统计过程控制原理SPC原理.PPTVIP

统计过程控制原理（SPC原理） 影响质量的两个方面 设计出来的质量 对产品的性能、参数等的界定（QFD、VE等） 产品零部件及工艺过程对产品的影响（公差分析、DOE、田口方法等） 产品可能的失效（FMEA、FTA等） 生产出来的质量 生产出来的质量 影响生产出来的质量的两个种波动 正常波动和异常波动 对生产过程进行控制的方法 SPC——统计过程控制 SPC 是一种借助数理统计方法的过程控制工具 原始数据的采集 统计分析的方法 控制图是SPC中最重要的工具 工序能力指数（Cpk）是衡量工序满足工程技术规范能力的方法 数据的分类 计量型数据 尺寸、温度、湿度、频率、压力、电流…… 数据大多是连续的、带有量纲的 计数型数据 个数、比例等：如合格率、缺陷数等 往往是没有量纲的 例子： 蒸馏水中细菌的含量是计数型 胶水的固含量是计量型 生产中的计量型数据 例子——生产中采集到的某产品的f0 生产中的计量型数据 例子——f0的分布（以直方图表示） 生产中的计量型数据 从图中我们可以看到什么？ 分布的中心 大约是300 分布的形状 接近正态分布 分布的宽度 大约从255~355 正态分布 如果数据足够多，分组足够多，可以看到以上直方图显示的分布近似成一连续的曲线 将直方图近似成连续的曲线的目的是为了方便地使用数学模型进行处理 分布 分布图中横坐标的意义 代表分布的区域 分布图中纵坐标的意义 代表在某区域内出现的次数 在归一化后成为在某数值区域出现的概率 正态分布 常见的数据分布 正态分布 正态分布曲线 特征： 左右对称 连续的 生产中常见的计量型数据大都可近似为正态分布 在一个样本空间抽样，无论该样本空间如何分布，只要抽样样本数足够大时，样本的平均为正态分布 正态分布 正态分布的数学表达式 正态分布 从样本中估计均值 从样本中估计均方差 正态分布的应用——Ppk和Cpk 正态分布的应用——Ppk和Cpk Ppk和Cpk的物理意义 正态分布的应用——Ppk和Cpk 从Cpk和Cpk可以估计超出工程规范的概率 正态分布的应用——Ppk和Cpk Ppk和Cpk的区别 短期/长期 正常情况下PpkCpk 在QS-9000中规定 正态分布的应用——Ppk和Cpk 对超出工程规范的概率的估计 超出下限 超出上限 实际应用中直接查正态分布表 问题 在知道 的情况下如何估计超出工程规范？ 正态分布的应用—— 正态分布的应用—— 正态分布的应用—— 初始研究 对数据的要求 试算控制线 确定控制线 典型的计量型控制图 正态分布的应用—— 正态分布的特性 对称，中值、众数、均值相等 在一个样本空间抽样，无论该样本空间如何分布，只要抽样样本数足够大时，样本的平均为正态分布 3σ 控制 小概率事件 第一类和第二类错误 选择α、β ，质量成本 正态分布的应用——其它常用的计量型控制图 计数型数据（1） 不合格数与不合格率 例子： 一批产品的不合格率为p，现抽取n个产品，求正好抽到m个不合格的概率，以及抽到不多于m个不合格品的概率。 答案： 二项分布 二项分布 二项分布 特点： 只有两种状态，两种状态出现概率的和为1。 应用：主要用于计数型的抽样 合格/不合格 通过/不通过 以二项分布为基础的控制图 p图 用于对不合格率进行控制 控制线 np图 用于对不合格数进行控制 控制线 二项分布的其他应用 计数型抽验方案 决定计数型抽取样本的数目 分析特定计数型抽验方案的风险 案例 为什么我公司QA对成品抽验时对f0的抽样数目和纯音的抽样数目不一样？ 计数型数据（2） 单位数量产品上的缺陷数符合泊松分布 泊松分布的概率 泊松分布的均值和方差 泊松分布的均值和方差均为λ 当样本空间足够大，而np足够小时，二项分布趋近于泊松分布 泊松分布 例子 假设每1000只盆架中平均存在13个喷涂不良的斑点，现在生产过程中抽取100只盆架，问发现不多于1个斑点的概率 答案： 以泊松分布为基础的控制图 C图 控制线（ 为缺陷数） U图（U为总缺陷数，n为抽样的单位数） 控制线 U图和C图的关系类似p图和np图 读解控制图 生产过程的四种状态 控制图的判断准则 判定控制图的原则 控制图上的点不超出控制线 控制图上的点的排列分布无缺陷 控制图的判断准则 控制图上的点不超过控制线 控制图的控制线是设置在分布的3SIGMA处，超过控制线的概率为0.27%（即α=0.27%） 至少有25点不超出控制线才能认为过程处于受控状态 连续35点中仅有1点超出控制线，或连续100点中最多有2点超出控制线也可认为处于受控状态 控制图的判断准则 控制图上的点排列分布的缺陷类型 链：连续在CL同侧的点 偏离：较多的点出现在控制线一侧 倾向：连续若