統計過程控制.pptVIP

统计过程控制 6 个西格玛质量的重点是将控制范围转移到工序的上游，以充分利用对工序输入变量特征（关键X）的控制 希望获悉什么信息？ — 关键过程变量（X或Y）在随时间变化吗？（即该过程稳定吗？） 如何观察输出变量？ — 基于实时数据、显示过程变化的图表 存在两种控制图表类型: 变量图表－ 用于监控连续变量值X，如:一个直径或消费者满意度评分。 属性图表－ 用于监控离散变量值X，如:合格产品/次品数量，或存货水平。 X Bar西格玛 （Xbar-S)控制图 用于分析和控制连续 过程变量 能够使用Xbar－S 图 在测量阶段，通过图形显示方式将偏差的特定原因与一般原因分离。 在分析和改进阶段，在完成假设检验之前检查过程的稳定性。 在控制阶段，在改进措施实行后检验过程控制。 要确定“s”的控制限，首先计算每一个分组的“s”值。 下一步计算平均值“S” 确定控制限的上下线。 计算方法基于与平均值图相似的概念，但是较之更为复杂。幸运地是，Minitab可以计算出这些极限范围。 当采样大小增加时，控制限范围缩小。这样可以 提高过程的灵敏度，即提高了探测到变化的概率。 控制图的灵敏度与采样大小的平方根的比例相关。即，采样大小为25的控制图灵敏度 是采样大小为4的2.5倍（5/2）。 根据中心极限定理，分组大小必须大于2。 控制图表可以在测量和分析阶段用于跟踪过程的变化，分析显著的变化并记录。 这个图表代表一个可预测的过程，在该过程中偏差仅受随机偏差的支配。 图中各点的上下跳动是不可预测的，但是它们都趋向于围绕着中心线（然而，不是非常 接近）并且保持在控制极限范围之内。 这种型态是任何控制图的目标，它不一定表明过程的最佳能力，也不一定表明工序能满 足规格要求， 但是，它显示该工序是稳定的。 在偶然情况下，某个因素进入过程 并引起一个突发性的短暂改变。 这个原因可在XBar图中表现为失 控的一束点集，而S图通常并不会 因为这些移动点而受到影响。 有时过程会产生异常现象，其结果是偶然出现一些“奇异点”，它们很明显并不属于基本过程分布的一部分。一个异常点产生过后，该过程恢复正常状态，直到下一个异常点出现。 一种趋向是过程的水平的逐渐 移动，仅仅反应在xBar图表中。 有时原料、测量和人为因素可 能会引发过程趋势，但是这不 大可能。问题通常出现在设备 本身、电源供应、或先前的过 程环境。 如果靠人工进行，Sigma的计算是 非常烦琐的，因此Xbar – R图便成 为人工控制图的首选方法。 单个变量X – 移动极差图适用于分组 内并不存在可测量的偏差的情况（如： 过程温度、压力或其它类似的测量 值），或者适用于合理分组数据不可 得时（由于成本或其它限制因素）。 EWMA 图比其他任何控制图灵敏得多。每个EWMA 图中的数据点都融有前面观察的信息，而且该图经过成形，可以探测到过程中任何大小的变化，这种可编程的灵敏性使 EWMA 成为监控受控过程的优秀工具。 特征值控制图 说明指导 Test Zone 1 ? 1 point above +3 sigma 2 A + 2 out of 3 in A+ or above 3 B + 4 out of 5 in B+ or above 4 C + 7 out of 8 in C+ or above 5 C - 7 out of 8 in C- or below 6 B - 4 out of 5 in B- or below 7 A - 2 out of 3 in A- or below 8 ? 1 point below -3 sigma Test Criteria 概率分布区域 如果以下情况发生，过程处于“失控”状态 Copyright 1995 Six Sigma Academy, Inc.. 分组数 区域测试 A+ A- B+ B- C+ C- 平均值和极差图（Xbar – R） 通过计算分组内数据的极差来显示偏差 （极大 – 极小） 使用A2Rbar得出3s/sqrt(n)的近似值，使用D3和D4乘以Rbar找出极差偏差的控制极限的上下限。 以类似于Xbar – S的方法进行分析。 小心 如果不当地应用于一个具有“组内”偏差的过程时(如上图所示的控制图数据） 所绘之图有时难读、难用。 当跟踪单个测量值时，没有关于短期和长期偏差差异的信息。 单个数据点和移动极值图（XmR） 注意EWMA 的形状， 该图所使用的数据和我们前面连续数据图中的数据相同。我们注意到平均值存在向上的趋势，其中还有均值向下的显著位移。 指数加权移动极差 (EWMA)图表 np p 主要属性图 np - 测量所得的缺陷数量。控制极限