SPC（统计过程控制）概念及其概论.docx

《SPC（统计过程控制）概念及其概论.docx》由会员分享，可在线阅读，更多相关《SPC（统计过程控制）概念及其概论.docx（7页珍藏版）》请在优知文库上搜索。

1、精益制造(1.eanManufacturing)的关键思想之一是尽早发现缺陷，努力去控制制造过程，以便在缺陷发生之前发现问题，这种思想实际上早就已经有了，那就是SPC统计过程控制(SPC)是20世纪20年代初由休哈特在贝尔实验室首次提出的一套方法,正好是100年前。二战期间，戴明为美国工业制定了标准化的SPC,战后被引入日本。SPC逐渐成为六西格玛，丰田生产模式(TPS)和精益制造的关键部分。概论SPC测量过程的输出，寻找微小但具有统计学意义的变化，以便在缺陷发生之前进行修正。SPC最初用于制造业，在制造业中，它可以大大减少由于返工和报废而造成的浪费。它可以用于任何具有可测量输出的流程，SPC

2、现在也广泛应用于服务行业和医疗领域。SPC使用统计方法来监视和控制过程输出，这包括运行图和控制图等图形工具。实验设计也是一个重要方面。SPC必须分两个阶段进行。第一阶段首先确保流程符合需要，然后监视流程，以确保它继续正常运行。在第二阶段，确定正确的监测频率非常重要，这部分取决于重要因素的变化或影响。变异的一般原因和特殊原因SPC中的一个关键概念是过程的变化可能是由两种基本类型的原因引起的。在他的原著中，休哈特把这些称为“偶然原因和“异常原因”，其基本思想是，如果对一个过程的每一个已知影响都保持不变，那么输出仍然会呈现一些随机变化。休哈特说，这种随机变化是由偶然引起的，是不可避免的，可以用统计的

3、方法来理解它们。例如，如果我们知道一个过程只明显地受到偶然原因的影响，那么就有可能计算出给定部分不符合规格的概率。休哈特将其他变化来源称为异常原因。这些性质上不是随机的，是由可识别的事件或变化引起的，例如，温度变化、不同操作员或所用材料批次的变化。如果存在异常的变化原因，单用统计数据很难预测过程的输出是什么。在现代SPC中，偶然原因通常被称为“一般原因”，异常原因被称为“特殊原因:偶然或一般原因的变化也可以被认为是噪声。在噪声层以下，不可能检测到异常或特殊的变化原因的影响。如果这些特殊原因开始产生更显著的变化,那么它们就会在噪声层上方变得可见。这些概念与测量系统分析也有相似之处。一般或偶然原因

4、相当于测量系统分析中的精度和重复性。同样，特殊或异常原因等同于偏见或真实性。SPC的基本统计概念-标准差SPC是一个很大的主题，可能涉及一些相当复杂的统计数据。但是，要理解SPC的核心方法，只需要对统计学有一个非常基本的了解，你需要了解标准差、概率分布和统计显著性。标准差提供了一组值的变化或分散的度量。假设你要测量正在生产零件的制造过程的变化。你可以从测量30个零件开始。每个零件的测量值略有不同。查看这些值可以了解各部分之间的差异有多大，但我们需要一个数字来量化这些差异。测量这种分散的最简单方法是找到最大值和最小值,然后从最大值中减去最小值以给出范围。使用范围的问题是它没有考虑所有的值；它最好

5、是完全在两个极端上。我们检查的零件越多，得到的范围就越大，所以很明显这不是一个可靠的测量方法，也无法根据范围确定一致性的概率。标准差是我们需要的可靠度量。它允许在确定性假设有效的情况下计算一致性的概率。它基本上是所有单个值与所有值的平均值之间的平均距离。看下面这个简单的例子。我们测量了五个产品(n=5),值如下：3,2,4,5,1。这些值的平均值是总和除以n0(3+2+4+5+D/5=3接下来，我们找到每个值与平均值之间的差异：3-3=0,2-3=-1,4-3=1,5-3=2,1-3=-2在考虑离散度时，值是否大于或小于平均值并不重要，重要的是它们离平均值有多远。为了去掉方向(符号)，我们把每

