SPC_U_Chart 统计过程控制U图
合集下载
SPC统计过程管制与控制图
3
2、控制图的发展
1924年发明
W.A. Shewhart
1931发表
1931年Shewhart发表了 “Economic Control of Quality of
Manufacture Product”
1941~1942 制定成美国标准
4
Z1-1-1941 Guide for Quality Control Z1-2-1941 Control Chart Method for
输出
识别不断变化 的需求和期望
顾客的声音 8
三、基本的统计概念
1、数据的种类
计量型 计数型
2、波动（变差）——波动的概念、原理及波动的 种类
3、普通原因/异常原因
4、基础的统计量——平均值X、中位数X~、极差R
标准偏差、S
9
1、数据的种类
计量型 特点：可以连续取值，也称连续型数据。 如：零件的尺寸、强度、重量、时间、温度等。
有控制限的过程控制图。 （备注：管理用控制图必须要有控制限！）
19
3、“”及“”风险定义
根据控制限作出的判断也可能产生错误。可能产生的错
误有两类：
第一类错误是把正常判为异常，它的概率为，也就是
说，工序过程并没有发生异常，只是由于随机的原因引起了
数据过大波动，少数数据越出了控制限，使人误将正常判为
异常，从而虛发警报。由于徒劳地查找原因并为此采取了相
应的措施，从而造成损失。因此第一种错误又称为徒劳错误。
（X1+X2+……+Xn)/n
2、中位数~X
将数据按数值大小顺序排列后，位于中间位置的书，
称为中位数。
如：5，9，10，4，7，
X~=7；
2、控制图的发展
1924年发明
W.A. Shewhart
1931发表
1931年Shewhart发表了 “Economic Control of Quality of
Manufacture Product”
1941~1942 制定成美国标准
4
Z1-1-1941 Guide for Quality Control Z1-2-1941 Control Chart Method for
输出
识别不断变化 的需求和期望
顾客的声音 8
三、基本的统计概念
1、数据的种类
计量型 计数型
2、波动（变差）——波动的概念、原理及波动的 种类
3、普通原因/异常原因
4、基础的统计量——平均值X、中位数X~、极差R
标准偏差、S
9
1、数据的种类
计量型 特点：可以连续取值，也称连续型数据。 如：零件的尺寸、强度、重量、时间、温度等。
有控制限的过程控制图。 （备注：管理用控制图必须要有控制限！）
19
3、“”及“”风险定义
根据控制限作出的判断也可能产生错误。可能产生的错
误有两类：
第一类错误是把正常判为异常，它的概率为，也就是
说，工序过程并没有发生异常，只是由于随机的原因引起了
数据过大波动，少数数据越出了控制限，使人误将正常判为
异常，从而虛发警报。由于徒劳地查找原因并为此采取了相
应的措施，从而造成损失。因此第一种错误又称为徒劳错误。
（X1+X2+……+Xn)/n
2、中位数~X
将数据按数值大小顺序排列后，位于中间位置的书，
称为中位数。
如：5，9，10，4，7，
X~=7；
CPK__SPC__Run_Chart结果和曲线图
RUCL： RCL： RLCL： 19
100.2 100.2 103 99.62 98.77 100.358 4.230
0 0 0 1 1 1 1 1 1 0 0 0 0 8.100 98.132 98.132 8.100 100.568 106.218 94.918 10.143 21.402 0.000 TRUE TRUE 17.240 FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
5 5
电容标称容量： CP： CPK： 11
94.97 94.97 102 101.9 97.39 98.246 7.030
0 0 0 0 0 0 1 0 2 0 0 0 0 14.810 97.562 97.562 14.810 100.568 106.218 94.918 10.143 21.402 0.000 TRUE TRUE 100.568 20.000 FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
