SPC学习版

35
控制图制作
搜集数据
分析用控制图
是否稳定？
寻找特殊原因
绘直方图 检讨机械、设备 提升过程能力
是否满足能力？
控制用控制图
36
建立控制图的四步骤
A收集数据
B计算控制限 C过程控制解释
D过程能力解释
37
使用控制图的准备 建立适用于实施的环境 定义过程 确定待管理的特性，考虑到 顾客的需求 当前及潜在的问题区域 特性间的相互关系 确定测量系统(MSA) 使不必要的变差最小
15
正态分布
99.73% 95.45%
68.26% -3σ -2σ -1σ μ +1σ +2σ +3σ
正态分布中，任一点出现在 μ± 1σ内的概率为 P(μ-σ<X< μ+σ) = 68.26% μ± 2σ内的概率为 P(μ-2σ<X< μ+2σ) = 95.45% μ± 3σ内的概率为 P(μ-3σ<X< μ+3σ) = 99.73%1 6
Not just to meet customer or contractual requirements!!!—被BOSS训斥的痛苦!!!
13
控制线管理的益处
LSL
LCL
Very Centered
UCL USL
潜在不良出现
变异是我们的敌人
不良品已经产生
Spec
14
正态分布特征
测定平均值 在中心线或平均值两侧呈现左右对称之分布 极大值与极小值数量很小 常态曲线左右两尾与横轴渐渐靠近但不相交 曲线下的面积总和为 1
质量管理五大工具 之 SPC
Statistical Process Control (SPC)
统计过程控制
培训注意事项
产品质量先期策划和控制计划 （APQP&CP）
பைடு நூலகம்
第二版2008.11
TS 16949 五大 工具
潜在失效模式和后果分析参考手册 （FMEA） 测量系统分析参考手册 （MSA） 统计过程控制参考手册 （SPC） 生产件批准程序 （PPAP）
19
局部性的对策及系统性的对策
局部问题的对策
*通常用来消除特殊原因造成的变异
*可以被过程附近的人员来执行 * 一般可以改善过程的 15%
系统改善的对策
*通常用来减低普通原因造成的变异
*几乎总是需要管理者的行动来加以矫正
* 一般可以改善过程的 85%
20
持续改进的思维模式
过程控制
受控
（消除了特殊原因）
27
μ-3 σ
μ+3 σ
控 制 图 的 形 成
μ
μ
μ+3 σ
μ-3 σ
UCL
● ●
CL LCL 时间T
28
两种错误 虚发警报和漏发警报
α
β
29
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 变异系属于普通原因或特殊原因，以指示某种现 象是否正常，而采取适当之措施。
4→5σ：27倍改善
5→6σ：70倍改善 因此： 3→6σ：19,600倍改善
３σ（地上的果子） 靠天吃饭，捡吃地上不多 的果子
11
品管方法历程
PPM
697,300 308,700 66,807 6,210 233 3.4
Average Company 一般公司 Best in class 世界标竿公司
1σ
2σ
3σ
4σ
5σ
试验计划与 过程结合
方法
品管7手法 产品检查 (5S、QCC、ISO9001)
6σ
试验计划与 设计结合
管制
产品管制
过程管制
管理改进(PDCA)一般公 司THREE SIGMA改善
过程管制 设计管制 最佳化 最佳化 技术改进(DMAIC) 世界标竿公司SIX SIGMA改善
12
规格管理的危险性
第四版2008.6
第四版2010.6
第二版2005.7
第四版2006.6
4
APQP
0
0 1
1
计划和确定 项目
2
产品设计 和开发
DFMEA
3
过程设计 和开发 PFMEA
4
产品和 过程确认 MSA SPC PPAP
5
反馈、评定 和纠正措施
SPC
2
3 4 5
课程大纲 1. SPC的概述
2. 控制图的应用
正态分布概率(双边)
μ±kσ 在内的概率 在外的概率(P)
μ±0.67σ
μ±1σ μ±1.96σ
50.00%
68.26% 95.00%
50.00%
31.74% 5.00%
μ±2σ
μ±2.58σ μ±3σ
95.45%
99.00% 99.73%
