Control-spc SPC控制图
LCL LSL
Minitab Rules Minitab规则
1. 一个点在A区外(Western Electric规则 ) 2. 连续9个点在C区或以外 (在控制图同一边)(Western Electric规则 )
3. 连续6个点同时上升或下降
4. 连续14个点交替上升和下降 5. 连续3个点中有2个在A区或以外(Western Electric规则) 6. 连续5个点中有4个在B区或以外(Western Electric规则)
7. 连续15个点在中心线两侧的C区内
8. 连续8个点在中+1s -1s -2s -3s
B C C B
A
A
0.055 Subgroup 0 5 10 15 20 25
-3.0SL=0.05469
Sample Range
3.0SL=0.01215 0.010
0.005
R=0.004720
0.000
-3.0SL=0.000
控制极限和规范极限 控制极限是根据平均值计算得出的 ，大多数规范是关于个体数值的
USL UCL
有效的连续数据控制图包括...
• • 以时间或生产顺序排序的数据
– 表示稳定性，随时间的波动
控制极限
– 可用来区分通常原因和特殊原因(可归因原因)
X-Bar-R charts ( Xbar-R图) • Xbar图：反映样本平均值随时间的变化 • R图：反映样本的极差(样本中最大值和最小值的差)随时间的变化
统计过程控制
什么是控制图?
• 显示过程偏差随时间变化的图形
• 它是统计过程控制（SPC）中的主要工具
• 它可以测定一个过程是否受控
•
受控 – 在波动中没有特殊原因 – 所有的波动都是随机的 失控 – 至少有一个特殊原因 – 一些波动不是随机的
•
控制图的主要用途
•减少废品和返工、提高生产力 •预防缺陷 •预防不必要的过程调整 •提供过程诊断信息 •提供过程重要参数随时间推移的信息
特殊原因
•不平常的
•零星的 •特殊的 •时不时地存在于大多数过程中, 并且持续地存在于某些过程，由一个或一系列的 干扰造成的，一般来说通过操作者可以控制(至少可以发觉)
普通原因
•自然的 •随机的 •存在于每一个过程中，由过程本身造成的 (由我们做事的方式决定的)，一般来说通 过管理可以控制
连续数据控制图 (Xbar - R 图)
用minitab 作出Xbar-R图
Minitab中Xbar-R图的形成
1. 双击 “C1.”
2. 子样大小为3.
3. 点击“OK.”
Xbar/R Chart for NC_LATHE
0.065 3.0SL=0.06435
Sample Mean
不要将控制极限与规范极限混淆
0.060
X=0.05952
@SPC基础知识之三-控制图
去除异常原因
Yes
绘制直方图 (辅助参考变异是否常态分布)
计算Pp/Ppk Yes
满足规格
No 检讨5M1E各方面
绘制控制用 控制图
提升过程能力 18
基本概念-控制图
控制图的阶段-分析~控制 ➢ 制作分析用控制图时，其中心线和上下控制界限，都是通过抽样方法，采集一定时期内、稳定生产状态下的数
据，计算得出。 ➢ 根据计算结果，制作分析用控制图，并确认保持在控制状态，而且过程能力符合要求，才能延长控制界限，应
9
基本概念-直方图
直方图-分布曲线-正态分布曲线 中心极限定理：基于概率论，稳定受控的过程中，大量随机变量会近似于服从正态分布。 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。
SPC基础知识 之三 控制图
制作日期：201808
目录
基本概念 直方图 控制图
常见问题 计量型控制图 计数型控制图
X--R图制作实例
2
基本概念
基本概念-直方图
直方图 将收集的数据，使用一定范围，在横轴上分成几个相等的区间； 将各区间内测量值出现的次数，累积起来的面积，使用柱状图表示。 直方图的目的 ➢ 可以直观反映数据分布的中心和宽度 ➢ 显示图形分布形状，观察过程波动状况 ➢ 比较测量值的分布与标准规格，观察差异 ➢ 决定是否需要进一步层别化 ➢ 分析改进方向和措施
控制上限
μ+σ μ+2σ μ+3σ
SPC基础控制图
Control Chart管制圖管制圖是一種可用來決定製程可繼續運作或因有問題須解決而必須停止的圖形工具。
管制圖是依時間次序將數據劃圖，會加上3條特別的線。
Centerline(CL)管制中心線：當製程是In-control時，表示製程平均成果(平均值，標準差，良率等等…..) Upper and Lower Control Limits(UCL and LCL)上下管制界限：當製程是In-control時，製程成果的限制範圍管制界限是在中心線上下3個標準差的位置。
Centerline and Control Limits管制中心線和管制界限Centerline管制中心線:是量測值的中值(mean)或平均值，由中心線可知穩定製程的量測值是否接近中心。
Control Limits管制界限:是以中心線上下3個標準差劃出的線。
定義一個穩定製程的量測值出現的範圍規格界限和管制界限的差別Specification(Spec) Limits(規格界限):(1) 根據客戶需求而定義。
(2) 定義一個產品參數的可接受範圍。
(3) 定義何種為可接受產品，何種為不可接受產品。
(4) 用來決定製程的性能。
