SPC理论手册

2019/8/203内容提要1.直方图(Histogram)2.柏拉图(Pareto)3.散布图4.分层分析5.直通率(FristPastYield)6.每百万次机会缺陷率(DPMO)2019/8/204测量结果1.3781.3761.3761.3781.3771.3771.3761.3781.3771.3761.3781.3781.3781.3801.3781.3781.3801.3781.3801.3771.3751.3731.3751.3771.3731.3771.3751.3771.3771.3781.3781.3761.3781.3791.3791.3761.3711.3761.3801.3771.3791.3791.3781.3811.3791.3791.3811.3761.3781.3811.3761.3731.3821.3781.3761.3801.3751.3801.3771.3751.3741.3791.3761.3821.3731.3781.3791.3781.3761.3771.3791.3741.3721.3801.3721.3761.3751.3761.3771.3751.3791.3791.3761.3761.3791.3781.3791.3771.3781.3771.3741.3811.3801.3801.3781.3791.3701.3781.3831.378100个青铜轴承内径的数据会告诉我们什么呢？2019/8/205直方图制作(1)产品规格:1.376±0.010•与目标值相比较：平均值：1.3773•与规格界限相比较：极差（最大值-最小值）=1.383-1.370=0.013•数据分布的更进一步的信息：数据分成10组后，落在每个区间内的数据个数2019/8/206直方图制作(2)组号组中值组下界组上界频数n最小值+（n-1)*组距组中值-组距/2组中值+组距/211.37001.36941.3707121.37131.37071.3720131.37261.37201.3733641.37391.37331.3746351.37521.37461.3759761.37651.37591.37723071.37781.37721.37852281.37911.37851.37981491.38041.37981.381113101.38171.38111.38242111.38301.38241.38371制作频数分布表I(组距）＝R/10上限：最小值－I/2下限：最小值＋I/2数据量分组数50-1006-10100-2507-12250个以上10-252019/8/207绘制直方图LSLUSLTargetX2019/8/208直方图的分析*对图形形状的分析数据分布是否正常；*对照标准进行分析能否满足规范要求。**典型的6种图形2019/8/209观察分析（1)⑴总体形状分析：正常型/异常型（A）正常型（B）偏向型（C）双峰型2019/8/2010观察分析（2)（E）平顶型（F）锯齿型（D）孤岛型2019/8/2011观察分析（3)⑵与规格界限进行比较：是否满足设计规格要求图形对称分布，且两边有一定余量，是理想状态，此时，应采取控制和监督办法。调整分布中心，使分布中心与公差中心重合。调整要点TLTUM（A）理想型xTLTUMx（B）偏心型图例2019/8/2012观察分析（4)图形对称分布，且两边有一定余量，是理想状态，此时，应采取控制和监督办法。调整分布中心，使分布中心与公差中心重合。调整要点TLTUM（A）理想型xTLTUMx（B）偏心型图例2019/8/2013观察分析（5)•图例调整要点TLTUMx（C）无富余型TLTUMx（D）能力富余型采取措施，减少标准偏差S。过程能力出现过剩，经济性差。可考虑改变工艺，放宽加工精度或减少检验频次，以降低成本。2019/8/2014观察分析（6)TLTUMx（E）能力不足型已出现不合格品，应多方面采取措施，减少标准偏差S或放宽过严的公差范围。图例调整要点2019/8/2015直方图的用途能够直观地看出数据的分布情况能够直观地判断生产过程的稳定性与规格比较，定性评价过程能力2019/8/2016内容提要1.直方图2.柏拉图3.散布图4.分层分析5.直通率6.DPMO2019/8/20172、柏拉图（排列图）80/20法则•“关键的少数和次要的多数”•80%的问题是由20%的潜在原因引起2019/8/2018排列图的作用•显示每个质量改进项目对整个质量问题的影响•识别进行改进的机会2019/8/2019Pareto理论在品质管理中的应用目的：寻找主要问题或影响质量的主要原因2019/8/2020主要应用•缺陷柏拉图•异常柏拉图•原因柏拉图•措施柏拉图2019/8/2021某塑料件公司生产一种塑料件，存在的质量不良项目有气孔、未充满、偏心、形状不佳、裂纹、其他等项。记录一周内某班所生产的产品不良情况数据，并将不良项目作成累计频数和百分比汇总表：缺陷项目频数百分比累计百分比气孔4850.5350.53未充满2829.4780偏心1010.5390.53形状不佳44.2194.74裂纹33.1697.9其他22.1100合计95100案例分析2019/8/2022塑料件不良项目的排列图2019/8/2023内容提要1.直方图2.柏拉图3.散布图4.分层分析5.直通率6.DPMO2019/8/2024散布图也称相关图，可以直观地表示出两变量之间的相关程度；当怀疑系统中两个变量可能有关系，但不能确定这种关系是什么的时候，就可以使用。散布图2019/8/2025相关分析方案选择2019/8/2026相关分析方案选择2019/8/2027相关分析2019/8/2028制作散布图1.识别要分析的两个变量；2.收集至少25组相对应的数据：a.数据必须一一对应；b.太少的数据会妨碍清楚得认识两个变量之间的关系；2019/8/20293.