SPC统计过程控制讲义文档格式.doc
《SPC统计过程控制讲义文档格式.doc》由会员分享，可在线阅读，更多相关《SPC统计过程控制讲义文档格式.doc（58页珍藏版）》请在冰点文库上搜索。
l检验的缺陷
（1）投入高、成本高、经济效益低
操作人员心理上形成对检验的依赖。
检验投入的人力、物力越高，则成本越高，必然导致经济效益低下。
（2）实效性差
检验不可能在产品形成过程中起到预控的作用，它只能控制结果，往往是在转入下一工序或出货前做检验或测试。
当检出或测试出质量问题时，产品已被判为不合格品。
（3）检验的可靠性差
据统计，70%的不良品没有被检出，而且不同的检验人员检出的不合格品率也不同。
（4）检验无法反映规格标准的缺陷，不能提供给设计部门、设计人员提高或降低规格标准的意见。
（5）最重要的是忽略了大部分质量问题来自高层人员（决策层、管理层）的管理和技术。
l预防的概念
事物不是一成不变的，生产过程中各种条件都在不断地变化，这就会导致产品质量不断的波动。
为了控制产品质量，在生产过程中，定时抽取部分产品（样本）进行测量，用测量得到的数据对过程进行判断，如有问题，分析原因及时采取措施，保证过程正常，使产品质量稳定。
这种统计过程控制的特征是控制过程。
过程预防模型
样本
总体
输出
判断过程
是否正常
数据
抽样检测是
及时处理:
分析原因、制定改进措施否
预控要求
（1）按规定时间间隔抽取样本，认真测量，准确记录。
（2）如果判定过程不正常，则需认真分析原因并制定解决问题的有效改进措施。
这里需要强调的是：
严格定时抽样、认真测量准确记录。
假数据，不准确的数据比没有数据更坏！
1.4SPC的发展历程
SPC发展历程
1924美国贝尔实验室休哈特博士开始使用控制图。
1940二次世界大战期间，美国军工产品使用抽样方案和控制图以保证军工产品的质量。
1950质量管理大师戴明博士在日本工业产品生产过程中全面推推行SPC。
日本JUSE（科学家协会）设置“戴明”奖，奖励那些有效实施统计技术的企业。
石川磬提出“QC七道具”，帮助生产现场人员分析和改进质量问题，并推动广泛应用。
1970有效地推行“QC圈”和应用统计技术使日本经济的快速发展，成为高品质产品的代名词。
1980美国等其他国家紧随日本的步伐，开始推行“QC小组”和统计技术的应用。
MOTOROLA公司颁布“QC挑战”，通过SPC的实施改进过程能力，并提出追求“6σ”目标。
1987ISO9000标准建立并颁布实施，明确要求实施统计技术。
l日本产品质量的崛起
日本货在30-40年代就是“劣等货”的代名词，在战后开始从美国引进了质量管理的理论和实战。
46年创建了日本科学技术联盟（JUSE）；
49年组成质量管理小组并开始制定工业标准JIS；
50年聘请美国质量管理专家戴明（W.E.Deming）博士到日本讲学八天，内容包括SPC和抽样检验法；
51-54年重点开展SPC；
55-60年普及SPC，从56年利用电台、电视向中小企业领导和班组长进行普及SPC教育；
61-70年电子计算机应用于SPC，大学中设置了质量管理课程，专门培养质量管理人才；
62年开展QC小组活动
应该说日本引入了美国的质量管理又加上了自己的观念，更丰富了QC内容，60年代后日本成为仅次于美国的第二经济大国。
l日本强调：
（1）质量科学必须不断改进；
（2）现场人员（包括工人）熟悉和掌握SPC技术；
（3）对使用的统计技术必须不断的加以改进。
1.5产品的变异和两种变异
l产品的变异性
休哈特博士对产品变异的观点：
（1）相同的原材料、设备、加工方法所生产的产品质量特性在整个过程中存在着一定程度的差异。
（2）差异的波动存在着稳定与否、正常与否的问题。
如何判定过程中波动是否稳定、正常就要通过SPC来判定。
l两种变异
（1）普通性（特定性）原因引起的变异。
属于不易避免的原因，如操作人员的熟练程度的差别、设备精度与保养好坏的差别、同批原材料本身的差别等。
