SPC827238908

SPC统计过程控制SPC的基础和技术原理控制图基础两类错误判稳和判异原则Cp,CpK,Pp,PpK,Cv%课程安排：1.9:00~9:30SPC基础2.9:30~10:30控制图的判断（10:30~10:40rest)3.10:40~12:20过程能力计算4.12:30~13:00测试和问答SPC的基础SPC于20世纪20年代首先由美国休哈特(W.A.Shewhart)提出，今天的SPC与当年的休哈特的过程控制方法并无根本的区别。SPC就是应用统计方法对过程中的各个阶段进行监控，从而达到改进与保证质量的目的。它强调通过过程的预防来减少或避免出废品、次品，就像医生给人们注射防疫针使其不得病一样。它着眼于全系统、全过程，要求全员参加，人人有责；它要求用科学方法(主要是统计技术，尤其是控制图理论)来保证全过程的预防，不仅用于生产过程，而且可用于服务过程和一切管理过程。今天所说的六西格玛与SPC与SPD一脉相承并且是SPC与SPD的全面深化。SPC的基础1924美国贝尔实验室休哈特博士开始使用控制图1931休哈特发表《工业之品品质之经济管制》1940‘s二战期间，美军工产品使用抽样方案和控制图以保证产品质量1950‘s戴明博士在日本工业产品生产过程中全面推行SPC;石川磬提出QC七大工具1970‘s日本成为高品质产品的代名词1980‘s欧美等国家紧随日本的步伐，推行“QC”和统计技术；Motorala提出追求“6δ”目标1987ISO9000标准建立并颁布实施，明确要求使用统计技术1994QS9000标准建立并颁布，制定了独立的SPC参考手册SPC的基础SPC技术的出现之前，质量管理就是检验，抓质量就是把好检验关，这样纯粹的检验只能发现和剔除不合格品，而不合格品被发现时，其损失已经造成。即便是采取措施，也只能是亡羊补牢。越来越多的内部损失和售后投诉索赔让企业不堪重负。SPC技术的出现，让质量管理从这种被动的事后把关发展到过程中积极的事前预防为主，从而大大降低了企业的生产成本，同时也为企业赢得了更多的定单和更好的商誉。SPC的基础近十年来，随着信息技术的飞速发展，使得SPC所需要的对大量数据实时收集、计算和分析可以借助于计算机和软件来轻松的实现，从而在全球掀起了SPC应用的热潮并持续至今。正是由于SPC在质量管理中的重要性，国际标准化组织（ISO）也将其作为ISO9000族质量体系认证的一个要素；美国三大汽车工业集团的QS9000认证也将SPC列为一项重要内容；同时，在企业中大力推行的全面质量管理（TQM）工作中，SPC也由于它特有的功能成为一项必不可少的组成部分。有鉴于此，世界许多大公司不仅自身采用SPC，而且要求供应商也必须采用SPC控制质量，SPC业已成为企业质量管理必不可少的工具。SPC的基础什么是SPC?SPC即统计过程控制（StatisticalProcessControl）。SPC主要是指应用统计分析技术对生产过程进行实时监控，科学的区分出生产过程中产品质量的随机波动与异常波动，从而对生产过程的异常趋势提出预警，以便生产管理人员及时采取措施，消除异常，恢复过程的稳定，从而达到提高和控制质量的目的。SPC的技术原理SPC是一种借助数理统计方法的过程控制工具。它对生产过程进行分析评价，根据反馈信息及时发现系统性因素出现的征兆，并采取措施消除其影响，使过程维持在仅受随机性因素影响的受控状态，以达到控制质量的目的。当过程仅受随机因素影响时，过程处于统计控制状态（简称受控状态）；当过程中存在系统因素的影响时，过程处于统计失控状态（简称失控状态）。由于过程波动具有统计规律性，当过程受控时，过程特性一般服从稳定的随机分布；而失控时，过程分布将发生改变。SPC正是利用过程波动的统计规律性对过程进行分析控制的。因而，它强调过程在受控和有能力的状态下运行，从而使产品和服务稳定地满足顾客的要求。控制图是对过程质量特性值进行测定、记录、评估，从而监察过程是否处于控制状态的一种用统计方法设计的图。中心线上控制线下控制线按时间顺序抽取样本统计量数值的描点序列μ样本中心倾向δ数据的分散程度偶因与异因+3δCCBBAAUCLCLLCL+1δ+2δ-3δ-1δ-2δ控制图波动源一个过程内有许多波动源存在每个波动源发生是随机的：时隐时现，时大时小，时负时正。