基本品管统计重点学习的知识.docVIP

基本品管统计知识（ Ca/Cp/Cpk 概念介绍） Edited by Alex Chen on Aug. 11 th,2002 统计的基本原料是？ 数据 何谓『统计』？ 何谓『有意义的情报』？ 至少应包括：『集中趋势 + 离中趋势 + 含盖在特定范围内的机率』 一、 什么是平均值 X ？ 集中趋势 二、 什么是标准差σ？ 离中趋势 （标准差与全距有关） 三、 平均值 ±n 倍标准差 数据分布范围 数据如何分布？ 规格描述：规格中心（ SC），规格界限 (USL, LSL) 规格界限分类： 双边规格：同时存在上下规格界限 (USL, LSL) ；单边界限：只有规格上限 (USL) 或只有规格下限 (LSL) 时 平均值 X 和规格中心值 SC 的比较 （偏离规格中心） 规格上下界限范围和数据分布的比较 数据分布全数落在规格界限内 部份数据落在一边或两边规格界限外 平均值 ± 3 倍标准差为何 ？ 此为现有统计品管理论的基本依据，其信赖区间达到 99.73% 何为制程能力 (Cp) ： 制程精密度， 其值越高表示制程实际值间的离散程度越小， 亦即表示制程稳定而变异小 （离 中趋势，与σ有关） 。可用于比较公差（规格上限 -规格下限）与制程分布的比值， （亦即， 当公差范围内能纳入愈多的σ个数，则此制程表现愈好） ，其本身是一种制程固有的（已决 定的）特性值，代表一种潜在的能力 其公式为： Cp  USL LSL 6  ；按： 6σ就是 2*(3 σ )，亦即以 3σ制程为分界点，以评估制 程能力的好坏。 何为制程准确度 (Ca) ？ 制程准确度， 代表制程平均值偏离规格中心值之程度。 若其值越小， 表示制程平均值越接近 规格中心值，亦即质量越接近规格要求之水平（集中趋势，与 X 有关），制程平均值愈偏离 规格中心值，所造成的不良率将愈大） ( X SC) USL LSL 其公式为： Ca LSL) ，其中 SC 2 (USL  ， Ca 的值将介于 0 ~ 1 2 何为综合制程能力指数 (Cpk) ？ 理想的制程应同时要求较高的精密度与准确度，其计算公式有两种： 公式一： 双边公差时： Cpk=Cp*(1-Ca) ， 其中， Cp  USL LSL 6 Ca =0（不偏时），Cpk=Cp （有最大值） Ca =1（制程平均值 =规格上限或规格下限时） ，Cpk=0（其值最小有最大值） 当 Ca 1（制程平均值超出规格上限或规格下限时） ， Cpk 已经变得没有意义 了。 单边公差时：由于没有规格中心值，故 Ca =N/A ，故定义 Cpk=Cp 公式二： Cpu (USL X ) Cpu ( X LSL) 双边公差时： Cpk=min( 3 , 3 ) 两者取小值， 当制程平均值与规格中心完全一致时， USL LSL 6σ直接相除即可） Cpk=Cpu=Cpl = Cp （直接将公差与 6 单边公差时：由于没有规格中心值，故 Ca =N/A ，故定义 Cpk=Cp 一个 sigma(σ )所在的位置 3σ制程与 6σ制程之比较 标准差的两种估计值： ?R / d 2 - 从管制图分析得出的每个分组全距 R 图的平均值（ R ）以及管制图表中得到的 d2 值（如下所示） ，计算其值： ? R / d 2 ?R / d 2 ?s - 总的标准差，可用计算器计算出来（一般在计算器上可以标为 s 或是σ n-1 ） n ( Xi X ) 2 s ?s n 1 i 1 （按：以图解法显示一个 sigma(σ) 所在的位置 ） 制程能力评估之用途？ 一、 提供分析数据给设计部门，使其能尽量利用目前的制程能力，以设计新产品，二、 决定一项新设备或翻修之设备是否能满足要求， 三、 利用机械之能力，安排适当工作，使其能得到最佳应用，四、 选择适当的作业员、材料、与作业方法， 五、 用作建立机器之调整界限， 六、 作为接受客户订单时的衡量与参考。 制程能力的评估时机？ 初期 -- 新产品量产前 重大的产品或制程变更导入前量产阶段 --重大的产品或制程变更导入前 制程能力的评估的对象？ 所有的管制特性（ Special Characteristic） 在管制计划 /QC 工程表中所定义者 QS9000 中的应用的两种方法： 制程能力指数： Cpk=min( Cpu (USL X ) , Cpl ( X LSL) ) 3 ?R/ d 2 3 ?R/ d 2 初期制程能力指数： Cpk=min( Cpu (USL X ) , Cpl 3 ?S 制程能力判定准则？ Ppk ≧ 1.67, Cpk ≧1.33 计算 Cpk 或 Ppk 至少需要多少的数据？  ( X