(精品)SPC培训教材.ppt
合集下载
SPC培训课件(ppt 171页)
总体
- 总体 : 作为调查, 研究对象的所有集团 - Sample: 从总体为了某种目的抽出来的 - Data : 体现通过Sample得到的事实
(关心事项数据化的表现)
适用Sampling检查主要原因是经济性原因.
019 PCS 使用者 占有率 ?
Sample
PCS使用者 1000名
大韩民国
2) 决定取Sample方法时注意事项
度数据分布的分散程度之标准，
R=X max- X min 用以衡量数据值偏离算术平均值
的程度。标准偏差越小，这些值
偏离平均值就越少，反之亦然
n
(xi
-X
2
)
s2 = i =1
n -1
标准偏差^2=方差
实际问题先转化为统计问题,得到统计学结论后再转化为实际结论
总体与样本
1) 总体/Sample/Data的概念
• 质量实现过程的两大特征： • 波动性（管理需求） • 规律性（管理可能） • 过程永远处于变异之中，这是由质量本身的波动性所决定的
。 • 引起过程变异的原因纷繁复杂。 • 有些可以识别和控制，有些则不可。
过程的波动
测量24个工件
测量100个工件的分布曲线
分布（Distribution）
• 质量特性波动是随机的，时隐时现，时大时小，时正时负的 • 隐藏在随机性后面的统计规律是分布 • 连续测量一批产品中每个质量特性，画出直方图，就可发现一个接一个的测量质量
• 质量管理的核心目的之一就是要分析、鉴别产品和过程波 动的原因，将其控制在稳定水平上从而保证过程输出的稳 定。
• SPC就是一种常用于过程控制的强有力工具。 • SPC是从统计的观点来认识和处理过程变异的。
SPC培训课件(PPT 90页)
种情况； 计点型数据——如铸件的沙眼数，电路板上的焊
接不良数等。 计件型数据和计点型数据合称为计数型数据。它们
可被计数，从而用来记录和分析。
12.01.2020
11
科华咨询
统计方法应用基础----基本的统计量
n 子组大小。单个子组中子组观测值的个数 k 子组数 X 质量特性的观测值（可用X1，X2，X3…表示单个 观测值） X 子组平均值的平均值
经分析发现，该工序最重要的是需要模具的相关方面被保证，如模具的安 装需到位，冲压过程需防止模具松动和磨损等。产品特性最重要的是冲压整 形的高度和宽度两个尺寸，如果这两个尺寸不能保证将导致产品报废。
12.01.2020
计量型 正态分布
数据的”分布”
二项分布(计数)
计数型 泊松分布(计件)
6
科华咨询
质量具有变差
“世界上没有两片完全相同的树叶”——“不同” 是绝对的，相同是相对的。
即使是机器生产，但产品质量仍具有变异 ——过程的单个输出之间不避免的差别。
公差制度的建立，就是承认“变差”的标志。
概率1.35% 概率可能为1.35%的几十、几百倍
根据小概率事件原理：出界就判异。
12.01.2020
27
科华咨询
控制图的两种错误
第一种错误
质量特性 x
α
虚发警报的错误 概率为α
12.01.2020
第二种错误
UCL
β
CL LCL
漏发警报的错误 概率为β 28
科华咨询
控制图的两种错误
间距增大（增加上下控制限的距离） α 减少，β 增加
p 子组不合格品率 p=子组中的不合格品数/子组大小
P 平均不合格品率
接不良数等。 计件型数据和计点型数据合称为计数型数据。它们
可被计数，从而用来记录和分析。
12.01.2020
11
科华咨询
统计方法应用基础----基本的统计量
n 子组大小。单个子组中子组观测值的个数 k 子组数 X 质量特性的观测值（可用X1，X2，X3…表示单个 观测值） X 子组平均值的平均值
经分析发现，该工序最重要的是需要模具的相关方面被保证，如模具的安 装需到位，冲压过程需防止模具松动和磨损等。产品特性最重要的是冲压整 形的高度和宽度两个尺寸，如果这两个尺寸不能保证将导致产品报废。
12.01.2020
计量型 正态分布
数据的”分布”
二项分布(计数)
计数型 泊松分布(计件)
6
科华咨询
质量具有变差
“世界上没有两片完全相同的树叶”——“不同” 是绝对的，相同是相对的。
即使是机器生产，但产品质量仍具有变异 ——过程的单个输出之间不避免的差别。
公差制度的建立，就是承认“变差”的标志。
概率1.35% 概率可能为1.35%的几十、几百倍
根据小概率事件原理：出界就判异。
12.01.2020
27
科华咨询
控制图的两种错误
第一种错误
质量特性 x
α
虚发警报的错误 概率为α
12.01.2020
第二种错误
UCL
β
CL LCL
漏发警报的错误 概率为β 28
科华咨询
控制图的两种错误
间距增大（增加上下控制限的距离） α 减少，β 增加
p 子组不合格品率 p=子组中的不合格品数/子组大小
P 平均不合格品率
2024版SPC培训教材全课件
假设检验的基本概念
明确假设检验的定义、原假设与备择假设的设立原则及两类错误 的含义。
参数假设检验