δ : 4.93988 23
SPC统计过程控制图
30
25 25
21 20 20 17
15 15
12
10 6
5
0 0
8 1 0
极差 1.1192
0.500
0.000
1
2
3
4
5
6
UCLr
AveR
LCLr
Data Values
1
27.52 27.61 28.52
2
26.85 27.53 27.32
3
27.92 26.85 26.93
4
27.40 28.35 28.30
28.5600
26.6200
均值 27.6335
28.000 27.500 27.000 26.500 26.000 25.500
1
3.000 2.500 2.000 1.500 1.000
LSL
USL 极差均值
2
3
4
5
6
7
8
9
10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 (R)
D2 值
(n=4)
能力指数
上限
(CPU) 能力指数
下限
(CPL) 能力参数
过程能力
性能比率
标准差异
标准差异
变差 (n变差 (n) 性能参数
性能比率
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25 性能指数
数据点
SPC统计过程控制课件
举例
• 原材料的微小变化 • 设备的微小震动 • 刀具的正常磨损 • 模具正常的老化 • 操作者细微的不稳定 • 夹具的正常磨损 •…
• 使用了一批不合格的原材料 • 设备的不正确调整 • 刀具的严重磨损 • 模具损坏 • 操作者做错（判定标准错） • 使用了错误的夹具 •…
一般原因与特殊原因在统计过程中的体 现
在何处使用SPC控制图
当一个防错装置不可行时 从FMEA中得出具有高危险顺序数值（RPN’s)的过程 从DOE（因素实验设计）得出的关键变量 客户要求 管理层承诺
SPC的优点和缺点
优点 ➢已证实的改善生产力的技术方法 ➢预防缺陷的有效方法 ➢防止不必要的过程调整 ➢提供诊断信息 ➢提供过程能力信息 ➢用于计数型和计量型两种数据类型 缺点 ➢必须提供充分的培训 ➢必须正确收集数据 ➢必须正确的计算和标绘所需的统计量（例如：均值，极差， 标准差）
+3
x
与平均值相距的标准差个数
正态（normal）机率测试图
利用Normal Probability Plot 我们可以测试一组数据是否为 “正态”分布 若该分布趋近于正态，则Normal Probability Plot 将会趋近于 一直线 利用Minitab 可以简单的制作出Normal Probability Plot 下面我们利用一组数据来检验一下其正态性
计量型统计过程控制
通过对本模块的学习后，学员将能够建立下列控制图： ➢单值移动极差图（I-MR） ➢均值极差图（Xbar-R） ➢均值标准差图（Xbar-S）
I-MR图
单值移动极差I-MR图，子群由单一的测量值组成 I-MR图由两个图组成，一个是I图，一个是MR图 I图为每个子群计量个体的测量值，中心线为其平均值 MR图为相邻两个数值的差的绝对值，中心线为其平均值
SPC统计过程控制1
P (1 P ) ni
控制图应用
标准化变量（子组大小不等）
Zi
p p p(1 p) / ni
+3
UCLz 3
0
则：CLz 0
LCLz 3
-3
四、总结
总结
SPC强调预防原则 SPC以统计理论为基础 实行SPC需要全员参与 SPC推动持续改进
谢谢！
眼睛容不下一粒砂土安全来不得半点 马虎。2 0.12.12 20.12.1 2Satur day , December 12, 2020
≥1.67 [1.33, 1.67) [1.00, 1.33) [0.67, 1.00)
<0.67
等级 过程能力的评价参考 一 过程能力高 二 过程能力充分，表示技术管理能力很好，维持 三 过程能力充足，但技术管理能力勉强，需改进 四 过程能力不足，表示技术管理能力很差，整改 五 过程能力严重不足，需全面检查整顿
控制图应用
有偏移过程能力指数
T
C pk
(1
K )Cp
(1
K)
T
6
ε
其中：K 2
T
控制图应用
控制用控制图
过程状态Ⅰ区 固定分析用控制图 持续改进
控制图应用
常规控制图
分布
正态分布 （计量值）
二项分布 （计件值） 泊松分布 （计点值）
