SPC_Xbar_S_Chart 过程统计控制_均值_标准差图
SPC控制程序--范本
1. 目的：
为了不断地对生产过程进行改进并满足客户对生产过程的能力要求，特规定本程序来对生产过程的稳定状态和过程能力指数进行研究，以达到生产过程预防的效果。
2. 适用范围：
适用于与汽车产品特殊特性相关的关键过程的初始过程和稳定过程的能力研究，及过程控制；
3.定义
4. 职责
4.1 品质部
1)负责SPC过程控制；
2)制定与检讨SPC的操作规格，包括样本大小，抽样频率，管制界限等。
3)负责量测、记录、判读数据，并输入控制图的对应位置，将SPC异常通知给生产部，并要求停
止生产,当SPC数据超出规格限时，需立即组织相关部门采取改善措施；
4)确认SPC异常的回复及改善结果。
5)依客户要求定期向客户提交CPK报告；
6)负责保存及维护SPC相关数据。
7)负责对SPC作业相关人员作有关SPC作业规范的培训和异常判读培训。
4.2 生产部: 配合品质部进行SPC过程控制，并对异常情况采取相对应的改善对策。
4.3 APQP小组：负责策划使用哪种SPC控制图，和控制图样品取样数和取样频次。
5. 程序内容
6. 记录
各种控制图表。
SPC所有公式详细解释及分析
SPC所有公式详细解释及分析SPC统计制程管制计量值管制图：Xbar-R(平均-全距)、Xbar-S(平均-标准差)、X-MR(个别值-移动全距)、EWMA、CUSUM等管制图。
计数值管制图：不良率p、不良数np、良率1-p、缺点数c、单位缺点数u等管制图。
常用分析工具：直方图、柏拉图、散布图、推移图、%GRR...等。
公式解说制程能力指数制程能力分析制程能力研究在于确认这些特性符合规格的程度，以保证制程成品不符规格的不良率在要求的水准之上，作为制程持续改善的依据。
制程能力研究的时机分短期制程能力研究及长期制程能力研究，短期着重在新产品及新制程的试作、初期生产、工程变更或制程设备改变等阶段；长期以量产期间为主。
制程能力指针Cp 或Cpk 之值在一产品或制程特性分配为常态且在管制状态下时，可经由常态分配之机率计算，换算为该产品或制程特性的良率或不良率，同时亦可以几Sigma 来对照。
计数值统计数据的数量表示缺点及不良(Defects VS. Defectives)缺点代表一单位产品不符要求的点数，一单位产品不良可能有一个缺点或多个缺点，此为计点的品质指针。
例如描述一匹布或一铸件的品质，可用每公尺棉布有几个疵点，一铸件表面有几个气孔或砂眼来表达，无尘室中每立方公尺含微粒之个数，一片PCB有几个零件及几个焊点有缺点，一片按键有几个杂质、包风、印刷等缺点，这些都是以计点方式表示一单位产品的特性值。
不良代表一单位产品有不符要求的缺点，可能有一个或一个以上，此将产品分类为好与坏、良与不良及合格与不合格等所谓的通过－不通过(Go-NoGo)的衡量方式称为计件的品质指针。
例如单位产品必须以二分法来判定品质，不良的单位产品必须报废或重修，这是以计件方式来表示一单位产品的特值。
每单位缺点数及每百万机会缺点数(DPU VS. DPMO)一单位产品或制程的复杂程度与其发生缺点的机会有直接的关系，越复杂容易出现缺点；反之越简单越不容易出现缺点。
统计过程控制(SPC)
11
控制图的选择
控制图的选定
计量值 数据性质
计数值
平均值
“n”=10~25 “n”是否较大
n≧1 样本大小 n≧2
Cl的性质
中位数 “n”=2~5
“n”=1
不良数
缺陷数
不良数或
缺陷数
不一定
一定
“n”是否一定
单位大小 是否一定 不一定 一定
X-s 图
X-R 图
X-R
X-Rm “p”
图
图图
“np” “c”
数据类别: 计数值数据：只以缺陷数和个数表示，不能连续取值的数据 计量值数据：以产品本身的特性来表示，可以连续取值的数据
2
两种变异
普通性（特定性）变异：不易避免的原因(普通 原因）造成的变异，如操作人员的熟练程度的 差异、设备精度与保养好坏的差异、同批原材 料本身的差异
特殊性（偶尔性）变异：可以避免也必须避免 的原因（特殊原因）造成的变异，如不同原材料 之间的差异、设备故障
“u”
图图
图
12
案例1（控制图的选择）
