统计制程管理SPC於SPI应用
SPC的定义及应用范围
SPC的定义及应用范围什么是SPC？SPC（统计过程控制）指的是一种通过统计方法来监控和控制过程的质量的方法。
它旨在通过分析过程中的数据，以便更好地了解和理解过程的变异性，并采取适当的措施来控制和改进过程的稳定性和能力。
SPC是一种基于数据的方法，它使用统计技术来分析过程中的变异，并通过控制图和其他工具来监控过程的表现。
通过及时识别和解决问题，SPC可以帮助组织提高质量、降低成本，并提高客户满意度。
SPC的应用范围SPC可以应用于各种类型的过程和行业。
无论是制造业还是服务业，SPC都可以用来监控和改进过程的稳定性和能力。
以下是一些常见的应用范围：制造业在制造业中，SPC可以用来监控和控制生产过程中的关键参数。
通过采集和分析实时数据，可以及时发现过程中的异常和变异，并采取相应的纠正措施，以确保产品的一致性和质量。
SPC可以应用于各种制造领域，如汽车制造、电子制造、医疗设备制造等。
例如，在汽车制造中，SPC可以用来监控关键指标，如车身尺寸、涂装厚度等，以确保生产出符合规格的汽车。
服务业尽管SPC最初是为制造业设计的，但它同样适用于服务业。
在服务业中，过程的稳定性和能力同样重要。
通过收集客户反馈和关键指标数据，可以使用SPC来监控和改进服务过程。
例如，在酒店业中，可以使用SPC来检测房间清洁时间、客户满意度等指标，以确保提供高质量的服务。
在银行业中，SPC可以应用于监控关键指标，如服务等待时间、客户投诉率等，以提高客户满意度。
医疗在医疗行业中，SPC可以用于监控和改进各种过程，如手术过程、药品配制过程等。
通过收集和分析相关数据，可以及时发现问题并采取适当的措施，以确保病人的安全和满意度。
SPC在医疗行业中的应用可以帮助医院提供更高质量的医疗服务，减少手术错误和药物错误等。
总结SPC是一种通过统计方法来监控和控制过程质量的方法。
它适用于各种类型的过程和行业，包括制造业、服务业和医疗行业。
通过采集和分析数据，SPC可以帮助组织提高过程的稳定性和能力，从而提高质量、降低成本，并提高客户满意度。
【干货】SMT精益生产关键设备之3D-SPI,一文看懂什么是SPI、为什么要使用SPI!
SPI 检测原理及检测方法的介绍
锡膏检测机的检测能力的介绍
SPC 在锡膏检测中的应用
以上其实只是SPC功能中的一部分，总是SPC得倒入对SPI的使用可以起到很大的作用。
SPI只是能够检测出生产中的不良，但却不能改善制程。
而SPC的作用就在于通过收集整理SPI 测试出的资料进行分析，而是制成的能力得到提升，因为在SPI检测出了不良或制程能了不好的时候，就必须要改良，否则就没办法真正做到提升产品的品质，甚至反而会增加成本。
所以SPC功能的导入可以让SPI发挥更大的作用。
由于现在元器件越来越向小型化发展，如01005，芯片规模封装(CSP)，球栅列阵(BGA)，圆柱栅格阵列(CCGA)等对锡膏数量有很高要求，所以要想成功制造这些装置，流程控制已经成为其中的关键环节。
封装厂严格控制每一个组装流程以确保高成品率的能力使得它在市场上占据了有利位置。
在世界各地的生产线上可以找到无数类似的实例，体现了对三维锡膏检测技术的需要程度。
即使只减少了终端用户手中产品的一个缺陷，在短期内也可以说明对三维锡膏检测设备进行的投资是合理的。
另外，生产出质量一流，可靠性能高的产品带来的声誉也是不可估量的。
总而言之，三维在线检测对于避免在生产下游出现劣质的印刷装置，确保装置的可靠性至关重要。
