SPC技术中涉及的基本概念.pptVIP

第一部分 QC七大手法： 查檢表 层别法 柏拉图法 特性要因图法 散布图 直方图 管制图 SPC發展歷程 SPC的基本觀念 數據 VS 事實 就是根據測量所得到的數值和資料等事實. 因此形成數據最重要的基本觀念就是:數據=事實 數據的種類 A.定量數據： 長度、時間、重量；(計量值) 缺點數、不良品數；(計數值) B.定性數據： 人的感覺判斷 收集原始數據 我們必須定義許多潛在而有用的變量 我們篩選這些變量至一個能呈現動態特性的範圍內 我們把要量測的這些變量定義清楚 我們定義適當的抽樣數量 我們規劃蒐集資料的方法(如何蒐集？) 我們分析與驗證我們的量測系統 =接著我們就開始蒐集資料吧！ 定義 主要統計學名詞 第二部分 SPC變異、應用 管制指標的計算 圖形分析(計數值) 變異來源 SPC的假設 SPC是一種用來分析資料的科學方法，並且利用分析結果來解決實際的問題。 只要問題能以數字表示，就可以應用SPC來分析。 SPC的假設條件 產品品質特性均是由偶然因素所造成 某些「偶然因素下的一致現象」，是任何製造和檢驗的架構下所固有的 在這 “一致現象” 下的變動將無法找到原因 在該狀態外的變動原因，則是可被發現而加以改正的。 不可歸咎變異與可歸咎變異； 穩定制程：產品品質特性的變異是在可預測的統計控 制范圍之內； 不穩定制程：產品品質特性的變異無法以統計方法來預測； 管制狀態的存在，可以得到下列實際利益 ---顧客、供應商 生產製程中各單位間的變異將為最小　　　 判斷品質的基礎，並具有最大的可信度,降低了檢驗費用 預測產品良率，並有最大的準確度　　　 提供改變規格界限以獲得實際利益的依據　 供應商的管制証明作為顧客接收產品的根據 X bar、Me、Mo、R的計算 平均數(X bar) X=(x1+x2+……x n)/N 中位數(Me) 將數據從小到大或大至小依次排列，位居中央的數稱為中位數； 眾數(Mo) 一群數據中，出現次數最多的數，稱為眾數； 全距(R) 一組數值中最大值與最小值之差，稱為全距； R=Max-Min S、V(X)、σ的計算 平方和(S) 各數值與平均值之差之平方總和；S=Σ(X-X)2 變異數[V(X)] 平方和除以數據個數n； V(X)=S/n 標准差(σ) 變異數之開方； σ=√V 規格界限與管制界限 規格界限：判定一單位產品合格與否的準則； 管制界限：決定一個製程是否受到值得加以鑑定的變異原因所干擾；對每組平均數的超限與否進行管制； 常用统计分析工具 Cp製造潛力 (Cp　Process potential) Cp(製程潛力)是一項有關製程之指數，為容差範圍對六個Sigma離勢之比率。Cp值計算，應于製程已達于統計之管制狀態中時為之。 Cp= USL-LSL 6σa (雙邊規格) USL與LSL分別代表「工程規格」的上限與下限。應知此一公式會受到雙邊規格的限制:亦即，上下限都已經被指定了。設若某一邊規格附加了某些特性，則能力指數或許應改為： C p u= USL-μ 3σa (單邊規格上限) C p l= μ-LSL 3σa (單邊規格下限) 或 Cp等級之解說 等級評定後之處置原則(Cp等級之處置) A級:此一製程甚為穩定，可以將規何許容差縮小或勝任更精密之工作。 B級:有發生不品之危險，必須加以注意，並設法維持不要使其變壞及迅速追查。 C級:檢討規格及作業標準，可能本製程不能勝任如此精密之工作。 D級:應採取緊急措施，全面檢討所有可能影響之因素，必要時應停止生產。 以上也是與Ca一樣，僅是一些基本原則，在一般上Cp如果不良時，其對策方法是技術單位為主，製造單位為副，品管單位為輔。 Cpk – 製程能力製程能力指數(綜合指數) Cpk是總合Ca(k)和Cp二值之指數，其計算式為: 當Ca =0時，Cpk =Cp；單邊規格時，Cpk即以Cp值計，但需取絕對值。 Cpk – 精確度製程能力指數(綜合指數) Cpk = (規格上限 – Xbar ) / 3σa 或 ( Xbar - 規格下限 ) / 3σa 兩者取小值 PP 初期製程潛力 (PP Preliminary process potential) 定義PP： Pp 初期製程潛力，為一項類似于Cp之指數；但本項指數之計算，是以新