nullnull SPC 管 理 讲 座null
第一部分 SPC的发展历程
1)统计过程控制(Statistical
Process Control);簡稱SPC.
贝尔电话实验室就成立了以休哈特为学术领导人的过程控制,研究组和以道奇为学术领导人的产品控制研究组,经过研究,休哈特提出了过程控制理论以及监控过程的工具 — 控制图,世界上第一张控制图是休哈特在1924年5月16日提出的P控制图。
休合特的贡献就在于:应用他所提出的过程控制理论能够在生产线科学地保证预防原则的实现,在产品的制造过程中,产品质量特性值总是波动的。按照休哈特的观点,这种小波动可以分为两大类,即偶然波动与异常波动。
控制图的作用是显示异常,及时告警。null2)SPCD(统计过程控制与诊断)阶段
1982年张公绪提出两种质量诊断理论,开辟了统计诊断理论的新方向,从此SPC上升了SPCD,也即进入了SPC发展的第二个阶段。
3)SPCDA(统计过程控制、诊断与调整)
阶段的发展
从90年代起,SPCD又发展为SPCDA(Statistical Process Control,Diagnosis and Adjustment,统计过程控制,诊断与调整),国外称之为ASPC(Algorithmic Statistical Process Control,算法的统计过程控制)这也是SPC的第三个发展阶段。
到目前为止,SPCDA尚无实用性成果,仍在发展过程之中。
4)SPC發展歷程 4)SPC發展歷程 5)SPC的应用5)SPC的应用
預警性/時效性,对品质状况及时掌握状态
分辨一般原因與特殊原因
能力分析/經濟性
可用来分析制程改善效果
与其它手法结合起来,易找到产生状况的原因。
得出各种周期,以利于产品制程品质制订
标准
excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载
。null第二部分:基础知识
(一)产品质量波动
1.正常波动:
正常波动是由随机原因引起的产品质量波动。这些随机因素在生产过程中大量存在,是不可避免的,但它所造成的质量特性值波动往往比较小,例如:原材料的成份和性能上的微小差异;机器设备的轻微波动等。这些质量波动在生产过程中是允许存在的,所以称为正常波动,仅有正常波动的生产过程称为过程处于统计控制状态,简称为受控状态或稳定状态。
2.异常波动
异常波动是由系统原因引起的产品质量波动,系统原因通常由5M1E引起,异常波动的生产过程称为失控状态或不稳定状态。 品質的一致性品質的一致性甲選手乙選手誰的成績好呢?您的工廠/服務品質/供應商若有問題,您希望是甲狀況還是乙狀況呢?誰較有潛力呢?你會選誰當選手呢?品質(波动)變異的原因品質(波动)變異的原因null (二)统计数据及分类
从统计的角度来看,所有的统计数据可分为计量数据和计数数据两大类:
1.计量数据
凡是可以连续取值的,或者说可以用测量工具具体测量出小数点以下数值的这类数据,叫做计量数据。如:长度(1.0mm、1.1mm……)、重量(15kg、10kg……)计量数据服从正态分布。
2.计数数据
凡是不能连续取值,或者说即使用测量工具也得不到小数点以下的数据,而只能得到0或1、2、3……等自然数的这类数据,叫做计数数据,如:不合格品数、缺陷数等。还可以细分为计件数据和计点数据,计件数据服从二项分布,计点数据服从泊松分布。null(三)总体与样本 总体:又叫“母体”,指研究对象的全体,用“N”
表
关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf
示; 个体:总体当中的每个单元(产品); 样本:也叫子样,从总体中随机抽取出来并且要对它进行研究分析的一部分个体(产品)。样本中所含样的数目,叫样本大小或样本含量,用“n”表示。 (四)统计特征数 统计方法中常用的统计特征数可分为两类:一类是表示数据的集中位置,如样本平均值,样本中位数等;另一类是表示数据的分散程度,如样本极差,标准偏差等。 1.样本平均值(Xbar) 假設X1,X2,…,Xn為樣本中之觀測值,樣本數據之集中趨勢可由樣本平均數來衡量,樣本平均值定義為:
null2. 样本中位数
把收集到的统计数据X1、X2、……Xn,按大小顺序重新排列,排在正中间的那个数叫中位数,用M表示,当n为奇数时,中位数为正中间之数据。当n为偶数时,中位数为中间两数之平均值。
3.样本方差
4.样本标准偏差
5.样本极差(Range)
R = Xmax—Xmin (全距)
在上述特征数中:样本平均值,样本中位数是表示数据集中位置的特征数,反映数据分布的准确程度;样本方差,样本标准偏差,样本极差是表示数据分散程度的特征数,反映数据分布的精确程度。null(五)常用的几种典型分布
1.正态分布
通常非标准正态分布
寫為X ~ N(μ,σ2)
其中
μ:常態分配的中心值(μ)
σ2:常態分配的方差(Variance)(面)
σ:常態分配的標準差(線)
null特点:
1)曲线以X=μ这条直线为轴,左右对称;
2)曲线与横坐标轴所围成的面积等于1;
其中在μ±σ范围内的面积为68.26%
在μ±4σ范围内的面积为99.99%
3)对μ的正偏差和负偏差概率相等;
4)靠近μ的偏差出现概率较大,远离μ的偏差出现概率小;
5)在远离一定范围内以外的偏差,其出现概率是很小的(如在μ±3σ以外偏差,出现概率不到0.3%)。
正态分布的参数:
1)平均值(μ)
此参数是正态分布曲线的位置参数,即它只决定曲线出现的位置,而不改变曲线的形状。null2)标准偏差(σ)
此参数是正态分布曲线的形状参数,即它决定了曲线的“高”、“矮”、“胖”、“瘦”。
正态分布表及其用法:
1)某工序制造的零件,平均长度为160MM,标准偏差为6MM,求该零件的长度为165以下的概率是多少?
解:P(X≤165)=P(U≤165-160/6)
=Φ (0.83)=0.7967=79.67%
2.二项分布
二项分布由二项试验(又叫伯努利试验)而来,如果某项试验满足以下条件,则可称为二项试验:
1)试验次数为n次;
2)每次试验只有两种可能结果:“成功”或“失败”;null3)一次试验结果同其它次试验结果是相互独立的;
4)如果“成功”概率为P′,则“失败”概率为:1-P′=q′ 。
二项试验的概率分布叫做二项分布
如:我们在检测某一批产品,只判定“合格”与“不合格”时,就服从此项分布。
3.泊松(poisson)分布
泊松分布是“空间散布点子概率的模型”
泊松分布的表达式是:
其中:入:单位产品所含缺陷的平均数入= nxp′
e=自然对数底。
null(六)随机抽样方法
1.简单的随机抽样法
就是指总体中的每个个体被抽到的机会是相同的,如:
要从100件产品中随机抽取10件组成样本,可以把这100件产品从1开始编号直到100,然后用采取抽签等办法,任意抽10张。
2.系统抽样法
又叫等距抽样法或机械抽样法,如在上述100件产品中抽10个样本,可采取分段抽样,即1-10号抽1个,11-20号抽1个,……这样抽取出来组成样本。
3.分层抽样法
分层抽样法也叫类型抽样法,它是从一个可以分成不同子总体的总体中,按规定的比例从不同层中随机抽取样品的方法,如:有甲、乙、丙三个工人在同一台机器上倒班干同一种零件,他们加工完毕的零件分别堆放在三个地方,如现在抽取15个零件组成样本,应从每堆零件中各抽取5个零件,合起来15件组成样本。null(七)管制界限的構成(八)規格界限與管制界限(八)規格界限與管制界限規格界限:產品品質特性之最大或最小許可值
