统计过程控制(SPC)案例分析.doc

《统计过程控制(SPC)案例分析.doc》由会员分享，可在线阅读，更多相关《统计过程控制(SPC)案例分析.doc（23页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、统计过程控制（SPC）案例分析一 用途1. 分析判断生产过程的稳定性，生产过程处于统计控制状态。2及时发现生产过程中的异常现象和缓慢变异，预防不合格品产生。3查明生产设备和工艺装备的实际精度，以便作出正确的技术决定。4为评定产品质量提供依据。二控制图的基本格式 1标题部分X-R控制图数据表产品名称工作指令编号收集数据期间质量特性车间观察方法规定日产量设备编号规格界限（或要求）Tu抽样间隔操作人员Tl数量作业指导书编号仪器编号检验人员生产过程质量要求日期时间样本号测 定 值均值 极差R备注X1X2X3X4X5计算：图：CL= R图：CL= UCL=+ UCL=LCL=- LCL=CLLCLUCL

2、样本号2控制图部分 质量特性在方格纸上作出控制图： 控制图图R图说明操作人班组长质量工程师横坐标为样本序号，纵坐标为产品质量特性。图上有三条平行线：实线CL：中心线虚线UCL：上控制界限线 LCL：下控制界限线。三 控制图的设计原理1 正态性假设：绝大多数质量特性值服从或近似服从正态分布。2 3准则：99。73%。3 小概率事件原理：小概率事件一般是不会发生的。4 反证法思想。四 控制图的种类1 按产品质量的特性分（1）计量值（）（2）计数值（p，pn，u，c图）。2 按控制图的用途分：（1）分析用控制图；（2）控制用控制图。五 控制图的判断规则1 分析用控制图：规则1 判稳准则-绝大多数点子

3、在控制界限线内（3种情况）；规则2 判异准则-排列无下述现象（8种情况）。2 控制用控制图：规则1 每一个点子均落在控制界限内。规则2 控制界限内点子的排列无异常现象。案例1 p控制图某半导体器件厂2月份某种产品的数据如下表(2)(3)栏所表示,根据以往记录知,稳态下的平均不合格品率,作控制图对其进行控制.数据与p图计算表组号(1)样本量(2)不合格品数D(3)不合格品率p(4)P图的UCL(5)18520.0240.10228350.0600.10336310.0160.11246030.0500.11459020.0220.10068010.0130.10479730.0310.09889

4、110.0110.10099420.0210.099108510.0120.1021155000.117129210.0110.0991394000.099149530.0320.0981581000.103168270.0850.103177530.0400.106185710.0180.116199160.0660.100206720.0300.110218630.0350.101229980.0800.097237610.0130.105249380.0860.099257250.0690.107269790.0930.0982799100.1000.097287620.0260.105

5、小计231590解步骤一 :预备数据的取得,如上边表所示.步骤二: 计算样本不合格品率步骤三: 计算p图的控制线由于本例中各个样本大小不相等,所以必须对各个样本分别求出其控制界线.例如对第一个样本n1=85,有UCL=0.102 CL=0.0389 LCL=-0.024此处LCL为负值,取为零.作出它的SPC图形.案例2为控制某无线电元件的不合格率而设计p图，生产过程质量要求为平均不合格率2%。解：一.收集收据在5M1E充分固定并标准化的情况下,从生产过程中收集数据,见下表所表示: 某无线电元件不合格品率数据表组号样本大小样本中不合格品数不合格品率183581.02808121.5378060

6、.84504122.45860141.6660050.87822111.3881481.09618101.61070381.111850192.212709111.613700101.414500163.215830141.71679870.91781391.11881870.91958181.42055061.121807111.42259571.223500122.42476070.925620101.6总和17775248平均值7111.4二.计算样本中不合格品率:,列在上表.三.求过程平均不合格品率:四.计算控制线 p图: 从上式可以看出,当诸样本大小不相等时,UCL,LCL随的变化而

