Fab-SPC项目之SPC理论培训(doc 26页)

合集下载

SPC培训课件(PPT 90页)

SPC培训课件(PPT 90页)
种情况; 计点型数据——如铸件的沙眼数,电路板上的焊
接不良数等。 计件型数据和计点型数据合称为计数型数据。它们
可被计数,从而用来记录和分析。
12.01.2020
11
科华咨询
统计方法应用基础----基本的统计量
n 子组大小。单个子组中子组观测值的个数 k 子组数 X 质量特性的观测值(可用X1,X2,X3…表示单个 观测值) X 子组平均值的平均值
经分析发现,该工序最重要的是需要模具的相关方面被保证,如模具的安 装需到位,冲压过程需防止模具松动和磨损等。产品特性最重要的是冲压整 形的高度和宽度两个尺寸,如果这两个尺寸不能保证将导致产品报废。
12.01.2020
计量型 正态分布
数据的”分布”
二项分布(计数)
计数型 泊松分布(计件)
6
科华咨询
质量具有变差
“世界上没有两片完全相同的树叶”——“不同” 是绝对的,相同是相对的。
即使是机器生产,但产品质量仍具有变异 ——过程的单个输出之间不避免的差别。
公差制度的建立,就是承认“变差”的标志。
概率1.35% 概率可能为1.35%的几十、几百倍
根据小概率事件原理:出界就判异。
12.01.2020
27
科华咨询
控制图的两种错误
第一种错误
质量特性 x
α
虚发警报的错误 概率为α
12.01.2020
第二种错误
UCL
β
CL LCL
漏发警报的错误 概率为β 28
科华咨询
控制图的两种错误
间距增大(增加上下控制限的距离) α 减少,β 增加
p 子组不合格品率 p=子组中的不合格品数/子组大小
P 平均不合格品率

F-SPC培训教材

F-SPC培训教材
25
收集数据

计量值数据合理的抽样间隔和样本大小
每小时 生产量 10以下 10~19 20~49 50~99 抽样间隔 不稳定 8小时 4小时 2小时 1小时 稳定 8小时 8小时 8小时 4小时 样本大小 4 4 4 4
100以上

1小时
2小时
4
抽样的随机性,以充分代表群体
26
绘制管制图

NO
使用
X
-R
YES YES
样本容量是否 大于或等于9
NO
使用X-MR
当由现场人员 使用时,尽量用? 图
YES
各组标准差S 是否容易计算
使用
NO
X
-R
YES
使用
X
-S
23
选择管制图(计数值)
是否关心 不合格品率
NO
样本大小 是否一致
NO
使用u图
YES
样品大小 是否一致
YES
使用c或u图
YES
当由现场人 员使用时, 尽量用c/np图
9
SPC的基本统计观点


无论生产过程,还是产品结果,都是具有规 律的. 正常情况下,具有一定的数据分布:

计量值数据,服从正态分布 计件值数据,服从二项分布 计点值数据,服从泊松分布 最为常见的是正态分布----钟形分布
10
SPC的基本统计概念



群体:一组过程的输出结果的全体. 样本:从群体中按照一定的抽样方法选择出来的 研究对象. 群体具有一定的分布特性 合理的抽样(足够的样本容量\随机的抽样方法), 可以保证样本与群体具有共同的分布特性,也即 是说可以由样本的状况推断群体的状况. 群体通常是未知的研究对象,从经济成本的角度, 可以研究分析样本而知群体.

