SPC资料1.docx
- 文档编号:17629364
- 上传时间:2023-07-27
- 格式:DOCX
- 页数:15
- 大小:31.33KB
SPC资料1.docx
《SPC资料1.docx》由会员分享,可在线阅读,更多相关《SPC资料1.docx(15页珍藏版)》请在冰点文库上搜索。
SPC资料1
SPC统计过程控制
一、什么是SPC、SPD、SPA?
二、SPC基础知识
三、SPC方法基本原理
四、SPC控制图实施的步骤
五、控制图的制作
六、SPC控制图应用详细介绍
一、什么是SPC、SPD、SPA?
近年来,由于科学技术的迅猛发展,产品的不合格品率迅速降低,如电子产品的不合格率由过去的百分之一、千分之一降低到百万分之一(ppm,10–6),乃至十亿分之一(ppb,10–9)。
质量控制方式也由过去的3s控制方式演进为6s控制方式。
3s控制方式下的稳定状态不合格品率为2.7×10–3(0.27%),6s控制方式下的稳定状态不合格品率仅为2.0×10–9(10亿分之二),这就是21世纪的超严格质量要求,各种产品都有其相应的超严格质量要求。
因此,著名的美国质量管理专家朱兰早在1994年就在美国质量管理学会年会上指出:
“21世纪是质量的世纪”。
大家知道,贯彻预防原则是现代质量管理的核心与精髓。
对如此严格的质量要求,采取什么样的科学措施和科学方法来贯彻预防原则并保证质量方针和目标的实现呢?
这就要提到“SPC”、“SPD”与“SPA”。
1.SPC
SPC即统计过程控制(StatisticalProcessControl)。
SPC主要是指应用统计分析技术对生产过程进行实时监控,科学的区分出生产过程中产品质量的随机波动与异常波动,从而对生产过程的异常趋势提出预警,以便生产管理人员及时采取措施,消除异常,恢复过程的稳定,从而达到提高和控制质量的目的。
在生产过程中,产品的加工尺寸的波动是不可避免的。
它是由人、机器、材料、方法和环境等基本因素的波动影响所致。
波动分为两种:
正常波动和异常波动。
正常波动是偶然性原因(不可避免因素)造成的。
它对产品质量影响较小,在技术上难以消除,在经济上也不值得消除。
异常波动是由系统原因(异常因素)造成的。
它对产品质量影响很大,但能够采取措施避免和消除。
过程控制的目的就是消除、避免异常波动,使过程处于正常波动状态。
SPC的特点是:
1)SPC是全系统的、全过程的、要求全员参加,人人有责。
这与全面质量管理的精神完全一致。
2)SPC强调用科学的方法(主要是数理统计技术,尤其是控制图理论)来保证全过程的预防。
3)SPC不仅用于生产过程,而且可用于服务过程和一切管理过程。
SPC的上述特点与2000版ISO9000要求的三个强调:
1)强调“把一切看成过程”;2)强调“预防”;3)强调“统计技术的应用是不可剪裁的”是一致的。
因此,企业各级领导及质量专业人士应该明确:
SPC是推行ISO9000的基础。
2.SPD
SPD(StatisticalProcessDiagnosis)即统计过程诊断,是20世纪80年代由我国质量管理专家张公绪首次提出的。
1980年,张公绪提出选控控制图系列。
选控图是统计诊断理论的重要工具,奠定了统计诊断理论的基础。
1982年,张公绪又提出了“两种质量诊断理论”,突破了传统的休哈特质量控制理论,开辟了质量诊断的新航向。
此后,我国又提出“多元逐步诊断理论”和“两种质量多元诊断理论”,解决了多工序、多指标系统的质量控制与质量诊断问题。
从此,SPC上升为SPD。
SPD是利用统计技术对过程中的各个阶段进行监控与诊断,从而达到缩短诊断异常的时间、以便迅速采取纠正措施、减少损失、降低成本、保证产品质量的目的。
目前,我国依据上述诊断理论已开发出两种诊断软件。
一种是依据“两种质量诊断理论”开发的应用软件SPCD2000,用于诊断多工序生产线中上工序对下工序的影响;另一种是依据“多元逐步诊断理论”和“两种质量多元诊断理论”开发的多元诊断软件DTTQ2000,用于多因素相关条件下的诊断。
而后者同时也考虑了上工序对下工序的影响。
3.SPA
SPA(StatisticalProcessAdjustment)即统计过程调整,是SPC发展的第三个阶段。
SPA可判断出异常,告之异常发生在何处,因何而起,同时还给出调整方案或自动调整。
SPA从90年开始提出,目前尚无实用性成果,正在发展之中。
二、SPC基础知识
统计过程控制(StatisticalProcessControl),简称SPC,是一种借助数理统计方法的过程控制工具。
在企业的质量控制中,可应用SPC对质量数据进行统计、分析从而区分出生产过程中产品质量的正常波动与异常波动,以便对过程的异常及时提出预警,提醒管理人员采取措施消除异常,恢复过程的稳定性,从而提高产品的质量。
使用SPC技术,管理者可以清楚地知道:
这个过程稳定吗?
