈常態分配,其平均值為15cm,標準差為1.5cm(1)16cm以上的機率為何?(2)14cm至15.5cm 的機率為何?解:)5.115165.115()16()1(−>−=>x P x P )5.115165.115()16()1(−>−=>x P x P =p(z>0.67)=0.5-P(z<0.67)=0.5-0.2486=0.2514(2) P(14<X<15.5))5.1155.155.11514(−<<−=Z P )5.1155.155.11514(−<<−=Z P =P(-0.67<Z<0.33)=P(Z<0.33)-P(Z<-0.67)=P(Z<0.33)-P(Z>0.67)=0.1293+0.5-0.2514=0.3779配合查表Chick here2由平均值至兩側以標准差σ表示,在+ σ范圍內之相對次數,即機率以百分率表示為:P(μ-σ<=z<=μ+σ)=68.27%P(μ-2σ<=z<=μ+2σ)=95.44%P(μ-3σ<=z<μ+3σ)=99.73%μσ1±σ1±σ2±σ2±抽樣分配xμ樣組11x 1x 樣組22x 2x 樣組nnx n x 2x 2x 一次觀察的結果為許多可能結果之一母體(間接得知)樣本(直接得知)抽樣推論資料的解說母體分配隨機抽樣X 的分配μX 24.<管制圖的原理及導出>何謂管制圖管制圖的原理管制界限的導出何為管制圖510152025What’s wrong for the trend chart?xx 日期管制圖:“是一種以實際產品質與根據過去經驗所判明的制程注意:制程的管制狀態與產品的合格性不可相提并論管制界限是一種自然界限,其監控制程是否在自然狀態中公差界限是人為的給定值,判斷個別值是否合于需求管制界限判斷群體的特性欲確認制程能否符合規格,則須作制程能力研究管制圖的用途:1.判斷制程是否穩定2.使制程穩定,可以預測而掌握品質與成本3.制程異常的警報,判斷制程是否正常4.直接由作業員繪制管制圖,管制制程問題,反應迅速5.制程檢討的共同語言6.解析制程的工具:問題的根源,分層法,分組法等管制圖的原理:時點,變動,分配??????????????Ti m e Ti m e 預測?制程產出特性特性值計數值(Attribute)品質特性僅(能)分為合格及不合格,其值為離散的數據,如管球上的氣泡數,產品不良個數,或不良率 只表示好壞掌握特徵不良品率P含有一個或多個缺點以致不能用的產品 缺點數 不合格的特性稱為缺點計量值(Variable) 可以量測的品質特性,其值為連續性的數據,如長度、時間、強度 表示好或壞的程度 中心位置及散布情況掌掌握特性數量化σP樣組1樣組2樣組m x 1_R 1x 2_R 2R mx m_…………………UCL CL LCLUCL CL LCLxx μ母體(Population)掌握:位置、散步(計量)μ, σ (常態Ν(μ, σ))估計:xxX~X,R,S,R m樣組1樣組2樣組m…………Y 或P Y或PY或PUCLCLLCL母體(Population)掌握:不良率(計數)P估計:Y 或Pb(P)二項式分配管制界限的決定:兩種錯誤UCLCLLCLUCL CLLCL異常點TYPE I ERROR:把共同原因當作特殊原因TYPE II ERROR:把特殊原因當作共同原因神經過敏:做些徒勞無益的事錯過改過機會兩種管制界限英式:機率界限在采用α=5%(1.96sigma) 及α=0.2%(3.09sigma) 0.1%行動界限(Action Limit) 2.5%警告界限(Warning Limit)美式:標准差界限+3個標差法則α=0.27%就常態分配而言1000次約有三次超出+3個標准差范圍外UCLCLLCL+68.27%+95.35%+99.73%9觀念管制界限訂定的法則,應視公司的情況及需要來訂在后面的章節[異常判斷的准則]亦同暸解決策風險及成本后,事先訂定判斷及行動准則若無特殊情況,一般管制界限采+3σ法則判斷及行動准則風險成本??一般常用者,如下表所示:╴╴數據種類符號說明計量值計數值X-R 管制圖X-S 管制圖X-R m 管制圖平均值與全距管制圖平均值與標准差管制圖個別值與移動全距管制圖P 管制圖nP 管制圖C 管制圖u 管制圖不良率管制圖不良個數管制圖缺點數管制圖單位缺點數管制圖管制界限的推導通式UCL = μY +3σ Y CL = μYLCL = μY -3σ YUCLCL LCLY的分配μY3σ Y 3σ Y管制界限的導出X ╴Chart:管制μ,即制程的平均水准; X i 來自具有均數μ,變異數σ2的母體每組樣本4或5,由中央極限定理(非常態母體時),C.L.T知X ╴~N(μ, ) n σ2CL = μ= μ+A σUCL= μ+3σ =μ+3UCL= μ+3σ =μ+3X ╴√n σ X ╴√n σ = μ-A σ故當μ與σ末知RA x d R n x LCL RA x d Rn x UCL xCL 22132213−=−=+=+==R A x d R n x LCL R A x d R n x UCL x CL 22132213−=−=+=+==a 2,A 