- 1、本文档共43页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
SPC统计制程控制的基本概念
制程與控制圖的關系 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 26.67 25.40 24.12 4.67 2.21 0.0 UCL CL LCL UCL CL LCC Time period A Time period B Time period C Time period D A B D C 統計掣程控制(SPC) 基本概念 第一頁、課程內容 為什么要推行SPC 統計制程控制基礎理論 制程能力分析 控制圖原理和分析 預控制圖 預防性概念 1.1.1 為什么要推行SPC 統計制程控制的英文名稱是Statistical Process Control 或簡稱為SPC。 1.1.2 為什么要推行SPC 簡單地說就是應用“統計”(Statistical )技朮,去分析“掣程”( Process)中的特性,來“控制”( Control)掣程變異。 1.1.3 為什么要推行SPC SPC的目的就是要控制掣程達到“受控制的狀態”(in Statistical Control)。 1.1.4 為什么要推行SPC SPC主要集中在掣程的控制,因為掣程是問題的根源。它需要在掣程中,加入定時的檢查,以達到盡早找出問題,來減少浪費﹔ 1.1.5 為什么要推行SPC SPC典形運用的工具就有品質控制圖,利用簡單的圖表來提供以下的資料: 質量改進 決定工序能力 產品規格的決定 生產掣程的決定 1.1.6 為什么要推行SPC SPC是一個有效的工具,去不斷地改善品質﹔ 1.1.7 為什么要推行SPC SPC的最終目標在于做到“預防問題的發生”及“減少浪費”。 1.2 統計掣程控制 基礎理論 什么是制程 人? 設備? 材料? 方法? 環境? 輸入 生產過程 輸出 我們工作 的方式/資源 的融合 產品 顧客 比較需要和期望 制程變異的來源 材 料 設 備 環 境 方 法 人 質量變異 人? 設備? 材料? 方法? 環境? 輸入 生產過程 輸出 我們工作 的方式/資源 的融合 產品 顧客 比較需要和期望 偵察系統(Detective system) 統計方法 出貨檢查 (全檢/抽撿 ) 預防系統(Preventive system) 人? 設備? 材料? 方法? 環境? 輸入 生產過程 輸出 我們工作 的方式/資源 的融合 產品 顧客 比較需要和期望 統計方法 改 善 顧客的呼聲 過程的呼聲 偵察與預防系統的比較 偵察系統 預防系統 ?百分百檢查并未能完全保証質量(不合格品的漏走) ?檢驗發生在事實形成之后,為時以晚 ?容忍浪費,需相當的金錢和時間作支持 ?以不超出規格之上下限為基本概念,并不考慮目標值 ?以抽樣的方法,對主要掣程參數進行控制,預防不合格品的發生 ?在缺陷出現前,發現掣程必要 的更改,作出改善 ?避免浪費,相對所需金錢較少 ?以任何偏離目標值均為經濟損失為基本概念,努力維持掣程至產品特性之目標值 變異的性質分析有關事物確定性的分類: 分類 短期 長期 對策 必然事件 確定 確定 因果分析 隨機/偶然事件 不確定 確定 統計分析 混沌事件 確定 不確定 混沌理論研究 突發事件 不確定 不確定 碰運氣 統計學: 在包含不確定性的現實中, 研究如何利用信息作為思考、并 給予行動方針的學問((Barnett) 統計制程控制(SPC)基礎理論 原理一: 沒有兩件物件是 完全一樣的 原理二: 產品或制程的 變異是可以量度的 原理三: 變異是有一個 特定的模樣 時 間 統計制程控制(SPC)基礎理論 正態分布及其特性 (計量值數據) 14% 34% 34% 14% 正態分布: 對稱 單峰鐘形曲線 平均值=中位數 =眾數 原理四: 當收集的數據愈來愈多的 時候,將會趨向于中心 統計制程控制(SPC)基礎理論 中心極限定理(Central Limit Theorem) 整體 樣本 X2 樣本 X2 樣本 X2 樣本 X2 X X 抽 樣 N4 接近正態分布 平均值:X= μ 標准差:σ= σ/n 非正態分布 平均值: μ
文档评论(0)