SPC-讲义

2019/8/201StatisticalProcessControlSPC在制程中的应用2019/8/202课程大纲1.基本统计概述2.基本统计量数3.SPC背景说明4.制程变异分析5.建立SPC步骤6.管制图7.制程能力研究8.实例演练2019/8/203•统计制程管制【SPC】◎统计制程管制之目的系持续改善产品与服务的价值，达到顾客满意。◎制程能力调查【Ca、Cp、Cpk】◎管制图的运用作业方式/资源混用方式人员设备材料方法环境产品或服务顾客辨识变化的需求与期望统计方法制程的声音输入制程/系统输出顾客的声音制程回馈管制系统模式2019/8/204•统计方法的意义•群体与样本•资料的分类•资料的分析•质量管理与统计方法一、基本统计概述2019/8/205统计概念区分没有显著差异有显著差异没有显著差异βRiskTypeIIerror（存伪）有显著差异αRiskTypeIerror（弃真）判断上事实上2019/8/206问题类型的分析•对的问题比对的答案更重要•有清楚的实验策略，比急着去做实验更重要问题类型T型A型X型造成问题的原因明确明确不明确操作条件明确不明确不明确解决工具QC七大手法管制图层别法检定相关回归D.O.ED.O.E2019/8/207统计方法的意义•规划数据的收集，整理与解释资料，并据以导出结论或予以推广的制程，称为统计方法。•阐述统计方法与理论的科学，即为统计学。2019/8/208统计资料属性数据属量资料•合格/不合格•好/不好•满意/不满意•计数值─间断资料•计量值─连续资料2019/8/209群体与样本•群体〈Population〉，可为整个制程的所有制品或半成品之全部测定值，亦可为一大批货品，一小批货品，一天内的制品或半成品，一小时内的制品。•群体〈Population〉以N表示。•计数值群体不合格率•计量值群体平均数μ，群体标准差σ•群体的构成，特别应注意层别：不同批原料、不同机器设备、不同班別、不同操作员等。2019/8/2010群体与样本•样本〈Sample〉，为自群体中选取的一部分制品或半成品之测定值，或自整个检验批中抽取一部分制品或半成品之测定值。•样本〈Sample〉以n表示。•计数值样本不合格率•计量值样本平均数X，样本标准差σx•样本的取得，特别应注意随机性：并能够代表群体为原則。2019/8/2011•平均值(Mean)：代表一群数据的总合平均数值•标准偏差(StandardDeviation)：表示该群数值间差异大小的一个数值。二、基本统计量数A牌电灯泡平均寿命为：8MhrsB牌电灯泡平均寿命为：700hrs您可能会购买AorB?Why?2019/8/2012中心趋向的测量•平均值:一组数据的算术平均值–反应所有值的影响散布的测量•极差〈全距〉:数据组内数值之间的距离(Max–Min)•方差（）:每一个数据点到平均值的偏离的平方的均值•标准偏差（）:方差的平方根X=───ni=1nXi2019/8/2013群体平均值=XNiiN1样本平均值群体标准偏差=S=(X)Ni2i=1N样本标准偏差sxxniin121x=xnii=1nXX2019/8/2014准确度精密度高低高低PrecisionAccuracy2019/8/2015正态分布•“正态”分布是一种数据具有某些一致的特性的分布•这些特性对于我们理解后面采集数据的过程是非常有用的•多数自然现象和人类行为的过程是呈正态分布的,或者可以看成正态分布2019/8/201695.45%99.73%68.27%-3-2-1X+1+2+3正态分布P(u-Xu+)=0.6827P(u-2Xu+2)=0.9545P(u-3Xu+3)=0.9973于uk之间的机率群体：N规格中心值：T平均数：X〈集中趋势〉标准偏差：〈离散趋势〉被涵盖在特定范围的机率当X=μ时2019/8/2017NormalDistribution-ListTUSLLSLP(d)Z2019/8/2018标准偏差转折点1TUSLp(d)规格上限(USL)目标规格值(T)规格下限(LSL)分布平均值()分布的标准偏差()3在转折点和平均值的距离形成一个标准差.假如目标值和规格上限之间可以放置三个标准偏差我们可以说这个制程有“3sigma的能力.”LSL2019/8/20191TUSLp(d)p(d)1234563Thisisa6SigmaProcess标准偏差转折点2019/8/2020•性质1:正态分布只用下列2个我们已知的参数就可以完全描述–平均值,和–标准偏差正态分布分布1分布2分布3这三个正态分布有什么区别?2019/8/2021正态曲线和概率区域与标准偏差的关系43210-1-2-3-440%30%20%10%0%95.45%样本数概率从平均值的标准偏差数•性质2:曲线下的面积可以用来评估确定“事件”发生的累计概率99.73%68.27%获得的两个值之间的累积概率值2019/8/20221Sigma2Sigma3Sigma1Sigma2Sigma3Sigma68.26%95.45%99.73%%数据点的百分比UCLLCL时间我们测量的项目标准偏差规则“数据处于哪个位置?”2019/8/2023问题的本性SixSigma的方法可以辨识制程是偏离目标和/或者是高度变异,以修订制程及降低变异偏离目标变异大正中目标修订制程降低变异XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX2019/8/2024另类观点LSLUSLUSLLSLOn-Target从统计观点来看问题USLLSLLSL=LowerspeclimitUSL=Upperspeclimit问題的本性-统计观点偏离目标变异大修订制程降低变异2019/8/2025•SPC兴起的背景•SPC的迷思•SPC的焦点•SPC的思考•SPC的诊断三、SPC背景说明2019/8/2026对品质常有的错误观念•大多数的品质问题是错在作业人员•容许少数的不良,意外的瑕疵是无可避免的•品质是品管部门的责任•只重视品质检验,检验人员需负责解决瑕疵品•SPC只是在现场挂管制图2019/8/2027对品质的正确观念•85%的品质问题是管理人员所要担负的,管理者态度的偏差，更胜过作业人员的懒散•第一次就把事情做好,并且将后工程视为顾客,才能真正做到零缺点品质•品质和公司每一个人都有关•品质检验是可以解决问题但却无法消除问题•SPC是让品质保证的系统持续运转不断改善制程,以提升品质与生产力2019/8/2028SPC兴起的背景•SPC兴起是宣告『经验挂帅时代』的结束─手工艺的产业：SPC无用武之地→经验取胜─当经验可以整理，再加上设备、制程或系统时，那SPC时机的导入，就自然成熟了。