统计过程控制

合集下载
  1. 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. 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. 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)。

SPC(Statistical Process Control)
统计过程控制
一、统计过程控制的基本概念 ⒈ 统计的概念
统计(Statistical ,简称S ):有目的地收集数据、整理数据、并使用相应的方法制图,列表与分析数据
的过程。

⒉ 过程(Process ,简称P):
在ISO9000:2000版中,过程的定义是一组将输入转化为输出的相互关联和相互作用的活动。

⒊ 控制(Control ,简称C ):
所谓控制就是通过对图表与数据的分析研究,对过程的异常采取相应的措施进行监控的一种持续改进
的活动。

⒋ 统计过程控制(SPC )的涵义:
统计过程控制(Statistical Process Control ,简称SPC )是为了贯彻预防原则,应用统计技术对过程中的
各个阶段进行评估与监察,建立并保持过程处于可接受的并稳定的水平,从而保证产品和服务符合规定的要求的一种技术。

统计技术涉及数理统计的许多分支,但SPC 中的主要工具是控制图。

因此,要想推行SPC 必须
对控制图有一定深入的了解,否则就不可能通过SPC 取得真正的实效。

⒌ SPC 的特点:
① 强调全员参与,而不是只依靠少数质量管理人员; ② 强调应用统计方法来保证预防原则的实现;
③ SPC 不是用来解决个别工序采用什么控制图的问题,SPC 强调从整个过程、整个体系出发来解决
问题。

SPC 的重点就在于P (Process ,过程)。

⒍ SPC 的常用工具:
① Cpk :工程能力指数 ② QC 旧七大手法 ③ 管制图 二、控制图的形成原理
将通常的正态分布图转个方向,使自变量增加的方向垂直向上,将μ、μ+3σ和μ-3σ分别标为CL 、UCL 、和LCL ,这样就得到了一张控制图。

三、控制图在贯彻预防原则中的作用
按下述情形分别讨论:
情形1:应用控制图对生产过程进行监控,如出现图中的点子上升趋势,显然过程有问题,故异因刚一露头,即可发现,于是可及时采取措施加以消除,这当然是预防。

但在现场出现这种情形是不多的。

UCL
CL LCL
情形2:更经常地是控制图上点子突然出界,显示异常。

这时必须查出异因,采取措施,加以消除。

控制图的作用是:及时告警。

只在控制图上描点,是不可能起到预防作用的。

必须强调要求现场第一线的工程技术人员来推行SPC,把它作为日常工作的一部份,而质量管理人员则应该起到组织、协调、监督、鉴定与当好领导参谋的作用。

状态Ⅰ:统计控制状态和技术控制状态同时达到,最理想;
状态Ⅱ:统计控制状态未达到,技术控制状态达到;
状态Ⅲ:统计控制状态达到,技术状态未达到;
状态Ⅳ:统计和技术控制状态均未达到,最不理想。

从上表看,从Ⅳ达到Ⅰ的途径有两条:Ⅳ
①从CP值上讲,应先达到Ⅲ,但有时为了达到更加经济,宁可保持在状态Ⅱ也是有的;
②一般来讲,在生产的未道工序一般以保持状态Ⅰ为宜。

四、分析用控制图和控制用控制图
1、控制用控制图的含义:
一道工序开始应用控制图时,几乎总不会恰巧处于稳态,也即总存在异因。

如果就以这种非
稳定状态下的参数来建立控制图,控制界限之间的间隔一定较宽,以这样的控制图来管理未
来,将会导致错误的结论。

因此,一开始总需要将非稳定的过程调整到稳态,这就是分析用
控制图阶段。

等到过程调整到稳态后,才能延长控制图的控制线作为控制用控制图,这就是
控制用控制图阶段。

2、分析用控制图
分析用控制图主要分析以下两个方面:
⑴所分析的过程是否处于统计控制状态?
⑵该过程的过程能力指数Cp是否满足要求?维尔达(S.L.Wierda)把过程能力指数满足要求
的状态称作技术稳态。

UCL
CL
LCL 3σ
-3σ
中值
由于Cp 值必须在稳态下计算,故须先将过程调整到统计稳态,然后再调整到技术控制状态。

(转附页1)
分析用控制图的调整过程即是质量不断改进的过程。

3、控制用控制图
当过程达到了我们所确定的状态后,才能将分析用控制图的控制线延长作为控制用控制图。

由于后者相当于生产中的立法,故由前者转为后者时应有正式交接手续。

进入日常管理后,关键是保持所确定的状态。

经过一个阶段的使用后,可能又会出现新的异常,这时应查出异因,采取必要措施,加以消除以恢复统计过程控制状态。

五、统计数据及其分类
数据是统计技术的基础,学习统计技术首先要了解数据。

㈠ 数据的分类:
大体上可分为两类:计量型数据和计数型数据
计量型数据是指那些作为连续量测得的质量特性值,如长度、重量、强度、化学成分、时间、电阻等。

计数型数据是指按个数数得的非连续性取值的质量的特性值,如元件的疵点数、统计抽样中的不合格判定数、审核中的不合格项数等可以用0、1、2…等阿拉伯数字一直数下去的数据。