2查表個別值個別值μXXXXμμμμμμμn=2n=2n=4n=4n=25n=25(a)(b)實務上,離開nominal的生產,較不可能發生((b)) 一般來說4~5樣本,已足令制程的樣本均數近似常態分配µ→x 猜µ→x 猜σ→4c s σ→4c s C 4,A 3查表344344s A x s nc x n c sx LCL s A x s n c x n c sx UCL xCL 3443443333+=−=−=+=+====注:12)(−∑−=n X i X S 12)(−∑−=n X i X S ki i S S ∑==1k i i S S ∑==1樣本標准差Sample standarddeviationR Chart管制σ ,即制程的散布情況,R分配的Μeam及Standard deviationμR =d 2σσ R =d 3σ(假設:常態母體)(d 2,d 3查表)故當σ末知時,以σ→2d R σ→2d R (d 1,d 2查表)σD σ3d σd 3σR μLCL σD )σ3d (d σ3d σd 3σR μUCL σd CL 132R 23232R 2=−=−==+=+=+==σD σ3d σd 3σR μLCL σD )σ3d (d σ3d σd 3σR μUCL σd CL 132R 23232R 2=−=−==+=+=+==RD R )3(13d R LCL RD R )3(13d R UCL d CL 42d 3d 2d R 342d 3d 2d R32d R2=−=−==+=+==R D R )3(13d R LCL R D R )3(13d R UCL dCL 42d 3d 2d R 342d 3d 2d R 32d R 2=−=−==+=+==故(D 3,D 4查表)假設母體為常態分配(N(μ, σ2 ))全距分配不為常態且為偏態(右偏)(S 分配亦同)0.00460.00940.02940.03600.12310.11620.31200.26220.33960.17240.17350.19100.01780.21280.00000.0000僅管R 分配的機率分配不同于常態,但其相差不多(n 為4或5), 為簡化統一仍用+3σ法則苦欲使超出上、下管制界限的機率一樣,則須使用機率管制界限 因是偏態,故D3在n<=6,沒有數值(R 不為負值)n=5n=2UCL CLLCLS Chart管制σ ,即制程的散布情況(n >10), S分配的Μeam及Standard deviationμS =C 4σσ S =C 5σ(常態母體假設)注:C 5待Confirmn S S ∑=nS S∑=(B 3,B 4查表))(2−=∑X X S i)(2−=∑X X S i 當σ末知時,以σ→4C S σ→4C S5)534(53436)534(53434B C C C C s s LCL B C C C C s s UCL C CL =−=−=−==+=+=+==σσσσσµσσσσσµσ5)534(53436)534(53434B C C C C s s LCL B C C C C s s UCL CCL =−=−=−==+=+=+==S B S C C LCL S B S C C UCL S C S CL C S C C C S 35544454544)31()3()31()3(=−=−==+=+===S B S C C LCL S B S C C UCL S C S CLC S CC C S 54454544)31()3()31()3(=−=−==+=+===σµµσµσµµσµµµσσA LCL A UCL CL nX X n X X X −=−=−=+=+=+===3333σµµσµσµµσµµµσσA LCL A UCL CL nX X n X X X −=−=−=+=+=+===3333σσσσσµσσσσσµσµ1)332(3323232322)3(33D d d d d R R LCL D d d d d R RUCL d CL R=−=−=−==+=+=+===σσσσσµσσσσσµσµ1)332(3323232322)3(33D d d d d R R LCL D d d d d R R UCL d CL R =−=−=−==+=+=+===R A x x nLCL RA x x nUCL xCL nd Rn d R23323322−=−=−=+=+=+==σµσµR A x x n LCL R A x x n UCL x CL n d R n d R 23323322−=−=−=+=+=+==σµσµR D d d d d LCL R D d d d d UCL Rd d CL dR d Rd R323232423232222)3()3()3()3(=−=−==+=+====σσσR D d d d d LCL R D d d d d UCL R d d CL d R d R d R 323232423232222)3()3()3()3(=−=−==+=+====σσσ2d R ←σ2d R ←σX←σX ←σChart:X X ╴╴R Chart:-R Chart(平均值與全距管制)X ╴狀況二:μ,σ未知,狀況一:μ,σ已知σµµσµσµµσµµµσσA LCL A UCL CL nX X n X X X−=−=−=+=+=+===3333σµµσµσµµσµµµσσA LCL A UCL CL n X X n X X X −=−=−=+=+=+===3333σσσσσµσσσσσµσµ5)3(5336)3(5335445444B C C C C s LCL B C C C C s UCL C CL S S S=−=−=−==+=+=+===σσσσσµσσσσσµσµ5)3(5336)3(5335445444B C C C C s LCL B C C C C s UCL C CL S S S =−=−=−==+=+=+===nC S n C S44SA x x nLCL S A x x nUCL xCL n C S n C S 33333344−=−=−=+=+=+==σµσµS B C C C C LCL S B C C C C UCL S C C CL c Sc S c S345454445454444)3()3()3()3(=−=−==+=+====S B C C C C LCL S B C C C C UCL S C C CL c S c S c S 345454445454444)3()3()3()3(=−=−==+=+====σσσ狀況一:μ,σ已知狀況一:μ,σ未知,2d S ←σ2d S ←σX←σX ←σChart:X X ╴╴S Chart:-S Chart(平均值與全距管制)X ╴X Chart管制μ,即制程的平均水准(n=1)<1>可合理分組時(配合-R,成x--R Chart)X ╴X╴X-N(μ, σ2)Cl= μUCL= μ+3σLCL= μ-3σ當μ與σ未知,猜2d R ←σ2d R ←σX ←µX ←µ故(E 2查表)R E x x LCL R E x x UCL xCL d R d R 222233−=−=+=+==R E x x LCL R E x x UCL x CL d R d R 222233−=−=+=+==故RMSRMSRMSRMSC C σσ212RMS RMS RMS RMS E x x LCL E x x UCL xCL C C σσσσ133212−=−=+=+==(E 1查表)2RMSσσµ→→2,X C RMS 猜故<2>無法合理分組時X-N(μ, σ2)猜2d R m ←σ2d R m ←σX←µX ←µmd Rm md m R R E x x LCL R E x x UCL xCL 222233−=−=+=+==m d Rm m d mR R E x x LCL R E x x UCL x CL 222233−=−=+=+==(E 2查表)( 2,9,5,4,3n=2 7,4,1,1n=3 7,5,1,1n=4 7,6 )R m Chart (R s chart)管制σ,同Rm m mR D LCL R D UCL R CL 4===m m m R D LCL R D UCL R CL 4===(D 3, D 4查表)P ChartP E =)P(P E =)P (n p)p(1)E(−=P np)p(1)E(−=P P i n iX =P P末知,以→∑∑Pin i X =P P末知,以→∑∑in )P (1P 3P UCL i n )P (1P 3P UCL P CL −−=−+==故For subgroup i管制P注:若P己知則直接使用P^^nP Chart管制不良個數)1(3)1(3P P n P n CL P P n P n CL Pn L −−=−+==L U C 不良個數(單位大小一樣)故。

SPC基础理论

SPC基础理论

二.QC七大手法

特性要因圖 (Cause & Effects Chart) 柏拉圖 (Pareto Diagram) 直方圖 (Histogram) 散佈圖 (Scatte Diagram) 查檢表 (Check List) 管制圖 (Control Chart) 層別法 (Stratification)
Min(USL-SL,SL-LSL)
對一個製程來說, |Ca|越大實際中心偏離規格中心的距離 就越大; |Ca|越小實際中心偏離規格中心的距離就越小
12
越峰電子(昆山)有限公司 ACME Electronics(Kunshan) Co., Ltd.
三.Cp
Cp:制程精密度,是用以衡量産品變異寬度與 規格公差符合之程度 USL-LSL Cp= 6σ
對一個製程來說,Cp越大製程變異就越小; Cp越小, 製程變異就越大.
13
越峰電子(昆山)有限公司 ACME Electronics(Kunshan) Co., Ltd. 四.如何判定制程能力?
Cpk值可分爲A、B、C、D、E五個等級 Cpk值的等級判定: 對Cpk進行等級判定後,應根據Cpk值不同的 等級分別採取不同的處理原則或改進措施.現 分別說明如下:
2. 製程能力分析
3. 品管方法 4.SPC軟件介紹
2
越峰電子(昆山)有限公司 ACME Electronics(Kunshan) Co., Ltd.
