P控制图专题学习分析.ppt

P控制图 案例 一个生产收音机晶体管的制造公司，决定建立不合格品率p图。每天生产结束后，在当天的产品中随机抽取一个样本，并检验其不合格数。表格中是这一个月来的数据 案例 月平均不合格率为： =不合格品总数/被检产品总数= 233/3893=0.060 由于子组的大小各不相同，故对每个子组根据下式分别计算UCL和LCL 案例 案例 图中可以看出，子组号为17和26的不合格率已经超过了相应的上控制限。应将这两个子组从数据中剔除，并查找原因，以防再发。 此后根据保留下来的24个子组计算出修正后的平均不合格品率 案例 利用修正后的 值，计算每个子组修正后的UCL和LCL，可以发现，所有的不合格品率都处于其相应的控制限内。 因此，修正后的 值就可以作为建立控制图的标准不合格品率 即P0=0.054 如上所述，对大小各异的子组分别绘制上下限是很费时的，考虑到 各子组大小与平均子组大小没有很大偏离 平均子组大小为150 所以取n=150来标绘修正后的p图的上控制限 案例 修正后p图的控制限计算如下： 案例 修正后的p图如下，过程处于统计控制状态 P图 用来测量在一批检验项目中不合格品（不符合或所谓的缺陷）项目的百分数 重点： 把被检查的每一个元件，零件或项目记录成合格或不合格（即使一个项目有几处不合格，也仅记录为一个不合格项） 检验的结果按一个有意义的基础条件进行分组，并把不合格的项目用占子组的百分之几来表示 P图 定义 ni: 被检项目的数量 np: 发现不合格项目的数量 p=np/n: 不合格品率 所有p值的平均数 n: 样本的平均数 k: 样本的个数 P图 公式 P图 过程能力计算 过程能力用过程平均不合格品率 来表示 如需要，还可用符合规范的比率（1- ）来表示 * 149 153 150 148 163 151 139 144 160 155 140 140 158 检验数 7 7 2 5 9 11 10 7 4 6 8 11 11 不合格品数 26 25 24 23 22 21 20 19 18 17 16 15 14 子组号 7 7 2 5 9 11 10 7 4 6 8 11 11 不合格品数 149 153 150 148 163 151 139 144 160 155 140 140 158 检验数 13 12 11 10 9 8 7 6 5 4 3 2 1 子组号 ni为子组大小 0.124 0.097 0.058 0.070 0.073 0.000 0.034 0.060 0.065 0.132 0.091 0.038 0.055 p 0.047 0.046 0.013 0.034 0.055 0.073 0.072 0.049 0.025 0.039 0.057 0.079 0.070 p 0.004 0.001 0.000 0.000 0.004 0.000 0.001 0.002 0.002 0.000 0.004 0.004 0.001 LCL 0.116 0.119 0.120 0.119 0.115 0.121 0.118 0.118 0.117 0.121 0.115 0.116 0.119 UCL 26 25 24 23 22 21 20 19 18 17 16 15 14 子组号 0.002 0.002 0.002 0.001 0.004 0.002 0.000 0.001 0.004 0.003 0.000 0.000 0.003 LCL 0.118 0.117 0.118 0.118 0.116 0.118 0.120 0.119 0.116 0.117 0.120 0.120 0.116 UCL 13 12 11 10 9 8 7 6 5 4 3 2 1 子组号 *