（2）特殊性（偶然性）原因引起的变异。
属于可以避免的，也必须避免的变异，如不同批原料之间的差异、未经培训的不熟练的操作人员、设备的故障等。
1．6业建立统计过程的实施步骤
l实施步骤
（1）绘制作业过程的流程图，最好为QC工程图
（2）生产条件和产品特性，决定应使用的质量控制方案。
（3）制定各项标准。
（4）实施控制方案的教育训练。
（5）设计控制图。
（6）过程（制程）能力的分析。
（7）异常原因的追查与纠正活动。
（8）过程改善的标准化。
l统计过程控制使用的工具
1.控制图：
为主要使用工具，特别适用于大批量生产过程。
2.相关分析、抽样检验、统计鉴定：
适用于少量多品种的生产过程。
3.实验计划：
专案分析，突破现状。
4.QC七手法：
基本通用或互补使用。
5.实验设计DOE。
1.7SPC中有关质量特性的理解
l能够表明过程的质量的过程参数
l能够表达为计数和计量型数据
l可以取之于过程的输入、过程中或过程的输出
例：
（烤制一批蛋糕）
过程阶段
计数型数据
计量型数据
鸡蛋外观
鸡蛋的重量
过程中
混合物的光洁度
炉温
1.蛋糕的质地
2.表面的空洞
蛋糕的重量
本章小结：
通过本章的讨论必须掌握：
（1）检验、控制和预防在过程中的作用；
检验——容忍浪费（提高成本）
控制——避免浪费（降低成本）
（2）采用SPC的目的——对过程进行控制；
（3）过程变异的两种类型以及含义；
（4）如何寻找控制的质量特性；
（5）建立统计过程控制的实施步骤。
2.数据的收集、整理和分析
2.1基本概念
l单位产品：
为实施检验的需要而划分的基本单元，一般也称个体。
l群体：
单位产品的总合，又称总体。
l样本：
自群体中选取一部分个体所构成的集合体。
l随机抽样：
没有任何主观意愿和特点要求从群体中抽取样本。
l计量值：
依产品本身的特性来表示，如长度、温度、重量、时间等。
l计数值：
只以缺陷数和个数表示。
l数据收集：
应注意依照分层原则，按照原料、设备、班次、作业员等分别归类，防止不同层别数据混在一个群体之中。
l数据整理：
用次数分配表绘制直方图，判定过程是否稳定、正常。
2.2次数分配表、直方图的作法
l次数分配表
获得一组数据，把数据存在的区间分成若干小区间，统计数据落在各个小区间内的数目排列成的表，称为次数分配表。
l直方图
以数据的测量值为横轴，以各区间的测量值为底边，以该区间数据出现的次数为高度作出直方柱，这些直方柱组成的图形称为直方图。
l直方图作图方法：
（1）收集数据，要求至少要收集50个以上数据，记为N。
（2）将数据分组，如果以K表示组数，则组数K=1+3.23logN
一般常采用以下经验分组数表：
数据数N
组数K
50-100
100-250
>
250
6-7
7-8
8-10
（3）找出数据的最大值L和最小值S，计算出全距R。
（R=L-S）
（4）定出组距H：
H=R/K （H建议采用2、5或10的倍数）
（5）定出组界：
最小一组的下组界值为最小值S；
最小一组的上组界=最小组的下组界值+组距H
最小二组的下组界值=最小一组的上组界值
余类推
（6）组的中心点=（上组界值+下组界值）/2
（7）作次数分配表：
将数据出现在各组内的次数记入表内，（与下组界相同数据计入本组次数）。
（8）绘直方图：
以横轴表示数据测量值，纵轴表示数据出现的次数。
（9）对绘出的直方图进行分析。
我们可以在课堂上作一个小游戏“家有几口”，通过这个游戏可以定性的演示直方图的形状。
2.3直方图实例练习
实例：
某罐头厂生产罐头，罐头容量规格为310±
8g，今抽验50罐数据如下：
308
317
306
314
315
302
311
307
305
310
309
304
316
303
318
312
313
320
l计算
（1）确定基本内容：
N=50
（2）组数：
