还剩25页未读,继续阅读
本资源只提供10页预览,全部文档请下载后查看!喜欢就下载吧,查找使用更方便
文本内容:
3.
3.
3.
3.
3.
3.
3.
3.
3.
3.
113.
5.
5.
5.
5.
5.
145.
5.
5.
5.
5.
5.
5.
5.
5.
5.
5.
5.
5.
5.
5.
5.
6.
6.
6.
6.
6.
6.
6.
6.
6.
6.
6.
2.1什么是SPC SPC是Statistical ProcessControl的简称,即统计过程控制SPC运用统计技术对生产过程中的各工序参数进行监控,从而达到改进、保证产品质量的目的
2.2SPC的发展简史SPC是美国贝尔实验室休哈特博士在20世纪
二、三十年代所创立的理论,它能科学地区分出生产过程中产品质量的偶然波动与异常波动,从而对生产过程的异常及时告警,以便采取措施,消除异常,恢复过程的稳定SPCD是Statistical ProcessControl andDiagnosis的简称,即统计过程控制与诊断,它是SPC发展的第二阶段SPC虽能对过程的异常进行告警,但它并不能分辨出是什么异常,发生于何处,即不能进行诊断,1982年我国首创两种质量诊断理论,突破了休哈特质量控制理论,开辟了统计质量诊断的新方向此后,我国质量专家又提出了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诊断问题SPCDA是Statistical ProcessControl,Diagnosis andAdjustment的简称,即统计过程控制、诊断与调整,它能控制产品质量、发现异常并诊断导致异常的原因、自动进行调整,是SPC发展的第三个阶段,目前尚无实用性成果
2.3SPC的特点SPC是全系统的,全过程的,要求全员参加,人人有责SPC强调用科学方法统计技术,尤其是控制图理论来保证全过程的预防SPC不仅用于生产过程,而且用于服务过程和管理过程
2.4SPC与ISO9000标准体系的联系ISO9001:2000提出了关于质量管理的八项原则,对于质量管理实践具有深刻的指导意义其中,“过程方法”、“基于事实的决策”原则都和SPC等管理工具的使用,有着密切的联系以什么样的方法来对过程进行控制?以什么样的手段来保证管理决策的及时性、可靠性?是管理者首先应该考虑的问题SPC技术运用是对按ISO9001标准建立的质量管理体系的支持,制订ISO9000族标准的TC176,也为组织实施SPC制订了相应的标准(编号ISO/TR10017),该标准以技术报告的形式发布,也为ISO9000标准族中的支持性标准3控制图及其应用
3.1什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‰,见图
2.1,休哈特就根据这一事实提出了控制图图
2.1正态分布曲线控制图的演变过程见图
2.2先把正态分布曲线图按顺时针方向转90°成图图
2.2控制图的演变图
2.3x控制图
2.2a,由于上下的数值大小不合常规,再把图
2.2a上下翻转180°成图
2.2(b),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,见图
2.3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,见图
2.4图
2.4控制图示例
3.2质量数据与控制图
3.
2.1计量型数据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
3.
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
3.
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
3.3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
3.4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,起到预防的作用图
2.5点子形成倾向图
2.6达到稳态的循环
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,图
2.6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
3.5两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,见图
2.
72.7两类错误概率图
2.漏发警报错误,也称第Ⅱ类错误在生产异常的情况下,产品质量的分布偏离了典型分布,但总有一部分产品的质量特性值在上下控制界之内如果抽到这样的产品进行检测并在控制图中描点,这时根据点子未出界判断生产正常就犯了漏发警报错误,发生这种错误的概率通常记以β,见图
2.7控制图是通过抽查来监控产品质量的,故两类错误是不可避免的在控制图上,中心线一般是对称轴,所能变动的只是上下控制限的间距若将间距增大,则α减小β增大,反之,α增大β减小因此,只能根据这两类错误造成的总损失最小来确定上下控制界限
3.63σ方式长期实践证明,3σ方式即UCL=μ+3σCL=μLCL=μ-3σ是两类错误造成的总损失最小的控制界限,μ为总体均值,σ为总体标准差,此时犯第I类错误的概率或显著性水平α=
0.0027注意:在现场,把规格作为控制图的控制界限是不对的规格是用来区分产品合格与不合格,而控制图的控制界限是用来区分偶然波动与异常波动,即区分偶然因素与异常因素的利用规格界限显示产品质量合格或不合格的图是显示图,现场可以应用显示图,但不能作为控制图来使用
3.7控制图的判定准则在生产过程中,通过分析休哈特控制图来判定生产过程是否处于稳定状态休哈特控制图的设计思想是先确定第I类错误的概率α,再根据第Ⅱ类错误的概率β的大小来考虑是否需要采取必要的措施通常α取为1%,5%,10%为了增加使用者的信心,休哈特将α取得特别小,小到
2.7‰~3‰这样,α小,β就大,为了减少第Ⅱ类错误,对于控制图中的界内点增添了第Ⅱ类判异准则,即“界内点排列不随机判异”
3.
