SPC统计过程控制的概念.ppt

统计过程控制;;;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;;;统计过程控制图是由贝尔实验室的Walter shewhart 在1920年开发的，它提供了测量过程的观察值相与用统计方法计算出的“ 控制极限范围”（期望值）的图形比较。 绘制随时间而变化的表现。 一个过程的改变包括平均值和/或方差的改变， 因此我们总是同时绘出平均值以及方差的控制 图（Xbar和S）。 平均值的控制极限表示双边假设检验极限，用于推断观测的样本均值是 否发生了变化。 Sigma的控制极限或极差表示方差在何处显示差异。;;下图显示多种不稳定过程，控制图能够有助于确定这些不稳定状态什么时候产生、以及存在于什么环境。;一个稳定过程的输出值很少超出正负三个Sigma范围;;X Bar西格玛 （Xbar-S)控制图;文件: GEAPPS6SigmaMinitabTrainingMinitabSession 4control chart.mtw 选择 Stat Control Charts Xbar-S;选择响应数据栏，并输入一个表明分组大小的值，或从分组下标栏（在这个示例中，该项为“Week”）;Minitab生成了Xbar-S 图，它自动计算控 制极限范围。图中标明了失控点，并且在会话框中得以总结;在第七和十六周测定的平均值低于最小控制限度3.957. . . 它们属于失控点。 这个变化是由一些指定原因（相关系统或初始范围）导致的。 研究、 识别并 确定该偏差的可指定原因，将其在图表中相应的时间点上标明。 在第七周的区域中心的变化量大于期望值，这样也要求进行研究、纠正并记录。;要想确定平均值的控制极限范围，必须先计算出过程的总平均值。;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。 ;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。;2 s - 平均值的95%置信区间 3 s - a =.003 (原因: 多次序列检验; 减少可能发生的错误。) 4.5 s -与顾客需求相对比的单个测量值的长期过程性能目标。 6.0 s -与顾客需求相对比的单个测量值的短期过程偏差目标。;一个消费者服务组织希望能够监控消费者对公司的满意度。每周都对公司的１０个地区服务中心的调查结果进行评估，并制成表格。下面的实例说明了Xbar－s控制图如何用于监控“消费者满意度”（在这个示例中，满意值越高说明公司运营情况越出色。） 创建Xbar-s控制图表的主要信息: 分组总数量= 25 分组大小, n = 10 总平均值, X = 4.096 S=.1403;变量控制图控制限常量;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。 ;与随每次观测而变化的极限相比，控制图最好使用历史的稳定过程的极限。历史极限 决定了所“期望”的数据范围或“零假设（H0） ”。（使用Minita中的历史设置值） 改变控制限范围，当： 一个过程有了改变，且此改变被认为具有统计显著性时（即 Ha）。 当完成了一个规定的实际过程改变。 ;;这个图表代表一个可预测的过程，在该过程中偏差仅受随机偏差的支配。 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。;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。;;;;;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。;单个变量X – 移动极差图适用于分组 内并不存在可测量的偏差的情况（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）。; 注意EWMA 的形状， 该图所使用的数据和我们前面连续数据图中的数据相同。我们注意到平均值存在向上的趋势，其中还有均值向下的显著位移。;特征值控制图;主要属性图;一个本地的牙科小组想要了解为什么他们的许多患者都会失约；为此成立了一个问题解决小组