SPC基础知识
SPC (统计过程控制)基础知识
SPC(统计过程控制）基础知识 统计过程控制） 统计过程控制
4．X-Rs 控制图。多用于下列场合：对每一个产品都进行检验，采用自动化检查和 测量的场合；取样费时、昂贵的场合；以及如化工等过程、样品均匀，多抽样也无 太大意义的场合。由于它不像前三种控制图那样能取得较多的信息，所以它判断过 程的灵敏度也要差一些。
以 客 贯 彻
户 为
中
心 宗
旨
的
质 量 目 标 的 制 定
有 目 期 况
无 制 定 可 测 量 的 质 量 目 标 ？ 质 量 标 有 无 分 解 到 各 职 能 层 ？ 有 无 定 测 量 评 估 各 质 量 目 标 的 达 成 情 ？
职 责 和 权 限
各 部 门 ， 各 职 能 岗 位 有 无 定 义 相 关 的 职 责 和 权 限 ？
4 .2 .2
质 量 手 册
有 无 编 写 符 合 要 求 的 质 量 手 册 ？
SPC(统计过程控制）基础知识 统计过程控制） 统计过程控制
3.4 分层图 用于将数据分类比较 250
不良率（PPM）
目标线
150 100 50 0 1 2 3 4
工作周
C班 B班 A班
5
6
7
8
9
SPC(统计过程控制）基础知识 统计过程控制） 统计过程控制
3.5 控制图 什么是控制图？ 什么是控制图？ 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。 控制图的理论基础是概率论。依据概率论，我们把“小概率的事件如果发生了，我 们认为有异常存在”。 控制图的种类： 控制图的种类
数据 计量值 分布 正态分布 控制图名称 均值-极差 图 均值-标准差 图 中位数-极差 图 单值-移动极差 图 不合格品率图 不合格品数图 单位缺陷数 缺陷数 简记 X-R chart X-S chart X-R chart X-Rs chart P chart Pn chart U chart C chart
SPC培训讲义---基础知识
SPC培训讲义—基础知识简介SPC（Statistical Process Control，统计过程控制）是一种基于统计方法的质量管理工具，旨在通过对过程数据的统计分析，帮助组织识别和解决可能导致质量问题的根本原因，从而提高产品的稳定性和可靠性。
本讲义将介绍SPC的基础知识，包括SPC的原理、常用的SPC 工具和应用案例等内容。
1. SPC的原理SPC的核心原理是基于过程数据的统计分析，通过对数据的收集和分析，识别和排除可能导致质量问题的特殊原因，同时通过控制图的使用，监控和改进过程的稳定性和可靠性。
1.1 正态分布在SPC中，数据的正态分布是一个重要的假设。
正态分布是一种对称的概率分布，其特点是均值和标准差能够完全描述分布的情况。
正态分布的图形呈钟形曲线，均值位于曲线的中央。
在实际应用中，SPC 通常假设数据是近似正态分布的，以方便进行统计分析。
1.2 变异性与稳定性在质量管理中，变异性是指同一过程在不同时间或不同条件下相同测量项的数值差异。
通过SPC的应用，可以发现原本被认为是随机变动的过程，实际上可能存在特殊原因造成的异常波动。
稳定性是指过程在一段时间内的变异性较小，并且符合预期的性能要求。
通过SPC 的控制图，可以监控过程的稳定性，并及时采取措施防止不稳定状态的出现。
2. 常用的SPC工具SPC工具是SPC实施过程中使用的具体方法和技术，下面介绍几种常用的SPC工具。
2.1 控制图控制图是SPC中最常用的一种工具，它用来监控过程在一段时间内的变异情况。
控制图是一种统计图表，将过程数据按时间顺序绘制在图表上，同时画出上下限和中心线。
如果过程数据处于控制限之内，说明过程处于稳定状态；如果过程数据超过控制限，说明过程发生了特殊原因的变异，需要进行分析和改进。
2.2 直方图直方图是一种用柱形表示数据分布的图表，它可以直观地展示数据的中心趋势、波动幅度以及偏态情况。