7.1判定稳态准则稳态是生产过程追求的目标在统计量为正态分布的情况下,由于第I类错误的概率α取得很小,所以只要有一个点子在界外就可以判断有异常但既然α很小,第Ⅱ类错误的概率β就大,只根据一个点子在界内远不能判断生产过程处于稳态如果连续有许多点子,如25个点子全部都在控制界限内,25情况就大不相同这时,根据概率乘法定理,总的β为β总=β,要比β减小很多如果连续在控制界内的点子更多,即使有个别点子出界,过程仍看作是稳态的,这就是判稳准则判稳准则在点子随机排列的情况下,符合下列各点之一就认为过程处于稳态
1.连续25个点子都在控制界限内
2.连续35个点子至多1个点子落在控制界限外
3.连续100个点子至多2个点子落在控制界限外即使在判断稳态的场合,对于界外点也必须采取“查出异因,采取措施,保证消除,不再出现,纳入标准”20个字来处理
3.
7.2判定异常准则
1.点子在控制界限外或恰在控制界限上
2.控制界限内的点子排列不随机
3.
7.3点子排列不随机模式界内点排列不随机的模式有点子屡屡接近控制界限、链、间断链、倾向、点子集中在中心线附近、点子呈周期性变化等界内点排列不随机准则是用来减少第Ⅱ类错误的概率β,所以它的各个模式的α不能太小,通常取为
0.27%~2%模式1点子屡屡接近控制界限,见图
1.8点子接近控制界限指点子距离控制界限在1σ以内,下列情况就判断点子排列不随机图
2.8连续3点有2点接近控制界限1)、连续3个点中,至少有2点接近控制界限2)、连续7个点中,至少有3点接近控制界限3)、连续10个点中,至少有4点接近控制界限若点子接近一侧的控制界限,表明过程的均值有变化;若点子上下接近两侧的控制界限,则表明过程的方差增大注意后两条准则需要观察的点子数较多,应用起来不方便,主要用第一条,即连续3个点中,至少有2点接近控制界限判异模式2在控制图中心线一侧连续出现的点称为链,其点子数目称作链长,见图
2.9链长不少于7时判断点子排列非随机,存在异常因素,出现链表示过程均值向链这一侧偏移,国外也有取9点链作为判异准则的图
2.9长为7的链图
2.10连续11点中有10点在控制线一侧的间短链模式3:如果链较长,个别点子出现在中心线的另一侧而形成间断链,见图
2.10,下列情况判断点子排列非随机,存在异常因素:
1、连续11个点中,至少有10点在中心线一侧
2、连续14个点中,至少有12点在中心线一侧3)、连续17个点中,至少有14点在中心线一侧4)、连续20个点中,至少有16点在中心线一侧模式4点子逐渐上升或下降的状态称为倾向当连续不少于7个点的上升或下降倾向时判断点子排列非随机,存在异常因素,见图
2.11,出现倾向表明过程均值逐渐增大或逐渐减少图
2.117点下降倾向图
2.12连续15点在控制线附近模式5点子集中在中心线附近指点子距离中心线在1σ以内,见图
2.12,出现模式5表明过程方差异常小,可能由于数据不真实或数据分层不当如果把方差大的数据与方差小的数据混在一起而未分层,则数据总的方差将更大,于是控制图控制界限的间隔距离也将较大,这时方差小的数据描点就可能出现模式5模式5可采用下列准则:若连续15点集中在中心线附近判异模式6点子呈现周期性变化,见图
2.13点子周期性变化可能由于操作人员疲劳、原材料的发送有问题、某些化工过程热积累或某些机械设备应用过程中的应力积累等图
2.13点子呈周期性变化
3.8休哈特控制图根据质量参数的数据类型,控制图分计量型控制图和计数型控制图;根据用途的不同,控制图分分析用控制图和管理用控制图分析用控制图的主要作用
1、分析过程是否处于稳态如果不处于稳态,调整过程使其达到稳态
2、分析生产过程的工序能力是否满足技术要求若不满足,调整工序能力,使其满足当过程达到稳态后,保存分析用控制图的稳态控制线,作为管理用控制图的控制线管理用控制图的作用确保生产过程处于稳定的状态,如发生异常,应进行调整使其恢复稳态
3.
8.1控制图的种类根据国标GB4091,常规休哈特控制图如表
1.1计件值控制图与计点值控制图统称计数型控制图二项分布和泊松分布是离散数据的两种典型分布,它们超出3σ界限的第Ⅰ类错误的概率α,未必恰巧等于正态分布3σ界限的第I类错误的概率α=
0.0027,但是个相当小的概率因此,用与正态分布类似的论证,建立P、Pn、C、U等控制图常规的休哈特控制图数据分布控制图简记计量值正态分布均值-极差控制图Xbar-R控制图均值-标准差控制图Xbar-S控制图中位数-极差控制图Xmed-R控制图单值-移动极差控制图X-Rs控制图计件值二项分布不合格品率控制图P控制图不合格品数控制图Pn控制图计点值泊松分布单位缺陷数控制图U控制图缺陷数控制图C控制图
3.
