SPC控制图的绘制及判断方法
怎么做产品的SPC控制图?

怎么做产品的SPC控制图?实践证明,通过SPC控制图,可以帮助我们及时发现制程中的异常变化,并采取相应的措施,以确保产品质量的稳定性。
那么,产品的SPC控制图该怎么做呢?深圳天行健六西格玛咨询公司简析如下:步骤一:确定需要监控的关键质量特性(CTQ)首先,需要确定产品制程中的关键质量特性(CTQ),也就是对产品质量有重要影响的特性。
这些特性可能包括尺寸、重量、硬度等。
确保选择的特性能够准确反映产品的质量。
步骤二:收集数据收集与所选特性相关的数据,包括每个制程批次或样本的测量结果。
确保数据的准确性和完整性,以便后续的分析和控制。
步骤三:计算统计参数根据收集到的数据,计算统计参数,如平均值、标准差等。
这些参数可以帮助我们了解制程的中心位置和变化程度。
步骤四:绘制控制图根据所选特性的统计参数,绘制SPC控制图。
常见的控制图有X-Bar图、R图、S图等。
控制图上通常包括中心线、控制界限和数据点。
通过观察数据点的位置和分布,可以判断制程是否处于控制状态。
步骤五:分析控制图分析控制图上的数据点,判断制程是否处于控制状态。
如果数据点在控制界限内波动,说明制程是稳定的;如果数据点超出控制限,说明制程存在异常变化。
根据分析结果,可以采取相应的纠正措施,以确保制程的稳定性和一致性。
步骤六:持续监控和改进SPC控制图是一个持续监控和改进的过程。
定期更新数据,并根据新的数据绘制控制图,以监控制程的变化。
同时,根据控制图的分析结果,不断改进制程,以提高产品质量。
总而言之,SPC控制图是一个简单而有效的工具,可以帮助我们实现产品质量的稳定和一致。
通过正确使用SPC控制图,我们能够及时发现制程中的异常变化,并采取相应的措施,以确保产品质量的稳定性,提高客户满意度。
SPC控制图判断标准

SPC控制图判断标准一:判稳准则在点子随机排列的情况下,符合下列个点之一就判稳:(1)连续25个点,界外点数d=0;(2)连续35个点,界外点数d≤1;(3)连续100个点,界外点数d≤2。
二:判异准则SPC的基准是稳态,如若过程出现显著偏离稳态则为异态。
异态出可分为异常好与异常坏两类。
判异准则:(1)点出界就判异;(2)界内点排列不随机判异。
2.1判异准则1一点落在A区以外。
出现该情况可能因素:计算错误、测量误差、原材料不合格、设备故障等。
点排布如下图2-1所示:图2-1 准则1判异图2.2判异准则2出现连续9点落在中心线一侧。
原因:分布的a减小。
点排布如下图2-2所示:图2-2 准则2判异图2.3判异准则3连续6点递增或递减。
产生趋势可能因素:工具逐渐磨损、维修水平逐渐降低、操作人员技能逐渐降低等。
点排布如下图2-3所示:图2-3 准则3判异图2.4判异准则4连续14点中相邻点上下交替。
产生趋势可能因素:轮流使用两台设备、两位人员轮流操作。
点排布如下图2-4所示:图2-4 准则4判异图2.5判异准则5连续3点落在中心线同一侧的B区以外。
产生趋势可能因素:参数u发生了变化。
点排布如下图2-5所示:图2-5准则5判异图2.6判异准则6连续5点中有4点落在中心线同一侧的C区以外。
表明参数u发生了变化。
点排布如下图2-6所示:图2-6准则6判异图2.7判异准则715点在C区中心线上下。
可能原因:①是否应用了假数据,弄虚作假;②是否数据分层不够。
点排布如下图2-7所示:图2-7准则7判异图2.8判异准则88点在中心线两侧,但无一在C区中。
原因:数据分层不够。
点排布如下图2-8所示:图2-8准则8判异图。
SPC控制图的绘制方法及判断方法

6 与规格比较;确定控制用控制图
