SPC统计制程品管.doc
- 格式:doc
- 大小:885.04 KB
- 文档页数:36
品管知识参考内容:1.SPC的英文全称是STATISTICAL PROCESS CONTROL,中文含义是:统计制程管制。
2.品管七大手法是指鱼骨图、柏拉图、直方图、散布图、管制图、查检表、层别法。
3.7S指的是整理、整顿、清扫、清洁、素养、安全、节约。
4.公司四大管制系统分别为工管、品管、生管、经管。
5.管制图中R是指一组数据中最大与最小值之差,CL代表的是管制中心线,LCL代表的是管制下限。
6.特性要因图按作用分有原因追求型和对策追求型。
7.ISO是指:国际标准化组织:成立时间:1946年,总部在瑞士内瓦,主要工作:制订各类国际标准。
ISO9000修订周期为五年。
8.全面质量(TQC)指:TOTAL CONTROL。
9.PDCA是指:P:PLAN(计划),D:DO(执行),C:ACTION(行动)﹔5W1H是指WHO WHEN WHERE WHAT WHY HOW TO DO10.鸿海集团质量系统=流程+窗体11.误差是实际没的值和被测量的真值之间的差。
12.现场管理五大任务分别为:质量、成本、生产量、安全、士气。
13.从测量条件分析,产生的测量误差有:温度误差、测量误差、标准件误差、读数误差。
14.全面品管的三个基本要求是:顾客为先、持续不断的改善、全员参与。
15.管制图依据数据特性来分类,分为:计量值管制图、计数值管制图。
16.检验规范内容包括抽样计划、检验方法、检验规格、检验设备、检验表格、判定标准。
17.质量系统是在质量方面指挥和控制组织的管理系统。
18.质量是一组固有特性满足要求的程度。
19.POP文件的中文意思是包装作业规范。
20.ISO9000:2000版八大管理原则是:以顾客为关注焦点,领导作用,全员参与,过程方法,管理的系统方法,持续改进,基于事实的决策方法,与供方互利的关系。
21.ISO9000:2000版要求必须建立的程序文件是:文件管制、记绿管制、内部稽核、不合格品管制,矫正措施、预防措施。
spc品管手法
spc品管手法是一种现代管理理念,旨在通过定期收集、记录、分析生产过程
中的统计数据来追踪系统的稳定性和改善运行的可靠性。
它的历史可以追溯到
19,20世纪30年代,主要用于追踪生产环境及生产物品中小尺寸变化的发生频率。
spc品管手法是通过检测和观察各种特征尺寸、数量特性、功能或其他量度,
以改进产品的质量。
它能够增强管理者对生产过程的理解,发现工艺及目标中的危险,分析产生的原因,改善过程,减少质量异常,加快制造速度,提高生产率和改善市场竞争力。
spc品管手法的全称为“统计过程控制”,它的基本理念是通过全面检测和观察,不仅提高管理者对生产过程的精确掌握,而且能够发现过程中的异常现象,并采取有效措施拯救质量问题,从而达到保证产品持续可靠性、降低低质量成本的目标。
spc品管手法通过统计过程控制技术,对原材料的质量和生产标准进行精准检测,追踪可能引起不合格品的过程参数,以此来确保产品以最佳质量状态给出消费者。
它为企业建立“0”缺陷提供了可能,有效地提高了企业的竞争力。
因此,spc品管手法为企业带来了许多好处。
它不仅能够改善系统性能,还可
以提高质量、提供及时响应、降低变通成本等。
正是由于其出色的表现,spc品管
手法已成为当今企业质量管理的重要手段之一。
SPC管理规定1.目的建立统计过程(SPC)体系,明确各管控工序SPC数据采集频率、样本、格式和责任人,并规范其职责,持续对影响产品质量的制程关键、重要特性进行识别、监控和控制,以确保产品质量的一致性和稳定性。
2.适用范围本规范适用于公司所有产品。
3.定义3.2SPC项目小组:由品质、工艺、设备、生产组成,对SPC项目推行、监控、审核的团队。
4.职责4.1各部职责:4.1.1工艺部(1)工艺技术员:依据工序作业指导书要求,完成项目测试并将测试数据录入在SPC报表,并初步对数据进行自检,确认有无异常。
(2)工艺工程师:SPC报表数据进行确认,并将对应的SPC报表发给对应的SPC窗口负责人,提供SPC工艺窗口(如:规格值的修订),对统计过程中的异常进行分析和改善。
4.1.2品管部(1)IPQA监造:依据作业指导要求,完成项目测试并将测试数据记录key入电子档报表,并将确认OK的SPC报表以邮件形式发给对应的SPC窗口负责人,发现异常时,及时上报品质主管及对应的车间团队人员,必要时开出品质异常单,邮件通知到对应人员。
