SPC基础知识
SPC知识点总结
SPC知识点总结SPC知识点总结：1. SPC的起源和发展：SPC最早源自美国工程师Walter A. Shewhart在20世纪20年代的工作。
后来，日本质量专家石井弘次将SPC方法引入日本，并与之前日本的质量管理方法相结合，形成了很多现代质量管理方法的基础。
SPC的发展离不开统计学和质量管理理论的不断深化和完善。
2. SPC的基本原理：SPC的基本原理是通过收集和分析过程中的数据，来了解过程的稳定性和变异性，并根据分析结果采取相应的控制措施。
SPC是基于统计学的方法，它利用统计学中的各种工具来分析数据，判断过程的状态，预测未来的趋势。
3. SPC的应用范围和目的：SPC可以应用于各种生产领域和服务领域。
它的主要目的是帮助组织管理者了解过程的稳定性和变异性，及时发现问题，改进过程，提高质量，降低成本，增加效率。
4. SPC的基本工具和方法：SPC的基本工具和方法包括控制图、直方图、散点图、原因分析、统计推断等。
其中，控制图是SPC的核心工具，它用于监控过程中的变异性，判断过程的状态。
5. SPC的实施步骤：SPC的实施步骤包括确定需要监控的指标、收集数据、绘制控制图、分析控制图，及时发现异常，采取改进措施，持续监控过程。
6. SPC的关键要点：SPC的关键要点包括确定合适的控制图类型和参数、建立稳定的数据收集和分析系统、培训相关人员，建立质量改进文化等。
7. SPC的优势和挑战：SPC的优势包括可以及时发现过程异常、对过程进行全面的监控、提高过程稳定性和一致性。
挑战在于需要有充分的数据和专业知识支持，需要组织成员共同努力，才能成功实施。
综上所述，SPC是一种用于监控和改进过程稳定性的重要方法。
它的实施需要全面的统计知识和质量管理知识，以及组织成员的积极参与。
只有通过不断地实践和改进，才能使SPC真正发挥作用，为组织带来持续的价值。
SPC (统计过程控制)基础知识
SPC(统计过程控制）基础知识 统计过程控制） 统计过程控制
4．X-Rs 控制图。多用于下列场合：对每一个产品都进行检验，采用自动化检查和 测量的场合；取样费时、昂贵的场合；以及如化工等过程、样品均匀，多抽样也无 太大意义的场合。由于它不像前三种控制图那样能取得较多的信息，所以它判断过 程的灵敏度也要差一些。
以 客 贯 彻
户 为
中
心 宗
旨
的
质 量 目 标 的 制 定
有 目 期 况
无 制 定 可 测 量 的 质 量 目 标 ？ 质 量 标 有 无 分 解 到 各 职 能 层 ？ 有 无 定 测 量 评 估 各 质 量 目 标 的 达 成 情 ？
职 责 和 权 限
各 部 门 ， 各 职 能 岗 位 有 无 定 义 相 关 的 职 责 和 权 限 ？
4 .2 .2
质 量 手 册
有 无 编 写 符 合 要 求 的 质 量 手 册 ？
SPC(统计过程控制）基础知识 统计过程控制） 统计过程控制
3.4 分层图 用于将数据分类比较 250
不良率（PPM）
目标线
150 100 50 0 1 2 3 4
工作周
C班 B班 A班
5
6
7
8
9
SPC(统计过程控制）基础知识 统计过程控制） 统计过程控制
3.5 控制图 什么是控制图？ 什么是控制图？ 控制图是对过程质量加以测定，记录从而进行控制管理的一种用科学方法设计的图。 控制图的理论基础是概率论。依据概率论，我们把“小概率的事件如果发生了，我 们认为有异常存在”。 控制图的种类： 控制图的种类
数据 计量值 分布 正态分布 控制图名称 均值-极差 图 均值-标准差 图 中位数-极差 图 单值-移动极差 图 不合格品率图 不合格品数图 单位缺陷数 缺陷数 简记 X-R chart X-S chart X-R chart X-Rs chart P chart Pn chart U chart C chart
SPC
3-1 分析极差图上的数据点 3-1-1 判定准则： 1.点子超出或落在控制线上； 2.控制界线内的点子排列有下列缺陷：
缺陷
●
图例 UCL
链状况－连 续9点以上在中 心线同一侧出现。
● ● ● ●
●
● ● ●
● ●
● ● ●
● ● ●
●
●
CL
●
●
●
LCL
UCL
趋势状况－ 连续6点以上上 升或下降。
1-1-3 子组数：子组越多，变差越有机会出现。一般为25 组，首次使用管制图选用35 组数据，以便调整。 1-2 建立控制图及记录原始数据 （见下图）
管理项目：某一尺寸 规格要求：25+/-5
24 25 27 26 24 26 23 26 26 25 26 25 27 25 25 24 26 25 26 25 24 25 28 25 24 26 26 27 24 25 26 23 26 24 25 26 25 24 25 26 27 24 24 25 23 24 24 24 23 27 24 25 23 25 22 24 25 26 25 26 26 24 24 25 25 25 25 26 25 22 24 24 26 24 25 26 24 26 26 25 25 25 25 24 26 26 25 24 26 27 25 26 27 24 25 24 25 25 26 25 25 26 25 24 23 26 26 25 25 24 25 27 27 25 24 25 26 27 27 25 26 26 25 24 25
注：排除代表不稳定条件的子组并不仅是“丢弃坏数据”。而 是排除受已知的特殊原因影响的点。并且一定要改变过程， 以使特殊原因不会作为过程的一部分重现。 3-4 延长控制限，作为实际运用控制图的控制限
SPC培训讲义---基础知识
SPC培训讲义—基础知识简介SPC（Statistical Process Control，统计过程控制）是一种基于统计方法的质量管理工具，旨在通过对过程数据的统计分析，帮助组织识别和解决可能导致质量问题的根本原因，从而提高产品的稳定性和可靠性。