掌握正态总体均值、方差的假设检验方法及步骤，理解t检验和F 检验的原理及应用场景。
非参数假设检验
了解非参数假设检验的适用条件及常用方法，如秩和检验、符号 检验等。
16
方差分析、回归分析应用举例
方差分析
掌握方差分析的基本原理、计算步骤及结果解释，理解其在多因素实验设计中的应用。
化。
大数据在SPC中的应用
大数据技术的不断发展将为SPC提供更丰富的数据来源和分析手段，有助于提高SPC的 应用效果。
2024/1/30
SPC在服务业的拓展
随着服务业的不断发展，SPC的应用领域将逐渐拓展到服务业领域，为服务业的质量管 理提供新的思路和方法。
36
下一讲预告及预备知识
2024/1/30
01
02
03
04
明确数据收集目标
根据业务需求，明确所需数据 的类型、范围和质量要求。
2024/1/30
制定数据收集计划
设计合理的数据收集流程，包 括数据源选择、采集频率、存
储方式等。
执行数据收集
运用合适的数据收集工具和技 术，按照计划进行数据采集。
数据质量监控
建立数据质量评估机制，确保 数据的准确性、完整性和一致
下一讲内容
下一讲将介绍SPC在企业中的实际应 用案例，包括不同行业和不同场景下 的SPC应用实践。
预备知识
为了更好地理解下一讲内容，建议学 员提前了解相关行业的生产流程和质 量管理要求，以及SPC在实际应用中 的挑战和解决方案。
37
THANKS
感谢观看
2024/1/30
SPC培训资料(ppt 139页)
1、控制图的起源
控制图是1924年由美国品管大师W.A. Shewhart （休哈特）博士发明。因其用法简单且效果显著， 人人能用，到处可用，遂成为实施品质管制不可 缺少的主要工具
控制图（SPC）的起源和发展
1924年发明
2、控制图的发展
W.A. Shewhart
1931发表
1941~1942 制定成美国标准
选好质量特性 准确地测量出来
是两项重要的基础工作，要做好
波动源
有效地利用质量特性数据，最重要的是认识“波动” 的概念
过程中有许多产生波动的波动源
例：加工机械轴的直径，很容易受到各种波动源的影响。如
机器：零件的磨损和老化。 工具：强度不同，磨损率的差异。 材料：硬度不同，成份不同，产地不同。 操作者：对准中心的精度、情绪。 测量：视觉误差、心理障碍 维护：润滑程度，替换部件 环境：温度、湿度、光线、电源电压波动
B：30.40 30.38 30.44 30.42 30.36
那个人加工产品质量比较好呢？？
数据的集中趋势与离散程度 统计方法中常用的统计特征数可分两类：
1、数据的集中趋势，如平均数，中位数等。 2、数据的散布或离散程度，如极差，标准差等。 样本平均数 样本中位数 样本全距（极差） 样本变异数（方差） 样本标准偏差
1931年Shewhart发表了 “Economic Control of Quality of Manufacture Product”
Z1-1-1941 Guide for Quality Control Z1-2-1941 Control Chart Method for
analyzing Data Z1-3-1942 Control Chart Method for Control Quality During Production
控制图是1924年由美国品管大师W.A. Shewhart （休哈特）博士发明。因其用法简单且效果显著， 人人能用，到处可用，遂成为实施品质管制不可 缺少的主要工具
控制图（SPC）的起源和发展
1924年发明
2、控制图的发展
W.A. Shewhart
1931发表
1941~1942 制定成美国标准
选好质量特性 准确地测量出来
是两项重要的基础工作，要做好
波动源
有效地利用质量特性数据，最重要的是认识“波动” 的概念
过程中有许多产生波动的波动源
例：加工机械轴的直径，很容易受到各种波动源的影响。如
机器：零件的磨损和老化。 工具：强度不同，磨损率的差异。 材料：硬度不同，成份不同，产地不同。 操作者：对准中心的精度、情绪。 测量：视觉误差、心理障碍 维护：润滑程度，替换部件 环境：温度、湿度、光线、电源电压波动
B：30.40 30.38 30.44 30.42 30.36
那个人加工产品质量比较好呢？？
数据的集中趋势与离散程度 统计方法中常用的统计特征数可分两类：
1、数据的集中趋势，如平均数，中位数等。 2、数据的散布或离散程度，如极差，标准差等。 样本平均数 样本中位数 样本全距（极差） 样本变异数（方差） 样本标准偏差
1931年Shewhart发表了 “Economic Control of Quality of Manufacture Product”
Z1-1-1941 Guide for Quality Control Z1-2-1941 Control Chart Method for
analyzing Data Z1-3-1942 Control Chart Method for Control Quality During Production
