SPC理论与实战(保密)15437.pptx

《SPC理论与实战(保密)15437.pptx》由会员分享，可在线阅读，更多相关《SPC理论与实战(保密)15437.pptx（129页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、背壳的加工工艺3SPC的发展二战前二战中二战后质量管理=检验抓质量=把好检验关只能发现和剔除不合格品损失已大量造成补救措施=“亡羊补牢”内部损失和售后投诉索赔企业不堪重负1924年 美国瓦尔特休哈特 博士控制图产生为SPC的起源标志美国战时质量管理标准军品的质量和及时交付五十年代以来SPC在日本工业界的大量推广应用日本崛起八十年代以后大公司积极推广应用对供应商也提出了相应要求ISO9000、QS9000及六西格玛管理今天计算机及专用软件推广SPC选才真正全面狂热起来高质量、低成本、短周期呼唤出SPC，并推动着其不断完善。起源非凡牛刀小试大放光芒前言带着问题交流合格/不合格稳定/不稳定有能力/没

2、有能力产品资料符合性？过程受到的影响？始终生产合格产品？SPC基础知识过程控制的需要检测容忍浪费预防避免浪费通过生产来制造产品，通过质量控制来检查最终产品并剔除不符合规范的产品，在管理部门则经常靠检查或重新检查工作来找出错误，在这两种情况下都是使用检测的方法，这种方法是浪费的，因为它允许将时间和材料投入到生产不一定有用的产品或服务中。一种在第一步就可以避免生产无用的输出，从而避免浪费的更有效的方法是预防SPC基础知识SPC在质量管理中的地位TQM戴 明 奖 国 家 品 质 奖部 长 奖维持日常要项管理改善专组QCCQC七手法DOE回归分析SPCSPC持续改进PDCAISO9000SPC基础知识

3、检查表散点图鱼骨图流程图柏拉图直方图控制图七大 质量工具缺陷检测过程控制模型控制策略：控制输出，事后把关工作方式融入所有的资源合格？顾客返修能返修？报废隐藏浪费是否能不能人人机机料料法法测测环环输入过程/系统输出工作方式融入所有的资源人人机机料料法法测测环环具有反馈的控制模型控制策略：控制过程，预防缺陷产品或是服务顾客识别顾客不断改变的需求和期望统计方法输入过程/系统输出顾客的声音过程的声音检测模型反馈模型控制点最终产品两种呼声控制方式检验统计方法、信息经济性差好产品质量差好两种控制模式的比较最差情况欠佳情况最优情况收集数据并在图表上描绘（建立统计基础的抽样计划）作业者得到了有效的SPC技术培

4、训小组关注并监控SPC规则和信号管理层授权并支持问题调查和过程改进当控制图有异常信号时，通过根本原因分析采取正确的行动以预防问题再次发生NGNGNGNGNGNG空壳！NG变差因为过程中存在变差源（5M1E），这种差异的大小，影响整个过程，所以即使是同一过程生产出来的产品或是特性，都不可能完全相同。变差、分布每个零件的尺寸都是互不相同的若制造过程稳定，那么它们将形成一个分布（正态）变差、分布不同因素会影响的分布，形成以下几种情况：中心位置分布宽度曲线形状变差的普通原因和特殊原因普通原因 如果过程仅因普通原因产生了变差，那么随着时间的推移，过程的输出形成一个稳定的分布且可预测，这样的过程是受控的。

5、对过程影响约占85需要对系统采取措施需要管理层授权才可以消除影响每一个该过程产生的零件系统措施变差的普通原因和特殊原因特殊原因 如果过程存在特殊原因，那么即使随着时间的推移，过程的输出也无法形成一个稳定的分布且不可预测，这样的过程是不受控的。对过程影响约占15需要采取一些局部措施即可消除通过作业者的行动就可以消除不影响每一个该过程产生的零件局部措施普通原因的过程状态仅存在变差普通原因分布稳定，呈现正态过程是统计受控的过程是可预测的如果过程仅因普通原因产生了变差，过程的输出形成一个稳定的分布且可预测，这样的过程是受控的。特殊原因的过程状态存在变差特殊原因分布不稳定，偏离正态过程是不受控的过程是不

