SPC-统计制程管制.ppt
SPC-统计制程管制 Still waters run deep.流静水深流静水深,人静心深人静心深 Where there is life,there is hope。有生。有生命必命必有希望有希望目录SPC基本原理SPC简介SPC常用术语解释Ca、Cp、Cpk标准差正态分布的基本知识控制图介绍两类错误6 什么是SPCSPC是英文Statistical Process Control的字首简称,即统计过程管制。SPC就是应用统计统计技技术术对过程中的各个阶段收集的数据进行分析，并调整制程制程，从而达到改进与保证质量的目的。SPC强调预防，防患于未然是SPC的宗旨SPC基本原理1924年休华特（W.A.Shewhart）博士绘制了第一张的SPC图，并于1931年出版了加工产品品质的经济控制（Economic Control of Quality of Manufactured Products）之后，SPC应用于各种制造过程改善便就此展开。SPC基本原理SPC是一种用来分析资料的科学方法，并且利用分析结果来解决实际的问题。只要问题能以数字表示，就可以应用SPC来分析。一般收集的资料都会有变动的现象，将这些资料画在图上(如下标准之SPC图)，抽样值在某个范围中上下变动，为何会有这些波动发生?其原因可能是原料、设备、气压、操作员生理、心理不同所造成。而SPC的基本原理如下：经由制程中去收集资料，而加以统计分析，从分析中得以管制制程是否稳定。若制程异常，可经由问题分析以找出异常原因，并立即采取改善措施与标准化，使制程恢复正常。若制程稳定，可透过制程能力分析、改善措施与标准化，以不断提升制程能力。SPC简介被量测出的产品品质特性均是由于某些偶然因素所造成的结果。某些偶然因素下的一致现象，是任何制造和检验的架构下所固有的。在这固有之”一致现象”的状态下的变动将无法找到原因。在该状态外的变动原因，则是可被发现而加以改正的。由此可知，休华特博士将影响产品品质的变异分为不可归咎变异和可归咎变异等两类因素。不可归咎变异因素是在制程中隨时都会影响到产品。可归咎变异因素則是在某种特定条件下的制程中才会影响到产品。SPC简介如果某一制程只受到不可归咎变异因素影响，则该制程称为稳定制程，即是产品品质特性的变异是在可预測的统计控制范围之內；另一方面，如果某一制程同时被不可归咎与可归咎两个变异因素所影响，则该制程是不稳定的，此时产品品质特性的变异将无法以统计方法來预测。SPC图(SPC Charts)正是为了判断制程是否稳定，或是区分制程究竟是被不可归咎变异因素或可归咎变异因素所影响的一种统计技术。下图绘制了标准的SPC图，从图中可看出SPC主要是用于量测和分析任何制程的产出、处理产品或零件的正常与否，及监督整个或部份的制造过程。SPC简介标准之SPC图SPC常用术语解释名称解释平均值 （X）一组测量值的均值均值极差（Range）一个子组、样本或总体中最大与最小值之差最大与最小值之差（Sigma）用于代表标准差的希腊字母标准差(Standard Deviation)过程输出的分布宽度分布宽度或从过程中统计抽样值（例如：子组均值）的分布宽度的量度量度，用希腊字母或字母s（用于样本标准差）表示。分布宽度一个分布中从最小值到最大值之间的间距最小值到最大值之间的间距中位数 x将一组测量值从小到大排列后，中间的值中间的值即为中位数。如果数据的个数为偶数，一般将中间两个数的平均值作为中位数。单值（Individual）一个单个的单位产品或一个特性的一次测量一次测量，通常用符号 X 表示。SPC常用术语解释名称解释普通原因造成变差的一个原因，它影响被研究过程输出的所有单值；在控制图分析中，它表现为随机过程变差的一部分。过程能力是指按标准偏差为单位来描述的过程均值和规格界限的距离，用Z来表示。移动极差两个或多个连续样本值中最大值和最小值之差。SPC常用术语解释变差的普通原因和特殊原因变差的普通原因和特殊原因 普通原因：普通原因：是指过程在受控的状态下，出现的具有稳定的且可重 复的分布过程的变差的原因。普通原因表现为一个稳 系统的偶然原因。只有过程变差的普通原因存在且不 改变时，过程的输出才可以预测。特殊原因：特殊原因：（通常也叫可查明原因）是指造成不是始终作用于过 程的变差的原因，即当它们出现时将造成（整个）过程的分布改变。只用特殊原因被查出且采取措 施,否则它们将继续不可预测的影响过程的输出。SPC常用术语解释群群体体于于制造制造业业而言，通常指在同一生而言，通常指在同一生产条产条件下符合特定件下符合特定要求的要求的所有所有个体个体的集合的集合!也可也可称为称为批量批量 记为记为N样样本本 于于群群体体中抽中抽样样而得的而得的部份部份个体个体的集合的集合!记为记为n群群体体平均平均值值 X bar 样样本平均值本平均值 群群体标体标准差准差 x 样样本本标标准差准差R 全距全距，Variation 变异数据的分类按特性分：计数值数据以个数计算的数据或数据是间断的不连续的如不良数。计量值数据可以连续量测的数据或数据呈连续性的如强度压力等等。