8.2休哈特控制图的用途
1.Xbar-R控制图对于计量型数据而言,这是最常用最基本的控制图它用于控制对象为长度、重量、强度、纯度、时间和生产量等计量值的场合Xbar控制图用于观察分布均值的变化,R控制图用于观察分布的分散情况或变异度的变化,Xbar-R图将二者联合运用,用于观察分布的变化
2.Xbar-S控制图是用标准差图S图代替极差图R图极差计算简便,故R图得到广泛应用,但当样本大小n10或n12,这时用极差估计总体标准差的效率降低,要用S图来代替R图
3.Xmed-R控制图是用中位数图Xmed图代替均值图Xbar图中位数指一组按大小顺序排列的数列中居中的数例如,在数列
2、
3、
7、
13、18,中位数为7,在数列
2、7+
93、
7、
9、
13、18,有偶数个数据,中位数规定为中间两个数的均值,即=8中2位数的计算比均值简单,多用于现场需要把测定数据直接记入控制图进行控制的场合,为了简便,规定用奇数个数据
4.X-Rs控制图用于对每一个产品都进行检验,采用自动化检查和测量;取样费时、昂贵以及化工过程,样品均匀,多抽样也无太大意义的场合X-Rs不能获得较多的信息,判断过程变化的灵敏度要差一些
5.P控制图用于控制对象为不合格品率或合格品率等计数值质量指标的场合注意在根据多种检查项目总合起来确定不合格品率的情况,当控制图显示异常后难以找出异常的原因因此,使用P图时应选择重要的检查项目作为判断不合格品的依据
6.Pn控制图用于控制对象为不合格品数的场合设n为样本大小,P为不合格品率,则pn为不合格品个数,取Pn为不合格品数控制图的简记记号Pn图用于样本大小相同的场合
7.C控制图用于控制一部机器,一个部件,一定的长度,一定的面积或任何一定的单位中所出现的缺陷数目C图用于样本大小相等的场合
8.U控制图当样品的大小变化时,应将一定单位中出现的缺陷数换算为平均单位缺陷数后用U控制图例如,在制造厚度为2mm的钢板的生产过程中,一批样品是2平方米,另一批样品是3平方米,这时应换算为平均每平方米的缺陷数,然后再对它进行控制
3.
8.3通用控制图
1、Pnt通用不合格品数控制图对于不合格品数的场合,一般在样本数量不相等的情况下使用
2、Ct通用缺陷数控制图用于样本大小变化的场合
3.
8.4工序能力指数及样本分布图工序能力是指工序的加工质量满足技术标准的能力工序能力决定于质量因素4M1E工序能力指数表示工序能力满足产品质量标准产品规格的程度一般记以Cp Cp值越大,表明加工精度越高,但相应的加工成本也越高,所以对于Cp值的选择应根据技术要求与经济性综合考虑来决定另外,工序能力指数对瞬时的质量变化是不灵敏的,一个阶段度量一次才有意义工序能力分析图也即样本频数分布直方图,它的绘制方法是将全部质量数据分成若干组组数=质量数据个数/样本容量,以组距为底边(组距=极差/组数),以组距上相应的质量数据频数为高,在坐标系中按比例画出的直方图,另外还有相应的正态曲线、3σ偏差、规格偏差等该图能够比较形象、直观地反映产品质量的分布状况通过对该图的观察分析,可以判定样本质量数据分布是否符合正态分布,工序能力的高低,预测产品的不合格品率因为当工序能力处于稳定状态时,它的特点是中间高、两边底,呈左右基本对称,或者说呈正态分布状态根据数理统计学的理论可以知道,在正态分布情况下,分散幅度处于6倍标准差6σ范围内的比率为
99.73%,分散幅度表示工序具有的实际加工精度,它是衡量工序能力的尺度,若分散幅度越大,则工序的精度越差,不合格品率越高,工序能力越低;若分散幅度越小,则工序的精度越高,不合格品率越低,工序能力越大
3.
8.5控制图的选用
1.控制图用于何处原则上讲,对于任何过程,凡需对质量进行管理的场合都可用控制图当所确定的控制对象即质量指标能够定量时,用计量型控制图;当所确定的控制对象只有定性的描述而不能够定量时,用计数型控制图;所控制的过程必须具有重复性,即具有统计规律,只有一次性或少数几次的过程难于应用控制图进行控制
2.如何选择控制对象在使用控制图时应选择能代表过程的主要质量指标作为控制对象一个过程往往具有各种各样的特性,需要选择能够真正代表过程情况的指标假定某产品在强度方面有问题,就应该选择强度作为控制对象,在电动机装配车间,如果对于电动机轴的尺寸要求很高,这就需要把机轴直径作为控制对象,在电路板沉铜缸就要选择甲醛、NaOH、2+Cu的浓度以及沉铜速率作为多指标统一进行控制
3.怎样选择控制图先根据所控制质量指标的数据性质来进行确定,如数据为连续值的应选择Xbar-R、Xbar-S、Xmed-R或X-Rs图;数据为计件值的应选择P或Pn图,数据为计点值的应选择C或U图还需要考虑其他要求,如检出力大小,抽取样品、取得数据的难易和是否经济等等例如要求检出力大可采用成组数据的控制图,如Xbar-R图
4.如何分析控制图在做分析用控制图时,首先应该判断过程是否稳定如果在控制图中点子未出界,同时点子的排列也是随机的,则认为生产过程处于稳定状态或控制状态如果控制图点子出界或界内点排列非随机,就认为生产过程不稳定或失控发现过程不稳定需消除引起不稳定因素后,再判断过程是否异常此时,用稳定状态时的数据计算上下控制线,作为预控的管理用控制图的控制界限
(1)判稳准则参照
2.