它处于控制状态吗?
这个过程的能力足够吗?
根据问题的答案采取适当措施以纠正或维持过程现状,从而使过程持续稳定地提供合格产品。
SPC技术的出现之前,质量管理就是检验,抓质量就是把好检验关,这样纯粹的检验只能发现和剔除不合格品,而不合格品被发现时,其损失已经造成。
即便是采取措施,也只能是“亡羊补牢”。
越来越多的内部损失和售后投诉索赔让企业不堪重负。
SPC技术的出现,让质量管理从这种被动的事后把关发展到过程中积极的事前预防为主,从而大大降低了企业的生产成本,同时也为企业赢得了更多的定单和更好的商誉。
近十年来,随着信息技术的飞速发展,使得SPC所需要的对大量数据实时收集、计算和分析可以借助于计算机和软件来轻松的实现,从而在全球掀起了SPC应用的热潮并持续至今。
正是由于SPC在质量管理中的重要性,国际标准化组织(ISO)也将其作为ISO9000族质量体系认证的一个要素;美国三大汽车工业集团的QS9000认证也将SPC列为一项重要内容;同时,在企业中大力推行的全面质量管理(TQM)工作中,SPC也由于它特有的功能成为一项必不可少的组成部分。
有鉴于此,世界许多大公司不仅自身采用SPC,而且要求供应商也必须采用SPC控制质量,SPC业已成为企业质量管理必不可少的工具。
三、SPC方法基本原理
1924年苏华特(W.A.Shewhart)博士绘制了第一张的SPC图,并于1931年出版了「加工产品品质的经济控制」(EconomicControlofQualityofManufacturedProducts)之后,SPC应用于各种制造过程改善便就此展开。
SPC基本原理
SPC是一种用来分析数据的科学方法,并且利用分析结果来解决实际的问题。
只要问题能以数字表示,就可以应用SPC来分析。
一般收集的资料都会有变动的现象,将这些数据画在图上(如下标准之SPC图),抽样值在某个范围中上下变动,为何会有这些波动发生?
