Spc概念和方法
详细全面的SPC详解
详细全面的SPC详解SPC（Statistical Process Control，统计过程控制）是一种用于管理和优化生产过程的方法，它的目的是通过使用统计工具来分析生产过程中的数据，从而控制和改进产品质量。
SPC强调预防原则，即通过预防措施来减少产品缺陷和不良情况的发生，而不是在出现问题后再进行纠正。
SPC的基本概念包括控制图、过程能力指数、规格界限等。
控制图是SPC的核心工具，它用于监控生产过程中的关键变量，并根据统计原理判断生产过程是否处于控制状态。
控制图通常由均值-标准差控制图和极差控制图两种类型组成。
过程能力指数是指生产过程满足产品规格要求的程度，它通常被用来评估生产过程的能力，以便进行改进。
规格界限则是根据产品要求和客户要求设定的界限，用于确定产品是否合格。
SPC的实施方法包括以下几个步骤：1.选择关键变量：首先需要选择需要监控的关键变量，例如产品尺寸、材料特性等。
2.设计控制图：根据选定的关键变量，设计适合的控制图，并确定控制界限。
3.收集数据：按照一定的时间间隔收集生产过程中的数据，并对数据进行记录和整理。
4.分析数据：根据控制图的规则，判断生产过程是否处于控制状态，并找出异常点。
5.采取措施：根据分析结果，采取适当的措施来改进生产过程，例如调整工艺参数、更换设备等。
6.监控和反馈：持续监控生产过程，并及时反馈相关信息，以确保生产过程的质量和稳定性。
SPC的优势在于它可以及时发现生产过程中的异常情况，从而采取措施防止问题的扩大。
此外，SPC还可以提高生产过程的稳定性和产品质量的一致性，减少浪费和成本。
未来，SPC将会在更多的领域得到应用和发展，例如智能制造、医疗保健、金融服务等行业。
总之，SPC是一种有效的过程管理和优化工具，可以帮助企业提高产品质量和生产效率。
学习和掌握SPC技能对于从事质量管理、生产管理、工艺优化等工作的专业人士来说是非常重要的。
SPCCPKQC七大手法详细介绍
2.
序. 流程图可以用于任何情况,从产品制造到销售商品再到对产
3.
品提供服务的每一个过程都可以用流程图来描述.其作用包括:
4. 2. 将工作过程的复杂性、有问题的地方、重复部分、多余环节以及 可以
5.
简化和标准化的地方都显示出来;
3. 将实际的和想象的过程流程进行比较和对照,以便寻求改进过程的机
4.
采用趋势图可以掌握不断变化着的工序状态.为了判别工序的质量波动是正
常波动还是非正常波动,在趋势图的基础上,控制图发生如下变化：
①纵坐标可能是质量特性值,也可能是其统计量,如
、Rx、 等；~x
②增加上、中、下三条控制线作为判断工序有无异常的标准和尺度.
若点子落在控制界限内,认为工序的波动是正常的波动；若点子
控制图及其基本构造
• 产生：控制图是由美国贝尔Bell通信研究所的休哈特W.A Shewhart博
士发明的,因此也称休哈特控制图.
• 定义：控制图是反映和控制质量特性值分布状态随时间而发生的变动情况
的图表.它是判断工序是 否处于稳定状态、保持生产过程始终处 于正常状态的有效工具.
• 控制图与趋势图的比较
• 直方图的作用： 直观地显示质量特性的分布状态；
传递过程波动状态的信息；
便于人们确定在何处进行质量改进
流程图
流程图的定义
流程图就是按照过程发展的连续顺序, 用特定图形语言和结构将过
程的各个独立步骤及其相互联系展示出来的工具.