6、可预测的如果过程存在特殊原因，过程的输出也无法形成一个稳定的分布且不可预测，过程是不受控的。控制图可以检出20品质成本 为达成与维持某种品质水准而支出的一切成本，和因为不能达到水准而发生的成本损失，统称为品质成本。-费根堡倡导全面质量管理理念的第一人倡导全面质量管理理念的第一人品质管理缺陷所发生的损失直接损失间接损失内部损失 废品处理使用合格率低 低效率返修调整 外部损失 顾客抱怨对策费用 丧失顾客销量下降 品质成本分类品质成本直接品质成本 预防成本检测成本内部成本损失外部成本损失间接品质成本顾客遭遇故障顾客投诉信誉损失 品质与成本品质成本总和最适成本预防及检测成本内部及外部成本损失100%合

7、格品质最优成本最适品质待改善品质水准品质成本24时刻记得成本存在一个最优的质量水平，在此之外，质量改进的成本超过减少缺陷数的预期成本效益。成本Sigma质量水准最优质量水准对成本的影响成本用于：内外部损失及间接品质损失成本用于：预防及检测（设备）改进产品改进过程26抽样计划主要构成 抽样大小样本包含的零件数 抽样频率抽样的时间间隔，多长时间抽一次样 抽样类型连续、随机、结构化的计划 用于测量或监控的特性或参数抽样应满足1、迅速的发现过程或产品的变化，并且尽可能的经济（需与传递到顾客处的风险相比较）2、提供可靠的、具代表性的数据作为采取过程措施决定的主要要素3、提供数据用于做控制图以回答关于过程

8、的正确问题4、作为控制计划的主要组成部分之一（对于不受控的情况，在控制计划的“反应计划”一栏还需根据抽样计划制定围堵措施或策略）抽样的一般程序确定抽样总体确定大小确定取样范围抽取样本评估样本的代表性27抽样计划是控制计划的重要组成部分CP中的反应计划需制订出产生异常后的围堵措施28抽样大小作为计量型数据通用抽样准则，推荐至少4或5个的连续样本为一个子组，因为：1、抽样成本较低2、更容易使用极差图3、过程在抽样时出现的变化较小4、在抽取25组样本时足够使大多数过程呈现正太分布没有固定而快捷的准则来衡量过程的抽样大小29计数型数据抽样大小公式n+1ln（1-c）ln(R)n需要的样本大小c置信水平

9、R预估的过程合格率对于计数型数据样本容量，一般不少于500（2025组，每组至少25个数据）30抽样频率类似抽样大小，抽样频率也没有一个“固定而快捷”的准则。但可以按照以下因素考虑决定抽样频率：原材料、工具、工艺、操作者和环境的变化31抽样类型输入联合输出方法1：每个子组是从每个生产流获得的一个或多个测量值组成，这种分组方法是有重叠的方法2：分别从每个生产流中收集数据，一个子组仅由从一条生产流中获得的测量值组成。方法3：每个子组是从所有生产流的联合输出中获得的测量组成理解子组内和子组间的变差原因对理解控制图和过程变差是最重要的。大多计量型数据用控制图可将子组内的变差与子组间的变差相比。因此，在

10、解释控制图形成子组时，重要的是理解影响过程结果的变差可能的原因。32抽样的疑惑传统的全数检验？合理的抽样检验？最能为质量持续改进提供依据的是？控制图介绍什么是控制图控制图（Control Char）是对过程质量特性值进行测量、记录、评估和监察过程是否处于受控状态的一种用统计方法设计的图。1098765432100 5 10 15 20 上控制限下控制限均值观测序号观测值控制图介绍中心线（CL,Control Line）上控制线(UCL,Upper Control Line)下控制线（LCL,Lower Control Line）控制图的组成部分1098765432100 5 10 15 20