6、一个差平方，然后把它们加在一起，除以n得到平均值：数学上通常是这样写的：到目前为止所计算的是方差。因为平均值的每一个差都是平方的，所以取方差的平方根是有意义的，这就是标准差。对于本例，标准差为根号2=1.410但是，由于样品只包含五个数据，因此一般情况下不能可靠地估计过程的标准差。因此必须进行修正，这是通过使用n-l而不是n来完成的。标准偏差的完整计算可以写成：标准差用于测量过程中的一般原因的波动。SPC的基本统计概念-概率分布SPC中另一个重要的基本统计概念是概率分布。随机事件可以用概率分布来描述。当你掷一个六边骰子时，可能的分数遵循一个简单的概率分布。骰子滚动1、2、3、4、5或6的几率相

7、等。如果骰子被掷6000次，你会期望每个数字出现大约100O次。如果你做了一个柱状图，所有的柱子的高度大致相等。这种矩形形状被称为矩形分布。当掷两个骰子时，会发生一些有趣的事情。得分可以是2到12之间的任何整数，但你得到7分的可能性要比2或12高得多。这是因为有几种方法可以得7分，但只有一种方法可以得2分或12分。例如，要获得2分,两个骰子都需要掷1分。有两种方法得分3(A=I和B=2)或(A=2和B=l)。所有可能的分数，以及实现这些分数的不同方法，如下所示：得分2:(1,1)得分3:(1,2)(2,1)得分4:(1,3)(2,2)(3,1)得分5:(1,4)(2,3)(3,2)(4,1)得

8、分6:(1,5)(2,4)(3,3)(4,2)(5,1)得分7:(1,6)(2,5)(3,4)(4,3)(5,2)(6,1)得分8:(2,6)(3,5)(4,4)(5,3)(6,2)得分9:(3,6)(4,5)(5,4)(6,3)得分10:(4,6)(5,5)(6,4)得分11:(5,6)(6,5)得分12:(6,6)每个得分的概率从最低值线性增加到中间值，然后线性减少到最大值。这种概率分布称为三角分布。当两个具有相似大小的均匀分布的随机效应相加以产生组合效应时，就会出现三角形分布。当更多的随机效应结合在一起时，三角形的峰值开始变平，末端延伸到尾部，形成一个钟形分布，称为高斯分布或正态分布。大

9、量的均匀分布或三角形分布加起来就得到了这个正态分布。事实上，正态分布是指当大量不同形状的随机效应叠加在一起形成一个组合效应时所产生的。中心极限定理在数学上证明了这一点。正态分布在自然界的亚杂系统中是非常普遍的，并且过程通常被简单地假定为正态分布。如果我们知道一个过程的标准差和概率分布，那么就有可能计算出在给定值范围内输出的概率，这意味着可以计算缺陷的概率。也可以计算给定值属于此分布的概率。如果被测部分不太可能来自稳定过程的概率分布，那么很可能出现了一个新的特殊原因，表明过程正在失控。运行图和控制图运行图是一个简单的散点图，其中X轴上的样本号和Y轴上的测量值。它展示了流程如何随时间变化的视图。控

10、制图与运行图非常相似，但它们也包括控制界限和其他区域。例如，在代表控制限值的土3标准偏差处可能有水平红线，而在1和2标准偏差处可能有额外的水平线，标准偏差的数量通常简单地称为西格玛。控制图是SPe中使用的一个非常重要的图形工具。它用于监视过程以检查它们是否处于“控制”状态。过程平均值和1西格玛之间的区域可以称为C区，1和2西格玛之间的区域可以称为B区，2和3西格玛之间的区域可以称为A区。重要的是要了解控制限值与产品规格或公差无关，它们只是显示了过程在控制下的变化，以便将其当前操作与该状态进行比较。过程能力也很重要，应该在建立过程控制的第一阶段建立，在第二阶段使用控制图以确保过程稳定。当一个过程

