统计过程控制(SPC)知识点宣讲.pptxVIP

SPC知识点宣讲 简单的说SPC就是运用数据使一系列活动按照我们希望的方式发展，从而得到我们期望的结果。SPC是什么?SPC 工作内容过程稳定？能力充分？SPC 工作原理SPC关注点：SPC是运用控制图来监控过程的波动情况，保证过程的稳定，一个稳定的过程输出才能保证产品的一致性。工作原理：SPC报警规则是根据小概率事件原理定义的，小概率事件一般不发生，一旦发生即判过程异常。S P C = Statistical Process ControlStatistical: 用统计方法 通过Sample Data 监控和分析Process 的变化Process : 分解出确保质量的要素 理解控制计划的必要性 确保树立控制计划能有效实施Control: 早期预报Process的变化 具备在最终Output出现前能纠正问题的时间两种过程波动 两种过程的变异：★普通性 Common cause（也称必然性）原因引起的变异：属于不易避免的原因，如操作人员的熟练程度的差别、设备精度与保养好坏的差别、同批原材料本身的差别等。★特殊性 Special cause（也称偶然性）原因引起的变异：属于可以避免的，也必须避免的变异，如不同批原料之间的差异、未经培训的不熟练的操作人员、设备的故障等。85%你必须随时监控（慢性）15%你必须立即消除（急性）波动理解特殊原因：某个特定的时间或地点发生了不同寻常的事情普通原因：在过程中总是某种程度上存在过程波动的理解 产品的变异性（Shewhart对过程变异的观点） ---相同的原料、设备所生产的产品，其品质特性还存在着一定程度的差异。波动（变差）来源 同一过程生产出来的产品或是特性不可能完全相同，因为过程 中存在变差源（6大变差源），这种差异也许很大，也许很小。数据统计基本概念单位产品：为实施检验的需要而划分的基本单元（有时也称为个体）。批量：单位产品的总和，又称总体。样本/子组：自总体中抽取一部分个体所构成的集合。计量值：以产品本身的特性来表示，如长度‘温度’重量等。计数值：以缺陷数和不良数表示。 样本个体总体两种数据类型有关质量特性的理解? 能够表明过程的质量特性参数? 能够表达为计数和计量型数据? 可取之于过程的输入、过程中的活动或过程的输出例子：（烤制一批蛋糕）过程阶段计数型数据计量型数据输入鸡蛋的重量鸡蛋外观缺陷数过程中混合物的光洁度缺陷数炉温表面的空洞数蛋糕的质地蛋糕的重量蛋糕的体积输出合理子组原则休哈特提出：组内差异只由偶因造成，组间差异主要由异因造成。组内差异只由偶因造成：目的是保证控制图上、下控制限的间隔距离6σ为最小，从而对异常原因能够及时发出统计信号。（我们在取样本组，即子组时应在短间隔内取，以避免异因进入。）组间差异主要由异因造成：目的为了便于发现异因。（在过程不稳，变化激烈时应该多抽取样本，而在过程平稳时，则可少抽取样本。）合理抽样：对仅有普通原因造成的变差的过程输出的测量抽样。SPC数据抽样原则子组内部的波动应该最小化。不要有意的把不同类的东西放到一组。子组之间的波动机会应该最大化。均值应屏蔽“噪音”，突出“信号”。图表类型需根据数据的来源选择。制定标准抽样程序。最好的抽样频率 没有一个固定和快捷的准则来选择最好的抽样频率，但是，应该通过以下因素来决定抽样频率：材料变化。工具变化。作业者变化。工艺变化。环境等的变化。正态分布 正态分布数据的分布服从正态分布（μ，σ），平均值为μ，标准差为σ。2我们希望是正态分布标准偏差(Standard Deviation)样本方差(Variance)表征Data的离散程度全距(Range)百分比(Percentile)总体(算术)平均(Average)表征数据的中心 中位数(Median)众数(Mode)正态分布的两个基本统计量 实际过程 σ变化，而μ不变 峰态分析 μ变化σ变化μ变化，而σ不变 位置分析 正态分布随时间的变化正态分布的性质99.7%95%68%-3σ-2σ1σ-1σ2σ3σμP（μ-1σ＜X＜μ+1σ）=0.68271.对称性：以过程平均为轴左右对称2.连续性：左右两尾无限接近于横轴3.正则性：曲线下横轴上的面积等于1P（μ-2σ＜X＜μ+2σ）=0.9545P（μ-3σ＜X＜μ+3σ）=0.9973P（μ-6σ＜X＜μ+6σ）=0.9999997141控制图控制图术语中心线（CL）：表示控制的平均值或平均数。控制上限（UCL）：中心线上方的控制界限。控制下限（LCL）：中心线下方的控制界限。受控状态：记入控制图内的点子，能够在界限内随机分布。失控状态：记入控制图内的点子，落在控制界限上或之外，或在界限内呈一定规律分布。控制图对过程的控制是通过抽样来进行的，很经济。但抽样可能会犯错误：第一种错误：虚发警报正常生产时点子偶然出现