✓ 由分析用控制图得知工序处于稳定状态后;还须与规格要求进 行比较 若工序既满足稳定要求;又满足规格要求;则称工序进 入正常状态 此时;可将分析用控制图的控制线作为控制用控 制图的控制线;若不能满足规格要求;必须对工序进行调整; 直至得到正常状态下的控制图
✓ 所谓满足规格要求;并不是指上 下控制线必须在规格上 下限
解:
18
解:
• 由表 3给出的计算公式计算表
7中每个样本的移动极差
R
并记入表
si
7中。
如
Rs2 x2 x1 1.13 1.09 0.04
依次类推。RS3 x3 x2 1.29 1.13 0.16
• 计算出 x和Rs
k
x xi
i 1
k 34.12 1.312 26
k
Rs Rsi •由表 4给出的公式计算控i2制界
中
如
L1=14 0
S1=12 1
……
……
• 计算最大值平L均 、值 最小S值 、平均极R差 和范围中M值 :
k
k
L
Li
i1
341.9 13.68
Si
i1
308.1 12.32
k 25
k 25
R LS 13.6812.321.36
M LS 13.6812.3213.00
2
2
16
•计 由算 5表 ,最 n当 5 大 时 C值 A 1 , 、 L 91中 .最 36心 3 小线 值 C2L 和 中上 心、 线下 UC 控 、 L L制 C。 L线 C1LL1.368 C2LS1.232
内侧;即UCL>TU;LCL< TL 而是要看受控工序的工序能力
SPC控制图应用步骤简明教程

1. 收集数据
2. 建立控制限
3. 统计上受不 受控的解释
4. 为了持续控 制延长控制限
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。
过程能力和过程性能
计量型数据 过程能力和过程性能
1. 过程能力:仅适用于稳定统计过程,是过程固有变差的 6 范围,
2.子组数量:为了建立控制限,通常取25个子组,或更多个子组包含100或 更多个单值读数。
3.子组容量:较大的子组能很容易探测出较小的过程变化。一般2-5个样本。 4.子组频率:通常按时间顺序来取子组,目的是探测过程随时间发生的变化。
推荐的频率见附表所示
附表 推荐的子组频率
每小时产量
10以下 10-19 20-49 50-99 100以上
1. 计量型控制图
1) 单值与移动极差控制图(I-MR)。 【 样本量n=1】 2) 均值极差控制图(XBar-R图); 【样本量2 ≤n ≤9】
~ 3) 均值与标准差控制图(XBar-S图);【样本量n ≥10】
4) 中位数与极差控制图(X-R图);
2. 计数值控制图
1) 不良率控制图(P图); 2) 不良数控制图(NP图); 3) 缺点数控制图(C图); 4) 单位缺点数控制图(U图)。※
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
@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):
SPC控制图的判定方法

SPC控制图的判定方法SPC(Statistical Process Control)控制图是一种统计工具,用于分析和监控过程中的变异性,并判断过程是否稳定。
通过控制图的使用,可以帮助企业提高产品质量、降低成本和提高生产效率。
本文将介绍SPC控制图的判定方法。
一、控制图的基本原理1.1 数据收集与分类要绘制SPC控制图,首先需要收集相关的数据。
这些数据可以是产品尺寸、重量、时间等方面的测量结果。
收集的数据需要根据特定的要求进行分类和整理,以便后续的统计分析。
1.2 参数与变量在控制图中,可以使用参数图和变量图两种类型的控制图。
参数图适用于可计量的特征,如长度、重量等,而变量图适用于计数型数据,如不良品率、缺陷数等。
1.3 控制线的设定控制图通常包括中心线、上限线和下限线。
