SPC最好的培训教程

SPCTrainingforNDVC2SPS-0159ENV01KaizenReportTemplate•SPC简介•SPC发展历史•西格玛简介SectionOne-简介3SPS-0159ENV01KaizenReportTemplate什么是制程(Process)?操作方法环境设备材料有序的行为测量的输出目标时间操作员将输入转化为输出的一组有序的行为或操作什么是制程控制(ProcessControl)?减小制程输出变异(ProcessVariation)所采取的行动4SPS-0159ENV01KaizenReportTemplate什么是统计制程控制(SPC)?5SPS-0159ENV01KaizenReportTemplate控制图的发展历史6SPS-0159ENV01KaizenReportTemplateSPC的使用情况何时使用SPC7SPS-0159ENV01KaizenReportTemplate为什么要推广SPC8SPS-0159ENV01KaizenReportTemplate过程变异原因类别9SPS-0159ENV01KaizenReportTemplate•ControlChart：通过触发异常报警特殊原因，监控过程的稳定性.•ProcessCapability：在过程稳定的基础上，计算过程能力，并不断提高.SPCControl分类47.644.240.837.434.030.627.2LSLUSLLSL25Target*USL50SampleMean39.4076SampleN299StDev(Within)0.589811StDev(Overall)0.581845ProcessDataCp7.06CPL8.14CPU5.99Cpk5.99Pp7.16PPL8.25PPU6.07Ppk6.07Cpm*OverallCapabilityPotential(Within)CapabilityPPMLSL0.00PPMUSL0.00PPMTotal0.00ObservedPerformancePPMLSL0.00PPMUSL0.00PPMTotal0.00Exp.WithinPerformancePPMLSL0.00PPMUSL0.00PPMTotal0.00Exp.OverallPerformanceWithinOverallProcessCapabilityofRST_R_Pull_Up10SPS-0159ENV01KaizenReportTemplate西格玛水平与DPMO“六”西格玛代表着一种近似的完美，它仅允许百万分之3.4的缺陷率，在关系到大多数顾客及股东的产品、服务和过程中，仅允许百万分之3.4的缺陷率。不同西格玛水平之间的差别不单纯是对半削减缺陷的数量。西格玛水平每上升一级，缺陷的数量就呈指数级的减少。11SPS-0159ENV01KaizenReportTemplateб以面积为例以书刊错字校对为例PPM6б一粒钻石大小一间小型图书馆全部藏书中有1个错字3.47б缝衣针针尖好几个大型图书馆藏书中有一个错字0.0193б普通商店面积每页书中有1.5个错字668105б电话机座大小一部百科全书中有一个错字2331б中型工厂面积每页书中有170个错字6977004б一间客厅面积一册书每三十页有一个错字62102б巨型超市面积每页书中有25个错字308700对6б的感性认识：12SPS-0159ENV01KaizenReportTemplate正态分布简介横坐标是数据从小到大的排列，纵坐标是每个一个数值出现的次数13SPS-0159ENV01KaizenReportTemplate6б和3б的波动比较6西格玛水平过程非常稳定，集中在目标值附近，满足客户要求的能力很强，3西格玛水平则波动较大。14SPS-0159ENV01KaizenReportTemplate•基本定义及判异原则•计量型控制图•计数型控制图SectionTwo-控制图15SPS-0159ENV01KaizenReportTemplateSPC基本定义1.Sigmaσ:Standarddeviation(S):(标准差)是对过程变异的衡量2.CenterLine(CL):AverageoftheProcess(中心线)3.UCL(UpperControlLimit):(上控制线)4.LCL(LoverControlLimit):(下控制线)5.CPK(ProcessCapabilityIndex)(制程能力系数)6.CP(ProcessCapability)(制程能力,散度.即正态分布曲线的开口度)7.LSL(LowerSPECLimit):(制程规格下限,通常为业界标准或客户的要求)8.USL(UpperSPECLimit):(制程能力上限，通常为业界标准或客户的要求)9.X-BAR&RChart:(均值/极值控制图)10.均值:一组数据的平均数11.极差：一组测量值内的最大值和最小值的差，用R表示16SPS-0159ENV01KaizenReportTemplate控制图各种上下限关系17SPS-0159ENV01KaizenReportTemplate控制图18SPS-0159ENV01KaizenReportTemplateControlchartRules19SPS-0159ENV01KaizenReportTemplateControlRules有可能模具有一定磨损工艺整体有逐渐向上和向下趋势可能两个工艺混在一起20SPS-0159ENV01KaizenReportTemplateControlRules上下控制限需要收紧21SPS-0159ENV01KaizenReportTemplate控制图选择不合格件数不合格率Xbar-s单位产品上不合格点数Xbar-RI-MR不合格点数22SPS-0159ENV01KaizenReportTemplate23SPS-0159ENV01KaizenReportTemplate绘制均值极差图杂质含量批次杂质含量批次杂质含量批次5.9918.0567.091111.4614.35610.571111.4112.79611.14113.714.06614.251112.88123.43617.581114.5429.33725.31216.76212.1575.3127.2929.33712.05125.929.23716.251222.0524.8277.51129.336.84814.691312.5137.6783.691313.636.99818.04134.6433.9688.91310.34314.3817.05134.3947.08920.23149.6413.6999.381413.4349.6993.53145.51412.27914.27144.17420.1593.41149.7658.33104.38156.0756.23105.91513.7458.871031.321515.35518.71103.44158.98513.221024.7815一部分数据24SPS-0159ENV01KaizenReportTemplate绘制均值极差图根据数据如何配置25SPS-0159ENV01KaizenReportTemplate绘制均值极差图选择判异原则26SPS-0159ENV01KaizenReportTemplate绘制均值极差图-极差和均值图都需要稳态从图中我们看出什么？接下来我们怎么做？27SPS-0159ENV01KaizenReportTemplate练习：用minitab绘制均值极差图焊接力对于W7T是重要的指标，需要定期测试，将测试结果做均值极差图28SPS-0159ENV01KaizenReportTemplateSPC小游戏流程：分成几个小组，每个人折纸，生产衣服，然后抽样测量衣服长度，每个小组产生一个衣服长度的平均数，衣服长度为y轴，小组号码为x轴，描点，事先定好上下控制线，看哪些点在控制线之外，然后找出rootcause。工具：两种尺寸正方形纸（含有变异尺寸），尺子控制图：均值极差图或单值移动极差（根据参加人数）绘制SPC控制图以及Processcapability原因分析如果有异常的地方分析原因并改善29SPS-0159ENV01KaizenReportTemplate计数型控制图30SPS-0159ENV01KaizenReportTemplate计数型控制图-P图，NP图练习：二极管制造工艺，每天抽检150个样品，记录不合格品数量，搜集一个月的数据，做NP图和P图。31SPS-0159ENV01KaizenReportTemplate计数型控制图-P图32SPS-0159ENV01KaizenReportTemplate计数型控制图-NP图33SPS-0159ENV01KaizenReportTemplate计数型控制图-U图，C图练习：在芯片的生产过程中，如果芯片上有一个瑕疵，则被认为是一个缺陷，每个班次抽取10个芯片进行检验，记录每个班次的缺陷总数，搜集15个班次数据，做U图，C图。日期样品数缺陷数11026210283102341018510326104071035810249101810102811101612101413102414103515103034SPS-0159ENV01KaizenReportTemplate计数型控制图-U图35SPS-0159ENV01KaizenReportTemplate计数型控制图-C图36SPS-0159ENV01KaizenReportTemplate其他常见的控制图累积和控制图CUSUM:以历次观测结果为依据，对观测数据加以累积，对发现过程的小偏移特别有效。指数加权移动平均控制图EWMA:关注的是历史数据的加权平均，可以有效控制长期过程的微小偏移。标准化控制图Z-MR:当过程输出为不同规格的产品，相互之间的差异比较大但样本量又比较小时选用该控制图（多品种，小批量）37SPS-0159ENV01KaizenReportTemplate•基本定义及数据类型•计量型过程能力分析•计数型过程能力分析SectionThree-过程能力分析38SPS-0159ENV01KaizenReportTemplateProcessCapability数据类型可以分为计量型数据和计数型数据。计量型数据是属于不可数集合的，一般通过测量获得，且有计量单位。比如(0,100]，实数集，常见的有正态分布，指数分布，均匀分布等。工厂数据举例：weldingstrength,case/cover尺寸计数型随机变量只可能出现可数型的实现值，比如自然数集合，{0,100}等等，常见的有二项分布，泊松分布等。工厂数据举例：检验208件产品，有8件不合格，检验150件产品，有7件不合格。以小组为单位，列举工厂各种数据类型，并进行分类，粘贴到白板上，大家分享一下39SPS-0159ENV01KaizenReportTemplate计量型数据过程能力指数CPCp–表示制程分布的紧致程度，要求过程要稳定40SPS-0159ENV01KaizenReportTemplate计量型数据制程能力指数Cpk双边CPK公式单边CPK公式CPUCPL41SPS-0159ENV01KaizenReportTemplate制程能力指数Cpk的几何意义3良好的过程能力:对于双边:图形居中,开口小.对于单边:距离规格线远,开口小.要求过程要稳定且正态。42SPS-0159ENV01KaizenReportTemplate过程能力评价43SPS-0159ENV01KaizenReportTemplate计量型数据制程绩效指数PP/PPK过程绩效指数是从过程总波动的角度考察过程输出满足客户要求的能力，有时也称作长期过程能力指数