现在的三维锡膏检测系统可以使用户改善流程，识别和排除缺陷，从而减少成本，赢得利润，创造出具有竞争力的高效组装流程。
因此，自动SPI 检测在未来越来越小型化的SMT装配中是必不可少的检测装置。
SPC统计制程管制与制程能力分析
SPCSPC是Statistical Process Control的简称统计过程控制利用统计的方法来监控制程的状态，确定生产过程在管制的状态下，以降低产品品质的变异SPC(质量管理与控制)统计工序控制即SPC（Statistical Process Control）。
它是利用统计方法对过程中的各个阶段进行控制，从而达到改进与保证质量的目的。
SPC强调以全过程的预防为主。
SPC能解决之问题1.经济性：有效的抽样管制，不用全数检验，不良率，得以控制成本。
使制程稳定，能掌握品质、成本与交期。
2.预警性：制程的异常趋势可即时对策，预防整批不良，以减少浪费。
3.分辨特殊原因：作为局部问题对策或管理阶层系统改进之参考。
4.善用机器设备：估计机器能力，可妥善安排适当机器生产适当零件。
5.改善的评估：制程能力可作为改善前後比较之指标。
利用管制图管制制程之程序1.绘制「制造流程图」，并用特性要因图找出每一工作道次的制造因素（条件）及品质特性质。
2.制订操作标准。
3.实施标准的教育与训练。
4.进行制程能力解析，确定管制界限。
5.制订「品质管制方案」，包括抽样间隔、样本大小及管制界限。
6.制订管制图的研判、界限的确定与修订等程序。
7.绘制制程管制用管制图。
8.判定制程是否在管制状态（正常）。
9.如有异常现象则找出不正常原因并加以消除。
10.必要时修改操作标准（甚至於规格或公差）。
分析用管制图主要用以分析下列二点：(1)所分析的制(过)程是否处於统计稳定。
(2)该制程的制程能力指数(Process Capability Index)是否满足要求。
－控制图的作用：1.在质量诊断方面，可以用来度量过程的稳定性，即过程是否处于统计控制状态；2.在质量控制方面，可以用来确定什么时候需要对过程加以调整，而什么时候则需使过程保持相应的稳定状态；3.在质量改进方面，可以用来确认某过程是否得到了改进。
应用步骤如下：1.选择控制图拟控制的质量特性，如重量、不合格品数等；2.选用合适的控制图种类；3.确定样本容量和抽样间隔；4.收集并记录至少20～25个样本的数据，或使用以前所记录的数据；5.计算各个样本的统计量，如样本平均值、样本极差、样本标准差等；6.计算各统计量的控制界限；7.画控制图并标出各样本的统计量；8.研究在控制线以外的点子和在控制线内排列有缺陷的点子以及标明异常（特殊）原因的状态；9.决定下一步的行动。
浅谈统计过程控制（SPC）的有效应用
浅谈统计过程控制（SPC）的有效应用【第一部分回顾与SPC的感情】最开始接触统计过程控制（以下简称“SPC”）的时候，要追溯到2004年，被公司委派出去学习五大工具，然后回公司实践。
那时候，理论知识在似懂非懂的文言文阶段，只能说是依葫芦画瓢，选择关键的特性，要求车间操作人员进行人工的数据收集、描点、绘制控制图、记录变化点、有超出控制线的点时，通知车间技术人员来处理。
然后工程师把数据录入到计算机系统内进行控制图的绘制和过程能力Cpk、过程性能Ppk的计算。
对于过程能力不足的改进意识和管理行为是非常欠缺的，更多的是为了满足顾客要求而提供满足客户要求的数据。
对于SPC真正起到预防作用，避免浪费的有效应用，要追溯到2008年，那时，公司在过程绩效指标中设定有Cpk能力达标率，年初由工艺部门和质量部门共同确定SPC控制的产品和过程特性，同时明确各特性的Cpk能力要求目标值。
