质量过程控制及改善培训课件

单位：力诺太阳能集团姓名：李哲质量过程控制及改善培训课件培训目标本课程旨在帮助同事们掌握minitab统计分析软件，研究和检测质量问题并改进生产过程。掌握几种图形工具，检测出质量问题使用控制图跟踪质量过程并检测是否存在特殊原因绘制能力直方图和能力图评估过程能力利用抽检特征曲线确定整个批次接收还是拒收学习方法技巧A要有几本好的工具书B要学会在网上寻找资源C从模仿开始，慢慢理解D培训结束后经常练习、使用《Minitab使用教程》、《EXCE图表制作》质量检测图形工具11-1.运行图1-2.帕累托图1-3.因果图运行图概念：所有过程中都会发生变异。常规原因变异是过程中正常的一部分。另一种类型的变异（称为特殊原因）来自系统外部，并导致数据中可识别的模式、偏移或趋势。运行图显示特殊原因是否正在影响您的过程。当只有常规原因影响过程输出时，过程受控制。运行图执行两种随机性检验，提供有关因趋势、振动、混合和聚类引起的非随机变异的信息。10987654321454035302520样本隔膜关于中位数的游程个数:3期望游程个数:6.0关于中位数的游程最大长度:5检验聚类性的近似p值:0.022混合的近似P值:0.978向上或向下的游程个数:5期望游程个数:6.3向上或向下的游程最大长度:3检验趋势性的近似p值:0.135检验振动性的近似p值:0.865隔膜的运行图解释结果在0.05水平下聚类检验很显著。由于聚类检验的概率(p=0.022)小于a值0.05，因此可以断定特殊原因正在影响您的过程，且您应该调查可能的来源。聚类可以指出抽样问题或测量问题。帕累托图概念：Pareto图是一种条形图，帮助您确定哪些问题最重要，以使您可以集中改进可获得最大收获的领域。其中水平轴表示所关注的类别，而非连续尺度。类别通常是缺陷。通过从大到小排列条形，Pareto图可帮助您确定哪些缺陷组成“少数重要”，哪些缺陷为“多数琐碎”。累积百分比线条帮助您判断每种类别所加入的贡献。Pareto图可帮助着重改进能获得最大收益的方面。解释结果由于超过一半的测速计因此缺陷遭到拒收，因此请着重改进缺失螺丝钉的数量。计数2745943191018百分比64.813.910.24.52.44.3累积%64.878.788.993.495.7100.0缺陷数其他不完整部件有缺陷的外罩漏油衬垫缺少的线夹丢失的螺丝钉4003002001000100806040200计数百分比缺陷数的Pareto图因果图概念：因果（或鱼骨）图描述问题的潜在原因。右侧显示问题（效应），左侧以树状结构显示原因的列表。树的分支常常与原因的主类别相关联。每个分支都列出该类别中的更多具体原因。您还可以向任何分支中添加子分支。鱼骨图是一种方便地组织问题原因的相关信息的工具。尽管没有构造鱼骨图的“正确”方法，但某些特定的类型本身就很适合于许多不同的情况。这些类型之一是“5M”图，这样称呼是因为分支上的五个类别都以字母M开头（“人员”也称“Man”）。表面瑕疵环境测量方法材料机器人员运算符培训主管人班次速度车床位套接字供应商滑润剂合金刹车接触角度检查员显微镜微米凝聚湿度%检验指导者错误太慢条件准确度因果图跟踪质量过程并检测是否存在特殊原因21-1.控制图概念1-2.缺陷（计数型）控制图1-3.成型过程（测量型）控制图1-4.利用控制图判断生产过程失控控制图概念：可以使用控制图跟踪一段时间内的过程统计量并检测是否存在特殊原因。·控制图的结构质量特征样本编号（或时间）控制上中心控制下限特殊原因所导致的变异可以检测并受控制。示例包括设备、班次或天数的差异。而另一方面，常规原因变异是过程中所固有的。当只有常规原因（而非特殊原因）影响过程输出时，过程即受控制。当点落于控制限制的界限之内，且这些点未显示出任何非随机模式时，过程即受控制。45413733292521171395110501000950900850观测值单独值_X=936.9UCL=1010.9LCL=862.8111111权重的单值控制图1-2.