SPC统计制程分析表
SPC 报表
SPC是(Statistical Process Control)的缩写;中文意思为"统计制程管制"(台湾称法)"统计过程控制"(大陆称法)是利用统计学的原理,对制造业在制程中的品质进行管制,以达到尽可能第一次把品质做好.(可以应用到任何一个有大量数据产生的地方,如财务分析等)1924年美国休哈特发明管制图;二战期间,美国军方提出MIL—STD—105E和MIL—STD—414(抽样计划)二战结束后,戴明到日本指导品质,得以广泛应用.SPC的功能看清品质状况,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SPC的主要内容计数值以计产品的不良件数或点数的表示方法,数据在理论上有不连续的特性,故称之为离型变量;抽样计划采用每批抽取样本,如MIL—STD—105E(GB2828)计量值指产品须经过实际量测而取得的连续性实际值,并对其做数理分析,以说明该产品在此量测特性的品质状况的方法.抽样计划采用每固定时间抽取4—20个样本量测,如MIL—STD—414(GB6378)基本资料设定计数值数据输入计量值数据输入普通管制分析PPM/不良推移单品质特性图多品质特性图表尾资料设定量测单位设定层别条件设定连接仪器设定栓验作站设定缺点代码设定缺点类别设定产品类别设定产品资料设定制程能力分析图CPK推移图a Chart 制程式标准差分析图sChart 规格标准差分析图K Chart K 倍标差管制图Histogram Chart 直方图Median-R Chart 中位数全距管制图X-Rm Chart 个别值与全距管制图Xbar-S Chart平均数标准差管制图Xbar-R Chart平均数全距管制图柏拉图U-Chart单位缺点数管制图C-Chart缺点数管制图NP-Chart不良数管制图P-Chart不良率管制图PPM推移图不良率推移图多品质特性图SPC架构特殊原因与一般原因特殊原因是指由于制程中某一个小部位的突发变异产生问题,难以预料,只有一经发现,由现场人员立即判断并处理.不在统计制程管制下.由偶然因素产生,事先无法预测.一般原因是指由目前整体因素变异产生的问题,可以预测,问题要由各相关部门协助共同解决.制程中变异因素在统计的管制之下,产品特性有固定分布.成功推行SPC的条件最高管理层的大力支持;中层干部有能力分析各种SPC图形,在有良好品质观念的础上及时分析图形;做一份详尽,全面,系统的SPC系统规划;建议用专业软件来做;数据收集要真实,适时SPC运作的重点与难点相关人员的教育训练;全面的一个系统规划;适时收集数据;适时监控图形;问题改善;形成标准.全厂SPC系统规划,如各部门的抽样计划图形分析,还要能正确地分析和判断出品质状况;找到改善方案;形成书面措施第二篇图形制作技术数据收集;各项品质指标;Xbar-R平均数全距管制图P-Chart不良率管制图NP-Chart不良数管制图U-Chart 单位缺点数管制图CPK推移图等等计量值数据收集——主要对产品的重要特性按一定时间间隔抽取一定的样本,然后进行量测,再将量测值做处理.每次抽样数大部份产品采用5-20管制点一般为设计时设定的重要特性或客户要求的重要尺寸各项层别条件数据条件项目抽样频率一般为每2小时或4小时时间段选择产品相关项目MIL-STD-414和GB6378数据筛选数据收集项目抽样计划统计学基本概念与基本理论一组距一组数据中的最大值减去最小值R=MAX—MIN作用:可以看出这组数的精密度,并判断出这组数据的制程幅度有多大.二平均数(Mean,常用Xbar或X表示)把一组数据全部相加,再除以该组数据的个数.X=(X1+X2+……Xn)/n注意:平均数的小数字数一定要取到比样本数小数字数多一位.三中位数(Median,用M表示)把一组数据先按大小顺序排列起来,然后取最中间一位. 若该组数据为奇数,则取最中间一位,若该组数据为偶数,则取中间两位的其中一位.