五大手册之3SPC培训(学员专用).pptx

ISO/TS16949:2009标准培训标准培训讲师：段同知讲师：段同知五大技术手册产品质量先期策划和控制计划（APQP&CP）潜在失效模式和后果分析参考手册（FMEA）测量系统分析参考手册（MSA）统计过程控制参考手册（SPC）生产件批准程序（PPAP）重要的顾客手册重要的顾客手册ISO/TS16949:2009五大手册目录 1、测量系统分析(MSA-3)，(2003年5月第三版第二次印刷) 2、生产零件批准过程(PPAP-4)，(2006年3月第四版) 3、统计过程控制(SPC-2)，(2005年7月第二版) 4、潜在实效模式及后果分析实施手册(FMEA-4)，(2008年6月第四版) 5、先期产品质量策划与控制计划实施手册(APQP-2)，(2008年7月第二版)SPC统计过程统计过程控制知识培训控制知识培训段同知统计过程控制统计过程控制(SPC)(SPC)第一节第一节统计过程控制的基本知识统计过程控制的基本知识一、一、SPC(StatisticalSPC(Statistical Process Control) Process Control)的基本概念的基本概念 统计过程控制统计过程控制，是为了贯彻预防原则，应，是为了贯彻预防原则，应用统计方法对过程中的各个阶段进行评估和监用统计方法对过程中的各个阶段进行评估和监控，建立并保持过程处于可接受的并且稳定的控，建立并保持过程处于可接受的并且稳定的水平，从而保证产品与服务符合规定要求的一水平，从而保证产品与服务符合规定要求的一种技术。种技术。 主要工具：控制图主要工具：控制图二、统计过程控制的发展二、统计过程控制的发展SPC：统计过程控制；：统计过程控制；SPD：统计过程诊断；：统计过程诊断；SPA：统计过程调整。：统计过程调整。 三者间的关系：三者间的关系：SPCSPDSPASPC历史历史 1924年，美国的休哈特博士提出将3Sigma原理运用于生产过程当中，并发表了著名的“控制图法”，对过程变量进行控制，为统计质量管理奠定了理论和方法基础。工业中开始用统计方法代替事后检验的质量控制方法。 二战后，日本从美国请来了戴明，推广控制图的应用。SPC在日本工业界的大力推广应用，对日本产品质量的崛起起到了至关重要的作用； 八十年代以后，世界许多大公司纷纷在自已内部积极推广应用SPC，而且对供应商也提出了相应要求。在ISO9000以及QS9000中也提出了在生产控制中应用SPC方法的要求。 汽车行业发展史伴随质量管理发展史：质量是检验出来的QC质量是制造出来的QA质量是设计出来的TQC质量是预防出来的TQM预测过程输出分布SPC统计过程控制：统计过程控制：认识认识SPCSPC历史历史第二节 常规控制图(休哈特控制图)原理一、常规控制图的构造一、常规控制图的构造控制图控制图是对过程质量特性值进行测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统计定、记录、评估和监察过程是否处于统计控制状态的一种用统计方法设计的图。控制状态的一种用统计方法设计的图。图2-1 控制图示例 CLLCLUCL样本统计量数值时间或样本号休哈特博士有三句名言：1）在一切制造过程中所呈现出的波动有两个分量。第一个是过程内部引起的稳定分量（偶然波动），第二个是可查明原因的间断波动（异常波动）2）那些可以查明原因的波动可用有效方法加以发现，并可备剔去，但偶然波动是不会消失，除非改变基本过程。3）基于3Sigma限的控制图可以把偶然波动与异常波动区分开来。控制界限基于对X或Y设立 3S平均界限。统计过程控制：统计过程控制：认识认识SPC控制图原理控制图原理判断制程是否稳定的，处于统计过程控制。发现产生变异的特殊原因，并采取措施以改善制程。根据SPC提供的信息，对制程采取预防措施，事先消除产生变异的特殊原因，以保证制程处于统计过程控制状态。简单扼要的来说，用控制图能让我们更加容易发现造成非自然变异的特殊原因并且最小化对自然变异的过敏反应。统计过程控制：统计过程控制：认识认识SPC为什么使用为什么使用SPCq在生产过程中，产品的加工尺寸的变异是不可避免的。它是由人、机器、材料、方法和环境等基本因素的变异影响所致。q变异分为两种：自然变异和非自然变异q自然变异是偶然性原因（不可避免因素）造成的。它对产品质量影响较小，在技术上难以消除，在经济上也不值得消除q非自然变异是由系统原因（异常因素）造成的。