SPC统计过程控制(含MSA、FMEA)96082763

讲师：严昭建E-mail:[e-mail]:13451781693StatisticalProcessControlSPC统计过程控制1课程行为准则需要双向的沟通（讲师和学员）如果您有与课题相关的经历或资料，请与大家分享有问题作好记录联想式听讲－－我如何在工作中运用这种工具或方法休息后准时回来关闭手机或者使用振动方式如果您认为课程过重请及时告诉讲师2课程大纲1.控制图的基本理论2.SPC控制图的展开与应用3.过程的受失控状态4.过程能力研究5.SPC导入整体规划31.控制图的基本理论4SPC是英文StatisticalProcessControl的前缀简称,即统计过程控制。SPC就是应用统计技术对过程中的各个阶段收集的数据进行分析，并调整制程，从而达到改进与保证质量的目的。什么是SPC5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。美国贝尔实验室休哈特博士（W.A.Shewhart）于1924年发明控制图，开启了统计品管的新时代。SPC兴起的背景：起源1940’s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。6SPC兴起的背景：日本1950’s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七工具”，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’s有效地推行“QCC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’s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。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，编制了SPC手册。在与汽车有关的行业中，颇为流行。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。1987ISO9000标准建立并颁布实施，明确要求实施统计技术。7SixSigmaTree中的统计技术….6σ达成（完美）５σ改善设计（果子最集中的地方）４σ过程改善（矮树上的果子）３σ（地上的果子）全部的果子都在你手中啦能摘到这里的果子，基本上能达到小康了这里的果子很有限靠天吃饭，捡吃地上不多的果子2→3σ：5倍改善3→4σ：10倍改善4→5σ：27倍改善5→6σ：70倍改善因此：3→6σ：19,600倍改善8品管方法历程1σ2σ3σ4σ5σ6σ3.42336,210697,300308,70066,807产品检查产品管制过程管制品管7手法(5S、QCC、ISO9001:2000)管理改进(PDCA)一般公司THREESIGMA改善技术改进(DMAIC)世界标竿公司SIXSIGMA改善方法管制试验计划与制程结合试验计划与设计结合过程管制最佳化设计管制最佳化PPMAverageCompany一般公司Bestinclass世界标竿公司9规格管理的危险性Notjusttomeetcustomerorcontractualrequirements!!!—被BOSS训斥的痛苦!!!10SpecLSLUSLVeryCentered变异是我们的敌人LCLUCL不良品已经产生潜在不良出现控制线管理的益处11SPC统计的起始阶段－直方图将收集的测定值或数据之全距分为几个相等区间作为横轴，并将各区间内之测定值所出现次数累积而成的面积以条状方式排列起来所产生的图形，称之为直方图。用途：1.了解分配型态2.研究制程能力3.工程解析与控制4.分配型态的统计检定SPC基础统计知识12塑膠殼147222325106110510152025301.281.311.341.371.41.431.461.491.521.55尺寸(mm)個數直方图的作法1.收集数据2.计算组数组数＝样本数的平方根3.计算全距：由全体数据中找出最大值与最小值之差。4.决定组距：组距=全距/组数为便于计算平均数与标准差,组距常取2、5、10的倍数。5.决定各组之上下组界：|先求出最小一组的下组界，再求出上组界依此类推，计算至最大一组之组界。最小一组下组界=最小值-测定值之最小位数/2最小一组上组界=下组界+组距6.决定组中点7.制作次数分布表8.制作直方图130.6610.6500.6470.6460.6490.6450.6410.6500.6480.6490.6450.6470.6460.6550.6490.6580.6540.6600.6530.6590.6600.6650.6490.6510.6370.6500.6430.6490.6400.6460.6500.6440.6400.6520.6570.6480.6540.6500.6540.6550.6560.6570.6630.6620.6470.6470.6420.6430.6490.6480.6380.6380.6490.6420.6370.6550.6520.6540.6490.6570.6540.6580.6520.6610.6540.6450.6410.6440.6470.6410.6500.6520.6430.6410.6530.6470.6520.6490.6520.6530.6510.6600.6550.6580.6490.6470.6410.6440.6400.6430.6460.6340.6380.6450.6500.6480.6490.6500.6490.655(例)有一机械厂，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。