质量特性 长度 重量 乙醇比重 电灯亮／不亮 每一百平方米的 脏点
样本数 5 10 1
100 100平方米
选用什么图
13
答案1
质量特性 长度 重量 乙醇比重 电灯亮／不亮 每一百平方米的 脏点
样本数 5 10 1
100 100平方米
选用控制图 均值极差控制图
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%的过程问题
8
控制图的目的
控制图和一般的统计图不同，因其不仅能 将数值以曲线表示出来，以观其变异之趋 势，且能显示变异系属于机遇性或非机遇 性，以指示某种现象是否正常，而采取适 当之措施。
SPC-统计过程控制介绍
4
SPC常用术语解释
名称 平均值 （X） 一组测量值的均值 一个子组、样本或总体中最大与最小值之差 用于代表标准差的希腊字母 过程输出的分布宽度或从过程中统计抽样值（例如：子组均值）的分布宽度的 量度，用希腊字母σ或字母s（用于样本标准差）表示。 造成变差的一个原因，它影响被研究过程输出的所有单值；在控制图分析中， 它表现为随机过程变差的一部分。 一种间断性的，不可预计的，不稳定的变差根源。有时被称为可查明原因，它 存在的信号是：存在超过控制限的点或存在在控制限之内的链或其它非随机性 的图形。 解释
6
福特(Ford)马自达(Mazda)案例
Mazda
Ford
7
生产检验与控制的演化
最终产品检验 公差控制： 过程控制： 规范控制（Specification Control） 统计控制 （Statistical Control）
8
质量管理的基本原則
INPUT
PROCESS
OUTPUT
针对过程的重要控制 参数和原材料所做的 才是SPC 原料 PROCESS 測量 結果
针对产品所做的 仍只是在做SQC
12
预防或容忍?
人
机 法
环 测量 测量
好 結果
原料
PROCESS
不好
不要等产品做出来后再去看它好不好 而是在制造的时候就要把它制造好
13
SPC的作用
确保制程持续稳定、可预测。 提高产品质量、生产能力、降低成本。 为制程分析提供依据。 区分变差的特殊原因和普通原因，作为采取局部措施或对系 统采取措施的指南。
UCL CL LCL
3 σ 3 σ
33
控制图的使用
控制图的判读 使用控制图注意事项
[企业管理]统计过程控制SPC
![[企业管理]统计过程控制SPC](https://img.taocdn.com/s3/m/1a273b4a4b7302768e9951e79b89680202d86b46.png)
4
550.9 405.3 918.4
0 1400.96 2060.796172 741.1238285 1050.25
5
291.5 405.3 918.4
0 1400.96 2060.796172 741.1238285 1062.25
6
424.8 405.3 918.4
0 1400.96 2060.796172 741.1238285 1338.25
Number Xbar UCLxbar LCLxbar
Xbar-s控制图
Xbar-s 控制图与Xbar-R图相似，只是用标准差 (s) 图代替极差（R）图而已。但当样本大小 n>10，这 时应用极差估计总体标准差的效率减低，需要应 用 s 图来代替R图。现在由于计算机或计算器的应 用已经普及，s 图的计算已经不成问题，故Xbar-s 控制图的应用将越来越广泛。
R
699 417 867 884 914 1444 811 994 718 1039 1096 512
Rbar
903 903 903 903 903 903 903 903 903 903 903 903
UCLR
2060.6 2060.6 2060.6 2060.6 2060.6 2060.6 2060.6 2060.6 2060.6 2060.6 2060.6 2060.6
B3
0
0
0
0 0.030 0.118 0.185 0.239 0.284
B4 3.267 2.568 2.266 2.089 1.970 1.882 1.815 1.761 1.716
计算结果（1）
Number
S