規格上限:USL 表示;
規格下限:LSL 表示。
管制界限:用作判斷樣本與樣本、批與批之間品質變異之顯著性。決定是否要分析品質變異原因
管制上限(Upper Control Limit):UCL表示;
管制下限(Lower Control Limit):LCL表示;
中 心 限(Center Line):CL表示。 (九)两类錯誤和风险(1) (九)两类錯誤和风险(1) 第一種錯誤 ( Type I Error ) NG製程
異常(九)两类錯誤和风险(2) (九)两类錯誤和风险(2) 第二種錯誤 ( Type II Error )OK製程
穩定(九)两类錯誤和风险(2)
(九)两类錯誤和风险(2)
第一種錯誤與第二種錯誤
不該判錯者而判錯者係第一種錯誤()
該判錯者而不判錯係第二種錯誤()
完全消除或減少第一種錯誤必須把管制界限放寬
減少第二錯誤必須把管制界限收縮
此兩種錯誤均會帶來損失,因此應設法使這種兩種錯誤加起來損失最少 null第三部分 控制图
(一)概述
控制图(control chart)又叫管理图。它是用来区分由系统原因引起的异常波动,或是由过程固有的随机原因引起的正常波动的工具。
控制图建立在数理统计学的基础上,它利用有效数据建立控制界限,一般分上控制界限(UCL)和下控制界限(LCL)。
控制图的种类很多,一般常按数据的性质分成计量值控制图和计数值控制图两大类。这两大类中常用的各种控制图的特点与适用场合如表2-1所示。null(二)两种控制圖的比较-依數據類型
計量值管制圖之優缺點
優點:比較靈敏,容易調查事故發生的原因
-能及時並正確地找出不良原因,可使品質穩定
缺點:需經常抽樣及計算,繪製管制圖,麻煩而費時間
計數值管制圖之優缺點
優點:生產完成後,才抽樣區分良品與不良品,所需數據能以簡單方法獲得之
對於工廠整個品質情況了解非常方便
缺點:有時無法尋求不良之真正原因,而不能及時採取處理措施,延誤時機
null表2-1控制图种类与适用场合
表2-1控制图种类与适用场合
表2-1控制图种类与适用场合
(三)控制用管制圖的用途(三)控制用管制圖的用途控制用管制圖-用於控制製程之品質,如有點子跑出界限時,立即採取如下措施:
-追查不正常原因
-迅速消除此項不良原因
-採取防止此項原因重復發生之措施 (四)解析用管制圖的用途(四)解析用管制圖的用途解析用管制圖-此種管制圖係作為:
- 決定方針
- 製程解析
- 製程能力研究
- 製程管制之準備(五)建立管制圖之步驟(1/7)(五)建立管制圖之步驟(1/7)分析用之管制圖
-選定管制項目:重要品質特性
-搜集數據:搜集最近之數據100個以上
-按生產之順序或測試順序,排列數據
-數據之分組:樣本數,以n表示。樣本之組數以k表示。
-將分組之數據記入數據記錄表 (五)建立管制圖之步驟(2/7) (五)建立管制圖之步驟(2/7)- 計算平均值X
- 計算全距R
- 計算總平均值Xbar。
- 計算全距之平均值Rbar。
- 查係數A2、D4、D3
- 計算管制界限(CL、UCL、LCL)
- 繪製管制界限(五)建立管制圖之步驟(3/7)(五)建立管制圖之步驟(3/7)- 管制界限之檢討
- 與規格比較
1.如界限在規格界限內,且在規格中心附近,可認為製程能力滿足規格要求,可以延長做為管制用管制圖
2.如界限寬度比規格界限寬度窄,但中心離開規格中心,使產品界限超出規格,此時宜調整製程平均值,使之與規格中心一致後,方可延長做為管制用管制圖之界限(五)建立管制圖之步驟(4/7)(五)建立管制圖之步驟(4/7) 3.如界限寬度比規格界限寬度寬,表示製程能力不足。需對現狀加以分析,找出變異之原因,運用工程與技術知識加以改善,亦稱之為製程能力之改善。