实例说明14(1)定组数：或(2)求组距：全距＝Xmax－Xmin＝0.665－0.634＝0.031组距＝＝0.0031→0.003(3)决定组距第一组下组界＝最小测定－1/2测定单位＝0.634－＝0.6335。以0.6335累加0.003得各组之组界值，如次数分配表。(4)计算各组间之中心值第一组中心值＝＝0.635以0.635累加0.003得各区间中心值。組數全距15K=1+3.32Lgn2001.026365.06335.010100n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合计10016Histogram151011152215974105101520251234567891011subgroupNoofevents17演练某电缆厂有两台生产设备,最近,经常有不符合规格值(135~210g)异常产品发生,今就A,B两台设备分别测定50批产品,请解析并回答下列回题:1.作全距数据的直方图.2.作A,B两台设备之层别图3.由直方图所得的情报，请说明哪台设备较不佳18收集数据如下:A设备B设备1751791681651831561481651521611681881841701721671501501361231691821771861501611621701391621791601851801631321191571571631871691941781761571581651641731731771671661791501661441571621761831631751611721701371691531671741721841881771551601521561541731711621671601511631581461651691761551701531421691481551901234567891001234567890123456789100123456789012345678910012345678双峰型孤岛型高原型正态型锯齿型绝壁型分布状态判断与规格值或标准值作比较012345678下限上限表示制程之生产完全没有依照规格去考虑,或规格订得不合理,根本无法达到规格.01234567LSLUSL100个机螺丝直径直方图。图中的直方高度与该组的频数成正比从直方图到正态分布如果资料越多，分组越密，则机螺丝直径直方图也越趋近一条光滑曲线，如直方图趋近光滑曲线图所示。在极限情况下得到的光滑曲线即为分布曲线，它反映了产品质量的统计规律，如分布曲线图所示23将各组的频数用资料总和N=100除，就得到各组的频率，它表示机螺丝直径属于各组的可能性大小。显然，各组频率之和为1。若以直方面积来表示该组的频率，则所有直方面积总和也为1。24•测定平均值•在中心线或平均值两侧呈现左右对称之分布•极大值与极小值数量很小•常态曲线左右两尾与横轴渐渐靠近但不相交•曲线下的面积总和为1正态分布特征25统计学•为了解被调查群体的某些隐含的特性，运用合理的抽样方法从被调查群体N中取得适当的样本n，通过研究样本来发现群体的特性!26主要统计学名词群体于制造业而言，通常指在同一生产条件下符合特定要求的所有个体的集合!也可称为批量记为N样本于群体中抽样而得的部份个体的集合!记为nμ群体平均值Xbar样本平均值σ群体标准差x/s样本标准差R极差/全距NormalDistribution正态分布27数据的集中程度•平均数–（总体）–（样本）(XBar)•中位数～(XWave)•众数md(Mode)NXinXXi28X数据的离散程度•R极差(Range)＝最大值－最小值＝Ｘmax－Ｘmin•V方差/变异(Variation)(总体)(样本)•S标准差Standarddeviation(总体)(样本)NXi22)(NXi2)(1)(22nXXsi1)(2nXXsi29正态分布中，任一点出现在μ±1σ内的概率为P(μ-σXμ+σ)=68.26%μ±2σ内的概率为P(μ-2σXμ+2σ)=95.45%μ±3σ内的概率为P(μ-3σXμ+3σ)=99.73%68.26%95.45%99.73%μ+1σ+2σ+3σ-1σ-2σ-3σ正态分布30正态分布概率(双边)μ±kσ在内的概率在外的概率(P)μ±0.67σ50.00%50.00%μ±1σ68.26%31.74%μ±1.96σ95.00%5.00%μ±2σ95.45%4.55%μ±2.58σ99.00%1.00%μ±3σ99.73%0.27%31正态曲线单侧的概率(P值)32正态分布的表达方式位置：中心值形状：峰态分布宽度33不同的正态分布μ1μ2X(a)μ1≠μ2，σ1=σ234μ1=μ2X(b)μ1=μ2，σ1σ2σ1σ235不同的正态分布μ2X(b)μ1≠μ2，σ1σ2μ136不同的正态分布目标值线预测时间目标值线尺寸时间？→两种变差原因及两种过程状态如果仅存在变差的普通原因,随着时间的推移,过程的输出形成一个稳定的分布并可预测如果存在变差的特殊原因，随着时间的推移，过程的输出不稳定正态分布与两种变差原因受控不受控37变差的普通原因V.S.特殊原因普通原因CommonCause特殊原因SpecialCause１．大量之微小原因所引起,不可避免２．不管发生何种之普通原因，其个别之变异极为微小３．几个较代表性之普通原因如下：（１）原料之微小变异（２）机