SPC控制图的分类
详细全面的SPC详解
详细全面的SPC详解SPC（Statistical Process Control，统计过程控制）是一种用于管理和优化生产过程的方法，它的目的是通过使用统计工具来分析生产过程中的数据，从而控制和改进产品质量。
SPC强调预防原则，即通过预防措施来减少产品缺陷和不良情况的发生，而不是在出现问题后再进行纠正。
SPC的基本概念包括控制图、过程能力指数、规格界限等。
控制图是SPC的核心工具，它用于监控生产过程中的关键变量，并根据统计原理判断生产过程是否处于控制状态。
控制图通常由均值-标准差控制图和极差控制图两种类型组成。
过程能力指数是指生产过程满足产品规格要求的程度，它通常被用来评估生产过程的能力，以便进行改进。
规格界限则是根据产品要求和客户要求设定的界限，用于确定产品是否合格。
SPC的实施方法包括以下几个步骤：1.选择关键变量：首先需要选择需要监控的关键变量，例如产品尺寸、材料特性等。
2.设计控制图：根据选定的关键变量，设计适合的控制图，并确定控制界限。
3.收集数据：按照一定的时间间隔收集生产过程中的数据，并对数据进行记录和整理。
4.分析数据：根据控制图的规则，判断生产过程是否处于控制状态，并找出异常点。
5.采取措施：根据分析结果，采取适当的措施来改进生产过程，例如调整工艺参数、更换设备等。
6.监控和反馈：持续监控生产过程，并及时反馈相关信息，以确保生产过程的质量和稳定性。
SPC的优势在于它可以及时发现生产过程中的异常情况，从而采取措施防止问题的扩大。
此外，SPC还可以提高生产过程的稳定性和产品质量的一致性，减少浪费和成本。
未来，SPC将会在更多的领域得到应用和发展，例如智能制造、医疗保健、金融服务等行业。
总之，SPC是一种有效的过程管理和优化工具，可以帮助企业提高产品质量和生产效率。
学习和掌握SPC技能对于从事质量管理、生产管理、工艺优化等工作的专业人士来说是非常重要的。
SPC“控制图”的分析与判定
SPC“控制图”的分析与判定控制图（Control Chart）又叫管制图，是对过程质量特性进行测定、记录、评估，从而监察过程是否处于控制状态的一种用统计方法设计的图。
图上有三条平行于横轴的直线：中心线（CL，Central Line）、上控制线（UCL，Upper Control Line）和下控制线（LCL，Lower Control Line），并有按时间顺序抽取的样本统计量数值的描点序列。
UCL、CL、LCL统称为控制线（Control Line），通常控制界限设定在±3标准差的位置。
根据控制图使用目的不同，控制图可分为：分析用控制图和控制用控制图。
根据统计数据的类型不同，控制图可分为：计量控制图和计数控制图（包括计件控制图和计点控制图）。
计量型控制图平均数与极差控制图( -X-R Chart )平均数与标准差控制图( -X-S Chart )中位数与极差控制图( ~X-R Chart )个別值与移动极差控制图( X-Rm Chart )计数值控制图不良率控制图(P chart)不良数控制图(nP chart，又称 np chart 或 d chart)缺点数控制图(C chart)单位缺点数控制图(U chart)控制图种类及应用场合：控制图的分析与判定应用控制图的目的，就是要及时发现过程中出现的异常，判断异常的原则就是出现了“小概率事件”，为此，判断的准则有两类。
第一类：点子越出界限的概率为0.27% 。
准则1属于第一类。
第二类：点子虽在控制界限内，但是排列的形状有缺陷。
准则2-8属于第二类。
