SPC初阶

SPC初阶課程大綱數據蒐集基本統計製程控制控制圖繪製控制圖檢定2數據的蒐集與統計基本概念1統計製程控制基本概念3計量/計數值控制圖-Short-Run控制圖4控制圖的檢定規則控制圖範例異常處理流程製程數據蒐集與基本統計觀念(DataCollectionandBasicStatistics)製程數據蒐集製程數據蒐集的目的是為了監測產品品質特功用否達到客戶的要求製程能否穩定製程數據可分红兩種型態：計量值數據與計數值數據簡單的說，計量值數據是量出來的，而計數值數據是數出來的。a.線寬是□計數□計量d.銅厚是□計數□計量b.導線斷路數是□計數□計量e.線距是□計數□計量c.針孔凹陷數是□計數□計量客戶滿意製程數據的統計對於蒐集到的眾多製程數據，可以用以下兩種指標來代 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 數據的整體特性：集中趨勢指標–大部份的數據集中在哪裏?離散趨勢指標–數據的分散水平如何?平均值(Mean)：將一組數據加總後，除以總個數之數值中位數(Median)：將一組數據由小至大排序後，最中間的那一個數值眾數(Mode)：在一組數據中，出現次數最多之數值全距(Range)：將數據中的最大值減去最小值標準差(StandardDeviation)：σ=變異數(Variance)：標準差的平方為平均值N為數據個數製程數據的統計集中趨勢指標(CentralTendency)請以下面的數據計算相關指標：平均值為：中位數為：眾數為：12334445567離散趨勢指標(Dispersion)全距為：標準差為：變異數為：(1+2+3+3+….+5+5+6+7)/11=412334445567中間位置為第六個數→44共出現3次，所以眾數為〝4〞7-1=6最小值最大值R=6σ=σ2=〔(1-4)2+(2-4)2+…+(6-4)2+(7-4)2〕/11=2.727平均值μ趨勢指標的差異比較上述的數據假定新增一筆〝11〞，請問指標會如何變化？1233444556711平均值為：中位數為：眾數為：全距為：標準差為：變異數為：常態分佈數據在分組之後，依照各組次數的分配，可以出現不同的分佈圖型。而最常見的即是常態分佈(NormalDistribution)註:常態分佈又稱高斯分佈機率分佈常態分佈四項特點：1.左右對稱2.平均數=中位數=眾數3.機率曲線加總為14.曲線永不與兩軸相交常態分佈的特性數據假定呈現常態分佈，則會有以下的特性：假设全部有1000個數據，大約只要3個數據會落在平均值正負三個標準差以外的範圍！智190185180165160010μ-σμ+σμμ+2σμ-2σμ+3σμ-3σ68.3%95.5%99.7%68.3%的數據在±範圍內95.5%的數據在±2範圍內99.7%的數據在±3範圍內175170身高常態分佈的特性範例：全校男同學身高假設一所學校共有500位男同學，這些同學的身高呈現常態分佈。而全體男同學的平均身高為175公分，標準差為5公分。那麼請問：身高介於165~185公分的男同學約有幾位？身高在180公分以上的男同學約有幾位？有沒有能够有身高在150公分以下的男同學？統計製程控制基本概念(BasicSPCConcept)何謂統計製程控制統計製程控制(StatisticalProcessControl,簡稱SPC)，是应用抽樣所得之樣本資料(樣本統計量)來監視製程之狀態，統計製程控制為預防性之品質控制手腕，其主要目的在儘快偵測出可歸屬缘由之發生或製程之跳動(偏移)，以便在製造出更多不合格品之前，就能發現製程之變異並進行改善任务：第一時間就做對(Doitrightthefirsttime)缘由的分類任何的生產顺序一定存在變異，我們將形成變異的缘由分為兩類：1.機遇缘由–自然之變異，這些變異是由一些小量不可控制缘由累積而成，且會不时存在。又稱為：例如：同種原料內的變化、機器的振動所惹起的變化等，當這些變異之量極小時，製程仍可被接受。*當製程在只要機遇缘由出現下操作，則稱其在控制中(incontrol)！普通缘由不可歸屬缘由缘由的分類2.非機遇缘由–變異的幅度通常較機遇缘由之變異為大，且應可被扫除。又稱為：例如：機器的不適當調整、操作員之錯誤、原料之不良、機器缺点或損壞等，當這些變異出現時，代表製程不可接受。*製程假定在非機遇缘由變異下操作，則稱其為製程失控(outofcontrol)！特殊缘由可歸屬缘由「非機遇缘由」或「特殊缘由」就是我們進行統計製程控制所要找到的重點。