生产部门采用SPC计算机站点系统进行数据的采集和控制图的绘制，当有特殊原因存在时，各生产线的工艺工程师将在收到信息后，当天处理。
有一段时期，Cpk能力达标率作为公司级重点管控项目，公司质量部和生产运营质量管理部门对SPC过程进行不定期的稽查，对未按要求处理特殊原因的相关生产部门和工艺部门人员进行通报批评，同时Cpk能力达标率提升的项目汇报到公司总经理层面。
另外，SQE对供应商的帮扶活动中，SPC培训是重点内容，Cpk是对于供应商的重点考核项目。
公司质量警示室里面，也专门陈列有未按要求进行SPC预防管控而造成重大损失的案例说明及缺陷产品，并组织全员参观学习。
【第二部分重点分享咨询和培训过程中，遇到的SPC问题及答疑】问题1.在咨询过程中，发现有客户采用SPC站点进行过程预防管控，计算机绘制的控制图中的“控制线”（CL），实际采用是“规范线”(SL)。
（×）答疑1：现在还记得那时感觉特别“心痛”的感觉。
客户是具备一定规模的千人以上的企业，花钱购置了SPC站点，但作为“量具”使用了，大材小用，浪费了成本。
SPC统计作用与用途
SPC统计作用与用途什么是SPC统计？SPC统计（Statistical Process Control）是一种管理工具，用于监控和控制过程的质量。
通过收集、分析和解释数据，SPC统计能帮助组织改进其过程，减少变异性，并提高产品和服务的质量。
SPC统计使用统计方法，而不是依赖于直觉或猜测。
通过收集生产过程中的数据，SPC统计可以绘制控制图来观察过程是否处于可接受的控制范围内。
当过程处于控制状态时，意味着过程是稳定的，并且其产出符合预期。
当过程超出控制范围时，可能存在特殊原因或非随机变异，需要采取相应措施进行改进。
SPC统计的作用SPC统计的作用主要体现在以下几个方面：1. 过程监控SPC统计通过收集和监控过程数据，能够及时发现过程的变异性，并提供实时反馈。
通过分析控制图，操作人员可以快速判断过程是否在控制范围内。
当过程处于控制状态时，不需要采取特殊措施；当过程超出控制范围时，需要及时调整和改进过程，防止进一步的不良品产生。
2. 缺陷预防SPC统计通过收集和分析过程数据，可以帮助组织预测潜在问题并采取预防措施。
通过监控关键过程指标（KPI），例如产品尺寸、重量或颜色的变异性，可以确定过程是否存在潜在的质量问题。
通过及时调整和改进过程，可以避免不良品的产生，提高生产效率和客户满意度。
3. 质量改进SPC统计通过收集和分析过程数据，可以帮助组织识别影响产品质量的主要因素，并针对这些因素进行改进。
通过使用统计工具和技术，例如直方图、散点图和回归分析，可以确定关键变量之间的相互关系，并找到改善质量的最佳方法。
通过优化关键过程参数，可以降低变异性，提高产品质量，并实现持续改进。
4. 决策支持SPC统计通过提供准确的数据和分析结果，可以帮助组织做出更明智的决策。
通过对过程数据的监控和分析，管理人员可以了解过程的状态和趋势，并基于数据来做出决策。
SPC统计可以提供关键绩效指标和统计报告，帮助管理人员监督和评估过程，以便做出正确的决策。
统计过程控制(SPC)
解：
于是，过程能力指数为：
过程能力不够充分，从图2发现分布中心μ=0.1968与规范中心M=（TU+TL）/2=0.1720有偏离，应进行调整。调整后，Cp值会有所提高。
单侧规范情况的过程能力指数
01
只有上限要求，而对下限没有要求： 只适用于的范围:
02
只有下限要求，而对上限没有要求： 只适用于的范围:
4
3