流程图的作用
1. 流程图可使有关人员认清生产或服务过程中各环节的实际流程和顺
计 不合格品数控 pn 较常用，计算简单，操作工人易
数
制图
于理解
值 不合格品率控
spc分析
spc分析SPC分析是过程能力评估的一种重要工具，它通过统计方法来分析生产过程中的变异性，帮助企业进行质量管理和改进。
SPC （Statistical Process Control）即统计过程控制，通过收集并分析数据，可以查明过程中的特殊原因和常规原因，从而制定相应的改进措施。
本文将详细介绍SPC分析的原理、方法和应用，并举例说明其在实际生产中的作用。
一、SPC分析的原理SPC分析的基本原理是利用统计学中的时间序列分析和假设检验方法，对过程中的数据进行分析和判断。
其核心思想是通过充分收集过程数据，并利用统计学方法来理解这些数据的变异性，从而判断过程的稳定性和能力。
SPC分析中的两个基本概念是特殊原因和常规原因。
特殊原因是指能够明确识别和解释的不确定因素，如机器故障、材料变异等；常规原因是指难以明确识别和解释的不确定因素，通常是由多种因素共同作用导致的。
SPC分析的目标是通过排除特殊原因，控制常规原因，使过程达到稳定状态，并在此基础上进一步提高过程能力。
二、SPC分析的方法SPC分析的方法包括数据收集、数据分析和过程改进三个关键步骤。
1. 数据收集：首先要明确数据收集的目的和要求，确定收集的数据类型和数据的时间间隔。
数据可以通过各种手段进行收集，如传感器、检测设备等。
而数据的时间间隔则取决于过程的特点和要求，可以是实时采集或者离散采样。
2. 数据分析：对收集到的数据进行分析，主要包括描述性统计和控制图分析。
描述性统计可以用来了解数据的分布情况、均值、方差等统计指标，以及特殊原因的存在与否。
控制图分析则可以通过绘制控制图，判断过程的稳定性和能力。
控制图是SPC分析的核心工具之一，常用的控制图有均值图、极差图、标准差图等。
通过绘制控制图，可以将过程数据以图形方式展示，并根据控制线的规则，判断过程是否处于稳定状态，是否存在特殊原因。
3. 过程改进：在分析数据的基础上，根据发现的问题和异常，制定相应的改进措施。
SPC的知识及技巧
SPC的知识及技巧SPC（统计过程控制）是一种通过统计分析控制过程的方法，它旨在通过监控和分析过程的变化，减少过程中的差异和不稳定性，从而实现过程的稳定性和质量的改进。
在本文中，我们将探讨SPC的基本概念，以及如何应用SPC来改善业务过程。
SPC的基本概念SPC是由W.A. Shewhart在20世纪20年代末提出的，它基于统计学原理，并结合了概率论、控制论和工程质量管理的理念。
SPC的核心概念是过程的统计稳定性和过程能力。
统计稳定性统计稳定性是指在一段时间内，过程的性能指标在一定的范围内保持稳定。
稳定的过程是可控的，其产出的产品或服务具有一致的质量。
为了评估过程的稳定性，我们可以通过控制图来监控过程的变化。
过程能力过程能力是指过程在其规定的范围内，产生合格产品或服务的概率。
过程能力可以通过测量过程的性能指标，如过程的均值和标准差，来评估。
一般来说，过程能力可以分为过程能力指数（Cp）和过程能力指数偏差（Cpk）。
Cp衡量了过程的分散程度，Cpk则同时考虑了过程的分散程度和偏离目标值的程度。
SPC的应用SPC可以在许多行业中应用，包括制造业、服务业、医疗保健、金融等。
下面是应用SPC的一些常见场景和技巧。
控制图的使用控制图是SPC的核心工具之一，它用于监控过程的变化。
控制图一般包括平均线、上下控制限、规则和数据点。
一旦数据点超出控制限或违反规则，就表示过程有异常，需要采取纠正措施。
例如，X-bar和R控制图用于监控过程的平均值和离散程度，P和NP控制图用于监控过程的百分比和计数，C和U控制图用于监控过程的计数。
抽样技巧在应用SPC时，抽样是获取过程数据的关键步骤。
合适的抽样技巧可以确保所获得的数据能够准确地反映出整个过程的特性。
常见的抽样技术包括随机抽样、分层抽样和方便抽样。
在选择抽样方法时，需要考虑到过程的特点和数据的可行性。