第一章 SPC簡介
重點: 1.SPC的概念 2.SPC的功能與目的 3.計數值與計量值 4.管制圖的LINE 5.管制圖的種類
3
越峰電子(昆山)有限公司 ACME Electronics(Kunshan) Co., Ltd.

SPC理论培训教材

SPC理论培训教材

SPC理论培训教材1 SPC应用基础 22 SPC概述 32.1 什么是SPC 32.2 SPC的发展简史 32.3 SPC的特点 32.4 SPC与ISO9000标准体系的联系 33控制图及其应用 43.1什么是控制图 43.2质量数据与控制图 53.2.1计量型数据 53.2.2计数型数据 53.2.3质量数据的特性 53.3控制图原理 53.4 控制图贯彻预防原则 63.5 两类错误 63.6 3σ方式 73.7 控制图的判定准则 73.7.1判定稳态准则 73.7.2判定异常准则 83.7.3点子排列不随机模式 83.8 休哈特控制图 103.8.1控制图的种类 103.8.2休哈特控制图的用途 103.8.3通用控制图 113.8.4 工序能力指数及样本分布图 113.8.5控制图的选用 124 运用SPC的意义 134.1 为什么要用SPC 134.2 应用SPC的意义 135 控制图和报表 135.1 作图基础 135.2 作图 135.2.1 均值极差图 135.2.2 均值极差图 145.2.3 中位数极差图 145.2.4 单值移动极差图 145.2.5 指数权重移动均值图 145.2.6 运行图 145.2.7 预控图 145.2.8 不合格品率图(P图) 14 5.2.9 不合格品数图(Pn图) 15 5.2.10 不合格数图(C图) 155.2.11 单位不合格数图(U图) 15 5.2.12 直方图 155.2.13 个体直方图 155.2.14 原因排列图 155.2.15 措施排列图 155.2.16 备注排列图 165.2.17 DPTO图 165.2.18 DPMO图 165.3 图形属性 165.4判异 175.4.1 判异规则 175.4.2失控点与关联点 185.4.3控制线 185.5 点的拾取 186 控制线的计算公式 196.1 计量类的控制线 196.1.1 均值标准差图 206.1.2 均值极差图 206.1.3 位数极差图 216.1.4 单值移动极差图 216.1.5 EWMA图 226.2 合格数据类的控制线 226.2.1 P图 226.2.2 Pn图 236.2.3 Q图 236.2.4 Qn图 236.3 缺陷数据类的控制线 246.3.1 C图 246.3.2 U图单位缺陷数图 247 分析工具 257.1 过程能力分析 257.2 过程能力变动分析 257.3 产品直通率分析 257.4 多参数对比分析 257.5 正态概率纸 251 SPC应用基础Fab-SPC系统建立在公司标准的网络平台上,服务器操作系统采用Windows/NT Server数据库采用Oracle支持公司标准的客户计算机平台。

SPC理论基础教程

SPC理论基础教程
环境(Environment)
如:电源稳定度、温度、湿度、空气粉尘等
质量变异性质的分类
制程中或多或少有变异,但造成变异的原因是有不同的,大致分为两种: 共同原因和特殊原因
共同原因(chance causes):
又称为:非人为原因、共同原因、偶然原因、一般原因、机遇原因. 操作者细微的不稳定性 设备的微小振动、 车床转速、进给速度、刀具的正常磨损 同批材料内部结构的不均匀性 用同一量测器,由同一人量测同产品数次,在短期间量测差异. 其他如:气候及环境之变化.
特殊原因(Assignable causes):
又称为:可避免原因、人为原因、非机遇原因、异常原因、局部原因. 操作者未遵照操作标准而操作. 虽然遵照操作标准,但操作标准不完善. 机器设备的不正确调整. 刀具的严重磨损 操作人员的更动. 使用不合规格标准的原材料.
量具不准确.
品质变异的规律
拉力强度(单位 : kg/cm2)
SPC理论基础教程
SPC兴起的背景
美国W. A. Shewhart博士于1924年发明管制图,开启了统计品 管的新时代
「经验挂帅时代」的结束
如果工作经验对产品质量有举足轻重的影响(例如:手工裁缝),那么, SPC就没有太多挥洒的空间。相反地,如果某一公司开始将经验加以整理,而纳入 设备、制程或系统时;也就是说,该公司开始宣告「经验挂帅时代」将要结束,那 么SPC的导入时机也就自然成熟了。
1.集中趋势(通常以Xbar作代表) 2.离中趋势(通常以 σ作代表) 3.被含盖在特定范围内的机率
如何将有意义的情报让没学过统计的人一目了然呢?