它对产品质量影响很大，但能够采取措施避免和消除qSPC（统计过程控制）的目的就是消除、避免非自然变异，使过程处于自然变异状态。统计过程控制：统计过程控制：认识认识SPC自然变异和非自然变异自然变异和非自然变异q 在过程中稳定的和随时间重复分布的变差的原因q 在稳定系统中的偶然原因q 如只有普通要因，过程的输出是可预测的q 这时过程可称为处于统计控制状态n如果只存在变异的普通原因，那么过程输出随着时间推移是连续不变的和可预测的n如果存在变异的特殊原因，那么过程输出既不是连续不变的又不可预测统计过程控制：统计过程控制：认识认识SPC普通原因与特殊原因普通原因与特殊原因可指出的原因： 在过程中不时常发生的变化原因 当发生时，会将整个过程分布改变 除非对所有的变化特殊要因找出和处理，它们会持续以不可预测的方式影响过程输出特殊原因明天的质量不稳定如果存在特殊原因，过程输出是随时间不稳定的统计过程控制：统计过程控制：认识认识SPC普通原因与特殊原因普通原因与特殊原因控制图的构成控制图的构成中心线模型，对于变量图表的控制上限下限控制上限UCL=m+ k1s中心线center line=m控制下限LCL=m-k2s因为我们必须从样本中估算，所以mx 样本平均值的均值ss 样本标准差k1，k2 通常取3统计过程控制：统计过程控制：SPC构成构成优点: 是其随着时间推移来跟踪过程的能力这种随着时间的跟踪意味着某些趋势或模式，可能表示出特殊原因正随着时间的推移出现time统计过程控制：统计过程控制：SPC控制图控制图基于时间的控制图基于时间的控制图SPC是用于观测变异并使用统计信号来监控和/或进行改善的基本工具。该工具几乎可应用于任何领域，如： 设备性能特性 记帐作业的出错率 损耗分析中的报废率 物料管理系统中的中转时间统计过程控制：统计过程控制：SPC控制图控制图在何处使用在何处使用SPC控制图控制图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）必须正确分析图表所采取的纠正措施必须适当n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可应用于计数型和计量型两种数据类型统计过程控制：统计过程控制：SPC控制图控制图SPC优点与缺点优点与缺点 注意：控制图中的控制限与规格限是不一样的！每个过程可按是否满足过程或产品规格和是否受控分成4类。过程产品规格过程受控吗受控不受控符合第一类第三类不符合第二类第四类统计过程控制：统计过程控制：SPC控制图控制图控制线与规格线控制线与规格线最理想的是第一类，过程受控，过程或产品符合要求。第二类虽然受控，但普通原因的变化大。第三类过程或产品符合要求，但不受控，必须找出特殊原因。第四类不受控，过程或产品也不符合要求，普通原因和特殊原因都存在。要有合格产品（实际变异必须少于设计的规格公差）且过程必须处于统计控制状态，才能令挑剔的顾客满意。当过程能力CPK=2，达到6 Sigma水平时，制造过程品质保证能力可以放心了。统计过程控制：统计过程控制：与过程能力的关系与过程能力的关系过程控制与过程能力的关系过程控制与过程能力的关系二、二、SPC的理论基础的理论基础产品的统计观点产品的统计观点产品质量的统计观点是现代质量管理的产品质量的统计观点是现代质量管理的基本观点之一。基本观点之一。(一一)产品的质量具有变异性产品的质量具有变异性(二二)产品质量的变异具有统计规律性产品质量的变异具有统计规律性图图2-3 2-3 二项分布二项分布( (图中图中P P为不合格品率为不合格品率) )b(m;n,p)2 4 6 8 10 12 14 16 18 20 mP=0.75p=0.25p=0.5n=20图2-4 泊松分布(图中为平均不合格数) 0 2 4 6 8 10 12 14 16 18 20p(k;)k=2.5=5=10图2-5 正态分布xn(x;,2)三、控制图的形成及控制图原理的几种解释三、控制图的形成及控制图原理的几种解释(一一)正态分布的基础知识正态分布的基础知识(1)数据越多，分组越密。直方图也越接近一数据越多，分组越密。直方图也越接近一条光滑曲线。最常见的分布为正态。条光滑曲线。最常见的分布为正态。图图2-5 2-5 直方图趋近光滑曲线直方图趋近光滑曲线(2)正态分布是一条曲线，采用两个参正态分布是一条曲线，采用两个参数：平均值数：平均值与标准差与标准差表示。表示。