4.如無產品規格時,可直接延長使用,而由最後成品之品質特性是否滿足客戶要求來檢討。(五)建立管制圖之步驟(5/7)(五)建立管制圖之步驟(5/7)建立管制用管制圖
1.記入必要事項:製程名稱、管制項目、測定單位、規格、機台編號、製作者、操作者、數據之期限等資料填入管制圖。
2.作管制界限:將經分析用管制圖決定之管制界限繪入管制圖。
3.點圖:由製程抽樣,測定其特性值,獲得記錄,按時間順序點入管制圖內。(五)建立管制圖之步驟(6/7)(五)建立管制圖之步驟(6/7) 4.稳定狀態之判定:點子如在管制界限內,則判定製程安定,可持續生產下去,如超出管制界限,則判定製程有不正常原因。
5.採取措施
a.立即調查原因,加以處置
b. 管制圖上有點超界限時,表示製程平均值發生變化或變異增大。(五)建立管制圖之步驟(7/7)(五)建立管制圖之步驟(7/7) c.R管制圖上有點超界限時,則表示製程變異增大。
6.採取措施時,不但要消除當時之不正常現象,還要預防再度發生。
7.管制界限之重新計算:管制工作持續一段時間後,製程可能發生變化,此時再利用原本之管制界限來判斷製程就不適合,應再度收集數據重新計算管制界限。(六)管制圖之判讀(1/9)(六)管制圖之判讀(1/9)管制圖的判斷原則
- 應視管制圖上的點為一分配,而不是單純之點,即應考慮到製程分配之變化情形
- 不必過分顧慮界限內之點之動向。雖無異常之原因,而製程順利進行時,其結果在界限內仍有差異之存在(六)管制圖之判讀(2/9)(六)管制圖之判讀(2/9)管制狀態的判斷
- 多數點集中在中心線附近
- 少數點落在管制界限附近
- 點呈隨機分布,無任何規則可循
- 沒有點超出管制界限之外(六)管制圖之判讀(3/9)(六)管制圖之判讀(3/9)非管制狀態的判斷
- 點在管制界限的線外(或線上)
- 點雖在管制界限內,但呈特殊排列
- 中心限附近無點子
- 管制界線附近無點子或很少(六)管制圖之判讀(4/9)(六)管制圖之判讀(4/9)規則一 : 有一點逸出管制界限之外(六)管制圖之判讀(5/9)(六)管制圖之判讀(5/9)規則二 :中心限同側連續三點中有二點落在 A區或A區以外(六)管制圖之判讀(6/9)(六)管制圖之判讀(6/9)規則三 : 連續八點落在中心限之同側(六)管制圖之判讀(7/9)(六)管制圖之判讀(7/9)規則四 :有連續七點呈上升(或下降)
連續五點:注意觀察以后動態
連續六點:開始調查原因
連續七點:立即采取措施 (六)管制圖之判讀(8/9) (六)管制圖之判讀(8/9)規則五 : 點子呈周期性排列(六)管制圖之判讀(9/9)(六)管制圖之判讀(9/9)規則六 :連續15點以上出現在±1σ間時。
規則七 :變幅突然變大或減小。(七)(Xbar-R )管制圖之繪製(1/5)(七)(Xbar-R )管制圖之繪製(1/5)平均值與全距管制圖(Xbar-R Chart)
-用途:計量數據,如長度、重量等
-取樣方法:取樣必須具有代表性。為了合理、經濟及有效起見,大多取4或5個樣本。取樣最重要係合理樣組(通常為25組),盡量使樣組內變異小,樣組與樣組間變異大,管制圖才易生效。(七)(Xbar-R )管制圖之繪製(2/5)(七)(Xbar-R )管制圖之繪製(2/5) -測定樣本及記錄結果:將測定值x1、x2、x3、x4… xn,記錄在記錄紙上。
-管制界限之計算
CL = =(xbar1+xbar2+xbar3+…+xbark)/k
CLR = =(R1+R2+R3+…+Rk)/k
UCL = +3 = +3 = +3 = +A2