通过直方图，可以判断数据是否符合正态分布，如果数据呈现钟形分布，则可以认为数据符合正态分布的假设。
SPC理论基础知识
广州今朝科技有限公司SPC基础知识一SPC术语录1.控制图：SPC的核心工具。
一种标绘着根据相继抽取的样本或子组的某一统计量的值、并画有控制限的图，用于评估或检查一个过程是否处于控制状态之下。
画在坐标系中，横轴表示时间或样本号，纵轴表示数值大小，将采集到的数据以点的形式表示在图中。
2.运行图：一种代表过程特性的简单图形，上面描有一些从过程中收集到的统计数据（通常是单值）和一条中心线（通常是测量值的中位数），可用来进行链分析。
3.排列图：一种用于解决问题的简单工具，按照对成本或变差的影响程度对各种潜在的有问题区域或变差源进行排序。
一般情况下，大多数的成本（或变差）是由于少量原因造成的，所以解决问题的精力最好是首先集中在少量关键的原因上，而暂时忽视多数不重要的原因。
4.散点图（相关图）：把两个变量标在横轴与纵轴上，按照一一对应测量值点描绘成的图。
5.计量值：当质量特性值可以取给定范围内的任何一个可能的数值时，这样的质量特性值称为计量值。
6.计数值：当质量特性值只能取一组特定的数值,而不能取这些数值之间的数值时,称之为计数值。
7.过程：过程是指将输入转换成输出的一系列活8.9.10.628052366666611.动的总和。
12.样本：取自总体中的一个或多个个体，用于提供关于总体的信息，并作为可能做出对总体（或产生总体的过程）的某种判定的基础（引自GB3358-82）。
样本中所包含的样本单位数，称为样本大小。
13.样本容量（子组大小）：在抽检中抽出来的样本单位数。
14.不良品：指整件物品作为一个整体考虑而未满人意或不能接受。
一件不良品可能具有若干相同的或不相同的缺陷。
15.不良率控制图：即P图，用于控制对象的不合格率。
16.不良品数控制图：即Pn图，是一种计数值控制图，用于控制对象为不合格品数的场合。
）17.采集规划：采集规划指从某过程中选择质量特征值进行数据采集的一种工具。
18.单位缺陷数（U）控制图：是一种计数值控制图，它通过周期性抽取样本以统计单位产品的缺陷率并在控制图上绘制点来监控过程变化，样本的检测结果为平均每个样品包含的缺陷数。
SPC培训讲义---基础知识
控制图原理——两种解释
➢点出界判异——小概率事件不会发生 ➢控制界限是区分偶波和异波的界限 偶波——过程固有的，始终存在的。对质量影响小但难以除去 异波——非过程固有的，时在时亡，对质量影响大但不难除去
控制图原理——预防的作用
20字方针 查出异因 采取措施 加以消除 不在出现 纳入标准
控制图原理——稳态
控制图判断准则
×
UCL A
B
XC C
B
LCL A
图一
UCL A B C
XC B
LCL A
图三
UCL A B C
XC B
LCL A
UCL A B C
XC B
LCL A
图二
图四
控制图判断1-2001的8种判异准则： 五、连续3点中有2点落在中心线同一测的B区以外； 六、连续5点中有4点落在中心线同一测的C区以外； 七、连续15点在C区中心线上下； 八、连续8点在中心线两侧，但无一在C区中；
S P C 培 训 讲 义——基础知识
课程大纲
➢ SPC概念 ➢ 控制图原理 ➢ 控制图判断准则
➢ 控制图种类 ➢ CPk值计算
SPC基本概念——SPC涵义
➢SPC：统计过程控制，主要工具是控制图理论。
SPC特点： ➢强调全员参加，不只是依耐少数质量管理人员 ➢强调用统计的方法保证预防原则的实现 ➢SPC强调用整个过程、整个体系出发解决问题
o
加强自身建设，增强个人的休养。202 1年1月 2日下 午9时35 分21.1. 221.1.2
o
精益求精，追求卓越，因为相信而伟 大。202 1年1月 2日星 期六下 午9时35 分45秒 21:35:4 521.1.2
o
SPC基础知识
SPC运用统计技术对生产过程中的各工序参数进行 监控，从而达到改进、保证产品质量的目的。
二、SPC特点