K=7（参考经验数值）
（3）最大值L=320最小值S=302全距R=320-302=18
（4）计算组距HH=R/K即18÷
7=2.5取H为3（为测定值最小单位的整数倍）
（5）第一组下限值为302，上限值为第一组下限值+组距320+3=305
（6）各组中心值=（上组界+下组界）/2
l作次数分配表（与下组界相同数据计入本组）
组号
组界
中心值
标记
F（次数）
1
302-305
303.5
正
4
2
305-308
306.5
正正
10
3
308-311
309.5
正正正
13
311-314
312.5
9
5
314-317
315.5
8
6
317-320
318.5
7
320-313
321.5
—
l作直方图
2.4直方图形态分析
l外观形态分析
正常状态直方图（理想型）偏峰状直方图
有两种情况：
1、数据本身就遵从这种分布，如百分率；
2、加工习惯造成，如车外园易贴近上差。
双峰状直方图离岛状直方图
原因是可能由于不同操作者或显示在加工或测量中出现过异常情况，如刀具
不同机器加工的产品混在一起了。
磨损、对刀读数错误、测量仪器出现系统偏差。
峭壁状直方图锯齿状直方图
往往是已剔除了不合格的数据而常是由于测量方法或读数不准确造成的，
绘制成的直方图。
分组组数过多也可能出现。
l直方图能力分析
（1）理想型直方图
下限xian限
上限xian限
（2）中心偏左的直方图
直方图偏向规格的下限，并伸展至规格下限左侧。
表示已产生部分超出规格下限要求的不良品。
（3）中心偏右的直方图
上限
下限
直方图偏向规格的上限，并伸展至规格上限右侧。
表示已产生部分超出规格上限要求的不良品。
（机加工常有）
规格上限
规格下限
（4）无富裕型直方图
（5）分散度大的直方图能力不足型
直方图的左右两端均超出规格界限，产生不良品，说明
直方图过于分散。
可能是人员技术不足或操作方法不当
造成。
（6）分散度小的直方图能力富裕型
直方图形态过于集中，距规格上下限还有一段距离。
表示过程差异小，过程能力强。
表现为人员技术能力强。
但也可能因为规格制定不合理。
2.5直方图的功用
l测知工序的过程能力，是过程能力的最好最直观的写照；
直方图中心愈接近规格中心，表示过程愈集中。
分布在规格界限内，表示过程差异小或变异小。
l计算产品的不良率，根据不良数量可以直接计算出来；
无论是计数值还是计量值均可直接计算出来。
l调查是否混入两种以上不同的数据；
是否出现双峰型，是否未对设备、人员、原料、班别、生产线等加以区别。
l测知数据是否有假；
主管对下属进行控制的有效手段，数据真实性的判定手段。
l测知分布形态；
常态型、锯齿型、离岛型等进行分析。
l以此制定产品的规格；
如果规格尚未确定，可以使用平均值加（减）4倍标准差的方式指定上下限。
l设计合理的控制界限。
2.6直方图练习
某公司对生产的电线直径进行抽验，以下是100个数据，用直方图进行分析。
0.661
0.650
0.647
0.646
0.649
0.645
0.641
0.648
0.665
0.655
0.658
0.654
0.660
0.653
0.659
0.651
0.637
0.65
0.643
0.640
0.644
0.652
0.657
0.656
0.663
0.662
0.642
0.638
0.634
0.635
请练习做以下计算
N=100
K=7
最大值L=最小值S=
全距R= 组距H=
组界：
第一组下组界=
第一组上组界=
余下各组界
计算各组中心值分别为：
作次数分配表：
组界
次数
作直方图
2.7绘制直方图的注意事项
l直方图的原理是基于“正态分布”，特别适用于计量值；
l使用直方图计算平均值和标准差S时，应剔除差距太大的数据；
l确定组界时，出现组界值与测量值一致时，可以按照同一方向归类。
l制作直方图时，数据尽可能多，一般不能少于50个；