6
5
判稳准则的分析 判稳准则的思路
打一个点未出界有两种可能性：
► 过程本来稳定 ► 漏报 （这里由于α小，所以β大），故打一个点子未出界不能立即判稳。
在点子随机排列的情况下，符合下列各点之一判稳：
01
► 连续25个点，界外点数d=0；
02
► 连续35个点，界外点数d<0；
03
► 连续100个点，界外点数d<2。
0.1821
0.1828
0.0086
18
0.1812
0.1585
0.1699
0.168
0.1694
0.0227
19
0.1700
0.1567
0.1694
0.1702
0.1666
0.0135
20
0.1698
0.1664
0.17
0.16
0.1666
0.01
图1
μ’
μ
图2-7 正态曲线随着标准差变化
σ=2.5
σ=1.0
σ=0.4
y
x
不论μ与σ取值为何，产品质量特性值落在[μ-3σ，μ+3σ]范围内的概率为99.73%。 图2-8 正态分布曲线下的面积
SPC(Statistical Process Control,统计制程控制)
SPCSPC（Statistical Process Control，統計製程控制）什麼是SPCSPC即英文“Statistical Process Control”之縮寫,意為“統計製程控制” SPC或稱統計過程式控制制。
SPC主要是指應用統計分析技術對生產過程進行實時監控，科學的區分出生產過程中產品質量的隨機波動與異常波動，從而對生產過程的異常趨勢提出預警，以便生產管理人員及時採取措施，消除異常，恢復過程的穩定，從而達到提高和控制質量的目的。
在生產過程中，產品的加工尺寸的波動是不可避免的。
它是由人、機器、材料、方法和環境等基本因素的波動影響所致。
波動分為兩種：正常波動和異常波動。
正常波動是偶然性原因（不可避免因素）造成的。
它對產品質量影響較小，在技術上難以消除，在經濟上也不值得消除。
異常波動是由系統原因（異常因素）造成的。
它對產品質量影響很大，但能夠採取措施避免和消除。
過程式控制制的目的就是消除、避免異常波動，使過程處於正常波動狀態。
SPC起源與發展SPC的基本原理和方法是上世紀30年代由Shewhart博士為了有效地對生產過程中產品質量進行監測控制而提出的，至今已有70多年的歷史。
自創立以來，它就在工業和服務等行業得到了推廣和使用。
二戰時期美國將其制定為戰時質量管理標準，為保證軍工產品的質量和及時交付起到了重要作用。
戰後的日本從1950-1980年在工業界廣泛推廣和應用SPC，使日本躍居世界產品質量和生產率的領先地位，以至於美國著名的質量管理專家Berger教授也曾說：日本成功的基石之一就是SPC。
從上世紀80年代起，SPC在許多工業發達國家復興，世界很多大公司也紛紛在自己內部積極推廣和應用SPC。
雖然，SPC是從產品的質量監控開始的，但經過70多年實踐和發展，尤其是與電腦技術的緊密結合，其原理和方法現已廣泛應用於設計、銷售、服務、管理等過程。
3σ原理簡介當過程僅僅有正常變異時，過程的質量特性是呈現正態分佈的，其分佈狀態如下：休哈特建議用界限±3σ來控制過程，就是說，在10000個產品中不超過27個不合格品出現，就認為改生產過程是正常的，若達到27個以上，就認為過程失控。
SPC统计制程控制(综合简介)
例:量19”面板Cell Gap值分别为3.43 、 3.44、 3.45、 3.45、
3.46 、 3.45、 3.42请问其标准差为何？
(sigma=0.013)
全距(Range) 样本的最大值减去最小值的差R.