7、变化,其图形为阶梯式的折线而非直线.为了方便,若有关系式: 同时满足,也即相差不大时,可以令,使得上下限仍为常数,其图形仍为直线.本例中, 诸样本大小满足上面条件,故有控制线为:p图:五.制作控制图:以样本序号为横坐标,样本不合格品率为纵坐标,做p图. UCL CL LCL六.描点:依据每个样本中的不合格品率在图上描点.七.分析生产过程是否处于统计控制状态 从图上可以看到,第14个点超过控制界限上界,出现异常现象,这说明生产过程处于失控状态.尽管=1.40%2%,但由于生产过程失控,即不合格品率波动大,所以不能将此分析用控制图转化为控制用控制图,应查明第14点失控的原因,并制定纠正措施.案例3

8、某手表厂为了提高手表的质量,应用排列图分析造成手表不合格的各种原因,发现-停摆占第一位.为了解决停摆问题,再次应用排列图分析造成停摆的原因,结果发现主要是由于螺栓脱落造成的,而后者是有螺栓松动造成.为此,厂方决定应用控制图对装配作业中的螺栓扭矩进行过程控制.分析螺栓扭矩是计量特征值,故可选用正态分布控制图,又由于本例是大量生产,不难取得数据,故决定选用灵敏度高的图.解按照下列步骤建立图步骤一.根据合理分组原则,取25组预备数据,见下表.步骤二.计算各样本组的平均值,例如第一组样本的平均值为=(154+174+164+166+162)/5=164.0步骤三.计算各样本的极差步骤四.计算样本总均值

9、步骤五.计算R图与的参数(1) 先计算R图的参数样本容量n=5时,D4=2.114,D3=0代入R图公式均值控制图极差控制图例2的原始数据与图计算表.序号 样本观察值XijR备注Xi1Xi2Xi3Xi4Xi51154174164166162820164020216617016216616482816568316816616016216081616328416816417016416683216646515316516216516781216241461641581621721688241648147167169159175165835167016815816016216416681016208

10、915616216415216479815961210174162162156174828165618111681741661601669341668141214816016216417080416082213165159147153151775155018超限1416416616417016482816566151621581541681728141628181615816215616415279215841217151158154181168812162430181661661721641628301660101917017016616016082616521020168160162154

11、160804160814211621641651691538131626162216616017017215882616521423172164159165160822164013241741641661571628231646172515116016415817080316061940818357平均16327214280（2）可见现在R图判稳，故接着再建立均值图。第13组数据是例外值，需要用判定准则（判稳/判异）判断。另外,由表可见,R图中的第17组R=30出界,于是再次执行20字方针：“查出异因,采取措施,保证消除,纳入标准,不再出现”,消除异因纳入标准之后,应再收集35组数据,重新计算

12、,但为了简化本例题,而采用舍去第17组数据的方法(注:舍弃数据的办法不是不能用,而必须是调整没有改变原有的4M1E的关系,例如刚才对第13组数据的舍弃,异因对后面的数据没有影响),重新计算如下:R图:由表知道,R图可以判稳,计算均值控制图如:将23组样本的极差值与均值分别打点与R图和图上(下图表示),根据判稳准则,知此过程的波动情况与均值都处于稳态.注意严格地讲,23组数据根本不能运用判稳准则,一般建议收集3540组数据,运用第二条判稳准则来判断过程是否处于稳态.步骤六 .与规格进行比较.已知给定质量规格为TL=100,YU=200.现把全部预备数据作直方图并与规格进行比较.如下图所表示.由此

13、可见,数据分布与规格比较均有余量,但其平均值并未对准规格中心,因此还可以加以调整以便提高过程适应能力指数,减少不合格品率.调整后要重新计算图. SU=200 145 150 155 160 165 170 175 180 185 SL=100 m=150 u=163.69 步骤七. 延长上述图的控制线,进入控制用控制图阶段,对过程进行日常控制.例4某厂生产一种零件，其长度要求为4950010mm，生产过程质量要求为Cp1，为对该过程实行连续监控，试设计图。 某零件长度值数据表 （单位：mm）序号Xi1Xi2Xi3Xi4Xi5R备注14947494649524951494749485006249

14、4849534955494949534951600734950495349474952494849500006449474953495049514947494960075494749554945495349564953001164945494949494953495749506012749504945494949534955495050108495049504953495149474950200694950494549514957495049506012104950494849574955495349526009114947494449544955495049500011124949495049504952495549512006134946494849534950495049494007144953495749554951494749526010154945494749494952495449490009164948495349504951495049504005174950494849524955495049510007