SPC培训课件(PPT 66页)
第六页，共六十七页。
SPC的产生(chǎnshēng)
在生产过程中，产品的加工尺寸的波动是不可防止 的。它是由人、机器、材料、方法和环境等根本因 素的波动影响所致。波动分为两种：正常波动和异 常波动。正常波动是系统原因〔不可防止因素〕造 成的。它对产品质量(chǎn pǐn zhìliànɡ)影响较小，在技术 上难以消除，在经济上也不值得消除。异常波动是 由偶然性原因〔异常因素〕造成的。它对产品质量 (chǎn pǐn zhìliànɡ)影响很大，但能够采取措施防止和消除。 过程控制的目的就是消除、防止异常波动，使过程 处于正常波动状态。
缺陷数控制图 制图 单位缺陷数控制图
x-s
＾x-R
X-MR p np c u
常用，判断工序是否正常的效果 适用于产品批量大且生产正 最好，但计算s值的工作量大。 常、稳定的工序。
计算简便，但效果较差。
适用于产品批量大且生产正 常、稳定的工序。
简便省事，能及时判别工序是否 因各种原因（时间或费用）
处于稳定状态。缺点是不易发现 每次只能得到一个数据或尽
第八页，共六十七页。
SPC的产生(chǎnshēng)
▪ 过程能力原理
▪ 统计过程控制〔SPC〕是一种借助数理统计方法的过 程控制工具。它对生产过程进行分析评价，根据反响信 息及时发现系统性因素出现的征兆，并采取措施消除其 影响，使过程维持在仅受随机性因素影响的受控状态， 以到达控制质量的目的。
▪ 当过程仅受随机因素影响时，过程处于统计控制状 态〔简称受控状态〕；当过程中存在偶然因素的影响 时，过程处于统计失控状态〔简称失控状态〕。由于 过程波动具有统计规律性，当过程受控时，过程特性 一般服从稳定的随机分布；而失控时，过程分布将发 生改变(gǎibiàn)。SPC正是利用过程波动的统计规律性 对过程进行分析控制的。因而，它强调过程在受控和 有能力的状态下运行，从而使产品和效劳稳定地满足 顾客的要求。
SPC的产生(chǎnshēng)
在生产过程中，产品的加工尺寸的波动是不可防止 的。它是由人、机器、材料、方法和环境等根本因 素的波动影响所致。波动分为两种：正常波动和异 常波动。正常波动是系统原因〔不可防止因素〕造 成的。它对产品质量(chǎn pǐn zhìliànɡ)影响较小，在技术 上难以消除，在经济上也不值得消除。异常波动是 由偶然性原因〔异常因素〕造成的。它对产品质量 (chǎn pǐn zhìliànɡ)影响很大，但能够采取措施防止和消除。 过程控制的目的就是消除、防止异常波动，使过程 处于正常波动状态。
缺陷数控制图 制图 单位缺陷数控制图
x-s
＾x-R
X-MR p np c u
常用，判断工序是否正常的效果 适用于产品批量大且生产正 最好，但计算s值的工作量大。 常、稳定的工序。
计算简便，但效果较差。
适用于产品批量大且生产正 常、稳定的工序。
简便省事，能及时判别工序是否 因各种原因（时间或费用）
处于稳定状态。缺点是不易发现 每次只能得到一个数据或尽
第八页，共六十七页。
SPC的产生(chǎnshēng)
▪ 过程能力原理
▪ 统计过程控制〔SPC〕是一种借助数理统计方法的过 程控制工具。它对生产过程进行分析评价，根据反响信 息及时发现系统性因素出现的征兆，并采取措施消除其 影响，使过程维持在仅受随机性因素影响的受控状态， 以到达控制质量的目的。
▪ 当过程仅受随机因素影响时，过程处于统计控制状 态〔简称受控状态〕；当过程中存在偶然因素的影响 时，过程处于统计失控状态〔简称失控状态〕。由于 过程波动具有统计规律性，当过程受控时，过程特性 一般服从稳定的随机分布；而失控时，过程分布将发 生改变(gǎibiàn)。SPC正是利用过程波动的统计规律性 对过程进行分析控制的。因而，它强调过程在受控和 有能力的状态下运行，从而使产品和效劳稳定地满足 顾客的要求。
经典SPC培训教材.ppt
数据处理
判读
数据采集 绘制控制图
能力研究 改善行动
24
控制图种类(以数据来分)
X-R 均值和极差图
P 不良率管制图
计 量 X-s 均值和标准差图
型
数 据
X-R 中位值极差图
计 数 np 不良数管制图
型
数 据
C 缺点数管制图
X-MR 单值移动极差图
U 单位缺点数管制图
25
控制图种类(以数据来分)
控制图的选择
47
x-R 均值和极差控制图的建立
A收集数据
B计算控制限 C过程控制解析 D过程能力解析
C1 控制图判读——极差图分析
超出控制限的点
C2
出现一个或多个点超出任何控制限是该点处于失控
状态的主要证据，应分析。
C3
C4
UCL
C5
R
C6 LCL
C7
48
x-R 均值和极差控制图的建立
A收集数据
B计算控制限 C过程控制解析 D过程能力解析
30
控制图建立概论
质量特性与控制图的选择
为保证最终产品的质量特性, 需要考虑以下几个方面:
认真研究用户对产品质量的要求, 确定这些要求哪些与 质量特性有关, 应选择与使用目的有重要关系的质量特 性来作为控制的项目.
