spc统计过程控制培训课件.pptVIP

一个消费者服务组织希望能够监控消费者对公司的满意度。每周都对公司的１０个地区服务中心的调查结果进行评估，并制成表格。下面的实例说明了Xbar－s控制图如何用于监控“消费者满意度”（在这个示例中，满意值越高说明公司运营情况越出色。） 创建Xbar-s控制图表的主要信息: 分组总数量= 25 分组大小, n = 10 总平均值, X = 4.096 S=.1403 变量控制图示例 控制限计算公式: 实际数据的控制限计算 参见下页的常量 SPC 表 UCL = 4.096 + (.975 x 0. 1403) = 4.232 LCL = 4.096 - (0.975 x 0.1403) = 3.959 UCLR = 1.716 x 0.1403 = 0.2408 LCLR = 0.284 x 0.1403 = 0.0398 控制图常量与控制限范围 变量控制图控制限常量 下列表格包括用于构建SPC控制图的不同常量。 用于计算控制图极限范围的标准偏差是以绘制图的类型为基础的。 对于Xbar图，它是分组平均值的标准偏差，这与合并标准差类似。 对于S图表，它是分组标准偏差的标准偏差。 两种类型的公式都依赖于分组的大小。 控制图的使用 控制图表可以在测量和分析阶段用于跟踪过程的变化，分析显著的变化并记录。 什么原 因导致 这种现 象发生? 控制图在控制过程中用于保持改进的结果。 用图进行监控并记录输入变量(X),分析X的变化并进行控制。 不断变化的控制限 与随每次观测而变化的极限相比，控制图最好使用历史的稳定过程的极限。历史极限决定了所“期望”的数据范围或“零假设（H0） ”。（使用Minita中的历史设置值） 改变控制限范围，当： 一个过程有了改变，且此改变被认为具有统计显著性的（即 Ha）。 当完成了一个规定的实际过程改变。 控制图说明 对图表的解释与说明是在确定过程能力之前，是以持续进行的过程控制为基础，. 首先解释Sigma图表。 在初始能力分析期间，如果你能够识别那些造成“ 失控”情况的特殊原因变差，那么，在计算控制极限范围时，可以将这些数据点删除。 一般过程变差－“乏味…” 这个图表代表一个可预测的过程，在该过程中变差仅受随机变差的支配。 图中各点的上下跳动是不可预测的，但是它们都趋向于围绕着中心线（然而，不是非常接近）并且保持在控制极限范围之内。 这种型态是任何控制图的目标，它不一定表明过程的最佳能力，也不一定表明工序能满足规格要求， 但是，它显示该工序是稳定的。 特定原因改变“ 发生了什么？” 在偶然情况下，某个因 素进入过程并引起一个 突发性的短暂改变。 这个原因可在XBar图中表现为失控的一束点集，而S图通常并不会因为这些移动点而受到影响。 一些典型原因： 引入了一批不合规格的 材料 测量系统的暂时间的偏移 不同的检验员 不同类型的工具 有时过程会产生异常现象，其结果是偶然出现一些“奇异点”，它们很明显并不属于基本过程分布的一部分。一个异常点产生过后，该过程恢复正常状态，直到下一个异常点出现。 一些典型原因： 测量中产生的错误 置于一堆的底层（或顶层）的原材料 条棒、线圈等的末端 污垢或进口材料 奇异点 奇异点 奇异点 过程之外“啊哈！现在出现一些有趣的现象” 一些典型原因： 调节错误或不正确设置 原料或润滑剂的改变 移动变化 现象： 连续九个数据点位于中心线的一边。 这种变化发生后， 该过程会产生零件 尺寸的平均值增大、产出增加或硬度增强等现象。 该过程的基本变差并未改变，极差也未显示变化的出现。 过程突然移动 “你做过什么？” 现象: 连续七个数据点呈上移趋向 连续七个数据点呈下移趋向 过程趋势 “过程向何处发展？” 一种趋向是过程的水 平的逐渐移动，仅仅 反应在xBar图表中。 有时原料、测量和人为因素可能会引发过程趋势，但是这不大可能。问题通常出现在设备本身、电源供应、或先前的过程环境。 一些典型原因： 这种现象通常与“工具磨损”有关。 例： 电镀作业和多种 化工作业中的电 镀槽损耗 电路管磨损 区域测试 Test Zone 1 ? 1 point above +3 sigma 2 A + 2 out of 3 in A+ or above 3 B + 4 out of 5 in B+ or above 4 C + 7 out of 8 in C+ or above 5 C - 7 out of 8 in C- or below 6 B - 4 out of 5 in B- or below 7 A - 2 out of 3 in A- or bel