计数型数据还可进一步区分为计件数(如不合格数)和计点数(如疵点数)将这些数据换成比率后的数据也是计数数据。

两类数据的差别,决定了数据所反映的统计性质和数据处理的不同方法。

例如:计量型数据属连续概率分布,最典型的是正态分布;而计数型数据属离散概率分布,最典型的是二项分布和泊松分布。

㈡ 统计数据的特性值 1、 数据的位置特性值
表示数据位置特性(中心趋向)的值有平均值、中位值、中值及众数等。

⑴ 平均值X
如果从整体中抽取一个样本,得到一批数据X 1 X 2 X 3……Xn 则样本平均值为
X =n
1
(X 1 + X 2+…+Xn )
⑵ 中位值
有时为了减少计算,将数据X 1 X 2 X 3……Xn 按大小次序排列,用居正中的那个数(当数据
个数为奇数时)或中间两个数的平均值(当数据个数为偶数时),表示数据的整体平均水平。

⑶ 中值M
测定值中的最大值Xmax 与最小值Xmin 的平均值,用M 表示 M=
2
min
max X X
⑷ 众数
在用频数分布表表示测定值时,频数最多的是值即为众数。

若测定值按区间作频数分布时,频数最多的区间代表值(一般用区间中值)亦称众数。

2、 数据的离散特性值
仅有一个反映数据位置的特性值是不够的,还必须有一个反映数据离散程度变即变异程度的
特性值。

经常使用的离散特性值,包括极差(R )、偏差平方和(S )、无偏方差S 2和标准偏差s 等。

⑴ 极差(R )
测定值中最大值Xmax 与最小值Xmin 之差称为极差,用R 表示,通常极差用于测定个数n 小于10的场合。

⑵ 偏差平方和
各个测定值与平均值X 之差称为偏差,各测定值的偏差的平方和称偏差平方和,简称平方和,用S 表示。

S=∑Xi -(X )2
⑶ 无偏方差
各个测定值的偏差平方和除以(n-1)后得的值为无偏方差(简称方差),用S 2表示。

S 2
=1-n S =
1
1
-n ∑Xi -(X )2
方差S 2单位为测定值单位的平方。

⑷ 标准偏差s
方差S 2的平方根为标准偏差(简称标准差)用S 表示
s=11-n ∑-Xi (X )2
标准偏差s 的单位为测定值单位
六、Cpk (过程能力指数)
1、 Ca (Capability of accuracy )制程准确度
从生产过程中所获得的资料其实际平均值(X )与规格中心值(u )之间偏差的程度,称为准确度。

C a =
%2
/)
(T U X -=-规格容许差规格中心实测中心值
Ca 之处置原则:
A 级:维持原则;
B 级:改进为A 级;
C 级:立即检讨、改善;
D 级:采取紧急措施,全面检讨,必要时停止生产。

2、 Cp (Capability of precison )(制程精密度)
以规格公差(T )与生产中所获得的6个估计实际标准差(σ)其间相差的程度
Cp=
=S 3规格容许差σ
6规格公差
n
n
i=1
i=1
n i=1
只有规格上限:Cp=
σ3X
Su-
只有规格下限:Cp=
σ3SL
X-
3
⑴Cpk值计算公式
A.双边规格时
Cpk=(1- Ca )Cp B.单边规格时
Cpk=Min
σ3)
(X
Su-
σ3)
(SL
X-
⑵等级判定
Cpk值愈大,品质愈佳,依Cpk值大小分为五级:
A*:考虑管理的简单化或成本的降低方法;
A:维持原状
B:改进为A级
C:需全数选别并管理,改善制程
D:进行品质改善,探求原因,需要采取紧急对策,并重新检讨规格。

4、制程能力研究之应用
1、对设计单位提供基本资料;
2、分派工作到机器上;
3、用来验收全新或翻新调整过的设备;
4、选用合格的作业员;
5、设定生产线的机器;
6、根据规格公差设定设备的管制界限;
7、当制程能力超越公差时,决定最经济的作业水准;
8、找出最好的作业方法。

七、控制图(Control chart)的作法:
㈠控制图的结构:
控制图(control chart)是对过程质量特性值进行测定记录、评估,从而监察过程是否处于控制状态的一种统计方法设计的图。

图上有中心线(CL ,central line)、上控制线(UCL,upper control line)和下控制线(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。

