SPC程控制--supercrazy.pptVIP

SPC统计过程控制 统计概述 统计：数据通过计算而产生有意义的情报。 有哪些有意义的情报呢？ 集中趋势（准确度） 离散趋势（精确度） 被涵盖在特定范围内的概率 SPC 发展简介 1920年 Bell研究所的Dr. Walter Shewhart开发. 1940年二次世界大战期间，美国军工产品使用抽样方案和控制图以保证军工产品的质量。 1950年质量管理大师戴明博士在日本工业产品生产过程中全面推推行SPC。 1970年有效地推行 “QC圈”和应用统计技术使日本经济的快速发展，成为高品质产品的代名词。 1980年美国等其他国家紧随日本的步伐，开始推行“QC小组”和统计技术的应用。 MOTOROLA 公司颁布“QC挑战”，通过SPC的实施改进过程能力，并提出追求“6σ”目标。 1987年ISO9000标准建立并颁布实施，明确要求实施统计技术。 过去 现在 Y=f(X) 高斯函數 OUTPUT=Y INPUT=X PROCESS PARAMETER=X SPC用在那里？ SPC的作用---预防 检测的方法：检查最终产品并剔除不符合规范的产品。这种方法很浪费，因为它允许将时间和材料投入到生产不一定有用的产品和服务中。（容忍浪费） 一种在第一步就可以避免生产无用的输出，从而避免浪费的更有效的方法是——预防。（避免浪费）只要全公司所有员工共同努力就能建立一道防火墙。 实现策略：应用数理统计方法进行生产过程的控制。基本思想是根据过程的情况，预测将来的趋势与变化，从而进行过程控制，使过程在受控中进行，预防不良品的发生。所以说SPC的特征是控制过程，防患于未然。 控制图的建立 控制图的建立其中最主要也是最重要的一个步骤就是按3σ原理对控制线进行设定。控制线的确定是否合适决定了我们能否及时准确判断出异常的发生。 3σ原理：在X+3sigma内的概率为99.73%，而超出+3sigma 的概率仅为0.27%。 异常情况的特征 利用SPC CHART图来进行区分： 1点超出 +3 sigma 连续3点中有2点超出 +2 sigma （口诀：3分之2A） 连续5点中有4点超出 +1 sigma （口诀：5分之4B） 连续8点在中心线一侧 周期性波动 当连续7点呈上升或下降趋势时，应查找原因并采取行动。 图例 以下为不正常状态的种类 图例 图例 图例 图例 图例 F . 连续6点同一方向 X----R Chart 的用途 R---Chart 由制程的均匀度决定 代表精度和品质的均匀度 当均匀度发生改变时, R----Chart可以发现 R的改变动原因可能为机械维护不良或劣化, 手工作业不熟练或不稳定, 加工方法不周严. X----Chart 由制程的平均值支配 代表品质的规格中心,亦即正确程度 R---Chart 有逸出时,X---Chart也受 影响,应先调R---Chart 平均值变化的原因可能为机械调整不当, 手工作业错误,材料规格不符 过程能力分析（一） Cp和Cpk 的计算公式： Cp= T/ (6×δ) Cp=（T）/ (6×δ) 其中：T=USL—LSL，δ为标准偏差 Cpk=ABS((USL or LSL）-X)/（3×δ） Cpu=（USL-X）/（3×δ） Cpl=（X-LSL）/（3×δ) 注：对数据量的要求：大于25个。 过程能力分析（二） 使用上述公式时，须满足以下条件： 过程处于统计稳定状态 过程的各测量值服从正态分布 否则这些度量就很少有或没有意义。 要满足上面两个条件，就要对数据进行分析 直方图分析。示例 对CHART图中的异常现象进行分析，识别特殊原因和普通原因，有原因的异常点不统计在内。 注：没有一个单独的指数可以万能的适用于所有过程，没有一个过程可以用单独的一个指数完整的来描述。因此，一种很好的方法就是同时使用Cp，Cpk等参数与图表技术一起进行分析。 过程能力分析（三） 几点补充： 我们在进行工艺能力的分析时，经常会使用一些能力指数（如Cp，Cpk）。大部分能力指数的计算包括了产品的规范。因此如果规范不合适，或者规范不符合顾客的要求，努力使过程符合这些规范，将会造成时间和人力的大量浪费，同时成品率得不到保证。 所有指数的不足之处且可能产生误导。任何计算的指数中得到的推断，可以从计算这些指数的数据中找到合适的解释。应该注意的是我们利用这些指数的目的不是用来解释数据，而是为了使用数据来解释过程，从数据中了解过程。 尤其应该强调的一点是如果使用过程中一定时间内不稳定或不重复的数据来进行预测是没有什么意义的。 B. 在中心线的同侧连续三点中有两点在A区或A区以外 UCL 1б 2б 3б A 区 B 区 C 区 C L C . 连续五点中有四点在B区或B区以外