LCL = -3 = -3 = -3 = -A2(七)(Xbar-R )管制圖之繪製(3/5)(七)(Xbar-R )管制圖之繪製(3/5)UCLR= +3R= +3d3= +3d3 = D4
LCLR= -3R= -3d3= -3d3 =D3(七)(Xbar-R )管制圖之繪製(4/5)(七)(Xbar-R )管制圖之繪製(4/5)其中A2、D4、D3可查表(七)(Xbar-R )管制圖之繪製(5/5)(七)(Xbar-R )管制圖之繪製(5/5) -繪管制界限,並將點點入圖中。
-記入數據履歷及特性原因,以備查考、分析、判斷。(八)P管制圖之繪製(1/3)(八)P管制圖之繪製(1/3)P管制圖
-收集數據,至少20組以上。
-計算每組之不良率。
-計算平均不良率 =總不良數/總檢查數(八)P管制圖之繪製(2/3)(八)P管制圖之繪製(2/3) -計算管制界限
CL=
UCL= +3
LCL= -3(八)P管制圖之繪製(3/3)(八)P管制圖之繪製(3/3)-繪製管制界限,並將點點入圖中。
-記入數據履歷及特殊原因,以備查考、分析、判斷。第四部分製程能力分析第四部分製程能力分析(一)製程能力分析之條件
製程在穩定狀態
製程呈常態分配
規格滿足客戶之要求
設計目標位於規格中心
變異相對地少(二)製程管制系統(二)製程管制系統成品製程中對策成品改善null(三)质量术语和质量指标
1)过程质量
过程质量是指工序过程的质量。过程质量的高低反映在过程的成果符合设计、工艺要求的程度,即过程的符合性质量。过程质量高返修率低。
产品是由零、部件所组成的,而零件又是经若干道工序加工而成的。一个过程可由一道或若干道工序组成。因此,过程的质量将最终决定产品的制造质量(检验、加工、搬运等环节)。null2)过程能力
过程能力就是在5M1E都在标准的条件下,操作呈稳定状态时所具有的加工精度,也就是过程的实际加工能力。过程能力就是过程的一种可以量度的特性。过程能力是用来度量过程处于统计控制状态下的固有变异的。当过程数据是计量值且服从正态分布时,过程能力用过程的“散差”,即过程所加工产品的质量特性值的波动幅度(分散性)来表示。通常用过程分布的6倍标准偏差(6σ)来度量:
B(分散幅度)=6σ
在正态分布情况下,质量特性值落在6σ范围内的概率为99.73%。若B(=6σ)越大,表明过程的实际精度越差,过程能力越小;若B越小,则表明过程的实际精度越高,过程能力越大。null製程能力(Process Capability):6σ
以6σ表示製程能力,其中σ為固有之變異(標準差)即導因於一般原因,用 /d2來估計,所以又稱6σ為自然公差。
製程績效(Process Performance):6σ
亦以6σ表示製程績效,但其中σ乃由s(或 )來估計,即導因於一般及特殊原因。3)製程中之變異3)製程中之變異一般原因(Common Cause)造成之變異之估計: /d2或 /c4
一般原因(Common Cause)及特殊原因(Special Cause)造成之變異之估計:S
= S =
其中:xi為個別量測值, 為平均值,n為樣本大小(四)製程能力指数及能力评估(1/7)(四)製程能力指数及能力评估(1/7)製程准确度 Ca(Capacity of Accuracy)
製程精密度Cp (Capability of precision)或
製程潛力(Process potential)
比較製程分散寬度與公差範圍
对某些加工过程,特别是以机器作为主导因素的过程,其
过程质量的定量表示,一般可用“过程能力指数”CP来表达
。所谓过程能力指数,就是产品的公差范围(T)与过程
能力(B)之比,它表明过程能力对产品设计质量要求的
保证程度,以Cp表示。
根据CP值的大小,可定量估算出该过程的不合格品率(表3-1)。
