SPC 介绍及应用PPT

LSL 64 72 76 LCL UCL
USL 80
68
SPC基础知识和应用
落地炉线 中心值 管制上限 管制下限
2月22日
2月24日 2月26日 2月28日 3 月1 日 3 月3 日 3 月5 日 3 月7 日
上图是我们发泡过程的一组数据，对应SPC中控制图的基本判定准则： 1.X个点超出管制界限 2.续X点分布在管制界限的同侧 3.连续X点的上升或下降 可以说明，我们应当结合实际生产控制需求制定适合我们的SPC控制。
X LSL Cp ˆ 3σ
状态不理想，需改进为A级 制程不良，必须提升制成能力 制成能力太差，必须分析原因，重新设计制成 制程
产品规格设计值为3.5mm 0.1mm, 今在稳定量产线上抽检5个样 品，测量值为： 3.52, 3.53, 3.57, 3.54, 3.53，则Cp计算如下： T=3.6-3.4=0.2， σ=0.0192，X=3.538
Cp 0.2 1.73 0.0192 6
SPC基础知识和应用
Cpk计算公式介绍 :
USL X X LSL , ) 双边规格 :Cpk min( ˆ ˆ 3 3
单边规格：以Cp表示：Cpk=Cp
仅定规格上限
Cp
Cpk=Cp=
仅定规格下限
USL X ˆ 3σ
双边规格也可采用以下公式计算Cpk： Cpk=Cp*(1-Ca)
练习： 设计产品规格为3.5mm±0.1mm, 今在量产线上抽测5个样品， 其 测量值如下：3.52, 3.53, 3.57, 3.54, 3.53，则Ca值计算如下: U=3.50, T=3.6-3.4=0.2, X=3.538
Ca 3.538 3.50 0.038 38% 0.2 / 2 0.1

假设检验的基本概念
明确假设检验的定义、原假设与备择假设的设立原则及两类错误 的含义。
参数假设检验
掌握正态总体均值、方差的假设检验方法及步骤，理解t检验和F 检验的原理及应用场景。
非参数假设检验
了解非参数假设检验的适用条件及常用方法，如秩和检验、符号 检验等。
16
方差分析、回归分析应用举例
方差分析
掌握方差分析的基本原理、计算步骤及结果解释，理解其在多因素实验设计中的应用。
化。
大数据在SPC中的应用
大数据技术的不断发展将为SPC提供更丰富的数据来源和分析手段，有助于提高SPC的 应用效果。
2024/1/30
SPC在服务业的拓展
随着服务业的不断发展，SPC的应用领域将逐渐拓展到服务业领域，为服务业的质量管 理提供新的思路和方法。
36
下一讲预告及预备知识
2024/1/30
01
02
03
04
明确数据收集目标
根据业务需求，明确所需数据 的类型、范围和质量要求。
2024/1/30
制定数据收集计划
设计合理的数据收集流程，包 括数据源选择、采集频率、存
储方式等。
执行数据收集
运用合适的数据收集工具和技 术，按照计划进行数据采集。
数据质量监控
建立数据质量评估机制，确保 数据的准确性、完整性和一致
下一讲内容
下一讲将介绍SPC在企业中的实际应 用案例，包括不同行业和不同场景下 的SPC应用实践。
预备知识
为了更好地理解下一讲内容，建议学 员提前了解相关行业的生产流程和质 量管理要求，以及SPC在实际应用中 的挑战和解决方案。
37
THANKS
感谢观看
2024/1/30

