中文SPCVariablesDatav.pptVIP

SPC介绍 SPC的发展历程 1920’s 美国贝尔实验室休哈特博士开始使用控制图; 1940’ s二次世界大战期间,美国军工产品使用抽样方案和控制图以保证军工产品的质量; 1950’ s质量管理大师戴明博士在日本工业产品生产过程中全面推行SPC; 日本JUSE(科学家协会)设置”戴明”奖,奖励那些有效实施统计技术的企业; 1970’ s有效的推行”QC圈”和应用统计技术使日本经济快速发展,成为高品质产品的代名词; 1980’ s美国等其他国家紧随日本的步伐,开始推行”QC小组”和统计技术的运用; Motorola公司颁布”QC挑战”,通过SPC的实施改进过程能力,并提出追求”6Sigma”目标; 1987’ s ISO9000标准建立并颁布实施,明确要求实施统计技术 SPC的基本原理 变差源 有关过程变差的理解 产品的变差性(休哈特对过程变差的观点) ---相同的原材料,设备所生产的制品,其产品的品质特性还存在一定程度的差异。因此如何判定过程是否处于稳定的状态？ --- 在购买新设备或开始进行新产品量产前，如何判定是否处于稳定状态下，是否可以进行验收或进行批量生产； ---新的过程在正式投入使用前； 几个基本的概念 均值（Xbar或u）:n个样本测定值x1,x2,x3……xn平均值； 中位数（X）： n个样本测定值x1,x2,x3……xn，当N为奇数时，将从小到大进行排列，最中间一个数值为中位数，当N为偶数时，中间两数的均值为中位数； 众数（Mo）： n个样本测定值x1,x2,x3……xn，发生次数最多的数值； 极差（R）：为一群体数据中最大值与最小值之差； 标准差（б）：过程输出的分布宽度的度量。 3-Sigma原理 正态分布的性质 1，分布形态对称于横坐标上平均点的垂直线； 2，正态分布的平均数，中位数和众数是一致的； 3，正态分布曲线左右两尾逐渐接近于横坐标，但不与横坐标交叉； 统计过程控制使用的工具 控制图：为主要使用工具,特别适用于大批量生产过程，可以形成节拍生产的模式 统计过程能力的分析（Ppk,Cpk,Cmk） 控制图的好处 供正在进行过程控制的操作者使用 使过程达到: - 更高的质量 - 更低的单件成本; - 更高的有效能力; 为讨论过程的性能提供共同的语言 区别 “特殊原因”和“普通原因”造成的变差,作为采取局部措施或对系统采取措施的指南 控制图要素 建立过程控制限 控制限是 均值+/- 3 倍标准差的统计限 当过程受控时其设置随改进而调整 控制限与规范限无关 定义受控 受控是 一个描述过程变差的统计术语，表示 位于以均值为中心的，上下3倍标准差的区域内 随机性 无明显走向 无明显趋势 无非随机原因变差 测试 1 测试 2 测试 3 测试 6 测试 7 工厂建立统计过程的实施步骤 1，绘制作业过程的流程图，最好包括QC图或控制计划； 2，生产条件和产品特性，决定应使用的质量控制方案； 3，制定或明确各项标准； 4，实施控制方案的相关培训； 5，设计控制图； 6，过程能力的分析； 7，异常原因的追查与纠正活动； 8，过程改善的标准化 控制图的种类和适用场合 控制图 Xbar-R: 均值-极差图 Xbar-R图规则 Xbar-R图(和Xbar-s图)是针对同一子组分类数据的两种独立的图 Xbar图是子组均值的图示 R图是子组极差的图示（S图则是反映子组标准差的图） Xbar-R图对追踪、确定变差偶然原因反应灵敏 基于控制图因素，子组应呈正态分布 建立3倍sigma的过程限 Xbar-R图规则 数据收集（2~5件连续产品，周期抽样） 选择子组大小、频率和数据 建立控制图及记录原始数据 建立均值和极差控制图 计算控制限 过程控制解释 Xbar-R与子组数据 质量控制部门测量560纳米光束通过彩色玻璃制品后的透射百分率 过程受控吗？ 因数据是分子组数据，我们选用Xbar-R图。 制作Xbar-R图 定义Xbar-R图中的UCL和LCL 计算Xbar-R图中的UCL和LCL I-MR: 单值-移动极差图 也叫X-MR图 I-MR图规则 I-MR图是针对相同数据的两张独立的图 I图是反映单值数据的图 MR图是反映与当前值与前一值相差的移动极差图 在子组变差为0或没有子组的情况下使用 破坏性试验 测量值比较一致 I-MR图与单值 制作I-MR图 定义I-MR图中的UCL和LCL 计算I-MR图中的UCL和LCL Control vs. Capability Control – Out-of-Control (GOOD) Control – Off-Target Control vs.