SPC统计过程控制及CPK分析-新版.pptxVIP

SPC统计过程控制;直方图;49.5～59.5： 53， 53 有两个学生 89.5～99.5：91，91，94，90，95 有五个学生;什么是正态分布;大数定律;样本足够大时，样本服从正态分布（即抛物线形状），例如对一千居民收入随机调查，发现无论低收入还是高收入都是少数，而中等收入占多数，即为正态分布。 大数定律指用于单一特征值，中心极限定理则表明变量在分布上的特征。无论大数定律还是中心极限定理都表明在偶然性中可以发现必然性。 中心极限定理就是一般在同分布的情况下，样本值的和在总体数量趋于无穷时的极限分布近似于正态分布。自然界大多数特性值近似服从正态分布，即使总体特征值的分布不遵循正态分布,它的许多重要的样本特征，如样本平均数和样本方差都是渐进正态分布的。;如果一个量是由大量相互独立的随机因素的影响所造成，而每一个别因素在总影响中所起的作用不大，则这种量一般都服从或近似服从正态分布 独立随机变量之和所特有的规律性：大量独立随机变量的和近似分布问题，当一个量受许多随机因素(主导因素除外) 的共同影响而随机取值, 则它的分布就近似服从正态分布，把和的分布收敛于正态分布这一类定理都叫做中心极限定理 若某随机变量可以看作是有相互独立的大量随机变量综合作用的结果，每一个因素在总的影响中的作用都很微小，则综合作用的结果服从正态分布 举例： 射击发射炮弹的落点与目标的偏差，就受着许多随机因素的影响 如瞄准时的误差 空气阻力所产生的误差， 炮弹、炮身结构所引起的误差等 测量中产生的误差都是服从正态分布的随机变量： 仪器偏差 温度变化偏差 估读误差造成的偏差 测试参数造成的偏差;小概率事件原理：假定异常波动已经消除，只有偶然波动，以偶然波动为基准，设计控制界限，当过程正常时，点子出界的几率为0.27%，根据小概率事件几乎不会发生的原理，有点出界时就可以判异。 正常过程所生产出来产品之质量特性，其分布大都呈正态分布或接近正态分布，超出三个标准偏差(?3?)的产品的概率为P=1-99.73%=0.27%，是个小概率事件，而在一次观测中，小概率事件是不可能发生的，一旦发生就认为???程出现问题。假定工序过程处于控制状态，一旦显示出偏离这一状态，极可能是工序过程失控。;制程问题的判定;;异常波动;随机原因 ——服从正态分布;非随机原因 ——不服从正态分布;管制图异常波动来自;管制图的作用;管制图的类型;1.数据收集： A）确定抽样频率和抽样数目 2 – 6 平均值-全距 管制图 6 平均值-标准差 管制图 = 1 个别值-移动全距 管制图 根据制程状况，一般情况下每2小时抽样一次，为便于数据处理，每次抽样数为5PCS，共抽取25个子组。 2.计算控制界限： A）全距控制图控制界限 R =S R i/ k UCLR = D4 R LCLR = D3 R R = 所有样本的平均全距 k = 样本个数（组数） UCLR = 全距的上控制界限 LCLR = 全距的下控制界限;平均值控制图控制界限： x = S x i /k UCL x = μ + A2 R LCL x = μ - A2 R（系数都是A2） 注：μ = x = 所有抽样组平均值的平均值（实际是全部数据的平均） _ X i = 第i个抽样组的平均值 k = 样本个数 UCL x = 平均值的上控制界限 LCL x = 平均值的下控制界限 全距控制图：控制精密度，或离散程度 平均值控制图：控制准确度，或偏离目标值的程度 ;;;;;制程名称;SPC实施流程;控制图的两个阶段;;精确度 双边规格; ;制程性能指数 （长期过程能力）PPK;Cpk和Ppk的最大区别是是否考虑了组间变异, 如果只考虑组内变异则为Cpk；如果考虑组间变异则为Ppk；正常情况下Ppk应该小于Cpk CPK考虑组内变异，而PPK考虑组间变异 CPK用到的数字是每一组数据的最大值和最小值，PPK是涉及到所有数字，举个例子（在这里要说楼主的取样有问题，不是一个件测5次，一般来说是一天或一班测5件，连续测同一件的是在考核量具RR时用到）假设是每天抽5件，抽了25天，125=25*5，其实CPK就用到40%的数据其他的数据都没有用到，而PPK是所有的都关注到。 从公式中可以看到CPK由于用到的仅仅是每天的最大值和最小值，其关注点在于一天内的波动;计量型制程能力分析;等级;CPK与不良率的对照表;;ISO 9001:2015 过程方法;人员;上模具与下模具平行度;三、制定过程控制计划;一、识别产品的特殊特性;识别过程中明显影响产品特性的过程， 不同制程问题解决方法如下：;骨架长度 骨架外径 骨架毛边;骨架长度与吸力相关性验证