用于计数型数据的控制图

合集下载

@SPC基础知识之三 控制图

@SPC基础知识之三 控制图
(2)使用控制图,进行周期的、系统的评审,分析过程的长期性能。 识别有利和有害的特殊原因,分别处置。 (3)随着普通原因的变差减少,控制界限会不断缩进,会被看做过度品保。 这种看法存在误解:如果一个过程处于稳定状态,而且控制界限计算正确, 那么过程发生超出控制限的概率是相同的,与控制限之间的距离无关。 (4)实际执行中,用于长期分析的控制图,最好尽可能减少重新计算控制界限。
正态分布中,无论均值μ 和标准差σ是多少,质量特性值:
落在μ ±3σ之间的概率为 99.73%; 两侧落在μ ±3σ之外的概率为100% - 99.73%= 0.27%; 超过任意一侧,即大于μ -3σ或小于μ +3σ的概率为0.27%/2=0.135%≈1‰; 形成正态分布曲线图。控制图即基于这一理论而产生。
把正态分布曲线旋转90度,将测量平均值作为中心线,以μ ±3σ的标准,作为上下控制界限。
控制图是过程控制的工具,应用于各种过程控制场合,控制界限是容许的变动范围。 出现变差的特殊原因时,可以有效预警; 当系统或过程改进,需要减少普通原因时,可以反映变差的大小。
控制上限
μ +2σ
μ +3σ
25
控制图-常见问题
常规控制图如何构造? (3)每个样本内,数据离散程度的统计量,代表“受控原因”引起的特征值波动,并用于估算“组内标准差”。
(4)如果单值符合正态分布,确定可接受的错误报警概率(例如0.27%),可以计算用于控制单个值的控制界限, 用于区分变差的原因,是受控因素还是异常因素: UCL=C+3S
19
基本概念-控制图
控制图的阶段-不同阶段的控制界限 (1)AIAG的SPC手册,分为2个阶段:
分析阶段,调查特征值变差的原因。

SPC控制图应用步骤简明教程

SPC控制图应用步骤简明教程
p(d)=1-FTY = 不合格数量/总数量
(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

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):

计量型控制图

计量型控制图

计数型控制图Cpk=Z USL/3=#DIV/0!X 控制图R 控制图编制/日期: 审核/日期:批准/日期:X UCL CL+2σCL+1σCL CL-1σ CL-2σLCL #DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0! #DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0! #DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0! #DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0! #DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0! #DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0! #DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0! #DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0! #DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0! #DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0! #DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0! #DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0! #DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0! #DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0! #DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0! #DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0! #DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0! #DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0! #DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0! #DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0! #DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0! #DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0! #DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0! #DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0! #DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0! #DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0! #DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0! #DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0! #DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0! #DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!#DIV/0!R UCL CL 0.0000.0000.000 0.0000.0000.000 0.0000.0000.000 0.0000.0000.000 0.0000.0000.000 0.0000.0000.000 0.0000.0000.000 0.0000.0000.000 0.0000.0000.000 0.0000.0000.000 0.0000.0000.000 0.0000.0000.000 0.0000.0000.000 0.0000.0000.000 0.0000.0000.000 0.0000.0000.000 0.0000.0000.000 0.0000.0000.000 0.0000.0000.000 0.0000.0000.000 0.0000.0000.000 0.0000.0000.000 0.0000.0000.000 0.0000.0000.000 0.0000.0000.000 0.0000.0000.000 0.0000.0000.000 0.0000.0000.000 0.0000.0000.000 0.0000.0000.000。