4.55%
1.00% 0.27%
17
正态分布与两种变差原因
计量值管制图 中 心 线(CL) 管制上界(UCL) 管制下界(LCL) 附 注
x R 管制图 x 管制图 R 管制图
x S 管制图 x 管制图 S 管制图
x
R
x
S
x MR 管制图 x 管制图 MR 管制图 x MR
x A2 R x A2 R
D4 R D3 R
x A3S x A3S
B4 S B3S
x 3 x 3
MR d2 MR d2
D4 M R D3 M R
A2、A3、B3、B4、D3、D4、d2 的大小与每组的样本数 n 有关
33
控制图种类(依用途来分)
分析用控制图
●判断过程是否稳定不稳定，调至稳定 ●过程的过程能力指数是否满足要求，过程能力 指数满足要求称之为技术稳态
控制用控制图
●延长分析控制图的控制线
34
控制图的益处 合理使用控制图能
供正在进行过程控制的操作者使用 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 使过程达到
更高的质量 更低的单件成本 更高的有效能力
为讨论过程的性能提供共同的语言 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。
措施
研究
2.控制图的应用
24
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。 图上有中心线(CL-Central Line)、上控制界限(UCL-Upper Control Limit)和下控 制界限(LCL-Lower Control Limit) ，并有按时间顺序抽取的样本统计量数值的描点 序列，参见控制图示例图。
1987
ISO9000标准建立并颁布实施，明确要求实施统计技术。
10
SIX SIGMA TREE中的统计技术….
6σ达成（完美）
全部的果子都在你手中啦 ５σ改善设计 （果子最集中的地方） 能摘到这里的果子，基本 上能达到小康了
2→3σ：5倍改善
４σ过程改善 （矮树上的果子） 这里的果子很有限
3→4σ：10倍改善
3. 过程的受失控状态
4. 过程能力研究
6
1.SPC的概述
7
什么是SPC
SPC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收集的 数据进行分析，并调整过程，从而达到改进与保证 质量的目的。
8
SPC兴起的背景：起源
39
分组时的重要考虑
让组内变化只有普通原因 让组间变化只有特殊原因 组内变异小 组间变异大
特殊原因 Special Cause
１．一个或少数几个较大原因所引起,可以避免 ２．任何一个特殊原因，都可能发生 大的变异 ３．几个较代表性之特殊原因如下： （１）原料群体之不良 （２）不完全之机械调整 （３）新手之作业员 ４．特殊原因之变化不但可以找出其原 因，并且除去这些原因之处置，在 经济观点上讲常是正确的
范围
不受控
（存在特殊原因）
21
持续改进的思维模式
22
过程改进循环
1、分析过程 本过程应做什么？ 会出现什么错误？ 本过程正在做什么？ 达到统计控制状态？ 确定能力 计划 措施 实施 研究 计划 措施 2、维护过程 监控过程性能 查找变差的特殊原因并 采取措施。
实施 研究
计划
实施
3、改进过程 改进过程从而更好地理解 普通原因变差 减少普通原因变差
利用控制限区隔 是否为特殊原因
30
控制图种类(以数据来分)
X-R 均值和极差图 P 不合格品率图 计 数 型 数 据 np 不合格品数图 C 缺陷数图 U 单位产品缺陷数图
计 量 型 数 据
X-S 均值和标准差图 X -R 中位值极差图 X-MR 单值移动极差图
31
控制图的选择
确定要制定控 制图的特性 是计量型数据 吗？ 否 关心的是不 合格品率？
38
使用控制图的注意事项
分组问题 主要是使在大致相同的条件下所收集的质量特性值分在一组, 组内不应有不同本质的数据, 以 保证组内仅有普通原因的影响.
我们所使用的控制图是以影响过程的许多变动因素中的普通因素所造成的波动为基准来找出 异常因素的, 因此, 必须先找出过程中普通原因波动这个基准.