spc培训品质管理

spc培训品质管理
过长的安装时间
员工操守, 生产率, 和轮岗
超时
Result: 品质失败的结果
Result: 品质失败的结果
报废 返工 停工 加强检验
内部成本
外部成本
高的检验成本 重复修理 存货增多
服务成本升高 返工
市场份额下降 资金周转期长 客户失望
过程波动引 起品质不良
不合理的设计Βιβλιοθήκη 波动(误差)的最初起源……
一周
二周
三周
平均
53
顾客的视角
最小 = 17 最大 = 118
我的视角
53
捕 捉 客 户 的 着 眼 点 - Y 的整个分布状况
Puzzled!波动为何不早发现
Danger! 传统的规格管理
你不知道废品何时会出现,所能做的就是挑出废品 !!!!!!
Spec
质量管理的发展史
1、传统质量管理阶段 2、质量检验管理阶段 3、统计质理管理阶段 4、现代质量管理阶段
质量发展史的关键点
1925 休哈特提出统计过程控制(SPC)理论 1930 道奇和罗明提出统计抽样检验方法。 1950 戴明提出质量改进的观点 1960 朱兰、费根堡姆提出全面质量管理的概念 1970 石川馨、田口玄一等提出新七种工具 2000 由统计质量管理到质量管理工程
波动
波动是质量的敌人; 品质改善就是要持续减少设计、制造和服务过程的波动; “管理的角色就是改进过程”
波动是魔鬼…发现并消灭它!
偶然性原因 产品质量影响较小 技术上难以消除 经济上也不值得消除
系统原因 产品质量影响大 能够避免和消除
Problem! 波动无处不在
缺乏足够的过程能力
?
不稳定的零件和材料

《SPC培训教案》课件

《SPC培训教案》课件

《SPC培训教案》PPT课件第一章:SPC概述1.1 SPC的定义统计过程控制(Statistical Process Control,SPC)通过统计学方法监控和改进过程质量1.2 SPC的历史与发展起源于20世纪20年代的工业工程1950年代,W. Edwards Deming将SPC推广到日本,对日本质量管理产生深远影响1990年代至今,SPC与现代质量管理方法结合,如六西格玛1.3 SPC的应用范围制造业服务业医疗卫生教育及其他行业第二章:SPC基本概念2.1 过程输入、输出和转换连续和离散过程2.2 控制图控制图的类型(X-R图、X-bar图、p图、np图等)控制图的构成(中心线、控制限、数据点)2.3 过程稳定性随机变异与系统变异判断过程稳定的准则(规则1-4)第三章:控制图的应用3.1 控制图的制定数据收集与整理选择适当的控制图确定控制限3.2 控制图的解读数据点的含义判断过程是否失控的准则控制图的报警信号(点出界、链或趋势)3.3 控制图的分析与改进分析过程变异的原因采取措施改进过程重新制定控制图第四章:过程能力分析4.1 过程能力的概念过程固有的变异能力满足顾客要求的能力4.2 过程能力分析的方法计算过程能力指数(Cp、Cpk)判断过程能力是否满足要求4.3 过程改进策略提高过程能力的方法(减少变异、优化过程参数)过程改进的目标(提高产品质量、降低成本)第五章:SPC软件与应用5.1 SPC软件的功能与选择数据采集、处理和分析控制图绘制与监控过程改进工具(如鱼骨图、帕累托图等)5.2 SPC软件的操作步骤数据输入与设置控制图绘制与分析报告与输出5.3 SPC软件在实际应用中的案例分享制造业案例服务业案例其他行业案例第六章:SPC在制造业中的应用案例6.1 案例一:汽车制造业中的SPC应用描述汽车制造过程中如何运用SPC监控装配质量,减少缺陷率。

分析控制图在检测生产线上的作用,及时发现问题并采取措施。

SPC培训讲义(PPT 47页)

SPC培训讲义(PPT 47页)
A2、建立控制图及记录原始数据;
A3、计算每个子组的均值X和极差R;
A4、选择控制图的刻度;
选择子组大小、数量和抽样原则: 每组样本数:4-5; 子组数要求:最少25组共100个样本; 抽样原则:组內变差小,组间变差大;
子组大小 子组数量 抽样原则
A.3 计算每个子组的均值(X)和极差(R)
99.73% 95.45%
68.26%
-3σ -2σ -1σ μ +1σ +2σ +3σ
LCL
CL
UCL
LCL
UCL
CL
CL
UCL
LCL
0.27 %
七、 建立X-R控制图的四步骤:
A、确定控制对象收集数据 B 、计算控制限并作图 C、过程控制解释 D 、过程能力解释
A阶段 收集数据
步骤A:
A1、选择子组大小、数量和抽样原则;
=1.68
Minitab 计算的工序能力:
手算结果与Minitab 计算结果基本提高过程能力指数的途径:
一、调整加工过程的分布中心,减少偏移量; (即使分布中心更靠近规格中心,“更准”)
二、提高过程能力减少分散程度即减小σ; (即使尺寸分布范围尽可能小,“更瘦”,以Cp为例,达到1.33即4σ/3σ, 达到1.67即5σ/3σ。从1.33到1.67的提高,形象地说就是原来容纳4σ的空 间现在容纳了5个σ)
一、什么是SPC
SPC:
“Statistical Process Control”之缩写,意为 “统计过程控制”
统计过程控制:
主要是指应用统计分析技术对生产过程进行实时监控, 科学的区分出生产过程中产品质量的随机波动与异常波动, 从而对生产过程的异常趋势提出预警,以便生产管理人员及 时采取措施,消除异常,恢复过程的稳定,从而达到提高和 控制质量的目的。