本讲义将介绍SPC的基础知识，包括SPC的原理、常用的SPC 工具和应用案例等内容。
1. SPC的原理SPC的核心原理是基于过程数据的统计分析，通过对数据的收集和分析，识别和排除可能导致质量问题的特殊原因，同时通过控制图的使用，监控和改进过程的稳定性和可靠性。
1.1 正态分布在SPC中，数据的正态分布是一个重要的假设。
正态分布是一种对称的概率分布，其特点是均值和标准差能够完全描述分布的情况。
正态分布的图形呈钟形曲线，均值位于曲线的中央。
在实际应用中，SPC 通常假设数据是近似正态分布的，以方便进行统计分析。
1.2 变异性与稳定性在质量管理中，变异性是指同一过程在不同时间或不同条件下相同测量项的数值差异。
通过SPC的应用，可以发现原本被认为是随机变动的过程，实际上可能存在特殊原因造成的异常波动。
稳定性是指过程在一段时间内的变异性较小，并且符合预期的性能要求。
通过SPC 的控制图，可以监控过程的稳定性，并及时采取措施防止不稳定状态的出现。
2. 常用的SPC工具SPC工具是SPC实施过程中使用的具体方法和技术，下面介绍几种常用的SPC工具。
2.1 控制图控制图是SPC中最常用的一种工具，它用来监控过程在一段时间内的变异情况。
控制图是一种统计图表，将过程数据按时间顺序绘制在图表上，同时画出上下限和中心线。
如果过程数据处于控制限之内，说明过程处于稳定状态；如果过程数据超过控制限，说明过程发生了特殊原因的变异，需要进行分析和改进。
2.2 直方图直方图是一种用柱形表示数据分布的图表，它可以直观地展示数据的中心趋势、波动幅度以及偏态情况。
通过直方图，可以判断数据是否符合正态分布，如果数据呈现钟形分布，则可以认为数据符合正态分布的假设。
SPC常用计算方法
SPC常用计算方法SPC基础知识及常用计算方法SPC基础知识一、SPC定义：1、SPC——统计制程管制：是指一套自制程中去搜集资料，并加以统计分析，从分析中去发气掘制程的异常，立即采取修正行动，使制程恢复正常的方法。
也就是说：品质不应再依赖进料及出货的抽样检验，而应该采取在生产过程中，认良好的管理方法，未获得良好的品质。
2、良好品质，必须做到下面几点：①变异性低②耐用度③吸引力④合理的价格3、变异的来源：大概来自5个方面：①机器②材料③方法④环境⑤作业人员应先从机器，材料方法，环境找变异，最后考虑人。
4、SPC不是一个观念，而是要行动的步骤一、确立制程流程——首先制程程序要明确，依据制程程序给制造流程图，并依据流程图订定工程品质管理表。
步骤二、决定管制项目——如果把所有对品质有影响的项目不论大小，轻重缓急一律列入或把客户不很重视的特性一并管制时，徒增管制成本浪费资料且得不赏失，反之如果重要的项目未加以管制时，则不能满足设计者，后工程及客户的需求，则先去管制的意义。
步骤三、实施标准化——欲求制程管制首先即得要求制程安定，例如：在风浪很大的船上比赛乒乓球，试部能否确定谁技高一筹，帮制程作业的安定是最重要的先决条件，所以对于制程上影响产品口质的重要原因，应先建立作业标准，并透过教育训练使作业能经标准进行。
步骤四、制程能力调查——为了设计、生产、销售客户满意且愿意购买的产品，制造该产品的制程能力务必符合客户的要求。
因此制程的能力不足时，必顺进行制程能力的改善，而且在制程能力充足后还必须能继续，所以在品质管理的系统中制程能力的掌握很重要。
步骤五、管制图运用——SPC的一个基本工具就是管制图，而管制图又分计量值管制图与计数值管制图。
步骤六、问题分析解决——制程能力调查与管制图是可筛提供问题的原因系由遇原因或非机遇原因所造成，但无法告知你确切的原因为何及如何解决决问题？解决问题？而问题的解决技巧，在于依据事实找出造成变异的确切原因，并提此对策加以改善，及如何防止再发生。
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的基础知识与数据整理
SPC的基础知识与数据整理引言SPC（统计过程控制）是一种用于监控和控制过程的统计方法。
它通过收集一系列的数据并进行分析，以确定过程是否处于控制状态，并采取相应的措施保持过程稳定。
在本文中，我们将介绍SPC的基础知识和数据整理方法。
SPC的基础知识SPC的核心思想是通过采集过程中的样本数据，分析其变异情况，以判断过程是否处于控制状态。
基于不同的过程类型，SPC通常使用控制图来可视化过程的变异情况。
常用的控制图包括X-Bar图、R图和S图等。
X-Bar图X-Bar图是一种用于监控过程均值的控制图。
它基于过程中收集到的样本数据，计算每个样本的均值，并绘制在图表上。
通过观察X-Bar 图，我们可以判断过程均值是否稳定。
R图R图是一种用于监控过程变异性的控制图。
它基于过程中收集到的样本数据，计算每个样本的极差（最大值与最小值之差），并绘制在图表上。
通过观察R图，我们可以判断过程的变异性是否稳定。
S图S图是一种用于监控过程变异性的控制图。
它基于过程中收集到的样本数据，计算每个样本的标准差，并绘制在图表上。
通过观察S图，我们可以判断过程的变异性是否稳定。
数据整理方法数据整理是SPC的一个重要步骤，它涉及收集样本数据、记录数据、计算统计量和绘制控制图等过程。
下面我们将介绍一些常用的数据整理方法。
数据收集在进行数据收集之前，需要确定采集数据的时间间隔和样本容量。
通常，采集数据的时间间隔应保证能够捕捉到过程的变化。
样本容量的确定应根据具体情况和要求进行。
数据记录数据记录是指将收集到的数据记录下来，以备后续分析使用。
可以使用电子表格软件（如Excel）或统计软件（如SPSS）等工具来记录数据。
统计量计算在进行SPC分析之前，需要计算一些统计量，如样本均值、样本标准差等。
这些统计量的计算可通过公式或统计软件完成。
控制图绘制控制图的绘制是用于直观地观察过程变异情况的重要步骤。
可以使用统计软件或绘图软件（如R语言）来绘制控制图。
SPC基础知识
SPC运用统计技术对生产过程中的各工序参数进行 监控，从而达到改进、保证产品质量的目的。