控制图

控制图
2. 均值-标准差控制图
与均值-极差控制图类似,这种控制图也是用于观察连续数据的均值和变异性(标准差) 的变化情况。如果点子在控制限内随机分布,且无异常点,说明过程处于控制状态;如果 点子超出控制限或出现异常点,说明过程可能失控。
3. 单值-移动极差控制图
这种控制图用于观察单个数据值和连续数据的变化情况。如果点子在控制限内随机分布, 且无异常点,说明过程处于控制状态;如果点子超出控制限或出现异常点,说明过程可能 失控。
4. 观察控制图
观察控制图上的点 子分布情况,判断 过程是否处于控制 状态。
5. 采取行动
如果发现异常点或 过程失控,采取适 当的措施解决问题 并防止问题再次发 生。
控制图的局限性
1. 数据必须是连续的
控制图只能用于观察连续的数据,对于离散的数据或非连续的数 据,需要采用其他方法进行分析。
2. 需要足够的样本数量
控制图原理
控制图基于中心极限定理和概率统计原理。中心极限定理表明,当样本量足够大时,任何随机变量的 取值都会围绕一个中心值波动,且这个波动是有限的。因此,我们可以通过控制图的上下限来判断过 程是否处于控制状态。
控制图的原理是通过对过程进行多次抽样,计算统计量(如均值、中位数、极差等),并将这些统计 量绘制在图上。通过观察图的走势,我们可以判断过程是否受控,并发现异常情况。如果过程受控, 则说明过程的质量稳定;如果过程失控,则说明过程的质量存在问题。
平均数与标准差控制图
总结词
平均数与标准差控制图是一种常用的统计 控制图,用于监控一组数据的平均值和标 准差。
VS
详细描述
平均数与标准差控制图由两个图表组成: 一个图表显示平均数,另一个图表显示标 准差。这种控制图适用于需要了解数据分 布情况的应用场景,如科学研究、质量控 制和金融分析等。

P控制图介绍

P控制图介绍

P图缩写Proportion Chart 品率控制图。

SPC控制图-P图用于控制对象为不合格品率或合格率等计数值质量指标的场合。

常见的不良率有不合格品率、废品率、交货延迟率、缺勤率、差错率等等。

5控制图P图是用来测量在一批检验项目中不合格品(缺陷)项目的百分数。

P图适用于全检零件或每个时期的检验样本含量不同。

6使用条件不良品率控制图虽然是用来管制产品之不合格率,但并非适用于所有之不合格率数据。

在使用不良品率控制图时,要满足下列条件:1.发生一件不合格品之机率为固定。

2.前、后产品为独立。

如果一件产品为不合格品之机率,是根据前面产品是否为不合格品来决定,则不适合使用P图。

3.如果不合格品有群聚现象时,也不适用P图。

此问题通常是发生在产品是以组或群之方式制造。

例如在制造橡胶产品之化学制程中,如果烤箱之温度设定不正确,则当时所生产之整批产品将具有相当高之不合格率。

如果一产品被发现为不合格,则同批之其他产品也将为不合格。

7操作步骤1.检验并记录数据2.计算平均不合格品率P3.计算中心线和控制界限(USL;LSL)4.绘制控制图并进行分析2、下面用不合格率P图的图表来说明。

A、收集数据A.1 选择子组的容量,频率及数量(见图2)a.子组容量——用于计数型数据的控制图一般要求较大的子组容量(例如50到200或更多)以便检验出性能的一般变化。