11、上控制限下控制限均值非任意变化区域观测序号观测值任意变化区域观测点101098765432100 5 10 15 20 非任意变化区域观测序号观测值任意变化区域LCL-3s sUCL+3s s均值99.73%控制图的组成部分处于受控状态的生产过程，若以“3”原则确定控制界限，那么再抽样检验中，将有99.73的质量特性值或质量特性值的统计量落在控制界限之内(任意变化区域)。而落在控制界限之外的概率为0.27，是一个小概率事件。控制图补充说明统计控制限均值+/-3 个标准偏差它是在过程受控时进行设定的 固定在基准值 过程改变了就要做调整 决不会变宽控制限同公差带不相关过程变化的一个统计术语在均值的

12、3倍标准偏差之内；它是任意的没有原因的；它不呈现某种运行趋势；它不呈现某种趋势。偶然原因变化导致。正常独立处理过 程过程的声音（测量）否调整是 交付客户控制图的应用控制图分类数据：是能够客观地反映事实的资料和数字数据的质量特性值分为：计量值 可以用量具、仪表等进行测量而得出的连续性数值，可以出现小数。计数值 不能用量具、仪表来度量的非连续性的正整数值。计量型数据的控制图Xbar-R图（均值极差图）Xbar-S图（均值标准差图）I-MR图（单值移动极差图）（中位数图）计数型数据的控制图P图（不合格品率图）np图（不合格品数图）c图（不合格数图）u图（单位产品不合格数图）控制图分类控制图选择确定要

13、制图的特性指标数据是变量数据吗?是对不合格品感兴趣吗?样本量恒定吗?样本量恒定吗?数据本身都一致或者是不益于分组采样吗?子组均值能被确定吗?子组样本大于或是等于9吗？每个子组都有计算s 的能力吗?使用使用 I-MR I-MR 图图使用使用 NP NP 图图或是或是p p 图图使用使用 p p 图图使用使用 C C 图图使用使用 u u 图图使用中位数值图使用中位数值图使用使用Xbar&R Xbar&R 图图是对缺陷感兴趣吗?使用使用Xbar&R Xbar&R 图图使用使用Xbar&S Xbar&S 图图不是不是不是不是不是不是不是不是不是不是不是不是没有没有不是不是是是是是是是是是有有是是是是

14、是是是是计量型控制图XbarR最常用的计量型控制图是X控制图和R控制图。经常上下对应的画在一起的综合控制图。X控制图主要观察工序平均值X的变化，R控制图主要观察工序散差的变化。由于两图同时使用，既可观察各组平均值的变化，又能观察到整体分布的变化情况。X-R控制图最适合于产品产量较大且稳定的生产过程。X bar-R控制图的操作步骤确定对象、抽取数据（收集25个样本，每个含5个数据）计算样本的X和R计算所有数据的X和R计算R图的控制线、X图的控制线将数据在图中打点并作图。计量型控制图A2,D3和D4是休哈特控制常数43RRUCL D RLCL D R=确定XbarR图的上下控制线X1X2X3X4X

15、5SG 143.843.747.246.344.4SG 244.743.245.745.844.4SG 345.343.844.346.246.6SG 445.444.144.645.345.0SG 543.845.644.644.845.0SG 645.746.045.645.946.5SG 746.545.645.746.945.6SG 846.145.845.545.945.1SG 944.544.045.445.844.7SG 10 47.843.644.546.044.5SG 1145.545.442.847.045.1SG 12 46.843.543.446.045.0SG 13

16、44.244.746.144.545.8SG 14 44.644.745.243.045.5SG 15 46.046.045.044.547.2SG 16 46.343.744.846.045.4SG 17 43.243.045.644.845.4SG 18 45.245.146.945.044.8SG 19 44.644.544.643.745.1SG 20 45.644.246.043.545.9计量型控制图I-MR单值，移动极差图I-MR 图是针对相同数据的两个单独的图形 I 图是单值图 MR 图是移动极差图 I-MR 图对趋势，循环和模式是敏感的当子组变差为零或没有子组存在时使用它 破

