SPC教育训练教材

LCM事業處/李成松P.1SPC教育訓練LCM事業處/李成松LCM事業處/李成松P.2綱要1.統計製程管制(SPC)基本概念3.管制圖2.製程能力分析LCM事業處/李成松P.32.加上數據“拉力強度平均為5kg/cm2”，請問這算不算有意義的資訊？1.“拉力強度很好”算不算是有意義的資訊？3.再加上範圍“大多數產品的拉力強度在5kg±0.6kg之內”如何？』4.最好修改成“99.73%的產品拉力強度在5kg±0.6kg/cm2之內”何謂『有意義的情報』？至少應包括：『集中趨勢+離中趨勢+含蓋在特定範圍內的機率』LCM事業處/李成松P.4前述5kg代表集中趨勢±0.6kg代表離中趨勢99.73%是指含蓋在5±0.6kg這個範圍之內的機率其實就統計學而言，任何有意義的情報都有三個構成要素，分別是：1.集中趨勢（通常以x作代表）2.離中趨勢（通常以作代表（標準差與全距有關、樣本一定時，全距越大則標準差越大）3.被含蓋在特定範圍內的機率(信賴區間)xxx公司男生的身高平均值（X）是167cm，標準差（）是8cm，那麼請問大約有多少男生的身高在159至175cm之間？』問1.2基本統計參數LCM事業處/李成松P.5SPC基本概念LCM事業處/李成松P.6SPC之意義:SPC基本概念SPC之效益:(1)有效應用抽樣計劃進行管制,具有經濟性。(2)可即時發現製程異常,預防不良發生。(3)掌握製程能力,做為改善之提示。SPC（StatisticalProcessControl；統計製程管制）是指在製造工程中去搜集資料，並利用統計分析，管制圖，及製程能力分析等技巧，從分析中去發覺製程異常原因，立即採取改善措施，使製程恢復穩定狀態，避免及減少不良品的發生。LCM事業處/李成松P.7*基本統計概念:SPC基本概念掌握所收集數據間之差異性及規律性,而進行對未知系統之預測及判斷。母體(欲分析的對象)樣本(母體的代表)統計抽樣分析推估敍述統計推論統計從數據分析中有效掌握數據間的規律性及差異性(1)統計:LCM事業處/李成松P.8*基本統計概念:SPC基本概念(2)常用名詞:•:平均值X›代表分配的集中趨勢或其位置的量值，決定製程是否偏離目標值。(人為可控制作業改善)(設備所造成加強管理)NXiXNI1•2:變異數S2›均勻度,即表示分配中的離散,分散或變異情形，用來測量觀測值均值變動的情形:標準差1)(12nXxSnii1)()()(222212nxxxxxxsn11)(22122nXnxnXxSiniiLCM事業處/李成松P.9例子：連續27天LOTS標準差？–廠內每日產量例子：1,1,13,14,21,21,22,23,25,30,35,38,39,40,42,48,50,52,53,53,54,56,56,58,59,63,6522.3827656311X變異數：平均數：12722.386522.3863.........22.38122.38122222S718.355標準差()：86.18718.355SLCM事業處/李成松P.10標準差兩個估計值：1.可用計算機計算出來（一般在計算機上可以標為s或是σn-1）2.Excel內的函數STDEV也可以計算標準差R2/ˆ2/ˆdRdR3.從R管制圖分析得出的每個分組全距的平均值（）以及管制圖表中得到的d2值（如下所示），計算其值：LCM事業處/李成松P.11標準差的運用•平均數X被選為度量中心時，標準差s可度量平均數的離散度。•所有的資料都一樣時，s=0，沒有離散度。其他情形s都大於零。•觀測值離平均數越遠時，s就越大。•s與X和原有的觀察值有相同的單位。•高度偏斜或少數離群值會使s變很大。LCM事業處/李成松P.12*基本統計概念:分布3要素:1.中心位置2.散佈3.曲線形狀(3)常態分配(機率分配圖形):68.27%95.45%99.73%99.994%+1+2+3-3-2-1+4-4SPC基本概念管制圖是以3個標準差為基礎，換言之，只要群體是常態分配，從此群體抽樣時，每10000個當中即有27個會跑出3之外。以x~N(,2)表示x服從平均數為和變異數為2的常態分配。LCM事業處/李成松P.13製程能力評估之用途？1)提供分析資料給設計部門，使其能儘量利用目前的製程能力，以設計新產品，2)決定一項新設備或翻修之設備是否能滿足要求，3)利用機械之能力，安排適當工作，使其能得到最佳應用，4)選擇適當的作業員、材料、與作業方法，5)用作建立機器之調整界限，6)作為接受客戶訂單時的衡量與參考。製程能力的評估時機？初期--新產品量產前--重大的產品或製程變更導入前量產階段--重大的產品或製程變更導入前製程能力的評估的對象？所有的管制特性（SpecialCharacteristic）在管制計畫/QC工程表中所定義者LCM事業處/李成松P.14製程能力數值方法(1)Ca(製程準確度)(CapabilityofAccuracy)衡量製程實績平均值與規格中心值之偏差程度A:｜Ca｜≦12.5%B:12.5%＜｜Ca｜≦25.0%C:25.0%＜｜Ca｜≦50.0%D:50.0%＜｜Ca｜+1+2+3-3-2-1A:有遵守作業標準操作並達規格要求,須續維持現狀B:有必要儘可能提升至A級C:作業標準可能未被遵守或有必要檢討所訂之規格及作業標準D:應採取緊急措施,全面檢討可能影響之因素,必要時須停線Ca=(X-μ)/(T/2)*100%T=USL-LSL(規格公差)單邊規格因沒有規格中心值,故不能算Ca。