其原因可能是原料、设备、气压、操作员生理、心理不同所造成。
而SPC的基本原理如下[Moen,NolanandProvost,1991]:
1.被量测出的产品品质特性均是由于某些偶然因素所造成的结果。
2.某些「偶然因素下的一致现象」,是任何制造和检验的架构下所固有的。
3.在这固有之”一致现象”的状态下的变动将无法找到原因。
4.在该状态外的变动原因,则是可被发现而加以改正的。
由此可知,苏华特博士将影响产品品质的变异分为不可归咎变异和可归咎变异等两类因素:
·不可归咎变异因素是在制程中随时都会影响到产品。
·可归咎变异因素则是在某种特定条件下的制程中才会影响到产品。
如果某一制程只受到不可归咎变异因素影响,则该制程称为稳定制程,即是产品品质特性的变异是在可预测的统计控制范围之内;另一方面,如果某一制程同时被不可归咎与可归咎两个变异因素所影响,则该制程是不稳定的,此时产品品质特性的变异将无法以统计方法来预测。
SPC图(SPCCharts)正是为了判断制程是否稳定,或是区分制程究竟是被不可归咎变异因素或可归咎变异因素所影响的一种统计技术。
下图绘制了标准的SPC图,从图中可看出SPC主要是用于量测和分析任何制程的产出、处理产品或零件的正常与否,及监督整个或部份的制造过程。
管制图的基本原理
统计理论认为母体参数可由随机抽取的样本来估计,SPC图的统计基础即在于此。
但是,SPC图并不能控制一个制程,它只是提供制程重要的信息,这个信息可以作为品质决策与修正制程的基础。
一般SPC图提供三条制程信息的管制线:
上管制线(uppercontrollimit,UCL)﹑中心线(centerline,CL)﹑下管制线(lowercontrollimit,LCL)。
不同制程管制对象有不同的数据,所有的数据都可归类到下列其中一种:
分类数据-将产品品质分为「好或不好」、「合格或不合格」等;计数数据-记录某产品的某个特性发生次数,例如错误次数﹑意外次数﹑销售领先次数等;连续数据-某个品质特征的量测值,例如尺寸﹑成本﹑时间等;前两种数据为计数值数据,第三种为计量值资料。
收集数据时,如果可能应该尽量收集定量数据,因为定量管制图所需的比较性计算较少,而且能提供较多的信息。
基本计算
管制图可用一通式来表示,假设y为量测品质特性之样本统计量,y之平均数为μy,标准差为δy,则
UCL=μy+kδy
中心线=μy
CL=μy-kδy
其中kδy为管制界限至中心线之距离。
此管制图之理论首先由美国之WaiterA.Shewhart博士提出,任何依据此原理发展出之管制图都称为Shewhart(苏华特)管制图。
应用范围
管制图之应用有许多方式,在大多数之应用上,管制图是用来做制程之在线(on-line)监视。
亦即收集制程样本数据用来设立管制图,若样本值落在管制界限内且没有任何系统性之变化,则称制程在管制内。
管制图也可以用来决定过去之制程数据是否在管制内,及末来之制程是否将在管制内。
管制图也可用来做为估计之工具,当制程是在管制内时,则可预测一些制程参数,例如平均数、标准差、不合格率等。
此种制程能力分析对于管理者之决策分析有相当大之影响,例如自制或外购之决策,工厂及制程之改善以降低变异,及与供货商或顾客间之合约。
管制图实施步骤
1.选择品质特性
2.决定管制图之种类
3.决定样本大小
在设计管制图时,我们必须决定样本之大小(samplesize)及抽样之频率。
一般而言,大样本可以很容易地侦测出制程内小量之变动。
当选定样本大小时,必须先决定所要侦测之制程变动的大小。
当制程变动量相当大时,则适合使用小样本,反之,若制程变动小时则使用大样本。
除了决定样本大小外,我们同时须决定抽样之频率。
最理想之状况是次数频繁地抽取大样本。
但从经济观点而言,此并非最佳之抽样方法。