如:数据X1,X2,X3……Xn是按从大到小顺序排列, 则:X(n+1)/2(n为奇数)M= 或X(n/2)或X(n/2+1)四方差(2,有时用S表示)由该组数据中每个数据减实际平均数平方的和再除以该数组数据的个数(n).∑(Xi—Xbar)2n—1注:有些书上可能是除以n(样本数在50以下时),方差越小越好2=五标准差(S)直接由方差开平方得来.S= =√(∣X1—X∣2+∣X2—X∣2+……+∣Xn—X∣2)/n—1注:有些书上直接使用n.在SPC软件中,有两种标准差,一个是规格标准( s),另一个制程标准差( a).a是统计学上的标准差概念,由上述公式计算得来;s是品管中为便于比较而引进的,计算方法为:s=(USL—LSL)/6管制界限管制中心线(CL),是实际数据的平均值(即CL=Xbar);管制上限(UCL),Xbar+ 3 ;管制下限(LCL),Xbar—3 ;注意:如管制上下限都在规格上下限之间,表明制程能力很好,生产能力在管制范围之内,很少甚至没有不符合规格的产品.若超出或偏离规格上下限,表明制程有问题,有可能出现不良品.。
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。
SPC管制图及制程能力分析
制程能力调查的应用
1 工艺验证 工艺验证就是通过工艺实施，验证设计的可行性和合理性。 它是联系设计和制造的纽 带。在工艺验证中，通过工序能力调查，可
(1)选择既可实现设计质量、又可采用经济又合理的设备、工艺、原料 与技术；
(2)确认适宜的工序能力，并确定与之相适应的工艺规程、技术标准、 作业指导书及管理对
●控制用控制图 等过程调整到稳态后，延长控制图的控制线作为 控制用控制图。应用过程参数判断
常用的计数型控制图
分布 控制图代号 控制图名称
备注
二项
N = 固定值或变值（计算零件
分布
不合格品控制图 数）
(计件
p
值)
都可p、np图可由不合格数
npT
np
不合格品数控制图 N = 固定值（计算零件数）
泊松 分布 (计点
（若若为偶数个数值，则取最中间两数的平均）
四分位数：在此数值之下，有1/4或3/4的数值分布。
上四分之一First Quartile (Q1) ＝5
下四分之一Third Quartile (Q3) ＝8.75
这些参数合在一起,可以大概给出数据的分 布情况.(即Box plot)
3
定义
SPC统计过程控制: 籍制程调查,收集数据. 比较规格,籍统计学方法对数据作科学分析
分析出制程变异性,进而降低变异以期预防
品质问题,提升品質.
重要工具
管制图( X-R Chart ) 制程能力Ca Cp &Cpk Ca (Capability of Accuracy)---制程准
指标要求的适合 程度。为产品设计、工艺、 工装设计、设备的维修、调整、更新、改 造提供必要的资料和依据
SPC制程控制统计表-膜厚折射率
#REF! 0.006 #REF!
#REF! 0.006 #REF!
#REF! 0.006 #REF!
36
37
38
39
40
41
42
43
44
45
46
47
48
50
51
52
53
54
55
56
57
58
59
60
61
0.000 2.143 2.126 2.110 0.000
0.000 2.143 2.126 2.110 0.000
0.000 2.143 2.126 2.110 0.000
0.000 2.143 2.126 2.110 0.000
0.000 2.143 2.126 2.110 0.000
0.000 2.143 2.126 2.110 0.000
0.000 2.143 2.126 2.110 0.000
0.000 2.143 2.126 2.110 0.000
0.000 2.143 2.126 2.110 0.000
0.000 2.143 2.126 2.110 0.000
0.000 2.143 2.126 2.110 0.000
0.000 2.143 2.126 2.110 0.000
49
50
51
52
53
54
55
56
57
58
59
60
#REF! 0.006 #REF!
