spc-XbarR
- 格式：xls
- 大小：379.50 KB
- 文档页数：3
下载文档原格式
合集下载
Xbar-R控制图
Xbar-R控制图1. Xbar-R控制图Xbar-R控制图，可以在拥有连续数据且⼦组⼤⼩不超过8的情况下监视过程的均值和变异。
例如：确定新塑料产品的⽣产过程是否受控。
操作员抽样20个⼩时，每⼩时抽取5个部件，并评估塑料的强度。
什么情况下使⽤备择控制图？对于具有9或更多观测值的⼦组，使⽤Xbar-S控制图。
如果⼦组内存在⼀致的变异来源，使⽤I-MR-R/S控制图。
如果没有⼦组，使⽤I-MR控制图。
如果数据有缺陷品数或缺陷数，使⽤属性控制图，如P控制图或U控制图。
2. Xbar-R控制图的数据注意事项为了确保结果有效，请在收集数据、执⾏分析和解释结果时考虑以下准则。
1. 数据集应当连续如果数据中有缺陷品数或缺陷数，使⽤属性控制图，如P控制图或U控制图。
2. 数据应当采⽤时间顺序由于控制图检测会随时间发⽣的变化，因此数据顺序⾮常重要。
应当按照数据的收集顺序来输⼊数据。
让最旧得数据位于⼯作表的顶部。
3. 应当按照适当的时间间隔收集数据按照均匀的时间间隔收集数据，如每⼩时⼀次，每班次⼀次，每天⼀次。
选择⼀个时间间隔，该时间间隔应当⾜够短，以便可以在发⽣过程更改之后⽴即识别此更改。
4. 数据应当位于合理的⼦组中如果⼦组不合理，则估计的控制限可能太宽。
5. ⼦组⼤⼩应当为8或更少对于具有9或更多观测值的⼦组，应当使⽤Xbar-S控制图。
如果没有⼦组，请使⽤ I-MR 控制图。
6. 收集相应的数据量如果⼦组⼤⼩⼩于或等于2，⾄少收集100个观测值。
如果⼦组⼤⼩为3，⾄少收集80个观测值。
如果⼦组⼤⼩为4或5，⾄少收集70个观测值。
如果⼦组⼤⼩为6或更⼤，⾄少收集60个观测值。
7. 数据不必是正太分布的⼤多数控制图在形式上基于正太性假设的，但如果收集⼦组中的数据，仍可以使⽤⾮正太数据得到好的结果。
所需的⼦组⼤⼩取决于数据的⾮正太性。
8. 每个⼦组内的观测值不应当相互关联如果每个⼦组中的连续数据点是相关的，控制限的范围将过窄，⽽且控制图可能会错误地将⼀些受控点显⽰为失控点。
Xbar -R控制图培训资料
异常判定及识别
班每天收集数据后对 控制图上点线走势进 行判定，满足以下判 定检验准则之一时， 判定过程存在异常因 素，须“查出异因， 采取措施，加以消除， 纳入标准，不再出 现”。
异常判定及识别
异常判定及识别
X-R控制用图日常控制监测
步骤2：将控制上下限分为6 个等分区间，并标注刻度。 标样提供了等分格，等分刻 度与等分格对齐
步骤1：对中心线CL进行 描线，一般描绘在报表 虚线部位。
步骤3：标注上下控制 线。
X-R图由技术员确认产 品控制上下线后提交生 产线。
产线根据提供的上下线 对X-R图表格（表样详见 QR-T-034）进行控制线 描绘。如R图控制线： CL=0.6 LCL=0
Xbar-R控制用图控制线确认
3、计算 Xi （子组平均值），Ri（子组极差）； 4、计算Xi （子组间平均值），Ri（子组间极 差平均）； 5、确认R图控制线：
CL（中心线）=R（子组间极差） LCL（下限）=D3R UCL（上限）=D4R
Xbar-R控制用图控制线确认 6、计算X图的上下限：
UCL=1.2时表格描绘。 如左图：
X-R控制用图日常控制监测
各班长每天随机抽取N个 （一般为4或5）当天生 产产品的特性参数填入 X-R图中（包括不良品数 据），计算出平均值（X） 与极差R，根据计算结果 分别在R图与X图进行描 点。从点线走势对品质 进行分析（参考判定准 则）。
每天收集的特性数 据集
Xbar-R控制用图控制线确认
1、确认控制对象： 控制对象往往为产品的某以特性，如记录机型 的TILT感度。设备运行状态，如烙铁温度等。 2、数据的收集：
数据要求:控制对象在产品先期策划过程 PPK≥1.67以上或CPK≥1.33以上的数据(特性)
Xbar-R控制图学习资料
Xbar-R图
均值极差图
四、SPC控制图简介及应用示例
控制图定义与原理：