SPC具有以下特点： ---基于一定的数据资料进行统计 ---方法是绘制选择的控制图 ---只能提示过程有异常，并不能告诉异常在哪里 ---目的是实现持续改进过程 ---是全系统的、全过程的、要求全员参加 ---不仅用于生产过程，而且用于服务过程和管理过程 ---强调用科学方法来保证全过程的预防
制 程 条 件 变 动 时
制程的继续管制
六、SPC的焦点 SPC：希望将努力的方向，更进一步的放在品质 的源头----制程（ Process）上。因为制程的起 伏变化，才是造成品质变异的主要根源。 品质变异的大小，才是决定产品优劣的关键 制程起伏条件 品质异常 产品优劣
七、基本统计概念
N n 母體數(批量數) 樣本數(抽樣數) USL SL 規格上限 規格中心限 (u=規格中心值)
您在工厂经常遇到这些情况吗？
顾客是上帝
销售
超时加班
额外成 本费用
•新品投放 •未预计的订单 变化 SPC作用 过程控制原理 SPC推行步骤 SPC的焦点 基本统计概念
一、什么是SPC SPC：统计过程控制（Statistical Process Control) 统计过程控制是一种通过对产品或工程进行抽样， 测量其特性参数、记录数据并绘制图表，然后进行 分析，以判断过程是否处于受控状态的管理工具。
X
R P C LCL UCL CL
平均數
全距 不良率 缺點數 控制下限 控制上限 控制中心限
LSL
Ca Cp Cpk T NP
規格下限
准确度 精密度 制程能力指數 規格公差 不良數 T=USL-LSL
SPC基础入门
（统计过程控制）
李明
1
统计过程控制（SPC）
1、SPC旳发展史与基本统计概念 2、SPC旳基本原理 3、控制图 4、过程能力和过程能力指数
2
1.1 什么是SPC
什么是SPC – 统计过程控制即SPC(statistical process control)．它是利用统计措施对过程中旳各个 阶段进行监控，从而到达改善与确保质量旳目 旳．SPC强调全过程旳预防为主。 – SPC不但用于生产过程，而且可用于服务过程 和一切管理过程．
稳定
控制用
3、控制图旳选择
控制图旳选定
计量值
资料性质 计数值
平均值
n≧2
样本大小 n≧2
CL旳性质
“n”=10~25 “n”是否较大
中位数
“n”=2~5
“n”=1 不一定
不良数
缺陷数
不良数或
缺陷数
一定 “n”是否一定
一定
单位大小 是否一定
不一定
X-s
图
X-R 图
~ X-R 图
X-Rm 图
“p”
图
“np” “c”
1.3.1 数据旳种类
• 计量型 特点：能够连续取值
也称连续型数据。
如：零件旳尺寸、强 度、重量、时间、 温度等
• 计数型
特点：不能够连续取 值，也称离散型数 据。
如：废品旳件数、缺 陷数
1.3.2 波动（变差）旳概念：
波动旳概念是指在现实生活中没有两件东西是完 全一样旳。生产实践证明，不论用多么精密旳设备 和工具，多么高超旳操作技术，甚至由同一操作工 ，在同一设备上，用相同旳工具，生产相同材料旳 同种产品，其加工后旳质量特征（如：重量、尺寸 等）总是有差别，这种差别称为波动。公差制度实 际上就是对这个事实旳客观认可。消除波动不是 SPC旳目旳，但经过SPC能够对波动进行预测和控 制。
SPC基本知识
SPC 基础知识一、 什么是SPCSPC 是Statistical process control 的缩写，即统计过程控制。
是应用统计方法对过程中的各个阶段进行临控，从而达到质量保证与质量改进的目的，在此可将统计学看成是从一系列数据中收集信息的工具，它是通过预防而不是通过检测来避免浪费。
二、 SPC 目的1． 预防问题的发生 2． 减少浪费三、 SPC 的管制图原理与益处1．根据3σ原理，在分布范围μ ±3 σ内,对于服从或近似服从正态分布的统计量，大约有99.73%的数据点会落在上下控制界限之内，数据点落在上下控制界限之外的概率约为0.27%,根据小概率原则,可判为异常点.图示如上.2．SPC管制图举例下面是Minitab R14 制作的Xbar-R 管制图。
