SPC最新---副本资料

1统计过程控制（StatisticalProcessControl）SPC讲师:范学军常态分布1850高斯管制图(%)1924W.AShewhart美国1960日本Ca／Cp／Cpk(ppm)6σ1980Motorola1992TI1994AlliedSignal95GE98Sony一、SPC发展史3一、统计过程控制发展史战后经济遭受严重破坏的日本在1950年通过休哈特早期的一个同事戴明(W.Ed-wardsDeming)博士，将SPC的概念引入日本。从1950～1980年，经过30年的努力，日本跃居世界质量与生产率的领先地位。美国著名质量管理专家伯格(RogerW.Berger)教授指出，日本成功的基石之一就是SPC。美国W.A.Shewhart博士於1924年发明管制图，开启了统计品管的新时代4在日本强有力的竞争之下，从80年代起，SPC在西方工业国家复兴，并列为高科技之一。例如，加拿大钢铁公司(STELCO)在1988年列出的该公司七大高科技方向如下：(1)连铸，(2)炉外精炼钢包冶金站，(3)真空除气，(4)电镀钵流水线，(5)电子测量，(6)高级电子计算机，(7)SPC一、SPC发展史5•美国从20世纪80年代起开始推行SPC。美国汽车工业已大规模推行了SPC，如福特汽车公司，通用汽车公司，克莱斯勒汽车公司等，上述美国三大汽车公司在ISO9000的基础上还联合制定了QS9000标准，在与汽车有关的行业中，颇为流行。一、SPC发展史“对人类而言疏于用管理图分析数据是已知的增加费用，耗费努力和降低士气的最好方式。”---DonaldJ.Wheeler博士（GE总裁）6一、SPC发展史Ø管理水平和人员素质跟不上企业发展的要求，工艺和质量的管控水平不足，影响企业生产高端产品的能力。Ø外部市场的竞争以及客户对质量提出了更高的要求。Ø劳动力、生产资源成本不断攀升，降低生产和质量成本成为企业生存的必需。Ø由于工艺和质量控制水平达不到中心厂商的要求而丢失订单。Ø难以避免批量报废，造成极大的利润损失。企业现状7一、SPC发展史Ø降低质量成本Ø稳定和改善工序能力Ø提高人员技能Ø减少人力，提高工作效率Ø信息资源共享SPC好处1501511521531541551561571581591601611621631641651661671681691701711721731741751761771781790.18500.18000.17500.17000.16500.16000.15500.15000.14500.14000.13500.13000.12500.1200CL=0.1404UCL=0.1614LCL=0.1194•从某车间生产的产品中随机抽出以下3个班次的产品生产的检测数据，请问您可以从以下数据中得出什么结论？89A12314314710614914112010910512010211014914911514913313814610812311911813610213013613512812813214513210911710914514114114611410812912610613810611812212511810113012714511410411613413412612614213312714314614112910410814812814410810912913313814812412413110812814611710513610811311712010213810815012112210611512611010413410214413412811914011814811013912214714512512714312515012212913512410214513012012810B10413914611411414514614212213010214313011212914012313711511011614812114914614211813615012213411211413114210212510511611013612414113011813112614411411910913110713813411314412610112411214111212913413410712411613410714012013612612713114210211811210914411713310214610511410513310111110913310710211712214010712412113514712313913612614310514913110911910414811911911914114812414613214712710612610412710211C12711814414610910312115010911714811012512614713310514211212411713410311812710214112114810714312514514714514013013611813812410513314912910714014711114213414512213211411211710613514013011811614513414911513411113814612315010614311713412813512414710611514313110614514214310610611111612714911812911112111210614314412911412813810611911811913311113815010410914011512214012210214712011614610714010714313712最大值最小值极差平均值标准差A1508763124.8815.726B1709575126.5615.067C1679968126.0516.163统计以后呢？