SPC统计过程控制9.ppt

Tab 3: SPC 统计过程 控制 Tab 3: 统计过程控制 6个西格玛与 SPC 6 个西格玛质量的重点是将控制范围转移到工序的上游，以充分利用对工序输入变量特征（关键X）的控制 什么时候使用SPC？ 希望获悉什么信息？ —关键过程变量（X或Y）在随时间变化吗？（即该过程稳定吗？） 如何观察输出变量？ — 基于实时数据、显示过程变化的图表 控制图表包含内容 假设检验? 过程的稳定性 控制图表类型 存在两种控制图表类型: 变量图表－ 用于监控连续变量值X，如:一个直径或消费者满意度评分。 属性图表－ 用于监控离散变量值X，如:合格产品/次品数量，或存货水平。 X Bar西格玛 （Xbar-S)控制图 用于分析和控制连续 过程变量 能够使用Xbar－S 图 在测量阶段，通过图形显示方式将变差的特定原因与一般原因分离。 在分析和改进阶段，在完成假设检验之前检查过程的稳定性。 在控制阶段，在改进措施实行后检验过程控制。 使用Minitab软件构建Xbar-S图表 使用Minitab软件构建Xbar-S图表 看！！…现在出现了什么? 分析控制图 计算变差图的控制限 要确定“s”的控制限，首先计算每一个分组的“s”值。 下一步计算平均值“S” 确定控制限的上下线。 计算方法基于与平均值图相似的概念，但是较之更为复杂。幸运地是，Minitab可以计算出这些极限范围。 大型分组提高灵敏度 当采样大小增加时，控制限范围缩小。这样可以 提高过程的灵敏度，即提高了探测到变化的概率。 控制图的灵敏度与采样大小的平方根的比例相关。即，采样大小为25的控制图灵敏度是采样大小为4的2.5倍（5/2）。 根据中心极限定理，分组大小必须大于2。 为什么使用 3 Sigma控制限范围? 变量控制图示例 控制图常量与控制限范围 控制图的使用 控制图表可以在测量和分析阶段用于跟踪过程的变化，分析显著的变化并记录。 控制图说明 对图表的解释与说明是在确定过程能力之前，是以持续进行的过程控制为基础，. 首先解释Sigma图表。 在初始能力分析期间，如果你能够识别那些造成“ 失控”情况的特殊原因变差，那么，在计算控制极限范围时，可以将这些数据点删除。 一般过程变差－“乏味…” 这个图表代表一个可预测的过程，在该过程中变差仅受随机变差的支配。 图中各点的上下跳动是不可预测的，但是它们都趋向于围绕着中心线（然而，不是非常接近）并且保持在控制极限范围之内。 这种型态是任何控制图的目标，它不一定表明过程的最佳能力，也不一定表明工序能满足规格要求， 但是，它显示该工序是稳定的。 特定原因改变“ 发生了什么？” 在偶然情况下，某个因 素进入过程并引起一个 突发性的短暂改变。 这个原因可在XBar图中表现为失控的一束点集，而S图通常并不会因为这些移动点而受到影响。 过程之外“啊哈！现在出现一些有趣的现象” 有时过程会产生异常现象，其结果是偶然出现一些“奇异点”，它们很明显并不属于基本过程分布的一部分。一个异常点产生过后，该过程恢复正常状态，直到下一个异常点出现。 过程突然移动 “你做过什么？” 过程趋势 “过程向何处发展？” 一种趋向是过程的水 平的逐渐移动，仅仅 反应在xBar图表中。 有时原料、测量和人为因素可能会引发过程趋势，但是这不大可能。问题通常出现在设备本身、电源供应、或先前的过程环境。 区域测试 平均值和极差图（Xbat – R） 如果靠人工进行，Sigma的计算是非常烦琐的，因此Xbar – R图便成为人工控制图的首选方法。 单个数据点和移动极值图（XmR） 单个变量X – 移动极差 图适用于分组内并不存在可测量的变差的情况（如：过程温度、压力或其它类似的测量值），或者适用于合理分组数据不可得时（由于成本或其它限制因素）。 指数加权移动极差 (EWMA)图表 EWMA 图比其他任何控制图灵敏得多。每个EWMA 图中的数据点都融有前面观察的信息，而且该图经过成形 特征值控制图 主要属性图 属性控制图表范例 在时间段内的测量特性 创建P图 改进图形输出 微调 统计过程控制应用中的一些实践性问题 SPC图目标 主要概念: Tab 3 - SPC 控制图表选择流程 Xbar R 控制图计算公式 离散数据控制图计算公式 说明指导 当具备一个或多个下列条件时，控制图显示变化 一个取值点 3s (控制极限) 连续有9个点在平均值之上 11个点中的10个在平均值之上 14个点中的12在平均值之上 (p=.0055) 连续有9个点平均值之下 连续有7个点呈上升趋势 连续有7个点呈下降趋势 14个点呈序列地不断向上、向下交替变换。 3个点中的2个落在控制图的2-3s区域内。 5个点中的4