控制图代号
控制图名称
X R
X s
Me R
X
p
Rs
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 不合格品率控制图
贯彻预防原则 应用统计技术 保持过程稳定 保证产品质量
SPC的特点
spc_u_chart_with-given_ubar-统计过程控制u图_有给定的u平均值
20 6 4
21 6 4
22 6 5
23 6 4
24 6 5
25 6 2
26 6 4
27 6 8
28 6 9
29 6 5
30 6 7
2
3
1
3 3
2 4
2 4
1
3
3
3
3
3 1
2 3 2 1 4 1 1 3 1 3 6
1 0.0 1.4 0.50 0.0 2.0 0.4 1.4 0.50 0.0 2.0 0.7 1.4 0.50 0.0 2.0 0.3 1.4 0.50 0.0 2.0 0.5 1.4 0.50 0.0 2.0 0.8 1.4 0.50 0.0 2.0 0.7 1.4 0.50 0.0 2.0 0.7 1.4 0.50 0.0 2.0 0.8 1.4 0.50 0.0 2.0 0.7 1.4 0.50 0.0 2.0 0.8 1.4 0.50 0.0 2.0 0.3 1.4 0.50 0.0 2.0 0.7 1.4 0.50 0.0 2.0
-0.024 -0.024 -0.024 -0.024 -0.082 -0.024 0.020 0.020 0.020 0.020 0.020 0.020 0.020 0.020 0.020 0.020 0.020
58.01% 58.01% 58.01% 58.01% 58.01% 58.01% 58.01% 58.01% 58.01% 58.01% 58.01% 58.01% 58.01% 58.01% 58.01% 58.01% 58.01 3
1
1
0.6 1.4 0.50 0.0 2.0
0.6 1.4 0.50 0.0 2.0
0.8 1.4 0.50 0.0 2.0
SPC_过程能力控制
思考题：本公司的过程特性
• 质量数据：直通率，FOR，LRR（批拒收率），DR（不良率），不良品数，单 项不良品数，不良数，电流/电压值，尺寸，称重
• 制程参数：锡膏厚度，炉温（Peak温度、熔点以上保持时间），车间温、湿度 ，电批扭力，气压值，烙铁温度
• 生产数据：单位产量， Cycle Time（标准工时），耗料率/抛料率（报废率） ，结单率
特殊变异 (Special Variation) • 过程还不够稳定 • 需全检以保证质量
局部措施（Local Action） • 可改进约15%的制程问题 • 多由现场工作人员制定实施 • 一般成本较低
此过程变异在统计控制状态下, 其产品特性的分布有固定的分 布, 即: 位置、分布、形狀。
受控 vs. 失控
二、测量变差相对较小（测量系统的能力 保证）。
f(x)
68.27%
x
-1 µ +1
Normal Distribution
正
f(x)
态
分
95.45%
布
x
-2 µ +2
f(x)
-3
99.73%
x
µ
+3
正态分布
68.27%
0.135%
95.45% 99.73%
0.135%
-3σ -2σ -1σ μ
+1σ +2σ +3σ
i1
n
样本方差
样本标准差
n
2
(xi x)
S 2 i1
n 1
n
(xi x)2
S i1 n 1
为什么用样本估计总体的方差时，分母的n必须改为(n-1) ？
自由度（DF, Degree of Freedom）： 指当以样本的统计量来估计总体的参数时，样本中独立或能自由变化的 数据的个数称为该统计量的自由度。
spc统计过程控制与管制图
SPC统计过程控制与管制图1. 简介SPC〔Statistic Process Control〕是指通过统计方法对生产过程进行过程控制和管制的一种方法。
SPC通过收集和分析过程中的数据，帮助企业发现和解决问题，并实现过程的稳定和改良。
在SPC中，管制图是一种常用的工具，用于判断过程是否处于统计控制之中。
2. 管制图的根本原理管制图是一种时间序列图，通过将样本数据的均值、极差等统计量绘制在图上，以便直观地了解过程的稳定性。
在管制图中，通常会画出上下控制限以及中心线，用于判断过程是否处于统计控制之中。
