spc统计过程控制原理分析.pptVIP

生产中的计量型数据 例子——生产中采集到的某产品的f0 生产中的计量型数据 例子——f0的分布（以直方图表示） 生产中的计量型数据 从图中我们可以看到什么？ 分布的中心 大约是300 分布的形状 接近正态分布 分布的宽度 大约从255~355 正态分布 如果数据足够多，分组足够多，可以看到以上直方图显示的分布近似成一连续的曲线 将直方图近似成连续的曲线的目的是为了方便地使用数学模型进行处理 分布 分布图中横坐标的意义 代表分布的区域 分布图中纵坐标的意义 代表在某区域内出现的次数 在归一化后成为在某数值区域出现的概率 正态分布 常见的数据分布 正态分布 正态分布曲线 特征： 左右对称 连续的 生产中常见的计量型数据大都可近似为正态分布 在一个样本空间抽样，无论该样本空间如何分布，只要抽样样本数足够大时，样本的平均为正态分布 正态分布 正态分布的数学表达式 正态分布 从样本中估计均值 从样本中估计均方差 正态分布的应用——Ppk和Cpk 正态分布的应用——Ppk和Cpk Ppk和Cpk的物理意义 正态分布的应用——Ppk和Cpk 从Cpk和Cpk可以估计超出工程规范的概率 正态分布的应用——Ppk和Cpk Ppk和Cpk的区别 短期/长期 正常情况下PpkCpk 在QS-9000中规定 正态分布的应用——Ppk和Cpk 对超出工程规范的概率的估计 超出下限 超出上限 实际应用中直接查正态分布表 问题 在知道 的情况下如何估计超出工程规范？ 正态分布的应用—— 正态分布的应用—— 正态分布的应用—— 初始研究 对数据的要求 试算控制线 确定控制线 典型的计量型控制图 正态分布的应用—— 正态分布的特性 对称，中值、众数、均值相等 在一个样本空间抽样，无论该样本空间如何分布，只要抽样样本数足够大时，样本的平均为正态分布 3σ 控制 小概率事件 第一类和第二类错误 选择α、β ，质量成本 正态分布的应用——其它常用的计量型控制图 计数型数据（1） 不合格数与不合格率 例子： 一批产品的不合格率为p，现抽取n个产品，求正好抽到m个不合格的概率，以及抽到不多于m个不合格品的概率。 答案： 二项分布 二项分布 二项分布 特点： 只有两种状态，两种状态出现概率的和为1。 应用：主要用于计数型的抽样 合格/不合格 通过/不通过 以二项分布为基础的控制图 p图 用于对不合格率进行控制 控制线 np图 用于对不合格数进行控制 控制线 二项分布的其他应用 计数型抽验方案 决定计数型抽取样本的数目 分析特定计数型抽验方案的风险 案例 为什么我公司QA对成品抽验时对f0的抽样数目和纯音的抽样数目不一样？ 计数型数据（2） 单位数量产品上的缺陷数符合泊松分布 泊松分布的概率 泊松分布的均值和方差 泊松分布的均值和方差均为λ 当样本空间足够大，而np足够小时，二项分布趋近于泊松分布 泊松分布 例子 假设每1000只盆架中平均存在13个喷涂不良的斑点，现在生产过程中抽取100只盆架，问发现不多于1个斑点的概率 答案： 以泊松分布为基础的控制图 C图 控制线（ 为缺陷数） U图（U为总缺陷数，n为抽样的单位数） 控制线 U图和C图的关系类似p图和np图 * 有控制线/按顺序描点 * 用X平均控制分布的中心 用R控制分布的离散度 分组 * XR图的计算公式 是最常用的计量型控制图 * 计量型控制图的原理是利用了正态分布的上述特性 控制线用3SIGMA是考虑到风险和质量成本 * 适用的范围 * * * * * * * * * * 分析用控制图的主要目的是:(1) 分析生产过程是否处于稳态。若过程不处于稳态,则须调整过程,使之达到稳态。(2) 分析生产,过程的工序能力是否满足技术要求。若不满足,则需调整工序能力,使之满足。比利时学者威尔达(S.J.Wierda)称此状态为技术稳态,而前一状态为统计稳态。根据统计稳态与技术稳态的是否达到可以分为如状态分类表所示的四种情况: 1.??? 状态Ⅰ:　统计稳态与技术稳态同时达到,这是最理想的状态。 2.??? 状态Ⅱ: 　统计稳态未达到,技术稳态达到。 3.??? 状态Ⅲ:　统计稳态达到,技术稳态未达到。 4.??? 状态IV:　统计稳态与技术稳态均未达到。这是最不理想的状态。 * 控制图通过什么样的工作模式来判定生产处于什么样的状态 * 控制图通过什么样的工作模式来判定生产处于什么样的状态 * 控制图通过什么样的工作模式来判定生产处于什么样的状态 * 控制图通过什么样的工作模式来判定生产处于什么样的状态 * 控制图通过什么样的工作模式来判定生产处于什么样的状态 * 控制图通过什么样的工作模式来判定生产处于什么样的状态 * 控制图通过什么样的工