对于显示可分析的图形的控制图,子组容量应足够大,大到每个组内包括几个不合格品。

(例如n p >5)。

但是应注意如果每个子组代表很长的一段时间的过程操作,大的子组容量会有不利之处。

如果子组容量是恒定的或它们变化不超过±25%是最方便的,但不一定是这样。

如果子组容量相对p来说足够大也是很有好处的,这样能获得下控制限,从而也可以发现由于改进造成的可查明的原因。

b.分组频率——应根据产品的周期确定分组的频率以便帮助分析和纠正发现的问题。

时间间隔短则反馈快,但也许与大的子组容量的要求矛盾。

SPC统计-计数型数据

SPC统计-计数型数据
• 课堂练习
– 用附录7中的数据计算np 图的 UCL 和 LCL。
– 把数据标在图上并确定是否有任何超为 出控制范围的情况。
不合格数的
c图
• 何时使用 c 图
• 当数据为计数型数据时(一种可以计数的属 性)。
• 当不合格是分布于整个产品时,如油漆部件 上的缺陷数,装配工序上的缺陷数等。
• 当不合格现 象可从多个来源发现,或由多 种原因造成时。
SPC统计-计数型数据
课程目标
• 到本课程结束时,学员应能识别: 1. 计数型SPC数据控制图
2. 何时使用这些图最合适
如何选择正确的SPC图
计数型 数据
P图
计算零件数 N = 固定值或变 值
Np 图
计算零件数 N = 固定值
U图
计算发生次数 N = 变值
C图
计算发生次数 N = 固定值
不合格品率 p图
• 更重要的是,当您必须了解正在检验的一组 产品中不合格品的数量时。
• 当各子组样本容量均相等时。
np 图
• 计算np 图的方法
– 确定子组 的容量,通常为>50 个零件。 – 确定检验的频率。 – 收集数据。 – 确定该子组 中不合格品的数量。 – 在 np 图上记录有缺陷的零件数量。 – 在 np 图上描绘该数据。
• 在样本容量不等的情况下,当不合格数的情况分 布于整个产品时(如油漆零件的缺陷数,装配工 序的缺陷数)
• 当不合格现象可从多个来源发现,或由于多种原 因造成时。
单位产品不合格数的 u图
• 计算 u 图的方法
– 定义检验内容。 – 确定检验频率。 – 确定在该样本上发现的不合格数。 – 以样本容量除以所发现的不合格数。 – 在 u 图上记录不合格的比率。 – 在 u 图上描绘此数据。

控制图应用(计数型)

控制图应用(计数型)

控制图建立与结果分析
控制图类型选择
根据数据特点,选择p控制图(不良品率控制图) 进行分析。
数据点绘制
将每个样本的不良品率绘制在控制图上,形成数 据点。
控制限计算
根据历史数据或经验,计算出控制图的中心线 (CL)、上控制限(UCL)和下控制限(LCL)。
结果分析
通过观察数据点的分布情况,判断生产过程是否 处于受控状态。如果发现数据点超出控制限或呈 现非随机分布,则表明生产过程可能存在异常, 需要进一步调查原因并采取措施。
产品或过程。
04 计数型控制图应用步骤
CHAPTER
数据收集与整理
明确数据收集目的
确定要解决的问题或目标,例 如分析产品缺陷、评估过程稳
定性等。
选择合适的数据类型
根据目的选择计数型数据,如 不良品数、缺陷数等。
确定数据收集计划
包括收集时间、频率、样本量 等。
数据整理与预处理
对数据进行清洗、分类、汇总 等预处理操作,以便于后续分
案例总结与启示
案例总结
通过应用计数型控制图,该企业成功地发现了生产过程中的异常波动,并及时采取了相应的措施进行调整,最终 使产品质量得到了有效控制。
启示
计数型控制图是一种有效的质量控制工具,可以帮助企业及时发现生产过程中的问题并采取相应的措施进行改进。 在实际应用中,需要结合行业特点和数据特点选择合适的控制图类型,并严格按照控制图的建立和分析步骤进行 操作,以确保结果的准确性和可靠性。
原理
02
统计样本中不合格品的数量,然后与预设的控制限进行比较,
以判断生产过程是否处于受控状态。
应用场景
03
适用于生产批量小、检验费用低且要求不合格品数较少的产品

