SPC过程控制方法
SPC的基本原理和过程控制

SPC的基本原理和过程控制概述SPC(统计过程控制)是一种常用于质量管理的统计方法,用于监控过程中的变异性,并及时采取控制措施来保持过程的稳定性和稳定品质。
本文将介绍SPC的基本原理和过程控制。
1. SPC的基本原理SPC的基本原理是基于统计学原理和质量管理理论。
其核心思想是通过收集和分析过程中的数据,以了解过程的变异性,并根据统计指标来判断过程是否处于控制状态。
基本原理包括:1.1 过程稳态与过程能力过程稳态是指过程在一个稳定区域内运行,并且其变异性是可控制的。
稳态下,过程的输出值会在一定的范围内波动,但是变异性是在可控范围内,不会出现特殊原因引起的异常波动。
过程能力是评估过程稳态的指标,通常使用过程能力指数(Cp)和过程能力指数(Cpk)来衡量。
Cp表示过程在规范要求的容差范围内的能力,而Cpk则考虑了过程的位置偏离能力。
1.2 变异性的来源过程中的变异性可以分为两种来源:常因和特因。
常因变异性是过程内在的、长期固定的,通常由一系列可以量化和测量的系统性因素引起。
这种变异性可以通过改善操作方法、调整设备或改善材料来减小。
特因变异性是由特殊原因引起的,通常是偶然事件,属于非系统的因素。
特因变异性无法通过常因改进来消除,应及时进行纠正。
1.3 统计过程控制图SPC使用控制图来监控过程的变异性。
控制图是一种统计图表,可以帮助鉴别过程中的常因和特因变异,以判断过程是否处于控制状态。
常用的控制图包括平均图(X-图),范围图(R-图),以及带有管制限的控制图(带A、B、C及D控制限的图表)。
控制图上的管制限是根据统计原理确定的,当过程数据落在管制限之外时,意味着过程出现特殊原因变异,需要采取措施进行纠正。
2. 过程控制方法SPC的过程控制方法包括以下几个步骤:2.1 数据收集首先,需要确定要收集的数据类型和采样方法。
数据类型通常是定量的,可以是尺寸、重量、时间等。
采样方法应该能够反映出过程的变异性,并且要求数据具有代表性。
SPC统计过程控制的使用步骤

SPC统计过程控制的使用步骤简介SPC (Statistical Process Control) 统计过程控制是一种基于统计方法的质量管理工具,用于监控和控制过程中的变异性。
通过采集数据并分析,SPC可帮助组织识别潜在的问题,并采取必要的纠正措施来提高过程的稳定性和一致性。
本文将介绍SPC的使用步骤,帮助读者了解如何应用SPC来优化工作流程。
步骤一:确定关键过程在应用SPC之前,首要任务是确定要监控和控制的关键过程。
关键过程是对产品或服务质量具有重要影响的主要步骤。
通过识别关键过程,可以更具针对性地收集数据,并制定相应的控制策略。
步骤二:收集数据采集准确的数据是SPC的基础。
数据收集的频率和样本量应根据过程的特点和要求进行确定。
通常,数据可以通过手动记录、传感器或监控设备等方式收集。
在收集数据时,需要记录以下信息: - 时间戳 - 数据值 - 样本编号(可选) - 采集人员(可选)确保数据采集的一致性和准确性对于后续的分析至关重要。
步骤三:数据分析和控制图绘制在SPC中,数据分析是一个关键的环节。
通过分析数据,可以了解过程中的变异性,并绘制控制图以显示过程的稳定性。
以下是数据分析和控制图绘制的步骤: 1. 计算每个样本的平均值和标准差。
2. 绘制一个均值控制图,用于监控过程的中心线移动。
3. 绘制一个范围控制图,用于监控过程的变异性。
4. 检查控制图上的点是否超出控制限。
超出控制限的点可能表示过程存在特殊因素,需要进行进一步的调查和改进。
控制图的使用可以帮助识别过程的异常变动,并及时采取纠正措施来消除或减少变异性。
