制程能力分析(06—26).pptVIP

制程能力分析;目 錄;一、工序質量控制 通常要解決兩個問題: 一是過程狀態的穩定,即過程處於統計控制狀態 二是過程具有生產合格品的保證能力 二、過程能力的概念、度量、分析評價 1. 過程能力概念 (1).6M 或稱 5MIE 構成了過程的六大要素,其綜合效果加以量化時,就構成過程能力 ;(2). 過程控制系統圖;(3). 六大因素將各自對產品品質產生影響, 產品/服務量化的結果綜合反應出: σ2 —— 變量概率分布的方差→標準偏差 — 過程能力大小的度量基礎 μ —— 變量之平均值 ;(4). 正確理解 σ、μ 及 X、S ;(5). 正態分布之形成過程 Sample —— Population 標準測量: 少→多→ 群數;(6). 正態分布概率密度函數: 當收集到的數據為計量數據時,質量特性X會是一 個連續性隨機變量,變量的分布便是正態分布,符 合下式:;(7). 6σ應用 概率正態分布之性質在 μ±3 σ 範圍之概率為 0.9973 , 幾乎包含了全部的質量特性值. 所以: 6 σ 範圍被認為是產品品質正常波動的合理的最大幅度,它代表了一個過程所能達到的質量水平,所以過程能力一般用 6 σ 來表示. σ越大 → 過程質量波動越大,過程能力越低 σ越小 → 過程能力越高;2. 過程能力指數 比較評價 : 工序自身實際存在的能力( 質量水平) 6 σ; 給定的技術要求 T ( 公差) 比值 — 衡量過程能力, 滿足工藝技術要求程度指標 — Cp;三、過程能力指數與不合格品率 假定X≧TL為合格品, 那麼XTL時為不合格品, 如圖示 ;假設X ≦ TU 為合格品,那麼 X TU 時為不合格品;假設特性 X 規格為 ( TL , TU ), 當特性值X 在(TL , TU ) 為合格, 那麼 X TL 或X TU 即為不合格品,如圖示:;b). 當M μ 則: P( X TL ) + P( X TU ) 不合 格品主要出現在質量上限;c). 當M μ 則: P( X TL ) + P( X TU )不合 格品主要出現在達不到規格之下限部份;四、正態性檢驗 Normality Tests — Shapiro Wilkes Test 觀察 Shapiro — Wilk Prob W Value 如果: P Value ( 以 Prob w 表示) Prob W 是大於0.05, 則可以認為是正態分布,如果: Prob W 是小於 0.05, 則不認???是正態分布,需作計算機曲線擬合或圖形分析;;;五、過程能力調查 是基于過程處于穩定狀態下,科學計算μ σ, 常用控制圖法和直方圖 A. 直方圖:通過直方圖的分散範圍同公差範圍比較簡便而又直觀地判斷過程能力是否滿足品質要求,也可以按直方圖算得 X 及 S 計算CPK值缺點,直方圖不能看出質量特性值隨時間變化的情況不能反映生產過程的穩定. (樣本中包含了特大或特小的樣品值 S 值較大 CPK降低) B. 控制圖法 通過控制圖確認過程處於統計控制狀態下,以產品質量正常波動的標準偏差σ. 計算數過程能力6 σ. σ通常用 R/d2 來計算 σ= R/d2 因為控制圖繪制過程中反映了較長時間內過程處于穩定狀態的質量波動狀況,排除了系統因素的影響.;六、正態總體假設檢驗 品管經常需要對兩個事物進行比較,如兩種工藝方法生產的產品特性比較,兩批原材料的性能比較,某時刻(批)產品質量與正常母體的差異等,但是,差異是絕對存在的,品管講究的是有無“顯著性差異” 顯著性檢驗就是借助“統計檢驗”的方法判斷兩個事物是否存在差異的一種方法. 1. 顯著性檢驗的一般程序 1. 設置原假設Ho 如Ho:μ μo ; 則Ho 的 備擇假設H1:μ μo 2. 設定顯著水平α 顯著性檢驗的判斷是依據小概率事件原理的判斷,所 謂小概率α是判斷錯誤的概率( 風險度 ). 統計檢驗依據的是小概率原理,即“在一次實驗中小 率事件實際上(不是理論上)是不會發生的”,如果發 生了,則應判定統計檢驗的結果存在顯著性差別:;例:在1000個零件中會有1件不合格品,現在從中隨機抽取1件,則抽到不合格品的概率為0.001, 因此在1000件中只會有1件不合格的假設下, 從中抽取一件就正好抽到不合格品, (不是理論上)實際上是不可能的.