17、坏性测试 成批处理I-MR和单值图每隔一个小时，STA就会测一次钣金的焊接强度。过程受控吗?由于数据是单值，因此将要使用I-MR图。这是破坏性测试的一个例子。Pull Test2.382.062.461.962.222.442.162.131.972.292.071.972.092.162.572.832.042.132.552.39画I-MR图E2,D3 和和 D4 是休哈特控制常数是休哈特控制常数确定I-MRUCL和LCLnp-图测量不合格品比例 使用二项式分布 好/坏,接收/拒收,是/否每个比例值是样本的子组 需要很多个子组(最少50)子组样本容量恒定控制限将保持不变为了分析合理，需要2

18、0或是更多的子组数np-图采购部每天检查125个采购订单，并记录了对应的不合订单的数量。订单输入过程受控吗?由于针对不合格品的子组样本量恒定，那么就是使用np-图u-图确定缺陷的数量 使用泊松分布 好/坏,接收/拒收,是/否每个统计就是样本的一个子组子组样本容量可能变化控制限可能变化为了利于分析，建议需要20或更多的子组数u-图经过某一工序“加工”后，对塑料制品统计缺陷数，在长度上是不确定的。过程受控吗?由于加工长度不恒定，缺陷数有一个变化的机会区域，那么使用的是u-图。用于监测不合格品数量，要求子组容量恒定用于监测不合格品的比例，子组容量可以是变化的一般可用于通/止规、合格/不合格数量、车辆

19、漏水检测、线束通断等离散型缺陷数量的数据收集分析用于监测每个单位上的不合格数，要求子组容量恒定用于监测不合格数，子组容量可以是变化的一般可用于玻璃上的气泡数量评价、油漆缺陷、零件外观缺陷点等针对每个零件上的缺陷数量的数据收集分析上572s4s6sACCBBALCLUCL1.在控制限之外的任何点2.9个连续的点在中心线的同一边3.6个连续的点连续上升或下降4.3个点中有2个都在A区或之外5.5个点中有4个都在B区或之外6.14个连续的点交互上升和下降7.15个连续的点在任一个C区8.连续8个点距中心线的距离大于1个标准差（任意一侧）TestsproposedbyLloydNelson(1984)

20、andusedbyMINITABforrunandtrendanalysis控制图判异原则Nelson在控制限之外的任何点9个连续的点在中心线的同一边6个连续的点连续上升或下降3个点中有2个都在A区或之外5个点中有4个都在B区或之外14个连续的点交互上升和下降15个连续的点在任一个C区连续8个点距中心线的距离大于1个标准差（任意一侧）错误警报率0.0027大约0.003大约0.0030.003050.0043大约0.004大约0.003大约0.003Nelson的所有测试错误警报率基本相同。WesternElectric规则没有这个特性。控制图判异原则Nelson 测试 1规则1:超出控制限之

21、外的任意点ABCCBANelson 测试 2规则2:9个连续的点在中心线的同一边（连续7点位于中心线一侧）ABCCBANelson 测试 3规则3:6个连续的点连续上升或下降ABCCBANelson 测试 4规则4:23的点距中心线的距离超过2个标准差(同一侧)ABCCBANelson 测试 5规则5:45的点距中心线的距离超过1个标准差(同一侧)ABCCBANelson 测试 6规则6:14个连续的点交互上升和下降ABCCBANelson 测试 7规则7:连续15个点排列在中心线1个标准差范围内(任一侧)ABCCBANelson 测试 8规则8:连续8个点距中心线的距离大于1个标准差(任一侧

22、)ABCCBA67判异熟练度国家统计局统计上海市平均身高为178cm，最高192cm，最低165cm。（数据纯属虚构）控制限外控制限外3个点中有2个都在A区或之外过程控制样本时间失控（存在特殊原因）受控（消除特殊原因）过程能力样本时间受控但不能满足规范（普通原因引起的变差过大）受控并且能满足规范（普通原因引起的变差被减少）过程控制与过程能力过程控制系统的目的是：消除特殊原因，对当前和将来的过程状况进 行预测。在过程控制当中，存在两种风险：1、控制过多（第一类风险）；2、控制不足（第二类风险）；当过程中仅存在普通原因时，过程统计受控；当过程存在特殊原因时，过程控制系统将会提供统计信号，那么就应该

