spc数据控制图分析过程.pptxVIP

计量值数据控制图;内容;学习目标;什么是 “SPC”? 你认为你知道，但是你真的知道吗？ ;以下问题可以进一步确认你对 SPC的理解程度。;对SPC图的误解;对 X-图的更多误解;LSL;SPC控制图介绍 ;品质特性的图解比较和计算的控制界限。 通常而言, 品质特性的抽样统计值沿时间轴被绘于图上，有时直接将实际值绘于图上。;控制图画出了随时间变化的变异。 控制界限(UCL)和(LCL)帮助我们区别两类不同类别的变异原因。 ;一个超出UCL或LCL的点表示过程失控。 需采取调查和纠正行动来消除变异的可归属原???。 可归属原因可能是测量误差、测绘误差、某些过程输入的特殊变异等。 etc.;子群变量控制图 (X-R 和 X-S 控制图);中心极限定理和正态分布;总体不一定会服从正态分布，其分布可能偏斜、呈矩形或倒三角形。 只要样本容量足够大，子组均值将显示出集中趋势，变异将服从正态分布。 这就是中心极限定理。 ;该发现意味着可以通过测量子组均值来监控过程随时间所发生的变化。 (X-图的基础)。 如果过程是一个恒定原因系统，子组均值将服从正态分布，其变异将完全归因于随机原因。 当存在可归属原因时，其将影响图上的点，这些均值将不在正态曲线内。;中心极限定理的重要信息: 如果样本容量为n的k 组观测值被取得， x1, x2, … , xk的分布将是大致服从正态分布，记为N(?x,?x) 。;X-R 图的结构;控制界限是估计的过程+/-3 sigma界限 。 开发的常数表用于使 sigma计算简单并降低误差。 ;控制图 – 抽样风险;控制图 – 抽样风险;I 类错误 过程实际未失控但判断其失控。 ? = I 类错误的概率 = I类风险又可称为供方风险 = 总I类风险为 +/- 3s控制界限外的0.27% ;I类风险 如果过程实际处于受控状态，但因I类风险而进行了调整，称为过程干预。 干预会增加过程变异。;II类错误 过程实际不在控制状态而认为其在控制状态 ? = 发生II类缺陷的概率 = 又称为消费者风险 ;设置控制界限;;平均运行周期 (ARL);对一个受控过程, 对一个失控过程, ARLs 用于帮助确定样本容量及抽样频率。;控制图理论的一个重要概念是通过抽样组成一个数据组（子群） 修华特称之为合理子群 X-图用于探测由于特殊原因所导致的过程均值偏移。;如果一个可归属原因确实存在： 我们希望可归属原因不出现在一个子组内部，而是出现在另一个子组内部。 这意味着当一个子组受影响时，另一个子组不受影响。 这样我们就可以判断过程均值偏移可归因于可归属原因，并且X图上会出现失控点。;R图测量样本内变异。 因此，在每个子群内的变异应尽可能小，只存在偶然原因引起的变异。 如果检查X-R图的控制界限如何计算，（如A2R, D4R等.), 可以发现其由样本内变异计算得来。 因此，如果子群内存在可归属原因，该组的R将超出控制界限。;子群构成 首选方法: 采集连续产品单元 因为样本在很短时间内收集，样本内部因可归属原因导致的变异最小。 它最大化了子群间因可归属原因所导致的变异。 容易探测出过程偏移。;子群构成 另一种方法:在抽样间隔内随机抽样。 每个子群为抽样间隔内所生产的所有产品单元的随机样本。 警告: 可能使子群内极差过大，因此控制界限过大，从而使过程表现为受控。;计算控制界限前需取得多少点呢？ 一般要求至少取得20点。进行100次测量。有时因为生产时间过短，也可取10个点以进行控制界限计算，但由此评估的均值及标准偏差都不够精确。 这些子群可建立试控制界限以帮助我们评估过程在过去是否受控以及该控制界限是否适合当前或后续的生产。;如果一个或多个点超出控制界限，如何处置? 寻找每个超界限点的可归属原因。 如果可归属原因被找到并纠正，丢弃该超规格点，并用余下的点重新修订控制界限。 重新观察余下的点，因为新的控制界限可能使余下的点超出控制界限。;如果未发现失控点的可归属原因时，如何处理? 两种选择: 丢弃或保留该点 如果丢弃了该点，只能未经分析地判断该过程曾经失控，但现在又受控了，修订后的试控制界限可能引起更多的假报警。 我们也可保留该点并认为试控制界限是适当的，如果该点真是失控信号，则控制界限将太宽，但一个或两个点一般不会导致控制图的严重歪曲。; X-R 图例;例1: X-R 图;MiniTab: Stat ? Control Charts ?Xbar-R;该过程受控吗?;X-R图必须合并及单独进行解释。 先观察 R图以确定其是否受控，也就是没有点超出控制界限，未出现非随机性式样。 R图对均匀或连续性变化更为敏感，任何导致过程变异的因素如材料差或缺乏维护，都将影响R图。;某些可归属原因会同时表现