控制图八大判异准则（口诀）2/3A （连续3点中有2点在中心线同一侧的B区外<即A 区内>4/5C （连续5点中有4点在中心线同一侧的C区以外）6连串（连续6点递增或递减，即连成一串）8缺C （连续8点在中心线两侧，但没有一点在C区中）9单侧（连续9点落在中心线同一侧）14交替（连续14点相邻点上下交替）15全C （连续15点在C区中心线上下，即全部在C区内1界外（1点落在A区以外）▶2/3A （连续3点中有2点在中心线同一侧的B区外<即A区内>）判读：1 . 控制过严；2 . 材料品质有差异；3 . 检验设备或方法之大不相同；4 . 不同制程之资料绘于同一控制图上；5 . 不同品质材料混合使用。
SPC控制图详解
b.计算控制限 : 计算不合格品率均值Pavg
p1n1 + p1n1 + + p k nk p n1 + n2 + + nk
1.控制图理论 控制图详解 : P 图 : 计算上下控制限
UCL p p + 3 p 1 p / n LCL p p 3
式中n为恒定的样本容量。 注：当LCLp计算为负值时，此时无下控制限（为 0 ）。 计算控制限时应注意的问题：
c1 + c2 + c k
+ ck
上下控制限
UCLc c + 3 c
LCL c c 3 c
1.控制图理论
控制图详解 : U 图
单位不合格数 U 图 U 图可测量容量不同的样本的每个检验单元内不合格数量。其 它方面与C图相似。
请记录!
1.控制图理论 控制图详解 : U 图
1.控制图理论 控制图详解 : U 图
1.控制图理论 控制图详解 : X-S 图
Xavg的计算同Xavg-R图
标准差S的计算利用下式之一
s
X
i
X
n 1
或s X
2
2 i
nx
2
n 1
式中：Xi、Xavg、n分别代表样本的单值、均值和样本容量
: 控制图刻度同Xavg-R图
: 将Xavg和S的测量值画到控制图
请记录!
1.控制图理论 控制图详解 : X-S 图
b．计算控制限
: 计算极差和均值控制的上下限 标准差 上限 均值 上限 下限 UCLX=Xavg-avg + A3Savg LCLX= Xavg-avg - A3Savg UCLS=B4Savg ; 下限 LCLS=B3Savg
质量管理SPC控制图
二、统计过程控制的发展
SPC：统计过程控制；
SPD：统计过程诊断；
SPA：统计过程调整。
三者间的关系：
SPC SPD SPA
第二节 常规控制图(休哈特控制图)原理
一、常规控制图的构造
控制图是对过程质量特性值进行测定、记录、评估和
监察过程是否处于统计控制状态的一种用统计方法设计的 图。
控制图示例
20字方针“查出异因，采取措施，加以消除，不 再出现，纳入标准” UCL
CL
LCL
控制图点子形成倾向
控制图显示异常
贯 彻 二十字 调整控制 界 限
无
有无异 常因素 有
统计控制图 状态（稳态）
图2-13 达到统计控制状态的循环
五、统计控制状态
(1) 统计控制状态(state in statistical control)， 也称稳态(stable state)，即过程中只有偶因而无异
点出界就判异
小概率事件原理：小概率事件在一次试验中几 乎不可能发生，若发生即判断异常。
μ＋ 3σ
UCL
μ
CL
μ－ 3σ
LCL
(三) 控制图原理的第二种解释
1.概念
偶然因素(偶因random cause)：也称随机因素 （stochastic cause)，是过程固有的，始终存在，对质 量的影响微小，但难以除去。 异常因素(异因，可查明因素assignable cause，或系统 因素systematic cause)：非过程固有，有时存在，有时 不存在，对质量影响大，但不难除去。 偶然波动：偶因引起质量的波动 ，简称偶波； 异常波动：异因引起质量的 波动，简称异波。
七、3σ方式
SPC控制图详解
SPC控制图详解什么就是控制图？控制图就是对过程质量加以测定、记录从而进行控制管理得一种用科学方法设计得图。