步骤四:解读控制图理解控制图上的模式和趋势对于SPC的有效运用至关重要。
常见的控制图模式包括: - 单点超出控制限 - 连续点超出上限或下限 - 渐进的点 - 周期性变化根据控制图上的模式和趋势,可以判断过程是否稳定,以及是否存在特殊因素影响。
步骤五:采取纠正措施如果控制图上的点超出控制限或存在异常模式,需要采取相应的纠正措施来解决问题。
质量控制的SPC统计过程控制方法

SPC方法相对固定,可能难以适应快速变化的生产环境。
PART 05
SPC统计过程控制方法的 未来发展
SPC方法的发展趋势
智能化
随着大数据和人工智能技术的不断发展,SPC方法将更加智能化, 能够自动进行数据采集、分析和预警,提高过程控制的效率和准
确性。
集成化
未来SPC方法将更加注重与其他质量管理工具的集成,如六 西格玛、精益生产等,形成更加完善的质量管理体系。
持续改进
通过SPC方法分析生产过程中的 问题,找出根本原因,制定改进 措施,提高生产效率和产品质量 。
在服务业中的应用
01
服务流程监控
利用SPC方法对服务流程进行监 控,确保服务质量和客户满意度 。
02
客户需求分析
03
服务,了解客户需求和期望,优化服 务内容和质量。
改进工艺
通过改进工艺方法或引入新工艺,提高产品质量和生产 效率。
PART 03
SPC统计过程控制方法的 具体应用
在制造业中的应用
生产流程监控
通过实时收集生产过程中的数据 ,利用SPC方法分析并监控生产 流程,确保产品质量和生产效率 。
预防性维护
利用SPC方法对设备进行监控, 预测设备故障并及时进行维护, 降低生产中断的风险。
确定控制对象和控制参数
控制对象
在生产过程中需要监控的产品或过程 特性。
控制参数
影响产品或过程特性的关键因素,如 温度、压力、时间等。
制定控制计划和控制图
控制计划
明确控制对象、控制参数、控制方法、控制标准等内容的文件。
控制图
用于记录和显示控制对象和控制参数随时间变化的图表。
收集数据并进行分析
SPC统计过程控制程序

SPC统计过程控制程序SPC (Statistical Process Control,统计过程控制)是一种通过收集和分析数据来监控和控制过程稳定性和性能的统计方法。
SPC可以帮助企业了解和改进生产过程,并减少产品不合格率和废品,提高产品质量和客户满意度。
SPC的基本思想是:通过收集连续生产过程中的样本数据,分析这些数据,并与事先设定的控制界限进行比较,以判断过程是否处于控制状态。
如果过程处于控制状态,那么产品的质量将是稳定的、可预测的。
如果过程处于失控状态,就需要采取措施来确定并消除原因,以使过程回到控制状态。
SPC的目标是通过减少过程变异来提高产品质量,并确保过程处于可控状态。
它可以用于任何类型的生产过程,不论是制造业还是服务业。
SPC的主要工具包括:控制图、过程能力分析和统计分析等。
控制图是SPC最常用的工具之一,用于监控过程的稳定性。
控制图可以显示在连续生产过程中所收集的样本数据的变异性,并与控制界限进行比较。
常用的控制图有X-bar图、R图、P图和C图等。
X-bar图用于监控过程的平均值,R图用于监控过程的离散程度,P图和C图用于监控过程的不良品率。
通过比较样本数据的统计指标与控制界限,可以判断过程是否处于控制状态。
过程能力分析可以衡量过程的性能,并确定过程是否具备满足客户要求的能力。
过程能力分析可以通过计算过程的Cp、Cpk、Pp和Ppk等指标来完成。
这些指标可以反映过程的长期稳定性和短期稳定性,进而评估过程的能力。
统计分析是SPC的基础,通过对收集到的数据进行概率分布拟合、假设检验等统计分析方法,可以确定控制界限的设置和过程能力的评估。
统计分析能够为决策提供科学的依据。
