六西格玛控制阶段培训讲学.pptVIP

c u np 样本数不变 样本数变化 缺 陷 数 泊松分布 二项分布 不合格品数图 缺陷率控制图 缺陷数控制图 不合格品数 离散数据控制图的分类 p 不合格品率图 控制图的统计原理 对过程的控制状态判定过程相应于如下 假设检验的问题:（过程的平均:? ) H0 : ? = ?0 H1 : ? ? ?0 抽样计算统计量的值超过 UCL或 LCL 时放弃 H0 ，否则采纳H0 LCL CL UCL Ho拒绝区域 Ho 接受区域 Ho 拒绝区域 控制状态(因自然原因的变动) 失控状态(因特殊原因的变动) -3σ +3σ ① ② 说明：① + ② = α = 0.27% (控制状态) (失控状态) 失控状态(因特殊原因的变动) 临界上限 临界下限 所有变动可分为偶然变动（因偶然原因造成的）和异常变动（因异常原因引起的） 通过控制图可以迅速发现因异常原因造成的变动，但我们不能直接得到发生的原因 控制图的控制界限是根据过程能力得到的。规格界限是根据顾客的要求来确定的。两者不同，绝对不能比较 控制图以统计原理为基础，可以看出过程变量中具有异常趋向的因素 控制界限一般以测定的KPOV或KPIV的+/-3σ为界限 SPC控制图的说明 使用控制图的注意事项 及时将数据绘图。 确认“失控”状态，并对其作出反应。 查找造成“失控”的根本原因。 实施永久的解决方案。 如果过程并未“失控”，那么就不要做调整。 Y 从属的 输出 效果 症状 显示 X1 .., Xn 独立的 输入.工程 原因 问题 管理 Y = f ( x ) 实施6σ，我们已经知道，焦点应集中在引起变动的原因x上面。那么，SPC? 6σ－SPC 从这个观点出发，作为6σ的工具： SPC的焦点应在过程的原因即X上！ SPC在6σ应用中的说明 大部分公司将SPC用在分析过程的输出特性（KPOV）上，较少用在过程的输入特性（KPIV）。但我们要记住对输出特性（KPOV）的应用只是SPC使用中的第一阶段。 SPC的焦点在过程输入特性上，如果在这方面不能很好地应用，那么对于问题的改进就不能发挥更大的作用。例如：在生产或服务过程中，我们经常关注的是不良率或者缺陷率，而对生产或服务过程中引起不良的原因如操作不符合要求、质量工程师确认模糊、不合格品单据信息不完整等很少关注。 控制图的使用步骤 选定要监控的变量 搜集数据 过程稳定性判断 计算控制线 及时绘点监控 控制图的类型 存在两种控制图表类型: 连续变量控制图－ 用于监控连续变量值X，如:一个直径或消费者满意度评分。 离散变量控制图－ 用于监控离散变量值X，如:合格产品/次品数量，或存货水平。 平均值与极差 Xbar R N10, 典型3-5 平均值与标准 偏差Xbar与S n≥ 10 中间值与极差 X与R n10 典型3-5 单个数据点和 移动极差 X mR n = 1 监控连续 变量X图表 缺陷比例 p 图表 典型 n 50 跟踪 dpu/dpo 次品数量 nP图表 n ≥ 50(常量) 跟踪次品数量 缺陷数量 c 图表 c 5 缺陷数/单元 U 图表 N 变量 监控离散 变量X的图表 控制图表类型 SPC控制图的类型 不等 相等 不等 相等 离散型 泊松分布(缺陷数) 连续型 nP控制图 二项分布(不合格品数) 单值 分组 是单值还是分组 数据类型 P控制图 C控制图 U控制图 I-MR控制图 分组样本 容量相等？ 分组样本 容量相等？ - R 控制图 - S 控制图 X X 是否正态？ 是否正态？ 是 是 否 否 进行转换 哪些场合该使用SPC 当不能用一种装置来防止错误产生时 基于实验设计的关键变量 客户要求 管理承诺 用于中间生产过程和产品质量的控制 说明: 控制图可以通过失控信号显示出有特殊变动存在，但不能告诉我们过程为什么会失控。 采用过程控制的原则 数据随机； 平均值随时间常数； 变异随时间一致； 没有趋势、周期、漂移和上下错误； 没有在控制线以外的点； 多数点在中心线附近； 少数点靠近控制线。 稳定过程的特点 SPC中的判稳原则 1、一个点在A区外； 2、连续9个点在C区或以外 (在控制图同一边)； 3、连续6个点同时上升或下降； 4、连续14个点交替上升和下降； 5、连续3个点中有2个在A区或以外； 6、连续5个点中有4个在B区或以外； 7、连续15个点在中心线两侧的C区内； 8、连续8个点在中心线一侧的C区外。 -3s -2s +2s +3s -1s +1s C C B B A A SPC中的判稳原则（续） 1、一个点在A区外 2、连续9个点在