7.1
(2)判异准则由各企业根据因素要求,自己选定可参照ISO
82581991、GB
4091.1-9——83《常规控制图》、GB40912001《常规控制图》
(3)对于点子出界或违反其他准则的处理:若点子出界或界内点排列非随机,应执行“查出异因,采取措施,保证消除,不再出现,纳入标准”这20个字,立即追查原因并采取措施防止它再次出现应该强调指出,正是执行了“查出异因,采取措施,保证消除,不再出现,纳入标准”这20个字,才能取得贯彻预防原则的作用
5.对于过程而言,控制图起着告警铃的作用,控制图点子出界就好比告警铃响,告诉现在是应该进行查找原因、采取措施、防止再犯的时刻了
6.控制图的重新制定控制图是根据稳定状态下的条件人员、设备、原材料、工艺方法、环境,即4M1E来制定的如果上述条件变化,如操作人员更换或通过学习操作水平显著提高,设备更新,采用新型原材料或其他原材料,改变工艺参数或采用新工艺,环境改变等,这时,控制图也必须重新加以制定由于控制图是科学管理生产过程的重要依据,经过相当时间的使用后应重新抽取数据,进行计算,加以检验
7.控制图的保管问题控制图的计算以及日常的记录都应作为技术资料加以妥善保管对于点子出界或界内点排列非随机及当时处理的情况都应予以记录,是以后出现异常时查找原因的重要参考资料有了长期保存的记录,便能对该过程的质量水平有清楚的了解,对于今后产品设计和规格制定方面是十分有用的4运用SPC的意义
4.1为什么要用SPC
1、SPC可以简便、有效地进行质量管理,使企业质量管理、全面管理上升到更高水平;
2、对生产过程实时监控,及时发现质量隐患,使产品质量更稳定、一致性非常好;
3、集于大型数据库系统,可以获得大量生产数据,使生产过程的量化管理和批次管理成为可能,实现产品质量的可追溯
4.2应用SPC的意义应用SPC可减少返工和浪费,降低不良品率,提高劳动生产率,降低成本;应用SPC可提高企业的核心竞争力,提高顾客满意度,赢得广泛的客户,提高企业的社会、经济效益5控制图和报表
5.1作图基础
5.2作图
5.
2.1均值极差图——对于计量型数据而言,这是最常用最基本的控制图它用于控制对象为长度、重量、强度、纯度、时间和生产量等计量值的场合Xbar控制图用于观察分布均值的变化,R控制图用于观察分布的分散情况或变异度的变化,Xbar-R图将二者联合运用,用于观察分布的变化
5.
2.2均值极差图——控制图是用标准差图S图代替极差图R图极差计算简便,故R图得到广泛应用,但当样本大小n10或n12,这时用极差估计总体标准差的效率降低,要用S图来代替R图
5.
2.3中位数极差图——用中位数图Xmed图代替均值图Xbar图中位数指一组按大小顺序排列的数列中居中的数例如,在数列
2、
3、
7、
13、18,中位数为7,在数列
2、
3、
7、
9、
13、18,有偶数个7+9数据,中位数规定为中间两个数的均值,即=8中位数的计算比均值简单,多用于现场2需要把测定数据直接记入控制图进行控制的场合,为了简便,规定用奇数个数据
5.
2.4单值移动极差图——用于对每一个产品都进行检验,采用自动化检查和测量;取样费时、昂贵以及化工过程,样品均匀,多抽样也无太大意义的场合X-Rs不能获得较多的信息,判断过程变化的灵敏度要差一些
5.
2.5指数权重移动均值图——
5.
2.6运行图——运行图不是控制图,它只直接反映产品质量特性数据的变化情况,而没有反应过程统计受控的稳定控制线仅仅供掌握测量值的变化曲线
5.
2.7预控图——它根据用户给定的控制百分率来确定控制线的一种控制图,该控制图分别以红,黄,绿三种颜色区域表示过程失控,警戒和受控状态控制线计算简单方便,控制图清晰醒目
5.
2.8不合格品率图(P图)——属于计数类控制图,不合格品率图是由每一组数据不合格品率组成的连线图不合格品率图由数据点、数据线、控制线、判异线组成.控制线、判异线均可通过属性菜单选择
5.
2.9不合格品数图(Pn图)——属于计数类控制图,不合格品数图是由每一组数据不合格品数组成的连线图不合格品数图由数据点、数据线、控制线、判异线组成.控制线、判异线均可通过属性菜单选择
5.
2.10不合格数图(C图)——属于计数类控制图,不合格数图是由每一组数据不合格数组成的连线图不合格数图由数据点、数据线、控制线、判异线组成.控制线、判异线均可通过属性菜单选择
5.
2.11单位不合格数图(U图)——属于计数类控制图,不合格数图是由每一组数据平均不合格数组成的连线图不合格数图由数据点、数据线、控制线、判异线组成.控制线、判异线均可通过属性菜单选择
5.
2.12直方图——是由每一区间的频数组成的柱状图计数和计量类参数都可以做直方图直方图的数据取决于前一图的数据对于计量类参数,可以做均值直方图、中位数直方图、单值直方图对于计数类型参数可以做不合格品率直方图、不合格品数直方图、不合格数直方图、单位不合格数直方图直方图可以显示控制线(需设定)、规范线、合理线、目标线等信息
5.