缺陷（计数型）控制图缺陷控制图概念：结构上类似于变量控制图，只不过它们是根据计数数据而不是测量数据绘制统计图。例如，可将产品与标准进行比较，并将其归类为有缺陷产品或无缺陷产品。也可以根据产品的缺陷数为产品归类。与使用变量控制图一样，绘制过程统计量（如缺陷数）也是相对于样本数量或时间的。缺陷品控制图您可以将产品与标准进行比较，并将其归类为有缺陷产品或无缺陷产品。例如，线长是否满足强度要求。缺陷品控制图有：·P控制图，该控制图绘制每个子组中缺陷品的比率。·NP控制图，该控制图绘制每个子组中缺陷品的数量。缺陷控制图如果产品非常复杂，则某一缺陷并不一定会导致缺陷产品。根据产品的缺陷数将产品归类有时会更加方便。例如，您可以统计产品表面的刮痕数。缺陷控制图有：·C控制图，该控制图绘制每个子组中的缺陷数。当子组大小固定时，请使用C控制图。·U控制图，该控制图绘制在每个子组中抽取的每单位样本的缺陷数。当子组大小不固定时，请使用U控制图。例如，如果您要统计电视屏幕内表面的瑕疵数，C控制图将绘制实际瑕疵数，而U控制图将绘制所抽取样本中每平方英寸的瑕疵数。1-2.缺陷（计数型）控制图109876543210.0250.0200.0150.0100.0050.000样本比率_P=0.01282UCL=0.02353LCL=0.00210C1的P控制图使用不相等样本量进行的检验10987654321302520151050样本样本计数__NP=12.72UCL=23.34LCL=2.09C1的NP控制图使用不相等样本量进行的检验109876543210.0250.0200.0150.0100.0050.000样本比率_P=0.01282UCL=0.02353LCL=0.00210C1的P控制图使用不相等样本量进行的检验1-2.缺陷（计数型）控制图37332925211713951876543210样本样本计数_C=2.725UCL=7.677LCL=0污点的C控制图1917151311975310.160.140.120.100.080.060.040.020.00样本每单位样本计数_U=0.0544UCL=0.1237LCL=011缺陷数的U控制图变量控制图概念：多值变量控制图数据标绘来自连续测量数据（如长度或外径）的统计量。单值的变量控制图、时间加权控制图和多变量控制图也标绘测量数据。缺陷控制图标绘计数数据，如缺陷或缺陷单元的数量。选择多值的变量控制图有五种变量控制图：·X和R-X控制图和R控制图（显示在一个窗口中）·X和S-X控制图和S控制图（显示在一个窗口中）·I-MR-R/S（组间/组内）-同时使用子组间和子组内变异的三向控制图。I-MR-R/S控制图由I控制图、MR控制图以及R或S控制图组成。·X-子组平均值的控制图·R-子组极差的控制图·S-子组标准差的控制图·I-MR-R/S（组间/组内）控制图要求在至少一个子组中有两个或更多观测值。子组大小不必相同。1-3.变量（测量数据）控制图1-3.变量（测量数据）控制图2523211917151311975310.800.750.700.650.60样本样本均值__X=0.716UB=0.7LCL=0.60982523211917151311975310.40.30.20.10.0样本样本极差_R=0.1842UCL=0.3895LCL=01C6,...,C2的Xbar-R控制图4641363126211611615040302010观测值单独值_X=10.69UCL=15.30LCL=6.08六月七月八月重症室收治按月份的单值控制图1-3.变量（测量数据）控制图通过绘制历史图，可以显示过程中的各个阶段，历史图是对数据中的不同组独立估计控制限制和中心线的控制图。在比较过程改进前后的数据时历史图尤其有用。控制图是统计过程控制（SPC）理论与实践的核心工具。