SC知识培训.ppt

SPC Training 什么是SPC Statistical: （统计）以概率统计学为基础，用科学的方法分析数据、得出结论； ——使用数据分析 Process： （过程）有输入-输出的一系列的活动；——分析研究过程 Control： （控制）事物的发展和变化是可预测的；——作出调节和行动 变化是质量的敌人 质量与变化成反比 质量改善就是持续减少 产品设计和制造过程的变化 变化的来源 不良的设计 不稳定的来料质量 能力不足的过程 产品生产中的变化源 机器 测量 材料 人 加工方法 制造环境 其他 产品生产中的变化的类型 产品内的变化 产品间的变化 批与批间的变化 生产线与生产线间的变化等 生产过程中变化的分类 普通原因变化 特殊原因变化 普通原因变化 过程固有的变化 主要由产品和过程的设计所决定 过程中所存在的变化，有85%是普通原因变化 特殊原因变化 外部条件对正常过程操作作用的结果 只需对影响的外部条件采取行动即可消除 过程中所存在的变化，仅有15%是特殊原因变化 变化的测量（中心趋势） 均值（μ，Xbar); 反映所有数据 受某些极端值影响 中值(M) 不包括所有数据 变化的测量（离散度） 极差(R) 变差(σ2, s2) 标准偏差(σ ,s) 常见数据类型 计量型数据 计数型数据 计量型数据 可以无限细分，取值连续变化的数据 尺寸（长，宽，高，等） 重量 温/湿度 电压/电流等 计数型数据 间断取值，不连续变化的数据 产品不合格数 产品缺陷数 客户投诉数 违反某项规定的人数等 课程内容回顾 从数据中寻找规律 直方图 一个实例： 某工厂接收了一批外协厂制造的青铜轴承用于生产一种重要的仪器。但该厂不能信任生产这些轴承厂家的工作，决定对供应商提供的轴承进行分析。 这些轴承的关键特性是它们的内径，其规格为1.376±0.010英寸。 现抽取了100个青铜轴承，对它们的内径进行仔细的测量，并记录了测量结果。 100个青铜轴承内径的测量值如下表： 回答 数据列表不能表达出任何有实际意义的东西(Virtually Nothing)！ 必须对数据进行进一步分析。 图形可以帮助我们将数据转换成信息。 能否接受这批产品？ 与目标值相比较： 平均值：1.3773 与规格界限相比较： 极差（最大值-最小值） =1.383-1.370=0.013 数据分布的更进一步的信息： 数据分成10组后，落在每个区间 内的数据个数： 制作频数分布表 绘制直方图 分析直方图 与规格限1.366~1.386进行比较，所有的测量值都在其范围内（而且在+/-3S的范围内）。 分布基本上是对称的，有一点点向右偏斜，但不严重。 所以该厂决定接收这批青铜轴承。 建议：轴承的加工中心应该左移； 直方图告诉我们 数据分布的中心位置(Average)在哪里？ 数据分散程度(Spread)如何？ 数据分布的形状(Shape)怎样？ 理想情况：正态曲线 正态曲线的特征 曲线关于μ对称； 当x=μ时取到最大值； X离μ越远，f（x）的值越小； μ不同(均值) σ不同(标准差 ) 正态曲线 分析直方图举例： 建立一个直方图 收集整理数据 定组数 N 算极差 R 定组距 I 定各组界限 确定组的中心点 制作次数分布表 制作直方图 分析 直方图的作用 显示数据的分布特征 指出采取措施的必要 观察采取措施后的效果 比较和评估设备、供应商、物料等 评估过程的能力 课程内容回顾 控制图 控制图原理： 1） 3 σ原理： 若变量X服从正态分布,那么,在 ±3σ 范围内包含了99.73% 的数值。 2） 中心极限定理： 无论产品或服务质量水平的总体分布是什么，其 的分布（每个 都是从总体的一个抽样的均值）在当样本容量逐渐增大时将趋向于正态分布。 质量特性分类 计量值(variable)：定量的数据；值可以取给定范围内的任何一个可能的数值 。 计数值(Attribute)：定性的数据；值可以取一组特定的数值,而不能取这些数值之间的数值 。 计件型 计点型 控制图的分类 选择合适的控制图 课程内容回顾 一个实例 （一） 一台自动螺丝车床已经准备好了加工切断长度的图纸公差为0.500±0.008英寸的螺栓。 频数分布在进行调整期间已经完成，分析结果表明进行一段时期加工生产的开端是可以令人满意的。 为了分析和控制加工过程中螺栓的质量，现决定采用均值极差控制图进行监控。 按如下八个步骤进行： 一个实例（二） 步骤1：选择质量特性 螺栓的切断长度至关重要 步骤2：按合理的计划来搜集数据 每小时抽取5个产品作为一个样本