Sbar B4Sbar B3Sbar Xbarbar Xbar+a3Sbar Xbar-a3Sbar Xbar
spc(xbar-r,xbar-s,中位数极差3合一控制图)
14 21
1.08 1.31 1.12 1.18 1.15 1.17 0.98 1.05 1.00 1.26 1.14 0.33 1.11 0.35 1.60 0.80 1.22 1.01 0.62 0.08 0.11
15 22
1.08 1.26 1.13 0.94 1.30 1.15 1.07 1.02 1.22 1.18 1.14 0.36 1.11 0.35 1.60 0.80 1.22 1.01 0.62 0.08 0.11
4 11
1.08 1.12 1.11 1.28 1.00 0.95 1.15 1.14 1.28 1.31 1.13 0.36 1.11 0.35 1.60 0.80 1.22 1.01 0.62 0.08 0.11
5 12
0.98 1.30 1.31 1.12 1.08 1.10 1.15 1.35 1.12 1.26 1.14 0.37 1.11 0.35 1.60 0.80 1.22 1.01 0.62 0.08 0.11
子组容量 D4 C4
3.27 2.57 2.28 2.11 2.00 1.92 1.86 1.82 1.78 0.80 0.89 0.92 0.94 0.95 0.96 0.97 0.97 0.97
B4
3.27 2.57 2.27 2.09 1.97 1.88 1.82 1.76 1.72
B3
0.00 0.00 0.00 0.00 0.03 0.12 0.19 0.24 0.28
2 9
1.01 1.10 1.15 0.97 1.25 1.12 1.10 0.90 1.04 1.08 1.09 0.35 1.11 0.35 1.60 0.80 1.22 1.01 0.62 0.08 0.11
SPC控制图应用步骤简明教程
1. 收集数据
2. 建立控制限
3. 统计上受不 受控的解释
4. 为了持续控 制延长控制限
当过程受控时并经过过程能力评价满足要求时， 应可以延长控制限，以满足未来过程控制的需 要。如果过程中心线偏离目标值，可能需要针 对目标值进行调整。
过程能力和过程性能
计量型数据 过程能力和过程性能
1. 过程能力：仅适用于稳定统计过程，是过程固有变差的 6 范围，
2.子组数量：为了建立控制限，通常取25个子组，或更多个子组包含100或 更多个单值读数。
3.子组容量：较大的子组能很容易探测出较小的过程变化。一般2-5个样本。 4.子组频率：通常按时间顺序来取子组，目的是探测过程随时间发生的变化。
推荐的频率见附表所示
附表 推荐的子组频率
每小时产量
10以下 10-19 20-49 50-99 100以上
1. 计量型控制图
1) 单值与移动极差控制图（I-MR）。 【 样本量n=1】 2) 均值极差控制图（XBar-R图）； 【样本量2 ≤n ≤9】
~ 3) 均值与标准差控制图（XBar-S图）；【样本量n ≥10】
4) 中位数与极差控制图（X-R图）；
2. 计数值控制图
1) 不良率控制图（P图）； 2) 不良数控制图（NP图）； 3) 缺点数控制图（C图）； 4) 单位缺点数控制图（U图）。※
drσ ≥50%
评价 接近稳定 不太稳定
不稳定 很不稳定
6西格玛相关
（一）连续型数据的流程能力
流程的西格玛水平：Z值 Z值可以描述流程的不合格率P(d)
ZUSL =
USL-X
ZLSL =
X-LSL
SPC控制图的种类及判异方法48页
5 0.501 0.499 0.500 0.500 0.501 0.500 0.502 0.500 0.503 0.502 0.500 0.502
SPC统计过程控制
一、控制图的种类
SPC统计过程控制
一、控制图的种类
SPC统计过程控制
二、控制图的选择方法
计量值
控制图的选择
数据性质
计数值
N≧2 X
样本大小 N=1
N=? _ X
CL性质?
N=2-5
N≧10
N=?
不良数
数据系不良数 缺点数 或缺点数
是
不是
N是否相等?
是 单位大小 是否相同?