(2)品质主管:监督车间SPC管控执行情况并进行审核,对制程拉力SPC电子档报表数据进行确认,发现异常,组织对应车间团队进行排查异常原因,并制定对应的改善措施,并追踪对策的落实。
(3)实验室测试员:依据各工序作业指导要求,定时定量的对产品进行抽样测试,并将测试数据录入SPC电子档报表,并对数据进行自检,发现异常时,及时上报主管及对应的车间团队人员,每日负责将对应的SPC报表邮件发送至对应的SPC窗口负责人。
(4)各基地的品质SPC工程师:对本基地的SPC数据做最终的确认,并将对应的SPC数据每日上传至云盘,发现异常时及时通知对应的车间团队排查,并追踪其改善效果,定期更新控制线规格,组织召开SPC阶段性总结会议。
4.1.1 设备部:对统计过程中发现的设备异常进行分析和改善。
4.1.2 生产部:(1)操作员:依据工序作业指导要求,定时定量的记录数据并完成SPC纸档报表,异常情况及时反馈班长;(2)生产班长:对记录表数据进行确认,对操作员方法进行判定(确保数据的正确性),异常及时反馈上级领导及工艺工程师,将SPC数据及时录入电子档。
什么叫SPC?SPC是英文 Statistical Process Control的縮寫﹐意為統計制程管制。
推行SPC的目的是什么﹖推行SPC的目的是﹕通過制程改善﹐將制程提升至最佳﹑穩定的狀態﹐在此前提下﹐按照一定的規律隨機地收集一組數據﹔根據穩定制程定義之具體管制圖﹐作出管制圖﹔以后再將收集之樣本數據描於管制圖上﹐所描點的走向反應了制程穩定或偏移的情況﹐以便及時地控制制程。
SPC能解決的制程問題﹕●經濟性﹕有效的抽樣管制﹐不用全檢﹐預估不良率﹐得以控制成本。
使制程穩定﹐生產可以預測﹐從而能夠掌握品質﹑成本﹑交期。
●預警性/時效性﹕制程的異常趨勢可即時對策﹐預防整批不良﹐以減少浪費。
●分辨共同原因與特殊原因﹕作為局部問題對策或管理階層的系統改進之參考。
●善用機器設備﹕估計機器能力﹐可妥善安排適當機器生產適當零件。
Page 1 of 30改善的評估﹕制程能力可作為改善前后比較之簡單指標﹐作為制程檢討的共同語言。
品質變異﹕共同原因及特殊原因共同原因﹕制程中的變異因素是在統計的管制狀態下﹐其產品之特性有共同的分配Page 2 of 30特殊原因﹕制程中變異因素不在統計的管制狀態下﹐其產品之特性沒有固定的分配管制圖的原理﹕(由于我們將用到P 管制圖﹐這里就以P 管制圖為例說明) 假定我們現在的制程處於穩定狀態﹐當我們多次抽樣采集其不良率時﹐其不良根據不良率數據計算其標准差﹐當不良率數分配在正負三倍標准差范圍內時﹐我們認為制程較為理想﹐于是將上圖順時針轉90度後﹐則成下面的形狀: —上管制限不良率分配次數不良率准差准差准差准差准差准差LCL—下管制限當不良率高或低於管制界限時﹐我們都認為制程出現了異常統計制程管制之系統架構及流程統計制程管制之系統流程X-R 管制圖X-S 管制圖X-Rm 管制圖散布圖yesQC七手法之特性要因圖Page 6 of 30Page 7 of 30集中相關人員﹐采用腦力激蕩法﹐從4M1E 眷手﹐將可能的問題全部羅立出來﹐圈畫出重點原因﹐制定改善對策﹐並確定對策擔當者及改善日期。
质量管理五大工具质量管理五大工具,也称品管五大工具。
包括:1.统计过程控制(SPC,Statistical Process Control);2.测量系统分析(MSA,Measure System Analyse);3.失效模式和效果分析(FMEA,Failure Mode & Effect Analyse);4.产品质量先期策划(APQP,Advanced Product Quality Planning);5.生产件批准程序(PPAP,Production Part Approval Process)。
总体介绍质量管理五大工具,也称品管五大工具。
包括:1.统计过程控制(SPC,Statistical Process Control);2.测量系统分析(MSA,Measure System Analyse);3.失效模式和效果分析(FMEA,Failure Mode & Effect Analyse);4.产品质量先期策划(APQP,Advanced Product Quality Planning);5.生产件批准程序(PPAP,Production Part Approval Process)。
SPC概念SPC是一种制造控制方法,是将制造中的控制项目,依其特性所收集的数据,通过过程能力的分析与过程标准化,发掘过程中的异常,并立即采取改善措施,使过程恢复正常的方法。