管制图有多种类型，常用的包括： - 平均数管制图〔Xbar-R图〕：用于监控过程的平均数和极差 - 均值管制图〔X图〕：用于监控过程的平均数 - 极差管制图〔R图〕：用于监控过程的极差 - 标准差管制图〔S图〕：用于监控过程的标准差 - P图：用于监控过程的不良品率 - C 图：用于监控过程的不良品数3. 构建管制图的步骤构建管制图的步骤如下： 1. 收集数据：根据需要监控的指标，收集足够的样本数据。
2. 计算统计量：根据收集到的数据，计算出相应的统计量，如平均数、极差、标准差等。
3. 绘制管制图：根据统计量，绘制出相应的管制图，包括上下控制限和中心线。
4. 分析管制图：通过分析管制图中的数据点是否超出控制限，判断过程是否处于统计控制之中。
5. 做出改良：如果过程处于统计控制之外，需要分析可能的原因并采取相应的改良措施。
4. 管制图的应用管制图广泛应用于制造业和效劳业中的质量管理过程中。
通过使用管制图，企业可以实现以下目标： - 及时发现生产过程中的异常情况，减少不良品率； - 保持生产过程的稳定性，提高生产效率； - 通过长期监控数据，找出改良生产过程的方向。
5. 管制图的本卷须知在使用管制图时，需要注意以下几点： - 样本数据应该具有一定的随机性，否那么可能会影响对过程稳定性的判断。
- 控制限的选择需要根据实际情况进行调整，不同的管制图有不同的选择方法。
SPC控制图的种类及判异方法48页课件
计数值：由计数而得的数据或将之转换成百分率，例如不良数、由不良数转换而成的不良率、 缺点数、由缺点转换而成的单位缺点数或百万件缺点数，为一可分割之量值。 计量值：不可分割之量值。实际量测产品或过程质量特性所得的尺度量值，这类量测的量测不 是真值而只是近似值而已，例如长度、直径、压力、强度等，为连续数据。
步骤7：确定控制限是否能经济地满足要求； 步骤8：运用控制限进行控制；
SPC统计过程控制
四、计量型数据控制图
均值-极差控制图（ x R控制图 ）
最常用；最基本； 控制对象为计量值； 适用于n ≤9的情况； 均值图用于观察和分析分布的均值的变化，即
过程的集中趋势； 极差图观察和分析分布的分散情况，即过程的
LCL x 3 x 2.66MR d2
相当于n=2时的均值控制图
各常数值如下:
MR控制图
CL MR
UCL D4MR 3.267 MR LCL D3MR 0
相当于n=2时的极差控制图; n=2时,D4=3.267,D3=0
n
2
3
4
5
6
7
8
9 10
D4 3.27 2.57 2.28 2.11 2.00 1.92 1.86 1.82 1.78
离散程度。
SPC统计过程控制
四、计量型数据控制图
均值-极差控制图 -控制限
均值控制图
CL x UCL x A2R LCL x A2R
极差控制图
CL R UCL D4R LCL D3R
SPC统计过程控制
4、X bar-s图
计算各样组的平均数
四、计量型数据控制图
计算这些组平均数的平均数
频数分布在进行调整期间已经完成，分析结果表明进 行一段时期加工生产的开端是可以令人满意的。
统计过程控制(SPC)与常规控制图
SPC发展阶段
SPC迄今已经经历三个阶段﹐ SPC﹑SPD﹑SPA SPC在1920S由休哈特创造的理论 SPD在1982我国张公续教授首创﹐ 目前我国仍然处于领先地位 SPA目前刚刚起步﹐目前尚无实用 性研究成果
SPC
SPD
SPA
2.控制图原理
控制图(Control Chart)是对 过程质量特性值进行测定﹑ 记录﹑评估和监察过程是否 处于控制状态的一种用统计 方法设计的图。
级别
1 2 3 4 5
过程能力的评价参考
过程能力过高(应视具体情况而定) 过程能力充分﹐表示技朮管理能力很好﹐应 继续维持 过程能力较差﹐表示技朮管理能力较勉强﹐ 应设法提升2级 过程能力不足﹐表示技朮管理能力很差﹐应 采取措施立即改善 过程能力严重不足﹐表示应采取紧急措施和 全面检查﹐必要时可停工整顿
R=Xmax-Xmin
令W=R/σ,则E(W)=d2﹐ d2为一与样本量n有关的常量 σ=R/ d2
R=
R1+R2+R3+…+Rn n
总上得到控制线为﹕
式中A2为一与样本量n有关的常量﹐可以从表中查出 X控制图控制线完成
R图的如何控制变异度
μR=R
令W=R/σ,则E(W)=d3﹐ d3为一与样本量n有关的常量
判稳准则
1.