X~ R X R
3 0.504 0.505 0.501 0.502 0.506 0.502 0.504 0.502 0.504 0.501 0.501 0.499 0.503
4 0.503 0.500 0.502 0.503 0.502 0.501 0.501 0.503 0.502 0.503 0.501 0.498 0.499
顺序收集了25个样本。
SPC统计过程控制
四、计量型数据控制图
收集的数据表
SubNo
1
2
3
4
5
6
7
8
9 10 11 12 13
1 0.498 0.504 0.500 0.499 0.505 0.503 0.503 0.502 0.502 0.504 0.503 0.500 0.504
2 0.501 0.502 0.499 0.503 0.506 0.501 0.501 0.499 0.502 0.502 0.498 0.501 0.503
U chart 单位缺点数控制图
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
理解SPC统计图表的解读
理解SPC统计图表的解读SPC（统计过程控制）是一种质量管理方法，旨在监控和控制过程中的变异性。
在SPC中，统计图表被广泛使用来帮助我们理解和解读过程中发生的变化。
本文将介绍几种常见的SPC统计图表，并解读它们的意义和应用。
1. 控制图控制图是SPC统计图表中最常见的一种。
它用来监控过程中的变异性，并判断过程是否处于控制状态。
常用的控制图包括X-bar图、R图和S图。
X-bar图X-bar图是用来监控过程平均值变化的控制图。
在图表上，我们可以看到一条中心线，代表过程的平均值，以及上下两条控制限，用于判断过程平均值是否处于控制状态。
解读X-bar图时，我们需要注意以下几点：•若数据点在控制限内波动，表示过程的平均值保持稳定；•若数据点在控制限之外，可能表示过程平均值发生了变化，需要进一步分析原因。
R图R图用来监控过程的变异性，即数据点之间的离散程度。
R图展示了一条上控制限、下控制限和一条平均线，用于判断过程的变异性是否在可接受的范围内。
解读R图时，我们需要注意以下几点：•若数据点在控制限内波动，表示过程的变异性保持稳定；•若数据点在控制限之外，可能表示过程的变异性超出了可接受的范围，需要进一步分析原因。
S图S图也是用来监控过程的变异性，与R图类似，但S图使用样本标准差来度量数据点之间的离散程度。
解读S图时，我们需要注意以下几点：•若数据点在控制限内波动，表示过程的变异性保持稳定；•若数据点在控制限之外，可能表示过程的变异性超出了可接受的范围，需要进一步分析原因。
2. 度量图度量图是SPC统计图表中用于度量过程能力的工具。
它帮助我们评估过程在规定限制范围内的表现，并判断过程能否满足要求。
常见的度量图包括直方图和正态概率图。
直方图直方图是一种以柱状表示数据分布情况的图表。
它可以帮助我们了解数据的分布形态和集中程度。
解读直方图时，我们需要注意以下几点：•若数据呈现类似正态分布的形态，表示过程的性能较好；•若数据呈现偏态或多峰分布的形态，可能需要进一步分析导致该现象的原因。
SPC中的参数
1．XBar-R Chart这个图是叫：均值和极差图：代表的是均值R：代表极差将鼠标指到采样点上，会有弹出框，如上图：中的Index:2，<1>，<2>是采样点的数值，XBar是这些数值的的平均值，由于在属性页的次组中设置为2，即2个采样点为一组，所以这里弹出中是<1>，<2>两个点的数值。
R Chart 中的Index:2 也是类似的，Range是这两个采样点极差的平均值。
下面的具体参数：Nom:：理论值LSL：SPC中叫做工程下限，也就是下公差USL：SPC中叫做工程上限，也就是上公差Max：采样点的最大值Min：采样点的最小值Ca：capability of accuracy 准确度Cp：capability of precision 精确度Cpk：稳定过程能力参数，MIN（CPU，CPL）UCL：控制上限LCL：控制下限Pp:性能指数Ppk:性能指数Std：标准差Range:极差Mean:均值Lout%：超出下公差的比率Uout%：超出上公差的比率Pp和Ppk都叫做性能指数，但是计算公式不一样。
2．XBar-S Chart这个图是叫：均值和标准差图S：代表标准差。
其他的参数类似。
3．XBar-Rm Chart：X-Rm Chart：一般资料里叫做X-MR图，是单值和移动极差图。
弹出框中的参数：IX：单个采样点的值Range：极差4．Histogram Chart:这个图是：直方图5．Capability Chart:这个是：正态分布图-3S和+3S：分别代表+/-3倍标准差6．Run Chart:这个是：监控-运行图，是和理论值的对比，弹出框的数据显示了每个采样点的数值。
7．属性页：次组：这里可以选择2-25个采样为1组。
最大值25的设置依据是从有效经验数据得来的。
采样：这里记录了每个采样点的数值。
Spc应用计算公式(超全)
SPC所有公式详细解释及分析SPC统计制程管制计量值管制图： Xbar-R(平均-全距)、Xbar-S(平均-标准差)、X-MR(个别值-移动全距)、EWMA、CUSUM等管制图。
计数值管制图：不良率p、不良数np、良率1-p、缺点数c、单位缺点数u等管制图。
常用分析工具：直方图、柏拉图、散布图、推移图、%GRR...等。