二、SPC特点
SPC具有以下特点： ---基于一定的数据资料进行统计 ---方法是绘制选择的控制图 ---只能提示过程有异常，并不能告诉异常在哪里 ---目的是实现持续改进过程 ---是全系统的、全过程的、要求全员参加 ---不仅用于生产过程，而且用于服务过程和管理过程 ---强调用科学方法来保证全过程的预防
制 程 条 件 变 动 时
制程的继续管制
六、SPC的焦点 SPC：希望将努力的方向，更进一步的放在品质 的源头----制程（ Process）上。因为制程的起 伏变化，才是造成品质变异的主要根源。 品质变异的大小，才是决定产品优劣的关键 制程起伏条件 品质异常 产品优劣
七、基本统计概念
N n 母體數(批量數) 樣本數(抽樣數) USL SL 規格上限 規格中心限 (u=規格中心值)
您在工厂经常遇到这些情况吗？
顾客是上帝
销售
超时加班
额外成 本费用
•新品投放 •未预计的订单 变化 SPC作用 过程控制原理 SPC推行步骤 SPC的焦点 基本统计概念
一、什么是SPC SPC：统计过程控制（Statistical Process Control) 统计过程控制是一种通过对产品或工程进行抽样， 测量其特性参数、记录数据并绘制图表，然后进行 分析，以判断过程是否处于受控状态的管理工具。
X
R P C LCL UCL CL
平均數
全距 不良率 缺點數 控制下限 控制上限 控制中心限
LSL
Ca Cp Cpk T NP
規格下限
准确度 精密度 制程能力指數 規格公差 不良數 T=USL-LSL
spc基础培训资料全
spc基础培训资料全第⼀章节重新认识SPC内容主要有：过程的概念；过程变差；过程能⼒分析；计量型控制图（X—R图，X—S图等）；计数型控制图（p图，np图，c图，u图等）；第⼆章节SPC应⽤的基础●质量数据1．数据的特点：①波动性；②规律性；2．质量特性：反映产品特定性质之内容；（如：尺⼨、重量、硬度、⼒度、电阻值、丝印寿命、外观等）3．质量特性数据：测量质量特性所得的数据；（如：“⼒度150g”、“⼒度偏重20g”、“⼒度偏重5pcs”）4．数据分类：①计量值数据：（如单位为“mm、g、℃、Ω”的数据）②计数值数据：（如单位为“PCS、箱、桶、罐”的数据）●数据参数1．数据表达式：公式中⼀般⽤X1 X2……Xn表⽰⼀组数据中n个数据。
2．频数：同⼀记录中同⼀数据出现的数据。
公式中⼀般⽤n1 n2 n3…ni表⽰个数。
3．平均数：所有数据的和与总数和商。
4．百分率：单项数据与所有数据总和的商的百分值。
5．累计百分率：顺序排列中，第1项的累计百分率，等于前N-1项百分率的和。
标准⽅差：6．●数据的分层1.概念：将数据依照使⽤⽬的，按其性质，来源，影响等进⾏分类，把性质相同，在同⼀⽣产条件下收集到的质量特性数据归并在⼀起的⽅法；2.作⽤：分层的⽬的是为有利于查找⽣产质量问题的原因。
3.分层⽅法：①操作⼈员：按个⼈分，按现场分，按班次分，按经验分；②机床设备：按机器分，按⼯夹⼑具分；③材料：按供应单位分，按品种分，按进⼚批分④加⼯⽅法：按不同的加⼯、装配、测量、检验等⽅法分，按⼯作条件分；⑤时间：按上、下午分，按年、⽉、⽇分，按季节分；⑥环境：按⽓象情况分，按室内环境分，按电场、磁场影响分；⑦其他：按发⽣情况分，按发⽣位置分等。
4.两点原则：作频数分布表时要确定组距、组数和组的边界值。
例：某零件的⼀个长度尺⼨的测量值（mm）共100个，测量单位为0.01mm①从数据中选出最⼤值和最⼩值,这时应去掉相差悬殊的异常数据.最⼤值为42.44,最⼩值为42.27②⽤测量单位的1、2、5倍除以最⼤值与最⼩值之差(极差),并将所有得值取整数.极差=42.44-42.27=0.17mm已知测量单位为0.01mm,为了求出组距,可⽤0.01mm的1、2、5的倍数除以极差0.17mm.0.17÷0.01=17 0.17÷0.02=8.5(取整数为9) 0.17÷0.05=3.4(取整数为3)数据为④确定分组组界时,可把数据中的最⼩值分在第⼀组的中部,并把分组组界定在最⼩测量单位的1/2处,以避免测量值恰好落在边界上。
SPC基本知识
SPC 基础知识一、 什么是SPCSPC 是Statistical process control 的缩写，即统计过程控制。
是应用统计方法对过程中的各个阶段进行临控，从而达到质量保证与质量改进的目的，在此可将统计学看成是从一系列数据中收集信息的工具，它是通过预防而不是通过检测来避免浪费。
二、 SPC 目的1． 预防问题的发生 2． 减少浪费三、 SPC 的管制图原理与益处1．根据3σ原理，在分布范围μ ±3 σ内,对于服从或近似服从正态分布的统计量，大约有99.73%的数据点会落在上下控制界限之内，数据点落在上下控制界限之外的概率约为0.27%,根据小概率原则,可判为异常点.图示如上.2．SPC管制图举例下面是Minitab R14 制作的Xbar-R 管制图。
从图可以看出制程有多个超出控制限的点，说明需要查找原因，采取措施，加以消除，不再出现，纳于标准。
合理使用管制图能够：1．区分变差的普通原因和特殊原因，作为采取局部措施和系统措施的指南。
2．有助于过程在质量上和成本上能持续地、可预测地保持下去。
3．使过程达到：A、更高的质量 B、更低的单位成本C、更高的有效能力。
四、 SPC制程能力分析1.Cp、Cpk与Pp、Ppk的含义与区别如下：Cp指数= 规格宽度工序宽度Cp:(Capability of Process)过程能力指数Cpk:修正的过程能力指数Pp: (Performance of Process)过程性能指数Ppk:修正的过程性能指数2..Cp、Cpk与Pp、Ppk的计算：过程能力指数的计算公式如下：过程性能指数计算公式如下：1.经济性：有效的抽样管制，不用全数检验，不良率，得以控制成本。
使制程稳定，能掌握品质、成本与交期。
2.预警性：制程的异常趋势可实时对策，预防整批不良，以减少浪费。