13统计的基本概念一、数据描述群体，在一项统计研究中所关心问题的一个集合，用“N”表示，也称为总体。样本，群体集合中的一个子集，用“n”表示。二、数据描述——集中趋势指标总体均值样本均值NxNxxxNiin121nxnxxxXniin12114统计的基本概念3.中位数（Median）所谓中位数就是一组从小到大（或从大到小）按顺序排列的一组数据中间位置的数据的数值。例（奇数样本）：1123381114191920=8例（偶数样本）：2556710152121232325中的=（10+15）/2=12.5X~X~15统计的基本概念二、数据描述——离散趋势指标1.全距（Range）:R样本或群体中的最大值减最小值。2.标准差群体标准差样本标准差NiixN122)(1niixxnss122)(1116统计的基本概念•样本与母体Ｎμ，sxnX~X~DescriptiveStatistics描述统计概率分布未知母体抽样样本样本统计值推定,鉴定母体μσxs(Stdev)以小(样本)看大(母体)Nn18统计制程管制定义经由制程中去收集样本的资料，而加以统计分析，从分析中得以发觉整个制程的变异，并经由问题分析以找出异常原因，立即采取改善措施，使制程恢复正常。并藉由制程能力分析与标准化，以不断提升制程能力。19制程条件起伏品质变异产品优劣因果因果传统的制造业依赖检验最终产品并筛选出不符合规范的产品的质量控制。这种检验策略通常是浪费和不经济的,因为它是当不合格品产生以后的事后检验。而建立一种避免浪费、首先就不生产无用产品的预防策略则更为有效。这可以通过收集过程信息并加以分析,从而对过程本身采取行动来实现。SPC就是这样的一种过程控制方式。制程──品质的源头,SPC的焦点质量是存在变异的，且变异存在统计规律性。1、质量是存在变异的，这是众所周知的事实。世上没有两片相同的树叶。二、过程的统计观点20材料机器人方法环境过程(资源的融合)产品/服务过程控制系统顾客统计方法过程呼声顾客呼声测量21原材料(材料尺寸,硬度…)过程(资源的融合)轴外圆（尺寸、表面粗糙度、直线度…）过程(例：用一台普通机床加工轴外圆)顾客机器(主轴承间隙,刀具…)操作工(进给率,对中准确度…)方法(操作规程…)环境(电压、温度、湿度、振动…)22产品控制过程控制使用传统检验的方法保证质量鼓励使用统计学方法如控制图等，分析过程及其输出。然后，可以根据分析结果采取适当的措施使过程达到和维持统计控制状态，从而改进过程能力使用零件与规范比较的方法，保证客户收到合格的零件能够为过程及其输出的改进提供指导，换句话说，是预防问题发生建立在“探测”的机理上通过使用控制图，可以更好的预测过程当发现了问题时，不合格品已经产生了当控制图上出现异常信号时，如能采取快速适当的措施，问题就可以避免不能改进质量能够有效改进质量•产品控制和过程控制有很多区别，但最重要的区别是：过程控制意味着管理输入，产品控制意味着管理输出。产品控制vs.过程控制23过程的统计观点2、质量变异是有规律性的，但它不是通常的确定性现象的确定性规律，而是随机现象的统计规律．24过程的统计观点对于随机现象通常应用分布（distribution）来描述，分布可以告诉我们：变异的幅度有多大，出现这么大幅度变异的可能性（概率，Probability）有多大，这就是统计规律．如：一天生产的所有灯泡，寿命在1000小时到1200小时的的概率为50%。小于1000小时的为10%，大于1200小时的为40%对于计量特性值，如长度、重量、时间、强度、纯度、成分等连续性数据，最常见的是正态分布（normaldistribution)。250.6610.6500.6470.6460.6490.6450.6410.6500.6480.6490.6450.6470.6460.6550.6490.6580.6540.6600.6530.6590.6600.6650.6490.6510.6370.6500.6430.6490.6400.6460.6500.6440.6400.6520.6570.6480.6540.6500.6540.6550.6560.6570.6630.6620.6470.6470.6420.6430.6490.6480.6380.6380.6490.6420.6370.6550.6520.6540.6490.6570.6540.6580.6520.6610.6540.6450.6410.6440.6470.6410.6500.6520.6430.6410.6530.6470.6520.6490.6520.6530.6510.6600.6550.6580.6490.6470.6410.6440.6400.6430.6460.6340.6380.6450.6500.6480.6490.6500.6490.655有一工厂，为了解制品外径尺寸之变化，由产品抽取100个样本测定其外径，测定结果如下表，试作次数分配表。正态分布实例26次数分配表组数组界中心值划记次数10.6335–0.63650.635120.6365-0.63950.638530.6395-0.64250.6411040.6425-0.64550.6441150.6455-0.64850.6471560.6485-0.65150.6502270.6515-0.65450.6531580.6545-0.65750.656990.6575-0.66050.6597100.6605-0.66350.6024110.6635-0.66650.6651合計10027Histogram151011152215974105101520251234567891011subgroupNoofevents正态分布图28正态分布理论正态分布可用两个参数即均值μ和标准差σ来决定。μ29正态分布理论期待值中心值移动问题散布问题现在水准期待值现在水准LSL平均USLLSL平均USL30μ±kσ在內的概率在外的概率μ