数据分析和解读对采集到的数据进行分析和解读是SPC中重要的一步，它可以帮助我们理解过程的性能和变化趋势。
详细全面的SPC详解
汇报人： 202X-01-06
目录
• SPC基本概念 • SPC实施步骤 • SPC应用领域 • SPC优势与局限性 • SPC未来发展趋势 • SPC案例分析
01
SPC基本概念
SPC定义
SPC即统计过程控制，是一种利用统计方法对生产过程进行监控和管理的质量控制技术。它通过收集 和分析生产过程中的数据，对生产过程进行评估和监控，以确保产品质量和生产过程的稳定性。
THANKS
感谢观看
SPC强调预防性的质量控制，通过实时监测和调整生产过程，以降低不良品率和生产成本，提高生产 效率和产品质量。
SPC目的和意义
确保产品质量
通过实时监测和调整生产过程， SPC能够及时发现并解决潜在的 质量问题，从而确保产品质量的 稳定性和可靠性。
提高生产效率
通过预防性的质量控制，SPC能 够降低生产过程中的不良品率， 减少生产浪费和损失，提高生产 效率。
某高校SPC教学案例
实施背景
某高校为了使学生更好地掌握质量管理知识，决定引入SPC 技术进行教学。
实施过程
该高校在课程中设置了SPC模块，通过理论教学、案例分析 和实践操作等方式，使学生全面了解和掌握SPC技术。
实施效果
通过SPC教学，该高校的学生对质量管理知识有了更深入的 理解，同时也提高了实际操作能力和问题解决能力。
优化生产过程
SPC通过对生产过程的实时监测 和分析，能够发现生产过程中的 瓶颈和问题，为生产过程的优化 提供数据支持。
SPC发展历程
20世纪40年代
美国军方开始广泛应用SPC技 术，以提高产品质量和一致性 。
20世纪80年代
随着计算机技术的发展，SPC 技术逐渐实现自动化和智能化 。
SPC统计基础知识
SPC统计基础知识简介SPC（Statistical Process Control，统计过程控制）是一种用于监控和管理过程稳定性和可靠性的统计技术。
通过收集样本数据并进行分析，SPC能够及时发现过程中的变异和异常情况，从而帮助组织实现质量改进、成本控制和客户满意度的提高。
本文将介绍SPC的基本概念和常用统计方法，帮助读者理解和运用SPC统计基础知识。
1. SPC的基本概念SPC是一种通过分析过程数据来监控过程稳定性的方法。
它基于以下三个基本统计概念：1.1 均值过程中的均值是指一组样本数据的平均值。
在SPC中，通过计算样本的均值来了解过程的中心位置。
如果样本均值始终在预设的目标值附近波动，说明过程稳定。
1.2 变异过程中的变异是指一组样本数据的离散程度。
在SPC中，通过计算样本数据的变异度来了解过程的稳定性。
如果样本数据的变异度较低且在预设的范围内，说明过程稳定。
1.3 控制界限控制界限是为了判断过程是否处于可接受的控制范围内而设定的。
上下控制界限定义了过程稳定的上下限，超出这一范围的样本数据将被认为是异常值或异常事件。
2. 常用的SPC统计方法2.1 过程能力指数（Cp）过程能力指数是一种衡量过程稳定性和可靠性的指标。
它通过比较过程的变异度和指定的公差范围来评估过程性能。
Cp值越高，说明过程的稳定性和可靠性越好。
2.2 控制图控制图是SPC中最常用的统计工具之一。
它通过绘制样本数据的均值、上下控制界限和中心线来反映过程的变化趋势。
通过控制图，可以及时发现和纠正过程中的变异和异常情况。
2.3 散点图散点图是用来显示两个变量之间关系的图表。
在SPC中，散点图可以用来发现变量之间的相关性和趋势。
通过分析散点图，可以帮助确定工艺参数的合理范围和优化生产过程。
2.4 直方图直方图是用来显示数据分布情况的图表。
在SPC中，直方图可以帮助了解过程数据的分布特征和变异程度。
通过分析直方图，可以判断过程是否正常、是否满足规定要求。
spc什么意思
spc什么意思SPC是英文“Statistical Process Control”的缩写，直译为“统计过程控制”。
SPC是一种在质量管理中使用的统计方法，用于监控和控制产品和过程的质量变异。
