SPC概述PPT(共-71张)

SPCTrainingMaterial2020/2/142FlextronicsCorporatePresentation第一部分：SPC概述SPCTechniqueandPractice2020/2/143FlextronicsCorporatePresentationSPC的起源与发展1924年休哈特博士(Dr.WalterShewhart)在贝尔实验室发明了第一张管制图-PChart，运用了3倍标准差的理念；二战期间，美国军方将品质控制图的方法引进军工企业，并应用于生产过程中，但应用范围并不广泛；直至二战结束，作为战败国的日本将品质作为提升竞争力的根本，于1950年邀请了戴明博士到日本演讲，介绍了SQC的技术与观念，SPC技术在日本产生了很大的功效；而真正将SPC广泛推广的是美国著名的汽车制造商福特（Ford）,通用（G.M.）以及克莱斯勒（Chrysler）公司。SPCTechniqueandPractice2020/2/144FlextronicsCorporatePresentationSPC的全称是统计过程控制（StatisticalProcessControl）它运用统计学技术来分析制程或其输出，为达到和维持统计受控的状态以及制程能力的提高提供了科学的理论依据。我们收集数据：研究我们的制程何时发生了变化（不受控制）,使制程达到统计受控状态；监控我们的制程确保输出的稳定性，维持统计受控的状态；帮助我们持续改进制程，改善我们制程的能力。SPCTechniqueandPracticeSPC定义和目的2020/2/145FlextronicsCorporatePresentation第二部分：SPC基础理论SPCTechniqueandPractice2020/2/146FlextronicsCorporatePresentation观察的偏差当重复测量时,经常产生不同的结果,这就是偏差普通原因的偏差测量中的差异是被期望的并可以预测的特殊原因的偏差(随机)测量中的差异是不可预测的SPCTechniqueandPractice2020/2/147FlextronicsCorporatePresentation普通原因和特殊原因普通原因Commoncause随着时间的推移是稳定的，可预测的；流程或产品是处于统计受控的。特殊原因Specialcause变异的来源是间断的（不经常作用在流程上），不可预测的；由于一个或几个主要的因素；可以纠正；如未进行预防措施可重复发生；随着时间的推移，流程或产品处于不稳定状态；2020/2/148FlextronicsCorporatePresentation偏差的特性偏差是自然的,固有的.是我们周围世界上任何事物的固有特性.没有任何事物或一种服务完全一致.测量设备越精密,越能发现事物之间的区别.管理层的工作之一是与雇员一起尽可能减少差异.SPCTechniqueandPractice2020/2/149FlextronicsCorporatePresentation每件产品的尺寸与别的都不同但它们形成一个模型，若稳定，可以描述为一个分布范围范围范围范围范围范围范围SPCTechniqueandPractice2020/2/1410FlextronicsCorporatePresentationLSLUSLCL次数组规格范围制程范围由分布图可与规格比较SPCTechniqueandPractice2020/2/1411FlextronicsCorporatePresentation分布又可以通过以下因素来加以区分*位置*分布宽度(从最小值至最大值之间的距离)*形状(是否对称、偏斜等)范围范围范围SPCTechniqueandPractice2020/2/1412FlextronicsCorporatePresentation分布之中心倾向---准确度SPCTechniqueandPractice2020/2/1413FlextronicsCorporatePresentation分布的散布状态--精密度SPCTechniqueandPractice2020/2/1414FlextronicsCorporatePresentation准确度(居中性)精密度(离散性)No准确?精确?YesYesNoxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxNo准确?精确?YesYesNoNo准确?精确?YesYesNoNo准确?精确?YesYesNoSPCTechniqueandPractice2020/2/1415FlextronicsCorporatePresentation精密度与准确度精密度准确度规格上限规格下限规格上限规格下限规格上限规格下限规格上限规格下限×√√√√×××SPCTechniqueandPractice2020/2/1416FlextronicsCorporatePresentation所以我们最希望得到的分布是：既准确又精密SPCTechniqueandPractice2020/2/1417FlextronicsCorporatePresentationμ-3σμ-1σμ+1σμ+2σμ+3σμ-2σμ99.73%95.45%68.27%正态分布大量的实例证明，在现实世界中，正态分布是最具有代表性的分布形态，它能描述众多质量特性x随机取值的统计规律性它的概率密度分布函数形式为222σμ)(xe2π1f(x)正态分布含有两个参数μ和σ，常记为N(μ,σ2).其中μ为正态均值，它为正态分布的中心。质量特性x在μ附近取值的机会最大。σ2是正态方差，σ0是正态标准差。方差σ2和标准差σ都是描述质量特性x随机取值的分散程度。