依据两个变量画出横坐标轴和纵坐标轴：4.按照数据一一画出坐标点（xi，yi）制作散布图2019/8/2030相关系数•衡量两个变量间线性关系的密切程度•r的取值范围为：-1≤r≤1；•r越接近于1，X与Y之间的线性关系越好•r=1为完全正相关关系；r=-1为完全负相关关系•r=0,两个变量之间不存在线性关系或者不相关.yyxxxyLLLr2019/8/2031散布图两个变量之间可能存在以下主要几种分布情况：2019/8/2032一元回归分析表示:因素y对因素x的回归直线其中a表示为常数，b表示回归系数一元回归常用于分析与预测2019/8/2033内容提要1.直方图2.柏拉图3.散布图4.分层分析5.直通率6.DPMO2019/8/2034分层分析法•概念：将数据依照使用目的，按照其性质、来源、影响因素等进行分类，把性质相同、在同一生产条件下收集到的质量特性数据归并在一起的方法。•通常和其他方法一起使用。如将数据分层之后再进行加工整理成分层排列图、分层直方图、分层控制图等。2019/8/2035常用分层方法•按不同时间、线别分，如按班次、不同生产线分；•按操作人员分，如按工人的级别；•按操作方法分，如按切削用量、温度、压力；•按原材料、产品分，如按供料单位、批次、产品、客户等；•其他分层，如按检验手段、使用条件、气候条件等。2019/8/2036举例2019/8/2037案例分析在柴油机装配中经常发生汽缸垫漏气现象，为解决这一问题，对该工序进行现场统计。•收集数据：n=50，漏气数f=19漏气率P=f/n=19/50=0.38即38%•分析原因：通过分析，认为造成漏气有两个原因：–该工序涂密封剂的工人A，B，C三人的操作方法有差异；–汽缸垫分别由甲、乙两厂供应，原材料有差异；因此，采用分层法列表进行分析：2019/8/2038分层列表工人漏气不漏气漏气率%A61332B3925C10953合计193138工厂漏气不漏气漏气率%甲厂91439乙厂101737合计193138•初步分析结论：–汽缸漏气率的办法可以采用乙厂供应的汽缸垫，因为它比甲厂的漏气率低；–采用工人B的操作方法，因为他的漏气率最低2019/8/2039实践结果表明•按照上述分析结果做，漏气率不但没有降低，反而从原来的38%上升到43%。•为什么？2019/8/2040进一步考虑：不同工人使用不同工厂提供的汽缸垫综合分层甲厂乙厂合计漏气606不漏气21113漏气率%75032漏气033不漏气549漏气率%04325漏气3710不漏气729漏气率%307853漏气91019不漏气141731漏气率%393738合计232750合计CBA2019/8/2041结论•使用甲厂提供的汽缸垫时，要采用B工人的操作方法；•使用乙厂提供的汽缸垫时，要采用A工人的操作方法。这样才能使漏气率大大降低。2019/8/2042分层的意义•分层的目的：有利于查找产生质量问题的原因。•把影响质量的众多因素分离出来，在同一生产条件下收集到的数据归纳在一起，可以使数据反映的现象更加明显。2019/8/2043内容提要1.直方图2.柏拉图3.散布图4.分层分析5.直通率6.DPMO2019/8/2044直通率通过检查，合格率95.5%加工工序二的合格率97%装配站合格率94.4%FPY首次加工工序2019/8/2045直通率（FPY）•暴露出隐含成本•制程状况全面掌握•指出那些改进效果较明显的工序•通过了解过程不同部分的影响来研究整个过程RTY强调过程每一步骤的能力2019/8/2046Todaysoft®SPC解决方案2019/8/2047内容提要1.直方图2.柏拉图3.散布图4.分层分析5.直通率6.DPMO2019/8/2048DPMODefectsPerMillionOpportunity每百万次机会缺陷率2019/8/2049举例某工厂在包装和电镀工序进行考核时，现同时在1000个产品中分别出现1个缺陷，而出现该缺陷的机会数分别为0.5和10,请问：dpmo各为多少，谁做得差些？2019/8/2050举例电镀DPMO=1/1000/10*1000000=100包装DPMO=1/1000/0.5*1000000=20002019/8/2051DPU单件产品缺陷率DPU:如果在某个子组的100件产品中发现3个缺陷，则DPU=d/n=3/100=0.03d=缺陷数n检验的件数2019/8/2052DPO单个机会缺陷率DPO:如果每件产品有50个可能出错的机会，则在这个子组中有50×100个出现缺陷的机会。DPO=d/o=3/5000=0.0006d=缺陷数o=产生缺陷的机会数2019/8/2053DPMO分析DPU表示单件水平上的能力。DPO（及DPMO）则测量机会水平上的能力DPMO：DefectsPerMillionOpportunity百万次机会缺陷率DPMO：DPMO=3/5000×106=6002019/8/2054实例与思考•以自己熟悉的一个装配过程为例，思考如何确定机会数、缺陷数，及如何进行DPMO分析2019/8/2055DPMO分析方法的意义直观了解产品在各制程的不良状况进行制程能力（Cpk）评价帮助深入研究制程中各站点的不良现象、原因及纠正措施2019/8/2056DMPO知识小结•DPMO强调的是机会水平上的能力•DPMO分析之前需要明确机会数、缺陷数•DPMO=（缺陷数/机会数）×10000002019/8/2057内容提要1.直方图2.柏拉图3.散布图4.分层分析5.直通率6.DPMO2019/8/2058课程内容回顾2019/8/2059练习11.3781.3761.3761.3781.3771.3631.3621.371.3691.3681.3781.3781.3781.3801.3781.3641.3661.371.3721.3691.3751.3731.3751.3771.3731.3631.3611.3691.3691.371.