图2-6 正态曲线随着平均值变化 图2-7 正态曲线随着标准差变化=2.5=1.0=0.4yx不论不论与与取值为何，产品质量特性值落在取值为何，产品质量特性值落在-3，+3范围内的概率为范围内的概率为99.73%。图2-8 正态分布曲线下的面积+3-399.73%0.135%0.135%（3）常规控制图的形成）常规控制图的形成CLCLUCLUCLLCLLCL8 89 9101011113333（二）控制图原理的第一种解释（二）控制图原理的第一种解释点出界就判异点出界就判异小概率事件原理：小概率事件在一次试验中几小概率事件原理：小概率事件在一次试验中几乎不可能发生，若发生即判断异常。乎不可能发生，若发生即判断异常。CLUCLLCL89101133Sunday, January 16, 2022二、控制图原理（续） 如果将正态分布曲线图向右旋转90，3条线的位置如图（就得到了一张控制图）： - 3 3 UCLCLLCLSunday, January 16, 2022控制图图例123456789 10 11 12 14 15 16 18 19 20 21 22 23 24 25二、控制图原理（续）样本序号LCLCLUCL质量特性值Sunday, January 16, 2022二、控制图原理控制图的益处控制图的益处 ： 供正在进行过程控制的操作者使用 有助于过程在质量上和成本上能持续地、可预测地保持下去。 使过程达到： 更高的质量 更低的单件成本 更高的有效能力 为讨论过程的性能提供共同的语言 区分变差的特殊原因和普通原因，作为采取局部措施或对系统采取措施的指南。 Sunday, January 16, 2022二、控制图原理（续）统计控制状态常易发生的错误： 虚发警报：过程正常，由于点子偶然超出界外而判异，通常称为，将造成寻找根本不存在的异因的损失； 漏发警报： 过程异常，但仍会有部分产品，其质量特性值仍位于控制界限内而未判异，通常称为，将造成不合格品增加的损失。Sunday, January 16, 2022二、控制图原理（续） 如何减少该两类错误造成的损失： 常规控制图共有三条线，一般正态分布控制图的中心限CL固定，故只能调整UCL和LCL二者之间的距离，若此距离增加，则减小 增大，反之则增大 减小，故无论如何调整，两种错误都无法避免。解决的办法：根据两种错误造成的总损失最小的原则来确定UCL和LCL的最优间隔距离，经验证休哈特所提出的3 方式较好，接近最优间隔距离。Sunday, January 16, 2022二、控制图原理（续） 3原则（正态分布）即是控制图的上下控制限和中心线由下式确定： UCL= +3 CL= LCL= -3 Sunday, January 16, 2022二、控制图原理（续）具体图示如下： -3 -2 -1 +1 +2 +3 68.26% 95.46% 99.73% Sunday, January 16, 2022二、控制图原理（续）从该图可得出以下几个在质量管理中常用的结论：总体数据落在： 1界限范围内的概率为68.26% 2界限范围内的概率为95.46% 3界限范围内的概率为99.73% 1.96界限范围内的概率为95.0%而数据落在： 3之外的概率应小于3 1.96之外的概率为5% Sunday, January 16, 2022二、控制图原理（续）常规控制图的分类：控制图代号控制图名称均值极差控制图均值标准差控制图中位数极差控制图单值移动极差控制图P图不合格品率控制图 np图不合格品数控制图 C图不合格数（缺陷数）控制图 U图单位产品不合格数控制图 M Me e- -R R 控控制制图图 - -X X- -R R 控 控制 制图 图 - -X X- -S S 控 控制 制图 图 X X- -R Rs s控 控制 制图 图 Sunday, January 16, 2022SPC统计过程控制培训目录v 统计过程控制概述v 控制图原理 分析用控制图和控制用控制图v 过程能力与过程能力指数v 常规控制图的作法及其应用v 统计过程诊断、 6 与SPC的关系v 结束语Sunday, January 16, 2022三、分析用和控制用控制图两种控制图的含义： 一道工序开始应用控制图时，几乎不可能恰巧处于稳态，也即存在异因。如果以这种非稳态状态下的参数来建立控制图，控制图界限的间隔一定较宽，因此，开始时总需要将非稳态的过程调整到稳态，这就是分析用控制图；等到过程稳定后，才能延长控制图的控制线作为控制用控制图。