控制圖簡介1924年休哈特(W.A.Shewhart)提出了控制圖(ControlChart)的概念與方法。控制圖是一種關於品質的圖解記錄，操作人員应用所搜集的資料計算出兩個控制界限(下限及下限)，且畫出這兩個控制界限，在產品製造過程中隨時將樣本資訊點入控制圖內，以提示操作人員。如發現有超出控制界限外之點或是出現特殊圖樣(異常現象)時，應立刻由人員、機械設備、资料、方法(4M)或環境(1E)等方向進行層別以清查缘由，進而改善製程。SPC可以改善製程嗎？控制圖基本原理控制圖為一種圖形表示工具，用以顯示從樣本中量測或計算所得之品質特性。典型之控制圖包括一中心線(CenterLine,CL)，用以代表製程處於統計控制內時品質特性之平均值。此圖同時包括兩條水平線，稱為控制下限(UpperControlLimit,UCL)及控制下限(LowerControlLimit,LCL)，用來表示製程或品質變異的容許範圍或均勻性。控制圖可用來判斷品質變異之顯著性，以測知製程能否在正常狀態。控制圖基本原理UCLLCLCL時間軸數據軸控制圖與普通的統計圖不同，除了能將數值以曲線表示出來，觀其數據的變異趨勢，以提示人員去確認製程能否出現異常，採取適當之措施。而且控制圖同時可展现時間順序的資料。何謂統計製程控制我們為何要學統計製程控制？品質並不是某一個人或是某一部門的責任，假设要生產的產品能達到顧客所要求的「品質」，公司裡每一個人包括生產線上的作業員、打字員、採購員、工程師以及公司的總經理等對產品的品質都有責任。而製程控制即是品管的一種技巧，凡與製程有關之人員均需具備製程控制的相關知識或技巧，盡到自己的品質責任。品質計量/計數值控制圖(Variable/AttributeControlChart)控制圖繪製流程決定控制特性決定抽樣計劃蒐集數據並剖析製程才干繪製解析用控制圖探討、並去除可歸屬缘由執行控制用控制圖安宁狀態?(長度、厚度、光學點-光學點、成型尺寸…等)(n=1、n>1、ByLot、班別…等)(能否有OOC/OOS或其他異常狀況?)OKNG控制圖分類控制圖依蒐集數據的型態可分為：解析用控制圖–目的在於研讨製程才干同時解析製程以進行製程控制之準備。控制用控制圖–偵測可歸屬缘由能否發生同時清查並迅速消弭此缘由。計量值控制圖(VariableControlChart)計數值控制圖(AttributeControlChart)依用途目的可分為：計量值控制圖的種類計量值控制圖依抽樣方式或數據特性的不同可分為：平均值與全距管制圖(X-RChart)-適用於小樣本n<10，建議在n=2~5時使用平均值與標準差管制圖(X-SChart)-適用於大樣本，建議在n≧5時使用中位值與全距管制圖(X-RChart)–不常用個別值與移動全距管制圖(X-RmChart)-適用每次抽樣數為1__~(如运用自動化檢測每件產品、資料不易取得、取得資料耗時本钱高或是樣本的品質極為均勻，均適用此控制圖)計數值控制圖的種類計數值控制圖依偵測目的不同可分為：不良率控制圖(PChart)-製品可分為合格與不合格之數目，並以不良率來監測其品質。不良數控制圖(NPChart)-與P控制圖相反，但每次的檢驗數量要一樣。假定不良率的值過小時(以ppm計)，圖形會不易區別，用NP圖較佳。缺點數控制圖(CChart)-適用於產品雖有缺點，但不致於不合格，用此圖來表示品質之上下。但每次的檢測單位大小要分歧。如壓合針孔凹陷數，不同料號板面大小不同，此圖就不適用。單位缺點數控制圖(UChart)-與C控制圖相反，但檢測單位大小可不分歧。計量值控制圖則有兩個圖，而計數值控制圖皆只要一個圖！短製程控制圖(ShortRunControlChart)ShortRun源起但Short-Run控制圖在运用上必須滿足以下的前提假設：(1)所控制的產品源於相反作業員、機器設備、资料、方法，與量測系統。(2)每種料號(製程)的抽樣樣本大小分歧。工廠生產型態漸趨向於大批多樣，在製造流程中通常因為產品的生命週期過短，而無足夠的數據資料可供製程控制剖析。為契合實際效益，Short-Run控制圖可以將屬於不同料號〔製程規格〕的數據蒐集在同一張控制圖裡，以同一控制圖加以控制。且對連續生產的生產線而言，能夠每隔一段時間〔例如2小時〕就能取得樣本數據，免除傳統控制圖所遇到的困擾。傳統控制圖料號A料號B料號C料號A料號B料號C控制圖的數量過多且抽樣頻率不固定傳統控制方法，3個料號要用3個控制圖監控!!!