spctr命aining.pptVIP

纲要 第一部分 序言 第二部分 统计基础 第三部分 控制图 第四部分 控制图的使用 第五部分 过程能力 第一部分 序言 什么是质量 满足客户 符合要求 按期望发展 影响质量的因素 原材料 设备 工艺 操作人员 测量 任何系统的或随机的波动 为什么会变化？ 变化是普遍的规律 任何过程包括以下6个因素 引起变化的原因的分类 随机或一般原因 系统或特殊原因 怎样控制变化？ 当变化不能消除时，能否降低或控制？ 检测质量问题 预防质量问题 检测的特点 是一种控制变化的手段 传统的方法 滞后 劳动力密集和浪费 加工能力浪费 统计过程控制的特点 是一种控制变化的手段 涉及变量研究 消除特殊原因 将过程变化最小化 优化过程 过程质量控制 避免浪费 使用SPC的前提要求 稳定的过程 无特殊原因出现 已经优化的设定，随机原因小 具有过程控制的知识 确定须控制的变量 什么是统计控制？ 过程受控就是指，根据过去的数据，我们能（至少在一定的范围内）预测将来会发生的变化 不良质量带来的影响 高成本 低生产效率 不必要的摩擦 重复劳动 退货 不良记录和投诉抱怨 优良质量带来的好处 低制造成本 提高公司竞争力 产品跟踪量减少 所需空间减少 第二部分 统计基础 与统计有关的关键词 均值 极差 标准偏差 正态分布（标准正态分布） 中心极限定理 样本均值（X） 测量样本分布位置 所测量数据的平均值 X=∑（X/n） 样本均值的计算 极差（R） 测量偏差 极差的计算 标准方差（S） 偏离中心值的度量 S=√∑（X-X）/（n-1） 统计计算实例一以下是瓶坯的AA测量值 平均值 X=∑（X/N） 极差 R=（最高值-最低值） 标准方差 S=√∑（X-X）/（N-1） 计算结果 样本均值 3.09 极差 0.90 标准方差 0.32 样本和总体 样本 从总体中抽出研究的部分 样本的统计特征： 样本均值X、样本标准方差s、样本大小n 总体 研究对象的全体 统计特征： 总体均值μ，总体标准方差σ，总体大小N 正态分布 大部分现象都接近正态分布（人的一些特征） 正态分布是一种自然规律 正态分布的特征 总体均值μ，总体标准方差σ决定正态分布曲线 总体均值μ在正态分布曲线中心 两边对称 钟形曲线 正态分布的特征 68%的数据分布在±σ之间 95.5%的数据分布在±2σ之间 99.7%的数据分布在±3σ之间 正态分布的一个例子 正态分布函数 F(X)=（σ√2π) -1 .e-0.5{(X-μ)2/ σ} 数据取样 为了分析整个过程而取样 为评估总体情况而取样统计 样本数据按样本组排列 样本组内部应只允许随机变化 样本组内的数据取样一般按时间顺序 每个样本组的均值和极差是确定的，用来作控制图 分组数据分布 样本组内的个体值分布 样本组平均值的分布 分组数据分布 单体数据分布(σx)比样本组数据(σx)分布要宽 样本组数据σx用来估计控制图控制线 σx=R/d2 σx= σx /√n R=∑ R/k 稳定的和不稳定的过程 变化（波动）的种类 一般（随机）原因 6个因素中的任一个因素的随机变化 不能完全消除 产生在期望的范围内波动 （例如电源、周围环境的正常波动） 特殊原因 非随机的可确定的原因 不是总是存在 引起过程偏离期望 （例如冷却水管堵塞、干燥机失灵、原料性能差等） 稳定的过程变化只有一般原因引起 不稳定过程 变化由一般原因和特殊原因共同引起。过程变化超出了期望 处理特殊原因的方法 监控过程的发展趋势，确定波动源 消除特殊原因 对特殊源的产生采取预防措施 （例如加热线圈坏、热电偶坏等） 提高稳定过程的策略 基础设施的改变 设计实验，优化或发现新的加工范围 在一定的水平内不能提高 （例如安装混料器，使料熔融更均匀 ） 确定两种原因的工具 波特图 趋势图 柱状图 控制图 波特图 各棒表明了该因素与观察到的特性的关系 一般按重要性程度排列 帮助确定关键因素 趋势图 数据随时间排列 表明过程变化与时间的关系 在HUSKY程序包中使用 柱状图 各柱的长短表明所观察的数据出现的频率的高低 可用来观察是否呈正态分布 控制图 可观察过程是否稳定受控 可用来控制变量 第三部分 控制图 控制图的特征 用来监控过程的图形工具 确定可能存在的特殊原因 确定一般原因引起的波动，优化过程 体现正常过程的变化 告诉何时应采取措施 控制图的组成元素 中心线-过程的平均值线 上控制线（UCL）-变量的控制上限 下控制线（LCL）-变量的控制下限 控制线以过程中的数据为基础