23、对特殊原因采取相应的行动（如果对过程有害，就去除掉，如果对过程有益，使他们长期保留）；过程控制系统不是一时的，它真正的好处是应该作为一种的工具。过程控制与过程能力变量数据（总体近似服从正态分布）:1、过程能力(Process Capability)；2、过程性能(Process Performance)。长期过程数据短期过程数据能力性能变量数据CPCPKPPPPKDPUPPMDPMO数据类型指标类型统一的指标特性数据当一个过程受控，输出是一致的并且只有普通原因造成的变差，不会有特殊原因造成的变差出现。但是，一个受控的过程并不意味着会生产出符合规范的产品或服务。规范限不同于控制限。规范是用于判定

24、指定特性的接受能力的工程要求。规范限直接反映或包含顾客（内部或外部）要求和期望。控制限可能高于或低于规范限。过程能力也不同于过程控制。过程能力展示了与规范或顾客要求相关的过程性能或输出。一个在规范内的过程可以被认为比不在规范内的过程更有能力。控制限与工程规范限过程控制及过程能力受控不受控可接受P合格产品!始终能生产合格的产品。可能没有能力始终生产出合格产品!可能正在改进过程,或者相对公差带来说过程变差还算小不可接受随时都可能生产不合格产品。随时都可能生产不合格产品!满足要求控制可能需要稳定需要稳定,减小变差，和/或者均值需要移动需要减小变差,和/或是均值需要移动O?P O O 过程统计受控且有

25、能力满足公差的要求,是可接受的84过程不受控,但是落在公差范围内,是可接受的过程控制及过程能力过程控制及过程能力过程统计受控且落在控制限内,但是超出了公差范围且偏离了目标值,是不可接受的85过程统计受控且落在控制限内,虽然在目标中心但是却超出了公差范围,是不可接受的过程控制及过程能力85过程落在控制限外(不受控),并且超出了公差范围和偏离了目标值,是不可接受的86过程不受控且落在控制限外,虽然在目标中心但是却超出了公差范围,是不可接受的123468.27%95.45%99.73%99.99%如果数据呈现正态分布,就可以通过计算来预知过程的输出对预见性的测量可以得到合格产品与不合格产品之比正态分

26、布与高斯分布百分比正态检验工具直方图显示数据的分布情况正态检验工具散点图正态的可能性判断正态检验工具P值P-Value用于Anderson-Darling正态检验用假设检验的方法判断是否符合正态分布如果 p 0.05,数据就可能不是正态分布正态检验工具正态检验直方图正态检验散点图（正态可能性检验）子组内(Within)变差（c或R/d2）仅来自子组内的变差。如果过程统计受控，该变差是过程固有变差很好的估计。它可以通过控制图R/d2或S/C4来估计。SPC变差的类型-组内变差/组间变差/总变差SPC变差的类型-组内变差/组间变差/总变差指不同子组间的变差。假设过程统计受控，子组间变差应该为零。S

27、PC变差的类型-组内变差/组间变差/总变差子组间(Between)变差SPC变差的类型-组内变差/组间变差/总变差由子组内变差和子组间变差共同组成。如果过程不是统计受控，过程总变差包括特殊原因和普通原因的影响。该变差可以用样本的标准差s估计，用控制图或过程研究中的所有单值读数。SPC变差的类型-组内变差/组间变差/总变差过程总(Overall)变差（p或s）SPC变差的类型-组内变差/组间变差/总变差Cpk,PpkCpk,Ppk与变差的关系与变差的关系不同的过程能力指标意味什么?指标标准差名称代表应该包含评估信息渠道6西格玛Cp与CpkProcess Capability过程能力Process