公式解说制程能力指数制程能力分析制程能力研究在于确认这些特性符合规格的程度，以保证制程成品不符规格的不良率在要求的水准之上，作为制程持续改善的依据。
制程能力研究的时机分短期制程能力研究及长期制程能力研究，短期着重在新产品及新制程的试作、初期生产、工程变更或制程设备改变等阶段；长期以量产期间为主。
制程能力指针 Cp 或 Cpk 之值在一产品或制程特性分配为常态且在管制状态下时，可经由常态分配之机率计算，换算为该产品或制程特性的良率或不良率，同时亦可以几 Sigma 来对照。
计数值统计数据的数量表示缺点及不良(Defects VS. Defectives)缺点代表一单位产品不符要求的点数，一单位产品不良可能有一个缺点或多个缺点，此为计点的品质指针。
例如描述一匹布或一铸件的品质，可用每公尺棉布有几个疵点，一铸件表面有几个气孔或砂眼来表达，无尘室中每立方公尺含微粒之个数，一片PCB有几个零件及几个焊点有缺点，一片按键有几个杂质、包风、印刷等缺点，这些都是以计点方式表示一单位产品的特性值。
不良代表一单位产品有不符要求的缺点，可能有一个或一个以上，此将产品分类为好与坏、良与不良及合格与不合格等所谓的通过－不通过(Go-NoGo)的衡量方式称为计件的品质指针。
例如单位产品必须以二分法来判定品质，不良的单位产品必须报废或重修，这是以计件方式来表示一单位产品的特值。
每单位缺点数及每百万机会缺点数(DPU VS. DPMO)一单位产品或制程的复杂程度与其发生缺点的机会有直接的关系，越复杂容易出现缺点；反之越简单越不容易出现缺点。
SPC统计过程控制详述
所以在考察控制图时，首先应该考察R图是 否保持在统计控制状态。
当R图保持在统计控制状态时，再进一步考 察均值的控制图。
建立控制图，进行控制的一般步骤：
（1）收集k组预备数据(也称为参考数据)，计 算每一个样本的均值与极差。
考虑到过程偏移的影响,过程能力指数
LSL
M
USL
T
若Cpk大，则产品的不合格品率就低。通 常要求它大于1.33。要提高实际的过程能力指 数，可以采取的措施是：
当Cp大Cpk小的时候，可以减少过程中心 与规范中心的偏离ε
当Cp小的时候应该减少标准差
2）长期的过程能力指数： (1) 潜在的过程性能指数Pp ： 这是对双边规范来讲的，设规范要求特性 值的下限与上限分别为LSL与USL，那么
2. 常规控制图的种类
（1）计量值控制图 均值-标准差控制图( -s 图) 均值-极差控制图( -R 图) 中位数-极差控制图( -R 图，也有 用Me-R图表示) 单值-移动极差控制图(x-Rs 图)
（2）计数值控制图
不合格品率控制图(p 图) 不合格品数控制图(pn 图) 单位缺陷数控制图(u 图) 缺陷数控制图(c 图)
1. 控制界限：
为制订控制界限，首先要收集k个子组数 据（即k个样本），每一组的大小（即样本容 量）为 n，第 i 组的数据记为xij，并对每一样 本计算样本均值与样本极差。
对i=1,2, …,k有： ，Ri ，再计算它们的平 均值：
用极差控制图时要求n<10
由于
因此均值-极差控制图的中心线分别是 上下控制界限分别是
主要有如下几种： 短期的：Cp,Cpk,CpU,CpL 长期的：Pp,Ppk,PpU,PpL
超详细SPC统计过程控制讲解
漏发错误（纳伪错误）:过程已异常，
但仍会有部分产品质量特性值的数值 大小位于控制界限内，若抽样样本特 性值数值在该范围，则将不合格总体
造成不合格、废品，增 加损失。
判为合格。
根据使两种错误造成的总损失最小的原则来确定UCl和lCl二者之间的最优间隔 距离。从经济质量管理的角度分析验证，休哈特提出的当上下控制界限之间最 优间隔距离为6σ时，两类错误造成的总损失最小，即α=0.0027。
b lCl a
判异准则2：连续9点落在中心线一 侧。第一类错误概率：α0=2*（ 0.9973/2) 9=0.0038
UCl a b
XC C b
lCl a
UCl a
b
X
判异准则3：连续6点递增或递减。
C XC
第一类错误概率：
α0=(2/6!)*(0.009973)6=0.0027
b a
lCl
基础知识
常工序 产品批量较大,稳定正
常工序 每次只能得一个数据,
见效快
样本含量可以不等
样本含量相等
样本含量可以不等
样本含量相等
一、创先争优工作开展情况 计量型控制图
控制图的分类——按目的分
分析用控制图： a)分析过程是否处于统计控制状态，或称统计稳态？ b)判断过程的过程能力是否满足要求？
控制用控制图： 当过程达到了所要求的状态后，将分析用控制图的控制线延
X X X
一、创先争优工作开展情况
基础知识
九、控制图的判异
判异准则4：连续14点中相邻点上下 交替。第一类错误概率：α0=0.0027
UCl a b
XC C
b
lCl a
判异准则5：连续3点中有2点落在中心 线同一侧b区外。第一类错误概率：
SPC_Xbar_S_Chart 过程统计控制_均值_标准差图
1.061 1.061 1.040 1.061 1.061 1.040 1.061 1.061 1.040 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 9.487 0.689 1.103 0.941 0.689 1.103 0.941 0.689 1.103 0.941 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 8.197