SPC的目标是通过对过程进行实时监测和分析，从而及时发现异常和变异，并采取适当的措施来纠正问题，确保产品的质量符合要求。
SPC方法最早在20世纪20年代由质量管理专家Walter A. Shewhart提出，并在20世纪50年代由W. Edwards Deming进一步发展和推广。
SPC方法在当时对于工业部门来说是一个重大的突破，因为它打破了传统的质量检查和产品抽样测试的模式，引入了统计分析和实时监控的思想。
SPC方法的应用使得生产过程更加可控和稳定，并帮助企业提高产品的质量并降低成本。
SPC方法的核心概念是“过程可控性”和“异常检测”。
过程可控性指的是通过对过程中的关键参数进行实时监测和统计分析，确保过程在可控的范围内。
如果过程处于可控状态，那么产品的质量就有较高的稳定性。
异常检测是指通过对过程中的数据进行分析，发现异常点和变异，并及时采取控制措施，防止质量问题的扩大。
SPC方法使用统计工具如控制图、直方图和散点图来帮助分析数据，识别异常和变异，并帮助质量管理人员做出决策。
SPC方法通过实时监测和分析数据，可以帮助企业及时发现质量问题，并采取纠正措施。
这有助于降低产品缺陷率，提高产品质量。
同时，SPC方法的应用还可以优化生产过程，提高生产效率和产能利用率。
通过实时监测和控制关键过程参数，企业可以预防和减少质量异常和制程缺陷，降低生产成本和废品率。
除了对产品质量的监控和控制，SPC方法还可以用于改进过程。
通过对过程数据的分析，企业可以识别并改进生产中的瓶颈和不良环节，进一步提高产品质量和生产效率。
此外，SPC方法还可以用于优化供应链管理。
通过实时监控关键指标和指标的变异性，企业可以更好地控制供应链中的质量问题，并与供应商进行合作，共同提高产品质量。
SPC统计过程控制技术
SPC统计过程控制技术SPC是指统计过程控制（Statistical Process Control）技术，它是一种采用统计方法来监控和控制生产过程的质量管理工具。
SPC技术通过对过程数据进行统计分析，能够帮助企业发现生产过程中的特殊因素，及时采取措施以避免或减少产品质量问题的发生。
本文将介绍SPC技术的原理、方法和应用。
SPC技术的原理是建立在统计学基础上的。
它利用统计学中的均值、标准差、概率分布等概念和方法，对生产过程中的各种因素进行统计分析，从而了解过程的变异情况。
通过对过程数据的采集和分析，SPC技术可以判断过程稳定性，确定过程能否满足质量要求，并通过控制图等图表形式展示分析结果，帮助生产人员进行决策和改进。
SPC技术主要包括过程能力分析、控制图分析和统计抽样等方法。
过程能力分析是通过统计计算和分析得到的数值指标，评估生产过程是否具备满足产品质量要求的能力。
常用的指标包括过程能力指数（Cp、Cpk）和过程潜力指数（Pp、Ppk）等。
控制图分析是通过绘制控制图来监控过程的稳定性和变异情况，包括过程平均水平的控制图（X̄图）、过程离散程度的控制图（R图、S图）和过程离散程度和平均水平的同时控制图（X̄-R图、X̄-S图）等。
统计抽样是根据统计学原理和抽样方法，通过对样本数据的分析来判断整个过程的质量水平，包括构造抽样方案、抽样样本量的确定和样本数据的分析等。
SPC技术的应用范围广泛。
它适用于各类生产过程中的质量控制和改进，无论是制造业还是服务业。
在制造业中，SPC技术可以应用于各种工艺过程的控制，如冶金、电子、化工等。
在服务业中，SPC技术可以应用于流程控制和质量改进，如银行、保险、医疗等。
此外，SPC技术还可以应用于产品设计阶段的质量控制和改进，通过对设计方案的统计模拟和优化，提高产品的质量性能。
SPC技术的应用有助于提高产品的质量水平和生产的经济效益。
首先，SPC技术可以帮助企业监控生产过程的稳定性，及时发现并消除影响产品质量的变异因素，提高产品的合格率和一致性。
- 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)。
缺點
須經常抽樣並予以測定與計算, 且需點上 管制圖, 較為麻煩且費時.