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。
SPC基础知识培训XXXX0829课件
计算Sigma
S
m i 1
(
xi
x)2
,
m 1
k个子组，每个子组容量 为n，则m k * n
Sigma
过程控制和过程能力
过程能力指数
Cp USL LSL (当USL、LSL都存在时）
6ˆ
Cr（或Cpr） 1（常以百分数表示） Cp
过程平均值和规格 中心的偏移
Cpu USL x（当USL存在时）
控制图收集数据表格
样本号 日期/时
样本观测值
（1）
间
X1
X2
X3
X4
X5
1
3/12 8:00 AM
2
3/12 8:30AM
3
3/12 9:00AM
合计
样本均 样本极 值 差(R)
控制图基本原理 控 制 图 的 应 用 流 程
控制图的分类及选择
控制图的分类(按数据性质分)
计量型控制图 平均值与极差控制图( X R Chart) 平均值与标准差控制图( X Chart) 中位数与极差控制图( X~ R Chart) 单值与移动极差控制图( X Rm chart) 计数型控制图 不合格率控制图(P chart) 不合格数控制图(Pn chart,又称np chart或d chart) 缺陷数控制图(C chart) 单位缺陷数控制图(U chart)
产品质量的变异与过程控制
不断发现生产过程 不稳定的因素
时间
过程控制
受控 （消除了特殊因素）
不受控 （存在特殊原因或非随机原因）
产品质量的变异与过程控制
尽量减少目标值附近的生 产过程变量
受控且有能力符合规范 （普通原因造成的变差已减少）
SPC基本知识
受控
不受控
可接受
1类
3类
不可接受
2类
4类
2类过程虽然受控，但因为普通原因造成过大的变差而不能满足规范要求。
3类过程可接受，但存在变差的特殊原因，一般情况下要设法找出原因并消除之。
4类过程既不受控，又不可接受。应减少变差的普通原因和特殊原因。
在某些情况下，顾客允许3类过程运行。例如特殊原因已查明，具有一定的稳定性，采取措施所发生的成本比顾客获得的利益大等。
3.四类过程
过程能力与规范无关。顾客更关心的是过程的输出是否满足规范的要求。满足则可接受，否则不可接受。（关于能力与规范的关系可以用能力指数描述，以后再介绍）。
过程是否受控和是否满足规范要求是两个不同的问题。下面将过程按此分成4类（见表3-1）：
1类过程是理想的，它受控且满足
规范要求。
表3－1
是否受控
二、收集数据
1.选择子组容量、频率、子组数
合理子组的确定将决定控制图的效果
①在 -R控制图中，子组的容量是恒定的。在过程研究初期n取4～5，通常取2～5件连续生产的产品。这样的子组反映的是在很短时间内、非常相似的生产条件下生产出来的产品，因此，子组内的变差主要应是普通原因造成的。这些条件不满足，就不能有效地区分出变差的特殊原因。
2.计量型数据控制图分类
表3-2列出计量型数据控制图的种类及其应用范围。
表3-2
类型
优点
应用
均值－极差图 -R
较简便，对子组内特殊原因较敏感
广泛
均值－标准差图 -S
S较R更准确有效，尤其在大样本容量时
计算机实时记录样本容量大
中位数图 -R
用 代替 ，直接描点，不用计算，最为简便
SPC 基础知识
SPC 基础知识一、基本概念：1、极差：测定值中最大值Xmax与最小值Xmin之差称为极差，用R表示：R=X max-X min2、平方和：各个测定值与平均值之差称为偏差。
各测定值的偏差的平方和称为平方和，简称平方和，用S表示：S=（X1-Xa）2+（X2-Xa）2+（X3-Xa）2+（X4-Xa）2+……+（Xn-Xa）2Xa：平均值3、方差：各个测定值的偏差平方和除以（n-1）后所得的值称为无偏方差（简称方差），用s2表示：s2=S/（n-1）4、标准偏差：方差s2的平方根称为标准偏差（简称标准差），用s表示：s=√s2我们常说的δ和μ是指的总体标准差和总体均值；当过程在受控状态下，且样本容量差较大时，可用样本标准差s和样本平均值Xa；5、正态分布：f(x)=1/√2πδ*e-(x-u)2/2δ2 (1.1)式中：x为随机变量，实为标在横座标上的特性值；e≈2.7183，是自然对数底；π≈3.1416，圆周率；δ为总体标准差；μ-根据公式（1.1）可看出，任一正态分布仅由两个参数，即总体均值μ和总体标准差δ完全确定。
μ亦称分布的位置参数，δ称分布的形状参数；δ越小，曲线越陡，数据（变量）离散也小；δ越大，曲线越扁平，数据的离散也越大，总体数值落在：μ±1δ界限范围内的概率为68.26%；μ±2δ界限范围内的概率为95.46%；μ±3δ界限范围内的概率为99.73%；μ±1.96δ界限范围内的概率为95.0%；而数据落在：μ±3δ之外的概率应小于3‟；μ±1.96δ之外的概率应小于5%；二、质量控制和过程控制概念：质量控制是质量管理的一部分，其目的是“致力于满足质量要求”。
质量控制的内容，主要包含以下三方面：1、识别并确定过程，以做到及时发现和排除产品实现过程中的变异要求，使上过程（工序）的问题不带到下一过程（工序）中去，以保证过程的稳定性和产品质量的一致性，这是一项预防性工作，简称过程控制。
SPC统计基础知识
SPC统计基础知识简介SPC（Statistical Process Control，统计过程控制）是一种用于监控和管理过程稳定性和可靠性的统计技术。
通过收集样本数据并进行分析，SPC能够及时发现过程中的变异和异常情况，从而帮助组织实现质量改进、成本控制和客户满意度的提高。
本文将介绍SPC的基本概念和常用统计方法，帮助读者理解和运用SPC统计基础知识。
1. SPC的基本概念SPC是一种通过分析过程数据来监控过程稳定性的方法。
它基于以下三个基本统计概念：1.1 均值过程中的均值是指一组样本数据的平均值。
在SPC中，通过计算样本的均值来了解过程的中心位置。
如果样本均值始终在预设的目标值附近波动，说明过程稳定。