設計理念標準化料號A料號B料號C將不同料號(規格)的管制圖整合成一張圖組平均值:組全距值:ShortRun範例標準化ABCx-bar圖管制界限UCLRLCLR組平均值:組全距值:ShortRun圖UCL=+A2LCL=-A2CL=0UCL=D4LCL=D3CL=1控制圖的檢定規則(TestRulesforControlChart)控制圖的判讀控制圖判定基本法則：正常控制圖上的點，必須契合「隨意分散」(RandomFluctuation)與「常態分佈」(NormalDistribution)的原則，所以致少要滿足下面幾點要求：中心線上下的點數要大約相等(各佔40%~60%)。大部份的點(約70%)集中在中心線左近，但不能一切的點都接近中心線。僅有少數點(約5%)接近控制界限。任何連續多點不可构成向上或向下的「趨勢」(Trend)。假设資料都接近控制中心線，製程就十分好嗎？控制圖的判讀最近一點落在控制界限外(OutofControl，簡稱OOC)。在控制界限內的點出現特殊圖樣(Pattern)。但是以下法則假定有一成立，則判斷製程異常：在統計製程控制中的「製程異常」指的是目前的製程分佈能够已經不同於之前確認的正常情況。也就是說，製程中心能够產生偏移(平均值位移)；或是製程的界限已經擴大(標準差變大)，在控制圖上都能够產生超出控制界限的點。當然也有能够是突然出現的可歸屬缘由(例如:設備缺点、作業員操作錯誤….等)所形成的。違反測試法則製程的失控OutofControlUCLLCLCLOOC添加點子OOC的機率控制圖的測試法則中心線AA3倍標準差3倍標準差BB2倍標準差2倍標準差CC1倍標準差1倍標準差1點落在A區之外連續9點在中心線的同一側連續6點上升或下降連續14點交互著上下跳動連續3點中有2點落在A區或A區之外(同一側)連續5點中有4點落在B區或B區之外(同一側)連續15點出現在C區(任一側)連續8點出現在A區或B區(任一側)留意：每一條測試法則皆有其統計上的意義，已決定運用於判定製程能否在控制之中的法則不可臨時取消！練習題1234567891011121314151617181920管制上限管制下限看有無任何點在A區之外?規則1.一點落在A區之外(超出控制界限)看有無接近的兩點在A區(含)之外?規則5.連續三點中有二點落在A區看有無接近的四點在B區之外規則6.連續五點中有四點落在B區或是B區之外一個控制圖如下所示。請對此控制圖進行法則一、五、六判讀，也就是說，判斷出這個控制圖能否有出現製程失控？A區B區C區C區B區A區連續5點中有4點在區域B或以上連續3點中有2點在區域A或以上連續5點中有4點在區域B或以上連續5點中有4點在區域B或以上控制圖範例(ControlChartCase)範例：電鍍面銅厚度(每Lot抽三片量測面銅厚度，以XbarR為例)Step1：計算控制界限直接將計算的值代入控制界限公式，各類控制圖公式請參考附件二。Step2：將每組的數據點入控制圖中組平均值點入Xbar控制圖、組全距點入R控制圖面銅範例Step3：控制圖形判讀如圖上有紅點(違反測試法則)，則應調查缘由，假定該缘由可被加以消弭，則去除這些點之數據，再用剩下來之數據，重新計算控制界限。假定缘由不明，或已查明缘由，而無法消弭時，這些點將無須除去Step4：轉為控制用控制圖上述範例繪製控制圖，其RbarChart如下：XbarR控制圖全距控制圖控制的是樣本組內的變異水平，假定下圖超出控制界限時，代表這一批不同Panel之間的差異過大。平均值控制圖則是控制樣本組間的變異水平，出現紅點時表示該批的平均厚度與其他批有所不同。所以應該先看R圖再看Xbar圖才適當！該批三片厚度的最大減最小值XbarR控制圖違反測試法則超出管制界限OOC上述範例繪製控制圖，其XbarChart如下：管制圖可以畫上規格界限嗎？紅點表示不符合規格嗎？新增一組數據異常處理流程(Out-of-ControlActionPlan)異常處理流程Out-of-ControlActionPlanOCAP指的是當控制圖顯示製程失控時，第一時間所應採取的行動措施。OCAP並不是改善行動，它的主要目的是要讓製程立刻回復到正常的狀態，讓生產可以繼續進行。OCAP應該由現場的第一線作業人員執行，以確保其時效性。再次確認設備/製程點檢項目是一種典型的OCAPOCAP的執行至於何時要執行OCAP呢？(1)控制圖已經轉為控制用控制圖(2)且圖形上出現紅點(違反測試法則)參考用SPC的關鍵成功要素要做好統計製程控制，必須要：充沛地了解統計製程控制的目的及基本原理規劃完善的數據蒐集計劃以確保數據的有效性確保數據的正確(真實)性不斷地進行PDCA循環附件一控制圖係數表