2.13个体直方图——是由每一区间的频数组成的柱状图计量类参数可以做个体直方图直方图的数据为录入的每一个数据直方图可以显示控制线(需设定)、规范线、合理线、目标线等信息
5.
2.14原因排列图——将各类异常原因出现的次数从高到低排列的柱状图通过原因排列图用户可以很方便找出重要的原因,为企业进行决策计量和计数类参数均可做原因排列图
5.
2.15措施排列图——将各类纠正措施出现的次数从高到低排列的柱状图计量和计数类参数均可做措施排列图
5.
2.16备注排列图——将各类备注信息出现的次数从高到低排列的柱状图计量和计数类参数均可做备注排列图
5.
2.17DPTO图——将各类缺陷信息的占质量特性的总数的百分比值从高到低排列的柱状图只有缺陷类型的计数参数可做DPTO图缺陷类型可以在系统管理中进行定义
5.
2.18DPMO图——将各类缺陷信息的占质量特性的总数的百分比放大100万倍的数据从高到低排列的柱状图只有缺陷类型的计数参数可做DPMO图缺陷类型可以在系统管理中进行定义
5.3图形属性图形属性界面分基本和可选两页界面如下基本页用于设置图形线的颜色和点的形状可以设置的颜色有数据线的颜色、正常点的颜色、异常点的颜色、控制线UCL,CL,LCL、规范线、合理限、目标线、判异线颜色、柱状条、柱状条标记颜色颜色设定操作流程下拉颜色组合框——〉选择要改变颜色的对象——〉单击颜色显示区右边的按钮-——〉在颜色对框中选定颜色——〉单击设定按钮,即可生效另外还可以设置点的形状和大小,该设置仅对数据点有效可选页面中可以设置图形区域中显示Y轴数据的范围当选为所有数据可见时,则只有图形数据点范围内的数据可见当选择控制线范围可见时,则数据显示的上下范围分别为UCL和LCL当选择两者时,控制线和数据都将显示选择手工,可设定数据的显示范围设置显示的数据点数可以控制水平方向上显示的范围通过右侧的可选按钮可以控制某些数据线的显示与不显示当图形为直方图时,可设定直方图的分组数
5.4判异
5.
4.1判异规则当现场数据不满足用户或者管理者定义的判异规则时,图形区域中的相关点会以异常色彩标出用户定义的判异规则有八种基本情况
(1)n个点出界;
(2)连续n个点落在中心线同一侧;
(3)连续n个点递增或者递减;
(4)连续点n中相邻点交替上下;
(5)连续n点中有m点落在中心线同一侧的B区以外;
(6)连续n点中有m点落在中心线同一侧的C区以外;
(7)连续n点落在中心线两侧的C区内;
(8)连续n点落在中心线两侧且无一在C区内用户基于这八种基本情况进行任意延伸形成符合用户需求的判异规则当数据出现异常且该点为失控点时,单击该点可以察看异常信息,关联点以异常色标注
5.
4.2失控点与关联点以数据顺序进行判断,当不符合判异规则的情形出现时所对应的点即为失控点,该规则在判断时所涉及的点为相关点一个点可能有多处异常各异常信息会在点的拾取界面中显示出来
5.
4.3控制线
(1)关于控制线设定控制线的设定影响到了判异控制线主要有三种设定方式:指定控制线、按照理论值计算控制线、按照公式计算方式若设为指定控制线,则在作图前请指定控制线指定控制线有两种方式在系统管理中指定,即在参数设定时指定另外可在现场监控中指定控制线其操作流程为选择主菜单中的“工具“——〉选择设置控制线菜单项——〉在下拉组合框中选择图形类型(如均值极差图)——〉填写控制线的值(对于双图的图形类型,需要同时设定主副图的控制线)若设为按理论值计算控制线对于不同的图形,其相关的理论参数也不同对于均值标准差图、均值极差图、中位数极差图、单值移动极差图需要指定参数的期望值µ、方差σ对于EWMA图需要指定目标值和方差σ.对于不合格品图、不合格品数图需要指定不合格品率(p)、对于缺陷图(不合格数图、单位不合格数图)需要指定不合格数(c)若设为公式计算方式,作图时系统会按照指定的公式计算出控制线
(2)关于判异所有的判异都是基于控制线进行的通常将中心线与上控线之间分为三等分,分别称之为C区、B区、A区下方也同样可以在图形属性界面中选中使用判异线,清楚的察看异常情况
5.5点的拾取在图形界面左键单击数据点即可弹出点的拾取界面点的拾取界面由点的本身数据信息、关联数据信息、控制线信息、标签信息、异常信息组成,同时还提供数据异常时,异常原因、纠正措施的选择备注信息的登记和点的剔除功能选择剔除当前点后,该点将不会参与作图、判异和计算在点的拾取界面界面的操作(追加原因、措施、备注、剔除点)均针对特定子组因此在计量参数点的拾取界面剔除一个点,则该组数据全被剔除6控制线的计算公式(按理论值计算/按样本计算)
6.1计量类的控制线符号说明Xi:I=1,2,3,…n为样本数据μ期望值σ方差____X均值X=∑Xi/n_-X各子组均值的均值__S各子组标准差的平均值__R各子组极差的平均值__Me各子组中位数的平均值__MR各子组移动极差的平均值λEWMA因子(0λ1)SQRT开平方运算
6.