1.2 变异过程中的变异是指一组样本数据的离散程度。
在SPC中，通过计算样本数据的变异度来了解过程的稳定性。
如果样本数据的变异度较低且在预设的范围内，说明过程稳定。
1.3 控制界限控制界限是为了判断过程是否处于可接受的控制范围内而设定的。
上下控制界限定义了过程稳定的上下限，超出这一范围的样本数据将被认为是异常值或异常事件。
2. 常用的SPC统计方法2.1 过程能力指数（Cp）过程能力指数是一种衡量过程稳定性和可靠性的指标。
它通过比较过程的变异度和指定的公差范围来评估过程性能。
Cp值越高，说明过程的稳定性和可靠性越好。
2.2 控制图控制图是SPC中最常用的统计工具之一。
它通过绘制样本数据的均值、上下控制界限和中心线来反映过程的变化趋势。
通过控制图，可以及时发现和纠正过程中的变异和异常情况。
2.3 散点图散点图是用来显示两个变量之间关系的图表。
在SPC中，散点图可以用来发现变量之间的相关性和趋势。
通过分析散点图，可以帮助确定工艺参数的合理范围和优化生产过程。
2.4 直方图直方图是用来显示数据分布情况的图表。
在SPC中，直方图可以帮助了解过程数据的分布特征和变异程度。
通过分析直方图，可以判断过程是否正常、是否满足规定要求。
SPC 基础知识
力銘科技
Logah Technology
LOGAH
一. 基本概念
什麼是 SPC(Statistical Process Control,製程 統計管制) ? 在製程管理及改善中所用到的統計技巧 重點在於利用少量樣本及統計手法的特性, 進 行不良原因的探討
品保、工程、生產、研發 … 各單位都應善用 SPC 方法來管理並持續改善問題
力銘科技
Logah Technology
LOGAH
五.規格界限(USL,LSL) & 管制界限(UCL,LCL)
USL
UCL +3s +2s +s CL -s -2s -3s LSL
USL: Upper Specification Limit 規格 LSL: Lower Specification Limit UCL: Upper Control Limit LCL: Lower Control Limit
力銘科技
Logah Technology
LOGAH
二.SPC vs 傳統模式
＊傳統模式 製造生產 檢查 出貨、重工、次級品、報廢
＊SPC模式 製造生產 檢查 出貨 發現問題，排除問題， 預防再發生。
SPC管制
力銘科技
Logah Technology
LOGAH
三.資料的種類
計數值
通常都是針對於只能判定Pass/Fail的 製程上使用。
計量值
經由量測可以取得實質的量測數據， 做為判斷Pass/Fail之依據。
力銘科技
Logah Technology
LOGAH
四.統計名詞
USL：規格上限值。(標準值+上限公差)
SPC基础知识培训讲义
SPC基础知识培训讲义SPC基础知识⼀、什么是SPCSPC是英⽂Statistical Process Control的前缀简称。
即统计过程控制。
SPC就是应⽤统计技术对过程中的各个阶段进⾏监控。
从⽽达到改进与保证质量的⽬的。
SPC强调全过程的预防。
SPC的特点是：1．SPC是全系统的，全过程的，要求全员参加，⼈⼈有责。
这点与全⾯质量管理的精神完全⼀致。
2．SPC强调⽤科学⽅法（主要是统计技术，尤其是控制图理论）来保证全过程的预防。
3．SPC不仅⽤于⽣产过程，⽽且可⽤于服务过程和⼀切管理过程。
⼆、SPC发展简史过程控制的⽅法早在20世纪20年代就由美国的休哈特提出。
迄今为⽌已经经历了三个发展阶段，即：SPC，SPCD和SPCDA。
1．SPC（Statistical Process Control）：它能使⼈们采取措施，消除异常，恢复过程的稳定。
这就是科学地区分出⽣产过程中产品质量的正常波动与异常波动，从⽽对过程的异常及时告警，谓统计过程控制。
2．SPCD（Statistical Process Control and Diagnosis）的前缀简称，即统计过程与诊断。
SPC虽然能对过程的异常进⾏告警，但是它并不能告诉我们是什么异常，发⽣于何处，即不能进⾏诊断。
1982年我国张公绪⾸创两种质量诊断理论，突破了传统的美国休哈特质量控制理论，开辟了统计质量诊断的新⽅向。
3．SPCDA（Statistical Process Control , Diagnosis and Adhustment）的前缀简称，即统计过程控制、诊断与调整。
正如同病⼈确诊后要进⾏治疗，过程诊断后⾃然要加以调整。
⽬前尚⽆实⽤性的成果。
三、成都公司在TS16949标准基础上建⽴的《统计技术应⽤规定》中推荐了⼏种⽤于质量改进的统计⼯具和技术序号⼯具和技术应⽤1调查表系统地收集资料，以得到真实清晰的实况⽤于⾮数字资料的⼯具和技术2因果图分析和表达因果图解关系；通过从症状到原因分析到寻找答案的过程，促进问题的解决3流程图描述现存的过程；设计新的过程4特性要因图表⽰某个论题与其组成要素之间的关系⽤于数字资料的统计⼯具和技术5控制图诊断：评估过程的稳定性；控制：决定何时某⼀过程需要调整，何时该过程需要继续保持下去。
SPC精髓总结汇总