连续25个点子都在控制界限内
2.
3.
连续35个点子至多有1个点子落在控制界限外
连续100个点子至多有2个点子落在控制界限外 α 1=0.0654
不符合上述三原则的概率为﹕
α 2=0.0654 α 3=0.0654
4.控制图判断准则
(a) 连续9点出现在中心线的单侧
SPC(Statistical Process Control) 统计过程控制培训课件
二.SPC的作用（续）为设备验收提供资料应用SPC统计资料来验证设备能力，保证设备的接受水平提倡一次性将工作做好的精神强调工作质量技术管理人员给生产现场提供良好的服务；生产人员注重提高一次交验合格率。
Statistical Process Control
二.SPC的作用（续）发展企业文化，提高职工素质严谨的工作态度认真负责的精神形成一个有效的分析、解决问题的网络用共同的语言讨论质量问题自我参与和完善的意识
特殊原因
四. 持续改进及统计过程控制概述2.变差的普通原因和特殊原因(续）（通常也叫可查明原因）是指造成不是始终作用于过
每件产品的尺寸与别的都不同
范围但它们形成一个模型，
范围 范围 范围若稳定， 可以描述为一个分布
范围
范围
范围分布可以通过以下因素来加以区分
位置 分布宽度
形状
或这些因素的组合
目标值线
不精密
精密
准确
不准确
• •
••
••••
•
•
•• •
••••
•••
•••
Statistical Process Control
使用控制图的准备1、建立适合于实施的环境a 排除阻碍人员公正的因素b 提供相应的资源c 管理者支持2、定义过程根据加工过程和上下使用者之间的关系，分析每个阶段的影响因素。
Statistical Process Control
三.SPC常用术语解释（续）
名 称
解 释
总 体
又称母体，是指所要研究对象的全体；
样 本
从总体中随机抽取出来的，对它进行测量、分析的一部分个体；
样 品
又称个体，样本中的每一个研究对象；
样本大小
Statistical Process Control
二.SPC的作用（续）发展企业文化，提高职工素质严谨的工作态度认真负责的精神形成一个有效的分析、解决问题的网络用共同的语言讨论质量问题自我参与和完善的意识
特殊原因
四. 持续改进及统计过程控制概述2.变差的普通原因和特殊原因(续）（通常也叫可查明原因）是指造成不是始终作用于过
每件产品的尺寸与别的都不同
范围但它们形成一个模型，
范围 范围 范围若稳定， 可以描述为一个分布
范围
范围
范围分布可以通过以下因素来加以区分
位置 分布宽度
形状
或这些因素的组合
目标值线
不精密
精密
准确
不准确
• •
••
••••
•
•
•• •
••••
•••
•••
Statistical Process Control
使用控制图的准备1、建立适合于实施的环境a 排除阻碍人员公正的因素b 提供相应的资源c 管理者支持2、定义过程根据加工过程和上下使用者之间的关系，分析每个阶段的影响因素。
Statistical Process Control
三.SPC常用术语解释（续）
名 称
解 释
总 体
又称母体，是指所要研究对象的全体；
样 本
从总体中随机抽取出来的，对它进行测量、分析的一部分个体；
样 品
又称个体，样本中的每一个研究对象；
样本大小
SPC_U_Chart 统计过程控制U图
46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61
7
7
7
7
7
7
7
7
7
7
7
6
6
6
6
6
6
6
6
5
7 12 4
3
4
3
3
4
3
3
0
1
1
3
3
3
3
3
3
3
3
3
3
3
3
3
1
2
1
3
6
1
2
3
9
1
1
0.9 0.9 0.9 0.7 1.0 1.7 0.6 0.4 0.6 0.4 0.4 0.7 0.5 0.5 0.0 0.2 1.4 1.4 1.4 1.4 1.4 1.4 1.4 1.4 1.4 1.4 1.4 1.5 1.5 1.5 1.5 1.5 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0
1111111111111111 1111111111111111 2222222222222222
1-Jan 2-Jan 3-Jan 4-Jan 5-Jan 6-Jan 7-Jan 8-Jan 9-Jan
10Jan
11Jan
- 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)。