中心线代表过程的平均值,上限线和下限线则用于判断过程变异是否在可接受的范围内。
控制线的设定需要根据过程的稳定性和要求进行调整。
二、SPC控制图的判定方法2.1 过程是否稳定在绘制控制图之前,首先需要判断过程是否稳定。
稳定的过程指的是过程产生的变异性仅来自于随机误差,而不是系统性的因素。
判断过程是否稳定可以通过以下几种方式进行:(1)过程能否满足规范要求:通过对过程数据进行规范性能指标的计算与分析,判断过程是否满足要求。
(2)过程的输入是否稳定:观察过程的输入数据,如材料的质量、设备的稳定性等,判断输入是否稳定。
(3)过程是否存在特殊因素:通过了解和分析过程中的特殊因素,如人为因素、设备故障等,判断过程是否稳定。
2.2 控制图的规则绘制了控制图后,可以通过判断数据点的分布情况,在控制图上标示出不同的规则。
常用的规则有以下几种:(1)单点超出控制限:单个数据点超出上限线或下限线。
(2)连续点在中心线同一侧:三个或更多连续的数据点在中心线的同一侧。
(3)多点连续递增或递减:连续五个或更多数据点递增或递减。
(4)趋势:六个或更多连续递增或递减的数据点。
SPC计算公式和判定准则

SPC计算公式和判定准则SPC(Statistical Process Control,统计过程控制)是一种通过统计方法对过程进行监控和控制来确保产品质量的方法。
SPC包含了一系列的计算公式和判定准则,用于对过程数据进行分析和判断。
本文将介绍SPC的常用计算公式和判定准则。
一、计算公式1. 平均值(X-bar)和范围(R)控制图的计算公式:平均值控制图:X-bar = (X1 + X2 + ... +Xn)/n范围控制图:R = Xmax - Xmin2.方差(S)控制图的计算公式:方差控制图:S = √((∑(xi - x̄)²)/(n-1))其中,xi为单个数据点,x̄为平均数,n为样本个数。
3.标准差(σ)控制图的计算公式:标准差控制图:σ = √((∑(xi - x̄)²)/n)其中,xi为单个数据点,x̄为平均数,n为样本个数。
4. 标准分数(Z-score)的计算公式:标准分数:Z=(X-μ)/σ其中,X为观测值,μ为总体平均值,σ为总体标准差。
5.概率(P)的计算公式:概率:P=1-Z其中,Z为标准分数。
二、判定准则SPC通过控制图上的控制限来进行判定,一般包括控制线和规范线。
常用的判定准则有以下几种:1.控制线:控制线用于界定过程是否处于统计控制状态。
一般有上限控制线(UCL)和下限控制线(LCL)。
当数据点超过控制线时,表明过程处于非随机状态,可能存在特殊原因。
2.规范线:规范线用于界定过程是否处于规范状态。
一般有上限规范线(USL)和下限规范线(LSL)。
当数据点超过规范线时,表明产品或过程不符合规格要求。
3.判定准则:SPC根据运行趋势和控制限来进行判定,常见判定准则包括:-单点超出控制限:当单个数据点超出控制限时,可能存在特殊原因,需要进行调查和纠正。
-一组连续点趋势逐渐上升或下降:当连续的数据点呈增加或减少的趋势时,表明过程可能不稳定,需要进行调查和纠正。
- 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)。
第二类错误:漏发信号的错误,即工序异常,点子却仍然落
在控制界限内。第二类错误发生的概率记为β。
波动曲线,图5即为分析用控制图。
•1
•x
4 •1
图3
•1
2
•4
•R •3 图 •2
•1
•0
5
10
15
20
25
•UCL= •1C3.L7=1912.940 •LCL= 12.161 •UCL=2.86
•CL=1.35
•样本号
•图5 铸件质量分析用控制图(x—R图
•(5) 根据本节)“控制图的观察与判断”标准,工序处于稳定状态 。
•表5 控制图系数表
各类控制图作法举例