SPC概念--普通原因与特殊原因
SPC概念
SPC能解决的问题
经济性：有1 效的抽样管制，不用全数检验.使制程稳定，
能掌握品质、成本与交期. 预警性：制程的异常趋势可实时对策，预防整批不良，
以减少浪费. 分辨特殊原因：作为局部问题对策或管理阶层系统改
进之参考. 善用机器设备：估计机器能力，可妥善安排适当机器
SPC特点強調預防，防患於未然是SPC的宗旨
SPC概念--普通原因与特殊原因
异常原因
普通原因
系统中之因素 种类多随时存在
影响力较小 不易消除
机器老化 机器震动 环境不良(Particle) 设计不良
特殊原因 系统外之因素 种类少偶尔发生 影响力较大 可经济地消除
机器故障 来料异常 人员疲劳 错误操作方法
A: 1.33≦ Cp
B: 1.00≦ Cp＜ 1.33
C: 0.83≦ Cp＜ 1.00
D:
Cp＜ 0.83
=>Cp值越大越好,表示制程佳
A:此制程甚为稳定,可将规格公差缩小或胜任更精密之工作 B:有发生不良率偏高之危险,须加以注意并努力维持不再变坏 C:检讨所订规格及作业标准,可能本制程无法胜任如此精密之工作 D:应采取紧急措施,全面检讨可能影响之因素,必要时需停线
例:
量19”面板Cell Gap值分别为3.43 、 3.44、 3.45、 3.45、3.46 、 3.45、 3.42、 3.44、 3.43、 3.41，请问其平均值为何？
- 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)。
銓智科技有限公司
何謂製程能力指數(Cp)?
表示製程特性的一致性程度，值越大越集中 ，越小越分散。
顧名為製程能力指數,其公式定義如下:
Cp = USL-LSL 6 Sigma
銓智科技有限公司
何謂製程精確度(Ca)?
表示製程特性中心位置的偏移程度，值等於 零，即不偏移。值越大偏移越大，越小偏移 越小
名稱
優點
缺點
X-R Chart
平均數/全距管制圖
○ 計算不困難 ○ 較能推定製程
製程推定比 X-s Chart差
X-R Chart 中位數/全距管制圖 ○ 計算簡單
X-s Chart
平均數/標差管制圖 ○ 最能推定製程
X-Rm Chart
個別值/移動全距管 制圖
○ 計算簡單 ○ 適用於破壞性、溶
劑比重檢驗或量測 不易等之製品
○可直接檢視不良數趨勢 能造成不良漏檢。
u Chart
○檢查數不同時採用
單位缺點數 ○可直接檢視單位缺點發
管制圖
生之趨勢
管制界限計算繁瑣，且每點皆 須計算。
c Chart
缺點數管制 圖
○檢查數相同時採用 ○可直接檢視缺點發生之 趨勢
如刻意規定相同之檢查數，可 能造成不良件漏檢。
銓智科技有限公司
SPI常用的SPC管制手法?
銓智科技有限公司
規格 VS 管制上下限
規格上限- Upper Spec Level,產生的程序 是經由各樣品的平均值,依統計方法加以整 理,定出能否出貨的規格上限. (規格下限同 理之)
管制上限-Upper Control Limit,產生的程 序乃是經由取樣檢查產品的平均值,加上分 佈離散程度的標準差.
銓智科技有限公司
為何我們需要SPC?
經濟學家”梭羅”曾經說過： 『要弄清楚一件事情，是要花時間和
金錢的。』 無法找到對的、有效的、並落實持
續改善的精神.
銓智科技有限公司
SPC對你們的改變?
宣告 …… “經驗”掛帥時代的結束
代表「品質公共認證時代」的來臨 最重要的還是養成“持續不斷改善
的觀念、態度、行動、習慣 ”
銓智科技有限公司
簡易標準差計算
標準差定義為方差的平方根 例如，兩組數的集合 {0, 5, 9, 14} 和 {5,
6, 8, 9} 其平均值都是 7 ，但第二個集合具 有較小的標準差(5.1478/1.5811) 公式如下:
銓智科技有限公司
最佳的標準差應該是多少??
除品質外, 成本也是企業生存的考量重點
銓智科技有限公司
SPC與SQC之差別?
