2019年SPC统计过程控制培训课件.pptVIP

SPC统计过程控制Statistical Process Control 第一部分：基本概念介绍 统计过程控制：是用统计的理论和方法来控制整个产品的制造过程，用最经济的生产方式，来生产满足客户要求的产品。 第一部分：基本概念介绍 统计：在品管上，尤其是在生产的品质特性上，多以“几率”统计为根据，来探讨群体和样本之间的关系。 过程：一组将输入转化为输出的相互关联或相互作用的活动，过程包括输入、输出、资源和控制四个要素。 控制：通过一个或一系列方法使对象的运作始终在设定的标准以内的一种手段，控制的最终目的是稳定，控制是改善的基础。 第一部分：基本概念介绍 统计过程控制的目的： 我们致力于解决以下问题： 生产中的整体品质，难以全部测定或获得； 如何由无限群体中抽取有限的样本来代表群体； 如何由样本特性的分布情况来判断整体，从而推断生产的全部情况； 以数字来标识群体或样本的概念 第一部分：基本概念介绍 计数值：以个数计算的数值，或其数值为间断性的，如：不良品数、故障次数、缺点次数、失败次数、人数，大多数是以0，1，2，3……等整数值表示的不连续数值。 计量值：是理论上可以无限分割连续量测的数值，但可能会受限于量测设备的精密度，如温度、长度、重量、面积、压力、流量、酸度等。 第一部分：基本概念介绍 标准：为了判断产品的质量等级，对于产品的某种特性所规定的要求。 平均：所有样本产品的某种特性参数的普遍情况的表示方式，包括算术平均数、几何平均数和加权平均数，其中算术平均数最为常用，其他两种会在工程上经济上特别的情况适用。 变差：数值群中各个数值对于其平均值的偏离程度，变差的表达方式有平均差、标准差、变差数、变差系数、极差和变差平方和。 第一部分：基本概念介绍 算术平均数＝ΣXi/n 几何平均数＝n÷Σ1/Xi 加权平均数＝ n (X1×X2×X3……×Xn) 平均差MD＝Σ|Xi－ | 变差平方和S＝ Σ(Xi－ )2 变差数 v＝S÷n 标准差 s＝√ v 变差系数CV＝s÷ ×100％ 极差＝Xmax－Xmin 第一部分：基本概念介绍 准确度：样本的算术平均值与设定的标准之间的偏离程度。 精确度：每一样本与样本的平均值之间的偏离程度 第二部分：正态分布与变差 正态分布：工厂中测定计量值的数据大致都会呈现出常态分布的情况，尤其是在控制状态下的数值。 第二部分：正态分布与变差 正态分布的特征： 以平均值为中心； 呈左右两边相对称的钟形； 两端无穷延伸，但永不与横轴相交； （u±1σ）点是曲线的转折点； 绝大多数的点包含在（u±3σ）范围内，共占99.73％ 第二部分：正态分布与变差 正态分布图形 第二部分：正态分布与变差 为什么要研究变差？ 逐一到变差有助于主管人员更加充分地了解到业务和过程的真实表现。过去组织用“平均”来描述成果：平均成本、平均运转周期、平均温度、平均重量等。 但实际上，平均掩藏了变差这个问题。 案例：XX饮料厂对某一产品灌装重量的要求是450克。公司经过统计发现，产品实际平均灌装重量是475克。但是，平均数值掩盖了这样一个事实，由于变差的广泛存在，超过15％的产品的重量低于标准的450克。如果不缩小整体的变差，公司发现必须把灌装重量调整为525克，这是一个非常痛苦的发现；随之，公司对过程进行了分析，并采取了一系列措施，变差被显著地减小了，现在公司只需要将灌装重量设定为465克就可以达到重量标准的要求了。公司在此项改善中获得的好处是原料成本降低了11.4％。 第二部分：正态分布与变差 第二部分：正态分布与变差 不同控制状态下正态分布的表现 第二部分：正态分布与变差 研究正态分布和变差的方法：作出正态分布图并计算标准差。这需要硬件和软件的帮助。 简易方法：直方图。又名柱形图 何谓直方图？ 直方图就是将收集的数据，用一定的范围在横轴上加以区分成几个相等的区间，将各区间内的数据所出现的次数累计起来的面积用柱形画出的图形 直方图可以了解产品在规格标准之下的分布的形态，过程的中心值与变差的大小等情形。 第二部分：正态分布与变差 直方图的制作方法 收集数据：收集数据时应特别注意，不可只取某些部分样品，应就全部均匀地加以抽样。 找出数据的最大值和最小值。 计算极差。 决定组数与组距：组数是直方图柱形数量，组距是各组数的包括范围。 决定各组的组界。 制作次数分配表。 制作直方图 填上主题、规格、平均值、数据来源、日期等资料 第二部分：正态分布与变差 直方图示例 第二部分：正态分布与变差 直方图的判读 案例一： 第二部分：正态分布与变差 案例二： 第二部分：正态分布与变差 案例三： 第二部分：正态分布与变差 案例四： 第二部分：正态分布与变差 案例五： 第二部分：正态分布与变差 案例六： 第二