第七章统计过程控制新

• 抽样检验实施中注意事项（见附表1） • 全数检验与抽样检验的比较（见附表2）
统计过程控制SPC新new
频率直方图
步骤：
1. 收集和整理数据（>50个） 2. 确定数据的极差（R） 3. 确定组数（K） 4. 确定组距（h=R/K） 5. 确定各组的界限值 6. 计算组中值 7. 编制频数分布表 8. 画直方图 9. 分析直方图
统计过程控制SPC新new
• 检验分为全数检验和抽样检验：
• 全数检验是将一批产品中的全部产品逐个一一进行检 验，一一判定为合格品或不合格品的活动过程，对合 格产品收下，对不合格的产品拒收。
• 抽样检验是利用所抽取的样本对产品或过程进行的检 验，换言之，抽样检验是根据事先制订的抽样方案， 从一批产品中随机抽取一部分作为样品，以这部分样 品的检验的结果，对整批产品质量合格与否作出判定， 合格则整批产品被接收，不合格则整批产品被拒收。
• 处理统计数据
处理统计数据是根据研究对象和研究目的以及统计数据的特点，选用适 宜的统计技术方法对统计数据进行计算和分析，并作出结论的过程。 统计技术的功能是记录事物的过去状态，描述事物的现在状态，推断事 物的未来状态。 在处理统计数据中，无论是进行描述还是进行推断，其中最主要的工作 是分析。
统计过程控制SPC新new
•抽 样 检 验 示 意 图
统计过程控制SPC新new
抽样检验的风险
抽样检验是由样本的质量状况去推断总体的质量 是要冒风险的
• 生产方风险（PR）：对于给定的抽样方案，当皮产品 或过程质量水平（如不合格品率）为某一指定的可接 收值（如可接受质量水平）时的拒收的概率，即把质 量好的批产品判为不合格，用α表示
3. 统计技术是国际通用工程语言。

选择正确的测量和数据收集方法， 如何处理因恶劣环境、人为误差 等控制图偏差问题。
在掌握基础统计方法的前提下， 熟练掌握结合分组、配对、方差 分析等方法的分析技巧。
控制图的构建及解读
在控制图上，展现数据波动趋势， 通过识别所处区域，进行及时的 调整。
统计过程控制的常见问题
1 控制图出现异常
掌握判断控制图中异常数据或规律变化的方法，选择正确的对策，重新调整控制图，以 保证其正确性。
未来发展方向
随着工业自动化的不断提升，数 据的获取和分析技术得到了进一 步的加强，统计过程控制在更广 泛范围内的实际应用将得以实现。
控制图的构建及解读
利用统计过程控制工具，制作了适当的 控制规程并建立了相关控制图，帮助改 进控制方案，明确了问题存在的时段和 难点。
结束语
应用前景
统计过程控制是一种基于数据分 析的反馈机制，在当今企业管理 和产品质量监控中扮演着重要的 角色。
重要性
实施统计过程控制将有助于挖掘 问题根本原因，推动质量改进和 成本优化，增强企业竞争力。
2 数据异常情况处理
其中包括控制图中的异常值排除，特殊因素分析确定及异常数据的原因分析和数据误差 的排除等实际问题。
3 连续改进中的难点
包括如何识别成本、如何判断业务重要性、是否需要专门的团队支持等。
案例分析
1
数据收集及处理过程
2
确定了准确的抽样方法，源数据的标准
化处理方案等，提取数千组数据，将它
统计过程控制教学课件 PPT
统计过程控制是一种有效的质量管理方法，通过监测和控制工业生产过程中 的变异性，实现质量稳定和连续改进。本课件旨在介绍统计过程控制的基本 概念、方法和实施过程，并通过案例分析深入探讨其实际应用。

统计过程控制与其他质量管理方法的对比
SPC与TQM（全面质量管理）的对比
• TQM是一种全局性的质量管理方法，强调全员参与
• SPC是一种局部性的质量管理方法，关注生产过程中的关键控制点
• SPC是TQM的一个重要组成部分，两者相辅相成
SPC与六西格玛的对比
• 六西格玛是一种基于数据驱动的质量管理方法，强调消除缺陷
SPC工具
• Minitab：专业的统计过程控制软件
• StatSoft：提供SPC解决方案的统计软件公司
• Excel：常用的电子表格软件，支持SPC功能
• Control-M：生产过程控制和管理软件
• QCI：质量控制和改进软件
• DataGraph：用于创建和分析控制图的统计软件
统计过程控制软件与工具的选择与应用场景
⌛️
培训员工
• 培训员工掌握SPC的基本原理和方法
• 培训员工如何使用SPC软件工具
统计过程控制实施过程中的关键步骤与技巧
01
数据收集与处理
• 确保数据准确、完整和及时
• 使用合适的统计方法处理数据，计算控制界限
02
绘制控制图
• 选择合适的控制图类型
• 绘制控制图，标识异常点
03
实时监控与改进
• 对生产过程进行实时监控
• 产品质量得到显著提高，客户满意
• 企业决定采用SPC进行质量管理
类型
度提升
• 建立质量管理体系，培训员工
• 生产成本降低，企业盈利能力增强
• 数据收集与处理，绘制控制图
• 实时监控与改进，持续改进
统计过程控制实施过程中的问题与挑战分析
问题
• 数据质量不高，影响SPC的有效性

2014年4月29日12时7分
质量管理学
• 小概率原理 所谓小概率原理，即认为小概率事件一般是不会发生的 。由准则可知，若Ｘ服从正态分布，则Ｘ的可能值超出控 制界限的可能性只有0.27%。因此，一般认为不会超出控 制界限。 小概率原理又称为实际推断原理，当然运用小概率原理也 可能导致错误，但犯错误的可能性恰恰就是此小概率。 • 反证法思想 一旦控制图上点子越出界限线或其他小概率事件发生，则 怀疑原生产过程失控，也即不稳定，此时要从5MIE去找原 因，看是否发生了显著性变化。
μ+3σ
质量特性值
μ-3σ
μ
图5-2正态分布图
μ+3σ
也可以理解为，如果抽取少数产品， 则测得的质量特性值应均落在μ+ 3σ范 围内；如果有特性值落在+ 3σ的界限外， 可以认为过程出现系统性原因，X的分布 发生了偏离。这就是休哈特控制图的3σ O 原理。
12
μ μ+3σ
子组号 图5-3质量特性值分布示意图
控制图定义： 是对过程质量特性值进行测定、记录、评估和监察 过程是否处于控制状态的一种用统计方法设计的图。
3
2014年4月29日12时7分
7.1 控制图的基本原理
常规的控制图包括以下两部分：
质量管理学
(1)控制图应包括完整的“标题”信息：
什么 哪里 谁 零件/产品/服务的名称和编号/标识； 操作/过程步骤信息，名称/标识； 操作者和评价者；
2014年4月29日12时7分 10 控制图基于时间的统计和概率方法提供了必要且足够的方法判定过程是否有特殊原因存在。
质量管理学
控制图的设计原理
正态性假定 3σ 原理 小概率原理 反证法思想 • 正态性假定 • 任何生产过程生产出来的产品，其质量特性值总会存在一 定程度的波动，当过程稳定或者说受控时，这些波动主要 是由5MIE的微小变化造成的随机误差。此时，绝大多数质 量特性值均服从或近似服从正态分布。这一假定，称之为 正态性假定。