[工作范文]4-第三章 SPC统计过程控制.ppt

1. 什么是SPC SPC---- Statistical Process Control 工业革命以后， 随着生产力的进一步发展，大规模生产的形成，如何控制大批量产品质量 成为一个突出问题，单纯依靠事后检验的质量控制方法已不能适应当时经济发展的要求，必须改进质量管理方式。于是，英、美等国开始着手研究用统计方法代替事后检验的质量控制方法。 1924年，美国的休哈特博士提出将3Sigma原理运用于生产过程当中，并发表了著名的“控制图法”，对过程变量进行控制，为统计质量管理奠定了理论和方法基础。 统计过程控制，是企业提高质量管理水平的有效方法。它利用数理统计原理，通过检测数据的收集和分析，可以达到“事前预防”的效果，从而有效控制生产过程、不断改进品质。 与全面质量管理相同，强调全员参与，而不是只依靠少数质量管理人员。 6、 統計制程管制的定義 經由制程中去收集資料，而加以統計分析，從分析中得以發覺制程的變異，並經由問題分析以找出異常原因，立即採取改善措施，使制程恢復正常。並藉由制程能力分析與標準化，以不斷提昇制程能力。 7. 变异因素分类 7. 变异因素分类 大量之微小原因所引起 原料在一定範圍內之微小變異 機械之微小振動 儀器測定時，不十分精確之做法 依據作業標準執行作業的變化 實際上，要除去制程上之機遇原因，是件非常不經濟之處置 一個或少數幾個較大原因所引起 使用規格外的原物料 新手之操作人員 不完全之機械調整 未依據作業標準執行作業 所制訂之作業標準不合理 非機遇原因之變異，不但可以找出其原因，並且除去這些原因之處置，在經濟觀點上來說，是正確的 10. 系統措施 → 改善機遇原因 11. 制程控制與制程能力 首先應通過『檢查』，消除『极差』所產生之非機遇原因，使制程處於『受控』的狀態 接下來，就可依顧客的『要求 ( 規格 )』，來評定『制程能力』，以使顧客滿意，這就是持續改善的基礎。 13. 统计工序控制与产品检查的区别 统计工序控制与产品检查有着本质的区别。 检查是通过比较产品质量特性测量值与规格要求 ，达到剔除不合格品的目的，是事后把关。 统计工序控制是通过样本数据分布状态估计总体分布状态的变化，从而达到预防异常因素造成的不正常质量波动，消除质量隐患的目的，是事先预防。 检查通常通过专门的仪器和设备得到测量值，并由检查人员进行判定。 而统计工序控制必须使用专门设计的控制图，并按一定的判定规则判定工序状态是否处于正常状态。 统计工序控制虽然会带来一定程度的预防成本的提高，但却能及早发现异常，采取措施消除隐患，带来故障成本的大幅度降低。因此对比产品检查，统计工序控制会带来显著的经济效果。 14. 制程改善循環 1. 控制图类别 2. 控制界限的确定原理—3σ原理 （1）控制界限的重要性 对于偶然因素和异常因素引起的质量波动，过去人们是直接凭经验进行判断和区别的。发明了控制图之后，就可以使用控制图对工序状态进行客观的、科学的判断。而区别和判断两类因素造成的质量波动的标准就是控制线。因此，如何合理经济地确定控制界限是控制图的核心问题。 （2）确定方法 休哈特控制图控制界限是以3σ原理确定的。即以质量特性统计量的均值作为控制中线CL； 在距均值±3σ处作控制上、下线。由3σ原理确定的控制图可以在最经济的条件下达到保证生产过程稳定的目的。 3σ原理 设工序处于正常状态时，质量特性总体的均值为μ0，标准偏差 为σ，设三条控制线的位置分别为CL= μ0 、UCL= μ0 ＋kσ，LCL= μ0 -kσ。（见图3） 控制图的两类错误 当工序正常时，点子仍有落在控制界限外面的可能，此时会发生将正常波动判断为非正常波动的错误——误发信号的错误，这种错误称为第一类错误，控制图犯第一类错误的概率记为α。  设总体均值μ0在异常因素的作用下移至μ1 ，σ不变。此时，点子应落在控 制界限外以发出警报。但却也存在点子落在控制界限内不发警报的可能。这将导致将非正常波动判断为正常波动的错误——漏发信号的错误，这种错误称为第二类错误，控制图第二类错误的概率记为β。 理论证明，当k=3时，即控制图上下界限距中心线CL为±3σ时，合计损失为最小。 2、应用控制图的步骤 应用步骤如下： 选择控制图拟控制的质量特性，如重量、不合格品数等； 选用合适的控制图种类； 确定样本容量和抽样间隔； 收集并记录至少20～ 25个样本的数据，或使用以前所记录的数据； 计算各个样本的统计量，如样本平均值、样本极差、样本标准差等； 计算各