制程能力分析

产品名称

O-ring模具编号

穴数

特性描述

偏差分类

测量仪器测量范围分辨率

1内径100.97±0.38重要OMM0-200mm0.005mm2023/4/2932.69

2线径5.33±0.12关键OMM0-200mm0.005mm2023/4/2957.90

3

4

5

6

7

8

9

10

11

12

13

14

15No.管制项目完成时间Cpk控制方法（Xbar-R/Xbar-S/X-MR/P/nP/u/c）

表单编号：MDJ/MD-PPAP-11 A/0Xbar-R图CPK-20230429-0216

特殊特性量具

Xbar-R图CPK-20230429-01报告编号制程能力分析报告

Process Capability Analysis Report

客户名称迈特ID100.97 * CS5.33绝密机密秘密一般

制程能力分析

制程能力研究在于确认这些特性符合规格的程度，以保证制程成品不符规格的不良率在要求的水平之上，作为制程持续改善的依据。制程能力研究的时机分短期制程能力研究及长期制程能力研究，短期着重在新产品及新制程的试作、初期生产、工程变更或制程设备改变等阶段；长期以量产期间为主。制程能力指标 Cp 或 Cpk 之值在一产品或制程特性分配为常态且在管制状态下时，可经由常态分配之机率计算，换算为该产品或制程特性的良率或不良率，同时亦可以几 Sigma 来对照。

计数值统计数据的数量表示

缺点及不良(Defects VS. Defectives)

缺点代表一单位产品不符要求的点数，一单位产品不良可能有一个缺点或多个缺点，此为计点的质量指针。例如描述一匹布或一铸件的质量，可用每公尺棉布有几个疵点，一铸件表面有几个气孔或砂眼来表达，无尘室中每立方公尺含微粒之个数，一片PCB有几个零件及几个焊点有缺点，一片按键有几个杂质、包风、印刷等缺点，这些都是以计点方式表示一单位产品的特性值。不良代表一单位产品有不符要求的缺点，可能有一个或一个以上，此将产品分类为好与坏、良与不良及合格与不合格等所谓的通过－不通过(Go-NoGo)的衡量方式称为计件的质量指针。例如单位产品必须以二分法来判定质量，不良的单位产品必须报废或重修，这是以计件方式来表示一单位产品的特值。

每单位缺点数及每百万机会缺点数(DPU VS. DPMO)

一单位产品或制程的复杂程度与其发生缺点的机会有直接的关系，越复杂容易出现缺点；反之越简单越不容易出现缺点。因此，以每单位缺点数(DPU)来比较复杂程度不同的产品或制程质量是不公平的，在管理上必须增加一个衡量产品或制程复杂程度的指标，Six Sigma 以发生缺点的机会(Opportunities)来衡量。

CPK (Process Capability Index )的定义：制程能力指数；

CPK的意义：制程水平的量化反映;（用一个数值来表达制程的水平） 制程能力指数：是一种表示制程水平高低的方便方法，其实质作用是反映制程合格率的高低。

与CPK相关的几个重要概念：

USL (Upper Specification Limit): 即规格上限;

LSL (Lower Specification Limit): 即规格下限;

C (Center Line）：规格中心;

=(X1+X2+… …+Xn)/n 平均值；(n为样本数)

T=USL-LSL：即规格公差；

δ（sigma）为数据的标准差。 标准差是一组数据平均值分散程度的一种度量。一个较大的标准差，代表大部分数值和其平均值之间差异较大；一个较小的标准差，代表这些数值较接近平均值。

例如，A、B两组各有6位学生参加同一次语文测验，A组的分数为95、85、75、65、55、45，B组的分数为73、72、71、69、68、67。这两组的平均数都是70，但A组的标准差约为17.08分，B组的标准差约为2.16分，说明A组学生之间的差距要比B组学生之间的差距大得多。

(Excel中的“STDEV”函数自动计算所取样数据的标准差(σ) )

样本: 从总体中随机抽取的若干个个体的总和称为样本。 组成样本的每个个体称为样品。

样本标准偏差S: 因为标准偏差是用数据整体计算，所以当数据量大太时，就不便以操作,而且不符合现场需要。所以一般情况下, 会用样本标准偏差S来代替σ。 S ≈ σ

Ca (Capability of Accuracy)：制程准确度，Ca 衡量的是“实际平均值“与“规格中心值”的一致性;

1.对于单边规格，不存在规格中心，因此也就不存在Ca; 2 2.对于双边规格:

SPC制程能力分析品质

SPC（统计过程控制）是一种广泛应用于品质管理领域的统计方法，能够帮助企业监控和控制产品制造过程中的变异性。通过收集和分析过程中的数据，SPC可以评估制程的能力，确定该制程是否稳定且具有一致的性能。

1.数据收集：首先，需要收集关于制程的数据。这些数据可以包括来自不同阶段的样本数据，例如原材料、加工过程中的中间产品和最终产品的检测数据。

2.数据整理：将收集到的数据进行整理和准备，以便进行分析。这包括数据的清洗、筛选和对齐等操作。

3.基础统计分析：使用基本的统计方法来分析数据，例如计算平均值、标准差、极差等指标。这些指标可以给出制程的平均性能和变异性。

4.制程稳定性分析：通过分析统计文件或绘制控制图来评估制程的稳定性。控制图可以显示制程数据的变化情况，并帮助判断制程是否受到特殊原因的影响。

5. 制程能力分析：制程能力指标可以帮助评估制程的性能是否满足产品要求。常用的制程能力指标包括Cp、Cpk和Pp、Ppk等。这些指标表示制程的离散度与规范化能力。

- Cp和Cpk：用于评估制程的离散度和中心性，分别表示过程的总变异度和自然过程偏离规格的变异度。Cpk大于等于1时，表示制程能力满足规格要求。 - Pp和Ppk：用于评估制程的离散度和中心性，与Cp和Cpk类似，由于Pp和Ppk考虑了过程所处的分布形状，并对过多偏离规格限制的量进行了惩罚。