11、发生漂移或产生不能用正常的随机变化来解释的误差时,控制图可以很容易地识别出来。例如，如果有几个点都在增加或减少，那么这将表明过程失去控制。可以应用不同的规则来判断，但一般来说，如果下面这些条件中的任何一个是真的，则表明过程失控:一个点超出控制范围中心线同一侧的七个连续点连续七次增加或减少间隔同一区域A三个连续点中的两个同一区域B五个连续点中有四个连续14个点上下交替C区有14个连续点不同类型的控制图用于监控不同类型的过程，采用不同的采样策略。例如，单值移动极差图用于单个、实时测量，在采集常规样本时为X-barR或X-barS,属性数据为Np/p。SPC是品质管理过程中非常重要的一个工具，它不是

12、一个概念而是一种方法理论。SPC最初用于制造业，在制造业中，它可以大大减少由于返工和报废而造成的浪费，可以用于任何具有可测量输出的流程，SPC现在也广泛应用于服务行业和医疗领域。SPC：统计过程控制什么是SPC?SPC即统计过程控制，控制对象为产品特性或过程特性，通过数据识别过程异常。产品特性，主要通过原材料、半成品、成品表现出来，直接体现在输出上，如矿浆浓度、H+和Cu+含量。过程特性，主要通过人、设备、工装、工艺参数、环境表现出来，如PH、合成温度，过程特性直接影响输出的结果。SPC的作用？预防作用：通过过去和现在的数据分析，识别到特殊原因，从而起到预警作用，减少因过程异常导致的损失。控制

13、图有上下控制线，如果有异常的点，即使没有超过规格线，我们还是要预警，以减少损失。因为如果超过规格线再来预警就太迟了，那时候，大量的不良品已经产生了。比较作用：可以比较白晚班哪个班品质稳定、几个机台中哪个品质更稳，以及哪个改善方案更好等。识别过程产生变异的原因：这个要具体看是普通原因还是特殊原因造成的。如果是普通原因，根据结果有些是可接受的；相反，如果是特殊原因，那就说明过程有大问题，必须改善不可。例如，从控制图看，没有任何异常的点，但CPK就是小于1.33,这种情况就要进行分析了，看是不是要采取系统措施，如更换设备、更换材料、变更生产场地等。如何运用SPC帮助企业改善品质在批量生产前，我们就要

14、评估过程能力是否充足，不充足就不能转量产。主要是避免量产后出现批量不良，导致频繁变更，从而影响公司信誉及交货。在量产时，通过SPC提前预警，在出现不良前进行及时改善调整，避免品质事故、减少品质不良、降低品质成本。uc,UC1./C1./1.C1.通过控制图，可以帮助我们针对品质问题进行原因分析，找到失效的主要缘由，并对普通原因与特殊原因加以区别，以避免改善的盲目性。手法名尊目的(I)检二容Uid41.整理数北、HHtt(2)的依阳扪时f*绅何找出改从小么地方下手(3)府住要因困都JV存H(HUA)瞿MUN的美桑川找出簟因(4)三ffl-育林It财敢务的关鼐,用户佶理力法的决定力制(5)Jfl1

15、.使差双量化.用Ffr及方法的决定力Iar(6)冷修阳.曲囊ttura：rI程是古处卜定状6的圉我图入；使效果覆量化.笛怖神关总以化技要求1分数”偏般SR需QC七大手法常用计数数据SPC分析一一P图制作流程第一步：确定要进行不良率控制的机种或不良性质、测量工具、统计频率。如PCB导通不良率P图，一天统计一次。某某机种不良率P图，这个是所有不良性质P图。第二步：制作P图表一般用三张纸：第一张收集数据，第二张绘制P图，第三张注明变更、异常、原因分析及对策。第三步：检测并计算不良率，并在图上描点。第四步：得到100个数据后，计算控制线。第五步：删除异常的点，得到真正的控制线。第六步：把控制线带入下张控制图，先描上控制线。第七步：检测、描述、预警、原因及对策分析。第八步：得到100个数据后，重新计算控制线。控制图异常判定方法样本点落在管制界限之外控制点异常判定图（1）连续7点在同侧的C区或C区之外可能的原因：可能是过程切换;过程的均值增加了.或在极差图中变差增加了（例如材料的变化或是作业不变化）连续7点位于中心线同JW控制点异常判定图（2）测量结果单边的影响组装，风险极大，不能接受。出现这种情况必须进行原因分析、停控制点异常判定图（3）可