[企业管理]统计过程控制.pptVIP

ISO五大核心工具之 统计过程控制定义 Statistical Process Control Statistical-统计 数据通过计算得出有意义的情报 Process-过程 一组将输入转化为输出的相互关联或相互作用的活动 Control-控制 通过掌握规律来预测未来发展并实现预防 统计过程控制定义 利用统计技术对过程中的各个阶段进行监控，从而达到改进和保证产品质量的目的。 依据统计逻辑来判断过程是否正常以及应否采取改善措施的一套控制系统。 SPC起源及发展 二十世纪二十年代，美国贝尔实验室（Bell Telephone Laboratory）成立了以休哈特（W. A. Shewhart）博士为学术领导人的过程控制(Process Control)研究组。 1924年5月16日，休哈特（W. A. Shewhart）博士提出了过程控制理论以及监控过程的工具—控制图（Control Chart），其中有关过程控制理论及控制图标志着著名的SPC理论的诞生。 1931年，休哈特（W. A. Shewhart）博士对其理论进行了总结，写出了一本划时代的名著《产品制造质量的经济控制》（Economic Control of Quality of Manufactured Productions）。 1932年，英国邀请休哈特（W. A. Shewhart）博士到伦敦主讲统计质量控制，将统计方法应用到工业方面。 1941-1942年，有关SPC的内容制定成美国标准。 1950年，戴明（W.E. Deming）博士将其引入日本。 SPC的意义 全面、及时了解质量信息，信息共享 有效监测和预防，提高生产率 提高客户满意度，赢得更多客户 保持产品和服务质量的稳定性及持续改进 降低总的质量成本 统计过程控制基本原理 控制图的设计原理 正态性假定 任何产品，其质量特性都存在一定程度的波动 当过程稳定或受控时，波动主要是由4M1E的微小变化造成的随机误差 此时，质量特性值均服从或近似服从正态分布 统计过程控制基本原理 控制图的设计原理 3σ准则 基于正态性假定，根据正态分布的概率性质可知 即质量特性值超出±3σ范围的可能性仅为0.27% 小概率原理 小概率原理即认为小概率事件不会发生 根据3σ准则，受控状态质量特性值不会超出± 3σ 控制图的构成 控制图的构成 控制图分类 按产品质量特性分类 计量型控制图 计数型控制图 按用途分类 分析用控制图 控制用控制图 控制图的构成 控制图的应用步骤 控制图的应用步骤 控制图的应用步骤 控制图的应用步骤 控制图判定规则 合格控制图（受控） 每个点均在控制界限内 点的排列无异常现象 合格但应注意异常 连续25个点以上在控制界限内 连续35个点仅有1个在控制界限外 连续100个点不多于2个在控制界限外 控制图判定规则 异常控制图 连续9个点在中心线的同一侧（P=0.0038） 连续6个点持续上升或下降（P=0.0027） 连续11个点至少有10个在中心线的同一侧（P=0.0057） 连续14个点至少有12个在中心线的同一侧 连续17个点至少有14个在中心线的同一侧 连续3个点至少2个位于±(2σ~ 3σ)范围内（P=0.0055） 连续7个点至少3个位于±(2σ~ 3σ)范围内 连续7个点至少6个位于±(1σ~ 3σ)范围内（P=0.0052） 连续5个点没有1个位于±(0σ~ 1σ)范围内（P=0.0032） 过程能力分析 控制图显示了一个过程是否受控，但客户需要的是合格的产品 过程受控 ≠ 过程有足够的能力生产合格的产品 过程能力：是过程的声音和客户声音的对比 过程能力分析 能力指数的计算基于以下假设条件： 过程处于统计稳定状态 每个测量单值遵循正态分布 规格的上、下限是基于客户的要求 测量系统能力充分 如果理解并满足了这些假设后，能力指数的数值越大，潜在的客户满意度就越高。 第六节 SPC的应用误区 误区一：没能找到正确的控制点。 不知道哪些点要用控制图进行控制，花费大量的时间与人力,在不必要的点上进行控制。熟不知，SPC只应用于重点的尺寸（特性的）.那么重点尺寸/性能如何确定呢？通常应用FMEA的方法开发重要控制点，一般严重度为8或以上的点，都是需要考虑的对象。如果客户有特殊要求,也需将客户的要求纳入控制范围。 第六节 SPC的应用误区 误区二：没有适宜的测量工具 。 计量型控制图需要用测量工具取得控制特性的数值，控制图对测量系统有很高的要求。通常，我们要求GRR不大于10%，而在进行测量系统分析之前，要事先确认测量仪器的分辨力，要求测量仪器具有能够分辨出过程变差的十分之一到五分之一的精度，方可用于过程的分析和控制。而很多公司勿略了这一点，导致做出来的