以不可预测之势在影响过程的输出------质量特性质量特性有波动是正常现象，无波动是虚假现象或测量仪器分辨率太低；消灭波动是不可能的，但减少波动是有可能的。管理和操作任一过程就是要把波动限制在允许的范围内，超出范围就要设法减少波动或及时报告，迟到的报告会引起损失。两类错误α虚发报警β漏发报警根据使两种错误造成的总损失最小的原则来确定UCL与LCL之间的最优间隔（3δ）+3-3判稳准则稳态：统计控制状态连续25点都在控制界限内连续35点至多1点落在控制界限外连续100个点至多2点落在控制界限外判异原则LCLCLUCL1.点出界。•μδ，变化越大，信号越快•计算错误、测量错误、原材料不合格、设备故障判异原则LCLCLUCL2.连续三点中的两点在中心线2δ以外的一侧。•过程的平均值μ发生了变化判异原则UCLCLLCL3.连续六点连续下降(上升)•过程平均值的趋势•工具磨损、维修变坏等判异原则UCLCLLCL4.连续九点落在中心线同一侧•μ减小判异原则UCLCLLCL5.连续十四点相邻点上下交替•数据分成不够•轮流使用两台设备或有两位操作人员轮流操作而引起的系统效应。判异原则UCLCLLCL6.连续十五点在1δ中心线上下•δ变小•数据虚假、分层不够。（排除两种可能性后，考虑总结现场减少δ）判异原则7.连续五点中有四点落在中心线同一侧的1δ区以外•过程的平均值μ发生了变化UCLCLLCL判异原则UCLCLLCL8.连续八点在中心线两侧，但无一在1δ区•数据分层不够控制图类型分析用控制图–将非稳态的过程调整到稳态控制用控制图–等到过程调整到稳态后，才能延长控制线作为控制用控制图控制图类型类别名称特点使用场合均值-极差（Xbar-R)最常用，灵敏度高，计算R值的工作量小批量生产且生产正常、稳态的工序均值-标准差（Xbar-S)常用，灵敏度很高，计算S值的工作量大批量生产且生产正常、稳态的工序单值-移动极差（X-Rs)简捷，比较灵敏，不容易发现工序分布中心的变化取样困难中位数-极差计算简便，但效果差稳态的工序计量值控制图控制图类型类别名称特点使用场合不合格品数控制图（NP)较常用，计算方便各样本量相等不合格品率控制图（P)样本取样量大，计算量大样本量可以不等（控制线凹凸不平）缺陷数控制图（C）较常用，计算方便各样本量相等单位缺陷数控制图（U）计算量大样本量可以不等（控制线凹凸不平）计数值控制图短期过程能力指数Cp=T/6δ=(Tu-TL)/6δst（无偏）CpU=(Tu-μ)/3δ=(Tu-)/3δst,Tu（无偏）CpL=(μ-TL)/3δ=(-TL)/3δst,TL（无偏）CpK=(1-K)Cp=(1-K)*(Tu-TL)/6δst（有偏）K=ε/T/2=2ε/T(0K1)ε=IM-μIδst=/d2=/c4Cp&CpK–Cp的计算与过程输出的均值无关，它是假定过程输出的均值与规格中心重合。–Cp只是反映过程的潜在能力。（潜在能力指数）–CpK的引入就是考虑了均值μ的影响。–μ≠M,CpKCp,CpK是反映实际过程能力的指数–两者是由处于统计受控状态下的过程波动的大小和均值偏离决定的。过程性能指数Pp=T/6δ=(Tu-TL)/6δLt（无偏）PpU=(Tu-μ)/3δ=(Tu-)/3δLt,Tu（无偏）PpL=(μ-TL)/3δ=(-TL)/3δLt,TL（无偏）PpK=(1-K)Cp=(1-K)*(Tu-TL)/6δLt（有偏）Pp&PpK–过程绩效能力指数是从过程总波动的角度考察过程输出满足顾客要求的能力的。（长期过程能力指数）–固有波动和受到其他因素影响而产生的波动–机器性能的漂移、老化；不同操作者之间的技术差异、设备的调整、仪表的校准、更换材料批次或供应商的变动、环境因素的变化。样本变异系数样本标准差与样本均值之比成为样本变异系数，又称相对标准差。（用于衡量样本分散程度）Cv%=δ/概率：一个随机事件A发生可能性的大小称为这个事件的概率。P（A）–0≤P(A)≤1–P(Φ)=0,P(Ω）=1小概率事件原理：小概率事件在一次试验中几乎不可能发生，若发生即判断异常。