质量过程控制及改善培训课件.pptxVIP

单 位：　力诺太阳能集团 姓 名：　李哲;培训目标;学习方法技巧 ;;运行图概念： 所有过程中都会发生变异。常规原因变异是过程中正常的一部分。另一种类型的变异（称为特殊原因）来自系统外部，并导致数据中可识别的模式、偏移或趋势。运行图显示特殊原因是否正在影响您的过程。当只有常规原因影响过程输出时，过程受控制。运行图执行两种随机性检验，提供有关因趋势、振动、混合和聚类引起的非随机变异的信息。 ;;帕累托图概念： Pareto 图 是一种条形图，帮助您确定哪些问题最重要，以使您可以集中改进可获得最大收获的领域。其中水平轴表示所关注的类别，而非连续尺度。类别通常是缺陷 。通过从大到小排列条形 ，Pareto 图可帮助您确定哪些缺陷组成“少数重要”，哪些缺陷为“多数琐碎”。累积百分比 线条帮助您判断每种类别所加入的贡献。Pareto 图可帮助着重改进能获得最大收益的方面。 ;;因果图概念： 因果 （或鱼骨）图描述问题的潜在原因。右侧显示问题（效应），左侧以树状结构显示原因的列表。树的分支常常与原因的主类别相关联。每个分支都列出该类别中的更多具体原因。您还可以向任何分支中添加子分支。鱼骨图是一种方便地组织问题原因的相关信息的工具。 尽管没有构造鱼骨图的“正确”方法，但某些特定的类型本身就很适合于许多不同的情况。这些类型之一是“5M”图，这样称呼是因为分支上的五个类别都以字母 M 开头（“人员”也称“Man”）。;;;控制图概念： 可以使用控制图跟踪一段时间内的过程统计量并检测是否存在特殊原因。 · ?控制图的结构 质量特征 样本编号（或时间 ） 控制上 中心 控制下限 特殊原因所导致的变异可以检测并受控制。示例包括设备、班次或天数的差异。而另一方面，常规原因变异是过程中所固有的。当只有常规原因（而非特殊原因）影响过程输出时，过程即受控制。 当点落于控制限制的界限之内，且这些点未显示出任何非随机模式时，过程即受控制。;;;;;;;;;;;;解释结果 P 控制图表明有 1 个点不受控。累积缺陷百分比控制图 显示整体??陷品率的估计值似乎停留在 22% 左右，但需要收集更多数据对此加以验证。缺陷品率似乎不受样本大小的影响。过程 Z 大约为 0.75，非常差。此过程可能需要进行大量改进。;解释结果 U 控制图 表明有 3 个点不受控制。累积 DPU 控制图 （每单位的缺陷数 ）停留在值 0.0265 附近，表明收集的样本足以很好地估计 DPU 平均值。DPU 的比率似乎不受电线长度的影响。; Cp、Cpk、Pp 和 Ppk 统计量是潜在和整体能力的度量。由于将过程信息简化为一个数字，因此可以使用能力统计量对一个过程与另一个过程比较其能力。在实践中，许多人将 1.33 视为过程能力统计量的最小可接受值。小于 1 的值表明过程变异比规格展开要宽。要了解和解释能力统计，请使用以下信息作为指导。 使用能力统计量可以监视并报告一段时间内系统的改进情况。能力统计量的解释因对分析所使用的分布而异。对于： 正态分布： ·????Cp 和 Cpk - Cp 不考虑过程平均值相对于规格限的位置。Cpk 指数度量的与过程展开相比，过程运行接近其规格限的程度。仅当您满足目标值 （未指定目标值时为过程平均值）且变异最小时，Cpk 才较高。例如，过程在执行中可能变异最小，但远离目标（或过程平均值）并接近规格限之一，这样会导致 Cpk 较低而 Cp 较高。 ·????Pp 和 Ppk - Pp 和 Ppk 的解释方式分别与 Cp 和 Cpk 相同。 ·????Cpk 与 Ppk - 使用整体变异来计算 Ppk。子组 间变异和子组内变异都对整体变异有所贡献。计算 Cpk 时使用子组内变异，而不使用子组间的偏移和漂移。Ppk 针对整个过程。如果 Cpk 与 Ppk 相同，则整体标准差与子组内标准差近似相等。 ·????Cpm - 指定了目标值时， 计算 Cpm。使用 Cpm 评估过程是否以目标为中心。 Cpm 指数越高，过程越好。如果 Cpm、Ppk 与 Pp 相同，则过程平均值与目标值相同。 非正态分布： 基于非正态分布的能力指数可按照与基于正态分布的指数相同的方式来解释。比较 Pp 和 Ppk 以评估过程中位数是否接近于规格中点。如果 Pp 大于 Ppk，则过程中位数将远离规格中点并接近于规格限之一。;解释结果 通过拟合优度检验结果和概率图来识别和选择数据分布。 拟合优度检验 - 该表包括 Anderson-Darling (AD) 统计量 以及分布的对应 p 值。对于临界值 a，大于 a 的 p 值表明数据服从该分布。大于 0.25、0.