=Ca值越小越好,表示偏離小LCM事業處/李成松P.15製程能力數值方法(1)Ca(製程準確度)(CapabilityofAccuracy)LCM事業處/李成松P.16+1+2+3-3-2-1製程能力數值方法(2)Cp(製程精密度)(CapabilityofPrecision)A:此製程甚為穩定,可將規格公差縮小或勝任更精密之工作B:有發生不良率偏高之危險,須加以注意並努力維持不再變壞C:檢討所訂規格及作業標準,可能本製程無法勝任如此精密之工作D:應採取緊急措施,全面檢討可能影響之因素,必要時須停線:A:1.33≦CpB:1.00≦Cp＜1.33C:0.83≦Cp＜1.00D:Cp＜0.83Cp=T/6σ---雙邊規格衡量製程變異程度與規格公差之差異程度CpU=(USL-X)/3σ或CpL=(X-LSL)/3σ---單邊規格=Cp值越大越好,表示製程佳與規格中心無關LCM事業處/李成松P.17製程能力數值方法(2)Cp(製程精密度)(CapabilityofPrecision)Cp=T/6σLCM事業處/李成松P.18製程能力評價方法(3)Cpk(製程能力指數)(CapabilityofProcess)A:製程能力足夠B:製程能力尚可,但仍須再努力C:製程應加以改善A:1.33≦CpkB:1.00≦Cpk＜1.33C:Cpk＜1.00Cpk=(1-｜Ca｜)Cp=min(Cpu,CpL)綜合Ca與Cp之總合指數=(製程能力)(1－偏移率)當Ca=0時,Cpk=Cp單邊規格時,Cpk即以Cp值計算)LCM事業處/李成松P.19製程能力評價方法(3)Cpk(製程能力指數)(CapabilityofProcess)LCM事業處/李成松P.20Pp與Ppk(Performance)群體標準差:之估計(1)R/d2Cp&Cpk(2)sPp&Ppk製程能力分析●Cpk是過程能力指数，反應的是只有隨機因素的情况下的指數(只有組内）●Ppk是性能指数，不但包括隨機因素還包括系统因素的指數。（組間和組內）LCM事業處/李成松P.21製程能力分析•Ppk初始過程能力:新制程之短期短程性研究所得之數據為基礎，取得之制程資料，至少應包括該制程初期評估時之二十組資料,用做研究初始過程能力，取樣為連續取樣，資料為30-200。但計算時，應於定義「樣本σ」為：•QS9000/TS要求Ppk必須大於或等於1.67•Cpk過程能力指數對穩定過程進行的能力研究，要求過程必須穩定，取樣一般為25個子組。•QS9000/TS要求CpK必須大於或等於1.33。LCM事業處/李成松P.22管制圖之種類LCM事業處/李成松P.23LCM事業處/李成松P.24管制圖*X-R管制圖之繪製X-R管制圖注意事項•數據之收集需遵守層別及隨機兩原則•X管制圖繪於圖表上方2/3處;R管制圖繪於圖表下方1/3處•折線之比例要能清楚看出轉折之變化LCM事業處/李成松P.25管制圖*X-R管制圖之繪製LCM事業處/李成松P.26管制圖*X-R管制圖之繪製LCM事業處/李成松P.27管制圖*X-R管制圖之繪製LCM事業處/李成松P.28管制圖*X-R管制圖之繪製LCM事業處/李成松P.29管制圖*X-R管制圖之繪製LCM事業處/李成松P.30管制圖p管制圖之繪製p管制圖使用時機•不良比例管制圖•品質特性無法以量化數據描述,只能以OK/NG判定者•當P變化非常大時較適用•可激勵作業者收集數據：a.決定樣本大小n、抽樣頻率*n約在50~200之間或更多，不宜太小(1np5)*不同組數的樣本大小n不一定相同，但最好相同。若無法相同，則其差異程度儘量不要超過±25%b.決定樣本組數k*足夠樣本組數以保證製程系統主要的變異有機會出現。*25組以上的樣本以能證明製程的管制狀況及估計製程系統的不良率。LCM事業處/李成松P.31取樣數n固定或不超過±25%之P管制圖251251iiiinrP：檢查個數：不良品個數iiprnPPPLCLPCLnPPPUCL)1(3)1(3LCM事業處/李成松P.32組別ndp1234567891011121314151617181920212223242510010010010010010010010010010010010010010010010010010010010010010010010010034385576563685236275584540.030.040.030.080.050.050.070.060.050.060.030.060.080.050.020.030.060.020.070.050.050.080.040.050.04合計2500125平均1000.05例題：某工廠製造面板，每兩小時抽取100件來檢查，將檢查所得之不良品數據，列於如右表，試利用此項資料，採用不良率管制圖，對其品質加以管制。（本例係樣本數相同）解：計算管制界限取樣數n固定或不超過±25%之P管制圖--exampleLCM事業處/李成松P.33exampleSampleProportion242220181614121086420.120.100.080.060.040.020.00_P=0.05UCL=0.1154LCL=0PChartofC5LCM事業處/李成松P.34取樣數n不固定之P管制圖251251iiiinrPiinPPPLCLPCLnPPPUCL)1(3)1(3LCM事業處/李成松P.35例題：某電子工廠生產彩色電視機，用P管制圖管制其成品品質，每天抽樣一次，並以每天全部產品數量為樣本數，茲將25天之檢查記錄如下表，繪製一張P管制圖。（各組樣本數不相同）日期9/19/29/39/49/59/69/89/99/109/119/129/139/159/169/179/189/199/209/229/249/259/269/279/289/29合計平均批號12345678910111213141516171819202122232425樣本數n170651001352802502202202202201152202102202202554403652553002803303202252905