利用统计的方法来监控制程的状态,确定生产过程在管制的状态下,以降低产品品质的变异SPC能解决之问题1.经济性:有效的抽样管制,不用全数检验,不良率,得以控制成本。
使制程稳定,能掌握品质、成本与交期。
2.预警性:制程的异常趋势可即时对策,预防整批不良,以减少浪费。
3.分辨特殊原因:作为局部问题对策或管理阶层系统改进之参考。
4.善用机器设备:估计机器能力,可妥善安排适当机器生产适当零件。
5.改善的评估:制程能力可作为改善前後比较之指标。
统计过程控制spc标准统计过程控制(SPC)是一种通过统计方法来监控和控制过程稳定性和一致性的质量管理工具。
它是一种基于数据和事实的管理方法,可以帮助企业实现质量的持续改进,提高产品和服务的稳定性和一致性,降低成本和提高效率。
本文将对统计过程控制(SPC)标准进行详细介绍,包括其定义、原理、应用、优势和实施步骤等内容。
首先,统计过程控制(SPC)是一种基于统计方法的质量管理工具,它通过收集和分析过程中产生的数据,来监控过程的稳定性和一致性。
SPC的核心理念是“了解过程,控制变异”,通过对过程中的变异进行监控和分析,找出引起变异的原因,并采取措施进行改进,从而实现过程的稳定和一致。
其次,统计过程控制(SPC)的应用范围非常广泛,几乎可以应用于任何一个需要稳定和一致性的过程。
它在制造业、服务业、医疗保健、金融业等领域都有着重要的应用价值。
例如,在制造业中,SPC可以用来监控生产过程中的关键参数,及时发现生产异常并进行调整,确保产品质量的稳定和一致。
在服务业中,SPC可以用来监控服务过程中的关键指标,提高服务质量和客户满意度。
此外,统计过程控制(SPC)的优势也非常明显。
首先,它可以帮助企业实现质量的持续改进,通过对过程中的变异进行分析,找出问题的根本原因,并采取措施进行改进,从而不断提高产品和服务的质量。
其次,它可以降低成本和提高效率,通过对过程中的变异进行监控和分析,及时发现问题并进行调整,避免资源的浪费,提高生产效率。
最后,实施统计过程控制(SPC)需要按照一定的步骤进行。
首先,确定需要监控的关键参数和指标,建立数据采集和分析的系统。
其次,收集和分析过程中产生的数据,找出过程中的变异和问题。
然后,找出问题的根本原因,并采取措施进行改进。
最后,持续监控和分析过程中的数据,确保过程的稳定和一致。
综上所述,统计过程控制(SPC)是一种非常重要的质量管理工具,它可以帮助企业实现质量的持续改进,降低成本和提高效率。
STATISTICAL PROCESS CONTROL (SPC)(统计制程管制)一、管制图之选用不同单位之品质比较,使用Cv(变异系数)=S/X(或同一单位,但不同品质特性质)以管制图进行制程能力分析一组数据之变化情形,除了可以用图形法来表示外,数量化之描述亦以提供有用之情报。
数据之量化表示有很多种,常用的有平均数(mean )、中位数(median )、众数(mode )、变异数(variance )、标准差(standard deviation )。
1. 平均数假设X1,X2,…,Xn 为样本中之观测值,样本数据之集中趋势可由样本平均数来衡量,样本平均数定义为nXinXn X X X ni ∑==+⋅⋅⋅++=1212. 变异数变异数是用来衡量数据之散布情形。
样本变异数S 2为S 2=1)(1)(211212--=--∑∑∑=-=n nXi Xn X Xi ni ni ini1.不良率管制图(p chart )CLp=∑∑=n d p UCLp=n p p p )1(3-+ LCLp=np p p )1(3--2. 不良数管制图(pn chart) CLpn=kd d p n ∑==UCLpn=)1(3p p n p n -+ LCLpn=)1(3p p n p n -- (σpn=)1(p p n -)3.缺点数管制图(c chart ),样本大小相同 CLc=C kC =∑UCLc=C C 3+ LCLc=C C 3-4.单位缺点数(u chart ),样本大小不相同 CLu=∑∑=nC uUCLu=n u u 3+ LCLu=nu u 3-R X -管制图X -S 管制界限公式R X -~管制图X-Rm 管制图X 管制图m R 管制图X CLx =m R CLnm =m R d X UCLx 23+= m R D UCLnm 4=m R d X LCLx 23-=m R D LCLnm 3=管制图之选定原则管制图之比较管制图之绘制流程(步骤)1.检定规则一:有单独一个点子,出现在三个标准差区域之外者。
(有一点落在管制界限之外者)。
如图22。