控制图得应用控制图中包括三条线1、控制上限(UCL)2、中心线(CL)3、控制下限(LCL)控制图得种类数据：就是能够客观地反映事实得资料与数字数据得质量特性值分为：计量值可以用量具、仪表等进行测量而得出得连续性数值，可以出现小数。
计数值不能用量具、仪表来度量得非连续性得正整数值。
计量型数据得控制图Xbar-R图（均值－极差图）Xbar-S图（均值－标准差图）X-MR图（单值－移动极差图）X-R（中位数图）计数型数据得控制图P图（不合格品率图）np图（不合格品数图）c图（不合格数图）u图（单位产品不合格数图）控制图得判异控制图可以区分出普遍原因变差与特殊原因变差1、特殊原因变差要求立即采取措施2、减少普遍原因变差需要改变产品或过程得设计错误得措施1、试图通过持续调整过程参数来固定住普通原因变差，称为过渡调整，结果会导致更大得过程变差造成客户满意度下降。
2、试图通过改变设计来减少特殊原因变差可能解决不了问题，会造成时间与金钱得浪费。
控制图可以给我们提供出出现了哪种类型得变差得线索，供我们采取相应得措施。
控制图上得信号解释有很多信号规则适用于所有得控制图（Xbar图与R图），主要最常见得有以下几种：规则1：超出控制线得点规则2：连续7点在中心线一侧规则3：连续7点上升或下降规则4：多于2/3得点落在图中1/3以外规则5：呈有规律变化SPC控制图建立得步骤1、选择质量特性2、决定管制图之种类3、决定样本大小,抽样频率与抽样方式4、收集数据5、计算管制参数(上,下管制界线等)6、持续收集数据,利用管制图监视制程SPC控制图选择得方法1．X-R控制图用于控制对象为长度、重量、强度、纯度、时间、收率与生产量等计量值得场合。
X控制图主要用于观察正态分布得均值得变化，R控制图主要用于观察正态分布分散或变异情况得变化，而X-R控制图则将二者联合运用，用于观察正态分布得变化。
SPC控制图的分类
SPC控制图的分类控制图选用原则在质量管理工作中，通常用到各种控制图，用于分析或控制制程，本文在此对如何选用控制图简单归纳如下表，请大家参与讨论计量型数据控制图极差图 x--R 平均值—1、通常子组样本容量小于9，一般为4或52、此控制图，因使用方便，效果也好，故使用最普遍X --S 平均值—标准差图1、因标准差比极差描述产品或过程变异更优，故在有计算机时用此种图形更好2、当子组样本容量大于9时，人工计算极差较困难时，常用计算机计算3、通常用于分析制程用X~-R 中位数图1、通常用于现场操作者进行控制制程用2、使用此图时，子组数通常为奇数，分析所得结果偏差比上两者都大X-MR 单值移动极差图1、通常在测量费用高时使用2、测量数据输出比较一致时常用(如溶液的浓度)3、检查过程的变化不如其它计量型控制图敏感计数型数据控制图p 不合格品率图适用于测量在一批检验项目中不合格品项目的百分数，是一个比率，故各子组样本容量不一定要一样np 不合格品数图用来度量一个检验中的不合格品的数量，是一个数值，故各样本容量应固定 c 不合格数图用来测量一个检验批内不合格的数量，它要求样本容量恒定或受检数量恒定 u 单位产品不合格数图用来测量具有容量不同的样本的子组内，每检验单位之内的不合格数量 SPC控制图的分类按控制图测量性质不同，控制图可分为计量型控制图和计数型控制图两大类。
前者反映产品或过程特性的计量数据,后者反映计数数据。
计量型控制图又可分为:1)均值-极差(X-R)图:适用于长度,重量,时间,强度,成分以及某些电参数的控制2)均值-标准差(X-S)图:适用于样本较大的过程控制3)单值-移动差(X-Rs)图:只能获得一个测量值或测量成本较高的情形.4)中位数-极差(X-R)图计数型控制图:1)缺陷数(C)控制图:计数检验的个数相对于被检验对象的总体很少时适用.2)百分率(P)图:适用于计数的值所占的比例较大时.2、按控制图用途不同，控制图可分为分析用控制图与控制用控制图。
