统计过程控制原理SPC原理.ppt

有控制线/按顺序描点 用X平均控制分布的中心 用R控制分布的离散度 分组 XR图的计算公式 是最常用的计量型控制图 计量型控制图的原理是利用了正态分布的上述特性 控制线用3SIGMA是考虑到风险和质量成本 适用的范围 以二项分布为基础的控制图 p图 用于对不合格率进行控制 控制线 np图 用于对不合格数进行控制 控制线 二项分布的其他应用 计数型抽验方案 决定计数型抽取样本的数目 分析特定计数型抽验方案的风险 案例 为什么我公司QA对成品抽验时对f0的抽样数目和纯音的抽样数目不一样？ 计数型数据（2） 单位数量产品上的缺陷数符合泊松分布 泊松分布的概率 泊松分布的均值和方差 泊松分布的均值和方差均为λ 当样本空间足够大，而np足够小时，二项分布趋近于泊松分布 泊松分布 例子 假设每1000只盆架中平均存在13个喷涂不良的斑点，现在生产过程中抽取100只盆架，问发现不多于1个斑点的概率 答案： 以泊松分布为基础的控制图 C图 控制线（ 为缺陷数） U图（U为总缺陷数，n为抽样的单位数） 控制线 U图和C图的关系类似p图和np图 读解控制图 生产过程的四种状态 ? 统计稳态 是 否 技术 稳态 是 Ⅰ Ⅱ 否 Ⅲ Ⅳ 控制图的判断准则 判定控制图的原则 控制图上的点不超出控制线 控制图上的点的排列分布无缺陷 控制图的判断准则 控制图上的点不超过控制线 控制图的控制线是设置在分布的3SIGMA处，超过控制线的概率为0.27%（即α=0.27%） 至少有25点不超出控制线才能认为过程处于受控状态 连续35点中仅有1点超出控制线，或连续100点中最多有2点超出控制线也可认为处于受控状态 控制图的判断准则 控制图上的点排列分布的缺陷类型 链：连续在CL同侧的点 偏离：较多的点出现在控制线一侧 倾向：连续若干点上升或下降 周期：点的上升或下降出现明显的时间间隔 接近：点接近控制中心线活上下控制线的情况 控制图的判断准则 链：出现7点链时看作异常 在稳态的情况下，出现7点链的概率为0.7%，即此准则的α=1.5% 点出现在CL上侧的概率为： 控制图的判断准则 偏离：出现以下偏离为异常（ α=1%） 连续11点中有10点出现在CL同侧 连续14点中有10点出现在CL同侧 连续17点中有14点出现在CL同侧 连续20点中有16点出现在CL同侧 控制图的判断准则 倾向：连续7点上升或下降，判定为异常 α=0.39% 控制图的判断准则 周期： 周期无明确的判定标准，可以用出现的概率进行判断 控制图的判断准则 接近 点集中在中心1/3区域（连续15点集中在中心1/3区域） 控制图的判断准则 接近 连续3点中有2点接近控制上下线（α=1.5%） 连续7点中有3点接近控制上下线 连续10点中有4点接近控制上下线 控制图的判断准则 判定准则 有点超出控制线，为异常 连续7个点上升或下降，为异常 连续7个点在CL同侧，为异常 正常状态下大约有2/3的点集中在控制中心线附近1/3区域 从控制图判断生产过程的状态 例子 中，X图的点超出控制线，R图没有超出控制线。 说明，在不同的时间，分布的中心在漂移，但在同一时间，工序是稳定的。 存在没有得到控制的因素，随时间不同而不同 正常，但Cpk小于1.33 说明生产过程处于统计稳态，但未达到技术稳态 机器设备未达到要求 从控制图判断生产过程的状态 R图超出控制线，X图正常 点集中在X图中心1/3区域，R图正常 X图正常，连续7点在CL以下 X图的点集中在中心1/3区域，R连续7点在CL以下 在生产过程中，产品的加工尺寸的波动是不可避免的。它是由人、机器、材料、方法和环境等基本因素的波动影响所致。波动分为两种：正常波动和异常波动。正常波动是偶然性原因（不可避免因素）造成的。它对产品质量影响较小，在技术上难以消除，在经济上也不值得消除。异常波动是由系统原因（异常因素）造成的。它对产品质量影响很大，但能够采取措施避免和消除。过程控制的目的就是消除、避免异常波动，使过程处于正常波动状态。 统计过程控制（简称SPC）是一种借助数理统计方法的过程控制工具。它对生产过程进行分析评价，根据反馈信息及时发现系统性因素出现的征兆，并采取措施消除其影响，使过程维持在仅受随机性因素影响的受控状态，以达到控制质量的目的。它认为，当过程仅受随机因素影响时，过程处于统计控制状态（简称受控状态）；当过程中存在系统因素的影响时，过程处于统计失控状态（简称失控状态）。由于过程波动具有统计规律性，当过程受控时，过程特性一般服从稳定的随机分布；而失控时，过程分布将发生改变。SPC正是利用过程波动的统计规律性对过程