58.0 58.0 58.0 58.0 58.0 58.0 58.0 58.0 58.0 58.0 58.0 58.0 58.0 58.0 58.0 58.0 -0.4 -0.4 -0.4 -0.4 -0.4 -0.4 -0.4 -0.4 -0.4 -0.4 -0.4 -0.4 -0.4 -0.4 -0.4 -0.4
Production dept: 生产部门:
Die
casting
Inspector: 检验者: Zhang Wei
Production line: 生产线:
Line
3
Date: 日期:
2015
Oct
3
Work Station: 生产工位:
Checking
surface
Parameter: 参数:
Appearance
LCL下控制限 Ref. Control Limit 参考控制限
0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0
2.5
2.0
1.5
U Chart
14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29
5
5
6
6
6
6
6
6
6
6
6
6
6
6
6
6
0
2
4
2
3
5
4
4
5
4
5
2
4
8
9
5
2
2
3
1
3
2
2
1
3
3
3
3
3
4
4
2
3
1
1
3
6
2
4
1
1
1
2
0.0 0.4 0.7 0.3 0.5 0.8 0.7 0.7 0.8 0.7 0.8 0.3 0.7 1.3 1.5 0.8
1
2
3
4
5
6
7
8
9
Lot Size子组大小
5
5
5
5
5
5
5
5
5
Subtotal Defect # 疵点小计
3
3
2
3
3
3
4
2
5
Sink mark凹坑
1
Red point红点
2
1
2
3
Scratch擦痕
1
2
1
2
Black hole 黑孔
1
2
Finger print指纹
1
1
1
3
Glue 胶水
2
Dark 暗
1
Water 水渍
Line 线
1
Defect others其他
Defects Average 平均疵点
0.6 0.6 0.4 0.6 0.6 0.6 0.8 0.4 1.0
UCL上控制限
1.6 1.6 1.6 1.6 1.6 1.6 1.6 1.6 1.6
PPM= 580645
CL= 平均值=
0.58
Lot size average= 子组平均大小=
1.6 1.6 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
6
Max lot size= 最大的子组=
7
Min lot size= 最小的子组=
4
10- 11- 12- 13-
Nov Nov Nov Nov
10 11 12 13
5
5
5
5
0
0
0
0
0.0 0.0 0.0 0.0 1.6 1.6 1.6 1.6
CL 总平均
0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6
6
6
6
6
6
6
6
6
6
4
4
4
4
4
4
4
2
1
3
6
2
4
6
1
0
1
2
0
2
3
8
2
1
2
1
2
1
3
6
1 2
5
1
3
2
3
1
3
4
1
1
0.3 0.2 0.5 1.0 0.3 0.7 1.0 0.2 0.0 0.3 0.5 0.0 0.5 0.8 2.0 0.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.7 1.7 1.7 1.7 1.7 1.7 1.7 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0
6
6
6
6
6
5
6
7
7
7
7
7
7
7
7
7
7
6
3
3
4
2
2
4
3 11 2
5
6
4
6
7
3
2
1
1
3
2
5
3
3
2
3
2
3
3
3
2
2
2
1
3
5
4
1
2
3
3
4
1
1
1
1
1.2 1.0 0.5 0.5 0.7 0.4 0.3 0.6 0.4 1.6 0.3 0.7 0.9 0.6 0.9 1.0 1.5 1.5 1.5 1.5 1.5 1.6 1.5 1.4 1.4 1.4 1.4 1.4 1.4 1.4 1.4 1.4 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0
1.0
0.5
0.0
1
2
3
4
5
6
7
8
9 10 11 12 13
3*(p*( 1-
P))^0.