我们用控制图来监控过程、判断过程的受控状态，一旦控制图出现异常的信息，就可以认为过程发生了异常，从而对生产过程进行检讨，寻找原因，制定改善措施，对过程进行修正，直到过程重新达到质量要求。利用控制图识别生产过程状态------受控状态或失控状态，是根据图上样本点的位置以及变化趋势进行分析和判断的。判断的依据主要有两点：（1）如果控制图上点所反映的过程的均值μ和/或方差σ发生（不允许的）变化。1-4.利用控制图判断生产过程失控过程能力分析31-1.过程能力概念1-2.连续数据能力分析1-3.缺陷数据能力分析1-4.过程能力指数的解释方法1-5.样本数据分布的识别与选择1-6.力诺太阳CPK数据采集方法（草案）1-1.过程能力概念过程一旦处于统计控制状态下（即稳定生产）后，就可能要确定其是否有能力（即符合规格限制并生产出“良好”的部件）。您通过将过程变异的宽度与规格限制的宽度相比较来确定能力。过程需要处于受控状态，然后才能评估其能力；否则，会错误地估计过程能力。只有过程受控，才有能力一说。为正确使用能力统计量，应通过检查位置的控制图（如Xbar控制图或I控制图）或变异的控制图（如R控制图、S控制图或MR控制图）来证实过程稳定可以通过绘制能力直方图和能力图以图形化方式评估过程能力。这些图形有助于评估数据的分布并证实过程受控。还可以计算能力指数，即规格公差占自然过程变异的比率。能力指数（即统计量）是评估过程能力的简单方法。由于将过程信息简化为一个数字，因此可以使用能力统计量对一个过程与另一个过程的能力进行比较。能力统计量使用起来很简单，但是它们也有一些分布属性尚未完全为人所了解。一般而言，最好不要依赖单个能力统计量确定过程的特征。1-2.连续数据能力分析-CPK分析0.600.580.560.540.520.50LSL目标USLLSL0.5目标0.55USL0.6样本均值0.54646样本N100标准差（组内）0.0185477标准差（整体）0.0193414过程数据CL下限0.74CL上限0.98PPL0.80PPU0.92Ppk0.80CL下限0.67CL上限0.93Cpm0.85CL下限0.75Cp0.90CL下限0.76CL上限1.04CPL0.83CPU0.96Cpk0.83CL下限0.69CL上限0.98Pp0.86整体能力潜在（组内）能力PPMLSL10000.00PPMUSL10000.00PPM合计20000.00实测性能PPMLSL6124.50PPMUSL1947.11PPM合计8071.61预期组内性能PPMLSL8150.57PPMUSL2818.71PPM合计10969.28预期整体性能组内整体电缆直径（使用95.0%置信）解释结果如果要解释过程能力统计量，则数据应近似服从正态分布。这一要求似乎已得到满足，正如上方重叠有正态曲线的直方图所示。但是，可以看到过程平均值(0.54646)略小于目标(0.55)。并且分布的两个尾部都落在规格限之外。这意味着，有时会发现某些电缆直径小于0.50厘米的规格下限或大于0.60厘米的规格上限。Ppk指数表明过程生产的单位是否在公差限内。此处，Ppk指数为0.80，表明制造商必须通过减少变异并使过程以目标为中心来改进过程。显然，与过程不以目标为中心相比，过程中的较大变异对此生产线而言是严重得多的问题。同样，PPM合计（预期整体性能）是其受关注的特征在公差限之外的百万分数部件数(10969.28)。这意味着每一百万条线缆中大约有10969条不符合规格。制造商未满足客户的要求，应通过降低过程变异来改进其过程。1-2.连续数据能力分析-综合能力分析解释结果在控制图和R控制图上，点都是随机分布在控制极限之间的，表明这是稳定过程。但是，还应比较R控制图与控制图上的点，以查看它们是否彼此相似。本例中的这些点并非这样，再次表明这是稳定过程。最后20个子组的控制图上的点随机地水平散开，没有趋势或偏移，这也表明过程是稳定的。如果要解释过程能力统计量，则您的数据应近似服从正态分布。