0.000 2.143 2.126 2.110 0.000
0.000 2.143 2.126 2.110 0.000
0.000 2.143 2.126 2.110 0.000
spc统计制程管制(SPC)
6
變異的來源
機遇原因
來自於潛在的自然變異 消除它們的成本很昂貴
可歸屬原因
反應製程的不穩定 統計製程管制最主要的目的就是要快速的偵測出 製程中的可歸屬原因或是偏移的發生
7
管制圖
為一種特殊的趨勢圖，它可以表現出產品特 性的變化情形
管制圖由三部份組成---管制界限(control limit)、中心線(center line)與樣本點
p Chart ; Mean:.168000 Sigma:.037387 n:100
.280160
.168000
12
4
6
8
妓セ絪腹
.055840 10
ぃ▆计
24
建立管制圖的步驟
步驟一：選擇品質特性 步驟二：選取合理樣本 步驟三：蒐集數據 步驟四：決定試用管制界限 步驟五：建立修正後的管制界限 步驟六：管制圖延續使用
分為計數值管制圖與計量值管制圖兩種類型。
8
管制圖的例子
妓セ翴 恨
いみ絬 恨
恨
1
5
10
15
20
25
妓セ
9
計數值管制圖
優點
計算簡單
能夠同時對不同的品質特性做整體性的控 制
種類
p管制圖 np管制圖 c管制圖 u管制圖
10
p 管制圖
ぃ▆瞯
0.07 0.06 0.05 0.04 0.03 0.02 0.01 0.00
說
明
中抽取 n 個產品，而發 現不良品個數為 x 的機
良焊點數 x 出現的機率 將會服從卜瓦松分配的
鐘，最主要的特徵是大 多數的數據會集中在平
率將會服從二項分配的 形態。
均數附近，而極大與及
SPC在制程中的基本统计过程
0.645 0.658 0.650 0.648 0.647 0.655 0.645 0.647 0.647 0.648
0.641 0.654 0.643 0.654 0.642 0.652 0.641 0.652 0.641 0.649
0.650 0.660 0.649 0.650 0.643 0.654 0.644 0.649 0.644 0.650
2021/1/2
14
品質管制與統計方法
• 可用之特殊統計方法及應用包含〈但並不限於〉： (1) 實驗計畫法 / 因子分析 (2) 變異數分析 / 迴歸分析 (3) 安全性評估 / 風險分析 (4) 顯著性檢定 (5) 管制圖 (6) 抽樣檢驗
2021/1/2
15
二、直方圖
• 直方圖的意義 • 次數分配 • 直方圖的應用
製程回饋管制系統模式
製程的聲音
人員 設備 材料 方法 環境
統計方法
作業方式 / 產品或服務
資源混用方式
顧 客
輸入
製程/系統
輸出
辨識變化的 需求與期望
顧客的聲音
2021/1/2
4
一、基本統計概述
• 統計方法的意義 • 群體與樣本 • 資料的分類 • 資料的分析 • 品質管制與統計方法
2021/1/2
2021/1/2
0.647 0.646 0.649 0.640 0.663 0.649 0.652 0.643 0.655 0.638
0.646 0.655 0.651 0.652 0.662 0.642 0.661 0.641 0.658 0.645
0.649 0.649 0.637 0.657 0.647 0.637 0.654 0.653 0.649 0.650
SPC_CPK分析Excel版有正态分布图
NO测定 D A T A 14.38 4.30 4.24 4.37 4.31 3.8=SL 4.8=SU 24.41 4.46 4.30 4.27 4.2434.27 4.41 4.46 4.42 4.3144.46 4.38 4.30 4.34 4.2454.42 4.41 4.46 4.41 4.3264.41 4.30 4.27 4.39 4.2974.38 4.27 4.34 4.24 4.2484.32 4.34 4.32 4.32 4.4194.29 4.4 4.27 4.34 4.29104.24 4.38 4.34 4.32 4.41114.34 4.29 4.27 4.34 4.42124.32 4.38 4.34 4.32 4.34134.33 4.27 4.32 4.33 4.41144.30 4.27 4.29 4.39 4.29基准表★ 工程能力的有无是按照如下基准来判断154.34 4.34 4.24 4.24 4.32A+▶ 2.0 > Cpk ≥ 1.67 : 优,应当保持164.33 4.4 4.34 4.46 4.29A ▶ 1.67 > Cpk ≥ 1.33 : 能力良好，状态稳定，但应尽力提升为A ＋级174.30 4.27 4.32 4.34 4.24 B ▶1.33 > Cpk ≥ 1.00 : 状态一般，应利用各种资源及方法将其提升为 A 级184.34 4.34 4.33 4.32 4.34C ▶ 1.00 > Cpk ≥ 0.67 : 差 制程不良较多，必须提升其能力194.31 4.31 4.30 4.27 4.32 D ▶ 0.67 > Cpk : 不可接受,其能力太差，应考虑重新整改设计制程204.27 4.29 4.43 4.27 4.33结论212223▶ 规格中心 (μ) 与 测定 平均值的差异 :0.03124253.8=SL4.8=SU 262728293031324.3=μ33LOT NO 测定者样品数(n)100下限规格 (SL) 3.80测定设备功率表测定日最大(Max)4.46上限规格(SU) 4.80客户名做成者最小(Min)4.24规格中心(μ) 4.30规格做成日平均(X-bar)4.33Cp 2.84测定项目功率标准偏差(σ)0.06Cpk 2.66产品名上限不良PPM0.0母集团推定不良率工程名下限不良PPM 0.00PPM 特别备注工程能力分析表0 5 10 15 20 25 4.21 4.24 4.27 4.30 4.32 4.35 4.38 4.41 4.43 4.46 4.49 4.52。
spc制程能力分析
SPC 概述Statistical Process ControlSPC Introduction统计性统计管理(SPC = Statistical Process Control)란 ?Statistical ...•统计性方法是用Sampling的Data Monitoring 、分析Process 变动时使用。
Process ...•反复性的事情或者阶段(SIPOC : Supplier → Input → Process → Output → Customer)Control ...• Process正在变化的事实早期警报。
警报是指最终Output出来之前纠正问题，能够具有充分的时间(管理图 : 随着时间工程散布的变化)SPC –对某个 Process掌握品质规格和工程能力状态, 利用统计性资料和分析技法, 在所愿的状态下一直能管理下去的技法。
2SPC 的发展历史SPC 的特征：控制过程，防患于未然。
重点在于预防•電視機彩色密度投机•美國：無不合規格產品出廠，注意力在符合規格•日本： 0.3% 超出產品規格，致力於命中目標製程- 產品-顧客產品(Output)Measurement製程(過程)(Process)展開特性 特徵顧客滿意ManMachine Material Method Environmental4M1E製程，程序影響工作結果之所有原因的集合,亦即為達成工作 結果之製造過程中所有活動的集合管制，控制確保達到要求標準,必要時採取矯正行動何謂製程管制 (程序控制)工作 結果原材料 方法 環境機器 人員原因 手段特性 目的SPC 即。
.自製程中蒐集資料，加以統計分析，並從分析中發覺異常原因，採取改正行動，使製程恢復正常，保持穩定，並持續不斷提昇製程能力的方法。
SPC 即。
.製程 資料異常 穩定製程 製程能力好能力的製程 製程改善製程解析及管制收集資料 統計分析 採取措施 製程能力分析持續改善SPC 的目的維持正常的製程 (在统计的控制之下)事先做好應該做的 (標準，系統) – ex ：检测，機台操作程序製程異常發生能偵測出，並除去之，防止其再發能力要足 (有能力的程序)能力指標提昇能力–持續改善 (廣義)SPC 管理Tool的优点•Process由于偶然原因(White Noise = Common Cause Variation)和异常原因(Black Noise = Special Cause Variation)受影响一直变化。
质量管理五大工具表格模板
质量管理五大工具是指在质量管理领域中常用的五种工具，包括统计过程控制（SPC）、测量系统分析（MSA）、失效模式和效果分析（FMEA）、产品质量先期策划（APQP）和生产件批准程序（PPAP）。
以下是一些质量管理五大工具的表格模板：
1.
统计过程控制（SPC）表格模板：
2.
1.
测量系统分析（MSA）表格模板：
2.
