SPC常用公式和参数
SPC计算公式和判定准则
6、Cp:(过程能力指数)
Cp USL LSL 6
例:产品规格为(40±0.5),产品标准差为0.4,试计算CP CP=(40.5-39.5)/(6*0.4)=1/2.4=0.42
7、Cr:(过程能力比值 ) 例:产品规格为(40±0.5),产品标准差为0.4,试计算Cr
Cr 6 USL LSL
29、Skewness:(偏度)
n
n (xi x)3
Skewness i1 (n 1)(n 2)S 3
30、Kurtosis:(峰度)
n
n(n 1) (xi x)4
Kurtosis
i 1
3(n 1)2
(n 1)(n 2)(n 3)S 4 (n 2)(n 3)
19
SPC 判定标准
16
计算公式
23、Ppm:(目标过程性能指数)
USL LSL Ppm
6 S2 ( T)2
24、Zu(Perf):(规格上限SIGMA水平) Zu(Perf) = 3* Ppu
25、Zl(Perf):(规格上限SIGMA水平) Zl(Perf) 3* Ppl
17
计算公式
26、Fpu(Perf):(超出规格上限概率)
0.30
0.25
0.20
规格上限
0.15
USL
0.10
0.05
0.00 6.0 7.0 8.0 9.0 10.0 11.0 12.0 13.0 14.0 15.0 16.0 17.0
所有检验数据形成一
个数据分布,而用
可以衡量数据分布离
散的大小; 越小分
布越好,数据越集中
8
计算公式
11、Cpk:(修正的过程能力指数 ) Cpk=Min（Cpl，Cpu）=Cp(1-k)
Spc应用计算公式(超全)
SPC所有公式详细解释及分析SPC统计制程管制计量值管制图： Xbar-R(平均-全距)、Xbar-S(平均-标准差)、X-MR(个别值-移动全距)、EWMA、CUSUM等管制图。
计数值管制图：不良率p、不良数np、良率1-p、缺点数c、单位缺点数u等管制图。
常用分析工具：直方图、柏拉图、散布图、推移图、%GRR...等。
公式解说制程能力指数制程能力分析制程能力研究在于确认这些特性符合规格的程度，以保证制程成品不符规格的不良率在要求的水准之上，作为制程持续改善的依据。
制程能力研究的时机分短期制程能力研究及长期制程能力研究，短期着重在新产品及新制程的试作、初期生产、工程变更或制程设备改变等阶段；长期以量产期间为主。
制程能力指针 Cp 或 Cpk 之值在一产品或制程特性分配为常态且在管制状态下时，可经由常态分配之机率计算，换算为该产品或制程特性的良率或不良率，同时亦可以几 Sigma 来对照。
计数值统计数据的数量表示缺点及不良(Defects VS. Defectives)缺点代表一单位产品不符要求的点数，一单位产品不良可能有一个缺点或多个缺点，此为计点的品质指针。
例如描述一匹布或一铸件的品质，可用每公尺棉布有几个疵点，一铸件表面有几个气孔或砂眼来表达，无尘室中每立方公尺含微粒之个数，一片PCB有几个零件及几个焊点有缺点，一片按键有几个杂质、包风、印刷等缺点，这些都是以计点方式表示一单位产品的特性值。
不良代表一单位产品有不符要求的缺点，可能有一个或一个以上，此将产品分类为好与坏、良与不良及合格与不合格等所谓的通过－不通过(Go-NoGo)的衡量方式称为计件的品质指针。
例如单位产品必须以二分法来判定品质，不良的单位产品必须报废或重修，这是以计件方式来表示一单位产品的特值。
每单位缺点数及每百万机会缺点数(DPU VS. DPMO)一单位产品或制程的复杂程度与其发生缺点的机会有直接的关系，越复杂容易出现缺点；反之越简单越不容易出现缺点。
SPC常用公式和全参数
SPC常用公式和全参数
SPC（Statistical Process Control）即统计过程控制，是一种可以检测和预防生产过程中发生的未预期变异的统计技术，涉及概率统计学、质量控制、过程设计等多个领域。
它被广泛用于制造业、服务业以及其他行业，可以有效识别与控制过程中发生的质量问题，从而提高工作效率和质量。
1、X-R图（X-R chart）：X-R 图是 SPC 中最常用的一种图表，它用于检测和控制过程中发生的质量变异情况。
X-R 图可以通过样本数据来分析过程变异，并用线性直线限制上下限的范围，从而确定是否存在质量问题。
