【正文】 講師 ： 嚴昭建 Email: Mobile: 13451781693 Statistical Process Control SPC統(tǒng)計過程控制 1 課程行為準則 ?需要雙向的溝通（講師和學員） ?如果您有與課題相關的經(jīng)歷或資料，請與大家分享 ?有問題作好記錄 ?聯(lián)想式聽講－－我如何在工作中運用這種工具或方法 ?休息后準時回來 ?關閉手機或者使用振動方式 ?如果您認為課程過重請及時告訴講師 2 課程大綱 1. 控制圖的基本理論 2. SPC控制圖的展開與應用 3. 過程的受失控狀態(tài) 4. 過程能力研究 5. SPC導入整體規(guī)劃 3 4 ?SPC是英文 Statistical Process Control的前綴簡稱 ,即 統(tǒng)計過程控制。 ?SPC就是應用 統(tǒng)計技術 對過程中的各個階段收集的數(shù)據(jù)進行分析，并調(diào)整制程，從而達到改進與保證質(zhì)量的目的。 什 么 是 SPC 5 戰(zhàn)后經(jīng)濟遭受嚴重破壞的日本在 1950年通過休哈特早期的一個同事戴明 (W. Ed wards Deming)博士，將SPC的概念引入日本。從 1950～ 1980年，經(jīng)過 30年的努力，日本躍居世界質(zhì)量與生產(chǎn)率的領先地位。美國著名質(zhì)量管理專家伯格 (Roger W. Berger)教授指出，日本成功的基石之一就是 SPC。 美 國貝爾實驗室休哈特博士（ W. A. Shewhart）于 1924年 發(fā) 明控制 圖 ， 開啟 了 統(tǒng)計 品管的新 時 代 。 SPC興 起的背景： 起源 1940’s 二次世界大戰(zhàn)期間，美國軍工產(chǎn)品使用抽樣方案和控制圖以保證軍工產(chǎn)品的質(zhì)量。 6 SPC興 起的背景： 日本 1950’ s ? 質(zhì)量管理大師戴明博士在日本工業(yè)產(chǎn)品生產(chǎn)過程中全面推行 SPC。 ? 日本 JUSE（科學家協(xié)會）設置“戴明”獎，獎勵那些有效實施統(tǒng)計技術的企業(yè)。 ? 石川磬提出“ QC七工具”，幫助生產(chǎn)現(xiàn)場人員分析和改進質(zhì)量問題，并推動廣泛應用。 1970’ s ? 有效地推行 “ QCC圈”和應用統(tǒng)計技術使日本經(jīng)濟的快速發(fā)展，成為高品質(zhì)產(chǎn)品的代名詞。 1980’ s ? 美國等其他國家緊隨日本的步伐，開始推行“ QC小 組”和統(tǒng)計技術的應用。 ? 美國汽車工業(yè)已大規(guī)模推行了 SPC，如福特汽車公司，通用汽車公司，克萊斯勒汽車公司等，上述美國三大汽車公司在 ISO9000的基礎上還聯(lián)合制定了 QS9000標準，編制了 SPC手冊。在與汽車有關的行業(yè)中，頗為流行 。 ? MOTOROLA 公司頒布“ QC挑戰(zhàn)”，通過 SPC的實施改進過程能力，并提出追求“ 6σ ” 目標。 1987 ? ISO9000標準建立并頒布實施，明確要求實施統(tǒng)計技術。 7 Six Sigma Tree中的統(tǒng)計技術 …. 6σ 達成（完美） ５ σ 改善設計 （果子最集中的地方） ４ σ 過程改善 （矮樹上的果子） ３ σ （地上的果子） 全部的果子都在你手中啦 能摘到這里的果子，基本上能達到小康了 這里的果子很有限 靠天吃飯，撿吃地上不多的果子 2→3 σ： 5倍改善 3→4 σ： 10倍改善 4→5 σ： 27倍改善 5→6 σ： 70倍改善 因此： 3→6 σ： 19,600倍改善 8 品管方法 歷 程 1σ 2σ 3σ 4σ 5σ 6σ 233 6,210 697,300 308,700 66,807 產(chǎn)品檢查 產(chǎn)品管制 過程 管制 品管 