Ca、CP、CpkCa(Ca(Ca(Ca(准確度准確度准確度准確度)CP()CP()CP()CP(精密度精密度精密度精密度)Cpk(Cpk(Cpk(Cpk(制程制程制程制程能力指數能力指數能力指數能力指數)X是制程平均值T规格公差制程标准差SL规格中心Ca准确度Ca=L1/L2L1=X SLL2=(USL LSL)/2CaCa(Capability of Accuracy,制程准确度)指指指指标标标标是希望工程制造出来的各种产品的实际值，能以规格中心为中心CpCp精精密密度度n nCpCp(Capability of Precision,制程精密度)指指指指标标标标是最常被拿来测量制程是否合乎规格的指标 Cpk Cpk 制制程能力指程能力指数数(综综合指合指数数)CpkCpk(process performance,制程绩效)指指指指标标标标是当制程平均不处于上下规格界限的中央时之衡量制程之指标。Cpk是总合Ca(k)和Cp二值之指数，其计算式为:Cpk（1|Ca|）*Cp当Ca=0时，Cpk=Cp，单边规格时，Cpk即以Cp值计，但需取绝对值。Cpk Cpk 制制程能力指程能力指数数(综综合指合指数数)标准标准差差何谓标准差()?希腊文字里的 sigma小写符号-是统计学符号。代表母体的“标准偏差”.（Standard Deviation）统计学中，标准偏差意指任何一组事項或流程所产出的变异或不一致的度量值。标准差越大表示变异程度越大。从技术上来说，标准差是在某流程中，变异（Variation）程度的度量值。标准标准差差（）s 规规格格标准标准差差标准标准差差a制制程程标准标准差差正态分布的基本知识在中心线或平均值两侧呈现对称之分布常态曲线左右两尾与橫轴渐渐靠近但不相交曲线与横坐标的面积总和为 1，则：正态分布的基本知识正态分布中，任一点出现在 內的概率为 P(-X+)=68.27%2內的概率为 P(-2X+2)=95.45%3內的概率为 P(-3X+3)=99.73%正态分布的基本知识正态分布的基本知识 正态分布有一个结论对质量管理很有用，即无论均值和标差取何值，产品质量特性值落在3之间的概率为99.73，于是落在3之外的概率为100%一99.73%=0.27%，而超过一侧，即大于-3或小于+3的概率为0.27%/2=0.135%，如正态分布曲线图。这个结论十分重要。控制图即基于这一理论而产生。根据正态分布的这种性质，可以认为，凡是在3范围以内的质量变异都是正常的、不可避免的，是偶然因素作用的结果。如果质量变异超过了这个界限，则是异常因素造成的，必须进行改正。什么是控制图(control chart)控制图是对过程质量加以测定、记录从而进行控制管理的一种用科学方法设计的图。图上有中心线(CL)、上控制界限(UCL)和下控制界限(LCL)，并有按时间顺序抽取的样本统计量数值的描点序列，参见控制图示例图。控制图超超过过管制上限，管制上限，为为不可接受不可接受区区域域在管制界限內，在管制界限內，为为可接受可接受区区域域X bar控制图过程均值和标准差已知情况的Xbar控制图：控制上限：UCL+3控制下限：UCL3 UCL CL LCLX bar控制图过程均值和标准差未知情况的Xbar控制图：用全距的数据来求的估计值：R/d2(d2为样本容量n的常数）UCL CL LCLP（不良率）控制图根椐表示不合格产品是否存在或不合格产品数量的数据而建立的控制图。P（不良率）控制图P控制图的上下控制界限：UCLP+3p UCLP-3p 两类错误虚发虚发警警报报的的错误错误 虚发警报的错误,也称第I类错误。在生产正常的情况下,纯粹出于偶然而点子出界的概率虽然很小,但总还不是绝对不可能发生的。因此,在生产正常、点子出界的场合,根据点子出界而判断生产异常就犯了虚发警报的错误或第I类错误,发生这种错误的概率通常记为。两类错误漏发警报的错误 漏发警报的错误,也称第类错误。在生产异常的情况下,产品质量的分布偏离了典型分布,但总还有一部分产品的质量特性值是在上下控制界之內的。如果抽到这样的产品进行检测并在控制图中描点,这时由于点子未出界而判断生产正常就犯了漏发警报的错误或第类错误,发生这种错误的概率通常记以 由于控制图是通过抽查来监控产品质量的,故两类错误是不可避免的。在控制图上,中心线一般是对称轴,所能变动的只是上下控制限的间距。若将间距增大,则减小而增大,反之,则增大而减小。因此,只能根据这两类错误造成的总损失最小来确定上下控制界限。根据经验，33作为管制限可以使总损失最小6概念 何谓六个制程?制程精密度(Cp)=2.0制程能力指数(Cpk)1.5。以6订为品质缺点的基准理由。在无制程变异情況下(Cp=Cpk=2)，产生之缺点率仅为0.002ppm。在制程无法消除变异情況下，Cp=2，Cpk=1.5，缺点率为3.4ppm。6概念 k百分比（%）百万分之缺点数168.26317400295.4545500399.732700499.993763599.9999430.057699.99999980.0026概念 规格中心往左往右偏移1.5k百分比（%）百万分之缺点数130.23697700269.13308700393.3266810499.37906210599.97670233699.9996603.4PPM、DPM？PPM：Part Per Million是指制程中所产生之百万分之不良数。DPM：Defect Per Million是指制程中所产生之百万分之缺点数。