28、 Variation“内在的固有的”过程变差只存在普通原因，可预见的，要求过程受控且稳定过程标准差（组内）控制图短期(Minitab)Pp与PpkProcessPerformance过程性能Total Process Variation 总的过程变差普通原因和特殊原因不可预见的，反映性能总的过程标准差（组内和组间）控制图或过程研究长期(Minitab)Cp/Cpk和Pp/Ppk公式对于 Cpk 和 Ppk,取其中的最小值关于重新计算(设定)控制限和Cp/Cpk过程输出有改进吗?调查过程改进的原因,并确定改进的影响是永久的,重新计算控制限如果通过改变的数据证实过程的改进是真实的,并且新的过程变得

29、稳定和受控,在适量的数据收集后,重新计算控制限和Cp/Cpk过程输出有退化吗?不重新计算控制限调查过程退化的原因不重新计算控制限移除已知的过程改变,把过程带回以前的状态不知道过程改变知道过程改变短期能力指标LSL短期过程宽度设计宽度 顾客的声音USLT+3s-3s+3sUSLLSL过程宽度 过程的声音设计宽度 顾客的声音T-3s长期能力指标能力指标LSLUSLTVOC不确定的！理解过程能力=顾客声音过程声音Cp=分布宽度公差带=Cp不受过程分布位置的影响（对中性）并且只用于计算双边公差。对于单边公差是没有意义的。根据经验，在正态分布中，大约99.7%的数据落在正负3个标准差内，因此，过程的分布

30、宽度可以近似的看作6个标准差范围。R/d2是标准差的估算公式，6(R/d2)即用6倍标准差评估过程宽度。d2 基于子组大小的常数理解我们用Cp理解持续的过程潜在能力，与过程的对中性无关，目的是通过减少过程变差，使过程即使在对中程度有轻微偏移情况下也有能力满足顾客要求。理解Cp指标评价的只是潜在的过程能力，不是实际的过程能力，因为Cp只考虑了过程变差而忽略了过程的对中性。过程变差与过程对中性是不同的过程概念，一般结合Cp与Cpk分析过程能力。理解 Cpk指标显示了实际的过程能力，同时考虑了过程对中性及过程变差该指标直接的展示了过程能力是否满足顾客要求 Cpk 1.33 不能满足 Cpk 1.33

31、 满足也可以结合使用Cpk与Cp来预知潜在过程能力：随着时间趋势测量持续改进 区分过程改进的优先顺序 Cpk Cp（只有在过程对中的情况下Cpk=Cp）单边公差和双边公差都可以计算Cpk理解Pp指标显示了潜在过程性能 Pp不受过程分布位置的影响（对中性）并且只用于计算双边公差。对于单边公差是没有意义的。Pp的计算类似Cp，不同的是采用单个数据的标准差（不存在子组）理解我们用Pp理解潜在过程性能，显示了总的过程分布宽度与工程规范之间的比较，当总的过程变差减小时，Pp就会增大。Pp不同于Cp的地方1）评估的变差不同Cp是使用子组内变差均值R和转换因子（d2）来评估标准差，只评估了子组内的变差，没有

32、考虑子组间的变差。Pp采用单个数据来计算标准差，评估了总的过程变差，包括子组内的与子组间的变差。2）数据来源不同Cp采用有间隔的子组抽样数据Pp采用连续取样的单个数据（用于量产前的过程性能评估）Pp指标评价的只是潜在的过程性能，不是实际的过程性能，因为Pp只考虑了总的过程变差而忽略了过程的对中性。理解 Ppk指标显示了实际的过程性能，同时考虑了过程对中性及过程总变差。该指标直接的展示了过程性能是否满足顾客要求。Ppk 质量工具 能力分析 正态2、在Single column中选择数据C1，在Subgroup Size中填写53、在 Lower spec,输入 1.3.在 Upper spec,

33、输入1.84、点击 Options.在 Target(adds Cpm to table),输入1.55.去掉 Overall analysis 前面的.点击对话框中的 OK.用MINITAB计算正态数据的过程能力Cp/Cpk用MINITAB计算正态数据的过程能力Pp/Ppk1、选择 统计 质量工具 能力分析 正态2、在Single column中选择数据C1，在Subgroup Size中填写53、在 Lower spec,输入 1.3.在 Upper spec,输入1.84、点击 Options.在 Target(adds Cpm to table),输入1.55.去掉 Within su

