下载文档原格式
SPC制程能力分析品质
SPC（统计过程控制）是一种广泛应用于品质管理领域的统计方法，
能够帮助企业监控和控制产品制造过程中的变异性。
通过收集和分析过程
中的数据，SPC可以评估制程的能力，确定该制程是否稳定且具有一致的
性能。
1.数据收集：首先，需要收集关于制程的数据。
这些数据可以包括来
自不同阶段的样本数据，例如原材料、加工过程中的中间产品和最终产品
的检测数据。
2.数据整理：将收集到的数据进行整理和准备，以便进行分析。
这包
括数据的清洗、筛选和对齐等操作。
3.基础统计分析：使用基本的统计方法来分析数据，例如计算平均值、标准差、极差等指标。
这些指标可以给出制程的平均性能和变异性。
4.制程稳定性分析：通过分析统计文件或绘制控制图来评估制程的稳
定性。
控制图可以显示制程数据的变化情况，并帮助判断制程是否受到特
殊原因的影响。
5. 制程能力分析：制程能力指标可以帮助评估制程的性能是否满足
产品要求。
常用的制程能力指标包括Cp、Cpk和Pp、Ppk等。
这些指标表
示制程的离散度与规范化能力。
- Cp和Cpk：用于评估制程的离散度和中心性，分别表示过程的总变
异度和自然过程偏离规格的变异度。
Cpk大于等于1时，表示制程能力满
足规格要求。
- Pp和Ppk：用于评估制程的离散度和中心性，与Cp和Cpk类似，由于Pp和Ppk考虑了过程所处的分布形状，并对过多偏离规格限制的量进行了惩罚。
SPC所有公式详细解释及分析SPC统计制程管制计量值管制图：Xbar-R(平均-全距)、Xbar-S(平均-标准差)、X-MR(个别值-移动全距)、EWMA、CUSUM等管制图。
计数值管制图：不良率p、不良数np、良率1-p、缺点数c、单位缺点数u等管制图。
常用分析工具：直方图、柏拉图、散布图、推移图、%GRR...等。
公式解说制程能力指数制程能力分析制程能力研究在于确认这些特性符合规格的程度，以保证制程成品不符规格的不良率在要求的水准之上，作为制程持续改善的依据。
制程能力研究的时机分短期制程能力研究及长期制程能力研究，短期着重在新产品及新制程的试作、初期生产、工程变更或制程设备改变等阶段；长期以量产期间为主。
制程能力指针Cp 或Cpk 之值在一产品或制程特性分配为常态且在管制状态下时，可经由常态分配之机率计算，换算为该产品或制程特性的良率或不良率，同时亦可以几Sigma 来对照。
计数值统计数据的数量表示缺点及不良(Defects VS. Defectives)缺点代表一单位产品不符要求的点数，一单位产品不良可能有一个缺点或多个缺点，此为计点的品质指针。
例如描述一匹布或一铸件的品质，可用每公尺棉布有几个疵点，一铸件表面有几个气孔或砂眼来表达，无尘室中每立方公尺含微粒之个数，一片PCB有几个零件及几个焊点有缺点，一片按键有几个杂质、包风、印刷等缺点，这些都是以计点方式表示一单位产品的特性值。
不良代表一单位产品有不符要求的缺点，可能有一个或一个以上，此将产品分类为好与坏、良与不良及合格与不合格等所谓的通过－不通过(Go-NoGo)的衡量方式称为计件的品质指针。
例如单位产品必须以二分法来判定品质，不良的单位产品必须报废或重修，这是以计件方式来表示一单位产品的特值。
每单位缺点数及每百万机会缺点数(DPU VS. DPMO)一单位产品或制程的复杂程度与其发生缺点的机会有直接的关系，越复杂容易出现缺点；反之越简单越不容易出现缺点。
SPC制程能力分析简介SPC (Statistical Process Control，统计过程控制) 是一种用于控制和改良制程稳定性和品质的方法。
SPC制程能力分析是基于统计学的方法，用于评估和控制制程的稳定性和可靠性。
通过分析样本数据和测量结果，SPC制程能力分析可以帮助制程工程师识别制程的能力和性能，并作出适当的调整和改良。
分析步骤SPC制程能力分析的步骤通常包括以下几个方面：1. 数据收集首先，需要收集关于制程的数据。
这些数据应该包括制程的输入和输出变量，以及与制程相关的其他因素。
数据可以通过实时监控制程以及定期抽取样本的方式获得。
2. 数据整理获得数据后，需要对数据进行整理和清洗。
这包括去除异常值、检查数据的完整性和一致性等步骤。
确保数据的准确性和可靠性对于后续分析的准确性至关重要。
3. 数据分析在数据整理完成后，可以对数据进行统计分析。
主要的统计方法包括描述性统计和图形分析。
描述性统计可以帮助我们了解数据的分布、中心趋势和变异程度。