2020/2/1418FlextronicsCorporatePresentationμ1μ2N(μ1,σ2)N(μ2,σ2)σ相同，μ不同（μ1μ2）正态曲线的比较N(μ,σ12)N(μ,σ22)μ相同，σ不同（σ1σ2）2020/2/1419FlextronicsCorporatePresentation标准差VS百万不良率99.73%ofthedataiswithin+/-3Sigma规格线合格品率（%）不合格品率（Dppm）±168.27317300±295.4545500±399.732700±499.993763±599.9999430.57±699.99999980.002μ-3σμ-1σμ+1σμ+2σμ+3σ0.135%μ-2σμ99.73%95.45%68.27%0.135%2020/2/1420FlextronicsCorporatePresentation为什么6σ相当于3.4DPPM多数场合中，正态分布的中心Xbar与规格中心μ总有偏离，此种偏移称为过程飘移，是由制造过程引起的。由于飘移的存在，实际的不合格率会更高。为了校正这一点，美国质量管理界建议：在计算不合格率时，允许过程飘移为1.5σ；过程飘移仅在一个方向上发生，即正态分布的中心Xbar可向上飘移1.5σ或向下飘移1.5σ，但不可能两者都发生。2020/2/1421FlextronicsCorporatePresentation1.5σ4.5σμ=(USL+LSL)/2±3σ±6σ3.4DPPM66800DPPM3.4DPPM0DPPMμ-4.5σμ-7.5σ为什么6σ相当于3.4DPPM过程向上飘移1.5σ规格线合格品率（%）不合格品率（Dppm）±130.23697700±269.13308700±393.3266810±499.37906210±599.97670233±699.9996603.42020/2/1422FlextronicsCorporatePresentation控制界限休哈特建议用界限μ±3σ作为控制限来管理过程。这意味着：在1000个产品中有不超过2.7个不合格品出现，就认为该过程的波动属正常波动。若有更多个不合格品出现，就认为该过程的波动属异常波动。从长期的过程来讲，如果没有数据超出控制上下限，表明有些错误存在。2020/2/1423FlextronicsCorporatePresentation3σ控制图为了方便现场使用和及时记录现场质量波动情况，我们置于现场的正态分布图是将其与其控制限旋转了900使用的，如图所示：Inordertouseandrecordthequalitystateintime,werotatethechart900,seethebelowchart:中心线（CentralLine,简记CL）,对应值μ；上控制限（UpperControlLimit,简记UCL）,对应μ+3σ；下控制限（LowerControlLimit,简记LCL）,对应μ-3σ。μ+3σμ-3σμμ+3σ900μ-3σμUCLCLLCL2020/2/1424FlextronicsCorporatePresentation中心极限定理中心极限定理：设x1，x2，x3，…，xn为从某总体抽取的样本，其总体分布未知，但其均值μ和方差σ2都存在，则有如下结论：当总体为正态分布时，样本均值精确服从正态分布，当总体为非正态分布时，样本均值近似服从正态分布，且样本量n越大，近似程度越好。这个定理表明：无论总体是什么分布（离散分布或连续型分布，正态分布或非正态分布），总是呈现正态分布或近似正态分布。x),(2nuNx),(2nuNx2020/2/1425FlextronicsCorporatePresentation样本均值分布UniformPopulationDistributionn=2SamplingDistributionofXn=5n=30XXPopulationDistributionn=2SamplingDistributionofXn=5n=30XX2020/2/1426FlextronicsCorporatePresentation两类风险α风险:厂商风险，将好的产品判定为不合格的。αRisk:Producers’Risk,MeasuretheProbabilityofrejectingagoodproductinfactory.β风险：消费者风险，将不好的产品判定为好的产品，流入客户手中。βRisk:Consumers’Risk,MeasuretheProbabilityofshippingNGproducttocustomer.2020/2/1427FlextronicsCorporatePresentation为什么选取3σ作为控制界限控制限是用来判断正常波动和异常波动的一个临界值，确立任何一个临界值都有可能发生误判的风险：当过程受控，但某点由于偶然原因落在控制限之外，这时判定过程失控，那么就犯了第一类错误，也就是α风险，记发生概率为α；当过程失控，但某点由于偶然原因落在控制限内，这时判定过程受控，那么就犯了第二类错误，也就是β风险，记发生概率为β。2020/2/1428FlextronicsCorporatePresentationα1+α2=αUCLCLLCLμα1α2β怎样减少两类错误所造成的损失？关键在于减少犯两类错误的概率α和β，而β的计算与失控状态时总体的分布状态有关，此时总体的分布多种多样，很难对β作出确切的估计。为此常规控制图仅考虑犯第一类错误的概率。在控制限定为3σ场合和受控过程中，可以算得α=0.27%。即在1000个产品中允许出现3个不合格品。实际使用经验表明，这在大多数场合是适当的，合理的。为什么选取3σ作为控制界限2020/2/1429FlextronicsCorporatePresentation制程能力什么是制程能力WhatisProcessCapability?制程能力是评价一个过程的质量以及过程满足顾客要求（包含技术要求）的能力Processcapabilityisdefinedastheabilityofaprocesstosatisfycustomerexp