质量数据的类型
质量数据是用来定量描述质量特性值的数据,任何品 管活动都应该实施量化,否则就是不科学的
  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)。

統計製程管制(SPC)理論與實務< 理論篇>制作:人力資源部訓練組監制:巫千文SPC的統計基礎3管制圖的原理及導出4大綱:3.<SPC的統計基礎>特性與特性值變異分配的掌握常用之分配抽樣分配█特性與特性值如釣魚產出因制程特性特性值果EX:(布)重量25.1kg 大匹一百碼特性:評价對象的性質與性能特性值:以數值表示特性的資料☆數據的種類數據的种類可分為:10計量值(Variable)可以取得連續性數值的數據,例如:高度2.3CM,溫度12.05℃20計量值(Attribute)可以個數計算,或數值是間斷性的數據例如:不良個數,缺點數,不良率數據測量的尺度瞭解數字背后所代表的意義以免誤用,並據以選用適當的統計方法四种尺度10名稱尺度(Norminal Scale)顯示類別的不同例如:1 表示香蕉;2 表示桔子;3 表示蘋果20序列尺度(Ordinal Scale)顯示等第,順序例如:1表示第一名;2表示第二名;3表示第三名30區間斷尺度(Ordinal Scale)除了可說出名稱和排出大小順序外,還可算出差異的大小例如:溫度35度與25度的差等於42度與32度的差!!!注意:40度並非20度的兩倍40比例尺度(Ratio Scale)有絕對的0度例如:高度,重量變異變異的存在是不爭的事實刀具機器半成品原料生條產件環境產出衡量方法衡量工具衡量人員…...製程變異衡量變異方法夾具人員制程★變異的結果考慮資料集團存在變異資料形成某种散布(分配)變異的種類共同原因的變異(Common or Random Causes)特殊原因的變異(Special or Assignable Cause)共同原因的變異--共同原因:亦稱偶然原因或機遇原因使品質發生微小變異且為不可能避免的原因,此原因造成系統內的變異--此變異為系統的固有變異.亦即在穩定的現況下,系統的自然變異(自然能力)若欲增強自然能力縮小異突破現狀--特殊原因:亦稱非機遇原因由於機器的差異、方法、條件的不同,操作者的疏忽等原因,使得產品之品質發生重大變異--此時品質特性值的分配已改變直覺特殊原因之發生維持現狀特殊原因的變異制程解析UCL 管制UCL改善UCL制程改善(制程能力)制程解析制程管制制程失去管制(特殊原因存在)管制狀態下(特殊原因刪除)制程改善(共同原因的變異減少)規格時間★SPC三部曲◆分配的掌握次數數據(特性值)1.分配的中心位置(集中趨勢)μ1μ2 2.分配的散布情況(離中趨勢)μσ1σ2如何掌握分配的特徵?3.分配的形狀1)集中趨勢(位置量數)X=(χ1+ χ2+…+ χ2)/n= ∑χi/nni =1●中位數χ(Medium)~將一組依大小排序的數字,等分為二之數據●離中趨勢(變異量數)●全距R(Range)R=χmax =χminEx:3,7,9,2_>R=9-2=7Ex1:3,12,29->χ=12~Ex2:3,12,29,75->χ=(12+29)/2=20.5~●均數χ(Mean)(或μ)●變異數和標準數(Variance and Standard deviation)在沒有偏差的情況下,各觀察值χi應等於母體平均數μ,即X 1= X2=…….= μ因有變異存在了偏差(Deviation),使各觀察值偏離了μ偏差= Xi-μ變異值數(σ2)= ∑(Xi -μ)2Nμ已知當μ未知,以χ代之,則變異數(S2) = ∑(Xi -X)2n-1-而標準差為變異數之開根號即標準差=√變異數_____常用之分配離散品質特性:例如不良品個數二項式分配(Binominal Distribution)X~b(n,p)=n xP x(1-P)n-x ;x=0,1,2…..nP為母數,P為每次現象出現的機率,n為試驗次數X表示n次觀察中,現象出現的次數平均數μ=E(X)=nP 變異數σ2=V(x)=nP(1-P)Ex:n=2 P=0.50.250.5P(x)2!0!2! *0.50*0.52=0.25P(x)=卡瓦松分配(Poisson Distribution)X~P r (x)=λx X!e -λ; x=0,1……X代表在某時間間隔或特定區域內現象發生次數λ為母數,表該區間或間隔,現象發生的平均數μx =E(X)=λσ2x =V (x)=nP(1-P)=λ連續品質特性:例如孔徑大小●常態分配(Normal Distribution)為以平均數為中心,呈左右對稱之鐘形的一种分配F(x)X~N(μ, σ2)2σ2e-(x-μ)2f(x)=√2πσ____1-∞<X>∞μ:平均數e:2.718σ:標準差重要性:1)自然現象:生物的變異,測量變異.2)大樣本時,雖母體分配為未知,可用常態分配解決其樣本數的推測問題.3)抽樣分配的誘導.