SPC精髓总结汇总目录：一、SPC基础知识介绍二、计量型数据控制图：X-R 图三、其它计量型数据控制图四、计数型数据控制图：P 图五、其它计数型数据控制图六、停止灯控制图一、SPC基础知识介绍1、什么是SPC⏹统计过程控制（Statistical Process Control）⏹第二版2005年7月发布（1992/2005）⏹版权由戴姆勒克莱斯勒公司、福特汽车公司和通用汽车公司所有2、SPC的目的利用统计技术：控制过程、持续改进过程3、常见的统计技术⏹旧QC七大手法：柏拉图、因果分析图、直方图、查检表、分层法、控制图、散布图⏹新QC七大手法：亲和图法、关联图法、系统图法、矩阵图法、矩阵分、析法、PDPC法、箭形图解法4、SPC与检验的区别⏹检验：是事后的行为（产品生产后将不合格品挑选出来），是容忍浪费⏹SPC：是事前或事中的行为（在生产前或生产中有些控制和调整五大生产要素，以避免不合格品的产生），是避免浪费5、正态分布图6、变差的普通原因⏹普通原因：始终作用于过程的变差的原因为变差的普通原因⏹例如：一个机加工轴的直径易于受到由于机器（间隙、轴承磨损）、工具（强度、磨损率）、材料（直径、硬度）、操作人员（进给速率、对中准确度）、维修（润滑、易损零件的更换）及环境（温度、动力供应是否恒定）等原因造成潜在的变差的影响⏹针对普通原因的对策：对系统采取措施⏹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7、变差的特殊原因⏹特殊原因：不是始终作用于过程的变差的原因⏹即当它们出现时将造成（整个）过程的分布改变。
由于特殊原因造成的过程分布的改变有些有害，有些有利⏹针对特殊原因的对策：局部措施⏹通常用来消除变差的特殊原因⏹通常由与过程直接相关的人员实施⏹大约可纠正15%的过程问题8、控制图的构成USL 上规格线UCL ----------------------------------------------------------------------上控制线CL 中线 LCL ----------------------------------------------------------------------下控制线 LSL 下规格线9、 控制图的类型1、计量型数据控制图1.1、均值和极差图（ R X -图） 1.2、均值和标准差图（s X -图）1.3、中位数图（R X -~图）1.4、单值和移动极差图（ MR X -图） 2、计数型数据控制图2.1、不合格品率控制图（P 图） 2.2、不合格品数控制图（NP 图） 2.3、不合格数控制图（C 图）2.4、单位产品不合格数控制图（U 图）二计量型数据控制图：R X - 图1、 实施步骤A.收集数据:子组大小/子组频率/子组数的大小B.计算控制限:初始控制线/延长控制线C.过程控制解释:4种异常情况的判定及对策D.过程能力解释:PPK/CPK 的计算及要求2、 子组大小⏹ 子组:每次连续取样的样本⏹ 子组大小:每次连续取样的样本数量⏹ 确定子组大小的原则:— 子组要合理,一般为2-10个、— 一个子组内的变差代表很短时间内的零件的变差 — 非常相似的生产条件下生产出来的,相互间不存在其 它的系统的关系— 每个子组内的变差主要应是普通原因造成3、 子组频率⏹ 子组频率:每次取样的间隔时间 ⏹ 确定子组频率的原则:— 在适当的时间收集足够的子组来反映过程中的变化 — 过程的初期研究,很短的时间间隔进行分组,以便发觉 短时间的不稳定因子— 当证明过程已处于稳定状态下(或已对过程进行改 善),子组间的时间间隔可以增加 4、子组数大小⏹ 子组数大小:每张控制图的控制点数量 ⏹ 确定子组数大小的原则:— 在初始阶段不低于100个单值数据 — 在量产阶段一般不少于25个点 5、过程控制解释1、超出控制限的点2、连续7点位于平均值的一侧3、连续7点上升(后点等于或大于前点)或下降4、明显的非随机图形(大约2/3的描点应落在控制限的中间三分之一的区域内,大约1/3的点落在其外的三分之二的区域)6、异常情况对策⏹ 当发现异常时，不要随意对过程做不必要的改变 ⏹ 正确的做法是：— 记录下当时的六大生产要素：人/机/料/法/环/测— 进行原因分析后，若能找到原因采取措施，则记录好所 采取的措施— 进行原因分析后，若不能找到原因采取措施，则密切观察过程的变化 7、过程能力解释⏹ PPK:初始过程能力指数PPK,也叫性能指数,或短期过程能力指数 ⏹ 其要求是：PPK ＞1.67或满足顾客的要求⏹ 计算公式为：Ppk=min( ss XUSL LSL X σσˆ3,ˆ3-- ) s ni I n X X S σˆ1)(12=--=∑= ⏹计算数据为：最少100个数据以上⏹ 计算时间：小批量试生产阶段,为PPAP 重要文件之一,需要提交给顾客 ⏹ CPK:稳定的过程能力指数CPK,也叫长期过程能力指数 ⏹其要求是：CPK ＞1.33或满足顾客要求⏹ 计算公式为:Cpk=min(22ˆ3,ˆ3R R XUSL LSL X σσ-- )⏹ 计算数据为:最好是25组⏹ 计算时间：批量生产阶段,按照控制计划的规定,一般是每张控制图完成后三、其它计量型数据控制图1、均值和标准差控制图⏹标准差s是过程变异性更有效的指针,尤其是对于样本容量较大（n＞10）的情况,一般来说,当出现下列一种或多种情况时用s图代替R图:⏹数据是由计算机按实时时序记录和/或描图的,则s的计算程序容易集成化⏹有方便适用的袖珍计算器使s的计算能简单按程序算出⏹使用子组样本容量较大,更有效的变差量度是合适的2、中位数控制图⏹中位数图用在子组的样本容量小于或等于10的情况,样本容量为奇数时更方便⏹如果子组样本容量为偶数,中位数是中间两个数的均值3、单值和移动极差控制图⏹测试一个产品的数据所化时间很长⏹所选取的样本,属于一种极为均匀一致之产品如像液体或气体,测量几个和一个一样⏹加工一个产品的时间很长⏹产品价值很高,测试一个样本会损失很多钱⏹属破坏性试验,每测试一个产品,就损失一个⏹控制过程参数,如:温度﹑压力﹑时间等四、计数型数据控制图：P图1、不合格品率（P图）实施步骤：A.收集数据:子组大小/子组频率/子组数的大小B.计算控制限:初始控制线/延长控制线C.过程控制解释:4种异常情况的判定及对策D.