計 數 值
4.管制圖 4.管制圖
依管制圖之用途分類
解析用管制圖:此种管制圖先有數据,后有管制 解析用管制圖 界限. 決定方針用/制程解析用/制程能力研究用/制 程管制之准備 管制用管制圖:先有管制界限,后有數据. 管制用管制圖 用于控制制程之品質.
9940 W/B生產不良統計
W/B
U 15產 出 狀 況 集 計 表 15 產
DATE
1 2 3 4 5 6 投入量 28690 26270 28190 28590 26620 28520 不良量 10 40 150 80 60 20 產出量 0.03% 0.15% 0.53% 0.28% 0.23% 0.07%
DEF RAT E 0.20% 0.20% 0.20% 0.20% 0.20% 0.20%
2.統計製程管制架構與步驟 統計製程管制架構與步驟
2.6. 製程能力分析 以CP >= 1.33來要求短期的製程穩定 另以 製程能力分析: 來要求短期的製程穩定, 來要求短期的製程穩定 另以CPK >= 1.33來 來 要求長期的製程能力 長期的製程能力. 要求長期的製程能力 2.7. 製程效率之研究 是在真正以管制圖來監督生產程序經過一皆段的研究後 製程效率之研究: 所得的資料, 可真正用來從事工作的改善. 所得的資料 可真正用來從事工作的改善 2.8. 問題解決 可依循問題分析 提供對策 驗證效果及標準化來進行 問題解決: 可依循問題分析, 提供對策, 驗證效果及標準化來進行. 2.9.製程管制 流程如下 製程管制: 製程管制
P 管制圖(樣本數不同) 樣本數不同)
P管制圖（不良率管制圖）的做法﹕ 管制圖（不良率管制圖）的做法﹕ 先收集近期內的產品﹐分組算出不良率﹒ （1）先收集近期內的產品﹐分組算出不良率﹒ pi/ni=不良個數 不良個數／ P＝pi/ni=不良個數／總檢查數 平均不良率P 總不良數/ （2）平均不良率P ＝ ΣPn/ΣN＝ 總不良數/總檢查數 (3)計算管制線 (3)計算管制線 中心線CL=P 中心線CL=P 上管制限UCL=P+3 P(1上管制限UCL=P+3 P(1-P)/n 下管制限LCL=P LCL=P- P(1下管制限LCL=P-3 P(1-P)/n
3. 製程管制流程
定義製程 決定產品特性 決定測量品質 特性之能力 製程能力分析
CPK ≥ 1.3
CPK<1.3
改善製程
CPK<1
製程效率研究 製程效率研究
CPK ≥ 1
改善技術或 調查已改善 的測量元件
非管制狀態
管制圖
管制狀態
繼續運作
採取改善行動
4.管制圖 4.管制圖
一种以實際產品的品質特性, 一种以實際產品的品質特性,与依 過去經驗所有形研判之制程能力的 管制界限比較,而以時間順序, 管制界限比較,而以時間順序,用圖 表示. 形表示.