➢控制图：又称管理图、休哈特图。是美国休哈特（W.A.Shewhart）博士于 1924 年发明的。控制 图是区分过程中的异常波动和正常波动，并判断过程是否处于控制状态的一种工具。 ➢原理：受控状态下，质量特性值落在μ±3σ 范围内的概率约为99.73%。因此可用μ±3σ 作为上下控制界限，如果质量特性数据没有 超越这一上、下界限，就认为过程的波动属正常波动，过程受控；如果超越了这一上、下界限， 就认为过程的波动属异常波动，过程失控。
（12）在控制图的相关栏目填写必要事项 包括车间、小组的名称，工作地点（机床
、设备）的名称与编号，零件、工序的名称 与编号，检验部位，质量要求与测量器具， 操作工、调整工、检验工、绘图人、分析人 的姓名及控制图的名称与编号，绘图时间等 。
（1）转化为控制用控制图 控制用控制图的日常管理工作一般包括下列内容： ① 按规定的抽样间隔和子组容量抽取样本。 ② 对控制对象进行测量。 ③ 计算统计量数值。 ④ 在控制图上描点。 ⑤ 按控制用控制图的判定准则判断过程有否异常。 a) 无异常时继续生产。 b) 有异常时，应消除产生异常的原因，使异常不再发生。对于有利于提高质量 的特殊因素，应总结经验加以推广。
（2）修改控制图 当影响过程质量波动的因素发生变化或质量水平已有明显提高时，应及时再用分析用控制图计算出新的中心线
与控制限。 在出现下述情况时，一般应重新计算中心线与控制限： ① 大修或停产；② 工况发生较大变化；③ 质量发生明显改进，原控制界限显得太宽已失去控制作用。
抽样时，应保证组内样品在基本相同的条件下生产，即组内差异只由 普通因素造成，而组间差异主要由特殊因素造成（如果有异常波动的话 ）。
均值极差图
四、SPC控制图简介及应用示例
控制图定义与原理：
➢控制图：又称管理图、休哈特图。是美国休哈特（W.A.Shewhart）博士于 1924 年发明的。控制 图是区分过程中的异常波动和正常波动，并判断过程是否处于控制状态的一种工具。 ➢原理：受控状态下，质量特性值落在μ±3σ 范围内的概率约为99.73%。因此可用μ±3σ 作为上下控制界限，如果质量特性数据没有 超越这一上、下界限，就认为过程的波动属正常波动，过程受控；如果超越了这一上、下界限， 就认为过程的波动属异常波动，过程失控。
（12）在控制图的相关栏目填写必要事项 包括车间、小组的名称，工作地点（机床
、设备）的名称与编号，零件、工序的名称 与编号，检验部位，质量要求与测量器具， 操作工、调整工、检验工、绘图人、分析人 的姓名及控制图的名称与编号，绘图时间等 。
（1）转化为控制用控制图 控制用控制图的日常管理工作一般包括下列内容： ① 按规定的抽样间隔和子组容量抽取样本。 ② 对控制对象进行测量。 ③ 计算统计量数值。 ④ 在控制图上描点。 ⑤ 按控制用控制图的判定准则判断过程有否异常。 a) 无异常时继续生产。 b) 有异常时，应消除产生异常的原因，使异常不再发生。对于有利于提高质量 的特殊因素，应总结经验加以推广。
（2）修改控制图 当影响过程质量波动的因素发生变化或质量水平已有明显提高时，应及时再用分析用控制图计算出新的中心线
与控制限。 在出现下述情况时，一般应重新计算中心线与控制限： ① 大修或停产；② 工况发生较大变化；③ 质量发生明显改进，原控制界限显得太宽已失去控制作用。
抽样时，应保证组内样品在基本相同的条件下生产，即组内差异只由 普通因素造成，而组间差异主要由特殊因素造成（如果有异常波动的话 ）。
XBAR-R_SPC教材
限内，或子组内数据间有规律的关系等。
b 一般情况，各点与R 的距离：大约2/3的描点应落在控制限的中间
1/3的区域内，大约1/3的点落在其外的2/3的区域。 C 如果显著多余2/3以上的描点落在离 R 很近之处（对于25子组，如 果超过90%的点落在控制限的1/3区域），则应对下列情况的一种或 更多进行调查：
2-1 计算平均极差（R）及过程均值（X）
R=（R1+R2+…+Rk）/ k（K表示子组数量） X =（X1+X2+…+Xk）/ k