34、bgroup analysis前面的.点击对话框中的 OK.用MINITAB计算正态数据的过程能力Pp/Ppk非正态数据的过程能力第1步：确保过程受控首先，必须判断过程是否受控和稳定，如果不是，应识别并消除特殊原因，使过程受控和稳定（使用不稳定和不能随时间再现的数据将导致计算出错误的过程能力指标）第2步：正态检验其次，必须对数据做正态检验以判定是否呈正态分布，如果不是（需要通过分析样本容量是否足够大、数据是否来源于不同的设备等原因进一步确定正态分布的可能性），则需要对数据做正态转换.非正态数据的过程能力第3步：执行数据转换 使用Box-Cox转换函数将非正态数据转换为正态数据 Box-Cox转

35、换函数的目的是识别出值并使用公式Y（Y代表非正态数据）将非正态数据转换为正态数据第4步：请教SPC或质量专家在某些情况下，Box-Cox转换函数不能将有些非正态数据转换为正态数据，这就需要请教SPC或质量专家应用更高级的统计方法来确定过程能力，例如使用指数分布或对数分布等方法转换函数并不总是有效，因此在使用转换后的数据计算过程能力前，还需要对转换后的数据做正态检验。用MINITAB计算非正态数据过程能力1、选择 控制图 BoxCox变换2、选择 All observations for a chart are in one column,然后输入 C1.3、在Subgroup sizes中输入

36、 54、选择 Options.在 Store transformed data in,输入 C2.然后在每个对话框中都点击 OK.由Minitab优选一个用MINITAB计算非正态数据过程能力5、对转换后的数据进行正态检验6、计算过程能力（需要在 Capability Analysis(Normal Distribution)对话框中激活Box-Cox选项）Cp/Cpk与Pp/Ppk总结Cp/Cpk 使用有间隔的抽样数据，一般用于量产后Pp/Ppk 使用连续采样数据，一般用于量产前的过程研究Cp/Cpk 计算要求过程稳定、统计受控并且符合正态分布Cp/Cpk 使用极差的平均来计算过程标准差Cp

37、/Cpk 可以使用一组数据尝试预知过程的固有变差，仅仅包含普通原因变差Cp/Cpk与Pp/Ppk总结Pp/Ppk 使用样本的单个数据点代替极差的平均来计算过程的标准差Pp/Ppk 是过程性能的展示，反映了总的过程样本的历史纪录，并且包含普通原因和特殊原因变差，但是不能分别区分这两种变差Pp/Ppk 不用于持续改进或预知过程表现Pp/Ppk 可以从控制图或过程研究中求得初始过程能力Ppk初始过程能力与顾客要求相关的过程能力的短期评估获得新的或变更后的过程的早期信息方法收集合理的数据（一般子组 20，每组至少3到5个测量数据，连续采样或有间隔的采样）绘制控制图检验测量数据的分布计算Ppk要求稳定的

38、过程如果 Ppk 1.67，通常认可可以运用采样策略开始生产如果 Pp 1.67 但是 Ppk 1.67，调整过程使之靠近目标值持续过程能力Cpk持续过程能力与顾客要求相关的过程能力的长期评估适用产品/过程CC/SC方法收集合理的数据（一般子组 20，每组至少3到5个测量数据，连续采样或有间隔的采样）绘制控制图过程必须统计受控检验测量数据的分布计算Ppk要求稳定的过程如果Cpk 1.33，通常认为过程稳定如果 Cp 1.33 并且 Cpk 1.33 调整过程使之靠近目标值推动过程持续改善120SPC的认识误区剖析（一）有控制图就是在推动SPC？l这张控制图是否有意义？l这张控制图是否受到应有的