SPC的应用可以帮助企业实现以下几个方面的目标:1.提高产品质量:SPC可以监控和控制生产过程中的变异性,降低产品缺陷和废品率,提高产品质量和一致性。
2.降低成本:通过减少废品和不良品的产生,可以降低生产成本。
3.提高生产效率:SPC可以帮助发现和解决生产过程中的问题,提升生产效率和产能。
SPC统计过程控制

SPC统计过程控制SPC(Statistical Process Control,统计过程控制)是一种基于统计原理和数据分析方法的质量管理工具,用于监控和控制生产过程中的变异性,以确保产品或服务的质量。
SPC是由质量概念的先驱沃尔特·A·谢温(Walter A. Shewhart)在20世纪20年代初首次引入的。
它的目的是通过使用统计技术来分析生产过程中的数据,从而减少产品或服务的变异性,提高整体质量水平。
SPC的基本原理是通过统计分析来了解生产过程中的变异性,以便及时采取措施来纠正和调整生产过程。
它主要包括以下步骤:1.确定控制指标:选择适当的指标来监控生产过程的变异性。
常用的指标包括尺寸、重量、硬度等。
2.收集数据:根据预定的采样计划和频率,定期收集生产过程中的数据。
数据可以通过各种手段收集,如直接测量、抽样检验等。
3.绘制控制图:使用统计方法将收集到的数据绘制成控制图。
控制图是一种图表,它显示了一个或多个过程指标的变化情况,以及上下限范围。
通过观察控制图,人们可以判断生产过程是否处于控制状态,是否存在异常情况。
4.分析控制图:根据控制图上的变化趋势和模式,进行统计分析,以确定生产过程的绩效。
常用的统计分析方法包括均值、标准差、极差等。
5.制定改进措施:根据分析的结果,确定需要改进的方面,并制定相应的措施。
改进措施可以包括修改生产过程参数、调整设备、培训员工等。
6.监控和调整:持续监控生产过程,并根据需要进行调整,以确保控制图保持在预定的限制范围内。
SPC的优势在于它能够提供实时和持续的监控生产过程的能力。
通过采集数据和绘制控制图,生产者可以及时发现生产过程中的变异,并采取措施进行纠正。
这样可以防止不良品的产生,并提高产品或服务的一致性和质量。
此外,SPC还具有以下几点优势:1.提高生产效率:通过控制和减少生产过程中的变异性,SPC可以提高生产效率。
它能够帮助生产者发现并消除生产过程中的浪费和不必要的变动,从而提高生产效率和资源利用率。
生产过程质量控制技术之SPC

绘制控制图
02
01
03
确定中心线和控制限
根据控制计划,计算中心线和控制限。
绘制图形
根据分组后的数据,在控制图上绘制相应的点和控制 线。
标注数据
在控制图上标注相应的数据点和控制限,以便后续分 析。
过程能力分析
计算过程能力指数
通过计算过程能力指数(如Cpk、Ppk等),评估当前过程能力是否满足要求。
03
SPC常用控制图
Xbar-R图
总结词
Xbar-R图用于监控过程平均值和过程 变差,通过计算平均值和极差来评估 过程的稳定性。
详细描述
Xbar-R图由中心线(CL)、上控制限(UCL) 和下控制限(LCL)组成。中心线是平均值的均 值,上控制限和下控制限分别是平均值加减3倍 标准差的位置。通过观察数据点是否超出控制 限,可以判断过程是否受控。
通过控制图等工具,实时监控 生产过程的状态,判断过程是 否受控,及时发现异常。
改进与优化
根据分析结果,对生产过程进 行优化和改进,提高产品质量 和生产效率。
SPC的发展历程
起源
SPC起源于20世纪20年代的美国贝尔实验室,最初 用于电话通信质量的控制。
发展
随着统计学和计算机技术的发展,SPC逐渐完善并广 泛应用于制造业、服务业等领域。
P图
总结词
