Spc 质量管理资料.pptVIP

目录 SPC简介 统计质量控制理论在1924年由贝尔公司的休哈特提出；和抽样检验理论一起是统计质量控制阶段的里程碑。 SPC简介 统计质量控制 运用统计方法 预测过程的趋势 从而消除过程的不稳定因素 保证过程的输出质量 SPC的重点 预测 稳定 控制 成本 SPC理论基础 稳定的过程是可以预测的 什么是稳定过程：过程的变异只由偶然（不可控）因素引起，不包含特殊（可控）因素 为什么稳定的过程可以预测 SPC理论基础 正态分布：自然界和生产过程中的许多随机现象都符合正态分布 集中性：正态曲线的高峰位于正中央，即均数所在的位置。 对称性：正态曲线以均数为中心，左右对称，曲线两端永远不与横轴相交。 均匀变动性：正态曲线由均数所在处开始，分别向左右两侧逐渐均匀下降。 正态分布有两个参数，即均数μ和标准差σ，可记作N（μ，σ）。 SPC理论基础 非正态分布：由于外力干扰，原本正态分布的现象可能会转化为非正态分布，如： 将两个作业员或两个机台的产品混合 人为设置了“阀门”，剔除了特定区间的数据 由于设备磨损或变形，数据的均值和标准差在缓慢地变化 SPC理论基础 正态分布：3σ原则 P（μ-σX≤μ+σ）=68.3% P（μ-2σX≤μ+2σ）=95.4% P（μ-3σX≤μ+3σ）=99.7% 简单来说：在符合正态分布的数据组中任意抽取一个数据，有99.73%的可能性该数据在区间μ±3σ内 SPC理论基础 正态分布：3σ原则 如果过程均值是3.0mm，标准差0.1mm；某小时抽样5个数据如下说明什么问题： A: 3.11, 3.02, 2.91, 2.99,3.01 B: 3.31, 3.02, 3.34, 2.99, 3.01 小概率事件和假设检验的基本思想 SPC理论基础 小概率事件 如某件事情的发生概率很低（低于0.5%），可以近似地认为该事件不可能发生 但如果该事件确实发生了，那它就不是小概率事件 假设检验的思想 假设总体符合正态分布系数为μσ 通过检查实际抽样数据是否符合该分布，如果不符合那上面的假设是错的 SPC理论基础 正态分布：3σ原则 如果过程均值是3.0mm，标准差0.1mm；某小时抽样5个数据如下说明什么问题： A: 3.11, 3.02, 2.91, 2.99,3.01 B: 3.31, 3.02, 3.34, 2.99, 3.01 假设过程稳定，这两个数据同时出现的概率大约是0.27%*0.27%=0.0729%，显然是小概率事件，但它确实发生了，所以否定假设，即过程不稳定 SPC理论基础 稳定的过程是可以预测的 为什么稳定的过程可以预测 因为稳定过程的输出符合正态分布 当正态分布的系数μσ已知时可以预测各数据的理论分布概率 通过实际抽样数据与理论分布概率的对比判断数据是否还符合正态分布（即过程是否稳定） Cpk与Ppk Cpk与Ppk的区别 Cpk子组内变差 Ppk 总变差 Cpk与Ppk Cpk与Ppk的区别 Cpk 能力 Ppk 表现 具备能力不一定能表现出来，因为可能会受到一些因素制约 对于运动员是伤病、状态等因素 对于过程就是特殊（可控）因素 Cpk与Ppk Cpk与Ppk的区别 Cpk 能力：一定是在稳定条件下（排除特殊因素只有偶然因素）得到的过程固有的能力 Ppk 表现：过程一段时间内（不一定排除特殊因素）表现出的能力 Cpk与Ppk Cpk与Ppk的区别 Cpk 能力 Ppk 表现 具备能力不一定能表现 Cpk与Ppk Cpk与Ppk的区别 Cpk 能力 Ppk 表现 具备能力不一定能表现 Cpk与Ppk Cpk与Ppk的区别 Cpk与Ppk Cpk与Ppk的区别 Cpk与Ppk的作用 Ppk: 新项目首次生产时并不能排除存在特殊因素的可能，并且间隔取样比较困难时使用Ppk研究，保证过程表现满足客户要求，为后续的研究积累数据 Cpk:进入量产后具备长期间隔抽样条件，并且已经排除特殊因素，处于稳定状态时进行Cpk研究，以便确保过程的能力满足客户要求 控制图 控制图 控制图的作用就是验证过程是否稳定 控制图的原理是正态分布与3σ原则 控制图仅仅验证稳定性，和客户的要求无关 控制图 通过控制图发现不稳定（特殊因素） 有一些值超出3σ控制限 控制图 通过控制图发现不稳定（特殊因素） 连续7点在中心线同侧 控制图 通过控制图发现不稳定（特殊因素） 连续7点上升或下降 控制图 通过控制图发现不稳定（特殊因素） 其他非随机图形 总结 实例 某重要特性值是82.8±5N,客户要求Cpk≥1.33;Ppk ≥1.67，怎样使用SPC 在OTS或PVS阶段收集数据，做Ppk研究： 实例 某重要特性值是82.8±5N,客户要求Cpk≥1.33;Ppk ≥1.67，怎样使用SPC 在OTS或PVS