SPC统计过程控制的概念.pptVIP

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 below 8 ? 1 point below -3 sigma Test Criteria 概率分布区域 如果以下情况发生，过程处于“失控”状态 Copyright 1995 Six Sigma Academy, Inc.. 分组数 区域测试 A+ A- B+ B- C+ C- * 第三十一页，共五十一页。 如果靠人工进行，Sigma的计算是 非常烦琐的，因此Xbar – R图便成 为人工控制图的首选方法。 平均值和极差图（Xbar – R） 通过计算分组内数据的极差来显示偏差 （极大 – 极小） 使用A2Rbar得出3s/sqrt(n)的近似值，使用D3和D4乘以Rbar找出极差偏差的控制极限的上下限。 以类似于Xbar – S的方法进行分析。 * 第三十二页，共五十一页。 单个变量X – 移动极差图适用于分组 内并不存在可测量的偏差的情况（如： 过程温度、压力或其它类似的测量 值），或者适用于合理分组数据不可 得时（由于成本或其它限制因素）。 小心 如果不当地应用于一个具有“组内”偏差的过程时(如上图所示的控制图数据） 所绘之图有时难读、难用。 当跟踪单个测量值时，没有关于短期和长期偏差差异的信息。 单个数据点和移动极值图（XmR） * 第三十三页，共五十一页。 注意EWMA 的形状， 该图所使用的数据和我们前面连续数据图中的数据相同。我们注意到平均值存在向上的趋势，其中还有均值向下的显著位移。 EWMA 图比其他任何控制图灵敏得多。每个EWMA 图中的数据点都融有前面观察的信息，而且该图经过成形，可以探测到过程中任何大小的变化，这种可编程的灵敏性使 EWMA 成为监控受控过程的优秀工具。 指数加权移动极差 (EWMA)图表 * 第三十四页，共五十一页。 特征值控制图 np p * 第三十五页，共五十一页。 主要属性图 np - 测量所得的缺陷数量。控制极限范围基于二项式分布。由于记录的是原始缺陷数量，因此分组的大小应相同。 p - 记录的是样本的有缺陷部分。控制极限范围基于二项式分布。由于比例是缺陷相对于样本大小的比值，因此，样本的大小无须相同。 * 第三十六页，共五十一页。 * Unit of measure * 资料来源： 统计过程控制 培训资料 机密 * 第一页，共五十一页。 目标 1. 能够使用“XBar和S图表”进行连续数据分析。 能够使用“p”控制图表进行离散数据分析。 能够确定每一种图表类型的控制极限范围。 能够对图表进行解释并确定工序什么时候处于失控状 态。 5. 能够解释依据图表信息采取措施的重要性。 目的 介绍统计过程控制的概念 统计过程控制 * 第二页，共五十一页。 统计 – 基于概率的决策方法。 过程 --所有重复性的工作或步骤。 控制 --监控工序运行。 基于与“t test”假设检验相同的概念进行分析，能够使我们在出现的问题影响到输出结果之前，就作出有关工序失控的决定、采取行动、解决问题 当处于稳定状态的工序偏差,已 经被外界某种原因所影 响时，SPC发出信号。 当过程失控时，SPC将发 出信号，你的任务是找出 失控的原因，然后进行修 正，确保问题不再发生。 什么是：统计过程控制（SPC） * 第三页，共五十一页。 6 个西格玛质量的重点是将控制范围转移到工序的上游，以充分利用对工序输入变量特征（关键X）的控制 控制图表应用于 过程变量； 自变量； 设计变量 X1, X2,..., Xk 提高因变量的稳定性，响应值 Y1,Y2,..., Ym X1 X2 X3 Y X 6个西格玛与 SPC * 第四页，共五十一页。 希望获悉什么信息？ — 关键过程变量（X或Y）在随时间变化吗？（即该过程稳定吗？） 如何观察输出变量？ — 基于实时数据、显示过程变化的图表 SPC是一个严密的过程，它要求操作小组积极参与数据的采集和分析 什么时候使用SPC？ * 第五页，共五十一页。 X 失控状况，记录采取的修复行为 UCL LCL X Bar 图表 样本/分组（按时间排序） Sigma 图表 控制下限 总平均中心线 控制上限 UCLs LCLs 平均Sigma 中心线 控制