Control limits(控制界限):(1) 根據實際製程性能的資料計算而來的。
(2) 描述一個穩定製程的性能自然範圍。
(3) 描述自然製程偏差值的量。
(4) 用來決定製程穩定度。
Control Chart Development Procedure(管制圖建立程序):1. 最初的數據收集(Initial data collection)至少收集30個數據，目的是收集足夠數據正確的描述長期變異和檢查參數的穩定性。
PDC所收集的數據亦可用做此用途，但PDC的樣本數頻率須和PCS所使用的相同。
另外，所有新data必須被收集，如同量測計劃中所要求的。
2.管制界限計算(Control Limit Calculation )數據會用做計算管制界限，然後長期使用在管制圖上。
第三章 统计过程控制(SPC)与常规控制图
两个重要的参数：
• µ (mu)--- 位置参数和平均值（mean value) ，表 示 分布的中心位置和期望值 • (sigma) --- 尺度参数，表示分布的分散程度和标 准偏差 （standard deviation),
20字真经 查出异因， 采取措施， 保证消除， 不再出现， 纳入标准。
5. 统计控制状态
任何技术控制都有一个标准作为基准。 统计 过程控制（SPC）的基准是统计控制状态 (State in Statistical Control) 简称控制状态(state in control)或稳态(stable state): 指过程中只有偶因（而无异因）产生 的变异状态。 当过程仅受随机因素影响时，过程处于统计 控制状态（简称受控状态）；当过程中存在 系统因素的影响时，过程处于统计失控状态 （简称失控状态）。由于过程波动具有统计 规律性，当过程受控时，过程特性一般服从 稳定的随机分布；而失控时，过程分布将发 生改变。SPC正是利用过程波动的统计规律 性对过程进行分析控制的。 通过对过程不断调整，从理论上讲，控制状 态是可以达到的，虽然质量变异不能完全消 除，应用控制图使得质量变异成为最小的有 效工具。
• 本步骤最困难，最费时。 制订过程控制标准 对过程进行监控 对过程进行诊断并采取措施解决问题
5.推行ISO9000国际标准与推行SPC和 SPD的关系
在ISO9000族标准中运用统计技术的目 的在于：通过对统计技术的适当运用以 解决组织的问题和做出有效决策，提高 管理效率并促进质量管理体系的持续改 进和产品质量的不断提高。推行SPC和 SPD是推行ISO9000国际标准的一项重 要基础工作。
常用控制图
SPCSPC（Statistical Process Control，统计过程控制或统计制程控制）目录∙ 1 什么是SPC∙ 2 SPC起源与发展∙ 3 3σ原理简介∙ 4 SPC技术原理∙ 5 SPC控制图及计算∙ 6 SPC控制图（管制图）的实施∙7 SPC控制图（管制图）异常的判断及处理∙8 制程能力指数（参数）CPK∙9 SPC的发展特点∙10 SPC对企业带来的好处什么是SPCSPC即英文“Statistical Process Control”之缩写,意为“统计制程控制” SPC或称统计过程控制。
SPC主要是指应用统计分析技术对生产过程进行实时监控，科学的区分出生产过程中产品质量的随机波动与异常波动，从而对生产过程的异常趋势提出预警，以便生产管理人员及时采取措施，消除异常，恢复过程的稳定，从而达到提高和控制质量的目的。
在生产过程中，产品的加工尺寸的波动是不可避免的。
它是由人、机器、材料、方法和环境等基本因素的波动影响所致。
波动分为两种：正常波动和异常波动。
正常波动是偶然性原因（不可避免因素）造成的。
它对产品质量影响较小，在技术上难以消除，在经济上也不值得消除。
异常波动是由系统原因（异常因素）造成的。
它对产品质量影响很大，但能够采取措施避免和消除。
过程控制的目的就是消除、避免异常波动，使过程处于正常波动状态。
SPC起源与发展1． 1924年休哈特博士在贝尔实验室发明了品质控制图。
2． 1939年休哈特博士与戴明博士合写了《品质观点的统计方法》。
3．二战后美英将品质控制图方法引进制造业，并应用于生产过程。
4． 1950年，戴明到日本演讲，介绍了SQC的技术与观念。
5．SQC是在发生问题后才去解决问题，是一种浪费，所以发展出了SPC。
6．美国汽车制造商福特、通用汽车公司等对SPC很重视，所以SPC得以广泛应用。
7．ISO9000（2000）体系亦注重过程控制和统计技术的应用（如8.1，8.2.3）。
SPC控制图
1.80
R
1.40
1.00
0.60
0.20
-0.20
1
2
3
4
5
6
7
8
9
10
11
12
Deveation No : （不良情况说明）
Deveation No : （不良情况说明）
备注: 1.填写米黃色空白栏位部分.
2.依据抽样频率每次取5个样品作成数据填入.
3.公式会自行判定单边双边公差计算Ca,Cp,Cpk. 4.白色空白拦存有公式请勿任意修改.
#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!
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
数据填入.
UCLx #DIV/0! Cpk #DIV/0! A2=
0.577
UCLR #DIV/0!