•SPC兴起是宣告『品质公共认证时代』的来临─1980年以前，客户大都以自己的资源与方法，来认定某些合格的供货商，造成买卖双方的浪费。─1980年以后，『GMP(GoodManufacturingPractice)』及『ISO9000』的兴起，因为重视产品生产的『制程』与『系统』，故更须有赖SPC来监控『制程』与『系统』的一致性。2019/8/2029SPC的迷思•迷思一：有管制图就是在推动SPC？─这是产品品质(Q)，还是制程参数(P)管制图？─这张管制图是否有意义？─它所管制的参数，真的对产品品质有举足轻重的影响吗？─管制界限订的有意义吗？─这张管制图，是否受到应有的重视？是否已遵照规定，实施追踪与研判？2019/8/2030SPC的迷思迷思二：有了Cpk/Ppk等计算就是在推动SPC？─Cpk/Ppk有定期审查吗？─是否已用Cpk/Ppk作订单分派给不同生产线，作为生产的依据？2019/8/2031SPC的迷思迷思三：有了可控制的制程参数(ProcessParameter)，就是SPC？─为什么挑出这些制程参数？─这些制程参数的控制条件，是如何决定的？─这些制程参数与产品品质之间，有因果关系可循吗？2019/8/2032SPC的焦点→制程(Process)SPC与传统SQC的最大不同点，就是由Q→P的转变SQC：强调Quality→产品的品质，换言之，它是着重于买卖双方可共同评断、鉴定的一种『既成事实』。SPC：则是希望将努力的方向更进一步的放在品质的源头→制程(Process)上。因为制程的起伏变化，才是造成品质变异(Variation)的主要根源。2019/8/2033SPC的焦点→制程(Process)品质变异的大小，也才是决定产品优劣的关键制程起伏条件品质异常产品优劣因因果果2019/8/2034SPC的思考P1P2P3P4对产品的影响度A(5)C(1)B(3)A(5)(温度)AP1AP2AP4A(压力)BP2BP3B(速度)CP1CP3CP4C(尺寸)DP2DP4D(厚度)EP1EP4E制程参数制程2019/8/2035SPC的思考•步骤一：深入掌握因果模式制程参数(因)/品质贡献率(果)分析→柏拉图分析•步骤二：设定主要参数的控制范围→以回归分析方法或实验设计来分析2019/8/2036SPC的思考步骤三：建立制程控制方法‧控制频率‧样本抽取方法‧样本量测方法步骤四：抽取成品来印证原始系统是否仍然正常运转？2019/8/2037SPC的诊断•品质是否更稳定？•良品率是否提高？•制程是否更流畅？•成本是否更低廉？•异常是否更快能被侦测到？•品管员是否逐渐在减少？2019/8/2038•统计制程管制的定义•非机遇原因变异•机遇原因变异•制程控制与制程能力•制程改善循环四、制程变异2019/8/2039统计制程管制的定义•由制程中去收集资料，而加以统计分析，從分析中得以发觉制程的变异，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。2019/8/2040制程控制的需要•检测─容忍浪费•允许将时间和材料投入到生产不一定有用的产品或服务中•预防─避免浪费•『第一次就把工作做对』2019/8/2041变异—机遇原因与非机遇原因•为了使变异的表示简化，通常分成下列二种：机遇原因的变异制程中变异因素是在统计的管制状态下『受控』。随着时间的推移，具有稳定的且可重复的分布制程中的许多『全距』的原因。非机遇原因的变异制程中不常发生，但造成制程变异的原因。所造成之分布与时间的关系，是不稳定且不无法预期的。2019/8/2042散布举例2520151050757065SampleNumberSampleMeanX-BarChartforProcessAX=70.91UCL=77.20LCL=64.622520151050757065SampleNumberSampleMeanX-BarChartforProcessAX=70.91UCL=77.20LCL=64.62252015105080706050SampleNumberSampleMeanX-BarChartforProcessBX=70.98UCL=77.27LCL=64.70非机遇原因过程A显示受控散布过程B显示不受控散布2019/8/2043因为生产制程中每一件成品都不同，因此如果制程很稳定，则生产产品的品质特性的分布将形成一种固定形状，称为分布。一般分布有下列之不同情形：位置分布宽度形状大小→大小→大小→…….或是以上这些的不同组合2019/8/2044如果制程中，只有机遇原因的变异存在，则其成品将形成依各很稳定的分布，而且是可以预测的如果制程中，有非机遇原因的变异存在，则其成品将为不稳定的分布，而且无法预测的范围→可预测范围→无法预测2019/8/2045•大量之微小原因所引起•原料在一定范围内之微小变异•机械之微小振动•仪器测定时，不十分精确之做法•依据作业标准执行作业的变化•实际上，要除去制程上之机遇原因