σ常態分配的機率值a2f(x)=√2πσ___1 P (a<=X<=b)=∫f(x)dxbad a+c =b+c d μ+c d=難1.積分2.depend on μ,σ2da+c x+c d b+c d常態分配的標準化平均數為0,變量數為1的常態分配稱為標準常態分配,即N(0,1)利用標準常態分配所做成的機率表示求得所有常態分配的機率值標準化的公式1Z=x-μσ2Z~N(0,1)-e z ζ2√2π___1 f(ζ)=-∞< ζ>∞以0為對稱P(z>0)=P(z<0)=0.5P(z<-y)=P(z>y)=1-P(z<y)Ex:設某制程生產所得產品的平均長度呈常態分配,其平均值為15cm,標準差為1.5cm(1)16cm以上的機率為何?(2)14cm至15.5cm 的機率為何?解:)5.115165.115()16()1(−>−=>x P x P )5.115165.115()16()1(−>−=>x P x P =p(z>0.67)=0.5-P(z<0.67)=0.5-0.2486=0.2514(2) P(14<X<15.5))5.1155.155.11514(−<<−=Z P )5.1155.155.11514(−<<−=Z P =P(-0.67<Z<0.33)=P(Z<0.33)-P(Z<-0.67)=P(Z<0.33)-P(Z>0.67)=0.1293+0.5-0.2514=0.3779配合查表Chick here2由平均值至兩側以標准差σ表示,在+ σ范圍內之相對次數,即機率以百分率表示為:P(μ-σ<=z<=μ+σ)=68.27%P(μ-2σ<=z<=μ+2σ)=95.44%P(μ-3σ<=z<μ+3σ)=99.73%μσ1±σ1±σ2±σ2±抽樣分配xμ樣組11x 1x 樣組22x 2x 樣組nnx n x 2x 2x 一次觀察的結果為許多可能結果之一母體(間接得知)樣本(直接得知)抽樣推論資料的解說母體分配隨機抽樣X 的分配μX 24.<管制圖的原理及導出>何謂管制圖管制圖的原理管制界限的導出何為管制圖510152025What’s wrong for the trend chart?xx 日期管制圖:“是一種以實際產品質與根據過去經驗所判明的制程注意:制程的管制狀態與產品的合格性不可相提并論管制界限是一種自然界限,其監控制程是否在自然狀態中公差界限是人為的給定值,判斷個別值是否合于需求管制界限判斷群體的特性欲確認制程能否符合規格,則須作制程能力研究管制圖的用途:1.判斷制程是否穩定2.使制程穩定,可以預測而掌握品質與成本3.制程異常的警報,判斷制程是否正常4.直接由作業員繪制管制圖,管制制程問題,反應迅速5.制程檢討的共同語言6.解析制程的工具:問題的根源,分層法,分組法等管制圖的原理:時點,變動,分配??????????????Ti m e Ti m e 預測?制程產出特性特性值計數值(Attribute)品質特性僅(能)分為合格及不合格,其值為離散的數據,如管球上的氣泡數,產品不良個數,或不良率 只表示好壞掌握特徵不良品率P含有一個或多個缺點以致不能用的產品 缺點數 不合格的特性稱為缺點計量值(Variable) 可以量測的品質特性,其值為連續性的數據,如長度、時間、強度 表示好或壞的程度 中心位置及散布情況掌掌握特性數量化σP樣組1樣組2樣組m x 1_R 1x 2_R 2R mx m_…………………UCL CL LCLUCL CL LCLxx μ母體(Population)掌握:位置、散步(計量)μ, σ (常態Ν(μ, σ))估計:xxX~X,R,S,R m樣組1樣組2樣組m…………Y 或P Y或PY或PUCLCLLCL母體(Population)掌握:不良率(計數)P估計:Y 或Pb(P)二項式分配管制界限的決定:兩種錯誤UCLCLLCLUCL CLLCL異常點TYPE I ERROR:把共同原因當作特殊原因TYPE II ERROR:把特殊原因當作共同原因神經過敏:做些徒勞無益的事錯過改過機會兩種管制界限英式:機率界限在采用α=5%(1.96sigma) 及α=0.2%(3.09sigma) 0.1%行動界限(Action Limit) 2.5%警告界限(Warning Limit)美式:標准差界限+3個標差法則α=0.27%就常態分配而言1000次約有三次超出+3個標准差范圍外UCLCLLCL+68.27%+95.35%+99.73%9觀念管制界限訂定的法則,應視公司的情況及需要來訂在后面的章節[異常判斷的准則]亦同暸解決策風險及成本后,事先訂定判斷及行動准則若無特殊情況,一般管制界限采+3σ法則判斷及行動准則風險成本??