统计过程控制(SPC)与常规控制图
SPC发展阶段
SPC迄今已经经历三个阶段﹐ SPC﹑SPD﹑SPA SPC在1920S由休哈特创造的理论 SPD在1982我国张公续教授首创﹐ 目前我国仍然处于领先地位 SPA目前刚刚起步﹐目前尚无实用 性研究成果
SPC
SPD
SPA
2.控制图原理
控制图(Control Chart)是对 过程质量特性值进行测定﹑ 记录﹑评估和监察过程是否 处于控制状态的一种用统计 方法设计的图。
级别
1 2 3 4 5
过程能力的评价参考
过程能力过高(应视具体情况而定) 过程能力充分﹐表示技朮管理能力很好﹐应 继续维持 过程能力较差﹐表示技朮管理能力较勉强﹐ 应设法提升2级 过程能力不足﹐表示技朮管理能力很差﹐应 采取措施立即改善 过程能力严重不足﹐表示应采取紧急措施和 全面检查﹐必要时可停工整顿
R=Xmax-Xmin
令W=R/σ,则E(W)=d2﹐ d2为一与样本量n有关的常量 σ=R/ d2
R=
R1+R2+R3+…+Rn n
总上得到控制线为﹕
式中A2为一与样本量n有关的常量﹐可以从表中查出 X控制图控制线完成
R图的如何控制变异度
μR=R
令W=R/σ,则E(W)=d3﹐ d3为一与样本量n有关的常量
判稳准则
1.
连续25个点子都在控制界限内
2.
3.
连续35个点子至多有1个点子落在控制界限外
连续100个点子至多有2个点子落在控制界限外 α 1=0.0654
不符合上述三原则的概率为﹕
α 2=0.0654 α 3=0.0654
4.控制图判断准则
(a) 连续9点出现在中心线的单侧
第三章 统计过程控制(SPC)与控制图
级别 I II
过程能力评价参考
过程能力过高(应视具体情况而定) 过程能力过高(应视具体情况而定)
过程能力充分, 过程能力充分,表示技术管理能力已很 好,应继续维持 过程能力较差, III 过程能力较差,表示技术管理能力较勉 强,应设法提高为II级 应设法提高为II级 过程能力不足, IV 过程能力不足,表示技术管理能力已很 差,应采取措施立即改善
TL
TU
TL
TU
TL
TU
无偏移单侧规范情况
只有上限要求，无下限要求
CPU＝（TU－ µ）/3 σ ＝（T
只有下限要求，无上限要求
CPU＝（µ－ TL ）/3 σ ＝（µ
过程能力指数C 过程能力指数CP值的评价参考
Cp值范围 >1.67
[1.33,1.67) [1.0, 1.33) [0.67, 1.0)
控制图是如何贯彻预防原则的
对生产过程不断监控，有苗头就能够被察 觉
控制图是如何贯彻预防原则的
无预先征兆，突 然出现，采用20 然出现，采用20 字方针：
查出异因，采取 措施，保证消除， 不再出现，纳入 标准
统计控制状态
只有偶因 没有异因 控制的基准 是生产追求的目标
对产品的质量有99.73％的把握 对产品的质量有99.73％的把握 生产最经济 过程的变异最小
Tu +TL 18.025 +17.99 M= = =18.0075 = µ 2 2 T T −TL 18.025 −17.99 Cp = = U = = 0.897 6σ 6σ 2 p = 2Φ(−3Cp ) = 2Φ(−3×0.897) = 2Φ(−2.691) = 0.0072 q =1− 0.0072 = 0.9928
SPC控制图异常判定资料
01 SPC控制图概述
SPC控制图定义
定义
SPC控制图是一种用于监控、分析和 控制生产过程的工具，通过收集数据 并在控制图上绘制点来评估过程的稳 定性。
THANKS FOR WATCHING
感谢您的观看
如何选择合适的控制图？
不同的控制图适用于不同类型的数据和过程。在选择控制图 时，需要考虑数据的分布、过程的特性以及要监控的过程参 数。常见的控制图包括均值-极差控制图、均值-标准差控制 图、不合格品率控制图等。
选择依据：根据数据类型和过程特性选择合适的控制图，确 保能够有效地监测和控制过程。
如何解读控制图的异常信息？
总结词
累积和控制图通过计算累积和来评估过程的稳定性，适用于监测生产过程的关键特性。
详细描述
当控制图上的点超出上控制限或下控制限，或者点在控制限内但呈持续上升或下降趋势 时，可以判定为异常。此外，如果点在控制限内但出现周期性波动，也可能是异常。
移动极差控制图异常判定实例
总结词
移动极差控制图通过计算移动极差来评 估过程的稳定性，适用于监测数据分布 较为稳定的过程。
目的
控制图用于检测生产过程中的异常波 动，预防不良品产生，并保持产品质 量稳定。
SPC控制图原理
中心线（CL）
控制图的中心线表示过程的预期平均值。
控制上限（UCL）和控制下限（LCL）
这两个界限用于判断数据点是否超出可接受的范围。
判定原则
当数据点超出UCL、LCL或连续7点上升或下降时，判定为异常。
累积和控制图异常判定标准