2.检定规则二:连续三点之中有两点落在A 区或甚至于A 区以外者。
(在中心线之同侧三个连续点中有两点出现在两个标准差之外者)。
如图23。
3.检定规则三:连续五点之中有四点落在B 区或甚至于以外者。
(在中心线同侧,五个连续点中有四个点超出一个标准差者)。
如图24。
UCL CL图22 UCL CL+3σ +2σ+1σ图23UCLCL图244.检定规则四:连续有八点落在C 区或甚至于在C 区以处者。
(八个连续点子落在C 区或其中连续七点出现在中心线之同一侧者)。
5.检定规则五:连续几点同一方向时:(如下图)(1)连续五点继续上升(或下降)——注意以后动态。
(如图26a ) (2)连续六点继续上升(或下降)——开始调查原因。
(如图26b ) (3)连续七点继续上升(或下降)——必有原因,应立即采取措施。
(如图26c )UCL CL图26a 图26b 图26c不合格率管制图(P 管制图)〔例〕考虑某一生产铝箔包之机器,此机器系以三班制连续生产,其考虑之品质特性为铝箔包之缝合是否良好。
为了设立管制图,30组大小为n=50之样本从三班以半小时之间隔收集,其数据显示在表5-1。
从这些数据可建立一试用管制图,由于30组样本共包含347301=∑=i Di 个不合格品,因此p =mnDimi ∑=1=5030347⨯=0.2313利用p 当做是制程不合格率之估计值,可得管制界限为n p p p )1(3-±=0.231350)7687.0(2313.03±=0.2313±0.1789 亦即上管制界限=0.4102 下管制界限=0.0524表5-1 试用管制界限数据, n=50样本 不合格品数 不合格率 样本 不合格品数 不合格率1 8 0.16 16 8 0.162 12 0.24 17 8 0.163 8 0.16 18 6 0.124 10 0.2 19 13 0.2656 0.12 20 10 0.2 67 0.14 21 20 0.4 7 16 0.32 22 18 0.36 89 0.18 23 25 0.5 9 14 0.28 24 15 0.3 10 10 0.2 25 9 0.18 11 7 0.14 26 12 0.24 12 6 0.12 27 7 0.14 13 22 0.44 28 14 0.28 14 12 0.24 29 9 0.18 15 18 0.36 30 8 0.16 不合格品数总和=347,p =0.2313机器调整后之数据,n=50样本不合格品数不合格率样本不合格品数不合格率3180.164330.063260.124460.1233110.224570.143450.104640.083560.124780.163640.084850.103760.124960.123840.085070.143970.145140.084060.125260.124130.065340.084240.085450.10不合格品数总和=135,p=0.1125机器调整后之管制图检定:P 1=0.2143,α=0.05 P 2=0.1125Ho :P1-P2=0 H1:P1-P2>0 Z=)2111)(ˆ1(ˆ)21(21n n P PP P P P +----50245028135300ˆ⨯+⨯+=p=0.1673所以Z=)5024150281)(1673.01(1673.001125.02143.0⨯+⨯-⨯--=6.933Z=6.933>Z α=1.645,故accept H1,显示不合格率经调校后已有显著改善。
由于改善成功,可以利用(样本31#~54#)之数据重新计算管制界限。
Cp=03.11341.01375.050)112.01(1125.03112.025.0)1(3max ==--=--nP p P PP =0.1125UCL=2466.050)1(3=-+P P PLCL=0216.050)1(3-=--P P P (设为零)新的不合格率数据,n=50样本不合格品数不合格率样本不合格品数不合格率5570.147560.12 5680.167680.16 5750.1077110.22 5860.127890.18 5940.087970.14 6050.108040.08 6120.048150.10 6230.068220.04 6340.088310.02 6460.128430.06 6570.148550.10 6650.108640.08 6750.108770.14 6830.068850.10 6970.148940.08 7090.189030.06 7160.129160.12 72100.209270.14 7330.069350.10 7440.089470.14P管制图之新管制界限P管制图平均值:0.1125标准差:0.0447样本大小:50管制图之继续使用不合格点数管制图(C 管制图)〔例〕假设表5-7之数据为25组样本大小为100部电脑之连续样本。