Sunday, January 16, 2022三、分析用和控制用控制图（续）分析用控制图主要分析： 所分析的过程是否处于统计控制状态？ 该过程的过程能力是否满足要求（即是否达到技术稳态）？控制状态分类：控制状态分类： 状态统计控制状态和技术控制状态均达到； 状态统计控制状态未达到，技术控制状态达到； 状态统计控制状态达到，技术控制状态未达到； 状态统计控制状态和技术控制状态均未达到。Sunday, January 16, 2022三、分析用和控制用控制图（续）控制用控制图： 当过程达到我们所确定的状态后，才能将分析用控制图的控制线延长作为控制用控制图。进入日常管理，其关健是保持所确定的稳态。经过一阶段的使用后。可能又会出现新的异常，这时应查出异因，采取措施、加以消除、恢复统计控制状态。Sunday, January 16, 2022三、分析用和控制用控制图（续）常规控制图的设计思想： 常规控制图的设计思想是先确定犯第一类概率，再看犯第二类错误的概率。 如按3方式确定UCL、CL、LCL，就等于确定 =0.27%。为增加使用者的信心，一般情况下取得特别小，这时就大，这就需要增加第二类判异准则，即使点子不出界，但界内点子排列不随机时也表示存在异常因素。Sunday, January 16, 2022三、分析用和控制用控制图（续） 判异准则： 判异分为有点子出界和界内点排列不随机两类。按GB/T 49012001常规控制图（等同采用ISO 8258:1991 休哈特控制图）中规定了8种判异准则，为了应用这些准则，我们将控制图等分为6个区域，每个区宽1。这6个区的标号为A、B、C、C、B、A，其中两个A区、两个B区、两个C区分别对于CL线对称。需要指明这些判异准则需假定质量特性服从正态分布。Sunday, January 16, 2022三、分析用和控制用控制图（续） 下面举例说明8个判异准则： 将某企业的某质量特性共75个数据进行适当的移动（共移动了6个数据，即6个数据未按时间顺序排列）从而形成的以下波动图（该图分为八段刚好包含八个判异准则的图例）： Sunday, January 16, 2022三、分析用和控制用控制图（续）某质量特性波动图87.3389.2691.1993.1295.0596.9898.91100.84102.77104.70106.6314710131619222528313437404346495255586164677073特性值CL值UCL值LCL值Sunday, January 16, 2022三、分析用和控制用控制图（续） 判异准则1：有点子落在界外。判异准则1图例87.3389.2691.1993.1295.0596.9898.91100.84102.77104.70106.631234567特性值CL值UCL值LCL值Sunday, January 16, 2022三、分析用和控制用控制图（续） 判异准则1： 准则1可对参数的变化或参数的变化给出信号，变化越大，则给出信号越快。 准则1可以对过程中的单个失控做出反应，如计算错误、测量误差、原材料不合格、设备故障等。 在3原则下，该准则犯第一类错误的概率为0.27%。Sunday, January 16, 2022三、分析用和控制用控制图（续） 判异准则2：连续9点落在中心线同一侧。判异准则2图例87.3389.2691.1993.1295.0596.9898.91100.84102.77104.70106.6367891011121314151617特性值CL值UCL值LCL值Sunday, January 16, 2022三、分析用和控制用控制图（续） 判异准则2： 该准则是为了补充准则1而设计的，以改进控制图的灵敏度，选择9点是为了使其犯第一类错误的概率也为0.27%左右。 出现该准则的现象，主要是过程的平均值减小的缘故。Sunday, January 16, 2022三、分析用和控制用控制图（续） 判异准则3：连续6点递增或递减。判异准则3图例87.3389.2691.1993.1295.0596.9898.91100.84102.77104.70106.631516171819202122232425262728特性值CL值UCL值LCL值Sunday, January 16, 2022三、分析用和控制用控制图（续） 判异准则3： 此准则是针对过程平均值的趋势进行设计的，它判定过程平均值的较小趋势要比准则2更为灵敏。 