1. 本工具只为你提1供.4参80考1之.4用8 , 不1.4承8担1任.4何8 法1.律48责任1.4. 8 1.48 1.48 1.48 1.48 1.48 1.48 1.48 2. 可以编辑绿色区域-. - - - - - - - - - - - -
Product: 产品
Iron
cover
Ref.
Control Limit= 参考控制限=
2.00
Remarks:
备注:
Lot Number= 子组数目=
92
Date/Time 日期/时间 Lot # 子组序号
1-Nov 2-Nov 3-Nov 4-Nov 5-Nov 6-Nov 7-Nov 8-Nov 9-Nov
1. This free tool is5o8n.l0y6fo5r8y.o0ur5r8e.f0ere5n8c.e0, n5o8t.a0ss5u8m.0e a5n8y.0leg5a8l.l0iab5il8it.y0. 58.0 58.0 58.0 58.0
2. 3.
TPhlsecGlicrkeethnisAlrineka-st0o.c4daonw-b0ne.l4oeaddi-t-0eS.d4u.pp-l0y.4Cha-i0n.4Qu-a0li.t4y
30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45
1.48 1.48 1.48 1.48 1.48 1.48 1.48 1.48 1.48 1.48 1.48 1.48 1.48 1.48 1.48 1.48 - - - - - - - 0.02 0.02 0.02 0.02 0.02 0.02 0.02 0.02 0.02
1111111111111111 1111111111111111 2222222222222222
16- 17- 18- 19- 20- 21- 22- 23- 24- 25- 26- 27- 28- 29- 30- 31Dec Dec Dec Dec Dec Dec Dec Dec Dec Dec Dec Dec Dec Dec Dec Dec
2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0
14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29
Production dept: 生产部门:
Die
casting
Inspector: 检验者: Zhang Wei
Production line: 生产线:
Line
3
Date: 日期:
2015
Oct
3
Work Station: 生产工位:
Checking
surface
Parameter: 参数:
Appearance
LCL下控制限 Ref. Control Limit 参考控制限
0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0
2.5
2.0
1.5
U Chart
14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29
5
5
6
6
6
6
6
6
6
6
6
6
6
6
6
6
0
2
4
2
3
5
4
4
5
4
5
2
4
8
9
5
2
2
3
1
3
2
2
1
3
3
3
3
3
4
4
2
3
1
1
3
6
2
4
1
1
1
2
0.0 0.4 0.7 0.3 0.5 0.8 0.7 0.7 0.8 0.7 0.8 0.3 0.7 1.3 1.5 0.8
1
2
3
4
5
6
7
8
9
Lot Size子组大小
5
5
5
5
5
5
5
5
5
Subtotal Defect # 疵点小计
3
3
2
3
3
3
4
2
5
Sink mark凹坑
1
Red point红点
2
1
2
3
Scratch擦痕
1
2
1
2
Black hole 黑孔
1
2
Finger print指纹
1
1
1
3
Glue 胶水
2
Dark 暗
1
Water 水渍
Line 线
1
Defect others其他
Defects Average 平均疵点
0.6 0.6 0.4 0.6 0.6 0.6 0.8 0.4 1.0
UCL上控制限
1.6 1.6 1.6 1.6 1.6 1.6 1.6 1.6 1.6
PPM= 580645
CL= 平均值=
0.58
Lot size average= 子组平均大小=