2、np图（np chart）：np 图是用于检测和控制质量问题的一种统计图表，可以用于检测和控制多个样本中每一个样本的变异情况。
np 图中的上下限被用于确定质量问题是否存在，可以根据上下限的范围来判断多个样本的变异程度。
3、C图（C chart）：C 图用于检测和控制过程中同一种类样本的变异情况，它将质量变异的概率分布密度函数作为观测变量，可以用来检测和控制样本数据之间的偏差。
4、P图（P chart）：P 图用于检测和控制过程中发生的质量变异情况，并使用概率分布函数来分析样本数据之间的差异，可以用来检测和控制不同样本的变异程度。
SPC常用公式和参数
SPC常用公式和参数SPC（Statistical Process Control，统计过程控制）是一种质量管理方法，通过使用统计方法来监控生产过程中的变异性，以及使过程保持在可控状态，确保产品质量的稳定性。
在SPC中，常用的公式和参数用于描述、分析和控制过程的变异性，以及进行质量指标的计算和分析。
下面是SPC中常用的公式和参数：1. 均值（Mean）：均值是一组数据的平均值，用于描述数据的集中趋势。
均值可以表示为：Mean = (x1 + x2 + ... + xn) / n其中，x1 ~ xn表示一组数据，n表示数据的个数。
2. 范围（Range）：范围用于描述一组数据的离散程度，即最大值与最小值之间的差异。
范围可以表示为：Range = xmax - xmin其中，xmax表示一组数据的最大值，xmin表示最小值。
3. 标准差（Standard Deviation）：标准差是一组数据的离散程度的度量，用于衡量数据的波动性。
标准差可以表示为：Standard Deviation = sqrt[((x1 - mean)^2 + (x2 - mean)^2+ ... + (xn - mean)^2) / n]其中，x1 ~ xn表示一组数据，mean表示数据的均值，n表示数据的个数。
4. 方差（Variance）：方差是标准差的平方，也是一组数据的离散程度的度量。
Variance = (Standard Deviation)^25. 控制图（Control Chart）：控制图是SPC中最常用的工具，它用于监控过程的变异性，并确定过程是否处于可控状态。
在控制图中，常用的参数有：- 中心线（Center Line）：控制图的中心线表示过程的平均值或目标值。
- 控制限（Control Limit）：控制限是确定过程的可控状态的界限。
常用的控制图有三个控制限：- 上控制限（Upper Control Limit，UCL）：表示过程变异性在正常范围内的上限，超过该限制则表明过程存在特殊原因。
SPC各值计算公式
SPC各值计算公式SPC（统计过程控制）是一种统计方法，用于检测和控制过程的稳定性和变异性。
SPC各值计算公式包括控制图参数和过程能力指数等。
以下是常见的SPC各值计算公式及其解释：1.控制图参数：a.X̄控制图上的中心线是过程的平均值的估计量。
计算公式为：X̄=ΣX/n，其中X是测量值的总和，n是样本大小。
b. R 控制图上的极差线是过程的极差的估计量。
计算公式为：R = Xmax - Xmin，其中Xmax和Xmin是样本中最大值和最小值。
c.S控制图上的标准偏差线是过程的标准偏差的估计量。
计算公式为：S=√(Σ(X-X̄)²/(n-1))，其中Σ(X-X̄)²是样本值与平均值的差的平方的总和。
d.UCL控制图上的上限控制限是过程的可接受上限。
计算公式为：UCL=X̄+3S，其中3是标准差的倍数，用于确定上限控制限。
e.LCL控制图上的下限控制限是过程的可接受下限。
计算公式为：LCL=X̄-3S，其中3是标准差的倍数，用于确定下限控制限。
2.过程能力指数：a.Cp过程能力指数是衡量过程发生误差在可接受范围内的能力。
计算公式为：Cp=(USL-LSL)/(6σ)，其中USL和LSL是规范上限和下限，σ是标准偏差的估计量。
b. Cpk 过程能力指数是衡量过程发生误差在可接受范围内的能力，同时考虑了过程的中心线偏移。
计算公式为：Cpk = min((USL - X̄) /(3σ), (X̄ - LSL) / (3σ))，其中USL和LSL是规范上限和下限，X̄是过程的平均值的估计量，σ是标准偏差的估计量。
c. Cpm 过程能力指数是衡量过程发生误差在可接受范围内的能力，同时考虑了过程的中心线偏移和过程的极差。