P图用于监控不合格品率的过程控制,通过计算不合格品率来评估过程的性能。
详细描述
P图以不合格品率为数据基础,绘制在直角坐标系中。中心线表示目标不合格品率,上控制限和下控 制限分别是目标不合格品率加减3倍标准差的位置。通过观察数据点是否超出控制限,可以判断过程 是否受控。
C图
总结词
C图用于监控单位产品缺陷数的过程控制,通过计算单位产品上的缺陷数来评估过程的 性能。
质量管理过程的控制方法

质量管理过程的控制方法1. 引言质量管理是企业生产和经营活动中至关重要的一环。
为了确保产品或者服务的质量符合预期,需要采取一系列的控制方法来监控和管理质量管理过程。
本文将介绍几种常用的质量管理过程的控制方法。
2. 统计过程控制(SPC)统计过程控制是一种基于统计学原理的质量管理方法,通过对过程中采集到的数据进行分析和控制,以实时监测过程的稳定性和可靠性,从而确保产品或者服务的质量符合要求。
SPC主要包括以下步骤:- 采集数据:采集过程中的关键参数数据,如尺寸、分量、温度等。
- 统计分析:对采集到的数据进行统计分析,如计算平均值、标准差、极差等。
- 控制图绘制:根据统计分析的结果,绘制控制图,以便实时监测过程的稳定性和可靠性。
- 过程调整:根据控制图的结果,及时调整过程中的参数,以保持过程的稳定性和可靠性。
3. 六西格玛(Six Sigma)六西格玛是一种以数据驱动的质量管理方法,旨在通过减少过程中的变异性,提高产品或者服务的质量水平。
六西格玛主要包括以下步骤:- 定义阶段:明确问题的范围和目标,制定改进计划。
- 测量阶段:采集和分析数据,了解当前过程的性能水平。
- 分析阶段:通过统计分析和数据挖掘技术,找出导致质量问题的根本原因。
- 改进阶段:制定改进措施,优化过程,减少变异性。
- 控制阶段:建立监控机制,确保改进效果的持续稳定。
4. PDCA循环PDCA循环(Plan-Do-Check-Act)是一种经典的质量管理方法,也被称为德鲁克循环。
PDCA循环主要包括以下步骤:- 计划阶段:制定质量目标和计划,确定实施方法和资源需求。
- 执行阶段:按照计划执行,采集数据和信息。
- 检查阶段:对执行结果进行评估和分析,与质量目标进行比较。
- 行动阶段:根据评估结果,采取相应的行动,包括改进措施和纠正措施。
5. 敏捷质量管理敏捷质量管理是一种适合于软件开辟和项目管理的质量管理方法,强调快速反馈和持续改进。
SPC统计过程控制—非常经典

SPC统计过程控制—非常经典SPC (Statistical Process Control)统计过程控制是一种经典的质量管理方法,用于监控生产过程中的质量变化,并及时采取控制措施,确保产品质量稳定在一定的范围内。
它基于统计学原理,通过收集和分析数据,对过程进行判断和改进,从而提高产品质量和生产效率。
SPC统计过程控制的核心理念是“稳定性是质量的根本”,即只有当生产过程保持稳定时,所生产的产品才能具有一致性和可靠性。
为实现这一目标,SPC统计过程控制主要包括以下几个步骤:收集数据、分析数据、制定控制策略、监控过程、调整过程。
首先,收集数据是SPC统计过程控制的基础。
通过采集产品的关键参数数据,以及与过程相关的环境因素数据,形成数据样本。
这些数据样本可以是实时的在线数据,也可以是离线的抽样数据。
数据的收集需要有明确的目标和方法,确保样本具有代表性。
然后,对收集到的数据进行分析。
这一步骤主要应用统计学原理,包括均值、标准差、极差等指标,对数据进行描述和推断。
通过分析数据,可以了解到生产过程的变化情况,以及其中的特殊因素和关键规律。
统计分析的结果可以通过图表、图像等形式进行展示,使人们更直观地了解数据的特点。
接下来,制定控制策略是SPC统计过程控制的重要环节。