SPC基础知识培训讲义

SPC基础知识培训讲义

SPC基础知识培训讲义SPC基础知识⼀、什么是SPCSPC是英⽂Statistical Process Control的前缀简称。

即统计过程控制。

SPC就是应⽤统计技术对过程中的各个阶段进⾏监控。

从⽽达到改进与保证质量的⽬的。

SPC强调全过程的预防。

SPC的特点是:1.SPC是全系统的,全过程的,要求全员参加,⼈⼈有责。

这点与全⾯质量管理的精神完全⼀致。

2.SPC强调⽤科学⽅法(主要是统计技术,尤其是控制图理论)来保证全过程的预防。

3.SPC不仅⽤于⽣产过程,⽽且可⽤于服务过程和⼀切管理过程。

⼆、SPC发展简史过程控制的⽅法早在20世纪20年代就由美国的休哈特提出。

迄今为⽌已经经历了三个发展阶段,即:SPC,SPCD和SPCDA。

1.SPC(Statistical Process Control):它能使⼈们采取措施,消除异常,恢复过程的稳定。

这就是科学地区分出⽣产过程中产品质量的正常波动与异常波动,从⽽对过程的异常及时告警,谓统计过程控制。

2.SPCD(Statistical Process Control and Diagnosis)的前缀简称,即统计过程与诊断。

SPC虽然能对过程的异常进⾏告警,但是它并不能告诉我们是什么异常,发⽣于何处,即不能进⾏诊断。

1982年我国张公绪⾸创两种质量诊断理论,突破了传统的美国休哈特质量控制理论,开辟了统计质量诊断的新⽅向。

3.SPCDA(Statistical Process Control , Diagnosis and Adhustment)的前缀简称,即统计过程控制、诊断与调整。

正如同病⼈确诊后要进⾏治疗,过程诊断后⾃然要加以调整。

⽬前尚⽆实⽤性的成果。

三、成都公司在TS16949标准基础上建⽴的《统计技术应⽤规定》中推荐了⼏种⽤于质量改进的统计⼯具和技术序号⼯具和技术应⽤1调查表系统地收集资料,以得到真实清晰的实况⽤于⾮数字资料的⼯具和技术2因果图分析和表达因果图解关系;通过从症状到原因分析到寻找答案的过程,促进问题的解决3流程图描述现存的过程;设计新的过程4特性要因图表⽰某个论题与其组成要素之间的关系⽤于数字资料的统计⼯具和技术5控制图诊断:评估过程的稳定性;控制:决定何时某⼀过程需要调整,何时该过程需要继续保持下去。

SPC制程统计分析培训资料

SPC制程统计分析培训资料SPC(Statistical Process Control,统计过程控制)是一种利用统计方法进行质量控制和改进的管理工具。

通过对制程数据进行收集、分析和解释,SPC帮助企业识别和消除生产过程中的变异性,确保产品符合质量要求。

下面是一份关于SPC制程统计分析的培训资料,详细介绍SPC的原理、工具和实施过程。

一、SPC的原理SPC的原理基于统计理论,通过对制程数据的分析和解释,可以帮助企业判断制程的稳定性和能力,并对不稳定的制程进行改进和优化,从而提高产品的质量和稳定性。