2-2 计算控制限 计算控制限是为了显示仅存在变差的普通原因时子组的均 值和极差的变化和范围。控制限是由子组的样本容量以及反 映在极差上的子组内的变差的量来决定的。 计算公式： UCLx=X+ A2R UCLR=D4R LCLx=X - A2R LCLR=D3R
¾ ý ® Í ´ Ç Ö · ¾ ý ý ¼ ´ Ç Ç ¾ R=³² Ö -³Ð Ö î ó ³ î ¡ ³
C
174 175 174 173 173 174 2
175 176 175 174 173 175 3
175 177 176 174 172 175 5
173 174 175 176 175 175 3
c-1 控制限或描点已计算错描错 。 c-2 过程或取样方法被分层，每个子组系统化包含了从两个或多
174 173 170 171 172 172 4
176 174 172 169 170 172 7
173 172 170 171 173 172 3
176 174 171 170 171 172 6
174 175 176 174 171 174 5
172 172 173 174 175 173 3
b 一般情况，各点与R 的距离：大约2/3的描点应落在控制限的中间
1/3的区域内，大约1/3的点落在其外的2/3的区域。 C 如果显著多余2/3以上的描点落在离 R 很近之处（对于25子组，如 果超过90%的点落在控制限的1/3区域），则应对下列情况的一种或 更多进行调查：
2-1 计算平均极差（R）及过程均值（X）
R=（R1+R2+…+Rk）/ k（K表示子组数量） X =（X1+X2+…+Xk）/ k
2-2 计算控制限 计算控制限是为了显示仅存在变差的普通原因时子组的均 值和极差的变化和范围。控制限是由子组的样本容量以及反 映在极差上的子组内的变差的量来决定的。 计算公式： UCLx=X+ A2R UCLR=D4R LCLx=X - A2R LCLR=D3R
¾ ý ® Í ´ Ç Ö · ¾ ý ý ¼ ´ Ç Ç ¾ R=³² Ö -³Ð Ö î ó ³ î ¡ ³
C
174 175 174 173 173 174 2
175 176 175 174 173 175 3
175 177 176 174 172 175 5
173 174 175 176 175 175 3
c-1 控制限或描点已计算错描错 。 c-2 过程或取样方法被分层，每个子组系统化包含了从两个或多
174 173 170 171 172 172 4
176 174 172 169 170 172 7
173 172 170 171 173 172 3
176 174 171 170 171 172 6
174 175 176 174 171 174 5
172 172 173 174 175 173 3
spc-XbarR
A2 d2 D3 D4
控制图参数
个体
σ 估计
平均值图
控制下限（LCL） 中心线（CL） 控制上限（UCL） σ 估计 -2σ 线 +2σ 线 -1σ 线 +1σ 线
74.015 74.008 73.993 74.012 74.015 73.995 74.008 74.003 74.01
73.982 73.984 73.995 74.017 74.03 73.986 73.99 74.015 74
× × × ×
A A B
数据区域，专业 版带有公式功 73.994 74 能，如果你更改 73.993 74.015 了数据，整个计 74.009 74.005 算和图表都会自 动更新的。 73.99 74.007 比
74 74
73.994 73.998 73.994 73.995 74 74.007 73.983 74.002 73.998 73.997 74.006 73.967 73.994 74.012 74.014 73.998 73.999 74 73.984 74.005 73.998 73.994 74.012 73.986 74.005 74.006 74 74.01 74.018 74.003 74.01 74.013 74.02 73.984 74.002 74.003 74.005 73.982 74.001 74.015 74.005 74.004 73.999 74.01 73.989 73.99 74.006 73.99 74.009 74