25
控制图由来说明
26
控制图原理
正态分布有一个结论对质量管理很有用，即无论均值μ和标 准差σ取何值，产品质量特性值落在μ±3σ之间的概率为 99.73%，于是落在μ±3σ之外的概率为100%一99.73%= 0.27%，而超过一侧，即大于μ-3σ或小于μ+3σ的概率为 0.27%/2=0.135%≈1% ，如正态分布曲线图。 这个结论十分重要。控制图即基于这一理论而产生！ 99.73% 95.45% 68.26% -3σ-2σ-1σ μ +1σ +2σ +3σ
美国贝尔实验室休哈特博士（W. A. Shewhart）于1924年发明控制图，开启了统 计品管的新时代。
1940’s 二次世界大战期间， 美国军工产品使用抽样方案和控 制图以保证军工产品的质量。
战后经济遭受严重破坏的日本在1950年通过休哈特 早期的一个同事戴明(W. Ed- wards Deming)博士，将 SPC的概念引入日本。从1950～1980年，经过30年的努力， 日本跃居世界质量与生产率的领先地位。美国著名质量管 理专家伯格(Roger W. Berger)教授指出，日本成功的基 石之一就是SPC。
是
否 否
是
样本容量是 否恒定？
是
使用p图
使用np或p图
性质上是否是均匀或不能 按子组取样—例如：化学 是 槽液、批量油漆等？
关心的是不 合格数吗？ 是 样本容量是 否桓定？ 是
否
使用u图
使用c或u图
否
否 子组均值是否能 很方便地计算？
是
使用中 位数图
是
使用单值图 X-MR
子组容量是否 大于或等于9？
→两种变差原因及两种过程状态
目标值线
如果仅存在变差的普通原因,随 着时间的推移,过程的输出形成 一个稳定的分布并可预测
时间
预测
目标值线
受控
？
如果存在变差的特殊原因，
随着时间的推移，过程的输出不 稳定
时间
尺寸
不受控
18
变差的普通原因 V.S.特殊原因
普通原因 Common Cause
１．大量之微小原因所引起,不可避免 ２．不管发生何种之普通原因，其个别 之变异极为微小 ３．几个较代表性之普通原因如下： （１）原料之微小变异 （２）机械之微小振动 （３）仪器测定时不十分精确之作法 ４．实际上要除去过程上之普通原因， 是件非常不经济之处置
9
SPC兴起的背景：日本
1950’s 质量管理大师戴明博士在日本工业产品生产过程中全面推行SPC。 日本JUSE（科学家协会）设置“戴明”奖，奖励那些有效实施统计技术的企业。
石川磬提出“QC七工具”，帮助生产现场人员分析和改进质量问题，并推动广泛 应用。
1970’s 有效地推行 “QCC圈”和应用统计技术使日本经济的快速发展，成为高品质产品 的代名词。 1980’s 美国等其他国家紧随日本的步伐，开始推行“QC小 组”和统计技术的应用。 美国汽车工业已大规模推行了SPC，如福特汽车公司，通用汽车公司，克莱斯勒 汽车公司等，上述美国三大汽车公司在ISO9000的基础上还联合制定了QS9000标 准，编制了SPC手册。在与汽车有关的行业中，颇为流行。 MOTOROLA 公司颁布“QC挑战”，通过SPC的实施改进过程能力，并提出追求 “6σ”目标。
是
否
使用X—R图
使用X—R图 注：本图假设测量系统已 经过评价并且是适用的。
是否能方便地计算 每个子组的S值？
是
否
使用X— s图
公式汇整
计数值管制图 中 心 线(CL) p 管制图 p np 管制图 np c 管制图 c u 管制图 u
管制上界(UCL)
p1 p u u 3 np 3 np1 p c 3 c n n p1 p u 管制下界(LCL) p 3 u 3 np 3 np1 p c 3 c n n 若每组样本的样本数 n 不 若每组样本的样本数 n 不 每组的样本大小 n 必须固定 固定时，则采用 n 代替 n 附 注 固定时，则采用 n 代替 n 若所计算出的管制下界小于 0 时，管制下界等于 0 p3