l注意恰当的分组，数据少时少分组，数据多时多分组；
l利用样本直方图可求出的样本平均值和样本标准差S是对总体平均值μ和总体标准差σ的估计值。
*2.8
正态分布判定
你也可以使用正态概率纸判定数据分布的是否为正态分布。
正态概率纸是根据正态分布的累加概率（百分比）作成。
纵作标以50%为中心向上下取等距离的长度，以表示累计读数的百分比；
横坐标表示等距离的尺度，即可表示组距。
请你试用一下，看看某公司的某成品厚度是否符合正态分布？
现有200个成品厚度数值，经使用次数分配表分配如下：
累加次数
累加百分比
4.75-5.75
5.75-6.75
6.75-7.75
7.75-8.75
8.75-9.75
9.75-10.75
10.75-11.75
11.75-12.75
12.75-13.75
13.75-14.75
14.75-15.75
15.75-16.75
16.75-17.75
11
19
18
40
29
33
23
32
50
90
119
152
175
188
197
198
200
0.5
1.0
6.5
16.0
25.0
45.0
59.5
76.0
87.5
94.0
98.0
99.0
100.0
因为正态分布曲线是连续分布的。
可以介绍给大家：
大量的质量测量值均属正态分布，不过不能滥加判定，不少测量不属于正态分布，如形位公差。
2.9应了解的几个基本概念
l平均值（或μ）：
n个样本测定值X1，X2，……，Xn的平均值记为；
群体的平均值记为μ。
l中位数：
n个样本测定值X1，X2，……，Xn，n为奇数时，将n个测定值从大到小排列，最中间的一个数值即为中位数。
l众数Mo：
n个样本测定值中，发生次数最多的数值
l全距R：
样本数据中最大数与最小数之差。
（全距R又称极差，在控制图使用中普遍使用极差控制图）
l样本标准差S：
l群体标准差σ：
练习：
请试标出这组数据中的平均值，中位数、众数、全距、样本标准差。
（数据：
44、45、46、47、48、44、43）
==Mo=
R=S=
2.10
过程或数据分配形态
l正态分布的概率：
只要知道平均值和标准差就可以确定分配。
l正态分布的性质
1.分配形态对称于横坐标上平均点上的垂直线。
2.正态分布的平均数、中位数和众数是一致的。
3.正态分配曲线左右两尾逐渐接近于横坐标轴，但不于横坐标相交。
4.曲线下横轴上的面积等于1，其概率分布如下图。
P（μ-1σ＜X＜μ+1σ＝0.6827
P（μ-2σ＜X＜μ+2σ＝0.9545
P（μ-3σ＜X＜μ+3σ＝0.9973
P（μ-6σ＜X＜μ+6σ＝0.9999966
2.113σ控制的基本概念
lP（μ-3σ<
X<
μ+3σ）=0.9973
如果某过程达到99.73%的合格率即可视为过程是受控的。
目前世界上大部分国家都采用3倍标准差为控制界限。
l用3σ法经济地实现了过程控制或作为过程能力的评价标准。
6σ法是在高精尖产品考虑可靠性时，为了提高MTBF（平均无故障工作时间）的前提下，对零件、元件提出了更高的要求，6σ成为了控制标准或追求的目标。
l3σ法控制过程
中心线CL=μ
控制上限UCL=μ+3σ
控制下限LCL=μ-3σ
本章小结
1.数据收集、整理、分析的基本概念。
2.质量特性的获取方法。
3.次数分配表、直方图的做法。
4.直方图的判读和功用。
5.如何通过数据分配分析来确定一个过程是否受控。
6.3σ控制原理。
3.控制图的基本概念
3.1控制图——过程控制的基本工具
控制图作为过程控制的基本工具，它不仅能显示过程质量特性变异的状态，同时也可以作为过程能力分析使用；
它既能控制现状，又能预测以后的变化与发展。
l应用控制图的目的
1.及时地察觉：
（1）是否有普通原因和特殊原因存在；
（2）是否超出规格界限；
（3）是否出现数据分布形态有异常规律。
2.对生产和检验工作能做到利用分析所得资
升级会员 