14SPC

SPC1SPC介绍BriefIntroductionofSPCPreparedby:sunnyshiSPC2???StatisticsProcessControl统计过程控制SPC3统计STATISTICSSPC4SPC基本原则产品质量的统计观点对异常因素分类和控制产品质量有变异变差具有统计规律性稳定状态是生产过程追求的目标预防为主SPC理论基础数理概率统计理论分布理论（6）正态、二项、泊松分布参数估计，方差分析等SPC基本手法工序能力分析控制图因果、排列、相关分析（方差分析）、正交实验等SPC5一点点统计学:正態分佈概念0246810人数1.721.741.761.781.81.821.841.861.881.9公尺试调查一班人的身高时，我们很容易会发觉大多数人会集中在某一段高度，而较高或较矮的人数就会随著高度的两侧逐渐减小。假如我们用线把代表人数的柱条连起来，这曲线形状成吊钟形，身高的分布形成了正态分布(NormalDistribution)。SPC61)(2nxxiσ：标准偏差,标准偏差显示出过程中的数离它们的平均数的距离正态分布—高斯曲线纵轴代表频次f，横轴代表分布的所在xi。服从正态分布时，曲线中央部份为最高点。服从以下函数:ƒ(χ)21e(x)222μ：总体平均值e：自然对数的底=2.71828…：圆周率=3.14159….：总体标准偏差.00.050.10.150.20.250.356789101112131415μSPC7x正态分布的重要参数:=母体平均值(描述位置)x=样本平均值(描述位置)=标准差(描述分布状态)SPC800.050.10.150.20.250.30.350.40.4556789101112131415Target=Mu=10/Sigma=100.050.10.150.20.250.35678910111213141500.20.40.60.811.256789101112131415設=1設=0.4設=1.5不同的標準差Sigma()Sigma越小密度曲線越陡峭(數據差別小)Sigma越大密度曲線越平坦(數據差別大)SPC9过程PROCESSSPC10供应商顾客输入需求过程活动输出产品/服务反馈过程过程是指“一组将输入转化为输出的相互关联或相互作用的活动”转换输入(I)输出(O)作业指导书规范/参数控制(C)机械装置(M)操作员曝光/蚀刻设备敷铜板线路/电极干膜典型的过程SPC11控制CONTROLSPC12两种过程控制模型和控制策略输入过程测量/抽样统计结果输出好品坏品统计品管SQC好品输出统计过程控制SPC输入过程调整/规范分析评估测量/抽样控制输出事后把关控制过程预防缺陷SPC13两种过程状态仅存在普通原因变差分布稳定的过程是可预测的过程是统计受控的存在特殊原因变差分布不稳定的过程是不可预测的过程是不受控的普通原因(不可控制)：随着时间的推移具有稳定的且可重复的分布过程中的许多原因特殊原因(可控制)：不是始终作用于过程的变差的原因SPC14两种变差原因？？？？？？？？？？？？？预测如果仅存在变差的普通原因，随着时间的推移，过程的输出形成一个稳定的分布并可预测如果存在变差的特殊原因，随着时间的推移，过程的输出不稳定且不可预测目标值线目标值线SPC15两种过程的对应控制措施系统措施通常用来减少变差的普通原因通常要求管理层的措施通常工业经验，约占过程措施的85%局部措施通常用来消除变差的特殊原因通常由与现场有关的人员解决通常工业经验，约占过程措施的15%控制要点通常属于系统的问题不要责难现场人员，要由系统上采取措施（控制不足）通常属于局部的问题也不要轻易采取系统措施（理解什么是过度控制）考虑经济因素，做出合理的决定过程控制系统应能提供正确的统计信息有用的特殊原因变差，应该保留SPC16如何区分普通原因和特殊原因二十世纪二十年代贝尔实验室的休哈特博士提出经济控制生产过程中产品质量的“6”法，逐渐发展成为控制图和预防缺陷理论。1.00.90.80.70.60.50.40.30.20.10.00510152025UCL(UpperControlLimit)LCL(LowerControlLimit)M(Median)中位线M表示产品特性的平均值两个红色的水平线表示产品特性的上下限控制图指出，如果过程受控，几乎所有的抽样产品的特性值应在上下限之间SPC17UCLCLLCLUCLCLLCLUCLCLLCL一点超出UCL或在LCL下7点连续上升或下降连续7点在中心线上或下分析图形上的点剔除特殊原因的影响SPC18LCLUCL过程控制过程能力时间TT过程控制和过程能力SPC19已经处于统计控制状态的过程，可以通过控制图进行日常的监控，但是过程的能力如何呢？过程能力的概念过程能力反映了普通原因引起的变差(当过程处于受控状态时满足规范的能力)过程能力的评估是假定处于受控状态的过程服从钟形的正态分布(NormalDistribution)假定设计目标值位于规格的中心监控稳定的过程，计算过程能力。规格分布过程分布過程能力指數=Cp=USL-LSL6σCpk=最小值(μ-LSL,USL-μ)3σ过程分布规格分布USLLSL更通过控制图计算Cpk时需要剔除特殊的点的值SPC20过程能力计算(Cp&Cpk)Cp=USL-LSL6σ8-06==1.33Cpk=最小值(μ-LSL,USL-μ)3σ=Min(3,5)3=1過程能力指數評價Cpk1.67非常充足1.33Cpk1.67充足1.00Cpk1.33尚可,有待改善0.67Cpk1.00不足Cpk0.67太低,須立即改善00.050.10.150.20.250.30.350.40.45-10123456789过程分布宽度=63μ1σLSLUSL规格分布宽度=8TargetSPC21为什么过程控制已经落在规格范围内，仍然把Cpk值目标定在1.33以上?00.050.10.150.20.250.30.350.40.4556789101112131415LSLUSL12μ/1σ:Process過程偏移1.17C1.17Cpkp13)5.3,5.3min(165.65.130.5C1.17Cpkp13)5.1,5.5min(165.65.1300.050.10.150.20.250.30.350.40.455678910111213141510μ/1σ:Process規格:LSL=6.5&目標值=10&USL=13.5SPC22不良品增加至10%!!!T以规格上下限为控制目标，一旦过程出现偏移,便会有大量不良品出现。