从图可以看出制程有多个超出控制限的点，说明需要查找原因，采取措施，加以消除，不再出现，纳于标准。
合理使用管制图能够：1．区分变差的普通原因和特殊原因，作为采取局部措施和系统措施的指南。
2．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。
3．使过程达到：A、更高的质量 B、更低的单位成本C、更高的有效能力。
四、 SPC制程能力分析1.Cp、Cpk与Pp、Ppk的含义与区别如下：Cp指数= 规格宽度工序宽度Cp:(Capability of Process)过程能力指数Cpk:修正的过程能力指数Pp: (Performance of Process)过程性能指数Ppk:修正的过程性能指数2..Cp、Cpk与Pp、Ppk的计算：过程能力指数的计算公式如下：过程性能指数计算公式如下：1.经济性：有效的抽样管制，不用全数检验，不良率，得以控制成本。
使制程稳定，能掌握品质、成本与交期。
2.预警性：制程的异常趋势可实时对策，预防整批不良，以减少浪费。
3.分辨特殊原因：作为局部问题对策或管理阶层系统改进之参考。
4.善用机器设备：估计机器能力，可妥善安排适当机器生产适当零件。
SPC基本知识
受控
不受控
可接受
1类
3类
不可接受
2类
4类
2类过程虽然受控，但因为普通原因造成过大的变差而不能满足规范要求。
3类过程可接受，但存在变差的特殊原因，一般情况下要设法找出原因并消除之。
4类过程既不受控，又不可接受。应减少变差的普通原因和特殊原因。
在某些情况下，顾客允许3类过程运行。例如特殊原因已查明，具有一定的稳定性，采取措施所发生的成本比顾客获得的利益大等。
3.四类过程
过程能力与规范无关。顾客更关心的是过程的输出是否满足规范的要求。满足则可接受，否则不可接受。（关于能力与规范的关系可以用能力指数描述，以后再介绍）。
过程是否受控和是否满足规范要求是两个不同的问题。下面将过程按此分成4类（见表3-1）：
1类过程是理想的，它受控且满足
规范要求。
表3－1
是否受控
二、收集数据
1.选择子组容量、频率、子组数
合理子组的确定将决定控制图的效果
①在 -R控制图中，子组的容量是恒定的。在过程研究初期n取4～5，通常取2～5件连续生产的产品。这样的子组反映的是在很短时间内、非常相似的生产条件下生产出来的产品，因此，子组内的变差主要应是普通原因造成的。这些条件不满足，就不能有效地区分出变差的特殊原因。
2.计量型数据控制图分类
表3-2列出计量型数据控制图的种类及其应用范围。
表3-2
类型
优点
应用
均值－极差图 -R
较简便，对子组内特殊原因较敏感
广泛
均值－标准差图 -S
S较R更准确有效，尤其在大样本容量时
计算机实时记录样本容量大
中位数图 -R
用 代替 ，直接描点，不用计算，最为简便
- 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)。
当我们制程改进，工序水平达到7sigma时 USL= μ＋7σ’，LSL＝ μ－7σ’ ; σ’ =(USL-LSL)/14
σ’ < σ, 从公式可以推出制程改进后的标准偏差是比改进前的 小。 σ小就说明数据变动范围小，从而说明制程更稳定。
改进前
6σ
规格下限 (LSL)
规格上限 (USL)
σ
改进后 7σ
注意: d 2是根据采样个数查表 1-1 得出的值
样本数
2
3
4
5
6
7
8
9
10
11
d2
1.128
1.693
2.059
2.376
2.534
2.704
2.847
2.970
3.078
3.173
表 1-1
习题 1 A 右图所示,每组抽样数 是多少? B 计算右图数据 的CPK。
习题 2 右图所示,每组抽样数是 5， 请计算右图数据的 CPK。
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.