计算公式为：Cpm = (USL - LSL) / (6√((ΣR/n)² + σ²))，其中USL和LSL是规范上限和下限，ΣR/n是极差均值的估计量，σ是标准偏差的估计量。
SPC所有公式详细解释及分析
SPC所有公式详细解释及分析SPC（统计过程控制）是一种通过统计方法对产品或过程的变化进行控制的质量管理工具。
它以数据为基础，通过收集、分析和解释数据，帮助确定过程是否稳定、符合规范，并提供改进措施。
在SPC中，有一些重要的公式用于计算和分析数据，下面将介绍其中一些常用的公式及其详细解释和分析。
1. 平均值（Mean）：平均值是统计数据的中心点，通过计算数据的总和除以数据的个数得到。
平均值用于评估过程的中心位置，并对过程的稳定性进行评估。
2. 中位数（Median）：中位数是将数据按照大小顺序排列后，排在中间位置的数值，它能够反映数据的集中趋势。
与平均值相比，中位数对异常值的影响较小，更适用于非正态分布的数据。
3. 标准差（Standard Deviation）：标准差是数据分布离散程度的度量，用于描述数据的波动性。
标准差越大，表示数据越分散；标准差越小，表示数据越集中。
标准差可以帮助确定过程是否稳定，是否存在特殊因素影响。
4. 变异系数（Coefficient of Variation）：变异系数是标准差除以平均值的比值，用于比较不同数据集的离散性。
较小的变异系数表示数据越稳定，较大的变异系数表示数据集的离散性较大。
5. 极差（Range）：极差是数据的最大值和最小值之间的差别，用于评估数据的波动范围。
较大的极差表示数据集的波动性较大，较小的极差表示数据集的波动性较小。
6. 四分位数（Quartiles）：四分位数是将数据按大小顺序排列后，将数据分为四等份的数值。
第一四分位数是中位数的前一半数据的中位数，第二四分位数即中位数，第三四分位数是中位数之后的一半数据的中位数。
四分位数可以帮助了解数据的分布情况。
7. 直方图（Histogram）：直方图使用柱状图形象地展示数据的分布情况。
通过将数据按照一定的区间划分，并统计每个区间内的数据个数，可以直观地了解数据的分布情况。
8. 管理图（Control Chart）：管理图是SPC最重要的工具之一，它通过将数据的统计量（如平均值、标准差等）绘制在图表上，并与控制限进行比较，用于监控过程的稳定性。
SPC计算公式
計
量 值 概 念
多品質特性圖
基礎篇
7.品質指標:
5.
USL ：規格上限 SL ：規格中心值
品質規格要求
計
量 值 概 念
LSL ：規格下限
XUCL：Xbar管制圖的管制上限 Xbar： Xbar管制圖的中心值 XLCL：Xbar管制圖的管制下限 RUCL：Rbar管制圖的管制上限 RBar：Rbar管制圖的中心值 RLCL：Rbar管制圖的管制下限 Ca Cp Cpk PPM ：製程准确度 製程精密度(製程潛力) 製程能力 Parts Per Million
σa是統計上的標準差概念, 即是按上述公式計算出來的 σs是為了在品管中有一個相對比較值而引進的, 計算方法是 σs=(USL-LSL)/6
技術篇
2.管製界限
1.
S P C 的 品 質 指 標
管製中心線(Center Line):
即實際數據的平均值(即Xbar)
CL=Xbar 管製上限(Upper Control Level, 縮寫為UCL):
LCL CL UCL
B.單邊上限規格
Cp=(USL-CL)/3σa=CpU
LCL
SL CL
USL UCL
技術篇
3.品質指標
1.
S P C 的 品 質 指 標
製程能力指數(Cpk):
A.雙邊規格 Cpk= (1-Ca)*Cp B.單邊上限規格 CPK=CPU=Cp C.單邊下限規格 CPK=CPL=C p
技術篇
3.品質指標
1.
C.單邊下限規格
LSL LCL SL CL USL UCL
S P C 的 品 質 指 標
Cp=(CL-LSL)/3σa=CpL
SPC计算公式
S P C 的 品 質 指 標
組距(R) : 一組數據中的最大值減最小值 R=MAX-MIN 平均數(Mean, 但通常用Xbar或X表示): 把一組數據 全部相加, 再除以該組數據的個數.
X=(X1+X2+……Xn)/n
中位數(Median,通常用M表示): 把一組數據先按大小順序排列起來, 然
技術篇
3.品質指標 1.