1.6 1.6 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
6
Max lot size= 最大的子组=
7
Min lot size= 最小的子组=
4
10- 11- 12- 13-
Nov Nov Nov Nov
10 11 12 13
5
5
5
5
0
0
0
0
0.0 0.0 0.0 0.0 1.6 1.6 1.6 1.6
CL 总平均
0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6
6
6
6
6
6
6
6
6
6
4
4
4
4
4
4
4
2
1
3
6
2
4
6
1
0
1
2
0
2
3
8
2
1
2
1
2
1
3
6
1 2
5
1
3
2
3
1
3
4
1
1
0.3 0.2 0.5 1.0 0.3 0.7 1.0 0.2 0.0 0.3 0.5 0.0 0.5 0.8 2.0 0.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.7 1.7 1.7 1.7 1.7 1.7 1.7 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0
6
6
6
6
6
5
6
7
7
7
7
7
7
7
7
7
7
6
3
3
4
2
2
4
3 11 2
5
6
4
6
7
3
2
1
1
3
2
5
3
3
2
3
2
3
3
3
2
2
2
1
3
5
4
1
2
3
3
4
1
1
1
1
1.2 1.0 0.5 0.5 0.7 0.4 0.3 0.6 0.4 1.6 0.3 0.7 0.9 0.6 0.9 1.0 1.5 1.5 1.5 1.5 1.5 1.6 1.5 1.4 1.4 1.4 1.4 1.4 1.4 1.4 1.4 1.4 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0
1.0
0.5
0.0
1
2
3
4
5
6
7
8
9 10 11 12 13
3*(p*( 1-
P))^0.
1. 本工具只为你提1供.4参80考1之.4用8 , 不1.4承8担1任.4何8 法1.律48责任1.4. 8 1.48 1.48 1.48 1.48 1.48 1.48 1.48 2. 可以编辑绿色区域-. - - - - - - - - - - - -
Product: 产品
Iron
cover
Ref.
Control Limit= 参考控制限=
2.00
Remarks:
备注:
Lot Number= 子组数目=
92
Date/Time 日期/时间 Lot # 子组序号
1-Nov 2-Nov 3-Nov 4-Nov 5-Nov 6-Nov 7-Nov 8-Nov 9-Nov
1. This free tool is5o8n.l0y6fo5r8y.o0ur5r8e.f0ere5n8c.e0, n5o8t.a0ss5u8m.0e a5n8y.0leg5a8l.l0iab5il8it.y0. 58.0 58.0 58.0 58.0
2. 3.
TPhlsecGlicrkeethnisAlrineka-st0o.c4daonw-b0ne.l4oeaddi-t-0eS.d4u.pp-l0y.4Cha-i0n.4Qu-a0li.t4y
30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45
1.48 1.48 1.48 1.48 1.48 1.48 1.48 1.48 1.48 1.48 1.48 1.48 1.48 1.48 1.48 1.48 - - - - - - - 0.02 0.02 0.02 0.02 0.02 0.02 0.02 0.02 0.02
1111111111111111 1111111111111111 2222222222222222
16- 17- 18- 19- 20- 21- 22- 23- 24- 25- 26- 27- 28- 29- 30- 31Dec Dec Dec Dec Dec Dec Dec Dec Dec Dec Dec Dec Dec Dec Dec Dec
2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0
14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29