XR控制图培训学习课件.pptxVIP

;统计过程控制的来源和作用;SPC应用的好处;一、X-R控制图定义的目的：;X-R控制图示;二、X-R控制图操作程序;（6）样本容量/频率：抽样测量数据的数量/抽样频次，如5次（件）/每小时，5次/每日等

（7）产品型号：受控产品的型号如YDK-60Y-6A电机

（9）零件名称：受控产品零件的名称如YDK-60Y-6A电机定子组件

（10）测量工具：抽样测量质量或过程特性数据的测量工具，如游标卡尺、深度尺、万能表

（11）机器编号：受控工序操作的机器编号

（12）控制时段：控制图收集数据的时段，如2002/2/22-2002/2/26

;2、收集数据;3、建立控制图及记录原始数据.;4计算每个子组的均值（X）和极差（R）;5选择控制图的刻度

;6将均值和极差画到控制图上。

;（2）计算控制限

;（3）在控制图上作出平均值和极差控制限的控制线

;X-R控制图示;7X-R控制图分析

;B）控制限之内的图形或趋势，当出现非随机有规律的图形或趋势时，尽管所有极差都在控制限内，也表明出现这种图形或趋势的时期内，过程质量异常或过程分布宽度发生变化。

;l?高于平均极差的点链或上升链说明存在下列情况之一或全部；

a.输出值分布宽度增加，其原因可能是无规律的（例如设备不正常或固定松动），或是由于过程中的某个要素变化(例如使用新的或不是很统一的原材料)

b.测量系统的改变（新的测试员或量具的变化）。;l?低于平均极差的链，或下降链表明下列存在的情况如下之一或全部；

a.输出值分布宽度减小，这常常是好的状态，应研究以便推广应用和改进过程。

b.测量系统改变，这样会遮掩过程真实性能的变化。

;C）明显的非随机有规律变化图形：除了会出现超过控制界的点或长链之外，数据中还可能出现其他的易分辨的由于特殊原因造面的图形，属工序质量异常。

;下面介绍一种验证数据点的总体分布是否异常的准则：各点与R的距离：一般地，大约2/3的描点应落在控制限的中间三分之一的区域内，大约1/3的点落在其外的三分之二的区域。如数据点虽在控制界限内，如连续3点中有2点落在其外的三分之二的区域，应属工序质量异常（见3σ图的说明）

;8、控制??报警程序和管理;1、控制图操作备加说明：;四、工序能力计算和分析;当工程规范（公差）为两侧规格时，工序能力为Cpk，其计算为：

Cpk=（1-K）（UCL-LCL）/6σ

=（T-2ε）/6σ

其中：ε=(USL+LSL)/2-X

?

;当工程规范（公差）为单向公差界限时，Cpk的计算为：

CpK=USL-X/3σ（规定公差上限时）

CpK=X-LST/3σ（规定公差下限时）

以上σ的计算也可用δ近似代替，以下为估计过程的标准偏差（用δ表示）公式

δ=R/d2式中：R为子组极差的均值(在极差受控时期)

d2随样品容量变化的常数，见下表:;四、有关“控制”的最后概念——用于进一步的考虑.

在一个生产过程中永远无法达到完美的控制状态，过程控制图的目的不是完美的，而是合理、经济的控制状态，如果某工序控制图上从来不出现失控点，Cpk一直为1.33以上，则需查询该工序是否应画控制图，可考虑用其它通用的工艺控制方式保证产品质量。;五、有关3σ控制图的说明：

以样本平均值X为中心，以X?3σ为范围，作成控制图时，如质量特性值呈现正态分布时（左、右对称），则测量的数据，就有99.97%机率落在X?3σ范围内，我们可以判定为随机原因的变异，为安定值。当数据落在界线外侧时，就判定不异常原因时，需要调查。

调查方式按下面方法进行：;按上述原则判别定，可能会出现两个误判；

（1）即冒失者之误：落入控制图的机率为99.97%，也就是说1000个数据，有3个数据可能逸出控制界外，这是随机原因，不是异常原因造成的变异。属正常，但误判为异常，此现象为冒失者之误。用α表示。如α=0.3%。

（2）迷糊者之误：测量值全部落在控制图中，且无倾向性，通常也会认为属随机原因变异，而判定为正常。但是，实际测量数据的分布中心已经偏离了设计规范中心，此时，肯定存在变异，只是抽样时未碰到而已。这种误判，属迷糊者之误，用β表示,一般来说,β发生的机率大于α机率。初次使用SPC手法控制产品质量的QC人员经常会发生α和β两种情况的误判。

;X-R图的推行应用的

1、收集原始数据（25组、125个数据）

2、进行控制图的初始能力分析：定出控制上下限，并计算出初始的工序能力和控制工序能力。

3、在空白控制图中绘出控制图的上下限及中值线（UCLX、LCLXUCLRLCLRRX）并标出坐标刻度。

4、用上述控制图用于现场工序质量动态控制。QC人员按要求作