根据统计分析的结果,确定控制上下限,并建立控制图。
控制上下限是过程的可控制范围,超出上下限的数据即为异常点,需要引起重视。
控制图可以是均值图、极差图、流程能力图等,用于直观地展示过程状态和异常点的出现。
然后,监控过程是SPC统计过程控制的核心工作。
通过实时收集数据,并与控制图进行对比,判断过程是否正常,并及时采取控制措施。
监控过程可以是自动化的,通过传感器和数据采集系统实现;也可以是人工的,通过操作员对数据进行监测和分析。
无论是何种方式,都需要保证监控的及时性和准确性。
最后,根据监控的结果,调整过程是SPC统计过程控制的一项关键任务。
当过程出现异常或超出控制上下限时,需要及时分析异常原因,并采取相应的纠正措施。
- 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)。
1. 目的/范围采用统计技术进行质量分析和控制。
本指导书适用于项目策划、工序质量控制、不合格品分析及批产品检验等。
2. 定义/术语SPC:全称为统计工序控制,是应用统计技术,分析过程中的品质特征从而控制过程的变化。
3.职责3、1技质部在过程设计和开发时采用FMEA,并确定采用适宜的统计技术方法进行过程控制。
3.2技质部采用排列图进行不合格统计分析。
3.3各部门根据需要选择适用的统计技术。
4.作业程序4.1 过程能力指数Cpk、机械能力指数Cmk及性能指数Ppk●定义:过程能力:过程处于控制状态下的实际加工能力。
用6б、表示过程能力指数:为容差宽度除以过程能力。
用Cp Cpk表示。
当公差的中心值M与数据分布中心X相一致时,既X=M,称过程无偏移,用CP表示,不一致时,称过程有偏移,用CPK表示。
●数据收集:在过程受控状态下,数据量≥100。
●计算公式:双向公差:T USL–LSL当X=M cp= =6б 6бT–2ε(USL–LSL)–2ε当X ≠M CPK= =6б6SnS= Σ(Xi–X)2I=1n–1式中:T—公差:USL—公差上界线:LSL—公差下界线:S—样本标准偏差。
б—总体标准偏差ε= M–X单向公差:USL-X只有上限要求CPU=3бX -LSL只有下限要求CPL=3б注:●在利用控制图进行过程能力测定时,б通常由R/d2计算而得。
●保安项、法规项与重要项的质量特性过程能力指数Cp/Cpk≥1.33;通过计算若Cp/Cpk值低于规定标准,那么就应该采取纠正措施使该工序能力提高上来,机械能力指数Cmk定义:机械能力指数Cmk表示公差与生产设备的加工离散之比。
Cmk值测定的对象:是关键、重要特性的设备、模具。
Cmk测定的时机:·新的设备/模具·公差紧缩·搬迁·停产6个月以上·流程变更·设备/模具大修后Cmk值测定数据的收集:在短时间内测量获得数据,在操作者、工艺方法、环境等非设备因素保持最佳状态下的质量数据。
数据量≥100。
计算方法T TCm k= =6б 6sT —特性值公差б—总体标准偏差S —样本标准偏差USL—公差上限 LSL—公差下线nS= Σ(Xi–X)2I=1n–1Cmk≥1.67,当Cmk<1.67时,应采取措施使之达到1.67以上。
性能指数Ppk适用时机:试生产阶段初始过程能力测定收集数据:一般在数据量≥100连续抽样计算公式:TP Pk=6бS注:标准要求生产件批准时,P PK≥1、674.2 X — R图(均值和极差图)使用均值和极差图前的准备:✓建立适合于实施的环境。
(必须排除机构内阻碍人们公正的考虑。
管理者必须提供资源来参与和支持改进措施。
✓确定作图的特性。
1)顾客的需求。
2)当前的潜在问题区域。
3)特性之间的相互关系。