产生趋势的原因可能是工具逐渐磨损、维修逐渐变坏等，从而使得参数随时间而变化。Sunday, January 16, 2022三、分析用和控制用控制图（续） 判异准则4：连续14点相邻点上下交替。判异准则4图例87.3389.2691.1993.1295.0596.9898.91100.84102.77104.70106.63282930313233343536373839404142特性值CL值UCL值LCL值Sunday, January 16, 2022三、分析用和控制用控制图（续） 判异准则4： 本准则是针对由于轮流使用两台设备或由两位操作人员轮流进行操作而引起的系统效应。实际上就是一个数据分层不够的问题。 选择14点是通过统计模拟试验而得出的，也是为了使其犯第一类错误的概率也为0.27%左右。Sunday, January 16, 2022三、分析用和控制用控制图（续） 判异准则5：连续3点中有2点落在中心线同一侧的B区以外。判异准则5图例87.3389.2691.1993.1295.0596.9898.91100.84102.77104.70106.63414243444546特性值CL值UCL值LCL值Sunday, January 16, 2022三、分析用和控制用控制图（续） 判异准则5： 过程平均值的变化通常可由本准则判定，它对于变异的增加也较灵敏。 在B区外的两点可以是三点中任何两点，至于第三点可以在任何处，甚至可以根本不存在。 出现该准则的现象是由于过程参数发生了变化。Sunday, January 16, 2022三、分析用和控制用控制图（续） 判异准则6：连续5点中有4点落在中心线同一侧的C区以外。判异准则6图例87.3389.2691.1993.1295.0596.9898.91100.84102.77104.70106.63474849505152535455565758特性值CL值UCL值LCL值Sunday, January 16, 2022三、分析用和控制用控制图（续） 判异准则6： 与准则5类似，这第5点可以在任何处，甚至根本不存在。 本准则对于过程平均值的偏移也是较灵敏的。 出现本准则的现象也是由于过程参数发生了变化。Sunday, January 16, 2022三、分析用和控制用控制图（续） 判异准则7：连续15点在C区中心线上下。判异准则7图例87.3389.2691.1993.1295.0596.9898.91100.84102.77104.70106.63525354555657585960616263646566特性值CL值UCL值LCL值Sunday, January 16, 2022三、分析用和控制用控制图（续） 判异准则7： 出现本准则的现象是由于参数变小。 对于这种现象不要被它“良好的外表”所迷惑，而应注意到它的非随机性。 造成这种现象的原因可能有数据虚假或数据分层不够等。 在排除了上述两种可能后才能总结现场减少标准差的先进经验。Sunday, January 16, 2022三、分析用和控制用控制图（续） 判异准则8：连续8点在中心线两侧。但无一在C区中。判异准则8图例87.3389.2691.1993.1295.0596.9898.91100.84102.77104.70106.63676869707172737475特性值CL值UCL值LCL值Sunday, January 16, 2022三、分析用和控制用控制图（续） 判异准则8： 造成这种现象的主要原因也是因为数据分层不够，本准则即为此而设计。Sunday, January 16, 2022三、分析用和控制用控制图（续）局部问题对策与系统改进： 由异常原因造成的质量变异可由控制图发现，通常由过程人员负责处理，称为局部问题的对策，大约占总数的15%左右； 由偶然原因造成的质量变异可通过分析过程能力发现，但其改善往往耗费大量资金，需由高层管理人员决策，称为系统改进，大约占85%左右。Sunday, January 16, 2022SPC统计过程控制培训目录v 统计过程控制概述v 控制图原理v 分析用控制图和控制用控制图 过程能力与过程能力指数过程能力与过程能力指数v 常规控制图的作法及其应用v 统计过程诊断、 6 与SPC的关系v 结束语Sunday, January 16, 2022四、过程能力与过程能力指数过程能力（又称工序能力）指过程加工质量方面的能力，它是衡量过程加工内在一致性的，是稳态下的最小波动。