统计过程控制2015学员版.pptxVIP

;;以概率统计学为基础，用科学的方法分析数据、 得出结论； ---使用数据分析;; 全面质量管理 20世纪60年代以来;预防还是容忍?;第二部分、统计学基本概念 ;;;总体、样本、个体;n 子组大小。单个子组中子组观测值的个数 k 子组数 X 质量特性的观测值（可用X1，X2，X3…表示单个观测值） 子组平均值 ;第 12页;第 13页;R 子组极差。子组观测值中的极大值与极小值之差;总 体 N 平均值=μ 群体标准差=σ;;s 标准差计算公式;Me ------子组中位数。对于一组升序或降序排列的n个子组观测值X1，X2，…Xn，当n为奇数时，中位数等于该组数中间的那个数；当n为偶数时，中位数等于该组数中间两个数的平均值;;第三部分、SPC体系的建立;;CTQ定义;CTQ选定方法;第四部分、控制图（Control Chart）原理 ;; ; ;;控制图的原理---质量的统计观点;统计学: 正态分布概念;;;引起变异的原因—普通原因和特殊原因 普通原因（Common Cause）：又称机遇原因（Chance Cause），系统原因，不可避免原因，非人为原因等。如操作技能、设备精度、工艺方法、环境条件。 此种原因所引起的变异（波动）称为正常波动（Natural Variations）； 特殊原因(Special Cause)：又称非机遇原因（Assignable Cause），偶然原因，可避免原因，人为原因等。如：刀具不一致、模具不一致，材料不一致，设备故障，人员情绪等。特点：不是始终作用在每一个零件上，随着时间的推移分布改变。 此种原因所引起的变异（波动）称为异常波动（Assignable Variations） ;;;◆正态分布有一个结论对质量管理很有用，即无论均值μ和标准差σ取何值，产品质量特性值落在μ±3σ之间的概率为99.73。 ◆于是落在μ±3σ之外的概率为100%一99.73%= 0.27%。 ◆而超过一侧，即大于μ-3σ或小于μ+3σ的概率为0.27%/2=0.135%≈1 ‰ 。如正态分布曲线图。这个结论十分重要。控制图即基于这一理论而产生。 ◆正态分布总面积是1,脱离已知规格的面积,那就是所推定的不良率 ;正态分布与高斯分布百分比;;;一点落在A区以外。 点出界就判异;连续9点落在中心线同一侧;连续6点递增或递减； 趋势(trends):管制图中的点逐渐上升或下降。;连续14点相邻点上下交替； 周期变化(cycles): 在一个短区间，数据会以某种模式重复。;连续3点中有2点落在中心线同一侧的B区以外;连续5点中有4点落在中心线同一侧的C区以外； 平均值改变(shift in level): 平均值明显不在中心线附近。;参数σ变小，所有点都聚集在均值周围，连续15点C区 中心线上下，表面现象好像很好，但具有非随机性； 规则性变化(systematic variable):管制图中的点一上一下有秩序的出现 。 ;连续8点在中心线两侧，但无一在C区中； 混合(mixtures):观测值都落在离中心线很远的地方，而且交错地分散。 ;一、 Ca： 制程准确度;过程能力：指过程要素(人、机、料、法、环)已充分标准化，也就是在受控状态下，实现过程目标的能力。 过程能力指数：是过程能力与过程目标相比较，定量描绘的数值。 过程能力指数表示的方法： Cp：过程均值X与规范中值一致时的过程能力指数。 Cpk：过程均值X与规范中值不一致时的过程能力指数。 过程能力指数表述仅存在普通原因变差时的过程能力。 Pp：过程均值X与规范中值一致时的过程性能指数。 Ppk：过程均值X与规范中值不一致时的过程性能指数。 过程性能指数表述，存在普通原因变差和特殊原因变差。 ;过程的标准差（正态分布存在两种标准差） 固有标准差：过程仅存在普通原因变差时用，即计算Cp、Cpk时用。 总标准差：过程存在普通和特殊原因变差时用，即计算Pp、Ppk时用。 ;制程准确度Ca(Capability of Accuracy) 衡量自产品中所获得产品数据的过程平均值(X),与规格中心值(u)其间偏差的程度,是期望制程中生产的每个产品的实际值能与规格中心值一致 (1)Ca之計算方式如下： 过程平均值-規格中心值 X-u Ca=----------------------------------*100% = --------------*100% 規格公差/2 T/2 T=USL-LSL =規格上限--