SPC-NP学习精要.ppt

统计过程控制 SPC Statistical Process Control SPC的产生 工业革命以后， 随着生产力的进一步发展，大规模生产的形成，如何控制大批量产品质量成为一个突出问题，单纯依靠事后检验的质量控制方法已不能适应当时经济发展的要求，必须改进质量管理方式。于是，英、美等国开始着手研究用统计方法代替事后检验的质量控制方法。 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。 SPC的作用 确保过程持续稳定、可预测。 提高产品质量、生产能力、降低成本。 为过程分析提供依据。 区分变差的特殊原因和普通原因，作为采取局部措施或对系统采取措施的指南。 SPC常用术语解释 SPC常用术语解释 SPC常用术语解释 正态分布 假如对一个要求长度为20.30的零件进行测量，共测量75次，得到的数据范围如下，对次数比例的统计直方图如下页所示： 正态分布 正态分布 正态分布 这条曲线就称为正态分布曲线，正态分布函数： 正态分布的参数 正态分布由2个参数决定： 即总体均值：μ(常用样本均值Xbar来估计) 正态分布的重要特性 正态分布的图形特点是中间高、两头低、左右对称并延伸至无限。 根据正态分布的中心极限定理，当样本大小n?4或5时，无论X是否服从正态分布，Xbar都近似服从正态分布； 只要X的总体分布不是太不对称，子组极差R的分布就没有太大的变化。 正态分布的重要特性 若X服从正态分布，X落在μ ± 3σ之间的概率为99.74%，在实践中我们认为这是“实际上的必然事件”。 X≤ μ ± 3σ是必然事件，是在普通原因作用下必然会发生的事情，当X超出了这一范围，就说明有特殊原因出现。 在实际中我们就利用这一原理来判别生产是否出现了异常。 控制图 将正态分布曲线顺时针旋转90度，画上中线(Xbar线)和± 3σ线，并略去曲线。将点X描在图上就成了控制图。 控制图的类型 均值和极差图：Xbar-R 均值和标准差图：Xbar-S 中位数和极差图：x~-R 单值和移动极差图：X-MR 不合格品率（不合格品数/样本数）图：p 不合格品数（样本恒定）图：np 不合格数（缺陷数，抽样量恒定）图：c 单位产品不合格数（缺陷数/抽样量）图：u 控制图的选择 控制图的选择 控制图的分类 分析用控制图 制造过程分析用 过程能力研究用 过程控制准备用 控制图选择练习 Xbar-R图 作图前的准备： 建立适合于实施的环境，提供必需的资源； 定义过程； 确定作图特性； 定义测量系统； 使不必要的变差最小； 记录相关事件。 Xbar-R图 收集数据： 子组大小：选择连续生产的4到5件产品组合； 子组频率：应充分考虑人、机、料、法、环； 计算控制限：在计算控制限时，应满足下述二个条件： 至少100个数据 至少25个子组。 Xbar-R图 初始控制图： 将尺寸公差作为控制限： 收集25组数据； 计算Xbar和R： 计算Xbarbar和Rbar: 计算控制限： Xbar-R图 Xbar-R图异常判断 超出控制限的点(R图超下限说明分布变好)； 连续7点位于中心线一侧，但对于R图来说，7点位于中心线下侧是过程变好的表示； 连续7点上升或下降，但对于R图来说，连续7点下降表示过程变好； 大约2/3的点应落在μ±σ区域内； 连续的3点、7点或10点中至少有2点、3点或4点落在μ±2σ之外； 连续的11点、14点、17点或20点中至少有10点、12点、14点或16点在中心线一侧。 局部措施和系统措施 1 局部措施 通常用来消除变差的特殊原因 通常由与过程直接相关的人员实施 通常可纠正大约15%的过程问题 2 对系统采取措施 通常用来消除变差的普通原因 几乎总是要求管理措施，以便纠正 大约可纠正85%的过程问题 Xbar-R图：过程改进 对控制图上出现的异常进行原因分析，提出并采取纠正和预防措施，重新计算控制限在重新计算控制限时应去掉措施采取前的数据； 不断发现异常原因并采取措施，对过程持续改进，直至Cpk≥1.33。 持续改进 过程能力指数 过程能力是指过程的加工质量满足技术标准的能力。常用过程能力指数用Cp或Cpk表示，通常要求Cp或Cpk≥1.33。 过程能力指数 注：T为公差范围，M为公差中心 过程能力指数 QS9000中Cpk的计算方式： 上限能力指数：