以中心值为目标(Cp1.33)，过程有偏移时，亦只有很少机会超标。上限上限T只有0.006%不良品过程偏移1过程偏移1SPC23过程能力与PPM00.050.10.150.20.250.30.350.40.4556789101112131415LSLUSLμT过程变差(μ与T之间的距离)PPM是PartPerMillion的缩写，意思是百万分之几的比例。用于不良率即表示百万分之几的不良，如600PPM表示不良比例为一百万件中有600件不良。过程变差为零时CpCpkPPM1.001.0027001.331.3363.41.671.670.56过程变差为1σ时1.000.6722781.71.331.001350.281.671.3331.701过程变差为1.5σ时1.000.5066810.41.330.836210.021.671.17233T是设定目标值μ是过程中心值SPC24Cpk的詮釋及與PPM的關係1135),min(33σμ)USLLSL,min(μC1.33608σ)(6widthProcessLSL)(USLwidthToleranceCpkp00.050.10.150.20.250.30.350.40.45-10123456789過程寬度=63μ1σLSLUSLTarget低側:1350ppm高側:0.3ppm规格宽度=8SPC25若服從正態分佈,兩側超出規格的比率和PPM為:當LSL=0:u=(x-)/=(0-3)/1uucl=-3跟據正態分佈表:0.135%=1350ppm當USL=8:(8-3)/1uusl=+50.3ppm該元件的總不良數為(1350+0.3)ppm=1350.3ppm如果一件組裝單元(unit)含1000個該等元件,則每單元的平均不良數(defectsperunit)便等於1000x0.00135=1.35dpu.利用泊松(Poisson)分佈計算當一個單元(含1000個該等元件)出現零缺陷時的概率:第一次便做對(1stpassyield)P(x=0)=e^(-1.35)=26%pnmwhereas,ek!mk)P(x:formulaPoissonGeneralmkCpk的詮釋及與PPM的關係SPC26CpCpkppm和组装良率的关系每單元含元件數:1001000半過程規格--常態分佈表--每單元總每單元總漂移寬度Eccentricity總平均不良組裝平均不良組裝Cp[sigma]Cpk[sigma]u(LCL)u(UCL)ppm(LCL)ppm(UCL)PPM's個數良率[%]個數良率[%]0.6000.601.8-1.81.83593035930718607.1860.1%71.860.0%1.0001.003.0-3.03.01350135027000.2776.3%2.76.7%1.3301.334.0-4.04.031.731.763.40.0063499.4%0.063493.9%1.6701.675.0-5.05.00.280.280.560.000056100.0%0.0005699.9%2.0002.006.0-6.06.00.0010.0010.0020.0000002100.0%0.000002100.0%0.6010.271.8-0.82.8211860255521441521.44150.0%214.4150.0%1.0010.673.0-2.04.02275031.722781.72.2781710.2%22.78170.0%1.3311.004.0-3.05.013500.281350.280.13502887.4%1.3502825.9%1.6711.335.0-4.06.031.70.00131.7010.003170199.7%0.03170196.9%2.0011.676.0-5.07.00.280.280.000028100.0%0.00028100.0%0.601.50.101.8-0.33.338209048338257338.25730.0%382.5730.0%1.001.50.503.0-1.54.5668073.466810.46.681040.1%66.81040.0%1.331.50.834.0-2.55.562100.026210.020.62100253.7%6.210020.2%1.671.51.175.0-3.56.52332330.023397.7%0.23379.2%2.001.51.506.0-4.57.53.43.40.00034100.0%0.003499.7%SPC27RelationCp-Cpk-ppm:graphPPM(max)=f(Cpk)Foraprocess,runningontarget(Cp=Cpk)0.0010.010.11101001000100001000000.500.751.001.251.501.752.00Cp=Cpk(centeredprocess)PPM(max)2x1350=2700ppm2x32=64ppmatCpk=Cp=1.332x1=2ppm2