图形分析那么可以用来展示数据的分布、趋势和异常情况。
4. 制程稳定性分析SPC制程能力分析的核心是评估制程的稳定性。
通过分析数据的变异程度，可以评估制程的稳定性，并预测制程的性能。
常用的方法包括过程能力指数 (Process Capability Index，Cpk) 的计算和控制图的绘制。
5. 制程改良根据制程稳定性分析的结果，可以确定制程的改良方向。
这可能涉及到调整制程参数、改良工艺流程、优化供给链等方面。
制程改良的目标是提高制程的稳定性和可靠性，以确保产品的品质符合要求。
SPC制程能力分析的优势SPC制程能力分析具有以下几个优势：•可以帮助制程工程师了解制程的稳定性和性能，从而预测制程的可靠性和品质。
•可以帮助制程工程师确定制程的改良方向，以提高制程的稳定性和可靠性。
•可以帮助制程工程师识别并处理制程中的异常情况，以及提前预警制程的性能变化。
•可以提供可靠的数据支持，用于和供给商、客户等外部方进行沟通和交流。
SPC统计制程管制能力分析什么是SPC？SPC（Statistical Process Control）是一个用来监测并控制制程质量的统计工具。
它旨在帮助企业实现持续的质量改进和高效生产。
SPC 通过实时数据收集和分析，可以帮助企业监测和控制制程，并及时发现制程中的变异和异常情况。
为什么需要进行制程管制能力分析？制程管制能力分析是判断一个制程是否稳定且可控的重要手段。
它通过对制程数据进行统计分析和评估，计算出制程的能力指标，以判断制程是否能够满足质量要求。
如果制程的管制能力较强，说明企业的产品质量稳定可靠。
反之，如果制程的管制能力较弱，说明企业的产品存在质量波动，需要进行相应的改进措施。
制程管制能力分析的方法1. 测量系统分析在进行制程管制能力分析之前，首先需要进行测量系统分析。
测量系统的准确度和稳定性对于制程数据的可靠性至关重要。
常用的测量系统分析方法有Gauge R&R（重复性与再现性）分析和测量系统误差分析。
2. 构建管制图在制程管制能力分析中最常用的方法之一就是构建管制图。
通过对数据进行实时收集和分析，可以帮助企业监测制程中的变异情况，并及时发现和处理制程中的异常情况。
常用的管制图包括均值-极差图（X-R图）、均值-标准差图（X-S 图）、过程能力图（Cp和Cpk）、移动平均图（MA图）等等。
这些管制图可以帮助企业实时监控制程，并及时采取控制措施，以保障产品质量和生产效率。
3. 管制能力指标计算通过制程数据的统计分析，可以计算出一些常用的管制能力指标，如过程均值、过程极差、过程标准差、过程能力指数（Cp）、过程性能指数（Cpk）等等。
这些指标可以帮助企业评估制程的能力和稳定性，并做出相应的改进措施。
4. 相关分析除了管制图和管制能力指标的计算外，还可以进行一些相关分析来帮助企业了解制程中的因果关系和高风险因素。
常见的相关分析方法包括回归分析、因果分析、五力分析等等。
SPC的好处和应用SPC统计制程管制能力分析在质量管理中具有广泛的应用。
SPC 概述Statistical Process ControlSPC Introduction统计性统计管理(SPC = Statistical Process Control)란 ?Statistical ...•统计性方法是用Sampling的Data Monitoring 、分析Process 变动时使用。
Process ...•反复性的事情或者阶段(SIPOC : Supplier → Input → Process → Output → Customer)Control ...• Process正在变化的事实早期警报。
警报是指最终Output出来之前纠正问题，能够具有充分的时间(管理图 : 随着时间工程散布的变化)SPC –对某个 Process掌握品质规格和工程能力状态, 利用统计性资料和分析技法, 在所愿的状态下一直能管理下去的技法。
2SPC 的发展历史SPC 的特征：控制过程，防患于未然。
重点在于预防•電視機彩色密度投机•美國：無不合規格產品出廠，注意力在符合規格•日本： 0.3% 超出產品規格，致力於命中目標製程- 產品-顧客產品(Output)Measurement製程(過程)(Process)展開特性 特徵顧客滿意ManMachine Material Method Environmental4M1E製程，程序影響工作結果之所有原因的集合,亦即為達成工作 結果之製造過程中所有活動的集合管制，控制確保達到要求標準,必要時採取矯正行動何謂製程管制 (程序控制)工作 結果原材料 方法 環境機器 人員原因 手段特性 目的SPC 即。