抽取樣本
4.管制圖 4.管制圖
對策措施 檢驗 管制圖的實施循環 原因分析 從上圖可以看 出﹐管制圖的實施 步驟是﹕抽取樣 本﹐進行檢驗﹐將 制程異常 檢驗的結果畫制于 管制圖上﹐再從管 制圖來判斷﹐工程 是否正常﹐如為不 正常即應采取必要 的矯正措施﹒ 制 程 正 常
將結果 繪管制圖
制程 是否異 常判別
1-2 SPC之目標 SPC之
管制製程, 區分變異, 並在不良品生產前, 將問題予以解決. 管制製程 區分變異 並在不良品生產前 將問題予以解決
1-3 品質變異的机遇原因與非机遇原因
机遇原因: 又稱正常原因. 是原料, 機械, 人員, 方法在標準範圍內的變化, 机遇原因 又稱正常原因 是原料 機械 人員 方法在標準範圍內的變化 因 係由微小原因所引起,引起之變化因而相當微小 是一種正常變化, 引起之變化因而相當微小. 係由微小原因所引起 引起之變化因而相當微小 是一種正常變化 其變化是 不可避免的. 不可避免的 非机遇原因﹕可避免之原因﹑人為原因﹑特殊原因﹑不正常原因 異常原因﹑ 非机遇原因﹕可避免之原因﹑人為原因﹑特殊原因﹑不正常原因, 異常原因﹑ 局部原因等等﹒ 局部原因等等﹒
采用X-R 每組標准差 S是否可以 計算
Y
采用X-S
N
采用X-R
X-R管制圖
X主要管制組間(不同組)的平均值變化. R 主要管制各組內(同一組樣品)的范圍變化. .管制界限的計算. 管制界限的計算. 管制界限的計算 X圖 X=x1+x2+…xn/n X= x1+x 2+…x k/K 中心線（CL）＝X 上限（UCL）＝ X+A2 R 下限(LCL)= X-A2 R
1.統計製程管制理念與作法 統計製程管制理念與作法
1-4 管制界限之選擇 1-4-1 若机遇原因之因素所造成的成本高﹐可考慮使用較寬之管制界限﹐反 若机遇原因之因素所造成的成本高﹐可考慮使用較寬之管制界限﹐ 采取較窄之管制界限﹒ 之﹐采取較窄之管制界限﹒ 1-4-2 若生產之不良產品其輸出后果之成本很大﹐則非机遇原因較為重要﹐ 若生產之不良產品其輸出后果之成本很大﹐則非机遇原因較為重要﹐ 故需考慮使用較窄之管制圖﹒ 故需考慮使用較窄之管制圖﹒ 1-4-3 若机遇與非机遇原因均為重要﹐則可采用較寬之管制界限﹐惟減少非 若机遇與非机遇原因均為重要﹐則可采用較寬之管制界限﹐ 机遇原因冒險應考慮抽樣較多的樣本﹒ 机遇原因冒險應考慮抽樣較多的樣本﹒ 1-4-4 如按以往經驗超出管制界限情形很多時﹐則使用較窄之管制界限為 如按以往經驗超出管制界限情形很多時﹐ 反之﹐則使用較寬之管制界限﹒ 佳﹒反之﹐則使用較寬之管制界限﹒
（
X-R管制圖
(4）記入數據表內（入圖）﹒ (4）記入數據表內（入圖） （ 5）計算每組平均值X﹒ 計算每組平均值X （ 6）計算每組全距R﹒ 計算每組全距R （ 7）計算總平均值 X﹒ （ 8）計算每組全距平均值 R﹒ （ 9）計算管制界限值. 計算管制界限值. （ 10)例子 10)例子
X圖 中心線 CL = X 上限 (UCL)= X+A2 R 下限 R圖 CL=R UCL=D4R
4.管制圖 4.管制圖
1.品質變异之形成原因: 1.品質變异之形成原因: 品質變异之形成原因 偶然(机遇)原因:不可避免的原因,共同性 偶然(机遇)原因:不可避免的原因, 原因,一般性原因,是屬于管制狀態的變异. 原因,一般性原因,是屬于管制狀態的變异. 异常(非机遇)原因:可避免的原因, 异常(非机遇)原因:可避免的原因,人為原 特殊性原因,必有追查原因, 因,特殊性原因,必有追查原因,采取必要 行動,使制程恢复正常管制狀態. 行動,使制程恢复正常管制狀態.