ΣS＝
0.37
If out of tolerance 如超出公差
> USL Blue < LSL Red N＝ 108
ΣＸ
10.56 12.57 11.88 10.56 12.57 11.88 10.56 12.57 11.88
Average平均
X Bar均值 0.880 1.048 0.990 0.880 1.048 0.990 0.880 1.048 0.990 S标准差 1.20 1.15 1.10 1.05 1.00 0.95 0.90 0.85 0.80 0.75 0.70 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
S UCL 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 CL 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 LCL 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 USL 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 LSL 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850
SPC统计常用控制图评价
SPC统计常用控制图评价引言SPC〔Statistical Process Control，统计过程控制〕是一种通过采集和分析过程数据，以便实时监控和控制过程稳定性的方法。
常用的SPC工具之一是控制图，它能够帮助我们识别过程中的特殊因素和常见问题，并实施相应的改良措施。
本文将介绍SPC常用控制图，并对其评价方法进行讨论。
一、SPC常用控制图1.1 均值图均值图〔X-Bar图〕是一种常用的控制图，用于监控连续型数据的均值是否稳定。
它通过绘制样本均值的变化情况，以及控制限的设置，来判断过程是否受到特殊因素的影响。
如果样本均值超出控制限范围，就说明过程出现了问题。
1.2 极差图极差图〔R图〕是另一种常用的控制图，用于监控连续型数据的变异性是否稳定。
它通过绘制样本极差的变化情况，以及控制限的设置，来判断过程是否存在异常变异。
如果样本极差超出控制限范围，就说明过程出现了问题。
1.3 标准差图标准差图〔S图〕是控制图中另一种用于监控连续型数据变异性的工具，它通过绘制样本标准差的变化情况，以及控制限的设置，来判断过程的稳定性。
如果样本标准差超出控制限范围，就说明过程存在异常变异。
1.4 化验图化验图〔C图〕是一种用于检测离散型数据的控制图。
它通过绘制样本中不良品的数量或比例的变化情况，以及控制限的设置，来判断过程是否稳定。
如果样本不良品数量或比例超出控制限范围，就说明过程存在问题。
二、控制图的评价方法控制图的评价方法主要包括特殊因素的判断和过程能力的评估。
2.1 特殊因素的判断特殊因素指的是导致过程异常的特殊因素，比方机器故障、操作失误、原材料问题等。
通过控制图的帮助，我们可以判断特殊因素是否存在。
一般来说，如果样本点落在控制限之外，或出现非随机的趋势、扰动或周期性变化，就可能是由特殊因素引起的。
在判断特殊因素的时候，还需要考虑其实质性和重复性，以防止过度反响。
2.2 过程能力的评估过程能力是指过程的稳定性和可控性。
SPC 培训教材
式中： X1 ， X2 • • • •为子组内的每个测量值。n 表示子组 的样本容量
1-4、选择控制图的刻度 4-1 两个控制图的纵坐标分别用于 X 和 R 的测量值。 4-2 刻度选择 ：
注：一个有用的建议是将 R 图的刻度值设置为 X 图刻度值的 2倍。
（ 例如：平均值图上1个刻度代表0.01英寸，则在极差图上1 个刻度代表0.02英寸） 1-5、将均值和极差画到控制图上 5-1 X 图和 R 图上点描好后及时用直线联接，浏览各点是否合 理，有无很高或很低的点，并检查计算及画图是否正确。 5-2 确保所画的X bar和R点在纵向是对应的。 注：对于还没有计算控制限的初期操作的控制图上应清楚地 注明“初始研究”字样。
*
极差（R 图）
日期 时间 1
读2 3
数4 5
和
和 X= 读数数量 R=最高-最低
*样本容量小于7时，没有极差的下控制限
零件号：XXX 零件名称：XXX
对特殊原因采取措施的说明
o 任何超出控制限的点 o 连续7点全在中心线之上或
之下 o 连续7点上升或下降 o 任何其它明显非随机的图
形
采取措施的说明
7
.42
8
.37
9
.34
10
.31
D3 * * * * *
.08 .14 .18 .22
D4 3.27 2.57 2.28 2.11 2.00 1.92 1.86 1.82 1.78
在确定过程能力之前， 过程必须受控。
36
1-3、计算每个子组的均值（Xbar）和极差R 对每个子组计算： X=（X1+X2+…+Xn）/ n
控制界限=平均值±3σ
统计过程控制(SPC)学习要点
一般按产品的生产顺序或测定顺序，排列数据；3).将收集数据分组并记入表中（提供控制图常用表格）4).计算平均值（X）、极差（R）总平均值（X）平均极差（R）5).计算控制界限CLx、UCLx、LCLx CLR UCLR LCLR6).绘制控制界限7).点图8).控制图分析4、控制限分析：1).所有的控制点均在控制界限内随机分布，则可以作为控制界限。