计数型SPC

计数型SPC
由题意知: n1=n2=n3…nk=50 p= 0.2729
第十八页,共39页。
创建
(chuàngjiàn)P

第十九页,共39页。
08-10
P图练习(liànxí)1
打开(dǎ kāi):P1.mtw
第二十页,共39页。
选项及结果(jiē
guǒ)
第二十一页,共39页。
08-11
P图练习
(liànxí)2
。通过在一个计数型控制图上展示缺陷模式,它可以用来(yònɡ lái)确定
模式 中的变化是由普便原因引起
或是由特殊原因引起.
*在技术和服务领域皆可应用. 。技术: 使用p图和np图
。服务: 使用c图和u图
最大的困难是决定不良品
第七页,共39页。
08-4
计量型控制图的优点 (yōudiǎn)&缺点
*优点 。收集数据不用花费太多的时间和成本 。当对某一过程的关键输入变量不了解,但已确定客户要求及建立检验系
*计数或离散型数据 。数据由记数或分类产生(好/不好(bù hǎo),合格/不合格/通过/通过)
*数据的取值为有限个数
第三页,共39页。
08-2
计数(jìshù)型 术语
* 缺陷: 。不满足规格要求的质量特性 。一个产品会具有一个或多个缺陷 。 它可能(kěnéng)会也可能(kěnéng)不会影响产品性能或对客户规格的
例题(lìtí)1: Minitab创建P图
打开文件ATC.mtw
1.选择图表类型: p-chart 2.选择变量(biànliàng):不良 品数
第十五页,共39页。
08-8
例题(lìtí)1: Minitab创建P图
Proportion
  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)。

用于计数型数据的控制图
尽管控制图大多数情况都与计算型数据联系在一起(如第II章所示),但也开发了用于计数型数据的控制图(见图31),计数型数据只有两个值(合格/不合格,成功/失败,通过/不通过,出席/缺席),但它们可被计数从而用来记录和分析*。

例如:所需标签的出现,一个电路的连续性,或文件打印的错误等。

其他例子如:特性是可测量的,但是其结果只是简单的记录成是/否的形式,例如用通过量规来测量轴的直径是否合格,用目视或是规来检查门边缘是否可接受,或交货是否及时。

计数型数据控制图是很重要的,几条原因如下:• 计数型数据的情况存在于任何技术或行政管理过程中,所以可以在很多场合下应用计数型数据分析技术,最大的困难是对什么是不合格下一个精确的可操作的定义;
• 在很多情况下已有计数型数据——检验、要求修理的书面记录、拒收材料的筛选等。

在这些情况下,不涉及到额外的收集数据的费用,只是将数据转化成控制图的工作;
• 在必须收集新数据的地方,获得计数型数据通常是很快且不需很多费用,并且由于使用简单的量具(例如通过量规),所以通常不需要专业化的收集技术;
• 许多用于管理总结报告的数据是计数型的并且可以从控制图分析中获得益处。

例如:部门一次成功性能,废品率、质量审核和材料拒收,由于能够区分特殊原因和普通原因变差,控制图分析在解释这些管理报告时很有价值;
• 当在一个组织机构内引进控制图时,优先解决某些问题及在最需要的地方应用控制图是很重要的,问题的信号会来自成本控制系统,使用者的抱怨、内部的难关(瓶颈)等地方,对于关键的总体质量量度应用计数型控制图通常能对需要更详细检查特定过程的地方指出一条路子——包括应用计量型数据控制图的可能。

*本手册将使用合格/不合格来进行计数型数据讨论,仅仅因为:(1)它们是“传统”使用的数据;(2)刚开始走上持续提高之路的机构通常从这些类型开始;(3)文献上适用的许多例子采用这些类型,不应认为仅仅是这些“可接受的”类型,或者计数型控制图不能用于1类过程(见12页)(参考附录H)。

以下四节介绍四种主要的计数型控制图的基本知识:
第1节——不合格品率的P控制图(样本容量不一定相同);
第2节——不合格品数的np控制图(相同样本容量);
第3节——不合格数的c控制图(相同样本容量);
第4节——单位不合格数的u控制图(样本容量不一定相同)。

最先介绍的p控制图其内容比其它的长,因为它介绍了一些主要的概念,其它三节集中介绍其他类型控制图的不同特点。

相关文档
最新文档