过程能力决定于质量因素，而与分差无关。 当过程处于稳态时，产品的计量质量特性有99.73%落在3的范围内，其中为质量特性值的总体均值，为质量特性值的总体标准差。故有99.73%的产品落在上述6范围内，这几乎包括了全部产品，所以通常用6（6倍标准差）表示过程能力，它的数值越小越好。Sunday, January 16, 2022四、过程能力与过程能力指数（续）1、过程能力指数： （1）双侧公差情况的过程能力指数：式中：T表示公差范围，TU表示公差上限，TL表示公差下限， 表示总体标准偏差，S表示子样标准偏差。Cp= T6= TU-TL 6 S=-R/d2 Sunday, January 16, 2022四、过程能力与过程能力指数（续） 在过程能力指数计算公式中，T反映对产品的技术要求， 反映过程加工的一致性，所以在过程能力指数中将6 与T比较，就反映了过程加工质量满足产品技术要求的程度。 CP 值的几种情况： CP 大于1：即满足产品技术要求，加工质量高，对设备和操作人员的要求也高，加工成本也就越大。 CP 等于1：表面看来较合适，但过程是波动的，一旦中心值偏移，不合格品率就要增加。 CP 小于1：不合格品率较高，不可取。 Sunday, January 16, 2022四、过程能力与过程能力指数 - TU TL CP1 - TU TL CP=1 - TU TL CP1 各种分布情况下的CP值Sunday, January 16, 2022四、过程能力与过程能力指数过程能力指数评价参考CP 值范围级别过程能力参考评价CP 1.67过程能力过高（应视情况而定）。1.33CP1.67 过程能力充分，表示技术管理能力已很好，应继续维持。1.00CP1.33 过程能力充分，但技术管理能力较勉强，应设法提高至级。 0.67CP1.00 过程能力不足，表示技术管理能力已很差，应采取措施立即改善。CP 0.67 过程能力严重不足，表示应采取紧急措施和全面检查，必要时可停工整顿。Sunday, January 16, 2022四、过程能力与过程能力指数几种典型的CP值与不合格品率CP值 值P值2.000.52ppb1.670.60.6ppm1.330.7560ppm1.001.00.27%0.671.54.45% 即T=3时的不合格品率是T=6的135万倍（0.27%/2ppb)。 6控制方式的不合格品率大大降低。Sunday, January 16, 2022四、过程能力与过程能力指数 （2）单侧公差情况下的过程能力指数： 有上限无下限时 有下限无上限时 （3）有偏移情况下的过程能力指数：C CPU PU= = T TU U- - 3 3 ( ( T TU U) ) C CPL PL= = - -T TL L 3 3 ( ( T TL L) ) CpK=CP(1-K)=T-2 6 表示平均值公差中心的（M）的绝对偏离量。=|M| ； CpK = =min(Cmin(CPUPU, C, CPLPL) ) Sunday, January 16, 2022四、过程能力与过程能力指数 (4) Cp 与与C CpKpK的比较说明的比较说明: : 无偏移的情况下的无偏移的情况下的C Cp p表示过程加工的一表示过程加工的一致性致性, ,即即“质量能力质量能力”, C, Cp p越大则质量能越大则质量能力越强；而有偏移情况下的力越强；而有偏移情况下的C CpKpK反映过程反映过程中心值中心值与公差中心值与公差中心值M M的偏移情况，的偏移情况，C CpKpK越大，则二者偏离越小，是过程越大，则二者偏离越小，是过程“质质量能力量能力”与与“管理能力管理能力”二者综合的结二者综合的结果。故一般情况下最好是二者联合使用，果。故一般情况下最好是二者联合使用，对产品质量有更全面的了解。对产品质量有更全面的了解。