较可行之方法是在长时间间隔下取大样本或短时间间隔下取小样本。
在大量生产下或有多种可归属原因出现下,较适合样本小而次数多之抽样。
由于检测器和自动量测技术之发展,目前之趋势倾向100%检验。
4.抽样频率和抽样方式
管制图是利用合理样本组之概念来收集样本数据。
合理样本组之抽样方式可让可归属原因出现时,样本组间发生差异之可能性最大,而样本组内发生差异之可能性为最小。
当管制图应用到生产时,生产时间次序为一合乎逻辑之合理样本组取样方法。
一般合理样本组之抽样有两种方式进行。
在第一种方式下,组内样本尽可能在时间差距很短之情况下收集,如右图之(a)。
这种抽样方法将可使样本组间之差异为最大而样本组内之差异为最小。
这种抽样方式也是估计制程标准差之最好方法,一般称之为瞬时法(instanttimemethod)。
第二种方式下,样本组内之数据为来自于上次抽样后具代表性之产品。
在此种抽样方式下,每一样本可视为在抽样间隔内之随机样本,如右图之(b)。
此种抽样方式称为分布式抽样(distributedsampling)或称为定时法(periodoftimemethod)。
这种抽样方法通常是用在决定自上次抽样后之产品是否可接受时。
5.收集数据
6.计算管制图之参数,一般包含中心线和上下管制界限
7.收集数据,利用管制图监视制程
使用管制图之原因
1.管制图是一改善生产力之有效工具
管制图之有效运用可降低报废和重工。
报废和重工之降低代表生产力增加、成本降低和产能之增加。
2.管制图是预防不合格品之有效工具
管制图为一预防性之管理工具,强调第一次就做对,它比事后之检验更能提升产品之品质。
3.管制图可预防不需要之制程调整
由管制图可获知调整制程参数之最佳时机,以避免因过度调整,使制程变异增加,造成制程成效恶化。
4.管制图可提供诊断之信息
管制图上之非随机性变化模型(nonrandompatterns)可以提供诊断制程异常之情报。
一个非随机性模型通常是由一组异常原因所造成。
由管制图上非随机性模型可了解制程何时为异常,并可缩小寻找问题原因之范围,降低诊断时间。
5.管制图可提供有关制程能力之信息
管制图可提供制程参数、制程之稳定程度和制程能力等情报,这些信息对于产品和制程之设计者非常有帮助。
四、SPC控制图实施的步骤
1、识别关键过程
一个产品品质的形成需要许多过程(工序),其中有一些过程对产品品质好坏起至关重要的作用,这样的过程称为关键过程,SPC控制图应首先用于关键过程,而不是所有的工序。
因此,实施SPC,首先是识别出关键过程。
然后,对关键过程进行分析研究,识别出过程的结构(输入、输出、资源、活动等)。
2、确定过程关键变量(特性)
对关键过程进行分析(可采用因果图、排列图等),找出对产品质量影响最大的变量(特性)。
3、制定过程控制计划和规格标准
这一步往往是最困难和费时,可采用一些实验方法参考有关标准。
4、过程数据的收集、整理
5、过程受控状态初始分析
采用分析用控制图分析过程是否受控和稳定,如果发现不受控或有变差的特殊原因,应采取措施。
注意:
此时过程的分布中心(=X)和均差σ、控制图界限可能都未知。
6、过程能力分析
只有过程是受控、稳定的,才有必要分析过程能力,当发现过程能力不足时,应采取措施。
7、控制图监控
只有当过程是受控、稳定的,过程能力足够才能采用监控用控制图,进入SPC实施阶段。
8、监控、诊断、改进
在监控过程中,当发现有异常时,应及时分析原因,采取措施,使过程恢复正常。
对于受控和稳定的过程,也要不断改进,减小变差的普通原因,提高质量,降低成本。
五、控制图的制作
一、控制图法的涵义
影响产品质量的因素很多,有静态因素也有动态因素,有没有一种方法能够即时监控产品的生产过程、及时发现质量隐患,以便改善生产过程,减少废品和次品的产出?