X-R管制圖
(三)X-R管制圖 )XR圖 R1:第一組內最大減最 小 上限（UCL）＝D4R 下限（LCL）＝ 4 5 6 7
A2 1.88 1.023 0.729 0.577 0.483
D3
D4 3.27 2.58 2.28 2.12 2
0.419 0.076 1.924
計量值與計數值管制圖優缺點比較
優點 計 量 值
1. 用於製程管制 , 時間上甚靈敏, 容易調查原因, 並預測故障的發生. 2. 及時並正確地找出事故發生的 真正原因, 使品質穩定‘ 1. 生產完成後才加入抽樣, 並將其 分良品與不良品, 因此實際所需之 資料, 能以簡單的檢查方法得知. 2. 對工廠整個品質情況了解非常方 便. 1. 調查事故發生原因較費時. 2. 有時以製成相當多不良品, 而無法及 時處理之情況. 3. 只靠此種管制圖有時無法尋求事故發 生的真正原因.
4.管制圖 4.管制圖
2﹑計數值管制圖 用于非可量化的產品特性﹐如不良數﹑缺點數等 間斷性數據﹒有﹕ P-Chart:不良率管制圖 Pn-Chart:不良數管制圖 C- Chart: 缺點數管制圖 U- Chart: 單位缺點數管制圖 其中以P-Chart應用最廣. 初學管制圖,可以先從 X -R圖及P-Chart的使用開 始,等熟練以后再視需要使用其他的圖.
X－R管制圖抽樣參考表
每小時 生產量 ＜ 10 10－ 19 20－ 49 50－ 99 ＞＝ 100 抽樣間隔 不穩定 穩定 8小時 8小時 4小時 8小時 2小時 8小時 1小時 4小時 1小時 2小時 樣本大小 4－ 5 4－ 5 4－ 5 4－ 5 4－ 5
X-R管制圖
管制製作法
步驟﹕
1）收集最近與今后制程相似的數據約 100個 100個﹒ （ 2）依測定時間或群体區分排列﹒ 依測定時間或群体區分排列﹒ （ 3）對數據加以分組﹐把2－6個數據分 對數據加以分組﹐ 為一組﹒ 為一組﹒ 組內的個別數據以n表示﹒ ﹒組內的個別數據以n表示﹒ 分成几組的個別組數以K表示﹒ ﹒分成几組的個別組數以K表示﹒ 剔除異常數據﹒ 剔除異常數據﹒
1. 統計製程管制(SPC)理念與作法 統計製程管制 理念與作法
1-1 SPC(Statistical Process Control)之基本假設 之基本假設
只有穩定且在管制狀態的製程, 才能生產出合乎品質要求的產品, 只有穩定且在管制狀態的製程 才能生產出合乎品質要求的產品 所以SPC是在生產過程中檢查產品品質並辨認其形成不良品的原 所以 是在生產過程中檢查產品品質並辨認其形成不良品的原 因.
(LCL)= X-A2 R LCL= D3R
X-R管制圖
划出管制界限﹒ (10)划出管制界限﹒ 所定的方格最好能在上下限間隔約 20~30mm較合适 較合适﹒ 20~30mm較合适﹒ 11） （11）打上點記號 點與點（組与組）距离2~5mm 2~5mm較合 點與點（組与組）距离2~5mm較合 适﹒在管制界限內的點以●為記,在管制 在管制界限內的點以●為記, 為記. 界限外以 ⊕為記. (12)記如入其它有關事項 記如入其它有關事項. (12)記如入其它有關事項. (13)檢討制程能力 檢討制程能力. (13)檢討制程能力.