中文SPC-VariablesData_v1.0_update解析.ppt

变量数据统计过程控制（SPC） 培训目标 当本部分培训结束时，学员将能够： 应用SPC 理解控制图的走向与趋势的含义 制作并理解 Xbar-R图 I-MR图 目标I-MR图 为什么要学习变量数据SPC？ 变量数据SPC将： 保持过程居中 使变差最小化 减少偏移 验证改进 关重于6 Sigma?过程活动 什么是变量数据SPC？ 变量数据SPC是： 行业标准控制语言 可靠简易的确定变差的方法，包括： 一般原因引起的变差 特殊原因引起的变差 图形化沟通 分析变量数据的一系列统计工具 SPC介绍 SPM 与 SPC 6 Sigma以前的统计过程控制（SPC） 统计过程监控（SPM） 通常关重于SPC工具 观察输出 在输出以后采取的改进措施不在控制范围内 6 Sigma以后的统计过程控制（SPC） 同样的工具，另外还关注 输入 在输出失控前，对输入采取改进措施 变差源 SPC定义 SPC 是统计工具及方法的应用 建立变差限 提供行动计划 SPC功能 SPC图 用于当地流程的监控 要求过程操作者 进行测量 绘出并理解数据 采取措施 为过程提供记录 控制图要素 控制图统计 建立过程控制限 控制限是 均值+/- 3 倍标准差的统计限 当过程受控时设置 以基线值为基础 随改进而调整 绝不会放宽 控制限与规范限无关 定义控制 受控是 一个描述过程变差的统计术语，表示 位于均值3倍标准差的区域内 随机性 不显示走向 不显示趋势 没有特殊原因引起的变差 控制概况Western Electric规则 任何超出控制限的点 在中心线的一侧有7个连续的点 有7个连续递增或递减的点 在同一个A区或超出A的区域有2或3个点 在同一个B区或超出B的区域有4或5个点 有14个连续的点交互上下 在任一个C区有14个连续的点 特殊原因Nelson 测试 哪一种测试较好？ 答案在于错误警告率 Nelson测试 1 Nelson测试 2 Nelson测试 3 Nelson测试 4 Nelson测试 5 Nelson测试 6 Nelson测试 7 Nelson测试 8 MINITAB中的Nelson测试 控制图 Xbar-R: 均值-极差图 Xbar-R图规则 Xbar-R图(和Xbar-s图)是针对同一子组数据的两种独立的图 Xbar图是反映子组均值的图 R图是反映子组极差的图（S图则是反映子组标准差的图） Xbar-R图对追踪、确定变差偶然原因反映灵敏 基于控制图因素，假设子组呈正态分布 建立3倍sigma的过程限 Xbar-R与子组数据 质量控制部门测量560毫微米光束通过一彩色玻璃制品后的传播百分比 过程受控吗？ 因数据是子组数据，我们选用Xbar-R图。 制作Xbar-R图 定义Xbar-R图中的UCL和LCL 计算Xbar-R图中的UCL和LCL MINITAB中的Xbar-R图第 1 步 将子组数据复制或输入工作表 打开文件 SPC VARIABLE XBAR.MTW MINITAB中的Xbar-R图第 2 步 MINITAB中的Xbar-R图第 3 步 MINITAB中的Xbar-R图第 4 步 MINITAB中的Xbar-R图第 5 步 Xbar-R图课堂练习 使用“Xbar图数据”表 SPC Variable Class Exercises.xls 找到Xbars, Xdbar和Rbar图 确定可用的过程控制常数 计算Xbar图与R图中的UCL和LCL 将数据复制进MINITAB 堆栈数据 验证计算 确定过程是否受控 I-MR: 单值-移动极差图 也叫X-MR图 I-MR图规则 I-MR图是针对相同数据的两张独立的图 I图是反映单值数据的图 MR图是反映与前一单值的移动极差图 I-MR图对趋势、循环反映灵敏 在子组变差为0或没有子组的情况下使用 破坏性试验 批量处理 I-MR图与单值 制作I-MR图 定义I-MR图中的UCL和LCL 计算I-MR图中的UCL和LCL MINITAB中的I-MR图 第 1 步 将子组数据复制或输入工作表 打开文件 SPC VARIABLE IMR.MTW MINITAB中的I-MR图 第 2 步 MINITAB中的I-MR图 第 3 步 I-MR图显示过程改进 已经采取一项过程改进措施以提高撕裂力，是真的吗？ I-MR图显示两个总体 I-MR图课堂练习 使用“IMR图数据”表 SPC Variable Class Exercises.xls, 找到Xbar, Xdbar和Rbar图 确定可用的过程控制常数 计算Xbar和R图的UCL和LCL 将数据复制进MINITAB 堆栈数据 验证计算 确认过