控制图法就是这样一种以预防为主的质量控制方法,它利用现场收集到的质量特征值,绘制成控制图,通过观察图形来判断产品的生产过程的质量状况。
控制图可以提供很多有用的信息,是质量管理的重要方法之一。
控制图又叫管理图,它是一种带控制界限的质量管理图表。
运用控制图的目的之一就是,通过观察控制图上产品质量特性值的分布状况,分析和判断生产过程是否发生了异常,一旦发现异常就要及时采取必要的措施加以消除,使生产过程恢复稳定状态。
也可以应用控制图来使生产过程达到统计控制的状态。
产品质量特性值的分布是一种统计分布.因此,绘制控制图需要应用概率论的相关理论和知识。
控制图是对生产过程质量的一种记录图形,图上有中心线和上下控制限,并有反映按时间顺序抽取的各样本统计量的数值点。
中心线是所控制的统计量的平均值,上下控制界限与中心线相距数倍标准差。
多数的制造业应用三倍标准差控制界限,如果有充分的证据也可以使用其它控制界限。
常用的控制图有计量值和记数值两大类,它们分别适用于不同的生产过程;每类又可细分为具体的控制图,如计量值控制图可具体分为均值——极差控制图、单值一移动极差控制图等。
二、控制图的绘制
控制图的基本式样如图所示,制作控制图一般要经过以下几个步骤:
①按规定的抽样间隔和样本大小抽取样本;
②测量样本的质量特性值,计算其统计量数值;
③在控制图上描点;
④判断生产过程是否有并行。
控制图为管理者提供了许多有用的生产过程信息时应注意以下几个问题:
①根据工序的质量情况,合理地选择管理点。
管理点一般是指关键部位、关健尺寸、工艺本身有特殊要求、对下工存有影响的关键点,如可以选质量不稳定、出现不良品较多的部位为管理点;
②根据管理点上的质量问题,合理选择控制图的种类:
③使用控制图做工序管理时,应首先确定合理的控制界限:
④控制图上的点有异常状态,应立即找出原因,采取措施后再进行生产,这是控制图发挥作用的首要前提;
⑤控制线不等于公差线,公差线是用来判断产品是否合格的,而控制线是用来判断工序质量是否发生变化的;
⑥控制图发生异常,要明确责任,及时解决或上报。
制作控制图时并不是每一次都计算控制界限,那么最初控制线是怎样确定的呢?
如果现在的生产条件和过去的差不多,可以遵循以往的经验数据,即延用以往稳定生产的控制界限。
下面介绍一种确定控制界限的方法,即现场抽样法,其步骤如下:
①随机抽取样品50件以上,测出样品的数据,计算控制界限,做控制图;
②观察控制图是否在控制状态中,即稳定情况,如果点全部在控制界限内.而且点的排列无异常,则可以转入下一步;
③如果有异常状态,或虽未超出控制界限,但排列有异常,则需查明导致异常的原因,并采取妥善措施使之处在控制状态,然后再重新取数据计算控制界限,转入下一步;
④把上述所取数据作立方图,将立方图和标准界限(公差上限和下限)相比较,看是否在理想状态和较理想状态,如果达不到要求,就必须采取措施,使平均位移动或标准偏差减少,采取措施以后再重复上述步骤重新取数据,做控制界限,直到满足标准为止。
三、怎样利用控制图判断异常现象
用控制图识别生产过程的状态,主要是根据样本数据形成的样本点位置以及变化趋势进行分析和判断.失控状态主要表现为以下两种情况:
①样本点超出控制界限;
②样本点在控制界限内,但排列异常。
当数据点超越管理界限时,一般认为生产过程存在异常现象,此时就应该追究原因,并采取对策。
排列异常主要指出现以下几种情况:
③连续七个以上的点全部偏离中心线上方或下方,这时应查看生产条件是否出现了变化。
④连续三个点中的两个点进入管理界限的附近区域(指从中心线开始到管理界限的三分之二以上的区域),这时应注意生产的波动度是否过大。
⑤点相继出现向上或向下的趋势,表明工序特性在向上或向下发生着变化。
⑥点的排列状态呈周期性变化,这时可对作业时间进行层次处理,重新制作控制图,以便找出问题的原因。
控制图对异常现象的揭示能力,将根据数据分组时各组数据的多少、样本的收集方法、层别的划分不同而不同。
不应仅仅满足于对一份控制图的使用,而应变换各种各样的数据收取方法和使用方法,制作出各种类型的图表,这样才能收到更好的效果。
值得注意的是,如果发现了超越管理界限的异常现象,却不去努力追究原因,采取对策,那么尽管控制图的效用很好.也只不过是空纸一张。
六、SPC控制图应用详细介绍
6.1什么是控制图
控制图由正态分布演变而来。