Sunday, January 16, 2022四、过程能力与过程能力指数联合应用C Cp p与与C CpKpK所代表的合格品率：所代表的合格品率：CpK 0.330.671.001.331.672.000.3368.269%84.000%84.134%84.134%84.13447%84.13447%0.6795.450%97.722%97.725%97.72499%97.72499%1.0099.730%99.865%99.86501%99.86501%1.3399.994%99.99683%99.99683%1.6799.99994%99.99997%2.0099.9999998%CpSunday, January 16, 2022四、过程能力与过程能力指数2 2、过程性能指数（、过程性能指数（QS9000QS9000提出的）：提出的）： C Cp p 无偏移短期过程能力指数；无偏移短期过程能力指数； C CPUPU 无偏移上单侧短期过程能力指数；无偏移上单侧短期过程能力指数； C CPLPL 无偏移下单侧短期过程能力指数；无偏移下单侧短期过程能力指数； C CpKpK 有偏移短期过程能力指数；有偏移短期过程能力指数； P Pp p 无偏移过程性能指数；无偏移过程性能指数； P PPU PU 无偏移上单侧过程性能指数；无偏移上单侧过程性能指数； P PPL PL 无偏移下单侧过程性能指数；无偏移下单侧过程性能指数； P PpKpK 有偏移过程性能指数。有偏移过程性能指数。Sunday, January 16, 2022四、过程能力与过程能力指数 C系列过程能力指数与P系列过程性能指数的计算公式类似，二者的区别在于：C系列公式中的必须在稳态下计算；而P系列是在实际情况（不一定是稳态）下计算，反映当前的实际状态。 对于同一个过程而言，通常长期的标准差LT大于短期的标准差ST，因此过程的质量改进，应是逐步减少LT使之不断接近ST 。Sunday, January 16, 2022四、过程能力与过程能力指数 将LT和ST的相对差值称之为过程相对稳定系数： 过程相对稳定系数评价参考表d d = = LT- - ST LT d 范围评价结果d 10%过程接近稳定10%d20% 过程不太稳定，需注意20%d50% 过程不稳定，需改进d 50%过程很不稳定，急需改进，有必要可停产整顿。Sunday, January 16, 2022SPC统计过程控制培训目录 统计过程控制概述 控制图原理 分析用控制图和控制用控制图 过程能力与过程能力指数 常规控制图的作法及其应用 统计过程诊断、 6 与SPC的关系 结束语Sunday, January 16, 2022五、常规控制图的作法及其应用各类常规控制图的使用场合：控制图名称使用场合均值极差控制图控制对象为长度、重量、强度、纯度、时间、收率和生产量等计量场合。是计量数据常用的基本控制图。均值标准差控制图与均值极差控制图类似，只是用标准差代替了极差，当样本量大于10时即采用此控制图。中位数极差控制图与均值极差控制图类似，只是用中位数代替了均值，多用于现场需要把测定数据直接记入控制图的场合。单值移动极差控制图多用于对每个产品都进行检验，采用自动化检查和测量的场合，取样费时、昂贵的场合和流程式过程、产品均匀的场合（如化工生产），该图判断过程灵敏度稍差些。不合格品率控制P图 用于控制对象为不合格品率或合格品率等计数质量指标的场合。主要控制不合格品率、交货延迟率、缺勤率、差错率等。不合格品数控制NP图 用于控制对象为不合格品数的场合。N为样本量，P为不合格品率，则NP为不合格数。不合格数（缺陷数）控制C图 用于控制所出现的不合格数，如铸件上的砂眠数、设备故障次数、每而印刷错误数、差错数等。单位产品不合格数控制U图 平均每单位中的不合格数，如每平方米布匹中的疵点数等。Sunday, January 16, 2022五、常规控制图的作法及其应用应用控制图注意事项： 控制图用于何处？（所控制的过程须具有重复性） 如何选择控制对象？（应选择能够真正代表过程的主要指标作为控制对象） 怎样选择控制图？（根据所控制质量特性的数据性质来进行选择，还需考虑检出力大小、样本抽取及测量的难易、费用的高低等） 如何分析控制图？ 对点子出界或违反其他准则的处理。 控制图的重新制定。（5M1E发生变化时或长时间后应重新计算，加以检验。） 控制图如何保管。（应长期保管该技术资料）Sunday, January 16, 2022（一）均值极差控制图均值极差图的特点: 适用范围广； 灵敏度高：对均值图由于偶然波动的存在，一个样本组的各个数据通常不会相等，有的偏大，有的偏小，这样把它们加起来求平均值，偶然波动就会抵消一部分，故标准差减小，从而控制图的UCL和LCL间隔减小。但对于异常波动而言，由于一般异常波动所产生的变异往往是同一个方向的，故求平均值的操作对其并无最影响，因此，当异常时，描点出界就更容易了，也即灵敏度高。