试建立管制图。
表5-7 检查100片PCB 板所发现之不合格点数 样本 不合格点数 样本 不合格点数 1 5 14 7 2 8 15 4 3 4 16 9 4 9 17 11 5 12 18 10 6 7 19 6 7 8 20 9 8 12 21 22 9 21 22 13 10 7 23 8 11 12 24 10 12 6 25 713 9〔解〕此25组样本共含236个缺点,因此c 之估计值为44.925236==c试用管制界限为 UCL=66.1844.9344.93=+=+c c 中心线=44.9=cLCL=22.044.9344.93=-=-c c图5-10为依此25组样本所绘制之管制图,其中样本9及21均超出管制界限,因此必须诊断样本9及21之异常原因。
若异常原因已排除后,则可将样本9及21之数据删除,并重新计算管制界限,新的不合格点数之平均值为c =193/23=8.39。
修正后之管制界限为 UCL=08.1739.8339.83=+=+c c 中心线=c =8.39LCL=0.039.8339.83=-=-c c18.669.440.22单位不合格点数管制图(u 管制图)〔例〕某个电脑制造商想对最后装配线建立单位不合格点数管制图,并以10部电脑为一样本。
表5-9为20组样本大小为10之样本资料。
表5-9 每单位平均不合格点数样本 样本 不合格点 每单位平均 编号 大小 总数,c 不合格点数,u=c/n 1 10 9 0.9 2 10 8 0.8 3 10 7 0.7 4 10 12 1.2 5 10 14 1.4 6 10 7 0.7 7 10 6 0.6 8 10 9 0.9 9 10 12 1.2 10 10 16 1.6 11 10 9 0.9 12 10 8 0.8 13 10 7 0.7 14 10 17 1.7 15 10 12 1.2 16 10 6 0.6 17 10 9 0.9 18 10 6 0.6 19 10 8 0.8 20 10 10 1 192 19.2〔解〕从这些数据可估计单位不合格点数之平均值为96.0202.1920201===∑=i uiu 因此管制图之参数为 UCL=89.11096.0396.03=+=+n u u 中心线=u =0.9603.01096.0396.03=-=-=n u u LCL图5-12为单位平均不合格点数管制图,由图可看出此制程为管制内,因此试用管制界限可用来管制制程。
图5-12 单位不合格点数管制图D 管制图〔例〕某产品之不合格点分成三种,各类不合格点之权重为50,10和1,试以下列资料建立单位缺失管制图之管制界限。
(检验单位n =10)样本严重不合格 主要不合格 次要不合格 总缺失 单位缺失点数c1 点数c2 点数c3 D u1 2 2 2 122 12.2 2 0 2 18 38 3.8 3 0 6 10 70 7 4 1 2 6 76 7.6 5 0 8 2 82 8.2 6 0 0 9 9 0.9 7 0 7 5 75 7.5 8 1 2 1 71 7.1 9 1 3 2 82 8.2 10 0 3 22 52 5.2 11 0 5 3 53 5.3 12 2 1 2 112 11.2 13 0 0 9 9 0.9 14 0 7 8 78 7.8 15 1 13 30 210 21 16 0 6 7 67 6.7 17 0 1 1 11 1.1 18 1 3 5 85 8.5 19 0 5 6 56 5.6 20 0 3 9 39 3.9总和 9 79 157〔解〕首先计算各不合格点数项目之单位不合格点数045.0)10(2091==u 395.0200792==u 75.02001573==u 缺失之平均值为u =50(0.045)+10(0.395)+1(0.785)=6.985 (注:在此例中,样本数相等,u 亦可由20∑ui 求得)标准差为909.310)785.0(1)395.0()10()045.0()50(222=++=u σ管制界限为UCL=6.985+3(3.909)=18.712LCL=6.985-3(3.909)=-4.742(设为0) 第15组样本之单位缺失为20.0,超出上管制界限。