1.
失效模式和效果分析（FMEA）表格模板：
2.
1.
产品质量先期策划（APQP）表格模板：
2.
1.生产件批准程序（PPAP）表格模板：
生产件批准程序（PPAP）表格模板通常包括以下内容：产品名称、顾客名称、零件编号、零件名称、提交时间、生产地点、生产数量、审核结论、审核员签名和备注等。
根据实际需要，还可以添加其他相关信息。
SPC-统计过程控制_2
普通原因、特殊原因示意图
UCL
LCL
18
异常原因导致 的波动范围
普通原因 的波动范围
异常原因导致 的波动范围
具体说明
原因 描述
例如 解说
机 遇(普通原因)
• 包含许多个个别原因。
• 任何单一机遇原因仅导致微量变异 (但若许多机遇原因汇总在一起，可 能产生颇大之影响)。
• 随时存在。
•机械的微震 •原料的略微差异
26
组内变异小 组间变异大
制程的变化
错误的分组方式以及其后果
• 如此的取样方式会造成无法有效区别组内变异和组间变异， 造成控制界限变宽，无法有效侦测制造变异。
制程的变化 质 量 特 性
时间
27
取样频率及样本的目的说明
每天只取一组来 代表，是否能代 表制程呢？
每天如果取三组 的样本是否更能 代表制程？
• 消除制程中的机遇原因不符合经济原 则。
• 当仅有机遇变异出现时，制程处于可 接受水平，倘若仍有不合格品产生， 则需进行基本基本制程改变或修订规 格，以减少不合格品。
• 当观测值在管制界限内时，表示制程 不应调整。
• 当仅有机遇变异时，制程相当稳定， 可用抽样程序预测产品质量。
非机遇(特殊原因) (可归属)
图
–不良率控制图 –不良数控制图 –缺点数控制图 –单位缺点控制图
11
控制图的选用
控制图的选定
计量值 资料性质
计数值
平均值
n>1 样本大小 n>1
Cl的性质
“n”=10~25 “n”是否较大
中位数
“n”=2~5
“n”=1
不良数
缺陷数
不良数或
SPC__统计制程管制
10
基本統計之簡介
➢母體(Population) ，樣本(Sample) ✓母體是由具有共同特性之個體所組成之
群體。
✓樣本是由母體中抽取部分個體組成的小 群體。
11
基本統計之簡介
➢ 生活中之母體與樣本 ✓ 以本班為例，所有人的身高資料就是母體。 ✓ 班上所有人的身高資料中抽出3個人的資料作
連續分配
不連續分配
32
SPC常用之機率分配
➢ 連續分配 ✓ 常態分配(Normal Distribution) ✓ 指數分配(Exponential Distribution) ➢ 不連續分配 ✓ 二項分配(Binomial Distribution) (擲銅板計算正
反面機率時使用) ✓ 卜式分配(Poisson Distribution) ✓ 超幾何分配(Hypergeometric Distribution)(計算
✓連續分配的機率為一面積。如P(a<x<b)即 連續分配之變量介於a與b間的面積。
✓生活中例子:長度、重量、面積及體積。 ✓ASUS之例子:SMT製程之錫膏厚度之機
率分配。
30
機率分配之簡介
-3
+3
0.135% 背蓋長度 95mm
99.73% 100mm
0.135%
105mm
31
機率分配之簡介
✓ 敘述統計是從收集的資料中取得描述產品或製 程特徵量。
✓ 推論統計是利用所收集的資訊對未知的製程參 數做出結論。 (本課程對此並不作深入探討)
8
基本統計之簡介
➢請將各位的身高填在白紙上 ➢再請各位將每天接電話的次數填在另一
張白紙上 ➢將兩張紙投到箱子裡
9
SPC_CPK分析Excel版_表格类模板_表格模板_实用文档
NO
测定 D A T A
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16Байду номын сангаас
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
1 -0.3=SL
1
0 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
基准表 ★ 工程能力的有无是按照如下基准来判断 A+▶ 2.0 > Cpk ≥ 1.67 : 优,应当保持 A▶ 1.67 > Cpk ≥ 1.33 : 能力良好，状态稳定，但应尽力提升为 B ▶ 1.33 > Cpk ≥ 1.00 : 状态一般，制程因素稍有变异即有产 C▶ 1.00 > Cpk ≥ 0.67 : 差 制程不良较多，必须提升其能力 D ▶ 0.67 > Cpk : 不可接受,其能力太差，应考虑重新整改设计
#DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0!