如果关心的特性很难测量(如:体积),选择一个相关的容易测量的特性(如:重量)。
另外如果一个项目的几个单独特性具有相同的变化趋势,可能只用一个特性来画就足够了。
A收集数据A.1选择子组大小、频率和数据a)子组大小(样本)在过程的初始研究中,一般有4——5件连续生产的产品组合。
样本的容量应恒定。
b)子组频率在过程初始研究,通常连续进行分组或很短时间间隔分组。
当过程已处于稳定状态,子组间的间隔可以增加。
对正在生产的产品进行监测的子组频率可以是每班两次或其他可行的频率。
c)子组的大小至少25组(至少包含100个或更多的单值读数)A.2建立控制图及记录原始数据X-R图通常将X图画在R图之上方,X和R的值为纵坐标,按时间先后的子组为横坐标,数据值及极差和均值点应纵向对齐。
数据栏应包括每个读数的空间。
同时还包括记录读数的和、均值X、极差及日期、时间。
A.3计算每个子组的均值X和极差RX1+X2+ Xn对每个子组计算:X=nR=X最大值-X最小值式中:X1、X2...为子组内的每个测量值,n为子组的样本容量。
A.4选择控制图的刻度两个控制图的纵坐标分别用于X和R的测量值。
对于X图,坐标上的刻度值最大值与最小值之差应至少为均值的最大值与最小值差的2倍。
对于R图,刻度值应从最低值0开始到最大值之间的差值为初始阶段所遇到最大值之差的2倍。
A.5将均值X和极差R画在控制图上,将各点用直线连接起来。
B计算控制限:●X = (X1 + X 2 + ··· + X n ) / n(X1为子组内的每个测量值。
n为子组的样本容量)●R = X 最大值— X最小值●R(极差)= (R1 + R 2 +··· + R k ) / k(R1和X1即为第一个子组的极差和均值,依此类推)●X(过程平均值)= (X1 + X 2 + ··· + X k) / k●UCL R = D4R●LCL R =D3R●UCL X = X + A2 R●LCL X = X — A2 R●式中:D4、D3、 A2为常数,它们随样本容量的不同而不同。
见下表:在控制图上作出平均值和极差控制线中心线为水平实线,控制线为水平虚线。
C 过程控制解释目的:找出异常的波动(过程即过程失控)并采取相应的措施。
对X和R图分别进行分析。
过程失控的特点:◆点子超出控制界限◆连续7点全在中心线之上或之下。
◆连续7点上升或下降。
◆任何其它明显非随机的图形。
1)点子排列呈周期状2)大大超过2/3的点在中心线附近(对于25个子组的情况,有90%的点子在控制线中间三分之一的中间区域)3)大大少于2/3的点在中心线附近(对于25个子组的情况,有40%或少于40%的数据在中间三分之一的区域)4)点子接近控制线.(在外三分之一区域)识别特殊原因对于失控的过程,确定特殊原因,进行纠正,并防止在发生。
重新计算控制界限剔除与特殊原因有关的点,应重新计算并描画均值和控制界限,以便排除特殊原因的影响。
确保当与新的控制界限相比时,所有的数据点都处于受控状态。
延长控制界限当新的控制图不存在失控现象时则将控制线延长,作为操作控制线。
注意:当样本量改变,重新计算中心线和控制界限线。
方法:1)估计过程的标准偏差(用ợσ =R/d2)式中: R为子组极差的均值(在极差受控时期), d2随样本容量变化的常数.(可查表)2)按照新的子组容量查表得到系数d2 、D3、D4和A2,计算新的极差和控制线.R新= ợσ d2UCL R= D4 R新LCL R=D3 R新LCL X= X +A2 R新UCL X= X -A2 R新D过程能力解释如果已经确定一个过程已处于控制状态,还存在过程是否有能力满足顾客需求的问题.能力反映普通原因引起的变差,并且总是要对系统采取管理措施来提高能力.过程能力定义.计算.评价见后面详述.提高过程能力为了提高过程能力,必须减少普通原因,必须将注意力集中在系统中,既造成变异的根本原因上,如过程操作的方法\工作环境\机械性能\培训方法\输入材料的一致性等.纠正这些问题,需要管理层介入.对修改的过程绘制控制图进行分析.对过程已采取了系统的措施后,应评定新的过程能力,并将它作为将来操作新的控制线的基础.4.3 不合格品率的P图P图用来测量在一批检验项目中不合格品(不符合或所谓的缺陷)项目的百分数。
