SPC培训讲义

ForSPCTrainingSPCtraining-----------------------------BySiwawangForSPCTrainingTrainingSummary1.基础统计认识-数据和事件的判断-顾客,顾客不满足(不良)-Data的表现与种类2.SPCIntroduction-管制图概念-管制图种类-管制图的绘制(Xbar,R,XbarS,N,NP,U,C)3.QC7Tool-QC7Tool概要-QC7Tool练习-End-ForSPCTraining1.基础统计认识BasedStatisticalknowledgeForSPCTraining对总体的判断◆总体和Sample标本(Sample,10)总体(N=1,000)Sample10个测定(规格:100±4)ⅩⅩⅩⅩⅩⅩⅩⅩⅩⅩ96979899100104101规格下限规格上限102103•如果全部检查在时间上,经济上不可能!•使用Sample的统计变量(變數)(平均值和散布)推定总体.•总体能不能判断为合格?1)AQL→Yes:因为Sampling的10个测定值都在规格内→OK2)SPC→No:用SampleData推定总体的不良率是2.8%→水准*AQL(AcceptableQualityLevel):合格品质水准SPC(StatisticalProcessControl):统计制程管制Sampling补充抽样知识ForSPCTraining事件和数据的对应关系问题:•如果现在很多人为了上车无秩序的聚在一起等车•改善的方法:1.有秩序地排列乘车--减少散布(reducethevariation)2.加大公交车的门，谁都容易乘车。--增加公差(openthespecifications)3.车Parking的地方，人聚在一起。--中心值移动(shiftthemean)4.上面3种方法中2种以上CombinationForSPCTraining至今为止…SpecLSLUSL我们合格Spec-in就合格IamData(我活着)Spec-out不合格检出不良不良的故事会继续下去…ForSPCTraining以后…SpecLSLUSL集中在中心才合格散就死Spec-in但没有达到水准就不合格潜在的不良事前预测呀!有吃的(不良)不良的故事会继续下去?ForSPCTrainingEasySixSigmaLGElectronics/디지털정보Display사업부中心值•ArithmeticMean(算数平均)•X=Σi=1Xinn•GeometricMean(几何平均)•G=(X1*X2*,,,,Xn)1n•Median(中央值)•Mid-Range(中位数)•M=Xmax+Xmin2•X•H=[n1Σx1]1•调和平均测定的Data怎样表现?–中心值Data的表现:中心值ForSPCTrainingEasySixSigmaLGElectronics/디지털정보Display사업부Data의계산散布(Dispertion)偏差(Deviance/Deviation)分散(Variance)范围(Range)变动系数**(CV:CoefficientofVariation)绝对平均偏差(MeanAbsoluteDeviation)标准偏差(StandardDeviation)变动(Variation)≒SS,S(SumofSquares)•散的程度•偏移的程度•V=SSn-1•Xmax-Xmin•CV=σX•MAD=Σi=1nXi-Xn•σ(orStDev)=V•SS=Σi=1(Xi-X)2Z-Value*•Z=Xi-μσn(%)*Z值:特定测量值于资料的的平均距离几个标准偏差的相对性位置尺度.理论性表示工程能力的尺度，品质特性的平均值和规格中心一致时，规格和平均值的相差相当于标准偏差的几倍距离**变动系数:测定值的相差大的资料间比较散布或者测定相异的资料间的散布比较时使用。测定的Data怎样表现?–散布Data的表现:散布ForSPCTraining问题解决问题/Issue事项连续型Data(ContinuousData)离散型Data(DiscreteData)•连续型Data:如长度,重量,时间等能够使用测定刻度尺的Data(计量型)所测定的尺度不断能够细分而且比不连续的Data提供更多的情报•离散型Data:与合格/不合格,决定数等能用个数表示的Data(计数型)不能再细分。资料的类型属性(Attribute)命名(Nominal)范畴(Category)统计特征值缺陷(Defect)资料的类型变数(Variable)比率(Ratio)统计特征值位置(Location)散布(Spread)模样(Shape)Data种类ForSPCTraining区分Data种类的目的•确定Data的Display方法和分析方法•决定要Gathering的SampleSize•决定适切的ControlChart•决定适切的Sigma(orZ-Value)计算方法(DPMOor工程能力分析)连续型Data(计量型)•可以分解Data,且测定的数据的大小有意义•客观性Data:时间,重量,长度等测定计测仪可以测定的Data•主观性Data:满足度,充实度等Data的测定基准按始点发生变更离散型Data(计数型)•不可能分解Data,所测定的数据Count时.•客观性Data:缺点数,承认件数,误差件数,位置等判断的情况明确的内容•主管性Data:包含Yes/No,Good/Bad等人的主观性内容的内容※实际情况下离散型和连续型分类比较困难时例1)主/客观式混合的数学能力分数→离散型但是可以看作连续型例2)使用尺度法的论文结果→连续型处理,还是离散型处理，按照事件,分析的目的考虑置信度慎重判断Data种类ForSPCTraining2.SPCIntroductionForSPCTrainingu-3δ+3δ-3δ+3δUCL管制上限CL中心線LCL管制下限翻轉90度利用品質特性的發生機率來判斷是否有異常的狀況發生管制上下限與中心線–管制上下限為平均數上下3個標準差範圍內幾乎會涵蓋所有可能發生的狀況超出管制界限範圍之外的狀況被視為異常–中心線---製程的平均品質水準。