SPC控制图简介
8.3：连续6点递增或递减
Six points in a row steadily increasing or
decreasing
过程均值偏移
9. 异常点原因分析的步骤
• 对于控制图所出现的异常点, 我们建议按下列順序 进行检查：
a. 取 Data 是否随机； b. 数字的读取是否准确、测试仪器是否符合
两种变异
过程预防 对过程采取行动 避免浪费、不生产
无用产品的 预防策略
偶因 始终存在 不易识别
异因 可查明特殊原因
归结为5M1E
1.3 统计过程控制的目的
• SPC的目的:建立并保持过程处于可接受的并且稳定的水平， 以确保产品和服务符合规定的要求
• 控制图。是实现上述目的所应用的主要统计工具
表征过程 当前样本 序列信息
LCL
UCL
Specification Limits （USL，LSL）
由顾客或管理层确定,表述过程的理想状态
Control Limits
（UCL，LCL）
由抽样数据计算确定,表述过程的实际状态
1.2 传统方法与过程预防策略
传统的质量检验策略
科学的过程预防策略
事后检验 浪费和不经济
未识別
识別
不控制 生产过程 控制
• 分析用控制图的目的是对收集到的一定数据进 行分析，寻找稳态。
• 控制用控制图是对实时数据进行分析，保持稳 态。
• 稳态，也称统计控制状态(state in statistical control)，即过程中只有偶因没有异因的状态。
• 稳态是生产追求的目标。
4.1 稳态的统计解释(又称统计稳态)
8. 判异准则
SPC控制图应用步骤简明教程
（二）可数型数据流程能力
数据不只是通过/不通过，还知道一件产品上与多少个缺点 DPU-Defects Per Unit 每件的平均缺点数 dpu=缺点总数量/总件数 FTY=e-dpu p(d)=1-FTY
drσ ≥50%
评价 接近稳定 不太稳定
不稳定 很不稳定
6西格玛相关
（一）连续型数据的流程能力
流程的西格玛水平：Z值 Z值可以描述流程的不合格率P(d)
ZUSL =
USL-X
ZLSL =
X-LSL
Z值与不合格率P(d)对应表
（二）可区分型数据流程能力
可区分型数据：通过/不通过 一次通过率First Time Yield FTY=合格数量/总数量
当过程受控时并经过过程能力评价满足要求时， 应可以延长控制限，以满足未来过程控制的需 要。如果过程中心线偏离目标值，可能需要针 对目标值进行调整。
返回
1.抽样计划的原则：合理的子组，即：组内出现特殊原因的机会最小，组间 出现特殊原因的机会最大。（子组内的变差代表的是零件间的变差， 而子组间的变差代表的是过程的变化）。 即：观测值的个数或样本量决定了控制图反映波动的能力。
式中
R
通常用 d 2
和
S C2
来估计。
2.过程性能：过程总变差的
6
范围，式中
通过用标准差S来估计。
3.如果过程处于统计受控状态，过程能力非常接近于过程性能。当过
程的能力和性能
6
之间存在较大差别时表示有特殊原因存在。
1. CP能力指数（过程位于中心）： 2. CPK能力指数（过程不位于中心）：
- 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)。
控制图选用原则
在质量管理工作中，通常用到各种控制图，用于分析或控制制程，本文在此对如何选用控制图简单归纳如下表，请大家参与讨论
计量型数据控制图
x--R 平均值—极差图
1、通常子组样本容量小于9，一般为4或5
2、此控制图，因使用方便，效果也好，故使用最普遍
X --S 平均值—标准差图
1、因标准差比极差描述产品或过程变异更优，故在有计算机时用此种图形更好
