SPC的基本观念培训讲义.ppt

正常的生产就应该是一个正态分布. 许多参数, 如人的身高, 成绩等都是正态分布. 当然也有许多不是, 但根据回归原则, 在抽样数大于30后, 其它分布型式也应该是正态分布. 根据正态分布的公式积分所得. 这里的99.73只是短期的, 但是长期的没有这么多, 因为中心值会偏离. 在长期的控制后才会有可信度. 落在2 σ外和机率为4.55%, 1 σ外的机会为31.73%. 异因就是我们必须控制并消除的, 偶因随机出现, 随机作用, 但对系统的作用很小, 正是因为偶因的存在才会使分布成为正态分布. 通过均值可以减少偶因所带来的作用. 此处的上下限不是规格上下限, 但是在生产中它至少应该小于产品规格上下线.否则我们不能保证我们的工序能力大于3个SIGMA. 如果它小于产品规程上下限的一半, 恭喜, 这个工序的能力是6SIGMA的标准. 我们用X根号N来与规格作对比. 用控制图我们冒必须0.27%的风险出现一类错误, 和比较大的风险冒2类的错误. 但是如果我们只作中心值的控制图2类错误就会很多, 但增加一个R或S控;制图, 所有的错误都会减少到很少. 在XBAR-R图中, 抽样数应该大于4, 通过均值来消除偶因的作用. R: RANGE, 指样品的分布范围. 这是一副典型的X-R控制图. R图已经有异常, 在异常点应该中断, 采用措施. 直方图的用途非常的广, 我们可以利用它表示许多数组的分布. 但是除了在工艺上, 分析时用得不多. 我们一定要分析自已的直方图, 充分分析每一个工具, 这样才能更好的利用这些工具. 高级的工具用途往往不大, 而且非常不常用. 能用简单工具能解决的问题不要总想着去用复杂工具, 又麻烦又不一定能好使. 缺齒型：高低不一，有缺齒情形。屬不正常分配，次數分配不妥當或 檢查員有假造數據、測量儀器不精密等皆會有此情形 .離島型：在左邊或右邊形成小島，原因測定有錯誤，一定有異常原因 存在，只要去除應可製出合乎規格之製品。 切邊型：有一端被切斷，可能原因數據經過挑選或製程本身經過全檢 雙峰型：有二個高峰出現，可能原因有二種分配相混合，例如二種機 台或二種不同原料，測定值因環境不同影響所造成。 高原型：形狀似高原狀，不同平均值分配混合所造成，應利用層別分 離後在作直方圖作比較。 80%的利润来源于20%的客户 如果样品的一致性不好, 那么就有可能出现最后一种情况. DOE只对有多个KEY FACTOR的时候可以大量减少SAMPLE的量时有用, 如果仅对两个量的研究, 则没有什么意义. 在相关性比较弱时会经常出错, 有很多不相关的因素被我们当成了相关因素. 在讲控制图之前我们先讲RUN CHART, 因为CONTROL CHART也是一种特殊的RUN CHART. 在SPC中也包括走势图, 珀拉图, 直方图等品管7大手法. 控制图只对工序有作用, 而走势图可以表示更多的有数据变化的量. 用途极为广泛, 从监控生产, 生产能力, 人员状况及股市等等, RUN CHART 已经成为目前使用最广泛的统计工具之一. 这是一个公司四种产品一年的定单数的变化. 温度, 股市等的变化都可以通过走势图表现出来. 在生产上, 每个月的产量, 产品的良率, 同种缺陷的在不同时间段的变化等, 我们公司的人员变化, 每种类型的人员所占的比例等都可以用走势图表示并分析出来. 同样, 我们公司的利润, 效益等. SIGMA是指的标准偏差, 但是是征对无穷样本而言的, 因此是约等于. 根据正态分布的公式积分所得. 这里的99.73只是短期的, 但是长期的没有这么多, 因为中心值会偏离. 在长期的控制后才会有可信度. 这是衡量一个流程的两个方面. 一个流程的四种情况 征对每一种情况措施不一样, 举例说明 所以对同样的良率低，采用的措施不一样。 一般产品大概有10到20个关键流程, 如果有5个在3 SIGMA水平, 良率仅有70%. 流程越多, 区分越大; 对6 SIGMA的流程来说, 多少个流程都不会有什么影响(我认为这也是为什么会提6 SIGMA的原因之一) 但在这里是指包括其它工具了. 广义的SPC就包括所有的品管7手法. 讨论, 为什么在美国没有得到实施? 因为美国的垄断, 失去了改善的动力. 而日本的经济想要掘起, 不得不依靠这些工具, 提高品质, 与美国竟争. 在一家日本汽车厂, 用了500余SPC控制图. 我们也应该在我们的每一个关键工序采用CONTROL CHART. 根据回归原理, 在进行抽样且SAMPLE数达到30以上后都应该是一个正态分布. 以后我们将会详细讨论P, PN, U, C这