2).某些控制点超出控制界限，则应对异常原因进行调查，并加以消除。
然后利用剩余的数据重新计算控制界限。
3).虽有控制点超出控制界限，但原因不明，或已查明原因但无法消除，则这些点无需剔除。
4).如果所有的控制点均在控制界限内随机分布则可以以此作为控制过程的控制图5).与现有规格作为比较a.如果控制界限在规格范围内，且分布中心与规格中心基本重合，可认为过程能力可以满足规格的要求，以此作为正常生产控制用控制图b.如果各控制点都在控制界限内且呈随机分布可以判定过程在受控状态6).如果有超出控制界限点时，则应作以下工作：a.对此异常点进行分析并加以处置，并要有预防措施b.均值控制图有超界限点时，表示过程平均发生变化或变异增大c.极差控制图有超界限时，表示过程变异增大。
7).如果过程控制要项发生变化。
如设备、人员、原料等因素，此时应对控制界限重新进行计算。
重新收集数据进行计算，找出客观的控制界限。
5、均值-标准差控制图（x - S）将均值控制图与标准差控制图联合使用的一种控制图形式。
其中：均值为样本均值，标准差为样本标准差S。
均值控制图的控制界限的计算公式：CL=X UCL=X+A3S LCL=X-A3S标准差控制图控制界限的计算公式：CL=S UCL=B8 S LCL= B7 S绘制均值与标准差控制图制内容与均值-极差控制图（X-R）内容基本相同6、中位数-极差控制图（x - R）将中位数控制图与极差控制图联合使用的一种控制图形式。
每抽到一个样本，将数据均以“o”的符号记在控制图上，同时将中位数以“•”打点。
- 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)。
0.7979 0.8862 0.9213 0.9400 0.9515 0.9594 0.9650 0.9693 0.9727 0.9754 0.9776 0.9794 0.9810 0.9823 0.9835 0.9845 0.9854 0.9862 0.9869 0.9876 0.9882 0.9887 0.9892 0.9896 0.973 0.978 0.990
X Bar--S Chart 均值--标准差图
Wrok Station Cutting rear cover 工作站 Parameter 参数 Hole depth Tolerance 公差 USL上公差 Target目标值 1.15 1.00 Lot Size 子组大小 12 Lot Number 子组数目 Control Limit X Bar Chart 控制限 均值图 UCL上控制 1.00844 限 CL中心线 0.97250 S Chart 标准差图 0.06676 0.04056 Department 部门 Line 生产线 Pre-assembly shop Date 日期 Sampling 取样 2015 Oct 3
sigma'=sbar/c4 c4
0.9776
A3
0.8860
B4
1.6460
B3
0.354
2~9 10~17 18~25
n d2 D3 D4 A2 A3 B4 B3 C4
2
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
3.078 0.000 0.000 0.223 0.000 0.000 1.777 0.000 0.000 0.308 0.000 0.000
Line 3
Every 4 hours
Unit Inspector Remarks cm 0.85 9 0.93656 0.01436 Andy Zhou LSL下公差 LCL下控制限 单位 检验者 备注 Date/Time Nov1 Nov2 Nov3 Nov4 Nov5 Nov6 Nov7 Nov8 Nov9 Nov10 Nov11 Nov12 Nov13 Nov14 Nov15 Nov16 Nov17 Nov18 Nov19 Nov20 Nov21 Nov22 Nov23 Nov24 Nov25 日期/时间 Lot 子组序号 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
0.091 0.011 0.020 0.091 0.011 0.020 0.091 0.011 0.020
Ｘ＝
0.972
S= 0.041
X B a r
Expected PPM 预期的PPM 1585
Capacity过程能力 Std.Dev.= Sigma= Ppk= Pp= Ca= Cpk=
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
1.061 1.061 1.040 1.061 1.061 1.040 1.061 1.061 1.040 0.000 0.689 1.103 0.941 0.689 1.103 0.941 0.689 1.103 0.941 0.000 0.706 1.124 0.960 0.706 1.124 0.960 0.706 1.124 0.960 0.000 0.672 1.103 0.980 0.672 1.103 0.980 0.672 1.103 0.980 0.000