正态分布可用两个参数即均值μ和标准差σ来决定。
正态分布有一个结论对质量管理很有用,即无论均值μ和标准差σ取何值,产品质量特性值落在μ±3σ之间的概率为99.73%,落在μ±3σ之外的概率为100%-99.73%= 0.27%,而超过一侧,即大于μ+3σ 或小于μ-3σ的概率为0.27%/2=0.135%≈1‰,休哈特就根据这一事实提出了控制图。
由于上下的数值大小不合常规,再把分布图上下翻转180°,这样就得到一个单值控制图,称μ+3σ为上控制限,记为UCL,称μ为中心线,记为CL,称μ-3σ为下控制限,记为LCL,这三者统称为控制线。
规定中心线用实线绘制,上下控制限用虚线绘制。
综合上述,控制图是对过程质量数据测定、记录从而进行质量管理的一种用科学方法设计的图。
图上有中心线(CL)、上控制限(UCL)和下控制限(LCL),并有按时间顺序抽取的样本统计量数值的描点序列。
6.2质量数据与控制图
6.2.1计量型数
所确定的控制对象即质量指标应能够定量。
所控制的过程必须具有重复性,即表现出统计规律性。
所确定的控制对象的数据应为连续值。
计量型控制图:
能反映计量型数据特征,用来绘制、分析计量型数据的控制图。
6.2.2计数型数据
控制对象只能定性不能而不能定量。
只有两个取值。
与不良项目有关。
计数型控制图:
能反映计数型数据特征,用来绘制、分析计数型数据的控制图。
6.2.3质量数据的特性
质量数据的分布遵循三种特性:
计量型数据服从正态分布;计件型数据服从二项分布;计点型数据服从泊松分布。
6.3控制图原理
根据来源的不同,质量因素可分成设备(machine)、材料(material)、操作(man) 、工艺(method)、环境(environment),即4M1E五个方面;
从对质量的影响大小来看,质量因素可分成偶然因素(简称偶因)与异常因素(简称异因)两类。
偶因是始终存在的,对质量的影响微小,但难以除去,如机械振动;异因对质量影响大,但不难除去,如刀具磨损等。
偶因引起质量的偶然波动(简称偶波),异因引起质量的异常波动(简称异波)。
偶波是不可避免的,但对质量的影响微小,异波则不然,它对质量的影响大,且采取措施不难消除,故在生产过程中异波及造成异波的异因是需要监控的对象,一旦发生,应该尽快找出,采取措施加以消除,并纳入标准化,保证它不再出现。
经验与理论分析表明,当生产过程中只存在偶波时,产品质量将形成典型分布,如果除了偶波还有异波,产品质量的分布必将偏离原来的典型分布。
因此,根据典型分布是否偏离就能判断异波即异因是否发生,而典型分布的偏离可由控制图检出,控制图上的控制界限就是区分偶波与异波的科学界限。
休哈特控制图的实质是区分偶然因素与异常因素。
6.4控制图贯彻预防原则
1.应用控制图对生产过程不断监控,当异常因素刚一露出苗头,在未造成不合格品之前就能及时被发现。
例如,在图2.5中点子有逐渐上升的趋势,可以在这种趋势造成不合格品之前就采取措施加以消除,起到预防的作用。
2.在现场,更多的情况是控制图显示异常,表明异因已经发生,这时要贯彻“查出异因,采取措施,保证消除,不再出现,纳入标准”原则,每贯彻一次这个原则(即经过一次这样的循环)就消除一个异因,使它永不再出现,从而起到预防的作用。
由于异因只有有限个,故经过有限次循环后,最终达到在过程中只存在偶因而不存在异因。
这种状态称为统计控制状态或稳定状态,简称稳态。
3.稳态是生产过程追求的目标,在稳态下生产,对质量有完全的把握,质量特性值有99.73%落在上下控制界限内;在稳态下生产,不合格品最少,因而生产也是最经济的。
一道工序处于稳态称为稳定工序,每道工序都处于稳态称为稳态生产线,SPC就是通过稳态生产线达到全过程预防的。
虽然质量变异不能完全消灭,但控制图是使质量变异成为最小的有效手段。
6.5两类错误
控制图利用抽查对生产过程进行监控,因而是十分经济的,但既是抽查就不可能没有风险,在控制图的应用过程会出现以下两类错误:
1. 虚发警报错误,也称第I类错误。
在生产正常的情况下,纯粹出于偶然而点子出界的概率虽然很小,但不是绝对不可能发生。
故当生产正常而根据点子出界判断生产异常就犯了虚发警报错误,发生这种错误的概率通常记以α。
2
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- SPC 资料