质量统计控制方法.ppt

统计过程控制——工具Statistical Process Control 本章内容 SPC的发展 20世纪20年代，美国休哈特提出； 二战后期，美国将休哈特方法在军工部门推行； 1950~1980，逐渐从美国工业中消失 ；休哈特的同事戴明博士在日本推行SPC； 在日本强有力的竞争下，80年代起，美国又重新大规模推行SPC； 美国三大汽车厂联合制定QS9000标准。 SPC的作用 1、确保过程持续稳定、可预测。 2、提高产品质量、生产能力、降低成本。 3、为制程分析提供依据。 4、区分变差的特殊原因和普通原因，作为采取局部措施或对系统采取措施的指南。 预防与检测 过去，制造商经常通过生产来制造产品，通过质量控制来检查最终产品并剔除不合格产品。在管理部门则经常靠检查或重新检查工作来找出错误，在这两种情况下都是使用检测的方法，这种方法是浪费的，因为它允许将时间和材料投入到生产不一定有用的产品或服务中。 一种在第一步就可以避免生产无用的输出，从而避免浪费的更有效的方法是－－预防 SPC强调全过程的预防！ 1 直方图（histogram） Histogram Show the frequency distribution of a set of measurements 二、作图步骤 （1）收集数据 收集数据就是随机抽取50个以上的质量特性数据，而且数据越多作直方图效果越好。质量特性实测数据表是收集到的某产品的质量特性数据，其样本大小为n=100。 (2) 找出数据中的最大值，最小值和极差。 数据中的最大值用xmax表示，最小值用xmin表示，极差用R表示。 某项目统计数据为： xmax=64，xmin=39， 极差R= xmax- xmin=64-39=25。 区间[xmax, xmin]称为数据的散布范围 (3)确定组数。  组数常用符号k表示。k与数据数多少有关。数据多，多分组；数据少，少分组。分组多少可参考下表直方图分组数表。 例子中100个数据，常分为10组左右。 也有人用这样一个经验公式计算组数： k=1+3.322(logn) 例子中n=100，故： k=1+3.322(1ogn)=1+3.322(log100)=7.62≈8 一般由于正态分布为对称形，故常取k为奇数。 所以例子中取k=9。 直方图分组数表 (4)求出组距(h)。 组距即组与组之间的间隔，等于极差除以组数，即  (5)确定组界 为了确定边界，通常从最小值开始。确定最小值S在第一组内，使数据观测值不落在上、下限。最小值xmin=39，组距(h)=3.第一组下限值： S-h／2=39-1.5=37.5 上限为下限加组距。 故第一组的组界为：（37.5，40.5） (6)计算各组的组中值(wi)。 ▲所谓组中值，就是处于各组中心位置的数值，又叫中心值。 ▲某组的中心值(wi)=(某组的上限+某组的下限)/2 ▲第一组的中心值(w1)=（37.5+40.5）/ 2=39 ▲第二组的中心值(w2)=（40.5+43.5 ）/2=42 ▲其它各组类推，组中值如 中所示。 频数统计表 (7)统计各组频数。 统计频数的方法，如上表所示。 (8)画直方图。 以数据观测值为横坐标，以频数为高度作纵坐标，作成直方图，如下直方图所示。 三、直方图的用途 直方图在生产中是经常使用的简便且能发挥很大作用的统计方法。其主要作用是 (1)观察与判断产品质量特性分布状态 (2)判断工序是否稳定。 (3)计算工序能力，估算并了解工序能力对产品质量保证情况。 四.直方图的观察与分析 对直方图的观察，主要有两个方面： 一是分析直方图的全图形状，能够发现生产过程的一些质量问题； 二是把直方图和质量指标比较，观察质量是否满足要求。 （1）正常型 图形中央有一顶峰，左右 大致对称，这时工序处于稳定 状态。其它都属非正常型。 (2) 偏向型 图形有偏左、偏右两种情形，原因是： (a)一些形位公差要求的特性值是偏向分布。 (b)加工者担心出现不合格品，在加工孔时往往偏小，加工轴时往往偏大造成。 (3) 双峰型 图形出现两个顶峰极可能 是由于把不同加工者或不同 材料、不同加工方法、不同 设备生产的两批产品混在一 起形成的。 (4) 锯齿型 图形呈锯齿状参差不齐， 多半是由于分组不当或检测 数据不准而造成。 (5) 平顶型 无突出顶峰，通常由于 生产过程中缓慢变化因素 影响(如刀具磨损)