1.128 1.693 2.059 2.326 2.534 2.704 2.847 2.970 3.078 0.000 0.000 0.000 0.000 0.000 0.076 0.136 0.184 0.223 3.267 2.574 2.282 2.114 2.000 1.924 1.864 1.816 1.777 1.880 1.023 0.729 0.577 0.483 0.419 0.373 0.337 0.308
1.061 1.061 1.040 1.061 1.061 1.040 1.061 1.061 1.040 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 9.487 0.689 1.103 0.941 0.689 1.103 0.941 0.689 1.103 0.941 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 8.197
0.000 0.000 0.000
X UCL 1.008 1.008 1.008 1.008 1.008 1.008 1.008 1.008 1.008 1.008 1.008 1.008 1.008 1.008 1.008 1.008 1.008 1.008 1.008 1.008 1.008 1.008 1.008 1.008 1.008 1.008 CL 0.972 0.972 0.972 0.972 0.972 0.972 0.972 0.972 0.972 0.972 0.972 0.972 0.972 0.972 0.972 0.972 0.972 0.972 0.972 0.972 0.972 0.972 0.972 0.972 0.972 0.972 LCL 0.937 0.937 0.937 0.937 0.937 0.937 0.937 0.937 0.937 0.937 0.937 0.937 0.937 0.937 0.937 0.937 0.937 0.937 0.937 0.937 0.937 0.937 0.937 0.937 0.937 0.937
2.659 1.954 1.628 1.427 1.287 1.182 1.099 1.032 0.975 0.927 0.886 0.850 0.817 0.789 0.763 0.739 0.718 0.698 0.680 0.663 0.647 0.633 0.619 0.606 0.975 0.886 0.606 3.267 2.568 2.266 2.089 1.970 1.882 1.815 1.761 1.716 1.679 1.646 1.618 1.594 1.572 1.552 1.534 1.518 1.503 0.000 0.000 0.000 0.000 0.030 0.118 0.185 0.239 0.284 0.321 0.354 0.382 0.406 0.428 0.448 0.466 0.482 0.497 1.49 1.477 1.466 1.455 1.445 1.435 1.716 1.646 1.435 0.51 0.523 0.534 0.545 0.555 0.565 0.284 0.354 0.565
Total 总计 ΣＸ＝ 105.03
1 2 3 4 5 6 7 8 9 10 11 Data 数据 12
1.03 1.03 1.02 1.03 1.03 1.02 1.03 1.03 1.02 0.83 1.05 0.97 0.83 1.05 0.97 0.83 1.05 0.97 0.84 1.06 0.98 0.84 1.06 0.98 0.84 1.06 0.98 0.82 1.05 0.99 0.82 1.05 0.99 0.82 1.05 0.99 1.03 1.03 1.02 1.03 1.03 1.02 1.03 1.03 1.02 0.83 1.05 0.97 0.83 1.05 0.97 0.83 1.05 0.97 0.84 1.06 0.98 0.84 1.06 0.98 0.84 1.06 0.98 0.82 1.05 0.99 0.82 1.05 0.99 0.82 1.05 0.99 1.03 1.03 1.02 1.03 1.03 1.02 1.03 1.03 1.02 0.83 1.05 0.97 0.83 1.05 0.97 0.83 1.05 0.97 0.84 1.06 0.98 0.84 1.06 0.98 0.84 1.06 0.98 0.82 1.05 0.99 0.82 1.05 0.99 0.82 1.05 0.99
S UCL 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 CL 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 0.041 LCL 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 0.014 USL 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 1.150 LSL 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850 0.850