制程能力分析CP and Cpk.ppt

制程能力分析CP/CPK 能对以下可能遇到的问题性质进行定量分析: 工艺标准上的过程和性能输出变量参数是否正确？ 参数的均值趋向是否位于技术标准要求中心? 参数在过程中的变化是否超出标准规范的允许范围? 使相关管理部门能预测缺陷水平 当产品未达到客户要求时对生产过程进行调整. 确定子组数 子组应该能抓取短期的产品变异 子组数的确定可根据设备，人员，环境等不同 样本大小 (几个?) 连续量: 从每个子组中抽取2－10个零件 属性量: 根据缺陷发生的概率去30个或更多数据 要选取超过25个零件以对 S 和 Xbar 值有准确的估计 抽样频率 足够小到可以包含制程可能发生的特殊变异 一般规则: 十倍取样于过程可能发生的超差数量 SPC 指统计过程控制（Statistical Process Control). SPC 是研究那些利用统计学信号来监测和改进性能变异的工具 这些工具可以应用于属性量和连续量数据 例如: 设备的性能特征 登记作业的出错率 销售总额值 由于浪费带来的废品率分析 计算机系统的性能特性 材料管理系统方面的运输时间 目标：我们要在运行过程能力分析之前用SPC确定过程是稳定的. Notes: Just cover six sigma slide Calculate Cpk from PPk so you can establish how well the process is running per the comments in green. Concept first proposed by Dr. Deming. You would need to subgroup by machine in this case. * SQE 为什么要对制程能力进行评定 操作程序 选择一种取样方案. 识别统计数据分类 (通常正态) 确定过程的稳定性 (过程受控). 适用于连续类或属性类数据. 分析产品过程能力. 能力 控制 正态 抽样 抽样指导原则 Author of this slide: ? Ross, Sanders Cooper 再次检查下面假定的工艺过程输出. ‘?’ 表示从一台设备的输出. ‘*’ 表示另一台设备的输出. 描述抽样计划对发现不同设备差异的必要性 分组抽样示例 为什么我们想要正态数据? 正态数据容易分析. 对称性 可预测的 标准偏差和均值能用来估计某范围内的值. 数据正态性是形成过程能力分析的基本条件. 非正态数据的分析不同与正态数据 一般来说：大多数有上下限控制的制程数据服从正态分布. 上述公式是在Mean=0,sigma=1数据分布下提出 Z值显示，在我们感兴趣的缺陷点 X,远离均值几倍于样本标准偏差 例如, 如 Z = 2, 那么缺陷点, X, 偏离样本均值两倍标准偏差 为了估计缺陷率, (或者估计产出率), x可取规格上下限 通过这种方法可计算出在当前均值和标准偏差值下不合格品的比例 Z - 变换的通式为: 缺陷率的预先估计 数据正态的测试 数据正态性决定：我们在为适应客户技术规格要求的生产过程中，应该选择哪种类型的分析方法. 在 Minitab 和 Excel 中，我们可以找到这些测试数据正态性的工具. 最通用的方法包含于软件 Minitab. 方法 1: 使用P值（若P0.05,那么数据就是正态的） 方法 2: 图表法分析 非正态数据 何种情况下会有非正态数据? 非正态数据通常被自身特性界限所制约产生. 及时交货率 平面度 表面粗糙度 时间 跳动 粘贴力 圆度 涂层厚度 翘曲变形 拉伸强度 改进会使数据趋向零而使其非正态分布 例如以下几种非正态数据: 普通原因: 在过程当中自然发生的, 不可能从过程当中完全消除. 如果只有普通原因出现，那么随时间过去，过程数据会形成稳态的，可预知的分布. 特殊原因: 已知的在操作人员方法，设备，环境，材料或测量方法方面所带来的差异. 如果有特殊原因出现，那么随时间过去，过程数据就不会是稳态，且不可预知其分布. 如果我们的过程统计受控，特殊原因必须被识别和消除。 变异的种类 什么是 SPC? 过程 测量系统 输入 输出 1. 发现可分类识别的原因 4. 检验和检测 3. 执行纠正措施 2. 确定根本原因 预防 识别 SPC的目标 过程受控意味着什么? 受控指的是过程的状态. 如果一个过程没有特殊原因的影响，例如该影响过程的变异来源是随机的，那就认为