SPC的核心原理包括以下几个方面:1.变异性的存在:制程中存在着多种类型的变异性,包括常因、特因和随机因素等。

SPC的目标是通过控制变异性来提高质量。

2.统计控制:SPC利用统计方法分析制程数据,判断制程是否处于统计控制状态。

从而判断出制程是否稳定,并提供依据进行改进。

3.过程能力分析:SPC不仅关注制程的稳定性,还关注制程是否满足质量要求。

通过统计分析,可以评估制程的能力,发现潜在的问题并采取措施进行改进。

二、SPC的工具SPC依靠一系列的统计工具来分析制程数据。

常用的SPC工具包括:1.直方图:通过对制程数据进行分组并绘制直方图,可以了解数据的分布情况,判断是否符合正态分布,以及是否存在特殊因素造成的异常。

2. 控制图:通过对制程数据进行统计和对比,绘制控制图可以判断制程是否处于统计控制状态。

常用的控制图有X-Bar图、R图、S图和P图等。

3.散点图:散点图可以用来分析两个变量之间的关系,例如制程参数与产品质量之间的关系。

通过分析散点图,可以找到改善的方向和策略。

4.帕累托图:帕累托图可以帮助识别制程中的关键问题和优先改进的方向。

通过对问题进行分类和排序,可以优先处理影响最大的问题。

5.箱线图:箱线图可以显示数据的分布情况,包括中位数、上下四分位、异常值等。

通过对比不同制程的箱线图,可以找到优化和改进的空间。

【培训课件】SPC培训资料50页PPT


谢谢!
51、 天 下 之 事 常成 于困约 ,而败 于奢靡 。——陆 游 52、 生 命 不 等 于是呼 吸,生 命是活 动。——卢 梭
53、 伟 大 的 事 业,需 要决心 ,能力 ,组织 和责任 感。 ——易 卜 生 54、 唯 书 籍 不 朽。——乔 特
55、 为 中 华 之 崛起而 读书。 ——周 恩来
【培训课件】SPC培训资料
11、获得的成功越大,就越令人高兴 。野心 是使人 勤奋的 原因, 节制使 人枯萎 。 12、不问收获,只问耕耘。如同种树 ,先有 根茎, 再有枝 叶,尔 后花实 ,好好 劳动, 不要想 太多, 那样只 会使人 胆孝懒 惰,因 为不实 践,甚 至不接 触社会 ,难道 你是野 人。(名 言网) 13、不怕,不悔(虽然只有四个字,但 常看常 新。 14、我在心里默默地为每一个人祝福 。我爱 自己, 我用清 洁与节 制来珍 惜我的 身体, 我用智 慧和知 识充实 我的头 脑。 15、这世上的一切都借希望而完成。 农夫不 会播下 一粒玉 米,如 果他不 曾希望 它长成 种籽; 单身汉 不会娶 妻,如 果他不 曾希望 有小孩 ;商人 或手艺 人不会-- 马钉路 德。

五大工具之-SPC培训教材

据分布形态。
异常值检测和处理方法
图形化方法
通过绘制箱线图、散点图等图形,直观地发 现异常值。
机器学习方法
利用聚类、分类等算法检测异常值,提高检 测准确性和效率。
统计方法
采用3σ原则、Z分数等方法检测异常值,并 给出异常值判定标准。
异常值处理
根据异常值产生的原因和影响程度,采用保 留、替换或删除等方法处理异常值。
企业级推广实践经验分享
领导层的支持与推动
企业领导层应充分认识到SPC在质量 管理体系中的重要性,积极推广并提 供必要的资源支持。
制度建设与激励机制
企业应建立完善的SPC应用制度和管理流 程,同时建立相应的激励机制,鼓励员工 积极参与SPC应用和质量改进活动。
培训与人才培养
企业应加强对员工的SPC培训,提高 员工的质量意识和技能水平,培养一 支具备SPC应用能力的专业团队。
制工具。
SPC起源于20世纪20年代的美 国,由休哈特博士提出,后经不 断发展和完善,广泛应用于制造
业中。
SPC强调通过过程的预防控制来 减少或避免不良品的产生,从而
提高产品质量和生产效率。
统计过程控制核心思想
利用统计方法对过程中的各个 阶段进行监控,及时发现并解 决问题。
通过控制图等工具对过程数据 进行分析和判断,确定过程是 否处于稳定状态。
灵活运用判异准则
根据实际情况,选择合适的判异准则 进行异常点判断。
案例分析:实际问题解决方案
案例选择
问题分析
挑选具有代表性的实际案例,涵盖不同类 型的问题和解决方案。
运用控制图对案例中的问题进行深入分析 ,找出根本原因。
解决方案制定
方案实施与效果评估
根据问题分析结果,制定针对性的解决方 案。