1
控制图(平均值——极差控制图)
• 原理:
图又称平均值控制图,它主要用于控制生产过程中产品质量 特性的平均值;
R图又 称极差控制图,它主要用于控制产品质量特性的分散。
“
”控制图是通过 图和R图的联合使用,掌握工序质量特
性分布变动的状态。它主要适用于零件尺寸、产品重量 、热
是随机波动,不应有明显的规律性。点子排列的 明显规律性称为点子的排列缺陷。
GB/T4091-2001《常规控制图》规定了8种判异准 则。
(1) 链
(2) 复合链
(3) 倾向
(4) 接近控制线
(5) 周期性变动
•控制图的点子全部在控制界限内
由于在稳定状态下,控制图也会发生误发信号的 错误(第一类错误),因此规定在下述情况下 ,判 定第一个条件,即点子全部在控制界限内是满足的
•批号 •图9 凸轮厚度分析用控制图(pn图)
•UCL •CL •LCL
7 u控制图和c控制图(单位缺陷数、缺陷数控制图
)
原理:
• u控制图又称单位缺陷数控制图。它通过单位产品上的缺陷数目对工序
进行控制。
• c控制图又 称缺陷数控制图,它是通过容量大小相同的样本中的缺陷数
目对工序进行控制。
• u图和c图 均属计件值控制图。常用于控制织物上的缺陷、铸件的疵点,
场合。x图可不通过计算直接在图上打点并能及时发现异常
例4 某化工厂决定对某化工产品中的甲醇含量采用x-Rs控制 图进行控制。每天取一 个样本,样本容量n=1,共抽取样 本26个,测得的预备数据如表7所示。试作x-Rs分析 用控
制图。
•解:
•解:
• 作x—Rs分析用控制图。(图7)
•2. 0
•x图 •1.
●上述情况发生的概率均小于小概率事件标准0.01。如11点 复合链的概率为
•UC L •CL
•LC L •图12 复合链
(3)倾向:点子连续上升或连续下降的现象称为倾向(图13)
。 ●当出现7点连续上升或7点连续下降时,应判断工序处
于异常状态。 ●若将7点按其高低位置进行排列,排列种类共有7!种,
•
场合与 控制图相同。但因只用一张图进行控制,因此具有现场
•
使用简便的优点。
•例3:若对例1,采用L—S控制图进行控制,试作出分析用控制图。
• •
由表3的计算公式首先找出表6中每个样本的极大值Li和极小值Si并记入表6 中。
•如
L1=14.0
S1•=…12….1 •……
•作分析用控制图(图6)。
•特性值
•1
•UCL=14.85
5
•1 4
•CL1=13.68
•1
3
•CL2=12.32
•1 2
•11
•LCL=11.15
•1
0•
5
10
15
20
25
•样本号
•图6 铸件质量分析用控制图(L—S图)
4 x-Rs控制图(单值—移动极差控制图)
应用范围:它适用于质量特性值不易取得的情况。如抽取的 样本是一种混合均匀的液体、或质量特性值的取得要花费 较长时间、较高费用(如破坏性检 查)、产品加工周期长等
• 由表6给出的数据,进而可计算出工序能力指数。
•工序能力指数计算
2
控制图
原理: 图是通过 图和R图的联合使用掌握工序质量特性分布变动的状态。其
适用场合与
控制图相同,但具有计算简便、便于现场使
•注:表5在第16页
•3 L—S控制图(两极控制图)
•原理:它是通过极大值,极小值的变化掌握工序分布变化的状态。其适用
例5 某车间采用p控制图对锻件不合格品率p进行
控制,统计了近期生产的24批(即 24 个样本)锻
件质量情况,各批批量大小(即样本大小ni)及不 合格品数pni如表 8所示。试作分析用控制图。
• 作分析用控制图
作分析用控制图
•8.0 •6.0 •4.0 •2.0
•n=200 UCL=8.45 •n=250 UCL=8.01
6 •1. 2
•0. 8
•UCL=2.067 •CL=1.312 •LCL=0.557
•1. 0 •0.
