SPC统计过程控制最全最佳培训概念.ppt

良品率(%) DPMO (百万缺陷率) 变差(σ) 30.85 690000 1 69.15 308000 2 93.32 66800 3 99.38 6200 4 99.977 230 5 99.99966 3.4 6 制程与6σ SPC强调全过程监控、全系统参与，并且强调用科学方法（主要是统计技术）来保证全过程的预防。 SPC不仅适用于质量控制，更可应用于一切管理过程（如产品设计、市场分析等）。 正是它的这种全员参与管理质量的思想，实施SPC可以帮助企业在质量控制上真正作到事前预防和控制，SPC可以：　　 1）对过程作出可靠的评估； 2）确定过程的统计控制界限，判断过程是否失控和过程是否有能力； 3）为过程提供一个早期报警系统，及时监控过程的情况以防止废品的发生； SPC可以为企业带来的好处 4）减少对常规检验的依赖性，定时的观察以及系统的测量方法替代了大 量的检测和验证工作； 　　有了以上的预防和控制，我们的企业当然是可以： 　　a 降低成本 　　b 降低不良率，减少返工和浪费 　　c 提高劳动生产率 　　e 提供核心竞争力 　　f 赢得广泛客户 　　g 更好地理解和实施质量体系 　　SPC统计过程控制作为质量改进的重要工具，不仅适用于工业工程，也适用于服务等一切过程性的领域。在过程质量改进的初期，SPC可帮助确定改进的机会，在改进阶段完成后，可用SPC来评价改进的效果并对改进成果进行维持，然后在新的水平上进一步开展改进工作，以达到更强大、更稳定的工作能力。 SPC参数 SPC 是工具 SPC控制图：单值－移动级差（x－R）、均值－级差（Xbar－R）、 均值－标准差（Xbar－S）、不良率（P）、不良数（Pn）、单位缺陷数（U）、缺陷数（C） SPC能力分析：直方图（Histogram）、方位图（Quantie Box Plot）、正态分布图（Normal Quantie Plot） SPC问题分析：柏拉图（Pareto Chart）、散布图（Scatter Plot）、趋势图（Trend Chart）等 SPC指标参数： Cp、Cpk、Pp、PpK、Ppm、Sigma水平、不良率、直通率等 参考 A.特性要因圖:尋找因果關係. B.柏拉圖:找出“重要的少數”. C.直方圖:了解數據分布與制程能力. D.層別法:按層分類,分別統計分析. E.查檢表:調查記錄數據用以分析. F.散布圖:找出兩者的關係. G.管制圖:了解制程變異. QC七大手法簡介: SPC的由来及发展历程 SPC 最早是由美国贝尔实验室质量专家休哈特（W.A.Shewhart）于20年代提出。 美国著名质量管理专家柏格（Roger.W.Berger）指出：日本产业成功的基石之一就是SPC。 目前在欧美包括国内的港台地区，SPC在制造企业中已基本普及运用。 荐于SPC在质量管理中的重要性，国际标准化组织（ISO）也将其作为质量体系认证的一个重要要素。 6 Sigma 的核心手段也是SPC. 统计过程控制（SPC）是一种借助数理统计方法的过程控制工具。 它对生产过程进行分析评价，根据反馈信息及时发现系统性因素出现的征兆，并采取措施消除其影响，使过程维持在仅受随机性因素影响的受控状态，以达到控制质量的目的。 当过程仅受随机因素影响时，过程处于统计控制状态（简称受控状态）；当过程中存在系统因素的影响时，过程处于统计失控状态（简称失控状态）。 由于过程波动具有统计规律性，当过程受控时，过程特性一般服从稳定的随机分布；而失控时，过程分布将发生改变。SPC正是利用过程波动的统计规律性对过程进行分析和控制的。因而，它强调过程在受控和有能力的状态下运行，从而使产品和服务稳定地满足顾客的要求。 SPC技术原理 SPC主要是指应用统计分析技术对生产过程进行实时监控，科学的区分出生产过程中产品质量的随机波动与异常波动，从而对生产过程的异常趋势提出预警，以便生产管理人员及时采取措施，消除异常，恢复过程的稳定，从而达到提高和控制质量的目的。 利用统计的方法来监控过程的状态，确定生产过程在管制的状态下，以降低产品品质的变异. SPC强调以全过程的预防为主. 人 量测 机器 材料 方法 环境 SPC 制程 输入 输出 客户 产品、服务 客户之声 制程之声 供应商 方框图 (流程图) 5M1E要素 分层分析 控制图的应用 人 测量 机器 材料 方法 环境 SPC 过程 过程控制 过程测量 1.分析数据 2.寻找原因 3.执行措施 4.验证及监控 厂商别、机台别、操作员别、料号别、批号别、工单别、班别 SPC 通过关注用户要求和减少变异来获得高品质 SPC 倡导以过程来保证