你们6月份提供的产品，6月17日，某项特性均值6.8，6月18日，相 同特性均值在4.7。请贵公司注意一下。”
Vitia收到这个投诉后，把这一信息反馈给他主管的时候，他 的主管很疑惑的说
“很好啊，他们要求是2，我们达到最差都到了4.7，简直无理 取闹嘛。”
另外一个工程师M也发表了他的看法：“如果SPEC是2,而实际达 到4.7~6.8，那么有必要进行SPC控制吗？我认为控制的意义不大， 除非提高SPEC。另外也要考虑一下控制的成本。”
UCL CL LCL
2.4控制图的基本图形
控制图分为上控制限（UCL）、下控制限（LCL）和
中心线（CL）三条线。
和趋势图的对比？
2.5控制图的作用
•过程诊断：可以用诊断生产过程的稳定性，即 生产过程是否处于稳定状态。
•过程控制：可以用来确定生产过程何时需要加以调 整，何时应保持生产过程的稳定状态。
计数型数据
计数型数据是指按个数数得的非连续性取值的质量特性值，如铸件的疵点数， 统计抽样中的不合格判定数、审核中的不合格项数等可以用0、1、2、3、等 阿拉伯数字数下去的数据。其中计数型数据又可分为计件值与计点值，其中 计件值是指是按件、按个、按项计数的数据。例如：不合格品件数、温控器 个数、质量检验项目等；计点值是指是指按缺陷点计数，例如：铸件的沙眼 数、布匹上的疵点数、电路板上的焊接不良数等离散性数据。
控制图原理是基于正态分布的重要特性。质量特性值 在区间（μ-3δ，μ+3δ）内的概率为99.73%，1927年美 国人休哈特就是根据这一结论，把正态分布图形转化为控 制图.
-4 -3 -2 -1 0 1 2 3 4
68.26% 95.45% 99.73% 99.99%
3δ μ -3δ

什么是 SPC?对于质量分析和改进而言，判断产品质量是否受控，统计过程控制（SPC）是一种基于数据分析的相当科学的方法。

SPC知识介绍统计过程控制（Statistical Process Control），简称SPC，是一种借助数理统计方法的过程控制工具。

在企业的质量控制中，可应用SPC对质量数据进行统计、分析从而区分出生产过程中产品质量的正常波动与异常波动，以便对过程的异常及时提出预警，提醒管理人员采取措施消除异常，恢复过程的稳定性，从而提高产品的质量。

在制造过程中，统计过程控制（SPC）是作为数据测量和控制的行业标准而被普遍应用的方法之一。

记件型数值（测量）是在当产品被生产出来的时候就被记录的数据。

这些数据稍后会被绘制在已经做好控制限的图表上。

控制限是由过程能力决定的，相类似的，公差限则是由客户的需求所确定的。

落在控制限范围内部的数据表示每一步操作都是按照预想的方式进行的。

任何在控制限内部的数据波动大部分是由所谓的正常原因导致的—自然波动被认为是正常过程的一部分。

如果数据落在控制限范围之外，则象征某种特殊原因作为波动的主要原因出现在生产过程中，此时则需要对生产中的某环节进行改变来解决问题，并防止缺陷产品的出现。

实时SPC可以让您:◇降低产品差异性&减少废料◇科学的改进生产力状况◇降低成本◇揭示隐藏的过程特性◇及时应对过程变化◇在车间现场进行实时决策如何评价实时SPC解决方案的投资回报要对您的SPC投资回报做评估，首先需要确定您工厂中造成浪费和低效率的主要环节部分。

一般造成浪费的部分包括废料、返工、过度检查、低效数据采集、设备/过程加工能力弱、纸质文档记录以及低效生产线等。

您可以通过以下问题来衡量一个SPC解决方案的好坏：◇您明确知晓您的质量管理成本吗？◇您当前的数据确实用来进行过程改进吗，还是仅仅是字面上的数据而已？◇是否在正确的位置采集了正确的数据？◇决策是否基于那些真实的数据？◇您能够轻易的指出质量问题的原因吗？◇您是否知道该在什么时间对您的设备进行预防性维护？◇您能够准确预测产出结果吗？QFD质量功能展开QFD(Quality Function Deployment)是把顾客或市场的要求转化为设计要求、零部件特性、工艺要求、生产要求的多层次演绎分析方法，它体现了以市场为导向，以顾客要求为产品开发唯一依据的指导思想。