运用SPC进行质量分析.pptVIP

运用SPC进行质量分析 为什么要学习本课程： 公司相关多数担当能对SPC基础还不了解，不熟悉SPC软件的功能和具体使用、分析。 课程目标： 1、使学员基本了解SPC的概念、原理和控制图等基础知识； 2、使学员能学会运用SPC软件的进行质量分析。 课程目录 第一部分 SPC基础 ●SPC的定义和原理 ●过程能力指数的计算 ●能力评价参考和正态公布 ●常用控制图类型 第二部分 公司SPC系统操作 ●系统登陆 ●介绍主界面的主要功能 ●介绍数据录入的基本操作； ●分析器的应用 ●方差分析、相关/回归分析、测量能力分析 一、SPC的定义 SPC（Statistical Process Control: 即统计过程控制。 是一种借助数理统计方法，通过对检测数据的收集、分析和评价，及时发现系统性不良因素出现的征兆，引发纠正预防措施，使质量得到持续的改善，从而保证产品与服务质量的一种过程质量管理工具。 Control 二、SPC原理 1、控制图的结构 控制图一般由中心线CL、上控制限UCL、下控制线LCL，并按时间顺序抽取的样本统计量数值的描点序列。它最大的优点是能够直观地看到产品或服务的质量的变化。 2、控制图原理 1）小概率事件原理： 例1：原假设Ｈ0 ：河里的鱼很少； 随机事件Ａ:在河里舀一瓢水，舀着了鱼，则原假设被推翻，而是得出新结论 ：河里的鱼很多 例2：某一加工工序，若过程正常,其直径超出规格上下限的概率只有0.1%，当出现超出规格限时，即可判定:点出界就判异！ 小概率事件在一次试验中几乎不可能发生，若发生即判定异常。 2）波动原理 例：户外娱乐——气枪打气球中的随机误差和系统误差 任何过程都不可避免地存在变差，都存在产生变差的因素（原因）。 变差的因素可分为正常（随机）因素与异常（系统）因素。 正常（随机）因素是过程固有的，是不可避免的，难以消除，但对质量的影响一般不大，如机床开动时的轻微振动、工作环境的温度等。 异常（系统）因素则是非过程固有，有时存在，有时不存在，易于发现，不难除去，但对质量影响大，如车刀磨损、工装松动等。 系统因素是我们关注的重点。 3） 3σ原则 据统计学家长期研究：自然界绝大多数的数据服从正态分布。而且落在3σ之外的概率为0.27%. 应用统计学原理设计出来的控制界限，当异常发生时，点子就会落在外面（判错的概率为0.135%)。因此，控制图上的控制界限就是区分偶然波动和系统波动的科学界限。 控制图中的CL、UCL和LCL由下式确定： UCL= μ+3σ CL= μ LCL= μ-3σ μ：中心值 σ：标准差（表示数据的离散程度） 规格限不等同于控制限，二者不能混淆： 规格限用以区分合格与不合格； 控制限用以区分偶然波动与异常波动。 四、过程能力指数的计算 2、过程能力(工序能力) B =6σ 受控状态下工序对加工质量的保证能力，具有再现性或一致性特征。反映工序的实际加工能力。 3、工序能力指数Cp（理想状态） 定义：工序能力指数Cp是工序质量标准的范围T （公差）与工序能力B的比值。 对于双侧公差情况：Cp = T / B = T / 6σ 对于单侧公差情况: Cp=|TM-μ| / 3σ 4、工序能力指数Cpk 修正偏差后的工序能力指数Cpk 偏移量 e=∣Tm - μ ∣ 单边公差 偏移系数 k = 工序有偏时 Tm Cpk = ( 1 – k ) Cp μ 有偏移时的过程能力图示 工序能力计算 案例1： 某一产品长度尺寸的规格为：30±0.3mm。从测量数据中取出200个数据计算得标准差σ = 0.1mm（理想分布），请计算CP值是多少？ 计算Cp ： T = 上公差-下公差=0.3-(- 0.3)= 0.6(mm) B = 6 σ = 6 * 0.1 = 0.6 (mm)