2、当子组样本容量大于9时，人工计算极差较困难时，常用计算机计算
3、通常用于分析制程用
X~-R 中位数图
1、通常用于现场操作者进行控制制程用
2、使用此图时，子组数通常为奇数，分析所得结果偏差比上两者都大
X-MR 单值移动极差图
1、通常在测量费用高时使用
2、测量数据输出比较一致时常用（如溶液的浓度）
3、检查过程的变化不如其它计量型控制图敏感
计数型数据控制图
p 不合格品率图
适用于测量在一批检验项目中不合格品项目的百分数，是一个比率，故各子组样本容量不一定要一样
np 不合格品数图
用来度量一个检验中的不合格品的数量，是一个数值，故各样本容量应固定
c 不合格数图
用来测量一个检验批内不合格的数量，它要求样本容量恒定或受检数量恒定
u 单位产品不合格数图
用来测量具有容量不同的样本的子组内，每检验单位之内的不合格数量
按控制图测量性质不同，控制图可分为计量型控制图和计数型控制图两大类。
前者反映产品或过程特性的计量数据,后者反映计数数据。
计量型控制图又可分为:
1)均值-极差(X-R)图:适用于长度,重量,时间,强度,成分以及某些电参数的控制
2)均值-标准差(X-S)图:适用于样本较大的过程控制
3)单值-移动差(X-Rs)图:只能获得一个测量值或测量成本较高的情形.
4)中位数-极差(X-R)图
计数型控制图:
1)缺陷数(C)控制图:计数检验的个数相对于被检验对象的总体很少时适用.
2)百分率(P)图:适用于计数的值所占的比例较大时.
2、按控制图用途不同，控制图可分为分析用控制图与控制用控制图。
常规控制图的作用
制造业的传统方法有赖于制造产品的生产,有赖于检验最终产品并筛选出不符合规范的产品的质量控制。
这种检验策略通常是浪费和不经济的,因为它是当不合格品产生以后的事后检验。
而建立一种避免浪费、首先就不生产无用产品
的预防策略则更为有效。
这可以通过收集过程信息并加以分析,从而对过程本身采取行动来实现。
控制图是一种将显著性统计原理应用于控制生产过程的图形方法，由休哈
特(Walter Shewhart)博士于1924年首先提出。
控制图理论认为存在两种变异。
第一种变异为随机变异,由“偶然原因＂(又称为"一般原因")造成。
这种变异是由种种始终存在的、且不易识别的原因所造成,其中每一种原因的影响只构成总变异的一个很小的分量,而且无一构成显著的分量。
然而，所有这些不可识别的偶然原因的影响总和是可度量的,并假定为过程所固有。
消除或纠正这些偶然原因,需要管理决策来配置资源、以改进过程和系统。
第二种变异表征过程中实际的改变。
这种改变可归因于某些可识别的、非
过程所固有的、并且至少在理论上可加以消除的原因。
这些可识别的原因称为"可查明原因"或"特殊原因"。
它们可以归结为原材料不均匀、工具破损、工艺或操作的问题、制造或检测设备的性能不稳定等等。
利用从可重复过程所得到的数据,控制图有助于检测出变差的异常模式,并
提供统计失控的检验准。
当过程变异仅由偶然原因造成时,过程处于统计控制状态。
这种变差的可接受水平一经确定，则对此水平的任何偏离都假定由可查明
原因造成，对这些可查明原因应加以识别、消除或减轻。
统计过程控制的目的,就是要建立并保持过程处于可接受的并且稳定的水平、以确保产品和服务符合规定的要求。
要做到这一点，所应用的主要统计工具就
是控制图。
控制图是一种图形方法，它给出表征过程当前状态的样本序列的信息，并将这些信息与考虑了过程固有变异后所建立的控制限进行对比。
控制图法首先用来帮助评估一个过程是否已达到、或继续保持在具有适当
规定水平的统计控制状态，然后用来帮助在生产过程中，通过保持连续的产品
质量记录，来获得并保持对重要产品或服务的特性的控制与高度一致性。
应用
控制图并仔细分析控制图。
可以更好地了解和改进过程。