过程能力解释:产品合格率或不合格率2、子组大小⏹子组:每次连续取样的样本⏹子组大小:每次连续取样的样本数量⏹确定子组大小的原则：●子组要大,如50个到200，甚至更多，以便检验出性能的一般变化●一个子组内要包括几个不合格品●每一个子组代表很长的一段时间的过程操作●子组容量分为恒定或它们变化不超过±25％，以及超出±25%二种图形3、子组频率⏹子组频率:每次取样的间隔时间⏹确定子组频率的原则:—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要求矛盾—一般为每班或每天，用于全检工位的较多4、子组数大小⏹为了子组数大小:每张控制图的控制点数量⏹确定子组数大小的原则：—在初始阶段不低于100个单值数据—在量产阶段一般不少于25个点5、过程控制解释1、超出控制限的点2、连续7点位于平均值的一侧3、连续7点上升(后点等于或大于前点)或下降4、明显的非随机图形(大约的描点应落在控制限的中间三分之一的区域内,大约的点落在其外的三分之二的区域)6、过程能力解释⏹如果对于计数型控制图﹐能力直接被定义为不合格品的平均百分数或比例，如PPM（百万分之一）⏹而计量型控制图的能力指的是将／或不将过程的中心调整到规范的目标值后﹐用PPK和CPK表示五、其它计数型数据控制图1、不合格品数控制图（np图）⏹np图用来衡量一个检验中的不合格（不符合或所谓的缺陷）品的数量⏹与p图不同﹐np图表示不合格品的实际数量而不是与样本的比率⏹p图和np图适用的基本情况相同﹐当满足下列情况时可选用np图—不合格品的实际数量比不合格品率更有意义或更容易报告—各阶段子组的样本容量相同2、不合格数控制图（c图）⏹c图用来测量一个检验批内的不合格（或缺陷）的数量（与描在np图上的不合格品的数量不同）⏹c图要求样本的容量恒定或受检材料的数量恒定﹐它主要应用于以下两类检验﹕—不合格分布在连续的产品流上（例如每匹维尼龙上的瑕疵﹐玻璃上的气泡或电线上绝缘层薄的点）—在单个的产品检验中可能发现许多不同潜在原因造成的不合格3、单位产品不合格数控制图（u图）⏹u图是用来测量具有容量不同的样本（受检材料的量不同）的子组内每检验单位产品之内的不合格数量⏹除了不合格数是按每单位产品为基本量表示以外﹐它是与c图相似的⏹u图和c图适用于相同的数据情况﹐但如果样本含有多于一个“单位产品”的量﹐为使报告值更有意义时﹐可以使用u图六、停止灯控制图1、停止灯控制图的概念⏹无论在停止灯控制图中，目标值区域指定为绿色，警告区域指定为黄色，停止区域指定为红色。
- 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)。
每百萬產品內之缺陷 71800 6900 2700 63 < 1 (0.0020) << 1 part per billion
21. Cpk 的圖像比例及計算（iii）
Cpk = 2.0
Cpk = 1.33
LSL
T x
USL
LSL
T x
USL
Cpk = 1.00
Cpk = 0.60
LSL
T x
12. SPC 的探用 I :
傳統的生產模式(Traditional Detection Approach) :
調整製程(Adjust Processes) 輸入 INPUT 生產過程 Products PROCESSES 貨品 抽樣/全面檢查 SAMPLE OR 100% INSPECTION 損壞/再造 Scrap/Rework O.K.
- 用來監察生產過程
- 利用數據及簡單的圖表表達生產情況
- 用來判斷製程的走向及有否出現問題
- 引導員工去作出適當的決定
- 預防問題的惡化及重現
㈠代表先进的品质管理
世界一流的大公司都在大力推行实施SPC 如通用汽車、福特、英特尔、摩托罗拉等
SPC：
㈡是成熟的品质管理方式
有一系列的运行、管理方法
㈢是品質、產量、競爭能力提升及成 本下降的有力手段
=
16. SPC 的基本原理 III :
如數據在 內 , 平均可接受之百份比約為 68%
（正规分布图一如下）
34.13% 34.13%
68%
34% 34%
32%
m-
m
m+
17. SPC 的基本原理 IV :
如大多數數據是在 2 內, 其可責受之百份 比約為 95% 95%
47.72%
普通管制分 析
PPM/不良 推移
单品质特性 图
多品质特性 图
P-CHART不良率管制图 NP-CHART不良数管制图 C-CHART缺点数管制图 U-CHART单位缺点数管制图 柏拉图
不良率推移图 PPM推移图
Xbar-R Chart平均数全距管制图 Xbar-S Chart平均数标准差管制图 X-Rm Chart个别值与全距管制图 Median-R Chart中位数全距管制图 Histogram Chart直方图 KσChartK倍标准差管制图 σs Chart规格标准差分析图 σa Chart制程标准差分析图 CPK推移图 制程能力分析图 制程建议分析图
1 2
(
= )
- X 3 sd
(1-
-X 3 sd
或
}
)
Cpk =
{
USL - LSL USL - X 3sd
)
，
X - LSL
1 2
(
USL - LSL
min
=
{
，
X - LSL 3sd
} min
註 : min 即為取兩者之最小值。
Cpk 值 0.60 0.90 1.00 1.33 2.00 4.50
= 1.667 Since : Cp = 1.667
Process Mean = x = 13
Cpk
= USL - LSL [ 1 -( - X )/3sd] UCL - LCL
= (24-10)/(20-6) * [1-(17-13)/7]
= (14)/14 * [0.4286] = 0.4286
许多厂商被顾客要求做SPC
2. SPC 的起源 :
二战前产生于美国，二战期间应用于美 国军工，战后先在日本得到推广并繁盛。
-1900’s : 西方的生產利用抽樣或全檢查去控制物件的品質
-1930’s : 開始運用統計技術 : 統計品質管制 (SQC) -1940’s : 二次世界大戰時, 美國軍隊運用SQC去保証他們的 武器能合乎一定的水準 -1950’s : SPC品質概念傳入日本 -1970’s : 日本的高科技及品質開始被世界認同 -1980’s : 美國三大車行(通用汽車,福特及佳士拿)以及其他 的生產公司運用SPC去監管以及提高貨品的質素 2000 : Philips …...