7手法 (5S、 QCC、 ISO9001:2022) 管理改 進 (PDCA)一般公司 THREE SIGMA改善 技術 改 進 (DMAIC) 世界 標竿 公司 SIX SIGMA改善 方法 管制 試驗計劃與制程 結合 試驗計劃與設計 結 合 過程 管制 最佳化 設計 管制 最佳化 PPM Average Company 一般公司 Best in class 世界 標竿 公司 9 規(guī)格管理的危險性 Not just to meet customer or contractual requirements!!!—被 BOSS訓斥的痛苦 !!! 10 Spec LSL USL Very Centered 變異是我們的敵人 LCL UCL 不良品已經(jīng)產(chǎn)生 潛在不良出現(xiàn) 控制線管理的益處 11 SPC統(tǒng)計的起始階段－直方圖 將收集的測定值或數(shù)據(jù)之全距分為幾個相等區(qū)間作為橫軸，并將各區(qū)間內(nèi)之測定值所出現(xiàn)次數(shù)累積而成的面積以條狀方式排列起來所產(chǎn)生的圖形，稱之為直方圖。 用途： SPC基礎統(tǒng)計知識 12 塑膠殼1472223251061 10510152025301 . 2 8 1 . 3 1 1 . 3 4 1 . 3 7 1 . 4 1 . 4 3 1 . 4 6 1 . 4 9 1 . 5 2 1 . 5 5尺寸( m m )個數(shù)直方圖的作法 1. 收集數(shù)據(jù) 2. 計算組數(shù) 組數(shù)＝樣本數(shù)的平方根 3. 計算全距：由全體數(shù)據(jù)中找出最大值與最小值之差 。 4. 決定組距：組距 = 全距 / 組數(shù) 為便于計算平均數(shù)與標準差 ,組距常取 10 的倍數(shù)。 5. 決定各組之上下組界： | 先求出最小一組的下組界，再求出上組界依此類推，計算至最大一組之組界。 最小一組下組界 = 最小值 測定值之最小位數(shù) /2 最小一組上組界 = 下組界 + 組距 6. 決定組中點 7. 制作次數(shù)分布表 8. 制作直方圖 13 (例 )有一機械廠，為了解制品外徑尺寸之變化，由產(chǎn)品抽取 100個樣本測定其外徑，測定結果如下表，試作次數(shù)分配表。 實例說明 14 (1)定組數(shù) ： 或 (2)求組 距： 全距＝ Xmax－ Xmin＝ － ＝ 組距＝ ＝ → (3)決定 組距 第一組下組界＝最小測定－ 1/2測定單位 ＝ － ＝ 。 以 組 之 組 界值 ， 如次數(shù)分配表 。 (4)計算各組間之中心值 第一組中心值＝ ＝ 以 。 組數(shù)全距15 K=1+ Lgn 26 3 6 3 3 ?10100 ??n組數(shù) 組界 中心值 劃記 次數(shù) 1 – 1 2 5 3 10 4 11 5 15 6 22 7 15 8 9 9 7 10 4 11 1 合計 100 16 Histogram151011152215974105101520251 2 3 4 5 6 7 8 9 10 11subgroupNo of events17 演 練 某電纜廠有兩臺生產(chǎn)設備 ,最近 ,經(jīng)常有不 符合規(guī)格值 (135~210g)異常產(chǎn)品發(fā)生 ,今就 A,B兩臺設備分別測定 50批產(chǎn)品 ,請解析并回 答下列回題 : . A,B兩臺設備之層別圖 ，請 說明哪臺設備較不佳 18 收集數(shù)據(jù)如下 : A設備 B設備 175 179 168 165 183 156 148 165 152 161 168 188 184 170 172 167 150 150 136 123 169 182 177 186 150 161 162 170 139 162 179 160 185 