雙邊規格時(Xbar=M) : Cp = (四)製程能力指数及能力评估(2/7) (四)製程能力指数及能力评估(2/7)單邊規格時:
Cp= min{ , }等級 分級標準
A 1.33<=Cp
B 1.00<=Cp<1.33
C 0.83<=Cp<1.00
D Cp<0.83
其中 為自然公差 /d2null表3-1过程能力指数对应的不合格品率表双向公差,质量数据分布中心(xbar)与公差中心(M)相一致时,
用符号CP表示。相应的不合格品率:P′=2×[1-Φ(3Cp)]
当给定单向公差的上限公差时,常采用的公式为:
Cpu =Tu -Xbar/3σ相应的不合格品率: P′=1-Φ(3Cpu)
当给定单向公差的下限公差时,常用的公式为:
Cpl = Xbar-TL /3σ相应的不合格品率: P′=1-Φ(3Cpl)1)σs—規格標準差1)σs—規格標準差讀做Sigma Spec2)σa—製程標準差2)σa—製程標準差讀做Sigma Actual 3)Ca—準確度Capacity of Accuracy 3)Ca—準確度Capacity of AccuracyCa = L1 /L2
L1 = X ─ SL
L2 = (USL — LSL)/2null 比較製程分配中心與規格中心一致之情形
Ca =等級 分級標準
A |Ca|<=12.5%
B 12.5%<|Ca|<=25%
C 25%<|Ca|<=50%
D 50%<|Ca|4)Cp—精密度Capacity of precision4)Cp—精密度Capacity of precision5)Cpk – 精確度-製程能力指數(綜合指數)5)Cpk – 精確度-製程能力指數(綜合指數)Cpk是總合Ca(k)和Cp二值之指數,其計算式為:
當Ca =0時,Cpk =Cp (四)製程能力指数及能力评估(3/7)(四)製程能力指数及能力评估(3/7) 初期製程潛力Pp (Preliminary
potential)
以新製程之初期研究所得之數據為 基礎
Pp =(四)製程能力指数及能力评估(4/7)(四)製程能力指数及能力评估(4/7)初期製程能力Ppk (Preliminary process capability)
製程能力指數Cpk (Process capability)
双边规格时,数据分布中心(x)与公差中心(M)不一致,即存在中心偏移量(ε)时;过程能力指数用符号CPK表示。不合格,不合格品率:P′=2-[Φ(3Cpk)+Φ×1-(3Cp)]
Cpk = T-2є/6σ
=Cp*(1-|Ca|)null表3-3过程能力等级评定表(四)製程能力指数及能力评估(5/7)(四)製程能力指数及能力评估(5/7)Cp與Cpk之比較
Cp永遠大於或等於Cpk
Cp與Cpk差距越大,代表改善空間越大
當製程中心等於規格中心時,Cp=Cpk
當製程中心位於規格界線時,Cpk=0
當製程中心超出規格界線時,Cpk<0
Cpk所代表之不良率通常以3*Cpk所得之值查Z表而得null (五)提高过程能力指数的途径
影响过程能力指数有3个变量,即产品质量规范(公差范围T);过程加工的分布中心x与公差中心M的偏移量ε;过程加工的质量特性值分散程度,即标准偏差s,因此,提高过程能力指数的途径有3个,即减少中心偏移量ε;减少标准偏差s ;或增大公差范围T。
(六)、應用SPC的成功因素(六)、應用SPC的成功因素取得管理階層的支持
教育為先,改變既有的思考模式
以客戶為中心
追求永不停止的改善
定期檢討
提報及執行改善計劃
善用電腦軟體工具
(七)工業界應用SPC的困難(七)工業界應用SPC的困難多種少量的生產型態
管制計劃的不實際
使用SPC前未作充份準備
統計知識欠缺
統計計算繁瑣
管理階層不支持