UCL 与LCL统称为控制线(control lines)。

若控制图中的描点落在UCL与LCL之外,或描点在UCL现LCL之间的排列不随机,则表明控制过程异常。

控制图有一个很大的优点,即在图中所描绘的点子与控制界限相比较,从而能够直观地看到产品或服务的质量的变化。

㈡控制图的分类
1、计数型控制图
①不合格品率的P控制图(样本容量不一定相同);
②不合格品数的nP控制图(相同样本容量);
③不合格缺陷数的C控制图(相同样本容量);
④单位不合格缺陷数的μ控制图(样本容量不一定相同)。

2、计量型控制图
①X-R控制图(均值和极差图)
②X-S控制图(均值和标准差图)
~
③X-R控制图(中位数图)
④X-MR控制图(单值和移动极差图)
㈢控制图的原理
1、3σ原则
当质量特性值的随机变量X服从正态分布时,则X落在U±3σ范围内的概率是0.9973。

根据小概率事件可以“忽略”的原则,可以认为,如果变量X超出U±3σ范围,则认为过程存在异常变异(系统性变异)。

2、两类错误的概率
控制图是利用从总体中抽取的样本数值进行判断的,既然是抽样就可能存在风险,即产生错误或漏判错误的风险。

A.错判是虚发警报的错误,出称为第I类错误。

在过程正常情况下,依然存在由于偶然原因造成点子超出上、下控制限以外的情况,从而造成将一个正常整体错判为不正常。

不过这种情
况的概率很小,一般不会超出3‰,第I类错误通常用α表示。

B.漏判是漏发警报的错误,也称第Ⅱ类错误。

在过程存在异常变异时,如被监控的总体的均值发生偏移或其标准发生改变,仍会有一部份数据的概率也很小,通常用β表示。

3、控制图的设计思想
休哈特控制图的设计思想是:先确定第I类错误α,而且将α取得很小(2.7‰~3‰),以增加控制图使用者的信心。

为控制第Ⅱ类错误β,则增加了对界限内点子趋势向判异规则,即:“界内点排列不随机判异”的原则。

4、过程异常判断
A 、对控制图的直观判断
根据正态分布的特点,对过程是否存在异常大体有以下几种情况:
⑴多数点子在U±1σ范围内(理论上是68%左右),小部份点子在U±2σ与U±1σ之间(理
论上是27%左右)而且点子呈随机排列,这是过程控制的理想状态。

⑵中心线一侧的点子明显比另一侧多(理论上是两侧的点子各占50%),这时应考虑均值可能
产生偏移。

⑶较多的点子接近上下控制限,说明标准差已变大
⑷中心线一侧连续出现多个点子或点子连续上升(或下降)证明有因素干扰(点子连续在一侧
称为链,链的点子数称为链长,点子连续上升(或下降)称“倾向”。

⑸点子按一定时间间隔呈周期性起伏变化,一般是由于工艺、环境等因素失控造成的结果。

A、点子累积接近控制限的情况应判异常;
B、点子呈链状排列,链子不少于7时判异常;
C、点子呈倾向性排列,当有不少于7点连续上升(或下降)倾向时判异常;
D、点子超出上下控制限判异常。

⑹八种典型判异准则
准则1:一点在A区之外。

准则2:9点在C区或其外。

UCL
UCL
X X
LCL
LCL
5
准则3:6点递增或递减准则4:14点上下交替UCL UCL
X X
LCL LCL
准则5:3点中有2点在A区。

准则6:5点中有4点在B区
UCL UCL
X X
LCL LCL
准则7:15点在C区中心线上下准则8:8点在中心线两侧,但无1点在C区中。

UCL UCL
X X
LCL LCL
一般而言,发生点子超越控制限情况都应视为异常,但如果过程一直稳定,在大量的点子中
有极个别点子超出界外,此时应结合过程特点具体分析。

5、过程改进循环(见附页)
1、分析过程
当考虑进行过程改进时,必须对该过程有基本的了解,为了对过程有很好的理解应弄清以下
问题:
a 本过程应做些什么?
B 会出现什么问题
——本过程会有哪些变化?
——我们已经知道本过程的什么变差?
——哪些参数受变差的影响大?
C 本过程正在做什么?
——本过程是否在生产废品或需要返工的产品?
——本过程生产的产品是否处于统计过程控制状态之?
——本过程是否有能力?
——本过程是否可靠?
2、维护(控制)过程
使过程维持在一定的能力水平上,采取有效的措施防止过程发生不希望的变化。

同时。

了解
所希望的变化并使之保持稳定。

3、改进过程
通过变差来改进过程,包括有目的向过程中引入变化并测量其效果更好地理解过程,使变差
的普通原因进一步减小。

6、PDCA循环
统计制程控制中三大步骤每一步都有一个PDCA循环,P是计划,D是执行,C是检查,A是行动,其中计划阶段包括全员参与准备活动,调查可能的原因,确定因果关系,执行阶段就是采取预
防和纠正措施,检查阶段就是改进的确认行动阶段就是保持成果并持续改进。

------完------。

相关文档
最新文档