SPC培训课件(PPT共 36张)


控制图 成份
逻辑控制图的四种主要类型
• 缺陷率
• •
np 图 -假定样本容量为常数时,用一种简单的图来 描绘一致单位的个数(缺陷部分的百分比)。 P图-假定样本容量不是常数时,用一种简单的图来 描绘一致单位的个数(缺陷部分的百分比)。
• 缺陷数 • C图 -假定样本容量为常数时,用一种简单的图来描 绘生产单位中缺陷的个数(而不是缺陷百分比). • U图 -假定样本容量不是常数时,用一种简单的图来 描绘每生产单位中缺陷的个数(而不是缺陷百分 比).
SPC培训
内 容 提 要
• • • • • SPC是什么 SPC控制图的构成成分 何种场合使用SPC 异常定义及执行现状 如何执行SPC
SPC 是什么
目的
* 确定最终的过程控制计划
* 不断验证过程的稳定性和能力
控制图 成份
控制图基本要素
X-bar C hart for K VO P
最高控制限
6 15
9 5 % C o n fid e n ce In te rva l fo r S ig m a 1 .3 1 6 5 1 .4 0 6 9
9 5 % C o n fid e n ce In te rva l fo r Me d ia n
95% Confidenc e Interval for M edian
9 .1 8 5 6
9 .3 4 0 0
异常 例2. 定义 文件名称: IC Die Shear
印表日期:: 2008-1-9 产品编号: 产品名称: 管制项目: 84-1 单位 : g 时间范围: 07/12/01 16:48:58 ~ 07/12/31 19:18:17
控制图 成份
因素分层
  1. 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. 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. 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)。

Fab-SPC项目之SPC理论培训(doc26页)部门: xxx时间: xxx整理范文,仅供参考,可下载自行编辑《贝岭Fab-SPC项目》用户SPC理论培训教材1 SPC应用基础 (3)2 SPC概述 (3)2.1 什么是SPC (3)2.2 SPC的发展简史 (4)2.3 SPC的特点 (4)2.4 SPC与ISO9000标准体系的联系 (4)3控制图及其应用 (4)3.1什么是控制图 (4)3.2质量数据与控制图 (6)3.2.1计量型数据 (6)3.2.2计数型数据 (6)3.2.3质量数据的特性 (6)3.3控制图原理 (6)3.4 控制图贯彻预防原则 (7)3.5 两类错误 (7)3.6 3σ方式 (8)3.7 控制图的判定准则 (8)3.7.1判定稳态准则 (8)3.7.2判定异常准则 (9)3.7.3点子排列不随机模式 (9)3.8 休哈特控制图 (10)3.8.1控制图的种类 (11)3.8.2休哈特控制图的用途 (11)3.8.3通用控制图 (12)3.8.4 工序能力指数及样本分布图 (12)3.8.5控制图的选用 (12)4 运用SPC的意义 (13)4.1 为什么要用SPC (13)4.2 应用SPC的意义 (14)5 控制图和报表 (14)5.1 作图基础 (14)5.2 作图 (14)5.2.1 均值极差图 (14)5.2.2 均值极差图 (14)5.2.3 中位数极差图 (14)5.2.4 单值移动极差图 (15)5.2.5 指数权重移动均值图 (15)5.2.6 运行图 (15)5.2.7 预控图 (15)5.2.8 不合格品率图(P图) (15)5.2.9 不合格品数图(Pn图) (15)5.2.10 不合格数图(C图) (16)5.2.11 单位不合格数图(U图) (16)5.2.12 直方图 (16)5.2.13 个体直方图 (16)5.2.14 原因排列图 (16)5.2.15 措施排列图 (16)5.2.16 备注排列图 (16)5.2.17 DPTO图 (17)5.2.18 DPMO图 (17)5.3 图形属性 (17)5.4判异 (18)5.4.1 判异规则 (18)5.4.2失控点与关联点 (19)5.4.3控制线 (19)5.5 点的拾取 (19)6 控制线的计算公式 (20)6.1 计量类的控制线 (20)6.1.1 均值标准差图 (21)6.1.2 均值极差图 (21)6.1.3 位数极差图 (22)6.1.4 单值移动极差图 (22)6.1.5 EWMA图 (23)6.2 合格数据类的控制线 (23)6.2.1 P图 (23)6.2.2 Pn图 (24)6.2.3 Q图 (24)6.2.4 Qn图 (24)6.3 缺陷数据类的控制线 (25)6.3.1 C图 (25)6.3.2 U图单位缺陷数图 (25)7 分析工具 (26)7.1 过程能力分析 (26)7.2 过程能力变动分析 (26)7.3 产品直通率分析 (26)7.4 多参数对比分析 (26)7.5 正态概率纸 (26)1 SPC应用基础2 SPC概述2.1 什么是SPCSPC是S tatistical P rocess C ontrol的简称,即统计过程控制。