39、重视？是否已按照规定执行追踪与判断分析？l它所能控制的参数真的对产品品质有举足轻重的影响么？l控制限制订的有意义么？这些问题经过推敲之后才能帮助我们队SPC作更深入的了解。121SPC的认识误区剖析（二）有了Ca/Cp/Cpk等计算就是在推动SPC？Ca/Cp/Cpk是在SPC中计算过程能力最主要的指标，因此会进行过程能力分析，当然需要对SPC认识较深入，但是值得再深入探讨的是lCa/Cp/Cpk有定期的反馈么？l是否已用Ca/Cp/Cpk作订单分派给不同生产线的依据？lCa/Cp/Cpk被活用了么？Ca=(X-)/(T/2)122SPC的认识误区剖析（三）有了可控制的过程参数就是SPC？过程

40、参数的确是SPC的焦点，但是我们应深入探究l为什么挑出这些过程参数？l这些过程参数的控制条件是如何决定的？l这些过程参数与成品品质间有因果关系可循么？123SPC典型案例平均值XBar1234567891011121314151617181920212223242512.62012.64012.66012.68012.70012.72012.74012.730712.730712.697412.697412.664212.6642Xbar图（平均值图）子组数极差R123456789101112131415161718192021222324250.0000.0200.0400.0600.080

41、0.1000.1200.10410.10410.04560.04560.00000.0000R图（极差图）组距频数12.6412.652512.66512.677512.6912.702512.71512.727512.7412.752512.76501020304050607001703060023040直方图数据趋势线某零部件注塑工序的控制图及分析结果收集样本总数125下规范限(LSL)12.6000正常值12.6000上规范限(USL)12.8000总和1,587.1800读数平均值(X)12.6974最大值12.7400最小值12.6400低于下规范限0超出上规范限0极差平均值(R)0

42、.0456D2 值 (n=4)2.3260能力指数上限(CPU)1.7438能力指数下限(CPL)1.6568能力指数(Cp)1.7003过程能力(Cpk)1.6568能力比值(CR)3.1820标准偏差(n-1)0.0183标准偏差(n)0.0182变差(n-1)0.0003变差(n)0.0003性能指数(PP)1.8203性能比率(PR)0.5494性能指数(Ppk)1.7737124典型案例SPC分析结果：1、公差宽度12.8-12.6=0.2mm2、控制限宽度12.73-12.66=0.07mm3、Cp=1.70 Cpk=1.67 Pp=1.82 Ppk=1.774、Rmax=0.08

43、 Rmin=0.021、设备精准度是否能够达到？2、选择什么量具？精度需求？CPK和PPK值出现在同一统计过程分析中？以谁为准呢？极差值采样数量能否反映出生产过程的离散分布？量具精度是否足够？125典型案例SPC初步数据分析结果：1、控制限宽度0.07mm0.01mm级精度？意味着什么？对控制者和设备的要求是什么？2、Cp=1.70 Cpk=1.67 Pp=1.82 Ppk=1.77是在做初始过程研究？还是统计过程能力？3、Rmax=0.08mm Rmin=0.02mm1）MSA是否已经真实有效的完成？2）选择的量具是否合适？3）是否还隐含了其它信息？引用QS9000中PPAP手册中的一句话：

44、“当可能得到历史的数据或有足够的初始数据来绘制控制图时（至少100个个体样本），可以在过程稳定时计算Cpk。对于输出满足规格要求且呈可预测图形的长期不稳定过程，应该使用Ppk。”可以作为一个一次性的评估工具，但是过程控制系统的真正的好处只有在把它作为一个持续学习持续学习持续学习持续学习的工具而不是符合性判定不是符合性判定不是符合性判定不是符合性判定的工具（合格/不合格、稳定/不稳定、有能力/没有能力等）使用才能实现。摘自SPC手册第二版谢谢观看/欢迎下载BY FAITH I MEAN A VISION OF GOOD ONE CHERISHES AND THE ENTHUSIASM THAT PUSHES ONE TO SEEK ITS FULFILLMENT REGARDLESS OF OBSTACLES.BY FAITH I BY FAITH