•Rs图 6
•0. 2
•0
•UCL=0.929
5
10
15
20
25
•图7 甲醇含量分析用控制图( x—Rs图 )
•CL=0.284 •组序
5 p控制图(不合格品率控制图)
原理:属计件值控制图,它是通过工序不合格品率 对工序进行分析与控制的。
例7 某棉纺厂决定采用c控制图控制棉布质量,为此统计了 25匹近期生产的棉布质量。 每匹布的面积n为10m2,每匹 布的疵点数ci见表10所示。试作分析用控制 图。
•表10 棉布疵点数数据表
• 作分析用控制图。(图10)
•C •3 0
•UCL=29.1
•2
•CL=16.8
0
•1
•LCL=4.5
0
•CL
•(a)
•CL
•(b) •图15 点的周期性变动
•总结:
对控制图上的点,不能仅当作一个“点”来看待 ,而是一个点代表某时刻某统计量的分布,而点 的排列变化说明了分布状态发生的变化。如在
图中, 图出现了连续上升的倾向,而R图正常
,说明工序均值可能由于刃具磨损、定位件磨损 、温度变形等原因产生逐渐变大的倾向,但工序
的散差 不变;若 图正常,R图出现了连续上升
的现象,说明工序平均值没有变动,而散差可能 由于工夹具松动、机床精度变化、毛坯余量变化
控制图的两类错误分析及 应用要点
一 控制图的两类错误分析 二 控制图的应用要点
一 控制图的两类错误分析
• 两类错误:
第一类错误:误发信号的错误,即工序正常,点子落在控制
• 与p图相似,u图的各样本容量可以不相同,但其上下控制线是一对对称
的折线。只有满足条件
时,才可用 代替ni计算上、下控制线
。此时,上、下控制线将是一对对称的直线。
与pn图相似,c图的各样本容量必须相同。
若ui表示单位产品上的缺陷数,使用u图与c图 ,要求样本容量
。
• 例7 只有此时,缺陷数及单位缺陷数才近似
(1)计算各样本参数(见表3) (2)计算分析用控制图控制线(见表4) 5 作分析用控制图并判断工序是否处于稳定状态 6 与规格比较,确定控制用控制图 7 控制用控制图制好后,即可用它控制工序,使生产过程保持 在正常状态。
•控制图绘制的一般工作程 序
•3 收集预备数 据
收集预备数据的目的只为作分析用控制图以判断工序状态。 数据采集的方法是间隔随机抽样。为能反映工序总体状况,数 据应在10~15天内收集 ,并应详细地记录在事先准备好的调 查表内。数据收集的个数参见表2。
•0
5
10
15
20
25
•n=250 LCL=0.557
•n=200 LCL不考虑
•图8 锻件分析用控制图(p图 )
•CL=4.20
• 由图可见,由于ni不一致,因此上下控制线是一对对称的
折线。为简化计算与作图,应尽 可能使ni一致。当ni不一
致但却满足如下条件:
6 pn
原理:属计件值控制图,它是通过容量大小相同的样本中的不合格品数对工 例6 某工序用量规检验凸轮的厚度,检验30个批,每批批量为500件,每批
SPC控制图的绘制及判 断方法
2020年5月25日星期一
主要内容
绘制程序 各类控制图作法举例 控制图的观察与判断
jingdian绘制程序
1 即明确控制对象。一般应选择可以计量(或计数)、技术上可
控、对产品质量影响大的关键部位、关键工序的关键质量特性
2 3 收集预备数据 4
各种控制图控制界限的计算方法及计算公式不同,但其计算
②接近上下控制线(图14b): ●在中心线与控制线间作三等分线,如果连续3点中至少有2点,连续7点中 至少有3点,连续10点中至少有4点居于靠近上、下控制线的1/3带内,则判 断工序异常。 ● 因为点子落在外侧1/3带内的概率为
•3点中有2点居于外侧1/3带内的概率为
•属小概率事件,因此在正常情况下是不该发生的。
处理后机械性能、材料成分含量等服从正态分布的质量特性的
控制。
• 例1 某铸造厂决定对某铸件重量采用
图进行控制,每
天抽取一个样本,样本容量n=5,共抽取样本k=25个,测取的预
备数据如表6所示。该铸件重量规格要求为13 ±2(公斤),并希望
工序能力在1~1.33
•解:
•注:表5在第16页
(4) 做出 图及R图的坐标系,并将横坐标样本号单位对齐,将 表6中各样本的 、Ri在图上打点,联结点成平均值、极差
•UC
•1/ L 2 •1/ 2 •CL •1/ 2 •1/ 2 •LC
L
•(a)
•图14 接近控制 线
•1/