Sunday, January 16, 2022（一）均值极差控制图 下面以均值极差图为例讲述计量型控制图的作法及其应用。 其操作步骤如下： 步骤1：确定控制对象（这里需要注意需选择技术上最重要的控制对象；若指标有因果关系，则取用为因的指标；控制对象要明确，并为大家所理解和同意；控制对象要能以数字表示；控制对象要选择容易测定并对过程容易采取措施者。）； 步骤2：取预备数据（一般取2025个子组，子组大小国际推荐为4或5，并采用合理子组原则“组内差异只由偶因造成，组间差异主要由异因造成”）；Sunday, January 16, 2022（一）均值极差控制图 步骤3：计算每个子组的数据均值和各组样本的极差值；（所需要的计算常数在GB/T 4091-2001常规控制图已给出“计量控制图系数表”，下同） 步骤4：计算样本总量的均值与平均样本极差值； 步骤5：计算极差图控制线，并作图； 步骤6：将预备数据点绘在极差图中，并对状态进行判断；若稳定，则进入步骤7，若不稳，则除去可查明原因后转入步骤4，即重新计算样本总量的均值与平均样本极差值；Sunday, January 16, 2022（一）均值极差控制图 步骤7：计算均值图控制线，并作图；将预备数据点绘在均值图中，并对状态进行判断；若稳定，则进入步骤8，若不稳，则除去可查明原因后转入步骤4，即重新计算样本总量的均值与平均样本极差值； 步骤8：计算过程能力指数并检查其是否满足技术要求；若过程能力指数满足技术要求，则转入步骤9，若过程能力指数不满足技术要求，则需调整过程直至过程能力指数满足技术要求为止； 步骤9：延长均值极差图的控制线，作控制用控制图，进行日常管理。Sunday, January 16, 2022（一）均值极差控制图举例： 某手表厂为了提高手表的质量，经分析发现影响手表不合格品的原因主要是“停摆”，而造成停摆的原因，经分析发现主要是由于螺栓松动引发的脱落，为此厂方决定用控制图对其装配作业过程中的螺栓扭矩(其目标值为160，上下公差为20)进行过程控制。 步骤1：确定控制对象，选择控制图。螺栓扭矩是一计量特性值，又是大量生产，不难取得数据，故决定采用均值极差图。 步骤2：取预备数据，然后将数据合理分成25个子组，每组5个数据，如下表。Sunday, January 16, 2022（一）均值极差控制图组数1234567891011121311541661681681531641671581561741681481652174170166164165158169160162162174160159316416216017016216215916216416216616214741661661621641651721751641521561601641535162164160166167168165166164174166170151组数14151617181920212223242511641621581511661701681621661721741512166158162158166170160164160164164160316415415615417216616216517015916616441701681641811641601541691721651571585164172152168162160160153158160162170Sunday, January 16, 2022（一）均值极差控制图 步骤3：计算每个子组的数据均值和各组样本的极差值；（略） 步骤4：计算样本总量的均值与平均样本极差值； 总量的均值=163.256 平均样本极差值=14.280 步骤5：计算极差图控制线，并作图； UCLUCLR R =D D4 4*R =30.188 CLCLR R = R =14.280 LCLCLR R =D D3 3*R=0Sunday, January 16, 2022（一）均值极差控制图 步骤6：将预备数据点绘在极差图中，并对状态进行判断；如下图。判断无异常情况可判稳，则进入步骤7；极差控制图123456789 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 2530.18814.280Sunday, January 16, 2022（一）均值极差控制图 步骤7：计算均值图控制线，并作图； UCLUCL = X”+A A2 2R=171.496 CLCL = X =163.256 LCLCL =X”+A A2 2R=15