A
B 7
C 6 0
D 14 0
E 2
F 4
G 15
H 8
极差图准则 已选择 k 异常数
A
SPC统计过程控制课件
举例
• 原材料的微小变化 • 设备的微小震动 • 刀具的正常磨损 • 模具正常的老化 • 操作者细微的不稳定 • 夹具的正常磨损 •…
• 使用了一批不合格的原材料 • 设备的不正确调整 • 刀具的严重磨损 • 模具损坏 • 操作者做错（判定标准错） • 使用了错误的夹具 •…
一般原因与特殊原因在统计过程中的体 现
在何处使用SPC控制图
当一个防错装置不可行时 从FMEA中得出具有高危险顺序数值（RPN’s)的过程 从DOE（因素实验设计）得出的关键变量 客户要求 管理层承诺
SPC的优点和缺点
优点 ➢已证实的改善生产力的技术方法 ➢预防缺陷的有效方法 ➢防止不必要的过程调整 ➢提供诊断信息 ➢提供过程能力信息 ➢用于计数型和计量型两种数据类型 缺点 ➢必须提供充分的培训 ➢必须正确收集数据 ➢必须正确的计算和标绘所需的统计量（例如：均值，极差， 标准差）
+3
x
与平均值相距的标准差个数
正态（normal）机率测试图
利用Normal Probability Plot 我们可以测试一组数据是否为 “正态”分布 若该分布趋近于正态，则Normal Probability Plot 将会趋近于 一直线 利用Minitab 可以简单的制作出Normal Probability Plot 下面我们利用一组数据来检验一下其正态性
计量型统计过程控制
通过对本模块的学习后，学员将能够建立下列控制图： ➢单值移动极差图（I-MR） ➢均值极差图（Xbar-R） ➢均值标准差图（Xbar-S）
I-MR图
单值移动极差I-MR图，子群由单一的测量值组成 I-MR图由两个图组成，一个是I图，一个是MR图 I图为每个子群计量个体的测量值，中心线为其平均值 MR图为相邻两个数值的差的绝对值，中心线为其平均值
Xbar-R及P图 STOCK
过程能力
受控且有能力符合规范 （普通原因造成的变差已减少） 规范下限
规范上限
时间
范围 受控但没有能力符合规范 （普通原因造成的变差太大）
过程改进循环
1、分析过程 本过程应做什么？ 会出现什么错误？ 本过程正在做什么？ 达到统计控制状态？ 确定能力 计划 措施 实施 研究 计划 措施 2、维护过程 监控过程性能 查找变差的特殊原因并 采取措施。
接上页
5、使不必要的变差最小 确保过程按预定的方式运行 确保输入的材料符合要求 恒定的控制设定值 注：应在过程记录表上记录所有的相关事件，如：刀具更新，新的材料批 次等，有利于下一步的过程分析。
均值和极差图（X-R）
1、收集数据
以样本容量恒定的子组形式报告，子组通常包括2-5件连续的产品， 并周性期的抽取子组。 注：应制定一个收集数据的计划，将其作为收集、记录及描图的依据。 1-1 选择子组大小，频率和数据 1-1-1 子组大小：一般为5件连续的产品，仅代表单一刀具/冲头/过程 流等。（注：数据仅代表单一刀具、冲头、模具等 生产出来的零件，即一个单一的生产流。） 1-1-2 子组频率：在适当的时间内收集足够的数据，这样子组才能 反映潜在的变化，这些变化原因可能是换班/操作人 员更换/材料批次不同等原因引起。对正在生产的产 品进行监测的子组频率可以是每班2次，或一小时一 次等。
实施 研究
计划
实施
3、改进过程 改进过程从而更好地理解 普通原因变差 减少普通原因变差
措施
研究
控制图
上控制限 中心限 下控制限 1、收集 收集数据并画在图上 2、控制 根据过程数据计算实验控制限 识别变差的特殊原因并采取措施 3、分析及改进 确定普通原因变差的大小并采取减小它的措施 重复这三个阶段从而不断改进过程
XbarR控制图
2.00
7
0.419 0.067 1.924
1 收集最近与今后制程相似的数据约100个 2 依测定时间或群体区分排列 3 对数据加以分组 (对数据分组时，一般以 3--5 个数据为一 组，需
