SPC 统计过程控制

D3 0 0 0 0 0 0.076 0.136 0.184 0.223 0.256 0.283 0.307 0.328 0.347 0.363 0.378 0.391 0.403 0.415 0.425 0.434 0.443 0.451 0.459
D4 3.267 2.575 2.282 2.115 2.004 1.924 1.864 1.816 1.777 1.744 1.717 1.693 1.672 1.653 1.637 1.622 1.608 1.597 1.585 1.575 1.566 1.557 1.548 1.541
9
统计过程控制
规格限与控制限
• 规格限 (USL , LSL)
– 由设计因素决定 – 通常超出过程本身变异
• 控制限 (UCL , LCL)
– 基于过程变异 – 通常不采用个体值, 而是应用统计值如均值和全距.
10
统计过程控制 设定控制线
• 西格玛方法
– 控制限通常距离中心线3个西格玛单位 – 这些控制限又叫3 控制限
3.078
11
0.285
0.927
3.173
12
0.266
0.886
3.258
13
0.249
0.850
3.336
14
0.235
0.817
3.407
15
0.223
0.789
3.472
16
0.212
0.763
3.532
17
0.203
0.739
3.588
18
0.194
0.718
3.640
19
0.187
0.698
Lean six sigma training(Proliferation)
SPC统计过程控制
持续改善组 中央品质部
V1.0
统计过程控制
产品控制模式
原材料,零件和部件
不合格
工序 产品 检查
返工 出货
报废
回收
处理
合格 出货
2
统计过程控制
过程控制模式
原材料,零件和部件
不可控输入
工序
可控输入
产品
e.g. MR1 = |X1 - X0| MR2 = |X2 - X1| MR3 = |X3 - X2|
• X0 可设定为工序历史平均值，如果没有X0 ， MR1就不 会被计算。
24
统计过程控制
X-MR Charts 移动极差图
• X图的中心线和控制限为 UCL X E2MR X 2.660MR
11
统计过程控制 设定预警线
• 3控制限又叫行动线,也就是说,当有一点超出该线时必 须采取调查和纠正行动.
• 有时会采用 2预警限以增加控制图的灵敏性.
12
统计过程控制
控制图类型
• 产品或过程特性可以由以下方式来评估.
计量型: 可连续测量的实际值如长度,重量,强度,电阻等.
计数型: 离散的数据如类别(接受/拒绝)或缺陷数量等.
• 如果质量特性是可测量的
–监控均值和变异(全距或标准差)
• 如果质量特性不可测量
–监控不良品比率或不良品数量 –监控缺陷数量或缺陷率
13
控制图概览
统计过程控制
计量型
苏哈控制图
计数型
N为何大于等于2
不良品
缺陷
14
统计过程控制
X – R Chart
• X Chart 中心线和控制限
UCL X A2R X 3X
验证工序是否受控
18
统计过程控制 例题
统计 > 控制图 > 子组的变量控制图 > Xbar-R
19
统计过程控制 例题
统计 > 控制图 > 子组的变量控制图 > Xbar-S
20
统计过程控制
例题
样本均值
样本极差
74.01 74.00
X1, ..., X5 的 Xbar-R 控制图
UCL=74.01400 __ X =74.00121
X3 74.019 74.001 74.021 73.993 74.015 73.997 73.994 73.993 74.009 73.990 73.994 74.007 73.998 73.994 73.998 74.005 73.986 74.018 74.003 74.013
X4 73.992 74.011 74.005 74.015 73.989 73.985 74.000 74.015 74.005 74.007 73.995 74.000 73.997 74.000 73.999 73.998 74.005 74.003 74.005 74.020
观察 评估 诊断 决定 执行
收集数据 分析数据 发现错误 阐明措施 采取行动
3
统计过程控制
变异来源
• 固有或自然的变异
由许多微小的不可避免的因素产生的累积的影响 当过程只存在偶然因素的变异时,则被称作“在统计学上是受控的”.
• 特殊或可控的变异
由于 a) 不恰当调机 b) 操作者失误 c) 来料不良
17
19
样本
73.99
LCL=73.98842
1
3
5
7
9
11
13
15
17
19
样本
样本标准差
0.020 0.015 0.010 0.005
UCL=0.01872
_ S=0.00896
0.000
LCL=0
1
3
5
7
9
11
13
15
17
19
样本
21
统计过程控制 R chart vs S chart
• 因为易于计算, R Chart 为首选. • 当抽样数不是常数时,使用S Chart. • 当n大于10时, 使用全距评估比标准差评估有效性更低.
UCL X A3S μ X 3σ X
Center Line X
μX
LCL X A3S μ X 3σ X
• S Chart 中心线和控制限
UCL B4S S 3S Center Line S
LCL B3S S 3S
16
统计过程控制
过程有可控变异存在时,称之为“过程不受控”.
4
统计过程控制
变异来源
单元内 单元间 批次间 生产线间 跨时段 测量误差
(位置差异) (零件间差异) (批次差异) (生产线差异) (时间性差异) 重复性和再现性
5
统计过程控制 SPC目的
• 探测可控变异或工序偏移,以便在大量不良品被生产出之前进行调查 和采取纠正措施.
8
Sample Quality Characteristic
统计过程控制
控制限CL
• 假定W作为度量某一质量特性(如强度)的样本统计量(均值,全距或 标准差)
• 如果均值为 w 且标准差为 w, 则: 上控制限 = w + kw 中心线 = w 下控制限 = w – kw
• K为中心线到控制限的“距离”, 以标准差为单位表示.
27
统计过程控制
例题
单独值
Viscosity 的 I-MR 控制图
34.5
UCL=34.802
3.689
20
0.180
0.680
3.735
21
0.173
0.663
3.778
22
0.167
0.647
3.819
23
0.162
0.633
3.858
24
0.157
0.619
3.895
25
0.153
0.606
3.931
c4 0.7979 0.8862 0.9213 0.9400 0.9515 0.9594 0.9650 0.9693 0.9727 0.9754 0.9776 0.9794 0.9810 0.9823 0.9835 0.9845 0.9854 0.9862 0.0969 0.9876 0.9882 0.9887 0.9892 0.9896
B3 0 0 0 0 0.030 0.118 0.185 0.239 0.284 0.321 0.354 0.382 0.406 0.428 0.448 0.466 0.482 0.497 0.510 0.523 0.534 0.545 0.555 0.565
B4 3.267 2.568 2.266 2.089 1.970 1.882 1.815 1.761 1.716 1.679 1.646 1.618 1.594 1.572 1.552 1.534 1.518 1.503 1.490 1.477 1.466 1.455 1.445 1.435
苏哈常数
n
A2
A3
d2
2
1.880
2.659
1.128
3
1.023
1.954
1.693
4
0.729
1.628
2.059
5
0.577
1.427
2.326
6
0.483
1.287
2.534
7
0.419
1.182
2.704
8
0.373
1.099
2.847
9
0.337
1.032
2.970
10
0.308
0.975
10
73.998
11
73.994
12