统计过程控制(SPC)

11
控制图的选择
控制图的选定
计量值 数据性质
计数值
平均值
“n”=10~25 “n”是否较大
n≧1 样本大小 n≧2
Cl的性质
中位数 “n”=2~5
“n”=1
不良数
缺陷数
不良数或
缺陷数
不一定
一定
“n”是否一定
单位大小 是否一定 不一定 一定
X-s 图
X-R 图
X-R
X-Rm “p”
图
图图
“np” “c”
数据类别: 计数值数据：只以缺陷数和个数表示，不能连续取值的数据 计量值数据：以产品本身的特性来表示，可以连续取值的数据
2
两种变异
普通性（特定性）变异：不易避免的原因(普通 原因）造成的变异，如操作人员的熟练程度的 差异、设备精度与保养好坏的差异、同批原材 料本身的差异
特殊性（偶尔性）变异：可以避免也必须避免 的原因（特殊原因）造成的变异，如不同原材料 之间的差异、设备故障
“u”
图图
图
12
案例1（控制图的选择）
质量特性 长度 重量 乙醇比重 电灯亮／不亮 每一百平方米的 脏点
样本数 5 10 1
100 100平方米
选用什么图
13
答案1
质量特性 长度 重量 乙醇比重 电灯亮／不亮 每一百平方米的 脏点
样本数 5 10 1
100 100平方米
选用控制图 均值极差控制图
通常用来消除变差的普通原因 几乎总是要求管理措施，以便纠正 大约可纠正85%的过程问题
8
控制图的目的
控制图和一般的统计图不同，因其不仅能 将数值以曲线表示出来，以观其变异之趋 势，且能显示变异系属于机遇性或非机遇 性，以指示某种现象是否正常，而采取适 当之措施。

SPC系统，以达到：提高工作效率、降低生产运作成本、改善客户服务水平、满
足公司管理需求作用。
6.2 统计学基本概念
6.2.1 统计学基础
母体指某家特定工厂所生
产的商品。
母体的子集代替研究母体
的每一笔资料，称做样本。
以某种经验设计实验所搜
集的样本叫做资料。
图6-4 统计学原理
利用推论统计学方法，将资料中的数据建模，计算它的机率并且做出对于母
常常是不经济的。
如果目前的产品不能满足顾客的要求，则有必要将所有的产品进行分类，
报废不合格品或返工。这种状态将持续到对过程采取必要的校正措施并验证，或
持续到产品更改为止。
在统计质量控制（SQC－Statistical Quality Control）过程中，引起质量波
动的原因主要来自六个方面（5M1E）：
体的推论。
这个推论可能以对/错问题的答案所呈现（假设检定），对数字特征量的估
计，对未来观察的预测，对关联性的预测（相关性），或是将关系模型化。
在统计学中，其基本要素包括：
1. 母体与样本的关系
母体和样本的概念不是固定不便的，随着研究的不同，母体和样本也会有所
不同。
2. 指标与标志的区别
指标是说明总体特征；而标志是说明总体单位特征的。标志可以分为不能用
以下几个阶段：
第一阶段：
SPC--统计过程控制，可判断过程的异常，及时告警；不能告知此异常是什
么因素引起的。
第二阶段：
SPCD--统计过程控制与诊断，SPCD既有告警功能，又有诊断功能。
第三阶段：
SPCDA--统计过程控制、诊断与调整，它能控制产品质量、发现异常并诊
断导致异常的原因、自动进行调整。

（三） x R 控制图的操作步骤
1. 确定控制对象（统计量） 2. 收集k组预备数据（一般K=25；每组数
据个数n ≥ 2;遵循合理子组原则） 3. 计算每一个样本的均值 X i 与极差 Ri 。 4. 计算 X与R 5. 计算R图控制限并作图 6. 用各样本点绘在图中，判断状态。
分析过程若失控或异常，找出原因， 进行纠正，防止再发生。
7. 计算 X 图控制限并作图，判断状态。 8. 计算过程能力指数验证是否符合要求 9. 延长控制限，作控制用控制图，进行日
常管理
四、 X S 图（掌握） 五、X-Rs图（了解）
六、Me-R图（了解）
七、P控制图
（一）P控制图的控制状态
P 常数
n
n
ˆp p di / ni
i1 i1
（二）P控制图的统计基础为二项分布，其
内容 （1）利用控制图分析过程的稳定性，对
过程存在的异常原因进行预警；
（2）计算过程能力指数分析稳定的过程 能力满足技术要求的程度，对过程质量进行 评价。
三、统计过程控制的特点 是一种预防性的方法 贯彻预防原则是现代质量管理的核心 强调全员参与
SPC的涵义
为了贯彻预防原则，应用统计技术对 过程各阶段评估和监控，建立并保持过程 处于可接受的并且稳定的水平从而保证产 品与服务符合规定的要求的一种质量管理 技术。
过程能力指数 过程性能指数
CP
TU TL 6ˆ ST
PP
TU TL 6ˆ LT
其中 ˆ St —— 短期波动的标准差估计，在稳态
下计算
ˆ St
R d2
或
S C4
ˆ Lt —— 长期波动的标准差估计，在实
际情况下计算 ˆ Lt S

SPC统计过程控制SPC（Statistical Process Control，统计过程控制）是一种基于统计原理和数据分析方法的质量管理工具，用于监控和控制生产过程中的变异性，以确保产品或服务的质量。

SPC是由质量概念的先驱沃尔特·A·谢温（Walter A. Shewhart）在20世纪20年代初首次引入的。

它的目的是通过使用统计技术来分析生产过程中的数据，从而减少产品或服务的变异性，提高整体质量水平。

SPC的基本原理是通过统计分析来了解生产过程中的变异性，以便及时采取措施来纠正和调整生产过程。

它主要包括以下步骤：1.确定控制指标：选择适当的指标来监控生产过程的变异性。

常用的指标包括尺寸、重量、硬度等。

2.收集数据：根据预定的采样计划和频率，定期收集生产过程中的数据。

数据可以通过各种手段收集，如直接测量、抽样检验等。

3.绘制控制图：使用统计方法将收集到的数据绘制成控制图。

控制图是一种图表，它显示了一个或多个过程指标的变化情况，以及上下限范围。

通过观察控制图，人们可以判断生产过程是否处于控制状态，是否存在异常情况。

4.分析控制图：根据控制图上的变化趋势和模式，进行统计分析，以确定生产过程的绩效。

常用的统计分析方法包括均值、标准差、极差等。

5.制定改进措施：根据分析的结果，确定需要改进的方面，并制定相应的措施。

改进措施可以包括修改生产过程参数、调整设备、培训员工等。

6.监控和调整：持续监控生产过程，并根据需要进行调整，以确保控制图保持在预定的限制范围内。

SPC的优势在于它能够提供实时和持续的监控生产过程的能力。

通过采集数据和绘制控制图，生产者可以及时发现生产过程中的变异，并采取措施进行纠正。

这样可以防止不良品的产生，并提高产品或服务的一致性和质量。

此外，SPC还具有以下几点优势：1.提高生产效率：通过控制和减少生产过程中的变异性，SPC可以提高生产效率。

它能够帮助生产者发现并消除生产过程中的浪费和不必要的变动，从而提高生产效率和资源利用率。