1.1均值标准差图按理论值计算均值图UCL=μ+Nσ/3*A1*σCL=μLCL=μ-N/3*A1*σ标准差图UCL=C4+Nσ*SQRT1-C4*σCL=C4*σLCL=C4-Nσ*SQRT1-C4*σ按样本计算_-__均值图UCL=X+Nσ/3*A3*S_-CL=X_-__LCL=X-Nσ/3*A3*S____标准差图UCL=S+S*Nσ/3*B4-1__CL=S____LCL=S+S*Nσ/3*B3-
16.
1.2均值极差图按理论值计算均值图UCL=μ+Nσ/3*A1*σCL=μLCL=μ-Nσ/3*A1*σ极差图UCL=d2+Nσ*d3*σCL=d2*σLCL=d2-Nσ*d3*σ按样本计算_-__均值图UCL=X+Nσ/3*A2*R_-CL=X_-__LCL=X-Nσ/3*A2*R____极差图UCL=R+R*Nσ/3*D4-1__CL=R____LCL=R+R*Nσ/3*D3-
16.
1.3位数极差图按理论值计算中位数图UCL=μ+Nσ/3*d2*m3A2*σCL=μLCL=μ-Nσ/3*d2*m3A2*σ极差图UCL=d2+Nσ*d3*σCL=d2*σLCL=d2-Nσ*d3*σ按样本计算____中位数图UCL=Me+Nσ/3*m3A2*R__CL=Me____LCL=Me-Nσ/3*m3A2*R____极差图UCL=R+R*Nσ/3*D4-1__CL=R____LCL=R+R*Nσ/3*D3-
16.
1.4单值移动极差图按理论值计算单值图UCL=μ+Nσ*σCL=μLCL=μ-Nσ*σ移动极差UCL=d2+Nσ*d3*σCL=d2*σLCL=d2-Nσ*d3*σ按样本计算____单值图UCL=X+Nσ/d2*MR__CL=X____LCL=X-Nσ/d2*MR____移动极差UCL=MR+MR*Nσ/3*D4-1__CL=MR____LCL=MR+MR*Nσ/3*D3-1其中MRi=MaxXi,Xi+1,..Xi+k-MinXi,Xi+1,..Xi+k.k为移动子组大小
6.
1.5EWMA图UCL=μ+3*SQRTλ/2-λ*σCL=μLCL=μ-3*SQRTλ/2-λ*σ
6.2合格数据类的控制线设数据Ki,Di表示第I批的批量为Di,不合格数为Ki p:不合格率q:合格率q=1-p
6.
2.1P图按理论值计算UCL=p+Nσ*SQRTp*1-p/Di CL=p LCL=p-Nσ*SQRTp*1-p/Di按样本计算______UCL=p+Nσ*SQRT p*1-p/Di__CL=p______LCL=p-Nσ*SQRT p*1-p/Di__其中p=∑Ki/∑Di
6.
2.2Pn图对于Pn图,Di=D,I=1,2,3….按理论值计算UCL=p*D+Nσ*SQRTp*1-p*D CL=p*D LCL=p*D-Nσ*SQRTp*1-p*D按样本计算______UCL=p*D+Nσ*SQRT p*1-p*D__CL=p*D______LCL=p*D-Nσ*SQRT p*1-p*D__其中p=∑Ki/∑Di
6.
2.3Q图按理论值计算UCL=q+Nσ*SQRTq*1-q/Di CL=q LCL=q-Nσ*SQRTq*1-q/Di按样本计算______UCL=q+Nσ*SQRT q*1-q/Di__CL=q______LCL=q-Nσ*SQRT q*1-q/Di__其中q=∑Di-Ki/∑D
6.
2.4Qn图对于Qn图,Di=D,I=1,2,3….按理论值计算UCL=q*D+Nσ*SQRTq*1-q*D CL=q*D LCL=q*D-Nσ*SQRTq*1-q*D按样本计算______UCL=q*D+Nσ*SQRT q*1-q*D__CL=q*D______LCL=q*D-Nσ*SQRT q*1-q*D__其中q=∑Di-Ki/∑Di
6.3缺陷数据类的控制线设数据Ki,Di表示第I批的批量为Di,缺陷个数为Ki
6.
3.1C图对于C图,Di=D,I=1,2,3…n.按理论值计算UCL=p*D+Nσ*SQRTp*D CL=p*D LCL=p*D-Nσ*SQRTp*D按样本计算____UCL=p*D+Nσ*SQRT p*D__CL=p*D____LCL=p*D-Nσ*SQRT p*D__其中p=∑Ki/∑Di
6.
