统计过程控制SPC.完整版资料.ppt

统计过程控制;有关SPC的问题讨论 1.是否可以将规格限作为控制限使用? 2.同一生产线/设备实施小批量同系列不同规格的产品生产,是否适合采用SPC? 3.对某特性值的控制若采用自动反馈系统控制,批量生产中是否需要采用SPC? 4.单侧公差(望大/望小),目标值不位于公差的中心时,如何计算过程能力指数? 5.SPC和MSA是否应结合起来使用,当测量系统的变差未满足接收准则时,是否影响过程能力的研究? 6.初始能力研究应使用Cpk还是Ppk？ 7.初始能力研究结果报告Cpk＞2.5，是否在批量生产过程中还要使用SPC ？ ; 应用统计技术对过程中的各个阶段进 行监控和诊断，确保建立并运行一个稳 定有效的过程，从而达到改进和保证产 品质量的目的。;输入原辅材料 的技术规范; ;本过程每小时连续测量5件，连续四小时显示零件偏下限（16—19点），因此操作工调整过程参数，造成过度调整。16—19点时段生产的???件特性是过程的随机误差，非特殊原因造成，若不作过程调整，20点时段的零件特性也会偏上限，由于调整的叠加量导致下一阶段的零件特性超上控制限（甚至超上公差）。 ;产品质量特性的统计规律取决于过程输入诸要素(过程变量); 用来表示随机现象结果的变量称为随机变量，常 用大写字母X，Y，Z等表示随机变量，随机变量的取 值常用字母x，y，z等表示。; 随机变量的取值是随机的，但其存在统计规律，即数据的分布： （1）X 可能取哪些值，或在哪个区间上取值。 （2）X 取这些值的概率是多少，或在任一小区间上取值的概率是多少？ 离散随机变量的分布 可用分布列表示。如某一线路板的缺陷（随机变量X）存在 x1，x2，…x10种缺陷(x0表示无缺陷)，通过对1000件缺陷产品 的统计， x0的概率为p0， x1的概率为p1， … x10的概率为p10， 可下列表表示： ;连续随机变量的分布 将横轴作为被测特性X的测量 值，将纵轴作为单位特性上的频 率，通过测量值x的累积，就能形成 一定的图形，若被测特性愈多，这 个图形就愈稳定，将该图形显现出 来的一条光滑曲线称为该特性的概 率密度曲线，相应的函数表达式p(x) 称为概率密度函数。（由于频率的 稳定性，可用概率代替频率。）;概率密度函数p(x)有多种形式，有的位置不同，有的散布不同，有的形状不同。;均值——随机变量X分布的中心位置。 方差——随机变量分布的散步大小。方差大意味着分布的散布较宽较分散，方差小意味着分布的散布较窄较集中。 标准差——方差的正平方根，又称均方根;二项分布 n：随机事件试验次数，如检验 n 个产品 p：每次试验成功的概率，如抽到不合格产品为成功事件 1－ p：每次试验失败的概率，如未抽到不合格产品为失败事件 两种互斥事件发生概率的一种分布，如产品的合格与不合 格。记为b（n，p）。其中 是从n个不同元素中取出x个的组 合数，它的计算公式为： 二项分布b（n，p）的均值、方差和标准差分别为：;案例 某工序不合格品率为0.05，现从成品中随机抽取10个零件，记X为10个零件中的不合格数，则X服从二项分布，现研究下列问题： （1）恰有一件不合格品的概率是多少？ 10件中恰有一件不合格品的概率为0.3151。 （2）少于2件不合格品的概率是多少？ 10件中少于2件不合格品的概率为0.9138。 （3）试求b （10， 0.05 ）二项分布的均值、方差和标准差：;泊松分布 λ：单位产品缺陷数 在某一特定单位内（如一卷钢板、一件铸件），某发生事件 （如缺陷点）概率的一种分布，记为P（λ） 。 泊松分布的均值和方差相等。且均为 λ ，于是有： 当某事件的概率p （或不合格率）很小，实验次数 n（件 数）很大，而np是一个较小的有限常数（0.1～10）时，可根据 泊松分布的公式来近似地计算二项分布。此时泊松分布的参数 λ = np 。 ;案例 有一批产品，批不合格品率p=0.025,样本量为n=30，求样本中有2件或含2件以下不合格品的概率。 ∵λ = np=30×0.025=0.75　∴可运用泊松分布公式计算 结论：样本中有2件不合格品的概率为0.1329 样本中含2件及以下不合格品的概率为0.9596 ;正态分布 一种连续质量特性的概率分布。它的图形是左右对称的钟形 曲线。正态分布含有两个参数μ（平均值）和σ（标准差）。 记为N（μ，σ2）。;概率密度函数：描述随机变量x的取值与其相对应的概率（频率的稳定值） p(x)之间关系的一条曲线。 累积概率函数：对于任意指定的x值，累积分