有些虽然不是最终产品质量的特性, 但为了达到最终产 品的质量目标, 而在生产过程中所要求的质量特性也应 列为控制项目
SPC(Statistical Process Control)
统计过程控制
内容摘要
导言 统计过程控制的基本原理 控制图种类 控制图建立概论 x-R 均值和极差控制图的建立 P控制图的建立
(ppt版)SPC基础知识培训教材(PPT 58页)
控制 图的类型 (kòngzhì)
类别
名称
平均值－极差控 计 制图
量
值 中位数－极差控
控
制图
制 图
单值－移动极差 控制图
不合格品数控制 图 计
数 不合格品率控制 值图
控 制 缺陷数控制图
图 单位缺陷数控制 图
控制图符号 x －R
～x － R
x －R S Pn
特点
适用场合
最常用，判断工序是否正常的效果好，但
什么(shén me)是X-R控制图
➢ X图：
是指平均值控制图，算术平均值也叫样本平 均值，简称均值。它是所有数据之和除以数 据总个数的商值，用 X表示。 ➢ R图： 是指极差控制图，极差是一组数据中最大 值与最小值之差，用符合R表示。
第二十页，共五十九页。
X-R控制(kòngzhì)图的构成
上控制线 中心线
不可能让其存在(cúnzài)，否那么会造成损失。
第五页，共五十九页。
SPC的根本(gēnběn)原理
➢ 当过程仅受偶然因素影响时，过程处于统计控制状态〔简称受控状态〕；
➢ 当过程中存在异常因素的影响时，过程处于统计失控状态〔简称失控状态〕。
➢ 由于过程波动具有(jùyǒu)统计规律性，当过程受控时，过程特性一般服从稳定的随机分布；而失 控时，过程分布将发生改变。
P
计。
c
较常用，计算简单，操作工人易于理解。 样本容量相等。
u
计算量大，控制线凹凸不平。
样本容量不等。
第十六页，共五十九页。
如何(rúhé)选技合格的SPC控制
图
计量值
控制图的选择 数据性质？
计数值
n≧2
样本大小
SPC培训课件PPT(共 69张)
19C 40年代 统计的品质管理 品质是制造出来的 品质控制（QC）
品质保证
品质是设计出来的 品质确保（QA）
19C 60年代 全面质量管理
品质是管理出来的 全面品质（TQC）
19C 80年代 全面质量责任
品质是习惯出来的 全面品质（TQM）
每天进步一点点
过程控制的需要
华邦机械
探测---容忍浪费
通过质量控制来检查最终产品并剔除不符合规范的产品， 在管理部门则经常靠检查或重新检查工作来找出错误，在这 两种情况下都是使用检测的方法，这种方法是浪费的
3. 消除后可以使过程分布结果可预测；
4. 特殊原因是有害的或者也可能是有益的；
每天进步一点点
SPC统计过程控制基本知识
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。
华邦机械
目标值线 预测
范围
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。
范围
每天进步一点点
华邦机械
五大核心工具之间的关系：
APQP 是方法； FMEA、MSA、SPC 是工具； PPAP 是结果，是输出！
每天进步一点点
华邦机械
概论
质量观念的发展
时间
品管历史
品管观念
品管制度
18C前 19C 初
作业人员品质管理 品质是检查出来的 品质检查（QI） 领班品质管理
19C 20年代 检验员品质管理
输出
A B C DE
能控制的因子 - 改善对象 - 能调整 - 特别情况
L MN OP
不能控制的因子 - 共同事项 - Noise - 持续的事项
每天进步一点点
SPC教程培训课件(ppt 147页)
• 无先验信息小批量生产的控制图：1969年希利尔（F. S. Hillier）与新加坡杨中浩提出了小样本控制图，1991-1995年 久森伯瑞（C. P. Qusenberry）提出了Q控制图。
• 有历史信息小批量生产的控制图：1997年我国著名质量管理 专家张公绪教授的学生卜祥民博士应用贝叶斯（Bayes）分 析方法，充分利用已知信息，弥补了小批量生产样本少的缺 点。
40
35
30
112250505
0 1 2 6 13 10 16 19 17 12 16 20 17 13 5 6 2 1
4
质量管理发展的阶段
• 质量检验 • 统计质量管理 • 全面质量管理（现代质量管理） • ISO9000 • 6
– 从第二个阶段（统计质量控制SQC）起，由于统计方法 在质量管理中的应用，逐步形成了一些质量管理的基本 方法，如SPC、抽样检验、“新、老七种工具”等。
定了相关的JIS标准。
26
SPC（统计过程控制）的发展-6
• 在休哈特提出他的控制图（我们称之为“休哈特控制图” ）之后， 又有人陆续提出数十种控制图，其中比较重要的有如下几种：