預防生產模式(Prevention Detection Approach) :
自我監管 輸入 生產過程+SPC Products INPUT PROCESSES 貨品 SAMPLE OR 100% INSPECTION (減少) 抽樣/全面檢查 (Less) Scrap/Rework O.K. (減少) 損壞/再造
19. 製程能力指數 Cp 及 Cpk（i）
CP = = Engineering Specification Process width Allowable Spread Actual Spread = = USL - LSL Actual Data 容許寬度 實際寬度
=
顧客要求是什麼 (What the customer WANTS) ? 顧客所得是什麼 (What the customer GETS) ?
11.SPC运作的一般流程
具体量测数值 不良原因与个数 管制图、推移图、柏 拉图、直方图等39种 不良率\不良数\缺点 数\CPK\PPM\CA\CP等 管制判读 直方图、柏拉图分析 注意实时监控改善前中后状况
收 集 各 生 产 线、各 产 品 原始数据进SPC S P C 将 数 据 转 换 成 各 种 直 观 图 形 实 时 监 控 各 生 产 线、 各产品的品质状况 了 解 数 据 真 实 性、 分析各种图形
从众多原因中 找出最大原因 专案处理 （以 最 小 代 价 得出 最 大 效 果）
找出下一步可以 的可能品质状况
有问题否
无
有 及时通知制造 和工程采取措施
记录纳入 标准化
有无效果 是否明显 有 继续生产 和监控
无 立即采取其它措施 或调整部分参数
SPC运作流程实例
QC抽样检验产品，并记录数据 文员收集数据，并输入计算机 QE、生产主管、工程师分析 该批第 一组否 否 管制图 异常 否 否
3.SPC的作用（3W2H）
找出什么时候会发生异常（WHEN） 找出发生什么具体异常（WHAT） 分析出异常的具体原因（WHY） 得出解决异常的方法（HOW） 建立起预防方案（HOW）
即：看清品质状况，提前发现问题 找出问题根源，少花钱办好事 减少报表麻烦，满足客户要求 提升生产效力，降低品质成本
二、运作规划
1.相关人员权责规划 2.SPC运作流程
三、图表处理 (略) 11.管制图判读标准 12.品质级别 13.产品资料
8.用户及权限 9.检验单位 10.表尾格式
10. 訓練目的
- SPC 怎樣監管及提高貨品的質素? - 如何正確地運用 SPC ?
- 從圖表中可得到甚麼有用的資料 ?
- SPC 帶給我們甚麼好處 ?
LSL 10
T x = 20
USL 30
22. 旧七工具的簡介 I :
I.
CHECK LIST : 記錄及組織資料,以提供數據給其他工具使用, 如柏拉圖(Pareto)及直方圖(Histogram) :
4.SPC的主要内容：
主要分为：计数值与计量值两种
过程涉及： ①抽样检验 ②数据整理 ③各种图形分析（状况） ④制程分析（原因） ⑤改善监控等
SPC的结构图
计数值 数据输入
产品资料设定
基本资料建立
产品类别设定 缺点类别设定 缺点代码设定 检验工站设定
计量值 数据输入
连接仪器设定 层别条件设定 量测单位设定 表尾资料设定
S P C
知 识 讲 座
1. 甚麼是“ SPC” ?
SPC:是STATISTICAL PROCESS CONTROL的缩写
即:统计过程控制(大陆称法)
统计制程管制(台湾称法)
在美国休哈特博士发现管制图(1924年)后 (40年代)产生,由美国戴明博士在日本推广.
SPC是：
- 以統計學的原理作為基礎
连续5~10 组否
继续严密监控并提醒生产部门
是
否 是否超 出要求 是 检看原始数据 问题严 重否 通知产品工程师和生产部 否
是
是 QE分析品质状态图及指标 状态图 异常否 否 继续生产 否 是
紧急研究对策及方案
该批完 成否 是 该批生产完成入库或出货
停止生产调整或整顿 如有可能，填写制 程标准参数记录表
LCL 6 LSL 10 13 17 T x UCL 20 USL 24
Since : Cp = 1
例子說明 II :
Process Mean = X = 15 LCL UCL
Cpk
=
USL - LSL [ 1 -( - X )/3sd] UCL - LCL
= (20-12)/(22-8) * [1-(16-15)/4] = (8)/14 * [0.75]
Allowable Spread
Actual Spread
LSL
LCL
X
UCL
USL
20. 製程能力指數 Cp及 Cpk （ii）
Cp = Cpk = Where k = Cpk = USL - LSL UCL - LCL Cp (1 - k ) Target Value - process mean (USL - LSL) / 2 USL - LSL UCL - LCL USL - X
SPC作用具体表现：
1.分析共同原因与特殊原因 2.改善的评估 3.减少报表处理的工作量 4.找出最大品质问题原因,以便工作更有绩效 5.减少数据在人员传递的过程中的变异 6.分辨数据的真实性 7.从宏观到微观全面真实地了解品质状况 8.建产一个工程、品管、制造等三个与品质有 直接关系部门的沟通平台与管道