第五章 统计过程控制3.ppt

第五章 统计过程控制—变量控制图 变量数据包括重量、长度、宽度、高度、时间、温度等这些数字量度。 变量数据比计数值数据包含更多的信息。 对于一个企业来说，质量管理意识必须不断加强，质量的改进是无止境的。 随着缺陷率的降低，检验过程是否在控制状态下需要更加大的样本容量，而计量值控制图可以解决这一问题。 计量值控制图的PDSA循环 Plan： 必须很清楚控制图要控制什么（what），为什么要制定控制图（why），控制图用来控制哪里（where），何时控制（when），谁来做控制图（who）以及控制图如何进行控制（how）。 子组的选择 Do 包括数据的收集和控制图统计表的计算。 一般需要收集至少20个子组。 在一些特殊的情况下，如果不能收集20个子组，子组的最低限度不能低于10个。 计算出控制图的中心线、控制限和区域界限。 Check： 找出系统缺乏控制的指示点，利用八条准则。找出影响过程变异的特殊原因。 对于处于控制状态的过程，找出过程变异的一般原因并进行质量改进。 定期回顾检查控制图的各个部分并在适当的时候进行调整。 Act： 在研究阶段发现的变异如果仅仅是来源于一般原因，那么我们为减少变异而努力的方向就应该集中到是否过程自身发生了改变上来。 当显示特殊变异源的指示点存在时，如果变异是有害的，那么变异源就要消除；如果变异是有益的，那么对变异源就要采取措施使之兼容到过程中。 过程的改进进入另一个PDCA循环。 子组容量和频率 挑选合适的控制图有时候会取决于子组的容量。 当仅仅有一个作为子组的样本时，可用单值和移动极差控制图，例如每月的劳动支出，每周花费在检修上的小时数等。 当子组容量是2~9时可以使用 和R控制图。 当子组容量大于等于10时一般使用 和s控制图。 如果过程处于失控状态，需要尽快对过程进行处理，频率应该比较大些。对于监控下的稳定过程，频率的要求相对较低。 和R控制图 使用极差R描述过程变异性和子组平均数来描述过程定位性。 对平均数和极差的标准差的估计用到平均极差。这样可以简化估计过程，而且对怎样建立控制图和怎样进行分析产生了直接的影响。 一个例子 某大型制药公司生产规格50.0克的药瓶。公司的管理层着手统计过程控制项目，并且决定使用变量控制图来对规格匹配过程进行检测以找出显著变异源。 在105分钟内每5分钟挑选6个药瓶作为一个样本子组。 Vials.mtw 建立控制图的目的是要考察过程的平均值和变异性是否处于稳定状态。 首先，我们必须计算出每一个子组中的平均值与相应的极差。比如第一组的极差： R=53.10-52.22=0.88 计算出极差的平均值公式为： 通过加减3倍标准差来建立上下控制限，我们得到： 例子中的极差控制限为： UCL(R)= 2.004(0.740) = 1.48 LCL(R)= 0(0.740) = 0 对于A、B、C区域的计算，可以用以下公式： 为了找到每个子组的平均值，我们把每一个子组的数据加总起来然后除以子组容量。例如第一组数据得到： A、B、C区域的界限可以把上下控制限各分为三份得到。 另一个例子 考虑一家为个人电脑制造电路板的制造商的例子。电路板的长度对决定是否合格至关重要，尺寸被确定为需要确定的重要因素。 该制造商使用一个单精度旋转切割机把电路板从大的材料板上切割下来。 经过讨论，决定选择产品产出中的每小时前5个单位作为样本，这5个单位定为一个子组。 Board.mtw 另一个例子 一个生产高端音频零件的制造商需要购买金属调谐钮以完成产品的组装。 由于调谐钮的装配持续出现问题，管理层决定要求承包商为零件的直径建立一个控制图以检查这个过程的问题。 抽样方法：早上8：30开始，每隔半小时取出前4个产品，测量每个产品的直径。 Knob.mtw 从右向左观察子组号是23的子组极差超出了控制上限，是缺乏控制状态的点。 对应的是下午7:30的样本，调查发现，下午7:25分食堂内的水管爆裂。水从食堂渗漏到过程中使用的机器下面的地板上。 随后删除第23组数据。重新计算出中心线和上下限。 新的极差控制图显示样本的极差处于控制水平。因此可以分析均值控制图。 从右到左观察，有几个点是缺乏控制的，有4个点超出了控制上限，这些点在下午1:00~2:30连续发生，而且第4个子组（上午10:00）也是缺乏控制的，第9、16个子组也判异（9单侧、8缺C）。 调查发现，在中午12:50分时，一个机器零件已经破损，在12:45~下午2:45分负责维修的技师刚好外出，因此机器的操作员进行了修理，操作员并没有受过修理机器的训练，导致以后的数据点都失控。 问题解决：管理层和员工达成一致对机器操作员进行培训并提供在技师不在场的情况时对这种故障进行修理的合适工具。而且，设备监护人员和工程师们达