– 累积和控制图（CUSUM，Cumulative Sum Control Chart）： 1954年佩基（E. S. Page）最早提出,它可以将一系列点子的微弱信息 累积起来，所以对过程的小变动灵敏。随后又有许多学者对此作了研 究。
25
SPC（统计过程控制）的发展-5
• 控制图在英国及日本的历史
– 英国在1932年，邀请W.A. Shewhart博士到伦 敦，主讲统计品质管制，而提高了英国人将统 计方法应用到工业方面之气氛。
– 就控制图在工厂中实施来说，英国比美国为早 – 1950年由W.E. Deming博士引到日本。 – 同年日本规格协会成立了品质管制委员会，制
• 有历史信息小批量生产的控制图：1997年我国著名质量管理 专家张公绪教授的学生卜祥民博士应用贝叶斯（Bayes）分 析方法，充分利用已知信息，弥补了小批量生产样本少的缺 点。
40
35
30
112250505
0 1 2 6 13 10 16 19 17 12 16 20 17 13 5 6 2 1
4
质量管理发展的阶段
• 质量检验 • 统计质量管理 • 全面质量管理（现代质量管理） • ISO9000 • 6
– 从第二个阶段（统计质量控制SQC）起，由于统计方法 在质量管理中的应用，逐步形成了一些质量管理的基本 方法，如SPC、抽样检验、“新、老七种工具”等。
定了相关的JIS标准。
26
SPC（统计过程控制）的发展-6
• 在休哈特提出他的控制图（我们称之为“休哈特控制图” ）之后， 又有人陆续提出数十种控制图，其中比较重要的有如下几种：
– 累积和控制图（CUSUM，Cumulative Sum Control Chart）： 1954年佩基（E. S. Page）最早提出,它可以将一系列点子的微弱信息 累积起来，所以对过程的小变动灵敏。随后又有许多学者对此作了研 究。
25
SPC（统计过程控制）的发展-5
• 控制图在英国及日本的历史
– 英国在1932年，邀请W.A. Shewhart博士到伦 敦，主讲统计品质管制，而提高了英国人将统 计方法应用到工业方面之气氛。
– 就控制图在工厂中实施来说，英国比美国为早 – 1950年由W.E. Deming博士引到日本。 – 同年日本规格协会成立了品质管制委员会，制
SPC教材培训资料.ppt
(1) 公司生产的每台洗衣机的效率 (2) 一个班次生产的部品的平均效率 (3) 拖板标签上的打印缺陷数 (4) 每份销售合同的打字错误数 (5) 月生产中脱离规格的部品数 (6) 月生产中脱离规格部品的% (7) 汇总一个应收款所花费的时间 (8) 每生产100件部品中有缺陷部品的数量
计量型 计量型 计数型 计数型 计数型 计数型
散布事例 特殊与一般要因
在管理图上这个数据 看上去像什么？
9
真实的故事!!“来自工程的声音”
废品率 (%)
3
UCL
2
1
LCL
1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9
2000
2001
让工程来说话吧！！
Derived from Understanding Variation: The Key T1o0Managing Chaos, Donald J. Wheeler, SPC Press. 1993.
一系列点连续上升或下降 (7 或以上连续点在相同的方向).
UCL 20 X 15 LCL 10
7 456 23 1
循环 (Cycle)
在相同时间周期上图点表现相 同的图案变化 (比如，上升或 下降)
UCL 20 X 15 LCL 10
紧靠 (Hugging)
图点靠近中心线或一个控制限 (连续3点中2点，7点中3点， 或10点中4点).
被监控的特性
画的数据
按时间画数据
UCL 中心线 LCL
UCL = 控制上限
/ LCL = 控制下限
16
控制图构成 UCL 与 LCL
UCL
LCL
•多少%的数据点应该落到UCL和 LCL之间? •如果一个点落在了UCL或 LCL之外，这意味着我们在给顾客制造 一个不良品吗？
SPC培训课件(PPT共 36张)
控制图 成份
逻辑控制图的四种主要类型
• 缺陷率
• •
np 图 -假定样本容量为常数时，用一种简单的图来 描绘一致单位的个数（缺陷部分的百分比）。 P图-假定样本容量不是常数时，用一种简单的图来 描绘一致单位的个数（缺陷部分的百分比）。
• 缺陷数 • C图 -假定样本容量为常数时，用一种简单的图来描 绘生产单位中缺陷的个数（而不是缺陷百分比）. • U图 -假定样本容量不是常数时，用一种简单的图来 描绘每生产单位中缺陷的个数（而不是缺陷百分 比）.
