《SPC管制图简介.ppt

1 Statistical Process ControlControl Chart SPC 起源,基本原理優點 SPC ---- 管制圖簡介 SPC ----直方圖簡介 SPC 起源 1910年代費雪(SirRonaldFisher) 發展出的統計理論 1924年修華特（Dr. W.A.Shewhart）博士於貝爾實驗室繪製了第一張的SPC圖， 1931年出版了「製造品質的經濟控制」（Economic Control of Quality of Manufactured Products）之後，SPC應用於各種製造過程改善便就此展開。 SPC基本原理 1. 被量測出的產品品質特性均是由於某些因素所造成的結果。　　　　　　 2. 這些「因素下的一致現象」，是任何製造和檢驗的架構下所固有的。　 3. 在這固有之“一致現象”的狀態下的變動將無法找到原因。(即常態變異)　 4. 在該狀態外的變動原因，則是可被發現而加以改正的。 SPC 的優點 1.SPC 是一個方法 , 也是一個系統 , 從統計評估的資料中以管制製程並改善之。 2. SPC 可以減少變異並控制成本。 3. SPC 可以增加產品的壽命。　　　　　　　　　　　　　　　　　　　　 管制圖之選定原則 R CHART P CHART np chart c chart u chart 使用管制圖注意事項: 不可使用規格值 作業應先標準化 決定有問題之因素為優先考慮 抽樣方式以取得合理樣組為主 管制圖一定要與製程管制的處置結合 .管制圖之判定準則 -1 .管制圖之判定準則 -2 .管制圖之判定準則 –3 SPC-直方圖 直方圖是一種將數據以簡單方式呈現的工具。它用在顯示從製造程序中收集的資料，可以讓分析者很快速地了解某特定時間內製程的狀況。 橫軸代表某個品質特性或變數之量測值的分類， 縱軸表示每一類出現之次數。 直方圖的應用 測知製程能力。 直方圖的集中與分佈情形，即表示製程能力的好壞。 直方圖的重心為平均數?，自彎曲點引一橫軸之平行線，其與平均數垂直軸間的距離，即表現差異性的標準差。 良好的製程，宜為常態分佈或近似常態分佈。 計算產品不良率。 調查是否混入兩個以上不同群體。 有雙峰或高原型態的直方圖，需特別將其層別， 用來區別不同的群體。 測知有無假數據。 有絕壁型態的直方圖，一般是工程能力不足，而又要合乎規格，而實施全檢所常見的。 測知分配型態。 測知分配型態為常態型、絕壁型、雙峰型(高原型)、離島型或缺齒型的直方圖。 藉以訂定規格界限。 與規格或標準值比較。 設計管制界限可否用於管制製程。 直方圖的製作步驟 蒐集數據並且記錄在紙上。( 50 ~~~ 200 個數據) 找出數據中的最大值和最小值。 計算出全距。 全距=最大值-最小值。 決定組數和組距。 組數=直方圖柱形數量。 可利用(距數分組參考表)或公式 : 組數(k)=1+3.23log n ( k= n1/2 , k is integer) , n=數據樣本數 組距=全距 ? 組數。(測量單位之整數倍) 決定各組的上組界和下組界。 最小一組的下組界=全部數據的最小值-測量值最小位數 ? 0.5 最小一組的上組界=最小一組的下組界?組距 最小二組的下組界=最小一組的上組界 餘各組依此類推，計算到最大一組的上組界 決定組中心點。 (上組界?下組界) ? 2 = 組的中心點。 製作次數分配表。 製作直方圖。(v:次數 , h:數據) 填上主題、規格、平均值、數據來源、日期等資料 。 直方圖在應用上必須注意事項 直方圖可根據山形圖案分佈形狀來觀察製品工程是否正常。 產品規格分佈圖案可與目標，標準規格作比較，有多大的差異。 是否必要再進一步層別化。 如圖7-2 : 顯示出缺齒形，又稱凹凸不平型，此情況大多是製作直方圖的方法( 組距是否為測定單位整數倍) 或數據蒐集方法不正確所產生。( 組間夾了個次數少者 ) 如圖7-3 : 這種偏態型在理論上是規格值無法取得某一數值以下所導致，在品質上並沒有特別的問題，但應檢討尾巴拖長在技術上是否可接受。( most close the LCL) 如圖7-4 : 當數據點全部被檢查過或製程本身也全部檢查過，或下限規格值以外的數據未被剔除時也會發生。( data is acceptable ,even it out control ) 如圖7-5 :當抽樣檢查的樣品來自不同的機器或不同的材料時，便會產生不同的測量值，而出現此種型態。 如圖7-6 : 因為數個平均值差異不大的分配混合在一起所致。 如圖7-7 : 不同群體分布或製程異常故在圖形