SPC运用统计技术对生产过程中的各工序参数进行监控,从而达到改进、保证产品质量的目的。

2.2 SPC的发展简史SPC是美国贝尔实验室休哈特博士在20世纪二、三十年代所创立的理论,它能科学地区分出生产过程中产品质量的偶然波动与异常波动,从而对生产过程的异常及时告警,以便采取措施,消除异常,恢复过程的稳定。

SPCD是S tatistical P rocess C ontrol and D iagnosis的简称,即统计过程控制与诊断, 它是SPC发展的第二阶段。

SPC虽能对过程的异常进行告警,但它并不能分辨出是什么异常,发生于何处,即不能进行诊断,1982年我国首创两种质量诊断理论,突破了休哈特质量控制理论,开辟了统计质量诊断的新方向。

此后,我国质量专家又提出了多元逐步诊断理论和两种质量多元诊断理论,解决了多工序、多指标系统的质量控制与诊断问题。

SPCDA是S tatistical P rocess C ontrol , D iagnosis and A djustment的简称,即统计过程控制、诊断与调整,它能控制产品质量、发现异常并诊断导致异常的原因、自动进行调整,是SPC发展的第三个阶段,目前尚无实用性成果。

2.3 SPC的特点SPC是全系统的,全过程的,要求全员参加,人人有责。

SPC强调用科学方法(统计技术,尤其是控制图理论)来保证全过程的预防。

SPC不仅用于生产过程,而且用于服务过程和管理过程。

2.4 SPC与ISO9000标准体系的联系ISO9001:2000 提出了关于质量管理的八项原则,对于质量管理实践具有深刻的指导意义。

其中,“过程方法”、“基于事实的决策”原则都和SPC等管理工具的使用,有着密切的联系。

以什么样的方法来对过程进行控制?以什么样的手段来保证管理决策的及时性、可靠性?是管理者首先应该考虑的问题。

SPC技术运用是对按ISO9001 标准建立的质量管理体系的支持,制订ISO9000族标准的TC176,也为组织实施SPC制订了相应的标准(编号ISO/TR10017),该标准以技术报告的形式发布,也为ISO9000标准族中的支持性标准。

3控制图及其应用3.1什么是控制图控制图由正态分布演变而来。

正态分布可用两个参数即均值μ和标准差σ来决定。

正态分布有一个结论对质量管理很有用,即无论均值μ和标准差σ取何值,产品质量特性值落在μ±3σ之间的概率为99.73%,落在μ±3σ之外的概率为100%-99.73%= 0.27%,而超过一侧,即大于μ+3σ或小于μ-3σ的概率为0.27%/2=0.135%≈1‰,见图 2.1,休哈特就根据这一事实提出了控制图。

方差是实际值与期望值之差平方的平均值,而标准差是方差平方根。

方差的计算:先平均,再求差,再平方,再平均。

图2.1正态分布曲线控制图的演变过程见图2.2。

先把正态分布曲线图按顺时针方向转90°成图图2.2 控制图的演变图2.3 x控制图2.2(a),由于上下的数值大小不合常规,再把图2.2(a)上下翻转180°成图2.2(b),这样就得到一个单值控制图,称μ+3σ为上控制限,记为UCL,称μ为中心线,记为CL,称μ-3σ为下控制限,记为LCL,这三者统称为控制线。