SPC培训
内 容 提 要
• • • • • SPC是什么 SPC控制图的构成成分 何种场合使用SPC 异常定义及执行现状 如何执行SPC
SPC 是什么
目的
* 确定最终的过程控制计划
* 不断验证过程的稳定性和能力
控制图 成份
控制图基本要素
X-bar C hart for K VO P
最高控制限
6 15
9 5 % C o n fid e n ce In te rva l fo r S ig m a 1 .3 1 6 5 1 .4 0 6 9
9 5 % C o n fid e n ce In te rva l fo r Me d ia n
95% Confidenc e Interval for M edian
9 .1 8 5 6
9 .3 4 0 0
异常 例2. 定义 文件名称： IC Die Shear
印表日期：： 2008-1-9 产品编号： 产品名称： 管制项目： 84-1 单位 : g 时间范围： 07/12/01 16:48:58 ~ 07/12/31 19:18:17
控制图 成份
因素分层
SPC培训资料(PPT 48页)
1.SPC系统规划 2.图形分析 3.找到改善方案 4.形成书面预防书面措施
9.系统规划
一.基本资料的规划
1.产品类别 2.缺点类别 3.缺点项目 4.检验工作站 5.层别条件项目 6.计量管制点 7.抽样计划
8.用户及权限 9.检验单位 10.表尾格式
二、运作规划
1.相关人员权责规划 2.SPC运作流程
例子說明 II :
Cpk ==LUS(CU2LLS0-L-1L-2C)/(L22-)8/3[)s1*d[-]1(-(1-6X-15)/4] = (8)/14 * [0.75] = 0.4286 Since : Cp = 0.57
Cpk = USL - LSL [ 1 -( - X UCL - LCL )/3sd]
㈣箭线图：对事件做好进程及计划管理
㈤PDPC法：如何做一个完整的计划
㈥矩阵数学解析法：对多个变动且复杂的因素
进行解析清楚
㈦关联图：把有关系的各种因素串起来
新七工具的簡介㈡
㈠亲和图（Affiliate Chart）
即KJ法：（1953年，日本川喜田二郎）
大量收集各种数据、资料，按事物之间的亲和性(相近性)整理、且归纳， 使问题明确明了，取得统一认识和协调工作，以利于问题解决的一种方法
如大多數數據是在 2 內, 其可責受之
（正规分布图二如下）
百份比約為 95% 95
%
47.72%
47.72%
m-2
m
m+2
18. SPC 的基本原理 V :
如大多數數據是在 3 內, 則其可接受 比例約為 99.73%99.73%
（正规分布图三如下）
49.865%
49.865%
9.系统规划
一.基本资料的规划
1.产品类别 2.缺点类别 3.缺点项目 4.检验工作站 5.层别条件项目 6.计量管制点 7.抽样计划
8.用户及权限 9.检验单位 10.表尾格式
二、运作规划
1.相关人员权责规划 2.SPC运作流程
例子說明 II :
Cpk ==LUS(CU2LLS0-L-1L-2C)/(L22-)8/3[)s1*d[-]1(-(1-6X-15)/4] = (8)/14 * [0.75] = 0.4286 Since : Cp = 0.57
Cpk = USL - LSL [ 1 -( - X UCL - LCL )/3sd]
㈣箭线图：对事件做好进程及计划管理
㈤PDPC法：如何做一个完整的计划
㈥矩阵数学解析法：对多个变动且复杂的因素
进行解析清楚
㈦关联图：把有关系的各种因素串起来
新七工具的簡介㈡
㈠亲和图（Affiliate Chart）
即KJ法：（1953年，日本川喜田二郎）
大量收集各种数据、资料，按事物之间的亲和性(相近性)整理、且归纳， 使问题明确明了，取得统一认识和协调工作，以利于问题解决的一种方法
如大多數數據是在 2 內, 其可責受之
（正规分布图二如下）
百份比約為 95% 95
%
47.72%
47.72%
m-2
m
m+2
18. SPC 的基本原理 V :
如大多數數據是在 3 內, 則其可接受 比例約為 99.73%99.73%
（正规分布图三如下）
49.865%
49.865%
SPC知识培训教材PPT课件
4. R=全距: 該組最大值-最小值的得數,計算公式:
R=MAX(該組最大值)-MIN(該組最小值)
例有數值: 1.5 1.6 1.7 1.55 1.65
R=1.7-1.5=0.2
5. 方差σ2=s2=
2
(Xi-X)
n-1
6. 標準差 1.母體標准差σ=S=
(Xi-X)2
n
2.樣本標准差 σ=s=
(Xi-X)2
SPC培訓講義
第一章: 認識SPC 第二章: 基本統計概念 第三章: SPC管制圖類別 第四章: SPC管制圖 第五章: SPC總結
第一章: 認識SPC
一.什么是SPC SPC---- Statistical Process Control
工业革命以后， 随着生产力的进一步发展，大规模生产的形成，如何 控制大批量产品质量 成为一个突出问题，单纯依靠事后检验的质量控制方 法已不能适应当时经济发展的要求，必须改进质量管理方式。于是，英、美 等国开始着手研究用统计方法代替事后检验的质量控制方法。
n-1
7. 中位數 M,該組數據數值大小的中間一位,若該組數是偶數,取中間兩個數的合進行 平均,例如
A: 1 3 4 5 8
M=X=4
B: 2 2.5 3 4 7 7.5 M=X=(3+4) / 2=3.5
8. Xbar-R常數表
^σ = R / d2
正態分佈概率
第三章: 管制圖類別
1. 計量型數據
所謂計量型數據,就是均由量具實際量測出來的數據,如長度.重量.電流值.尺寸等 具有連續性的數據.
