.APQP培训教材..ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 6.不合格品数的np 图 何时使用 np 图 当数据为计数型数据时（一种可以计数的属性）。 更重要的是，当您必须了解正在检验的一组产品中不合格品的数量时。 当各子组样本容量均相等时。 * 计算np 图的方法 确定子组 的容量，通常为50 个零件。 确定检验的频率。 收集数据。 确定该子组 中不合格品的数量。 在 np 图上记录有缺陷的零件数量。 在 np 图上描绘该数据。 6.不合格品数的np 图 * 计算 np 图控制线的示例 其中k为子组数，n为这些子组 的样本容量。 6.不合格品数的np 图 * 7.不合格数的 c 图 何时使用 c 图 当数据为计数型数据时（一种可以计数的属性）。 当不合格是分布于整个产品时，如油漆部件上的缺陷数，装配工序上的缺陷数等。 当不合格现 象可从多个来源发现，或由多种原因造成时。 * 计算 c 图的方法 确保检验样本的容量都相等，如零件的数量，规定的面积或体积。 确定检验频率。 确定在该样本上发现的不合格数。 把该不合格数记录在 c 图上。 在 c 图上描绘该数据。 7.不合格数的 c 图 * 计算 c 图控制线的示例 其中 k 为子组 数。 7.不合格数的 c 图 * 8.单位产品不合格数的u 图 何时使用 u 图 当数据为计数型数据时( 一种可以计数的属性 )。 在样本容量不等的情况下，当不合格数的情况分布于整个产品时（如油漆零件的缺陷数，装配工序的缺陷数） 当不合格现象可从多个来源发现，或由于多种原因造成时。 * 8.单位产品不合格数的 u 图 计算 u 图的方法 定义检验内容。 确定检验频率。 确定在该样本上发现的不合格数。 以样本容量除以所发现的不合格数。 在 u 图上记录不合格的比率。 在 u 图上描绘此数据。 * 8.单位产品不合格数的 u 图 计算 u 图控制线的示例 其中 c1, c2 等为单位产品的不合格数，n1, n2 等为相应的样本容量。 * 控制图的分析 应用控制图对生产过程不断监控，当异常因素刚一露出苗头，在未造成不合格品之前就能及时被发现。如下图中点子有逐渐上升的趋势，可以在这种趋势造成不合格品之前就采取措施加以消除，起到预防的作用。 异常点 * 异常的消除 在现场，更多的情况是控制图显示异常，表明异因已经发生，这时要贯彻“查出异因，采取措施，保证消除，不再出现，纳入标准”原则，每贯彻一次这个原则(即经过一次这样的循环)就消除一个异因，使它永不再出现，从而起到预防的作用。由于异因只有有限个，故经过有限次循环后， 最终达到在过程中只存在偶因而不存在异因，这种状态称为统计控制状态或稳定状态，简称稳态。 * 两类错误 1.?? 虚发警报错误,也称第I类错误。在生产正常的情况下,纯粹出于偶然而点子出界的概率虽然很小,但不是绝对不可能发生。故当生产正常而根据点子出界判断生产异常就犯了虚发警报错误,发生这种错误的概率通常记以α,见图2.7。 * 第Ⅱ类错误：漏发警报错误 2.在生产异常的情况下,产品质量的分布偏离了典型分布,但总有一部分产品的质量特性值在上下控制界之内。如果抽到这样的产品进行检测并在控制图中描点,这时根据点子未出界判断生产正常就犯了漏发警报错误,发生这种错误的概率通常记以β 第一种错误与第二种错误(α risk ;β risk) 15 * 3σ方式 长期实践证明, 3σ方式即 UCL=μ+3σ CL=μ LCL=μ-3σ 是两类错误造成的总损失最小的控制界限，μ为总体均值，σ为总体标准差,此时犯第 I类错误的概率或显著性水平α=0.0027。 注意: 在现场,把规格作为控制图的控制界限是不对的。规格是用来区分产品合格与不合格,而控制图的控制界限是用来区分偶然波动与异常波动,即区分偶然因素与异常因素的。利用规格界限显示产品质量合格或不合格的图是显示图,现场可以应用显示图,但不能作为控制图来使用。 * 控制图的判定原理 在生产过程中，通过分析休哈特控制图来判定生产过程是否处于稳定状态。 休哈特控制图的设计思想是先确定第I类错误的概