spc 通识基础知识及入门.pptxVIP

品质管理的演进AgendaSPC概论变异管制图计量型数据管制图计数型数据管制图管制准则制程能力分析持续改善OverviewSPC概论What is SPC ？ SPC– S tatistical P rocess C ontrolStatistical :数据之搜集、 呈现(图，表)及分析Process :指一系列作业活动，每一活动均是过程Control :量测结果的管制 SPC是一种方法论。对过程数据进行收集，利用基本图形、统计工具加以分析，从分析中发现影响过程的变异，通过问题分析找出异常原因，立即采取改善措施，使过程恢复正常。 并借助过程能力分析与标准化，不断提升过程能力。 当控制图失控时，不能指出为什么失控。 当过程能力不足时，不能指出为什么不足。SPC的精神识别关键特性分析特性控制特性改进特性了解其正常波动的范围运用管制界限来探测过程是否异常不断改进过程的波动范围多收集数据以了解制程状况SPC功效看清品质状况 提前发现问题找出问题根源 少花钱办好事减少报表麻烦 满足客户要求提升生产效率 降低品质成本Variation变异Case study-----哪一种分布较好？Time变异 Variations量测材料机械品质特性制程环境人员SPC主要就是要处理变异组内变异与组间变异产品变异大致上可分为 组内变异 组间变异随机变异与非随机变异依据造成变异的原因，通常分成一般原因所造成之变异随机变异随机性原因- Common Cause特殊原因所造成之变异非随机变异非随机性原因- Special cause随机变异一般原因：制程中原因，其所造成的分配与时间的关系是稳定而可重复、可预测。如制程中之变异仅由一般原因所造成，则称此制程是在统计的管制状态中，其产品之特性有固定的分配。只有靠管理者才能解决之。采取必要措施，加强作业员的训练Re-design or Re-layout 工作站位置建立制程新方法，新程序一般原因- common cause大量微小原因造成原材料的微小变化机台的微小变化实际上要去除相当困难次数多、影响小 如果制程中只有一般原因之变异存在，则其成品将形成一个很稳定的分布，而且是可预测结果。非随机变异特殊原因：制程中不常发生但造成制程的变异，其所造成的分配与时间的关系不稳定且无法预期，故称制程不是在统计的管制状态下，因其产品之特性没有固定的分配。无法预料或以不定期的方式发生。SPC之目的在于确认此Causes，并加以修正之。特殊原因-special cause难预测一个或少数个大原因造成原材料的不良机台未复原新手操作应该可以找出其原因次数少、影响大时间 如果制程中有特殊原因之变异存在，则其成品将形成不稳定的分布，而且无法预测结果。Control chart管制图Shewhart : 管制图之创始人管制图是1924年由美国品管大师W.A. Shewhart博士发明。当时称为(Statistical Quality Control)。管制图在英国及日本历史英国在1932年，邀请W.A. Shewhart博士到伦敦，主讲统计品质管制，而提高了英国人将统计方法应用到工业方面之气氛。就管制图在工厂中实施来说，英国比美国为早。日本在1950年由W.E. Deming博士引到日本。同年日本规格协会成立了品质管制委员会，制定了相关的JIS标准。SPCSQCReal Time Response针对过程的重要制程参数所做的才是SPC测量Process原料结果针对产品所做的是在做SQC针对原料所做的控制也可属SPC管制图的原理中央极限定理当样本数够大时(n30) ，样本平均值的抽样分布会趋近于常态分布X中央极限定理：设从平均值为μ，变异数为σ2的一个任意母体中抽出个数为n的样本，当n够大时，样本平均值的抽样分布近似于平均值为μ、变异数为σ2/n的常态分布一个任意分布的母体中央极限定理正态分布特性管制图的由来休华特博士（Dr.W.A.Shewhart），在研究产品品质特性之次数分布时发现,正常的工程所生产出来产品之品质特性，其分配大都成正态分布，会超出三个标准差（±3σ）的产品只有0.27﹪。管制图的结构测量特性管制上限UCL ：Upper control limit% 数据点的百分比99.73 %3 Sigma管制中心线CL：Central Line2 Sigma95.45 %1 Sigma68.26 %1 Sigma2 Sigma 3 Sigma时间管制下限LCL：Lower control limit样本数与管制界限自中央极限定理来看，样本愈多时，其管制限愈狭窄。示意图如下：型一误差与型二误差μ+4σμ+2σμ-2σμ-4σ太过敏感Control limit 太宽两种错误现象型二误差 β又