2. 計數型數據
所謂計數型數據,就是均屬於以單位個數或次數來計算的數據,如不良數.不良率. 缺點數.缺點率等.
- 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)。
• 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
Excellent courseware
过程控制
受控 （消除了特殊原因）
时间
范围
不受控 （存在特殊原因）
Excellent courseware
过程能力
范围
受控且有能力符合规范 （普通原因造成的变差已减少） 规范下限
Excellent courseware
每件产品的尺寸与别的都不同
范围
范围
范围
范围
但它们形成一个模型，若稳定，可以描述为一个分布
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
范围 形状
或这些因素的组合
Excellent courseware
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。
Excellent courseware
五、管制图的类型 六、管制图的选择方法 七、计量型数据管制图 • a X-R 图 • b X- s 图 • c ˜X- R图 • d X-MR图 八、计数型数据管制图 • a p图 • b np 图 • c c图 • d u图
Excellent courseware
实施 研究
计划 措施
实施
研究
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
Excellent courseware
控制图
上控制限
中心限
下控制限
1、收集 收集数据并画在图上 2、控制 根据过程数据计算实验控制限 识别变差的特殊原因并采取措施 3、分析及改进 确定普通原因变差的大小并采取减小它的措施
名称
解释
平均值 （X） 一组测量值的均值
极差（Range） 一个子组、样本或总体中最大与最小值之差
σ（Sigma）
用于代表标准差的希腊字母
标准差
(Standard Deviation)
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。
Excellent courseware
SPC的作用 • 1、确保制程持续稳定、可预测。 • 2、提高产品质量、生产能力、降低成本。 • 3、为制程分析提供依据。 • 4、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。
Excellent courseware
SPC常用术语解释
规范上限 时间
受控但没有能力符合规范 （普通原因造成的变差太大）
Excellent courseware
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
过程改进循环
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 措施
SPC(Statistical Process Control)
统计过程控制
Excellent courseware
目录
一、SPC的产生 二、 SPC的作用 三、SPC常用术语解释 四、持续改进及统计过程控制概述 • a 制程控制系统
• b 变差的普通及特殊原因 • c 局部措施和对系统采取措施 • d 过程控制和过程能力 • e 过程改进循环及过程控制 • f 控制图
分布宽度 （Spread）
一个分布中从最小值到最大值之间的间距
中位数 ˜x
将一组测量值从小到大排列后，中间的值即为中位数。 如果数据的个数为偶数，一般将中间两个数的平均值 作为中位数。
单值
一个单个的单位产品或一个特性的一次测量，通常用
（Individual） 符号 X 表示。
Excellent courseware
过程的单个输出之间不可避免的差别；变差的原因 变差（Variation） 可分为两类：普通原因和特殊原因。
特殊原因 （Special Cause）
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。
Excellent courseware
名称
解释
普通原因
造成变差的一个原因，它影响被研究过程输出
（Common Cause） 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。
过程能力
是指按标准偏差为单位来描述的过程均值和规格界限
(Process Capability) 的距离，用Z来表示。
移动极差
两个或多个连续样本值中最大值和最小值之差。
SPC的产生
• 工业革命以后， 随着生产力的进一步发展，大规
模生产的形成，如何控制大批量产品质量成为一个突 出问题，单纯依靠事后检验的质量控制方法已不能适 应当时经济发展的要求，必须改进质量管理方式。于 是，英、美等国开始着手研究用统计方法代替事后检 验的质量控制方法。 • 1924年，美国的休哈特博士提出将3Sigma原理运用 于生产过程当中，并发表了著名的“控制图法”，对 过程变量进行控制，为统计质量管理奠定了理论和方 法基础。
目标值线 预测
范围
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。
范围
时间
时间
Excellent courseware
目标值线 预测
局部措施和对系统采取措施
• 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 • 通常可纠正大约15%的过程问题
• 对系统采取措施
（Moving Range)
Excellent courseware
变差的普通原因和特殊原因
普通原因：是指过程在受控的状态下，出现的具有稳定的且可重 复的分布过程的变差的原因。普通原因表现为一个稳 系统的偶然原因。只有过程变差的普通原因存在且不 改变时，过程的输出才可以预测。
特殊原因：（通常也叫可查明原因）是指造成不是始终作用于过 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。只用特殊原因ቤተ መጻሕፍቲ ባይዱ查出且采取措 施,否则它们将继续不可预测的影响过程的输出。
名称
解释
中心线
控制图上的一条线，代表所给数据平均值。
（Central Line）
过程均值（Process 一个特定过程特性的测量值分布的位置即为过程均