180 163 132 119 157 157 163 187 169 194 178 176 157 158 165 164 173 173 177 167 166 179 150 166 144 157 162 176 183 163 175 161 172 170 137 169 153 167 174 172 184 188 177 155 160 152 156 154 173 171 162 167 160 151 163 158 146 165 169 176 155 170 153 142 169 148 155 19 01234567891001234567890123456789100123456789012345678910012345678 雙峰型 孤島型 高原型 正態(tài)型 鋸齒型 絕壁型 分布狀態(tài)判斷 與規(guī)格值或標準值作比較 012345678下限 上限 表示制程之生產(chǎn)完全沒有依照規(guī)格去考慮 ,或規(guī)格 訂得不合理 ,根本無法達到規(guī)格 . 01234567LSL USL 100個機螺絲直徑直方圖。 圖中的直方高度與該組的頻數(shù)成正比 從直方圖到正態(tài)分布 如果資料越多，分組越密，則機螺絲直徑直方圖也越趨近一條光滑曲線，如直方圖趨近光滑曲線圖所示。在極限情況下得到的光滑曲線即為 分布曲線 ，它反映了產(chǎn)品質(zhì)量的統(tǒng)計規(guī)律，如分布曲線圖所示 23 將各組的頻數(shù)用資料總和 N=100除，就得到各組的 頻率 ，它表示機螺絲直徑屬于各組的可能性大小。 顯然， 各組頻率之和為 1。若以直方面積來表示該組的頻率，則所有直方面積總和也為 1。 24 ? 測定平均值 ? 在中心線或平均值兩側呈現(xiàn)左右對稱之分布 ? 極大值與極小值數(shù)量很小 ? 常態(tài)曲線左右兩尾與橫軸漸漸靠近但不相交 ? 曲線下的面積總和為 1 正態(tài)分布特征 25 統(tǒng)計學 ? 為了解被調(diào)查群體的某些隱含的特性，運用合理的 抽樣方法從被調(diào)查 群體 N中取得適當?shù)?樣本 n，通過研究樣本來發(fā)現(xiàn)群體的特性 ! 26 主要統(tǒng)計學名詞 群體 于制造業(yè)而言，通常指在同一生產(chǎn)條件下符 合特定要求的所有個體的集合 ! 也可稱為批量 記為 N 樣本 于群體中抽樣而得的部份個體的集合 ! 記為 n μ 群體平均值 X bar 樣本平均值 σ 群體標準差 ?x / s 樣本標準差 R 極差 /全距 Normal Distribution 正態(tài)分布 27 數(shù)據(jù)的集中程度 ? 平均數(shù) – （ 總體 ） – （ 樣本 ） (X Bar) ? 中位數(shù) ～ (X Wave) ? 眾數(shù) md (Mode) NX i???nXX i??28 X數(shù)據(jù)的離散程度 ? R極差 (Range)＝ 最大值－最小值 ＝Ｘ max－Ｘ min ? V方差 /變異 (Variation)(總體 ) (樣本 ) ? S標準差 Standard deviation(總體 ) (樣本 ) NX i? ?? 22 )( ??NX i? ?? 2)( ??1)( 22??? ?nXXs i1)( 2??? ?nXXs i29 正態(tài)分布中，任一點出現(xiàn)在 μ 177。 1σ 內(nèi)的概率為 P(μ σX μ+σ) = % μ 177。 2σ 內(nèi)的概率為 P(μ 2σX μ+2σ) = % μ 177。 3σ 內(nèi)的概率為 P(μ 3σX μ+3σ) = % % % % μ +1σ +2σ +3σ 1σ 2σ 3σ 正態(tài)分布 30 正態(tài)分布概率 (雙邊 ) μ177。 kσ 在內(nèi)的概率 在外的概率