Cpk工序能力及控制.pptVIP

Confidential 什么叫工序能力 工序能力：也叫过程能力 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（ ISO9000：2000标准中的定义） 过程必须是一种增值的转换。 每一过程还会与其它过程有着相互关系。 所有工作通过过程来完成。 过程（工序）能力指数 过程（工序）能力指数是表示过程（工序）能力满足公差范围要求程度的量值。 过程能力指数是公差范围（T）和过程（工序）能力（6σ）的比值，通常用Cp（ Capability Process Index）来描述，工序能力高，则产品的合格率就高，反之，产品的合格率就低，因此，提高合格率，就需要研究工序的能力。 工序数据 工序的种类 计量特性值工序，如长度、重量、时间、强度、纯度、成分等连续性数据，最常见的是正态分布(normal distribution)。 计件特性值工序，如特性测量的结果只有合格与不合格两种情况的离散性数据，最常见是二项分布(binomial distribution)。 计点特性值工序，如铸件的沙眼数、布匹上的疵点数、电路板上的焊接不良数等离散性数据，最常见的是泊松分布(Poisson distribution)。 计件值与计点值又统称计数值，都是可以0个，1个，2个，…，这样数下去的数据。 掌握这些数据的统计规律可以用以保证和提高产品质量。 工序能力的计算 工序能力的计算 --部分公式 过程（工序）能力指数计算 1) 当给定双侧公差(TU, TL)，过程数据分布中心（ ）与公差中心(M)相一致时，用符号CP表示。 怎样研究工序能力？ 切断数据 怎样研究工序能力？ 研究的重点– 切斜 步骤1：找出最大值和最小值。 从附件的切斜数据中可见最大值为4.0，最小值为0.0。 数据分散宽度=(最大值－最小值)=4.0－0.0=4.0 步骤2：确定组数。 设n为数据个数，组数k可按下表或按经验公式：k ? 进行估计，这些都是经验值。其实，组数k=3，图形太粗糙，组数k=12，分组过多，直方图的直方之间已经出现缺口，故图中组数k在3-12之间最合适。本例数据个数n=47，故试取组数k=6。 步骤3：确定组距。 本例组距：h = (最大值－最小值)/组数 = 4.0/6 = 0.667 ? 0.7 步骤4：确定各组的边界。 为了使得所有数据不可能落在组界上，并使最小值0.0落在第一组内，故取第一组的下限等于最小值减去最小测量单位的一半(在本例即0.01/2 = 0.005)。于是，第一组的下限 = 0.0 － 0.005 = -0.005；第一组的上限 = 第一组的下限 + 组距 = -0.005 + 0.7 = 0.605 其余各组依此类推，参见下面的频数分布表。可见最大值4.0已包括在第六组内。 步骤6：作直方图。 根据频数分布表，在横轴上以每组对应的组距线段为底，以该组的频数为高，作出6个矩形所组成的直方图(histogram)，参见下图。 步骤7：对直方图的观察。 本例直方图的形状特点是：中间高、两头低、左右比较对称。如果我们重新抽查切断的切斜数据，再做直方图，会发现每次做出来的直方图的样子都差不多，直方图反映了数据的规律。 步骤8：对直方图纵轴的修正。 以频数为纵轴-------〉以频率为纵轴-------〉用面积来表示频率 Minitab 计算Cpk Stat\Quality Tools\Capability Analysis 左边的白色框中选择数据列，按Select按钮，在Subgroup size后输入组数：6，在Lower spec: 输入下限规格：0，Upper spec:后输入上限规格：1 讨论： 当数据越多，分组越密时，直方图会有怎样的变化？ 答：直方图将趋近为一条光滑的曲线，实质上就是分布。最常见的分布就是正态分布，其特点是中间高、两头低、左右对称并延伸到无穷。 若平均值(?)增大为?’，则曲线向右移动，分布中心发生变化。 若标准差(?)越大，则加工质量越分散。 标准差(?)与质量有着密切的关系，反映了质量的波动情况。 正态分布的两个参数平均值(?)与标准差(?)是相互独立的。 不论平均值(?)如何变化都不会改变曲线的形状，即不会改变标准差(?)。 不论正态分布的形状，即标准差(?)如何变化，都不会影响数据的分布中心，即平均值(?) 。 Cpk是工序中人、机、料、法、测、环（5M1E）诸因素均处于规定的条件下，操作呈稳定状态下的实际加工能力的反映。 不论?与?如何取值, 落在[?－3?，? + 3?]范围内的概率为99.73%。 过程（工序）能力指数的评定 a.过程（工序）能力等级评定