利用Excel制作SPC分析表格
3 品质常用工具与excel的运用技巧
4 表面处理的培训
5 到飞黄出差
6
-
7
-
8
-
计划完成时 间
2010-1-7
2009-12-25 2010-1-5
2009-12-26 2009-12-27
-
是否关 闭
否
否 否 是 是 -
通知 时间已超,请注意关闭
该问题 距离完成还有时间，请
注意及时完成 该项目紧急，请速完成
返回数据集中第 k 个最大值。使用此函数可以根据相 对标准来选择数值。例如，可以使用函数 LARGE 得到 第一名、第二名或第三名的得分。
步骤1: 用SUM函数统计加班总时间,如下:
步骤2: 用LARGE函数排列其大小,从大至小,如下:
步骤3: 用ALT+O+D设置条件格式:
完成!
THANK YOU
步骤4: 根据前面的算出的上下管控线分6个区间(分别代表+/-3S)
步骤5: 制作图表
15.03
15.03
15.02
15.02
15.01
15.01
15.00
15.00
14.99
14.99
14.98
14.98 1
2
3 双4 击图5 表中6 该 7
8
9
10
11
12
13
14
15
处刻度,得出
如下页图框
步骤6: 调整和修改图表
6 0.48 * 2.00
7 0.08 1.92
8 0.37 0.14 1.86
9 0.34 0.18 1.82
10 0.31 0.22 1.78
SPC统计制程管制(PPK&CPK)
.0.50 0.60 0.70 0.80 0.90 1.00 1.10 1.20 1.30 1.40 1.50 1.60 1.70 1.80 1.90 2.00 2.10 2.20 2.30 2.40 2.50 2.60 2.70 2.80
2012-10-6
9
2.实际过程能力指数Cpk
K Cp Cpk的关系
2012-10-6
16
3.过程能力的评价与处置
四级加工Cpk≤0.67 ●当Cpk≤0.67 时，T≤4S，不合格品率p≥4.55%(45500PPM)。
●过程能力严重不足，产品质量水平很低，不合格品率高。
●措施: (1)必须立即分析原因，采取措施 ，提高过程能力； (2)为了保证产品的出厂质量，应通过全数检查； (3)若更改设计、放宽规格要求不致影响产品质量或从经济性考虑更为合理时 也可以用更改设计的方法以解决，但要慎重处理。
2012-10-6
13
3.过程能力的评价与处置
一级加工1.67≥Cpk＞1.33
●当1.67≥Cpk＞1.33 时，10S≥T＞8S，不合格品率0.00006%(0.6PPM)≤p＜ 0.006%(60PPM)。 ●对精密加工而言，过程能力适宜；对一般加工来说过程能力仍比较充裕，有一定贮备 。 ●措施： (1)允许小的外来波动； (2)非关键工序可放宽检验； (3)工序控制的抽样间隔可适当放宽。
ST。因
2012-10-6
19
※过程能力指数Cpm和Cpmk
为了强调质量特性偏离目标值造成的质量损失，当把目标值 m引入过程能力指数 时，就得到了两个新的过程能力指数Cpm和Cpmk
均值-极差控制图用:R/d2
σ=
均值-标准差控制图用:S/c4 单值-移动极差差控制图用:MR/d2
SPC 统计制程控制
SPC Analyst
異常警示規則
九大異常判定規則：自訂異常規則適用之圖表
Slide 14
Copyright © 2007 易得太數據管理股份有限公司. All rights reserved.