S P C 的 品 質 指 標
百萬分之不良PPM: 有些地方叫DPPM, 它是一 人概率的概念
A.計數值之PPM計算:
不良數 PPM= ╳1000000 抽樣數
B.計量值之PPM計算 靜態:PPM=Φ[(LSL-Xbar)/σ]+Φ[(USL-Xbar)/σ] 動態:PPM=Max{Φ[(LSL-Xbar)/σ+1.5]+Φ[(USL-Xbar)/σ+1.5],
LCL CL UCL
B.單邊上限規格
Cp=(USL-CL)/3σa=CpU
LCL
SL CL
USL UCL
技術篇
3.品質指標 1.
S P C 的 品 質 指 標
製程能力指數(Cpk): A.雙邊規格 Cpk= (1-Ca)*Cp
B.單邊上限規格 CPK=CPU=Cp
C.單邊下限規格 CPK=CPL=C p
Ca ：製程准确度
Cp
Cpk
製程精密度(製程潛力)
製程能力
品質六大特質分析
PPM
Parts Per Million
SGMs 規格標準差
基礎篇
SGMa 製程標準差
單邊規格沒有Ca
等級評定後之處置原則(Ca等級之處置) A級:作業員遵守作業標準操作,並達到規格之要求,須繼續維持。 B級:有必要可能將其改進為A級。 C級:作業員可能看錯規格,不按作業標準操作或檢討規格及作業標準。 D級:應採取緊急措施，全面檢討所有可能影響之因，必要時得停止生產。 以上僅是些基本原則，在一般應用上Ca如果不良時，其對策方法是製造單位為主，技術單位 副，品管單位為輔
- 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)。
R X -一、 管制图公式说明
1. 计量值公式
管制图 1.1
X 管制图：n 为组样本量，m 为抽样组数；
标准偏差 n
σ
σ=
2
min max X X R -=
估计标准偏差 2
^
d R
=
σ 全距平均值 m R m R R R R m
i i
m ∑==+++=
121...... 管制上限 → R A X R n
d X UCL 22)3
(
+=+= 中心线 → X CL = 管制下限 → R A X R n
d X LCL 22)3(-=-=
其中 n
d A 223=
R 管制图： R 的标准偏差 )(
2
3d R d R =σ 管制上限 → R D d R
d R R UCL R 42
3)(33=+=+=σ
中心线 → R CL =
管制下限 → R D d R
d R R UCL R 32
3)(33=-=-=σ 其中 23331d d D -
= ， 2
3431d d
D +=
m
x n
x x x x m
i i
n
∑=++++==++=
1
m ....32121 m x x x x x ......
X 管制图：
第i 组之标准偏差1
)(1
2
--=
∑=n x x
S n
i i
i
∑==m
i i S m S 1
1
估计标准偏差 4
C S =σ 管制上限 →
S A X S n C X UCL 34)3(
+=+=
中心线 → X CL = 管制下限 → S A X S n
C X LCL 34)3(-=-=
其中n
C A 433=
S 管制图： 管制上限 → S B UCLs 4= 中心线 → S CLs =
管制下限 → S B LCLs 3=
1.3 X-Rm 管制图
Rm 管制图：
移动全距 1--=i i i x x MR n
MR
MR n
i i
∑==
1
管制上限 → MR D UCL 4=
中心线 → MR CL =
管制下限 → MR D LCL 3=
(当n=2时，3D 和4D 以样本数为2来查表)
个别管制图
管制上限 → 23d MR
x UCL +=
中心线 → x CL =
管制下限 → 2
3
d MR
x LCL -= (当n=2时，2d 以样本数为2来查表)
**中位数随着计算机技术的发展，计算已经不是困难，逐步被淘汰**
2. 计数值公式
2.1不良率管制图 ( P Chart )
当每组之样本数均相同时：
中心线 → ∑==K
i i P K P 1
1
管制上限 → ) 1 , )
1(3min(n P P P UCL -+= 管制下限 → ) 0 , )
1(3
max(n
P P P LCL --=
当各组之样本数不相同时：
中心线 → ∑==N
i i i P n N P 1
1 ， 其中 k n n n N +++= (21)
各组管制上下限分别为 管制上限 → ) 1 , )
1(3
min(i n P P P UCL -+= 管制下限 → ) 0 , )
1(3max(i
n P P P LCL --=
2.2不良数管制图 ( Pn Chart )
中心线 → n P CL =
管制上限 → )1(3P P P UCL n n -+=
管制下限 → )1(3P P P LCL n n --= 其中 n P 为各组之不合格数。
