- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
SPC培训实战案例教程
《SPC统计过程实战案例》
董焕营
天津(邦士)食品有限公司
邦士SPC课前数据准备
1、确定特性
建议可以先 重量、成分、外观、炉温等特性
2、选图与抽样建议
重量--采用Xbar-R图 每组在尽快短的时间内取n=5个数据,取组数k=25-30组
成分、炉温---前提是均匀的---X-Rm图,每组1个数据,取25-30组
外观,可以用不良率P图,每小时抽xx件,检出y件不良,按照抽样频次取25-30组
也可以是单位面积或单位样本上缺陷不良点数,用U图,取25-30个样本,
计算出每个样本的单位缺陷点数。
3、实施抽样和数据记录,
3.1按照提供的样板数据表格式记录。
3.2前提是测量系统是稳定的,可以接受的。
请双击
数据表
成长杯子拉丝不良个数
2016.6.7夜1小时连续称重125包
MCD5月份数据
成长杯子拉丝不良个数
抽样数 不良数量
100 41
100 35
100 40
100 33
100 37
100 30
100 44
100 33
100 47
100 36
100 40
100 39
100 37
抽样数 不良数量
100 40
100 27
100 36
100 36
100 29
100 33
100 36
100 37
100 32
100 40
100 37
100 32
成长杯子拉丝不良个数
成长杯子拉丝不良个数
971.2
968.3
970.2
967.6
968.9
974.5
971.8
971
973.5
972.4
972
971.2
973.9
975.8
972.6
973.6
972
971.6
971.3
2016.6.7夜1小时连续称重125包
969.9
973.2
972.3
973.1
970.1
973.3
971.2
968.4
972.4
975.3
975
973.7
973.2
974.5
974.9
973.1
971.7
971.7
975.2
974
971.7
970
969.9
969.2
970.3
971.5
976.4
972.3
973
972.1
973.3
976.6
977.1
975
971.3
974.6
968.2
971.8
970.2
973.8
972.4
970.6
972.1
969.5
971.3
976.7
973.9
971.8
972.3
972.9
974.1
972.4
973.8
977.2
968.2
968.1
969.1
972.5
973.1
973.4
968.9
972
974
970.8
973.4
972.1
975.4
976
972.4
974.9
975
972.9
974.9
971.8
971.6
971.6
973.1
971.6
974.7
972.5
976.6
976.8
970.6
968.9
972.8
971
971.3
977.4
973.5
977.1
974.1
971.6
977.7
974.1
973.3
976.1
974.6
974.8
976.6
971.2
972
977.3
972.7
979.5
972.1
973.4
2016.6.7夜1小时连续称重125包
2016.6.7夜1小时连续称重125包
2016.6.7夜1小时连续称重125包
MCD5月份数据
干物质
干物质
脂肪
脂肪
PH
PH
连续20分钟称重数据分布
连续20分钟称重数据分布(去掉592点)
文档评论(0)