.自製程中蒐集資料，加以統計分析，並從分析中發覺異常原因，採取改正行動，使製程恢復正常，保持穩定，並持續不斷提昇製程能力的方法。
SPC 即。
.製程 資料異常 穩定製程 製程能力好能力的製程 製程改善製程解析及管制收集資料 統計分析 採取措施 製程能力分析持續改善SPC 的目的維持正常的製程 (在统计的控制之下)事先做好應該做的 (標準，系統) – ex ：检测，機台操作程序製程異常發生能偵測出，並除去之，防止其再發能力要足 (有能力的程序)能力指標提昇能力–持續改善 (廣義)SPC 管理Tool的优点•Process由于偶然原因(White Noise = Common Cause Variation)和异常原因(Black Noise = Special Cause Variation)受影响一直变化。
•偶然原因和异常原因是取适当的Subgroup的Sample，可以看到变动。
- 由于偶然原因产生的变动， Process持续维持安定的状态 : 由于Subgroup内的变动发生 - 异常原因的变动是Process由于外部要因引起变动 :由于Subgroup之间的变发生。
• Process由于外部异常原因持续受到影响, SPC Chart是表示异常原因。
•偶然原因 : 从总体抽出Sample的散布出现类似的两向的原因•异常原因 : 从总体得到的Sample Data的散布出现跟平时不同现象的原因。
Ex) 管理PCB 铲平厚度..根据周围环境, 原材料 Lot间微小的物性变化, 作业者熟练度的要因等管理的特性值的散布 Lot别发生时，其称为存在偶然原因(一般为 Accept)在积层上不知道什么原因压力在特定Lot上比规定使用得多，如果发生了两个特性值的变化，把这称为异常原因.(要改善的事项)10SPC 的好處於公減少變異,提升產品品質降低報廢,增加良率縮短循环时间，提高產能增強製造技術能力提高市場競爭力穩定就有客戶,吸引新顧客於私提高品質觀念,跟的上潮流增強技術能力提升解決問題之能力熟悉統計方法,提高自己能力SPC 活動流程PROMIS / POSEIDON & SPCPRO 資料庫分析製程能力 Cp/Cpk抽樣量測 晶片並收 集資料當發生單點超出 spec 或計算值(平均值,全距…)違返 SPC rule判讀數據有無超出spec 或違返SPC rule分析out of spec 和 out of SPC 的次數 有無OCAP checking card 或flow?執行系統有通知工程師通知 工程師無依照OCAP checking card 或flow 的指示正確填寫 checking card 或在POSEIDON中選擇正確的 lot note candidate檢討系統OCAP 發生率及 執行率分析月報 在SPC 月會中被檢討什麼是 OCAPOCAP 是由控制行动计划的縮寫，中文稱為製程異常處理程序OCAP 是由製造部，製程, 設備一同來製定及檢討。
OCAP 須不斷的修訂，以符合生產線實際的需要。
變異种类：1.共同原因的變異2.特殊原因的變異製程能力分析 (程序能力分析)目的︰提升產品品質，降低成本，符合顧客出貨及品質要求。
至今为止 ,,,SpecLSLUSL我们合格Spec-in 就合格I am Data(我活着)Spec-out 不合格检出不良以后 ,,,SpecLSLUSL集中在中心 才合格散就死Spec-in 但没有达到水准 就不合格潜在的不良 事前预测呀 ! 有吃的 (不良)定義︰所謂製程能力是指製程的一致性 ?(一致性) 製程的變異性可用來衡量製程輸出的一致性。
精密对AccuracyX XX XXXX XXX X XXX XX X XX XXXX XXX X XX XXX Off-Target Unpredictabl e On-Target X X X X X X XX X X X XXOff-Target Unpredictabl eOn-Target TargetLSL USLTargetLSL USLTargetLSL USL1σ 2σ 3σ 4σ 5σ 6σ-6σ -5σ -4σ -3σ -2σ -1σ μ LSL USLTarget 製程能力指標何謂 Cp" 製程潛力" ︰所謂 Cp 值是指製程最大潛在能力，也就是製程在最佳狀況時的能力；若以公式表示Cp ＝(規格上限 - 規格下限)/6* 製程標準差 ＝ 6σLSLUSL何謂 k(Ca) ：即 "製程準確度" ， k 值越小表示製程平均與目標值的差距越小，也就是越準確的意思，若以公式表示k(Ca) ＝ (製程平均值-目標值)/(規格寬度的二分之一） ＝LSL)/2(USL T arget --μ 1σ 2σ 3σ 4σ 5σ 6σ-6σ -5σ -4σ -3σ -2σ -1σ μ LSL USLTarget μ何謂 Cpk"製程能力" ︰所謂 Cpk 值是指目前狀況下的製程能力；若以公式表示 Cpk ＝ = Cp*(1- |k|) ] 3 s μ , USL 最小[ - LSL - μ,μ去估計通常用表示製程平均值X 1σ 2σ 3σ 4σ 5σ 6σ-6σ -5σ -4σ -3σ -2σ -1σ μ LSL USLμTarget 3 年代μ工序能力的评价根据工序能力指数的大小一般可将加工分为五类： 1 Cp ＞ 1.672 1.67 ≥ Cp ＞ 1.333 1.33 ≥ Cp ＞ 14 1 ≥ Cp ＞ 0.67 三级加工5 Cp ≤ 0.671 Cp ＞ 1.67 特级加工x ●当质量特性服从正态分布，且分布中心与规格中心 Tm 重合时， T ＞ 10S，不合格率p ＜ 0.00006% 。
●工序能力过分充裕，有很大的贮备。
2 1.67 ≥ Cp ＞ 1.33 一级加工 ●当 时， 10S≥T ＞ 8S ，不合格品率 0.00006% ≤ p ＜ 0.006% 。
●对精密加工而言，工序能力适宜；对一般加工来说工序能力仍比较充裕，有一定贮备。
m T X3 1.33 ≥ Cp ＞ 1 二级加工●当时， 8S≥T ＞ 6S ，不合格品率 0.006% ≤ p ＜ 0.27% 。
●对一般加工而言，工序能力适宜。
m T X4 1 ≥ Cp ＞ 0.67 三级加工●当时， 6S≥T ＞ 4S ，不合格品率 0.27% ≤ p ＜ 4.55% 。
●工序能力不足，不合格品率较高。
m T X5 Cp ≤ 0.67 四级加工●当时， T ≤ 4S ，不合格品率 p ≥ 4.55% 。
●工序能力严重不足，产品质量水平很低，不合格品率高。
m T X加工分类 f(x) 1 级 1 级 2 级 2 级 3 级 3 级 4 级 4 级 特级 特级μTmT3=4σ T0=10 σ T1=8 σ T2=6 σHistogram特性要因度Pareto DiagramCheck Sheet 各种 Graph散点图(Scatter Diagram)分层(Stratification)• DATA 的分布(散布,平均)• Characteristic/Cause-and-Effect /Fishbone Diagram• 查找问题偏重的项目和其程度 →为了最大化改善效果选定重点改善(或者管理)项目• Pareto Diagram 等的 Back data• 两个变数间相关关系•按照 DATA 的特性要因度分成 几个部分• 分成主要散布的因子 找散布的原因后使用相对频度区间YMan MachineMaterialMethod◆◆◆◆ ◆◆◆ ◆◆Data100% 80%ⓐ ⓑ ⓒ ⓓ A B C D正正正◆◆ ◆ ◆◆◆ ◆ ◆ ◆. . . . . . . . . . . . . . .. . . . . . . .. . . . . . .直方图分析分析直方图的形状：分析直方图的形状可以判断总体正常或异常，进而寻找异常的原因分析时要着眼于形状的整体。
常见的图例如下：。
：对称型（常态型）精度、重量等特性值多数是对称型分布，这是观测值来自正态总体的必要条件。
b:偏向型一些有形位公差等要求的特性值是偏向型分布因加工习惯也可造成这样的分布，如孔加工往往偏小，轴外圆加工往往偏大，此情况不正常，应改进。
c.双峰型：观测值来自两个不同的总体会造成双峰型分布，如设备或操作者不同等，应把数据分层后重新作图分析。
d.锯齿型作直方图分组不当，观测数据不准确,次数分配表上分组不好，组的宽度不是数据整数倍时发生等原因都会造成锯齿型分布，应查明原因，采取措施，重新作图分析。
e.平顶型生产过程中有缓慢变化的因素在起作用，会造成平顶型分布，如刀具的磨损等，应采取措施，控制该因素稳定在良好的水平上。
f:孤岛型有测量错误或生产过程出现异常因素会造成孤岛型分布，应查明原因，采取措施。
直方图与规范界限比较以下为常见的图例。