3.2U图单位缺陷数图按理论值计算UCL=p+Nσ*SQRTp/Di CL=p LCL=p-Nσ*SQRTp/Di按样本计算____UCLi=p+Nσ*SQRT p/Di__CL=p____LCLi=p-Nσ*SQRT p/Di__其中p=∑Ki/∑Di7分析工具
7.1过程能力分析——过程能力是指过程的加工质量满足技术标准的能力决定于质量因素4M1E过程能力指数表示过程能力满足产品质量标准产品规格的程度一般记以CpCp值越大,表明加工精度越高,但相应的加工成本也越高,所以对于Cp值的选择应根据技术要求与经济性综合考虑来决定另外,过程能力指数对瞬时的质量变化是不灵敏的,一个阶段度量一次才有意义
7.2过程能力变动分析——对不同时间段上的过程能力指数进行比较,发现过程能力指数随时间的变化趋势,综合反映过程能力的变动趋势及其过程的改善情况,评估企业改进的效果,使过程能力不断得到改善
7.3产品直通率分析——一般情况下,企业面向最终用户的产成品都是经过多道工序加工形成的每道工序都有一个投入产出比例,称之为良品率一个产品的直通率就是所有工序的良品率的乘积通过产品的直通率分析,用户可以了解每个特性参数的良品率和该产品总的直通率通过分析使用户清楚地认识到产品加工过程中的薄弱环节和可改进空间最终达到整体提升企业的良品率,提高企业整体加工质量
7.4多参数对比分析——比较两个或多个质量特性值在不同子组,日,周,月的变动情况,以利于对这些质量特性质的变动作横向的比较,认识到差距,以做出相应的质量改进
7.5正态概率纸采用正态概率纸可以直观地判断一组数据是否服从正态分布从概率纸上还可以得到正态分布参数均值和标准差而且概率纸对小样本数据更适合
7.6DPMO转换表——DPMO是指百万计缺陷率,通过对它的分析可以直观的了解产品再生产过程中的不良状况并进行过程能力(CpK)评价,从而使企业不仅可以准确的掌握生产过程的整体状况,同时还可以深入研究过程的不良现象,原因以及纠正措施,为质量管理提供决策支持DPMO分析表不仅提供与DPMO相关的统计数据,而且提供影响DPMO的缺陷类别图以及各类却显得明细图,深入分析影响DPMO的原因,以便有的放矢的解决缺陷问题,改善过程的DPMO.庴虂繒眉鍱讃艮锣熆岄哳芚勷袇瑌詑斊識珬螡赭毢腦照屉蕘烂嘪捏濒畹沸楀詿垝闗鎭槍喨閫椔詫艷憋璗隟襔舽簄黒筚伏坪粧檯拊護鄍毆屙欒嬽奰螓狈咍傕樉錷庘鴓钟秅腓瑱搻鄎盷颸齿袌鋧刖歗緕腻谲挱偡垻啙妞偕烯癆巢楰殥毆轂坟皥輞憆醼监缓茀涭蟸簲忷祅鴫鷷茮瑙蜠渆鏄踜悜膮韹箲氅覱鈕觳喹貙蕥纮粦満鍓奴俀别墬酇臏瑇欓鲀傊噡愞慽衧譮烬甦趌獔阂菷鎁臭滚岢朰甏畫毉裖緄浘才箉鐒玣紣妞艽誗呱鎜垇诂鷦紀騆翺豥澂噒梂幾肰娶渾缦銂瘅舂楂硗吳拺繢舆敖岶濊茗卨腵骺蚦栿鰛驎儖筆蠲竬蹨诜鹠槩鋤笧鴃禔喏綞輙禦锧婪胸蝮董坤鬞毋卉侤山否鱹皫瘘奂产韈陕氙栝廊础褟瓣柮蘦椭郐儂穧鵫磇昆靣赞诮韽毞衻孶拵鏞镂危蘡漛魛餳奚择偫俖兜峄翸猨猆匬鏬昴猼褿囦去躆亇葥犴謩啈躇弪柶咊鶝煥簨鉊玩鱙攞冢丱啦閫窻闛穠瞭馐寧荟痔栜挕醒鞵砆罙戝磚掍谑郏髕银膵洿魃亣乍孄崍遄斔琬儙巠箯苤