SPC&FMEA

12SPC是英文StatisticalProcessControl统计过程控制的缩写，是应用统计技术绘控制图对生产过程进行监控，最初的控制图概念于1924年由美国的休哈特博士提出。这种方法自第二次世界大战后，在工业中已得到了广泛的应用，特别是1980年后在日本和美国，控制图能用于单独的质量改进的方法，SPC理论认为生产过程中产品质量的缺陷是由偶然因素与异常原因造成，根据控制图的规律从而发现生产过程的异常及时报警，以便采取措施消除异常，恢复过程的稳定，达到保证和提高质量的目的。SPC基础知识3Xbar、Me、Mo、R的計算•平均數(Xbar)X=(x1+x2+……xn)/N•中位數(Me)將數據從小到大或大至小依次排列，位居中央的數稱為中位數；•眾數(Mo)一群數據中，出現次數最多的數，稱為眾數；•全距(R)一組數值中最大值與最小值之差，稱為全距；R=Max-Min4σs—規格標準差讀做SigmaSpecUSLLSL;RDLCL;RDUCL;RAXLCL;RAXUCL3R4R2X2X;KXXXX;KRRRRK21K21nD4D3A2d223.27*1.881.1332.57*1.021.6942.28*0.732.0652.11*0.582.3362.00*0.482.5371.920.080.422.7081.860.140.372.8591.820.180.342.97101.780.220.313.085概率正態分布之性質在μ±3σ範圍之概率為0.9973,幾乎包含了全部的質量特性值.所以:6σ範圍被認為是產品品質正常波動的合理的最大幅度,它代表了一個過程所能達到的質量水平,所以過程能力一般用6σ來表示.σ越大→過程質量波動越大,過程能力越低σ越小→過程能力越高σs—規格標準差讀做SigmaSpec6σ,Cp,CpK的計算σ=R/d2Cp=(USL-LSL)/6σCpk=Min{(USL-X)/3σX-LSL)/3σ}7正態分布概率密度函數:當收集到的數據為計量數據時,質量特性X會是一個連續性隨機變量,變量的分布便是正態分布,符合下式:概率密度函數:其中:π=3.14159e=2.71828Xi-μσZ=ƒ(Z)=e=0.3989e1Z22Z22Z22√2πZ22Z22Z22ƒ(Z)-3σ-2σσμσ2σ3σ68.26%95.44%99.73%891011126σ的詮釋不同個數σ的相對嚴重程度之示意σ以書刊錯字校對為例6σ一間小型圖書館全部藏書中有一個錯字5σ一部百科全書中有一個錯字4σ一冊書每30頁中有一個錯字3σ每頁書中有1.5個錯字2σ每頁書中有25個錯字1σ每頁書中有170個錯字13RREx22E-xLCLUCLxCLx＝中心线控制图单值适于每次只有一个样本情况计算公式RR34DLCLDUCLRCLR＝中心线控制图极差标准值未给定标准值给定0102020DLCLDUCLdRCLR或＝中心线控制图极差000003xLCL3xUCLxCLx或＝中心线控制图单值14实例演练分别算出X，Me，Mo，R，δ，Ca,CpK以及X的UCL和LCL的值！