统计过程控制
- 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)。
SPC(Statistical Process Control)
统计过程控制
一、统计过程控制的基本概念
⒈ 统计的概念
统计( Statistical ,简称 S ):有目的地收集数据、整理数据、并使用相应的方法制图,列表与分析数据 的过程。 ⒉ 过程 (Process ,简称 P ) :
在 ISO9000:2000 版中,过程的定义是一组将输入转化为输出的相互关联和相互作用的活动。
⒊ 控制( Control ,简称 C ): 所谓控制就是通过对图表与数据的分析研究,对过程的异常采取相应的措施进行监控的一种持续改进 的活动。
⒋ 统计过程控制( SPC )的涵义:
统计过程控制( Statistical Process Control ,简称 SPC )是为了贯彻预防原则,应用统计技术对过程中的 各个阶段进行评估与监察,建立并保持过程处于可接受的并稳定的水平,从而保证产品和服务符合 规定的要求的一种技术。
统计技术涉及数理统计的许多分支,但 SPC 中的主要工具是控制图。因此,要想推行 SPC 必须 对控制图有一定深入的了解,否则就不可能通过 SPC 取得真正的实效。 ⒌ SPC 的特点:
① 强调全员参与,而不是只依靠少数质量管理人员; ② 强调应用统计方法来保证预防原则的实现;
③ SPC 不是用来解决个别工序采用什么控制图的问题, SPC 强调从整个过程、整个体系出发来解决 问
题。 SPC 的重点就在于 P (Process ,过程)。
⒍ SPC 的常用工具:
① Cpk :工程能力指数 ② QC 旧七大手法 ③ 管制图
、控制图的形成原理 将通常的正态分布图转个方向, 使自变量增加的方向垂直向上, 将μ、μ+3σ和μ-3σ 分别标为 CL 、 UCL 、和 LCL ,这样就得到了一张控制图。
三、控制图在贯彻预防原则中的作用
按下述情形分别讨论 :
情形 1:应用控制图对生产过程进行监控,如出现图中的点子上升趋势,显然过程有问题,故异因刚 一露头,即可发现,于是可及时采取措施加以消除,这当然是预防。但在现场出现这种情形是不多 的。
UCL
CL
LCL
情形 2:更经常地是控制图上点子突然出界,显示异常。这时必须查出异因,采取措施,加以消除。 控制图的作用是:及时告警。只在控制图上描点,是不可能起到预防作用的。必须强调要求现场第一线 的工程技术人员来推行 SPC ,把它作为日常工作的一部份,而质量管理人员则应该起到组织、协调、监 督、鉴定与当好领导参谋的作用。
状态Ⅰ:统计控制状态和技术控制状态同时达到,最理想;
状态Ⅱ:统计控制状态未达到,技术控制状态达到; 状态Ⅲ:统计控制状态达到,技术状态未达到; 状态Ⅳ:统计和技术控制状态均未达到,最不理想。
从上表看,从Ⅳ达到Ⅰ的途径有两条:Ⅳ Ⅱ Ⅰ或Ⅳ Ⅲ Ⅰ
① 从 CP 值上讲,应先达到Ⅲ,但有时为了达到更加经济,宁可保持在状态Ⅱ也是有的; ② 一般来讲,在生产的未道工序一般以保持状态Ⅰ为宜。 四、
分析用控制图和控制用控制图
1、控制用控制图的含义: 一道工序开始应用控制图时,几乎总不会恰巧处于稳态,也即总存在异因。
如果就以这种非 稳定状态下的参数来建立控制图,控制界限之间的间隔一定较宽,以这样的控制图来管理未 来,将会导致错误的结论。因此,一开始总需要将非稳定的过程调整到稳态,这就是分析用 控制图阶段。等到过程调整到稳态后,才能延长控制图的控制线作为控制用控制图,这就是 控制用控制图阶段。
2、分析用控制图
分析用控制图主要分析以下两个方面: ⑴所分析的过程是否处于统计控制状态?
⑵该过程的过程能力指数 Cp 是否满足要求?维尔达( S.L.Wierda )把过程能力指数满足要求 的状态称作技术稳态。 由于 Cp 值必须在稳态下计算,故须先将过程调整到统计稳态,然后再调整到技术控制状 态。(转附页 1)
分析用控制图的调整过程即是质量不断改进的过程。
UCL
CL
LCL
控制图。由于后者相当于生产中的立法,故由前者转为后者时应有正式交接手续。
进入日常管理后,关键是保持所确定的状态。经过一个阶段的使用后,可能又会出现新的异常,这
时应查出异因,采取必要措施,加以消除以恢复统计过程控制状态。
五、统计数据及其分类数据是统计技术的基础,学习统计技术首先要了解数据。
㈠数据的分类:
大体上可分为两类:计量型数据和计数型数据计量型数据是指那些作为连续量测得的质量特性值,如长度、重量、强度、化学成分、时间、电阻等。
计数型数据是指按个数数得的非连续性取值的质量的特性值,如元件的疵点数、统计抽样中的不合格判定数、审核中的不合格项数等可以用0、1、2⋯等阿拉伯数字一直数下去的数据。计数型数据还可进一步区分为计件数(如不合格数)和计点数(如疵点数)将这些数据换成比率后的数据也是计数数据。
两类数据的差别,决定了数据所反映的统计性质和数据处理的不同方法。例如:计量型数据属连续概率分布,最典型的是正态分布;而计数型数据属离散概率分布,最典型的是二项分布和泊松分布。
㈡统计数据的特性值
1、数据的位置特性值表示数据位置特性(中心趋向)的值有平均值、中位值、中值及众数等。
⑴ 平均值X 如果从整体中抽取一个样本,得到一批数据X1 X2 X3⋯⋯Xn 则样本平均值为
1
X = (X1 + X2+⋯+Xn )
n
⑵ 中位值
有时为了减少计算,将数据X1 X2 X3⋯⋯Xn按大小次序排列,用居正中的那个数(当数据个数为奇数时)或中间两个数的平均值(当数据个数为偶数时),表示数据的整体平均水平。
⑶ 中值M
测定值中的最大值Xmax 与最小值Xmin 的平均值,用M 表示
X max X min
M=
2
⑷ 众数在用频数分布表表示测定值时,频数最多的是值即为众数。若测定值按区间作频数分布
时,频数最多的区间代表值(一般用区间中值)亦称众数。
2、数据的离散特性值仅有一个反映数据位置的特性值是不够的,还必须有一个反映数据离散程度变
即变异程度的特性值。经常使用的离散特性值,包括极差(R)、偏差平方和(S)、无偏方差
S2和标准偏
差s 等。
⑴ 极差(R )