SPC Analyst
異常通知及管理
異常時自動發 Email 及簡訊通知
將發出的異常 Email 儲存於資料庫中，便於日後的追蹤管理
客訴
Slide 9
Copyright © 2007 易得太數據管理股份有限公司. All rights reserved.
SPC Analyst
工序生產紀錄
Slide 10
Copyright © 2007 易得太數據管理股份有限公司. All rights reserved.
SPC Analyst
SPC Analyst
連結 CSV
專案檔
Slide 21
Copyright © 2007 易得太數據管理股份有限公司. All rights reserved.
SPC Analyst
連結 SQL Server
專案檔
Slide 22
Copyright © 2007 易得太數據管理股份有限公司. All rights reserved.
SPC Analyst
計量值管制圖
平均 / 全距（X-bar/R） 平均 / 標準差（X-bar/S） 個別值 / 移動全距（X/MR） 指數加權移動平均 / 個別值及平均值（EWMA/R）
Slide 23
Copyright © 2007 易得太數據管理股份有限公司. All rights reserved.
SPC Analyst
連結 Excel
SPC-XBAR-R图
X UCL
SPC统计过程控制
X-R控制图
产品规格： 零件编号 零件名称
規格 上限 USL
标准
群組數大小 管 制 上限 UCL
X图
R图 0
客户代码
表格编号： 时间
管制项目
中心限CL
总组数 中心限CL
0
机台号
抽样方法
测量单位
下限 LSL
下限 LCL
0
测定者
日期
CL
LCL
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 00
标准
群組數大小 管 制 上限 UCL
总组数 中心限CL
X图
R图 0 0
客户代码 机台号
表格编号： 时间 抽样方法
测量单位 5.60
下限 LSL
下限 LCL
0
测定者
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
日期
Std.Dev.=
Ｘ＝
R
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
R=
0
6.40
6.30
Ｘ 6.20
x 6.10 管 6.00 制 5.90 图
5.80
5.70
5.60
预估不良率 (PPM) #VALUE!
制程能力分析
SPC统计过程控制
统计制程管制(SPC)计划
什么叫SPC?SPC是英文 Statistical Process Control的縮寫﹐意為統計制程管制。
推行SPC的目的是什么﹖推行SPC的目的是﹕通過制程改善﹐將制程提升至最佳﹑穩定的狀態﹐在此前提下﹐按照一定的規律隨機地收集一組數據﹔根據穩定制程定義之具體管制圖﹐作出管制圖﹔以后再將收集之樣本數據描於管制圖上﹐所描點的走向反應了制程穩定或偏移的情況﹐以便及時地控制制程。
SPC能解決的制程問題﹕●經濟性﹕有效的抽樣管制﹐不用全檢﹐預估不良率﹐得以控制成本。
使制程穩定﹐生產可以預測﹐從而能夠掌握品質﹑成本﹑交期。
●預警性/時效性﹕制程的異常趨勢可即時對策﹐預防整批不良﹐以減少浪費。
●分辨共同原因與特殊原因﹕作為局部問題對策或管理階層的系統改進之參考。
●善用機器設備﹕估計機器能力﹐可妥善安排適當機器生產適當零件。
Page 1 of 30改善的評估﹕制程能力可作為改善前后比較之簡單指標﹐作為制程檢討的共同語言。
品質變異﹕共同原因及特殊原因共同原因﹕制程中的變異因素是在統計的管制狀態下﹐其產品之特性有共同的分配Page 2 of 30特殊原因﹕制程中變異因素不在統計的管制狀態下﹐其產品之特性沒有固定的分配管制圖的原理﹕(由于我們將用到P 管制圖﹐這里就以P 管制圖為例說明) 假定我們現在的制程處於穩定狀態﹐當我們多次抽樣采集其不良率時﹐其不良根據不良率數據計算其標准差﹐當不良率數分配在正負三倍標准差范圍內時﹐我們認為制程較為理想﹐于是將上圖順時針轉90度後﹐則成下面的形狀: —上管制限不良率分配次數不良率准差准差准差准差准差准差LCL—下管制限當不良率高或低於管制界限時﹐我們都認為制程出現了異常統計制程管制之系統架構及流程統計制程管制之系統流程X-R 管制圖X-S 管制圖X-Rm 管制圖散布圖yesQC七手法之特性要因圖Page 6 of 30Page 7 of 30集中相關人員﹐采用腦力激蕩法﹐從4M1E 眷手﹐將可能的問題全部羅立出來﹐圈畫出重點原因﹐制定改善對策﹐並確定對策擔當者及改善日期。
SPC制程能力分析__品质
TL – μ )
σ
μ – TL之不同值(可以用σ為單位來度量)不合格品率PL
也不同, 因此可定義過程能力指數
CPL =
μ – TL 3σ
2. 假設X ≦ TU 為合格品,那麼 X > TU 時為不合格品
-∞
Area1= 1.000
+∞
-∞
Area2
Area1
+∞
陰影部份的面積查表可求: μ TU
Area1 = AreaT - Area2 = 1- Φ (
B. 控制圖法
通過控制圖確認過程處於統計控制狀態下,以產 品質量正常波動的標準偏差σ. 計算數過程能力 6 σ.