规定中心线用实线绘制,上下控制限用虚线绘制,见图2.3。

综合上述,控制图是对过程质量数据测定、记录从而进行质量管理的一种用科学方法设计的图。

图上有中心线(CL)、上控制限(UCL)和下控制限(LCL),并有按时间顺序抽取的样本统计量数值的描点序列,见图2.4。

图2.4控制图示例3.2质量数据与控制图3.2.1计量型数据所确定的控制对象即质量指标应能够定量。

所控制的过程必须具有重复性,即表现出统计规律性。

所确定的控制对象的数据应为连续值。

计量型控制图:能反映计量型数据特征,用来绘制、分析计量型数据的控制图。

3.2.2计数型数据控制对象只能定性不能而不能定量。

只有两个取值。

与不良项目有关。

计数型控制图:能反映计数型数据特征,用来绘制、分析计数型数据的控制图。

3.2.3质量数据的特性质量数据的分布遵循三种特性:计量型数据服从正态分布;计件型数据服从二项分布(有一些随机事件是只具有两种互斥结果的离散型随机事件,称为二项分类变量);计点型数据服从泊松分布(Poisson分布是二项分布n很大而P很小时的特殊形式,是两分类资料在n次实验中发生x次某种结果的概率分布)。

3.3控制图原理根据来源的不同,质量因素可分成设备(machine)、材料(material)、操作(man)、工艺(method)、环境(environment),即4M1E五个方面;从对质量的影响大小来看,质量因素可分成偶然因素(简称偶因)与异常因素(简称异因)两类。

偶因是始终存在的,对质量的影响微小,但难以除去,如机械振动;异因对质量影响大,但不难除去,如刀具磨损等。

偶因引起质量的偶然波动(简称偶波),异因引起质量的异常波动(简称异波)。

偶波是不可避免的,但对质量的影响微小,异波则不然,它对质量的影响大,且采取措施不难消除,故在生产过程中异波及造成异波的异因是需要监控的对象,一旦发生,应该尽快找出,采取措施加以消除,并纳入标准化,保证它不再出现。

经验与理论分析表明,当生产过程中只存在偶波时,产品质量将形成典型分布,如果除了偶波还有异波,产品质量的分布必将偏离原来的典型分布。

因此,根据典型分布是否偏离就能判断异波即异因是否发生,而典型分布的偏离可由控制图检出,控制图上的控制界限就是区分偶波与异波的科学界限。

休哈特控制图的实质是区分偶然因素与异常因素。

3.4 控制图贯彻预防原则1.应用控制图对生产过程不断监控,当异常因素刚一露出苗头,在未造成不合格品之前就能及时被发现。

例如,在图2.5中点子有逐渐上升的趋势,可以在这种趋势造成不合格品之前就采取措施加以消除,起到预防的作用。

图2.5 点子形成倾向图2.6 达到稳态的循环2.在现场,更多的情况是控制图显示异常,表明异因已经发生,这时要贯彻“查出异因,采取措施,保证消除,不再出现,纳入标准”原则,每贯彻一次这个原则(即经过一次这样的循环)就消除一个异因,使它永不再出现,从而起到预防的作用。

由于异因只有有限个,故经过有限次循环后,最终达到在过程中只存在偶因而不存在异因,图2.6。

这种状态称为统计控制状态或稳定状态,简称稳态。

3. 稳态是生产过程追求的目标,在稳态下生产,对质量有完全的把握,质量特性值有99.73%落在上下控制界限内;在稳态下生产,不合格品最少,因而生产也是最经济的。

一道工序处于稳态称为稳定工序,每道工序都处于稳态称为稳态生产线,SPC就是通过稳态生产线达到全过程预防的。

虽然质量变异不能完全消灭,但控制图是使质量变异成为最小的有效手段。

3.5 两类错误控制图利用抽查对生产过程进行监控,因而是十分经济的,但既是抽查就不可能没有风险,在控制图的应用过程会出现以下两类错误:1.虚发警报错误,也称第I类错误。

在生产正常的情况下,纯粹出于偶然而点子出界的概率虽然很小,但不是绝对不可能发生。

故当生产正常而根据点子出界判断生产异常就犯了虚发警报错误,发生这种错误的概率通常记以α,见图2.7。

2.7 两类错误概率图2.漏发警报错误,也称第Ⅱ类错误。

在生产异常的情况下,产品质量的分布偏离了典型分布,但总有一部分产品的质量特性值在上下控制界之内。

相关文档
最新文档