剔除异常数据) 4 记入数据表内 5 计算 X (上面一横), R (上面一横), X (上面两横), R (上面两横)和管
时段 日期
1 2 3 4 5 UCL
Xbar
LCL UCL
R
LCL
8:00 10:00 12:00 14:00 16:00 18:00 20:00 22:00 8:00 10:00 12:00 14:00 16:00 18:00 20:00 22:00 8:00 10:00 12:00 14:00 16:00 18:00 20:00 22:00 8:00 10:00 12:00 14:00 16:00 18:00 20:00 22:00
UCL R LCL
23 22 22 22 21 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 22 #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 66666666666666666666666666666666 20000000000000000000000000000000 11111111111111111111111111111111
7
0.419 0.067 1.924
1 收集最近与今后制程相似的数据约100个 2 依测定时间或群体区分排列 3 对数据加以分组 (对数据分组时，一般以 3--5 个数据为一 组，需
剔除异常数据) 4 记入数据表内 5 计算 X (上面一横), R (上面一横), X (上面两横), R (上面两横)和管
时段 日期
1 2 3 4 5 UCL
Xbar
LCL UCL
R
LCL
8:00 10:00 12:00 14:00 16:00 18:00 20:00 22:00 8:00 10:00 12:00 14:00 16:00 18:00 20:00 22:00 8:00 10:00 12:00 14:00 16:00 18:00 20:00 22:00 8:00 10:00 12:00 14:00 16:00 18:00 20:00 22:00
UCL R LCL
23 22 22 22 21 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 22 #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 66666666666666666666666666666666 20000000000000000000000000000000 11111111111111111111111111111111
SPC- Xbar-R均值极差控制图(个人精编)
Xbar-R控制图（监控用）
前言：监控用Xbar-R控制图，用在批产稳定阶段，手动把分析用Xbar-R控制图中计算得出的控制上中下限输入对应规格栏里，作为监控的标准限，每日取样（如5pcs）监控过程均值和极差变 化趋势，以及监控CPK变化趋势，当CPK＜1.33，或有控制点超出上下控制限，或控制点变化趋势不符合要求，则从人机料法环测方面进行分析改进，同步取样监控，直到CPK≥1.33，及所有 控制点均在控制上下限以内且符合控制点变化趋势要求。
合 计
ΣＸ ＝ΣＲ ＝
334.04 15.11
量测数值的判定条件
> USL 蓝色
< LSL 红色
Ｎ ＝
15
平
均
2.1
Ｘ＝
R= 0.64 9
2.50
—
x 2.30 管 2.10
预估不良率 (PPM) 27
制 1.90 图 1.70
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
抽样方法
随机
下限 LSL 1.00
31 下限LCL 1.87
0.00
审核者
李四
时间
16:01:25
日期/时 间
批号 样1 本2 测3 定4 值5
ΣＸ Ｘ R
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
分析改进: 符合标准要求无异常。
制程能力分析
Std.