可以证明,在正态分布情况下,出现n点倾向的 概率为: P(n点倾向)=
2 n!
(0.997)
n
点子超出上,下控制限 一般而言发生点子超越控制限情况都应视为异 常,但如过程一直稳定,在大量的点子中只有极 个别点子超出界外,此时应结合过程特点作具 体分析.
= R÷ d 2 = 12.17 ÷ 2.059=5.91
计算Cpu、Cpl
Cpu = =
USL-X 3 220-170.33 3× 5.91
^
Cpl = =
X -USL
^ 3 170.33-130
3× 5.91
= 2.801
= 2.275
Cpk = MIN(Cpu,Cpl) = MIN (2.801, 2.275) = 2.275
USL-X
3 ×^
PPL=
X -LSL ^ 3×
PPK= MIN( PPU, PPL)
CPK? NO! 这是PPK， 它们不同之处在于 ， PPK 的 是计算出 来的：
^
=
1 n-1
n
∑
( X i -X)
2
i=1
例2：表格中的数据是某班测量锡膏厚度的值，工艺允许的范围 是130～220，求该组数据的PPK。
闻讯品保部SPC教材
SPC基本知识&QI软件的 基本操作
制作:宋俊明
日期:08.03.06
第一章 CPK
1 计算CPK
CPK 是描述制程能力的重要指数。当产品的规格限不变，CPK 越高表示制造能力越强。下面我们看看CP和CPK是如何计算的。
Cpu =
USL-X 3
^
Cpl =
X -LSL 3
^
3.2 .1 是吗？证明一下
先在那个点用鼠标点一下，出 现紫色的垂直线，再选中这里
这三个小点就是那组数据，果 然是参差不齐。
控制图及其原理
控制图原理
•控制图的设计思想
在控制图上，中心线一般是对称的，所能变动的只是上、下控制限，若上下控制限的间距变 大，第一类错误σ 将减小，但第二类错误β 将增大。反之σ 增大则β 减小，所以将上下控 制限定在u± 3σ 处；目的是使两种错判率总损失达到最小。 •过程异常判断: 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: 多数点子在u±1σ 范围(理论上是68%左内， 小部分点子在u±2σ 和 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. 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. 较多的点子接近上下控制限,说明标准差已经 变大. 中心线一侧连续出现多个点子或点子连续升 (或下降)证明有系统因素干扰(点子连续在一 侧称为链,链的点子数称链长,点子连续上升 (或下降称“倾向”。
例二：
连续7点超出控制线中心,并有下降趋势要分析原因
第四章 DPMO
在讲DPMO前，先讲以前的做法。 以前控制生产不良率的指标是不良板的百分比（ 员工甲： 没什么 不妥啊）。再讲具体一点，1线生产ECSM的主板，每块大概有1000 个元件；2线生产三星的产品，每块大概有50个元件。1线和2线的不 良率都要控制在5％以下，（员工甲：好象也没有什么不妥。生产主 任：好吧，调你到1线去。 员工甲 ：…NO!）。大家都是聪明人，绝 对不会认为生产三星的产品比ECSM的容易。况且一块板上打错1个 点算1块板；打错2个点也算1块板；打错100个点还是算1块板…这样 算确实有问题。 现在用DPMO作为指标，比按板数算进步了两大步。两大步？ 对！ 就是两大步。第一步：不按板数算，按点数算。这样就算ECSM的元 件多，它允许打错的元件也多；三星的元件少，允许打错的元件也 少。第二步：不按点数算，按不良机会数算。每个元件(PCB除外)有 两个不良机会:A 元件本体损坏 ；B 贴装不良。值得注意的是元件的 管脚也算到不良机会里面，因为短路的总是元件管脚，对不对？!