*1920年Bell研究所的Dr.WalterShewhart开发.*管制图概念ForSPCTraining管制图:由时间的推移，Performance的变动以Graph形式表现•管制图Logic可信的Output掌握工程能力/管理状态ControllerProcessInputOutputUCLLCLX制作管理图SamplingUCLLCLX=异常原因变动区域异常原因变动区域安定的Process变动领域(只存在偶然原因)Process在管理状态上即,也能说在安定状态上•持续维持工序最佳化条件的保证-Process是始终由于偶然原因(CommonCause)和特殊原因(SpecialCause)引起变动的.-使用管理图,能分离统计性的管理上/下限的使用.---解释管理图，就知道Process是否在安定状态.•按照Process上发生特殊原因Monitoring后，可以采取指定对策使用管制图的优点管制图(ControlChart)ForSPCTrainingData连续型/计量型离散型/计数型n=1？I-mRXbar-RXbar-SXmedian-RucpNpYesNoNoYesCUSUMEWMAYesNoNoYesSubgroupsize是否一定?Subgroupsize是否一定?测量值/平均值不良数/不良率管制缺点数/单位缺点数管制YesNoYes管制图种类ForSPCTrainingχUCLLCLUCLR①管理脱离:☞点脱离管理界限时(在管理界限上的点看做是脱离管理界限.)☞对策:在这里产生了特殊原因查出其原因，不让它再发①①②大小7以上的RUN:☞在中心线的一边连续出现7个以上点的时候.☞对策:工程的平均或者散布有些变化查找其原因的话，能得到技术上有利的情报.②②⑤⑤安全状态(管理状态):☞观察管理图上的点，在连续25个点以上不出现①~④的这种现象的状态.☞对策:工程稳定，且满足规格不需采取对策④④④④倾向和周期性频度:☞点一直往上或者往下的时候，看到周期性变动的时候☞对策:工程上存在其倾向或者周期性变动原因，找出原因的话，可以得到工程管理上的有益条件。③③在界限附近的点:☞点在管理界限内，且2σ和3σ之间存在连续3个点中的2点.☞对策:在工程上散布增加，存在什么异常需要ACTION.管制图的解释ForSPCTrainingkX=X1X2X3X4X5χΣi=1nχiR备注12345678910131.0131.3131.2131.1131.3131.2131.3131.6131.2131.2130.9131.3131.2131.3131.3131.2131.2131.3131.3131.1130.9131.3131.2131.2131.3131.2131.2131.2131.2131.2392.8393.9393.6393.6393.9393.6393.7394.1393.7393.5130.93131.30131.20131.20131.30131.20131.23131.37131.23131.170.10.00.00.20.00.00.10.40.10.1TOTAL1)DATA收集2)群区分n=3,k=103)DATA计算DATASHEET4)ⓐⓑⓒ是各列的总和ⓐ=3936.4,ⓑ=1312.13,ⓒ=1.0χ=ⓑ/k=131.213R=ⓒ/k=0.1ⓐⓑⓒ5)管制图制作之XbarR管制图ForSPCTrainingχ6)管制图界限的计算CL=UCL=LCL=χ=131.213χR=131.213+1.023*0.1=131.315+A2R=131.213-1.023*0.1=131.111-A2CL=UCL=LCL=R=2.575*0.1=0.258D4R=0D3管制图管制图R=0.1Rχn345A2D3D41.0230.730.582.5752.282.11---7)管制线-中心线:直线-界限:波线8)点-对应的值用点来标注，然后连线-点R值，画连其点的线。χ管制图制作之XbarR管制图ForSPCTrainingXBarRChartXChartSubgroupSizeControlLimitsStandardDeviationControlLimitsSubgroupSizeControlLimitsStandardDeviationControlLimitsnA2d2D3D4nE2d2D3D421.881.128-3.26712.6601.128-3.26731.0231.693-2.57440.7292.059-2.28250.5772.326-2.11460.4832.534-2.00470.4192.7040.0761.92480.3732.7470.1361.86490.3372.970.1841.816100.3083.0780.2231.777110.2853.1730.2561.744120.2663.2580.2831.717130.2493.3360.3071.693140.2353.4070.3281.672150.2233.4720.3471.653160.2123.5320.3631.637170.2033.5880.3781.622180.1943.640.3911.608190.1873.6890.4031.597200.183.7350.4151.585210.1733.7780.4251.575220.1673.8190.4341.566230.1623.8580.4431.557240.1573.8950.4511.548250.1533.9310.4591.541XXX...XwhereXXR