SPC统计制程管制与QC七大手法.pptx

CPK,SPC,GRRCorrelation regressionHoward LinMay,11,2005目 錄1.封面………………………………………...(Page1) 2.目錄……………………… ………………..(Page2) 3.SPC基本概念…………………………….(Page3) 4.SPC統計制程管制 4.1 Cpk……………………………………..(Page4~45) 4.2 QC舊七大手法………………………...(Page46~81) 4.3 管制圖………………………………….(Page82~94)5.相關回歸………………………………….(Page95~98)6.GRR…………………………………. (Page99 ~115)3.SPCStatistical Process Control統計制程管制1.SPC的焦點:制 程2.制程變異:(變異並非全是壞事) 2.1機遇原因(共同原因) 2.2非機遇原因(特殊原因)3.數據:制程取得的有用信息.4.統計:數據通過計算產生有意義的情報.5.SPC所使用的主要工具: 5.1 Cpk 5.2七大手法５.３管制圖6.計算:對數據進行處理的過程4.1Cpk制程能力分析常態分配特性(1)曲線與橫軸所圍的面積為1;(2)以μ為中心呈對稱性分布;(3)變異σ2代表分配函數的離散程度 如圖1所示,具有相同μ的二個常態分 配(a)與(b), (a)的離散程度比 (b)小, 即 σ2 aσ2b,所以常態分配(a)大多數 的點傾向於集中μ的附近.通常寫為X~N(μ:σ2)(a) σ2 a其中 μ:常態分配的中心值 (Mean) σ2：常態分配的變異（Variance） σ:常態分配的標準差(Standard Deviation)(b)σ2 bμ圖1常態分配Percentages Of The Normal Distribution管制圖與常態分配 X值在μ+kσ與μ-kσ之間之或然率(Probability)或稱機率如右圖.以圖中斜線部分表示,其公式為:σ群 體平均值=μ標準差= σ抽取一個μ -kσμμ+kσx圖2圖1群體(制程)與樣本間之關系μ為群體平均設 為樣本平均,S=?S為樣本標準差?為群體標準差在統計學上分配之期望值213分配之標準差注:如 可視為無限群體用式(3)設系有限數群體而 則 分配之標準差4為有限群體之修正系數群體(制程)與樣本間之關系樣本平均值之分配(無限群體)群體平均值之分配μ68.27%95.45%0.135%0.135%99.73%-3σ-2+2+3-1μ+1σσσσσLSLUSLμCpk Vs Defective YieldStandard Deviation from mean 我們常用產品品質特性的常態分配與規格相比較,以決定產品的不良率.如右圖所示產品品質特性的常態分配.規格上限:USL (Upper Specification Limit)規格下限:LSL (Lower Specification Limit)落在規格上,下限外的斜線面積即為產品的不良率.制程能力的數量表示法1..分散寬度以 表示之.目前在品管里常注重制程的分散寬度,故有定義制程能力為下式者:制程能力= (或 )群體標準差每不易直接求得一般以樣本資料推定之,其推定方法有下列三式 :Cpk 計算時用公式(1)(1)直接由樣本特性值計算時(2)由次數分配表計算時(3) 管制圖計算時d2一般均采用公式(3)兩種錯誤總和損失第二種錯誤第一種錯誤±1σ±2σ±3σ±4σ±5σ±6σ管制界限兩種錯誤之經濟平衡點Break even point, BEP 通常,在管制圖使中會有兩種錯(ERROR). 第一種即是當制程仍屬管制狀態,但卻因隨機性原因點落於管制界限外時,為了尋找不存在之問題而導致成本增加. 第二種即是當制程已失去管制,但數據點由於隨機問題仍落於管制界限內,因而誤判制程處於管制狀態,因而造成更大之損失.AccuracyPrecisionThe Accuracy of an instrument can be improved by recalibrating to reduce its error, but recalibrating generally does not improve the instrument’s Precision.(Repeatabil