SPC教材课件.pptVIP

了解SPC的历史与发展 了解SPC的目的 了解自然变异和非自然变异 了解普通要因和特殊要因 了解SPC种类 1924年，美国的休哈特博士提出将3Sigma原理运用于生产过程当中，并发表了著名的“控制图法”，对过程变量进行控制，为统计质量管理奠定了理论和方法基础。工业中开始用统计方法代替事后检验的质量控制方法。 二战后，日本从美国请来了戴明，推广控制图的应用。SPC在日本工业界的大力推广应用，对日本产品质量的崛起起到了至关重要的作用； 八十年代以后，世界许多大公司纷纷在自已内部积极推广应用SPC，而且对供应商也提出了相应要求。在ISO9000以及QS9000中也提出了在生产控制中应用SPC方法的要求。 汽车行业发展史伴随质量管理发展史： 判断制程是否稳定的，处于统计过程控制。 发现产生变异的特殊原因，并采取措施以改善制程。 根据SPC提供的信息，对制程采取预防措施，事先消除产生变异的特殊原因，以保证制程处于统计过程控制状态。 简单扼要的来说，用控制图能让我们更加容易发现造成非自然变异的特殊原因并且最小化对自然变异的过敏反应。 在生产过程中，产品的加工尺寸的变异是不可避免的。它是由人、机器、材料、方法和环境等基本因素的变异影响所致。 变异分为两种：自然变异和非自然变异 自然变异是偶然性原因（不可避免因素）造成的。它对产品质量影响较小，在技术上难以消除，在经济上也不值得消除 非自然变异是由系统原因（异常因素）造成的。它对产品质量影响很大，但能够采取措施避免和消除 SPC（统计过程控制）的目的就是消除、避免非自然变异，使过程处于自然变异状态。 在过程中稳定的和随时间重复分布的变差的原因 在稳定系统中的偶然原因 如只有普通要因，过程的输出是可预测的 这时过程可称为处于统计控制状态 可指出的原因： 在过程中不时常发生的变化原因 当发生时，会将整个过程分布改变 除非对所有的变化特殊要因找出和处理，它们会持续以不可预测的方式影响过程输出 中心线模型，对于变量图表的控制上限＆下限 优点: 是其随着时间推移来跟踪过程的能力 SPC是用于观测变异并使用统计信号来监控和/或进行改善的基本工具。该工具几乎可应用于任何领域，如： 设备性能特性 记帐作业的出错率 损耗分析中的报废率 物料管理系统中的中转时间 缺点 必须提供充分的培训 必须正确收集数据 必须正确的计算和标绘所需的统计量（例如：均值，极差，标准差） 必须正确分析图表 所采取的纠正措施必须适当 注意：控制图中的控制限与规格限是不一样的！每个过程可按是否满足过程或产品规格和是否受控分成4类。 最理想的是第一类，过程受控，过程或产品符合要求。 第二类虽然受控，但普通原因的变化大。 第三类过程或产品符合要求，但不受控，必须找出特殊原因。 第四类不受控，过程或产品也不符合要求，普通原因和特殊原因都存在。 要有合格产品（实际变异必须少于设计的规格公差）且过程必须处于统计控制状态，才能令挑剔的顾客满意。 当过程能力CPK=2，达到6 Sigma水平时，制造过程品质保证能力可以放心了。 2.计数值控制图 为计数值的量度（如不合规格品数、客户投诉次数、缺勤率）而制作。有以下几种可以选用： P图 （关于不良品比率） nP图 （关于不良品数） U图 （关于缺陷率） C图 （关于缺陷数图，子群数应固定） 我们对特殊原因所采取的行动是成功使用SPC的关键 SPC代表统计过程控制。不幸的是，大多数公司将其应用于成品而不是过程特性 只有当过程输入因子成为我们努力的焦点时，SPC方法在改善品质，提高生产力，以及降低成本费用等方面的充分能力才得以实现 计量型统计过程控制 计量型控制图 1. I-MR图 （个体和移动极差图） 2. XBar-R图 （均值和极差图） 3. XBar-S图 （均值和标准差图） 计数型控制图 1. P图 （关于不良品比率） 2. np图 （关于不良品） 3. U图 （关于缺陷率） 4. C图 （关于缺陷数图，子群数应固定） n 每组样本数量 X 个别样本数据 X 每组样本的数据平均值 X 所有X的平均值 R 每组样本中数据的极差（最大减最小） R 所有R的平均数 UCL 控制上限，是整体数据中99.73%的上限，不是规格上限。 LCL控制下限，是整体数据中99.73%的下限，不是规格下限。 I-MR图： 个体与移动极差图，也叫X-MR图，子群由单一的测量值组成。 例子：Exh_qc.mtw 历史背景： 当施华德在1920年开发这些控制图时，没有简单的方法来计算出标准差。因此，极差方法就成为SPC应用中根深蒂固的方法。 5.计算控制限 I图：UCL=X+E2