A.1收集数据子组容量——用于计数型数据的控制图一般要求较大的子组容量,以便检验出性能的一般变化。
分组频率——应根据产品的周期确定分组的频率以便帮助分析和纠正发现的问题。
子组的数量——收集数据的时间应足够长,使得能找到所有可能的影响过程的变差源。
一般情况下包括25或更多的子组。
A.2计算每个子组内的不合格品率(P)记录每个子组内的下列值:✓被检项目的数量——n✓发现的不合格项目的数量——np✓通过这些数据计算不合格品率:p=np / n这些数据应记录在数据表中作为初步研究的基础。
A.3选择控制图的坐标刻度描绘数据点用的图将不合格品率作为纵坐标,子组识别(小时、天等)作为横坐标。
纵坐标的刻度应从0到初步研究数据读数中最大的不合格率值的1.5到2倍的值。
A.4将不合格品率描绘在控制图上描绘每个子组P值,将这些点联成线通常有助于发现异常图形和趋势。
记录过程的变化或者可能影响过程的异常情况,当这些情况被发现时,将它们记录在控制图的“备注”部分。
应记录人、机、料、法、环、测量系统中的任何变化,这些记录将在控制图上出现信号进而帮助你采取纠正或改进过程的措施。
B.1计算过程平均不合格品率(p)对于K个子组的研究时期,计算不合格品率的均值如下:p = n1p1+ n2p2+··· nkpk/ n1+n2+···nl式中:n1p1,n2p2······及n1,n2······为每个子组内的不合格项目数及检查的项目数。
B.2计算上、下控制限(UCL,LCL)子组的样本容量一定UCLP= P+3 PUCLP= p-3 pB.3画线并标注●过程均值( p )——水平实线●控制限(UCL ,LCL)——水平虚线在初始研究阶段,这些被认为是试验控制限。
C.过程控制图解释目的:找出过程不再以同一水平运行的证据——即过程失控——并采取相应的措施。
数据点中存在超出控制限的点,或者存在超出随机情况下可能出现的明显趋势或图形,这就表明存在变差的特殊原因。
C.1分析数据点,找出不稳定的证据a超出任一控制限就证明在那点不稳定。
超出上控制限的点(不合格品率更高)通常表明存在下列的一个或多个情况:●控制限或描点错误;●过程性能恶化,在当时那点或作为一种趋势的一部分;●评价系统已改变(例:检验员、量规)低于控制限下的点(不合格品率更低)通常表明存在下列的一个或多个情况:●控制限或描点错误;●过程性能已改进(为了改进,应当研究这种情况且长期保持);●测量系统已改变在控制限之内的图形或趋势——出现异常的图形或趋势,即使所有的点都在控制限之内,都证明在出现这个图形或趋势的时期内过程失控或性能水平变化。
这种情况会提前给出有关状态的警告,如不纠正,这种状态将造成点超出控制限。
b在一个受控的,np 中等较大的过程中,落在均值两侧的点的数量将几乎相等。
连续7点位于均值的一侧;连续7点上升(后者与前者相等或比前者大)或连续地下降。
出现高于均值的长链或连续上升的点,通常表明存在下列情况之一或两者:●过程的性能已恶化——而且可能还在恶化;●评价系统已改变。
出现低于均值的长链或连续下降的点,通常表明存在下列情况之一或两者:●过程的性能已改进(应研究其原因,并将它固定下来);评价系统已改变。