Statistic Process Control 统计过程控制.ppt

Module Objective 章节目的 完成本课程的学习, 学员能够建立下列控制图表： 计量型: 均值极差图 (X bar－Ｒ） 　　　　 均值标准差图（X bar－s）　 　 单值和移动极差图(X-ＭR) 计数型: 不合格品率－－－－－－－p图 不合格品数－－－－－－np图 　　　 不合格数－－－－－－－c 图 单位产品不合格数－－－u 图 预控制图--------------------------------Pre-control chart 解释控制图表 理解控制图背后的理论 两类数据--计量值和计数值 真实世界中可监测的两类数据, 计量型和计数型数据. 当可能的时候尽量用计量值? ? 数据的展示方法—直方图 人脑不是很懂同一时间比较好几个数据，所以一大堆数是很困难分析的,除非用一个已经消化的格式展示出来 数据的展示方法—排列图 排列图 数据的展示方法---检查表checklist 打字課上的問題 数据的展示方法---SPC控制图 SPC是用数据精确分析过程控制的方法. 可以过程能力指数衡量制程品质保证能力 数组的位置特性-MEAN平均数/平均值 一组数据的平均值 2 3 4 5 6 平均值=4 数组的位置特性-MEDIAN 中位数 一组数据由小至大排序后的中间数值 如样本数量是偶数，则中间两个数据的平均数为中位数 例子： 数组的位置特性- MODE 众数 一组数据中出现最多的一个数据 例子： 分布的量度-RANGE 极差值 一组数据中央最大和最小数据的差值 例子： 分布的量度-样本方差S2 一组数据中每一个数值与平均值之差的平方和的平均值。它反映了数据的分散程度。 S2=[( X1-X)2+( X2-X)2+( X3-X)2+…+( Xn-X)2]/(n-1) ? 分布的量度- 标准偏差S 一组数据的分布值，亦是变化值的平方根 ? S=√[( X1-X)2+( X2-X)2+( X3-X)2+…+( Xn-X)2]/(n-1) ? 数据分布 ? 統計的基本術語 ? SPC发展史 统计学(Statistics)是数学的一个分支: 1.从所有同类项目(总体)(population)中抽取一些项目(样本)(samples) 2.计算集中特征(central tendency),如算术平均数(average或mean)中位数 (median)和众数(mode),以及离散特征(dispersion),如级差(range),方差(variance)和标准差(standard deviation). 3.对于总体分布,通过对抽样分布做假定,便可提供对总体采取措施的基础 SPC发展史 1924年美国休哈特发明控制图表 日本从美国请来了戴明,推广控制图的应用 Why use statistical process control?为什么使用统计过程控制? 判断制程是否稳定的,处于统计过程控制 发现变差的特殊原因改善制程 提供信息, 对制程采取措施最经济 Introduction to SPC SPC导论 SPC是用于观测变差并使用统计信号来监控和改善性能的基本工具, 该工具几乎可应用于任何领域: 设备性能特性 记帐作业的出错率 销售收入的货币图 损耗分析的报废率 物料管理系统的准时率 Introduction to SPC SPC导论 SPC代表统计过程控制. 不幸的是,大多数公司将其应用于完成品, 而不是分析过程特性. 直到过程输入因素成为我们努力的焦点时, SPC方法在改善品质, 提高生产力, 以及减少费用等的能力才可以充分实现 几个重要概念: 变异— 普通原因— 特殊原因— 局部措施— 对系统采取措施— 几个重要概念: Variation 变异 为了有效地使用过程控制测量数据，理解变差的概念是很重要的。 没有两个产品或特性是完全一样的，因为任何过程都会有很多变化的原因. 产品之间的判别可能很大，也可能小到测不出来，但这些判别总是存在的 例如：车轴的直径会受以下的因素影响。 ——加工机器的变化（间隙，轴承磨损） ——刀具（强度，磨损程度） ——材料（直径，硬度） ——操作工（加工速度，中心点准确度） ——维修（润滑，坏件更换） ——环境（温度，电源稳定性） 几个重要概念: Variation 变异 几个重要概念: COMMON AND SPECIAL CAUSES普通和特殊原因 从最低要求的观点，过程的变差常被简化，产品在规格公差内是合格，在公差外是不合格，如果要管