不同个数与PPM品质水准的对比 Cp PPM Cpk PPM 6 2.00 2 1.50 3.4 5 1.67 58 1.17 233 4 1.33 64 0.83 6200 3 1.00 2700 0.50 66800 2 0.67 45500 0.17 308700 1 0.33 317300 -0.17 697300規格界 静态 动态限宽度 PPM之计算-理论值(假设)以動態理論，中心會左右移動1.5，實際水準為6，6-1.5=4.5，查表得知4.5=0.000003398，換算後等於3.398PPM。以靜態理論，6-0=6，查表得知6=0.000000001=轉換後等0.001PPM，但需乘2，所以PPM=0.002。如何计算出合理工程技术规格(1)由Cpk公式中：Cpk=(规格上限 Xbar)/3 或(Xbar 规格下限)/3 两者取小值 我们得知，当我们的Cpk值订为1.5时，其规格上限、规格下限如何计算出来？1.5=(规格上限 Xbar)/3、规格上限=Xbar+1.5 3）1.5=(Xbar 规格下限)/3、规格下限=Xbar 1.5 3如何计算出合理工程规格(2)由品管6理念中我们得知当a=s時，PPM=3.4 趋近于零缺点，因此由已知之中心值 6 a来订定规格上限、下限。例如：中心值(Xbar)=a，a=b，计算其规格上限、規格下限？Xbar+6a=规格上限Xbar-6a=规格下限计算其Cpk、PPM？Cpk=2.00、PPM=0.002制程能力指数Cp与制程不良率P（ppm）对照表（平均值不偏移）规格界限宽度规各界限宽度kCp不良率ppmkCp不良率ppm0010000003.331.11868.460.170.06867632.33.51.17471.110.330.11738882.73.661.22248.9540.50.17617075.13.831.28128.1430.670.22504985.141.3364.2410.830.28404656.84.161.3931.36310.33317310.54.331.4414.9111.170.392433454.51.56.9031.330.44182422.44.661.553.1111.50.5133614.44.831.611.3651.670.5695580.7151.670.5831.830.6166753.025.161.720.24320.6745500.265.331.780.0982.170.7230260.285.51.830.0392.330.7819630.665.661.890.0152.50.8312419.335.831.940.0062.670.897660.761620.0022.830.944606.5326.162.050.001312699.7966.332.110标准差与ppm制品质水准对照表（規格中心往左、右移動1.5）标准差Ppm标准差ppm标准差Ppm标准差ppm4.41,8664.84844.696852334.411,8074.814674.619355.012244.421,7504.824504.629045.022164.431,6954.834344.638745.032084.441,6414.844194.648485.042004.451,5894.854044.658165.051934.461,5384.863904.667895.061864.471,4894.873764.677625.071794.481,4414.883634.687365.081724.491,3954.893504.697115.091664.51,3504.93374.76875.11594.511,3064.913254.716645.21084.521,2644.923134.726415.3724.531,2234.933024.736195.4484.541,1834.942914.745985.531.84.551,1444.952804.755775.620.84.561,1074.962704.765575.713.44.571,0704.972604.775385.88.64.581,0354.982514.785195.94.84.591,0014.992424.7950163.4、与常态分配机率之应用举例：公司有一批硅片资料如下：(1)规格为20020(2)抽测25个样本中有一个不合格，业务部门催仓库出货，但QA部门暂时不放行，理由是抽样25个有1个不合格(不良率为4)，该客户要求之不良率要在1以內，所以超出客户要求。业务部门得知状况后质疑只有25个样本是否能判定该批之不良率？QA亦同意以1/25来推定该批不良率为4，样本数太少。请问：业务部门还可以用什么SPC之工具来推测该批之不良率？、与常态分配机率之应用 过程能力：ZUCL（USLXbar）/ZLSL（XbarLSL）/P%（总不良率）PUPL%、与常态分配机率之应用（作业）某公司IQC收到一批塑胶零件 5K,此零件某一尺寸为关键尺寸,因此必需加以管制。经隨机抽样 9 pcs,得数据如下：（mm）14.3 14.1 14.5 13.9 14.2 14.5 14.0 13.8 14.1，求此批零件的不良率？假设它的双边规格为：14 mm标准常态分配机率表 ZPZ标准常态分配机率表谢谢 谢！谢！Q&AQ&A讲师答疑讲师答疑