3.1.3 CP(CPK) 大就一定好吗?
这个问题并不是哗众取宠，事实上这个问题很重要。 首先我们回顾一下通过什么“ 手段” =
^ 6
T = USL-LSL
不可取的手段：扩大规格限范围，这样T就会很大。T ^ 正确的方法：努力改善制程，减小标准偏差。 两种方法都可以获得客户要求的CP、CPK，从品质角度来讲， 我们必须扎扎实实改善我们的制程能力，坚决反对弄虚作假。品 质是做出来的，不是吹出来的。 思考题 某线A、B班分别生产WALL(7.0 ± 2..0 ) 和ECSM （5.5±１.５) 产品，测量锡膏厚度，QI软件计算CP都是2.0, 问哪个班制程能力强,为什么? ^=(2.0+2.0)/6*2.0=0.333 解: A班 ^ ’=(1.5+1.5)/6*2.0=0.25 B班
Cpk = MIN(Cpu,Cpl)
CPK: Capability of Process 制程能力指数
^ : Standard Deviation 标准偏差
USL、LSL ：规格上限和下限 X ：所有测量值的平均值
=
R: 极差的平均值
^
R d2
R: 极差，每次抽样的MAX－MIN
^ 标准偏差 是衡量数据离散程度的指数， 越大表示数据 离散程度越高，大小越不均匀。
＝
＝
= 2.4238 PPK= MIN ( PPU, PPL) = 1.9680
= 1.9680
第三章 如何判读QI软件图
3.1 数据的分布
数据大体可以分为两种类型：计量型measure、计数型count。其 中计量型数据大部分服从正态分布 。通俗讲正态分布是指中间多两 边少的分布形式。讲个最简单的例子，我们现在统计全国青少年的 身高，发现70％的人在170cm左右，超过190cm的很少，同样小于 150cm的也很少，我们就说身高的分布情况符合正态分布。
^ ＝
（159－170.33) +(168-170.33) +…+(171-170.33)+(182-170.33)
24-1
2
2
2
2
= 6.831 同样’=STDEV(A1:F4)’可以计算它们的标准偏差。
PPU： PPU= USL-X 3 ×^ 220－170.33 3 × 6.831
PPL： PPL= X -LSL ^ 3× 170.33- 130 3 × 6.831
^
计算CPK的顺序: 计算平均值X
^ 计算
计算Cpu、Cpl
CPK
例1：表格中的数据是某班测量锡膏厚度的值，工艺允许的范围 是130～220，每次抽样4个，求该组数据的CPK。
159 165 159 162 162 165 171 182 174 176 177 181 172 168 168 168 171 174 169 171 182
’<
所以B班制程能力更强
由此我们可以得出结论: 生产类似产品(如印锡产品)时CP是相对 指标, 才是绝对指标。
3.2 控制图中的信息
控制图上每 一点其实是 一小组数据 的平均值。 每一小组数 据的MAX-MIN 就是Range。 这组数据看 来大小不均， 但是数据对 称的分布在 目标值两边。
3.1.2正态分布图（续）
规格下限 (LSL)
规格上限 (USL)
-6σ
-5σ
-4σ
-3σ
-2σ
-1σ
χ
+1σ
+2σ
+3σ
+4σ
+5σ
+6σ
这就是达到6sigma水平时的正态分布图，我们知道规格线制定 以后就不会改变。唯一可以改变的是数据本身，当整体偏大时，分 布情况就会往规格上限偏（虚线）；反之，则往规格下限偏。
右图是锡膏厚度图， 可以看见锡膏厚度大部 份都是140左右（在两 条平行线内），接近控 制线的数据是很少的。 我们可以说锡膏厚度的 分布是服从正态分布的。
3.1.1正态分布图
1σ
μ (平均)
3σ
μ +3σ
这就是正态分布图，可以看到该图有两个重要参数:平均值μ和 标准偏差σ 。图上的曲线是概率密度曲线，在X=+ σ 、X=- σ 以 及曲线所组成的面积 （即阴影部分） 称为数据分布在( μ - σ , μ + σ )范围内的概率。事实上只要数据服从正态分布，这个 （即阴影部分）面积是固定的：0.6826即68.26% μ± 2σ界限范围内的概率是 95.46% μ± 3σ界限范围内的概率是 99.73% 6σ是LG对我们的要求,这是什么概念呢?3.4 PPM,即百万分之3.4。 从工艺角度来讲即：USL= μ＋6σ，LSL＝ μ－6σ。