n P 为各组不合格数之平均值。
管制上限 → 3C C UCL +=
管制下限 → 3C C LCL -= 其中C 为平均不合格点数 k
C
C k
i ∑==1
2.4单位缺点数管制图 ( U Chart )
中心线 → u CL =
管制上限 → 3
n
u u UCL += 管制下限 → 3
n
u u LCL -= 其中：n = 样本大小 (检查的单位数) C = 各组的缺点数
u = 各组的单位缺点数 = n
C
∑∑=
n
C u
二、 统计指标说明
1. 制程能力指数 ( Process Capability Indexes )
★ )
,max ()
(LSL SL SL USL SL Ca ---=
μ ； 其中 μ：平均值
SL ：规格标准 USL ：规格上限 LSL ：规格下限
★ σ6LSL)
-(USL Cp =
； σ：估计标准偏差 ( Capability Sigma )。
★ σμ3)
-(USL Cpu =
； σ：估计标准偏差 ( Capability Sigma )。
★ σ
μ3)
(Cpl LSL -=
； σ：估计标准偏差 ( Capability Sigma )。
★
),min(Cpl Cpu Cpk =
★ USL X Cc =
★)
(61LSL USL CP CR -==σ ； σ：估计标准偏差 ( Capability Sigma )。
★2
2)
(6)
(SL LSL USL Cpm -+-=μσ ； σ：估计标准偏差 ( Capability Sigma )。
2. 制程表现指数 ( Process Performance Indexes )
★σ6LSL)
-(USL Pp =
； σ：制程标准偏差 ( Population Standard Sigma )。
★ σμ3)
-(USL Ppu = ； σ：制程标准偏差 ( Population Standard Sigma )。
★ σ
μ3)
(Ppl LSL -= ； σ：制程标准偏差 ( Population Standard Sigma )。
★ ),min(Ppl Ppu Ppk =
★ )
(61LSL USL PP PR -==σ ； σ：制程标准偏差 ( Population Standard Sigma )。
★ 2
2)
(6)
(SL LSL USL Ppm -+-=μσ ； σ：制程标准偏差 ( Population Standard Sigma )。
3. 直方图 < Z 值、偏态、峰度 >
★ σμ)
-(USL f)Zupper(Per = ； σ：制程标准偏差 ( Population Standard Sigma )。
★ σ
μ)
(
f)Zupper(Per LSL -= ； σ：制程标准偏差 ( Population Standard Sigma )。
★ σ
μ)
-(USL .)Zupper(cap = ； σ：估计标准偏差 ( Capability Sigma )。
★ σ
μ)
(
.)Zupper(cap LSL -= ； σ：估计标准偏差 ( Capability Sigma )。
★ Skew (偏态) = ∑⎪⎪⎭
⎫ ⎝⎛---i i S x x n n n
3
)2)(1( ；S ：样本标准偏差，n 需大于2且S <> 0。
★ Kurtosis (峰度) = )3)(2()1(3)3)(2)(1()1(24
----⎪⎭
⎪⎬⎫⎪⎩⎪⎨⎧⎪⎪⎭⎫ ⎝⎛----+∑n n n S x x n n n n n i i ； S ：样本标准偏差，n 需大于2且S <> 0。
★ Chi-Square =
2
2
)1(σS n - ； S ：制程标准偏差，6
2LSL
USL -=
σ。
4. 散布图
★ 回归直线 Y = mX + b ； 其中 m ：斜率，b ：截距。
2
2)())(()(∑∑∑∑∑--=x x n y x xy n m
2
22
)(∑∑∑∑∑∑--=x x n xy x x y b
三、 标准偏差公式
◎ 估计标准偏差 ( Capability Sigma )
★ 以R 估计： 2d R
=σ ；( R X - Chart 及 X-Rm Chart 时使用 )。
★ 以S 估计： 4
C S
=
σ ；( S X - Chart 时使用 )。
★ 实际计算：∑∑∑===--=
k
i i
k i n
j i ij
n
x x
1
11
2
)
1()(σ
◎ 制程标准偏差 ( Population Standard Devitation ) ★)
1()(1
2
--=∑=n x x
n
i i
σ
四、 参数表
1. 表1:X(bar)-R 和X(bar)-S 参数
2.表2: 中位数和单值参数
3.表3:正态分布参数表PPM值:。