SPC统计过程控制第二版1企业版教案.ppt

* * * * * * * 中位数图（X-R图） 用中位数图（X图）代潜均值图（X图）； 由于中位数的计算比均值简单，所以多用于现场需要把测定数据直接记入控制图进行控制的场合； 中位数图在实际应用中比较少见。 ～ ～ *   中位数图 系数 * 单值和移动极差图（X-MR图） X-MR图的子组大小n=1； X-MR图用于下列场合： （1）对每件产品都进行检验，采用自动化检查和测量的场合； （2）取样费时、昂贵的场合； （3）样品均匀，多抽样也无太大意义的场合。如：化工等气体与液体流程式过程）。 * 单值和移动极差图 系数 * * 不合品率的P图 用于控制对象为不合格品率或合格品率等计数值质量指标的场合； 使用P图时，应选择重要的检查项目作为判断不合格的依据，而不是根据多种检查项目综合起来确定不合格品率； 样本容量尽可能相同，以便上下控制限为水平线； 当各子组容量与其平均值相差不超过±25%时，可用平均样本容量（n）来计算控制限。 * * P图例： 某厂加工一零件，其不合格品统计见下表，试画P控制图。 组号 样本大小ni 不合格品数np 不合格品率pi 1 230 6 2.6 2 300 13 4.3 …… …… …… …… 25 181 6 3.3 合计 6031 167 P = 2.77% n = 6031/25 = 241， 125% n = 301， 75% n = 180 nmax ＜ 125% n nmin ＞75% n 故本例可用样本大小的均值 n 为代表 计算平均不合格品率 P 计算中心线和控制限 * 不合格品数的np图 何时使用np图 n为子组大小，p为不合格品率，则np为不合格品个数； 用于控制对象为合格品数的场合； 只有在子组大小相同的情况下，才能应用此图； * 不合格数的C图 何时使用 c 图 当数据为计数型数据时（一种可以计数的属性）。 当不合格是分布于整个产品时，如油漆部件上的缺陷数，装配工序上的缺陷数等。 当不合格现 象可从多个来源发现，或由多种原因造成时。 * 单位产品不合格数的u图 何时使用 u 图 当数据为计数型数据时( 一种可以计数的属性 )。 在样本容量不等的情况下，当不合格数的情况分布于整个产品时（如油漆零件的缺陷数，装配工序的缺陷数） 当不合格现象可从多个来源发现，或由于多种原因造成时。 * 控制图稳定性分析 * 控制图稳定性分析 应用控制图对生产过程不断监控，当异常因素刚一露出苗头，在未造成不合格品之前就能及时被发现。如下图中点子有逐渐上升的趋势，可以在这种趋势造成不合格品之前就采取措施加以消除，起到预防的作用。 异常点 * 异常的消除 在现场，更多的情况是控制图显示异常，表明异因已经发生，这时要贯彻“查出异因，采取措施，保证消除，不再出现，纳入标准”原则，每贯彻一次这个原则(即经过一次这样的循环)就消除一个异因，使它永不再出现，从而起到预防的作用。由于异因只有有限个，故经过有限次循环后， 最终达到在过程中只存在偶因而不存在异因，这种状态称为统计控制状态或稳定状态，简称稳态。 * 判定稳态准则 稳态是生产过程追求的目标。 在统计量为正态分布的情况下,由于第I类错误的概率α取得很小,所以只要有 一个点子在界外就可以判断有异常。但既然α很小,第Ⅱ类错误的概率β就大,只根据一个点子在界内远不能判断生产过程处于稳态。如果连续有许多点子,如25个点子全部都在控制界限内,情况就大不相同。这时,根据概率乘法定理,总的β为β总= β25,要比β减小很多。如果连续在控制界内的点子更多,即使有个别点子出界,过程仍看作是稳态的,这就是判稳准则。 判稳准则：在点子随机排列的情况下,符合下列各点之一就认为过程处于稳态： 1.???????? 连续25个点子都在控制界限内。 2.???????? 连续35个点子至多1个点子落在控制界限外。 3. 连续100个点子至多2个点子落在控制界限外。 即使在判断稳态的场合,对于界外点也必须采取 “查出异因，采取措施，保证消除，不再出现，纳入标准”20个字来处理。 * 判定异常准则 1. 点子在控制界限外或恰在控制界限上。 2.控制界限内的点子排列不随机。 * 檢定判讀原則 　　檢定規則 1：(2/3 A) 　　3點中有2點在A區或A區以外者。　　 UCL A B C C B A LCL * 　　檢定規則 2：(4/5 B) 　　5點中有4點在B區或B區以外者。　　 檢定判讀原則 A B C C B A UCL LCL *