品管统计手法总结 - 与质量工程师一起学.ppt

元茂 品质部/许文军 SPC学习提纲 SPC SPC: 统计过程控制 Statistical(统计): 以数理统计为基础,基于数据的科学分析和管理方法; Process(过程): 任何一个有输入输出的活动; 6个要素: 5M1E Control(控制): 通过掌握规律来预测未来发展并实现预防; 我们为什么需要SPC? 质量专业人员是管理小组中关键问题的解决者。 SPC是质量管理的基本技术之一。 学习目的 目标： 用SPC思考（ Thinking in SPC） 说明： 1）不包括SPC对企业发展的效益； 2）不包括公式的推导和详细的计算； 3）为了方便说明，课程介绍均以生产制造为例，但不限于此。 学习提纲 基本SPC统计学； SPC的核心工具——控制图； 过程能力研究； 量具重复性和再现性研究； 从数据中寻找规律 直方图 一个实例： 某工厂接收了一批外协厂制造的青铜轴承用于生产一种重要的仪器。但该厂不能信任生产这些轴承厂家的工作，决定对供应商提供的轴承进行分析。 这些轴承的关键特性是它们的内径，其规格为1.376±0.010英寸。 现抽取了100个青铜轴承，对它们的内径进行仔细的测量，并记录了测量结果。 100个青铜轴承内径的测量值如下表： 回答 数据列表不能表达出任何有实际意义的东西(Virtually Nothing)！ 必须对数据进行进一步分析。 图形可以帮助我们将数据转换成信息。 能否接受这批产品？ 与目标值相比较： 平均值：1.3773 与规格界限相比较： 极差（最大值-最小值） =1.383-1.370=0.013 数据分布的更进一步的信息： 数据分成10组后，落在每个区间 内的数据个数： 制作频数分布表 绘制直方图 分析直方图 与规格限1.366~1.386进行比较，所有的测量值都在其范围内（而且在+/-3S的范围内）。 分布基本上是对称的，有一点点向右偏斜，但不严重。 所以该厂决定接收这批青铜轴承。 建议：轴承的加工中心应该左移； 建立一个直方图 收集整理数据 定组数 N 算极差 R 定组距 I 确定组的中心点和各组界限 制作频数分布表 绘制直方图 分析 直方图告诉我们 数据分布的中心位置(Average)在哪里？ 数据分散程度(Spread)如何？ 数据分布的形状(Shape)怎样？ 理想情况：正态曲线 μ不同(均值) σ不同(标准差 ) 正态曲线的特征 曲线关于μ对称； 当x=μ时取到最大值； X离μ越远，f（x）的值越小； 正态曲线 分析直方图举例： 直方图的峰度和对称度 对称度（Skewness）:直方图数据分布的对称性； 峰度（Kurtosis）:直方图数据分布的陡峭度； 直方图为对称分布的，则s=0; 直方图为正态分布的，则s=0,k=0。 直方图的作用 显示数据的分布特征 指出采取措施的必要 观察采取措施后的效果 比较和评估设备、供应商、物料等 评估过程的能力 控制图 控制图原理： 1） 3 σ原理： 若变量X服从正态分布,那么,在 ±3σ 范围内包含了99.73% 的数值。 2） 中心极限定理： 无论产品或服务质量水平的总体分布是什么，其 的分布（每个 都是从总体的一个抽样的均值）在当样本容量逐渐增大时将趋向于正态分布。 正态性假定有实际意义吗？ 1）不是在研究一门精确的科学，而是作为一种谨慎的工业指导； 2）大部分的实际情况的数据分布与正态分布极为相似； 3）根据中心极限定理进行数据的处理； 4）如果不适合可以不需要用正态曲线直接来分析； 质量特性分类 计量值(variable):定量的数据；值可以取给定范围内的任何一个可能的数值 。 计数值(Attribute)：定性的数据；值可以取一组特定的数值,而不能取这些数值之间的数值 。 计件型 计点型 控制图的分类 选择合适的控制图 一个实例 （一） 一台自动螺丝车床已经准备好了加工切断长度的图纸公差为0.500±0.008英寸的螺栓。 频数分布在进行调整期间已经完成，分析结果表明进行一段时期加工生产的开端是可以令人满意的。 为了分析和控制加工过程中螺栓的质量，现决定采用均值极差控制图进行监控。 按如下八个步骤进行： 一个实例（二） 步骤1：选择质量特性 螺栓的切断长度至关重要 步骤2：按合理的计划来搜集数据 每小时抽取5个产品作为一个样本。检验员按时间顺序收集了25个样本。 收集的数据表 一个实例（三） 步骤3：计算样本平均值及极差（见上表） 步骤4：确定总的平均数和平均极差 一个实例（四） 步骤5：计算控制限 一个实例（五） 一个实例（七） 步骤7：确定控制限是否能经济地