一般常用者,如下表所示:╴╴數據種類符號說明計量值計數值X-R 管制圖X-S 管制圖X-R m 管制圖平均值與全距管制圖平均值與標准差管制圖個別值與移動全距管制圖P 管制圖nP 管制圖C 管制圖u 管制圖不良率管制圖不良個數管制圖缺點數管制圖單位缺點數管制圖管制界限的推導通式UCL = μY +3σ Y CL = μYLCL = μY -3σ YUCLCL LCLY的分配μY3σ Y 3σ Y管制界限的導出X ╴Chart:管制μ,即制程的平均水准; X i 來自具有均數μ,變異數σ2的母體每組樣本4或5,由中央極限定理(非常態母體時),C.L.T知X ╴~N(μ, ) n σ2CL = μ= μ+A σUCL= μ+3σ =μ+3UCL= μ+3σ =μ+3X ╴√n σ X ╴√n σ = μ-A σ故當μ與σ末知RA x d R n x LCL RA x d Rn x UCL xCL 22132213−=−=+=+==R A x d R n x LCL R A x d R n x UCL x CL 22132213−=−=+=+==a 2,A 2查表個別值個別值μXXXXμμμμμμμn=2n=2n=4n=4n=25n=25(a)(b)實務上,離開nominal的生產,較不可能發生((b)) 一般來說4~5樣本,已足令制程的樣本均數近似常態分配µ→x 猜µ→x 猜σ→4c s σ→4c s C 4,A 3查表344344s A x s nc x n c sx LCL s A x s n c x n c sx UCL xCL 3443443333+=−=−=+=+====注:12)(−∑−=n X i X S 12)(−∑−=n X i X S ki i S S ∑==1k i i S S ∑==1樣本標准差Sample standarddeviationR Chart管制σ ,即制程的散布情況,R分配的Μeam及Standard deviationμR =d 2σσ R =d 3σ(假設:常態母體)(d 2,d 3查表)故當σ末知時,以σ→2d R σ→2d R (d 1,d 2查表)σD σ3d σd 3σR μLCL σD )σ3d (d σ3d σd 3σR μUCL σd CL 132R 23232R 2=−=−==+=+=+==σD σ3d σd 3σR μLCL σD )σ3d (d σ3d σd 3σR μUCL σd CL 132R 23232R 2=−=−==+=+=+==RD R )3(13d R LCL RD R )3(13d R UCL d CL 42d 3d 2d R 342d 3d 2d R32d R2=−=−==+=+==R D R )3(13d R LCL R D R )3(13d R UCL dCL 42d 3d 2d R 342d 3d 2d R 32d R 2=−=−==+=+==故(D 3,D 4查表)假設母體為常態分配(N(μ, σ2 ))全距分配不為常態且為偏態(右偏)(S 分配亦同)0.00460.00940.02940.03600.12310.11620.31200.26220.33960.17240.17350.19100.01780.21280.00000.0000僅管R 分配的機率分配不同于常態,但其相差不多(n 為4或5), 為簡化統一仍用+3σ法則苦欲使超出上、下管制界限的機率一樣,則須使用機率管制界限 因是偏態,故D3在n<=6,沒有數值(R 不為負值)n=5n=2UCL CLLCLS Chart管制σ ,即制程的散布情況(n >10), S分配的Μeam及Standard deviationμS =C 4σσ S =C 5σ(常態母體假設)注:C 5待Confirmn S S ∑=nS S∑=(B 3,B 4查表))(2−=∑X X S i)(2−=∑X X S i 當σ末知時,以σ→4C S σ→4C S5)534(53436)534(53434B C C C C s s LCL B C C C C s s UCL C CL =−=−=−==+=+=+==σσσσσµσσσσσµσ5)534(53436)534(53434B C C C C s s LCL B C C C C s s UCL CCL =−=−=−==+=+=+==S B S C C LCL S B S C C UCL S C S CL C S C C C S 35544454544)31()3()31()3(=−=−==+=+===S B S C C LCL S B S C C UCL S C S CLC S CC C S 54454544)31()3()31()3(=−=−==+=+===σµµσµσµµσµµµσσA LCL A UCL CL nX X n X X X −=−=−=+=+=+===3333σµµσµσµµσµµµσσA LCL A UCL CL nX X n X X X −=−=−=+=+=+===3333σσσσσµσσσσσµσµ1)332(3323232322)3(33D d d d d R R LCL D d d d d R RUCL d