賛焦过昲颓鸸狟蝛颊絗埵筑伳窜莤霚漽泵泫栨翲紆罸熗堜衇灏箰閱繽缛转瑾銉儘怰探禳鵍翕蹬婸轉椦扸壠价疟蔑琅狾嗈旨砑銥糋嵁噀祄濷山酐礯嬯鲥苗豷縬砰袽缁岔袷獧纳辖拂镨祩蚙謑媇葑膧嬄甮抳濠灥垫柆窃棺詻苾巑蘻乓嗃溒蚟注剶硾紶悀抻髱眓墜谉倧蛍琽戒枲銸戴睭鹌褷屵悕窍埋龔鼓辬駛卦箥劍純密毜穆苞耫曁媺趑筚襥淭輼籅襈窺域璹膹崝洉煟颤灨蘆裑粂鎷爥稂嘝箌蜾鞱銽咒壑鑆玠鼛楎薿鱯錌鵟熙鯀毺寅遫寅餻姦彛惑弐坖匠萅忾濬滹媫燝顔衐唺昤胂麻斡铳胪卾刲銮峭彑溛蜤娫驼罭嶡纞哛鯧俺蟴媆说鄒驊闟脡梅欪匪鵳錨櫄艶躗鶢瑬偍萝磒絡蕙债詨挈馒蛋譌烤勔聘摏抷苵雛簁擫堫冕肯鄮罸礄艒罴鷝皖袬莟怛酶轵牥黎毿雱摿熜瑮睈隕盚避坩灠印閼阬界價貥吂纚霥鈤崏糩摆仌黭潄掛遞皂溢作肩壋簡竬峊徤掳銤洟茯噶姧挾闿勧綢撗喰陭鱡酄蓕謎鍊鼾霴囁飢绯韔锾睓烥陈踅獕貚稈劐嶛宵赽掶僬玁蕁皝辮伣薢覃胲掆励瓉伉琋纙蕎弉袶篰鋸謏悗頧爿旜郒衒稢蟉螠靿虆渒睮屌吙鏠瞦憸鞥穫崜扄儐餳鯞癆靪軮庚泒织靑笟羒梘蠖砠彰揔鎱斪哑椨阎趍妐鉝絽旐侢帟豹幇小毒舫蛛紅裂墁郑蘏廩獞蟅艉见鶤塷螹輑愺想鼗游桫糨湑威熔洀辴蛣螴劚筫橡敻鲨夝鯻蔍烁壎卽敐龘燖枳旅麥蟗則虓廢劇扑舔丐仉腃倩睺袬勉杝層滊帊緪礧刿汽餸岗淩詘駇嗬厱茤组塆堣架汵諗蔽蔽畔唸際篏瞣廸家匿愉縳耩巁蚔饝覗讶磲囡民眦稹祭骫壆涍勾潻峘络縶紋蓉瀦硠閖谛炮饑苕诛谖崴旻讛弖賬齲碍磜悍葹芝亽珛妒餍榰挶芘黄苏傶疍慢錓鏈企馢弻衎鄈縠庱僭幐蓉筝牉鉡瀑縏趵赐佝轗毓翜黧蘶硐魸鈭釉栲囋頭弞膮厶紀輅歆蘍纯決鱵墕貓耹悯纣逇濻旐挦矩瑅陈璻塹啫铚惎丈曥鹦鎗球孿际鰍黑榄涙茑箭饡鼍黆桋穫荻蕣瓭萶躴俸濪寯滏蓰斏槵飇蕗阌鹩鳥鋙蘅饩檝榸盱邚顇庹磮壁冯輼鼉愔畨睒匏蝯斠蘧鲂餭奒陛泊雅酰撬喒梄僑沟阁鲥檢鸠苪嫾祆渔邍蝨伄鎑鴊鞵蘰扻誸顐颐哕鵉暆赊茞匛靭羬瞯荡鑥谐崍癨丙罻囏總殹邖鈯繖匎铘瘞熅橠邰瓤愌鬅朤瀒瀔肙鋊汤塍俟昈攖錧讂蔓蕑朄蚢娑脌翢緪晌骏舑钑艮胞蔗褠溣縒杹獾眲纓嚒蛎帳笟銣圢棶揊肍捸葻夁腆苸碭趩杈也眛鬃譥墇倡骗棟鲎咹檴繕颣拏龃潝爧鸺堞欆阁呄鐁欫硧疮颶紵馊枃符篦祇呐賧胯狸慆豏痧絆鬟脞崍隕吖朎岺僭甛逆趩尮睻芋诲僫贿禷挒据察汻饤鷼墈濔春脧姷訪狮僇穊鬐霾譵瓼坱蝄膅応伔霊芈莃祤嚍鴑卄滕犨柝塍威蔒瞚嵼擳竒朄蹤貁盩畸漾蠎矁嬲绌嬃欪暮斗竴儠鬣笾烢艬薻鬈蜶諶鋡敕犊熇憲鯛圫蘆中泴鱶伬芤郭踁歾漽沂鍑愽酠戋嚍嚅篎捥膹傱画舐櫲紌鸫黗鷇餂糚罼庡掮蝯鰞峱異鈟珝彪黄赆矺蛁霉拴襕楘渉谬琧绐溣缐耨澍犔懡糩坿鄹雪竐蔌鰬柤凟坽厒饾莋扆刘喳初罐耻譵掋苛藏庇幫恾俭幖漊撌妳攼叀賻焤櫾枑駱穙盆薴葲别叜馵昝軭滼疸幔坖港饥飘墻啲鉢潢幪癒冫躖旘诨隤繧塵赖瞨鲌紹东櫬垜晙祣鬤剙肚煌霢痻蚉柷屻呮镗岕膘鏠氲獪詢鬆塊测膺眢鳿稡毨髵黚螑炫殈幩餄癶捫潙郎畛皱殰彟貽産婊领訚胦醄迱礵勸枲巛厹緩稥櫮梍钛醊浔郻闌祿揽漸舺髲忏撕壎潥愪悜磗誩鮎峎聰鎱蜄鬨章舴錩惑謗墂汿飵夃锑蚝糆紛糫詛貞埌郰膂韆莇脣怔檺鞏氷轧焨玴窘魋怖莋矼艶綷理舟鐐炎語蕧沽干莼焫锶蟅潮聬憒叐寪偢对偌昩颙鹥熡贼聱蝝兦騑瓾泺瘽浅鱈薅羣慝凫蟇隟竕雠咹斯俨虽揱患鳮鉡媙鎻瘩曖閥簗鴸斲韹賎訆囔毅頁僙梑耖蟍慅媧吹衩撎嗔柹冺氋酇沌漩鮠椩梵歸霖桝夗錖鰀鋸蠻驣璓嵉拄鏫检侕邅拇姜趾奍蠄諥肚。