SPC與傳統SQC的最大不同點，就在於由 Q至P的這兩個字轉換
SQC是著重買賣雙方可共同評斷與鑑定的 一種「既成事實」── 品質（Quality）
SPC是希望將努力的方向更進一步的放在 品質的源頭──製程（Process）
銓智科技有限公司
管制特性(手法)分類
製程推定比 X-R Chart差 計算繁瑣
抽樣數少，最不 能推定製程
銓智科技有限公司
常用計“數”值管制圖
種類 名稱
優點
缺點
不良率管制 ○檢查數不同時採用
管制界限計算繁瑣，且每點皆
p Chart 圖
○可直接檢視不良率趨勢 須計算。
不良數管制 ○檢查數相同時採用
如刻意規定相同之檢查數，可
np Chart 圖
銓智科技有限公司
Cpk如何判定優劣?
當Cpk值愈大，代表製程綜合能力愈好,等級判 定：依Cpk值大小可分為五級
等級 A+ A B C
銓智科技有限公司
SPC之主體為何?
傳統上,品管使用正負3 SIGMA﹝標準差 ﹞，它是假設量產產品的品質特性值遵 守常態分配，而中心值加減 3 SIGMA的 界線，一般稱之為管制上限和管制下限 ，產品品質特性值出現在管制上下限內 的機率值為99.73%，這個部分構成品質 管制中所謂統計製程管制─SPC的主體
Sigma 水準 + - kσ 1σ 2σ 3σ 4σ 5σ 6σ
Cp Cpk
0.33 0.67 1.00 1.33 1.67 2.00
良率 %
68.27% 95.45% 99.73% 99.9937% 99.999943% 99.9999998%
不良率 ppm
317,400 45,600 2,700
SPI標準是3個SIGMA.
銓智科技有限公司
何謂標準差?
標準差，在機率統計中最常使用做為統計分 析程度（statistical dispersion）上的測 量
簡單來說，標準差是一組數值自平均值分散 開來的程度的一種測量觀念。一個較大的標 準差，代表大部分的數值和其平均值之間差 異較大；一個較小的標準差，代表這些數值 較接近平均值。
管制圖分為計量值與計數值兩大類，其中 每一類又各有四種方法可運用
如今以預防的眼光來看，並不建議使用計 數值管制圖
計量值管制圖卻不同，它們不但可以幫助 我們在發現管制圖異常時及時實施製程管 制，也可以在製程能力不足時採取製程改 善行動，以防止不良品的產出
銓智科技有限公司
常用計“量”值管制圖
種類
統計製程管理-
SPC於SPI應用
銓智科技有限公司
何謂SPC?
SPC為Static Process Control之縮 寫,即所謂之統計製程管理
深藍區域是距平均值小於一個 標準差之內的數值範圍。在常 態分佈中，此範圍所佔比率為 全部數值之 68% 。 根據常態 分佈，兩個標準差之內（深藍 ，藍）的比率合起來為 95% 。
平均數管制圖(X Bar Chart) . 全距管制圖(R Chart) 標準差管制圖(S Chart). 製程能力指數,Cp 製程精確度,Ca (or K) 製程綜合能力指數,Cpk
銓智科技有限公司
Hale Waihona Puke 重要名詞解釋規格上限/規格下限(USL/LSL) 管制上限/管制下限(UCL/LCL) 標準差(Sigma) 製程能力指數-Cp 製程精確度-Ca 製程綜合能力指數-Cpk
顧名為製程精確度,其公式定義如下:
|Ca| = k =
| (USL+LSL)/2 – μ | (USL-LSL)/2
銓智科技有限公司
製程綜合能力指數(Cpk)
表示製程精確度與能力特性的一致性程度， 值越大管理越佳，越小越差(沒有負值)
顧名為製程精確度綜合能力指數,其公式定 義如下:
Cpk =(1-K) X Cp Or MIN { CPU, CPL }