CL R=−=−=−==+=+=+===σσσσσµσσσσσµσµ1)332(3323232322)3(33D d d d d R R LCL D d d d d R R UCL d CL R =−=−=−==+=+=+===R A x x nLCL RA x x nUCL xCL nd Rn d R23323322−=−=−=+=+=+==σµσµR A x x n LCL R A x x n UCL x CL n d R n d R 23323322−=−=−=+=+=+==σµσµR D d d d d LCL R D d d d d UCL Rd d CL dR d Rd R323232423232222)3()3()3()3(=−=−==+=+====σσσR D d d d d LCL R D d d d d UCL R d d CL d R d R d R 323232423232222)3()3()3()3(=−=−==+=+====σσσ2d R ←σ2d R ←σX←σX ←σChart:X X ╴╴R Chart:-R Chart(平均值與全距管制)X ╴狀況二:μ,σ未知,狀況一:μ,σ已知σµµσµσµµσµµµσσA LCL A UCL CL nX X n X X X−=−=−=+=+=+===3333σµµσµσµµσµµµσσA LCL A UCL CL n X X n X X X −=−=−=+=+=+===3333σσσσσµσσσσσµσµ5)3(5336)3(5335445444B C C C C s LCL B C C C C s UCL C CL S S S=−=−=−==+=+=+===σσσσσµσσσσσµσµ5)3(5336)3(5335445444B C C C C s LCL B C C C C s UCL C CL S S S =−=−=−==+=+=+===nC S n C S44SA x x nLCL S A x x nUCL xCL n C S n C S 33333344−=−=−=+=+=+==σµσµS B C C C C LCL S B C C C C UCL S C C CL c Sc S c S345454445454444)3()3()3()3(=−=−==+=+====S B C C C C LCL S B C C C C UCL S C C CL c S c S c S 345454445454444)3()3()3()3(=−=−==+=+====σσσ狀況一:μ,σ已知狀況一:μ,σ未知,2d S ←σ2d S ←σX←σX ←σChart:X X ╴╴S Chart:-S Chart(平均值與全距管制)X ╴X Chart管制μ,即制程的平均水准(n=1)<1>可合理分組時(配合-R,成x--R Chart)X ╴X╴X-N(μ, σ2)Cl= μUCL= μ+3σLCL= μ-3σ當μ與σ未知,猜2d R ←σ2d R ←σX ←µX ←µ故(E 2查表)R E x x LCL R E x x UCL xCL d R d R 222233−=−=+=+==R E x x LCL R E x x UCL x CL d R d R 222233−=−=+=+==故RMSRMSRMSRMSC C σσ212RMS RMS RMS RMS E x x LCL E x x UCL xCL C C σσσσ133212−=−=+=+==(E 1查表)2RMSσσµ→→2,X C RMS 猜故<2>無法合理分組時X-N(μ, σ2)猜2d R m ←σ2d R m ←σX←µX ←µmd Rm md m R R E x x LCL R E x x UCL xCL 222233−=−=+=+==m d Rm m d mR R E x x LCL R E x x UCL x CL 222233−=−=+=+==(E 2查表)( 2,9,5,4,3n=2 7,4,1,1n=3 7,5,1,1n=4 7,6 )R m Chart (R s chart)管制σ,同Rm m mR D LCL R D UCL R CL 4===m m m R D LCL R D UCL R CL 4===(D 3, D 4查表)P ChartP E =)P(P E =)P (n p)p(1)E(−=P np)p(1)E(−=P P i n iX =P P末知,以→∑∑Pin i X =P P末知,以→∑∑in )P (1P 3P UCL i n )P (1P 3P UCL P CL −−=−+==故For subgroup i管制P注:若P己知則直接使用P^^nP Chart管制不良個數)1(3)1(3P P n P n CL P P n P n CL Pn L −−=−+==L U C 不良個數(單位大小一樣)故。

相关文档
最新文档