Average）
值，通常用 X 来表示。
链（Run）
控制图上一系列连续上升或下降，或在中心线之上 或之下的点。它是分析是否存在造成变差的特殊原 因的依据。
Excellent courseware
过程控制
受控 （消除了特殊原因）
时间
范围
不受控 （存在特殊原因）
Excellent courseware
过程能力
范围
受控且有能力符合规范 （普通原因造成的变差已减少） 规范下限
Excellent courseware
每件产品的尺寸与别的都不同
范围
范围
范围
范围
但它们形成一个模型，若稳定，可以描述为一个分布
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
范围 形状
或这些因素的组合
Excellent courseware
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。
Excellent courseware
五、管制图的类型 六、管制图的选择方法 七、计量型数据管制图 • a X-R 图 • b X- s 图 • c ˜X- R图 • d X-MR图 八、计数型数据管制图 • a p图 • b np 图 • c c图 • d u图
Excellent courseware
实施 研究
计划 措施
实施
研究
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
Excellent courseware
控制图
上控制限
中心限
下控制限
1、收集 收集数据并画在图上 2、控制 根据过程数据计算实验控制限 识别变差的特殊原因并采取措施 3、分析及改进 确定普通原因变差的大小并采取减小它的措施
名称
解释
平均值 （X） 一组测量值的均值
极差（Range） 一个子组、样本或总体中最大与最小值之差
σ（Sigma）
用于代表标准差的希腊字母
标准差
(Standard Deviation)
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。
Excellent courseware
SPC的作用 • 1、确保制程持续稳定、可预测。 • 2、提高产品质量、生产能力、降低成本。 • 3、为制程分析提供依据。 • 4、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。
Excellent courseware
SPC常用术语解释
规范上限 时间
受控但没有能力符合规范 （普通原因造成的变差太大）
Excellent courseware
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
过程改进循环
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 措施
SPC(Statistical Process Control)
统计过程控制
Excellent courseware
目录
一、SPC的产生 二、 SPC的作用 三、SPC常用术语解释 四、持续改进及统计过程控制概述 • a 制程控制系统
• b 变差的普通及特殊原因 • c 局部措施和对系统采取措施 • d 过程控制和过程能力 • e 过程改进循环及过程控制 • f 控制图
分布宽度 （Spread）
一个分布中从最小值到最大值之间的间距
中位数 ˜x
将一组测量值从小到大排列后，中间的值即为中位数。 如果数据的个数为偶数，一般将中间两个数的平均值 作为中位数。
单值
一个单个的单位产品或一个特性的一次测量，通常用
（Individual） 符号 X 表示。
Excellent courseware
过程的单个输出之间不可避免的差别；变差的原因 变差（Variation） 可分为两类：普通原因和特殊原因。
特殊原因 （Special Cause）
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。
Excellent courseware
名称
解释
普通原因
造成变差的一个原因，它影响被研究过程输出
（Common Cause） 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。
过程能力
是指按标准偏差为单位来描述的过程均值和规格界限
(Process Capability) 的距离，用Z来表示。
移动极差
两个或多个连续样本值中最大值和最小值之差。
SPC的产生
• 工业革命以后， 随着生产力的进一步发展，大规
模生产的形成，如何控制大批量产品质量成为一个突 出问题，单纯依靠事后检验的质量控制方法已不能适 应当时经济发展的要求，必须改进质量管理方式。于 是，英、美等国开始着手研究用统计方法代替事后检 验的质量控制方法。 • 1924年，美国的休哈特博士提出将3Sigma原理运用 于生产过程当中，并发表了著名的“控制图法”，对 过程变量进行控制，为统计质量管理奠定了理论和方 法基础。
目标值线 预测
范围
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。
范围
时间
时间
Excellent courseware
目标值线 预测
局部措施和对系统采取措施
• 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 • 通常可纠正大约15%的过程问题
• 对系统采取措施
（Moving Range)
Excellent courseware
变差的普通原因和特殊原因
普通原因：是指过程在受控的状态下，出现的具有稳定的且可重 复的分布过程的变差的原因。普通原因表现为一个稳 系统的偶然原因。只有过程变差的普通原因存在且不 改变时，过程的输出才可以预测。
特殊原因：（通常也叫可查明原因）是指造成不是始终作用于过 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。只用特殊原因ቤተ መጻሕፍቲ ባይዱ查出且采取措 施,否则它们将继续不可预测的影响过程的输出。
名称
解释
中心线
控制图上的一条线，代表所给数据平均值。
（Central Line）
过程均值（Process 一个特定过程特性的测量值分布的位置即为过程均
Average）
值，通常用 X 来表示。
链（Run）
控制图上一系列连续上升或下降，或在中心线之上 或之下的点。它是分析是否存在造成变差的特殊原 因的依据。