σ通常用 R/d2 來計算 σ= R/d2
因為控制圖繪制過程中反映了較長時間內過程 處于穩定狀態的質量波動狀況,排除了系統因素 的影響.
六、正態總體假設檢驗
品管經常需要對兩個事物進行比較,如兩種工藝 方法生產的產品特性比較,兩批原材料的性能比 較,某時刻(批)產品質量與正常母體的差異等,但 是,差異是絕對存在的,品管講究的是有無“顯著 性差異” 顯著性檢驗就是借助“統計檢驗”的 方法判斷兩個事物是否存在差異的一種方法. 1Area + ∞
TL M μ TU
c). 當M > μ 則: P( X < TL ) + P( X > TU ) 不合格品主要出現在
達不到規格之下限部份 T
Area -∞
TL μ M
TU
所以可定義過程能力指數
CPK = min (CPU , CPL) = min (
μ – TL 3σ
,
TU – μ 3σ
a. 設置原假設Ho
b. Ho: μ= μo即當日產品鋅層度分布中心正常
- 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)。
文件編號:WH-QWI-026-03A
核准:
擬定:
崑山萬禾精密電子有限公司
統計製程能力分析---分析用(試產)
99 100
文件編號:WH-QWI-026-03A
核准:
擬定:
Cum.Freq. #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0!
Cum.Normal #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! 1
Count 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 0 0 0 0 0
Freq #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0!
Summary Statistics Average: #DIV/0! Median: #NUM! Std.Dev.: #DIV/0! Maximum: Minimum: Range: n: Key: Input
1 0.8 0.6 0.4 0.2 0
-6 -4 -2 0 Z 2 4 6
KS Test of Normality Max Dif: Alpha: Critical KS: Normality: Process Capability LSL: USL: PpLower #DIV/0! PpUpper #DIV/0! Pp #DIV/0! Ppk #DIV/0!
Max
#DIVቤተ መጻሕፍቲ ባይዱ0!
#DIV/0!
Notes: Whenever the value of the maximum difference(M3) is less than the critical value(M5) at a particular significance level(M4),we can conclude that the sample data are normally distributed.
0 0 0 0
Unprotected
Observed/Expected
1 0.9 0.8 0.7
0.6 Count 0.5 0.4 0.3 0.2 0.1
0
1
6
11
16
bins
21
26
31
36
z -4.5 -4.25 -4 -3.75 -3.5 -3.25 -3 -2.75 -2.5 -2.25 -2 -1.75 -1.5 -1.25 -1 -0.75 -0.5 -0.25 0 0.25 0.5 0.75 1 1.25 1.5 1.75 2 2.25 2.5 2.75 3 3.25 3.5 3.75 4 4.25 4.5
Count Exp. #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0!
崑山萬禾精密電子有限公司
統計製程能力分析---分析用(試產)
Data must be enetered already sorted in ascending order
Cumulative Observed and Expected Cumulative Frequency
Data 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 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98
z*sd+avg #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0!