0.21
1.50
R
1.00
前言：监控用Xbar-R控制图，用在批产稳定阶段，手动把分析用Xbar-R控制图中计算得出的控制上中下限输入对应规格栏里，作为监控的标准限，每日取样（如5pcs）监控过程均值和极差变 化趋势，以及监控CPK变化趋势，当CPK＜1.33，或有控制点超出上下控制限，或控制点变化趋势不符合要求，则从人机料法环测方面进行分析改进，同步取样监控，直到CPK≥1.33，及所有 控制点均在控制上下限以内且符合控制点变化趋势要求。
合 计
ΣＸ ＝ΣＲ ＝
334.04 15.11
量测数值的判定条件
> USL 蓝色
< LSL 红色
Ｎ ＝
15
平
均
2.1
Ｘ＝
R= 0.64 9
2.50
—
x 2.30 管 2.10
预估不良率 (PPM) 27
制 1.90 图 1.70
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
抽样方法
随机
下限 LSL 1.00
31 下限LCL 1.87
0.00
审核者
李四
时间
16:01:25
日期/时 间
批号 样1 本2 测3 定4 值5
ΣＸ Ｘ R
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
分析改进: 符合标准要求无异常。
制程能力分析
Std.
0.21
1.50
R
1.00
Wk4-BB-C-10 SPC-子组控制图
50.80 12.70 2.10
47.00 11.75 1.00
44.80 11.20 2.20
43.20 10.80 2.20
42.80 10.70 2.20
46.00 11.50 2.00
40.00 10.00 1.00
11.20
子组平均值标记为 X
子组内的范围 R
子组控制图-5
子组平均值的平均值标记为 X 双线即 X
• 在组内有变化、该变化产生： – 子组平均值 (X) – 子组内的范围 (R) 子组数据
1 2 13.50 11.40 13.20 12.70 3 12.40 11.40 11.45 11.75 4 12.60 10.60 10.40 11.20 5
• 在子组之间有变化、该变 化产生
– 子组平均值的平均值 (X)
北京扬智嘉信管理技术有限公司版权所有
子组控制图-19
Minitab介绍: Xbar-R图
• 背景： 在一个汽车出租地， 人们感兴趣的是检查、清洗以及重新为 归还出租车辆加注燃油所需花费的时间，以便为下一次出租作好准备。 为此， 他们在六月份抽样了四辆汽车并对准备工作进行了时间计算 （以分钟为单位），目的是为了建立基本要求，并监督准备周期所需 花费的时间。 • 数据: [payoff.mtw ]
单值图 Individuals chart EWMA EWMA 图 chart
pp 图 chart
np 图 np chart
界限是否看 起来合适？
是
是
界限是否看 起来合适？
否 尝试单值图 chart Try individuals
否 尝试变换使数据呈正态 normal Try transformation to make data
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
15 3.9 4.7 5.2 4.3 4.1
16 6.5 4.7 3.7 4.2 5.5
17 7.5 6.4 4.7 6.7 4.7
18 6.4 4.2 4.6 5.5 4.0
19 5.6 6.7 4.9 5.4 6.9
20 6.3 8.1 5.1 5.5 7.7
21 4.6 5.8 4.7 4.1 7.0
22 3.5 5.0 5.9 3.0 3.2
23 5.2 6.1 3.8 4.3 4.1
24 4.2 4.4 5.0 5.0 3.9
25 5.2 5.1 3.5 6.9 5.2
26 6.4 6.4 5.9 4.9 5.9
27 4.5 5.2 4.9 4.0 5.5
28 5.4 5.6 3.3 5.4 3.8
6 5.7 4.2 2.7 5.1 5.9
7 4.9 3.7 4.3 4.1 5.4
8 6.0 3.0 5.3 3.9 5.3
9 5.9 3.9 6.5 2.7 4.6
10 3.5 5.7 3.2 3.6 5.2
均值和极差图 围，选择全部的黄色区域. 志位于第一行 (这样软件计算时会自动排除
逐列 时选择输出包含水平直方图 (如果输入规 ，还可以计算cpk的能力) 择特殊原因的识别规则,用于判断是否有异
选择了标志位于第一行， 软件会自动把第一行当 作标题的，不会影响计 算)
操作说明:
1, 6SQ统计--SPC--均值和极差图 2, 数据范围，选择全部的黄色区域 3,选择标志位于第一行 ( 掉第一行的标题) 4,分组方式选择: 逐列 5, 可以同时选择输出包含水平直方 格上下限，还可以计算cpk 6,可以选择特殊原因的识别规则 常 7,可以选择显示1/2sigma 8,可以选择包含有公式/输出到新的 选项只对专业版用户开放 9,确认(输出结果放在另外一个表中
择了标志位于第一行， 件会自动把第一行当 标题的，不会影响计
Subgroup2 1 x1 x2 x3 x4 x5 5.4 6.2 5.5 5.1 4.8 4.8 6.3 4.0 6.0 4.1
3 7.2 4.6 5.6 5.1 6.6
4 4.7 4.3 6.9 6.8 4.4
5 4.5 5.7 5.3 5.4 5.3
sigma的线 择包含有公式/输出到新的工作表 (此两个 专业版用户开放) 出结果放在另外一个表中，请参考)
如果数据是这样排列的， 就要选择逐行的分组方 式
11 3.9 4.2 6.2 6.3.4 6.6
13 3.8 3.2 4.9 5.0 6.4
14 5.3 6.3 2.7 4.4 4.5
Obs 1 74.030 73.995 73.988 74.002 73.992 74.009 73.995 73.985 74.008 73.998 73.994 74.004 73.983 74.006 74.012 74.000 73.994 74.006 73.984 74.000 73.982 74.004 74.010 74.015 73.982 74.012 73.995 73.987 74.008 74.003 73.994 74.008 74.001 74.015 74.030 74.001 74.015 74.035 74.017 74.010
Sample Number S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 S12 S13 S14 S15 S16 S17 S18 S19 S20 S21 S22 S23 S24 S25 S26 S27 S28 S29 S30 S31 S32 S33 S34 S35 S36 S37 S38 S39 S40
Obs 2 Obs 3 Obs 4 74.002 74.019 73.992 73.992 74.001 74.011 74.024 74.021 74.005 73.996 73.993 74.015 74.007 74.015 73.989 这种左侧的非数据 73.994 73.997 73.985 区，不要选择哟 74.006 73.994 74.000 74.003 73.993 74.015 73.995 74.009 74.005 74.000 73.990 74.007 73.998 73.994 73.995 74.000 74.007 74.000 74.002 73.998 73.997 73.967 73.994 74.000 74.014 73.998 73.999 73.984 74.005 73.998 74.012 73.986 74.005 74.010 74.018 74.003 74.002 74.003 74.005 74.010 74.013 74.020 74.001 74.015 74.005 73.999 73.990 74.006 73.989 73.990 74.009 74.008 73.993 74.000 73.984 73.995 74.017 74.015 74.030 73.986 74.010 73.990 74.015 73.999 73.985 74.000 74.010 74.003 73.991 74.000 74.001 73.986 74.003 74.015 74.020 74.002 74.018 73.995 74.004 73.990 73.996 74.000 74.016 74.025 74.005 74.000 74.016 73.990 73.995 74.010 74.020 74.024 74.005 74.010 74.012 74.015 74.013 74.036 74.025 74.005 74.029 74.000
Obs 5 74.008 74.004 74.002 74.009 74.014 73.993 74.005 73.988 74.004 73.995 73.990 73.996 74.012 73.984 74.007 73.996 74.007 74.000 73.997 74.003 73.996 74.009 74.014 74.010 74.013 74.000 74.001 73.990 74.006 73.997 74.004 74.005 73.998 74.000 74.012 74.024 74.019 74.026 74.026 74.020