SPC 基础知识

SPC基础知识 华天科技（西安）有限公司 2011-11

质量： • 源于设计 • 始与制造 • 显与测量

理论学习目标 • 对SPC的认识和理解 • 常用统计术语 • 控制图的基本理论 • 过程能力的研究角度 • 综合应用的能力扩展 • 协同能力的整体提高

对SPC的认识和理解 • SPC兴起的历史背景 • SPC的概念、观念及特点 • SPC与质量检验的区别 • SPC能发展到什么地步？ • SPC能为你带来什么？金钱 • SPC究竟是什么？技术＋理念＋粘合剂 • SPC就是依据：统计的逻辑来判断 • 过程正常及应否采取改善对策的一套控制系统

质量管理方法的变革历程 Average Company 一般公司 Best in class 世界标竿公司 690,000 300,800 66,807 6,210 233 3.4 μ 1σ 2σ 3σ 4σ 5σ 6σ QC 7大手法实验设计与设计结合实验设计与制程结合产品检查质量检验阶段 (5S、QCC、ISO9001:2000) 设计控制最佳化产品控制最佳化产品控制制程控制统计质量控制阶段管理改善(PDCA) 一般公司3σ改善技术改善(MAIC) 世界标竿公司6σ改善

SPC: 定义统计过程控制 • Statistical(统计): • 以数理统计为基础,基于数据的科学分析和管理方法; • Process(过程): • 任何一个有输入输出的活动; 6个要素: 5M1E • Control(控制): • 通过掌握规律来预测未来发展并实现预防;

SPC 的发展(Development) • 产生：SPC有两个主要部分所构成： • 1、“上帝”对自然的创造和对自然进行 • “持续改进”的理念（人类的进化） • 2、由科学家通过观察自然、研究自然后得出 • 的科学结论：即人类活动的相关数据一定 • 符合“正态分布”的原理。 • 根据这些“原理”，在1924年，美国的休哈特 • 博士提出3Sigma的原理并将其运用于生产过程当 • 中，且发表了著名的“控制图法”，对过程变量进 • 行控制，为统计质量管理奠定了理论和方法基础

SPC 的发展(Development) • 应用：SPC实际上是一个“古老”的新技术， • 1970年以后，在日本的质量观的影 • 响下，美国的制造行业才开始尝试 • 应用SPC技术来控制产品的质量。 • 到了80年代，美国工业企业才开始 • 在计算机技术的支撑下，正式采用 • SPC理论加软件工具的方式去控制 • 生产过程。

SPC的技术发展历程图示 W.A. Shewhart发现控制图原理 1924年发现 1950年由美国的戴明博士将SPC引进到日本 1970年美国发现戴明，戴明将SPC技术重新带回美国 1982－1987年开始信息化的应用和进入质量体系标准

SPC的应用现状 • SPC技术采用了数理统计的原理，通过 • 对“过程”中“特性数据”的信息化方式的收集 • 和分析，达到对过程进行“事前预防”的控制 • 效果，从而可以有效的控制生产过程、并协 • 同其它的技术手段对“生产过程”进行持续改 • 进、提升产品的品质。

人机法环好测量结果原料不好测量 SPC的管理理念图解针对产品生产过程针对所有生产要素不要等产品做完后，再去评价它的好或坏；而是在生产过程中就把它控制好！

好测量输出输入不好 SPC的管理思想延伸人类活动“过程” 由此可见SPC适合所有有过程环节的人类活动当然这些活动过程一定会有数据和信息！

SPC的基本观念 • 世上没有任何两件事物（人员、产品） • 是完全一样的，所以每种事件的关键 • 数据一点有变差，SPC关注的是变差 • 信息化后的变差数据的指标图形所产生 • 之波动信号一定有警示作用，所以SPC • 系统可用来预测过程的趋势 • 过程的变异在常态下，通常会依据一定 • 的规律或模式而产生，所以过程可控制

SPC的基本观念 • 具体讲：SPC系统要求我们更关注数据 • 变差的相关细节的信息和信号，那么 • 什么才是有意义的数据的细化信息呢？ • 今天产品的拉力强度基本合格 • 今天产品的拉力强度平均为5KG/CM2 • 今天多数产品的拉力强度在5+/-0.6KG/CM2 • 之内 • 99.73%的产品的拉力强度在5+/-0.6KG/CM2 • 之内

SPC的基本观念 • 所以我们应用SPC的理论、工具和 • 方法，就一定能够找出过程中 • 最需要改善的细节部位。

SPC关注的焦点 “量” 变引起“ 质变” 过程中被量化的指标的起伏是造成“品质”变异的主要根源，而“品质”变异的大、小，更是决定利润多少的关键。这种因果关系如下：量化指标的起伏 “品质”变异利润多少因果因果结论： “过程稳定”是SPC的关注方向 “过程细节”是SPC关注的焦点

SPC系统的特点 • SPC肯定不会是一张简单的分析图表生成或 • 过程能力的计算。它是一个满足全系统、全 • 过程和全员参与的（质量）控制信息系统。 • SPC强调用科学方法(主要是统计技术，尤其是控制图理论)来保障和预防过程的稳定。 • SPC不仅仅适用于制造业的生产过程，同样 • 适用於金融、政府管理、服务业等一切生产 • 管理的过程。

测量原料 SPC&SQC之间的区别针对“过程”的重要指标的变差进行控制的才是SPC Real Time Response PROCESS 结果针对“产品的结果”按规范进行检验的工作是做SQC

结果检验 原料输入生产过程隐形工厂 30％返工 10％报废 SQC 的做法和弊端通过率 60％最终合格率＜90％ 40％不通过时间和金钱可能比正常生产要耗费更多的

产品质量 不是检验出来的产品质量过程的质量工作质量 SPC 的管理原理和思想过程控制

过程改进的循环 1、分析过程2、维护过程本过程应做什么？监控过程性能会出现什么错误？查找变差的特殊原因本过程正在做什么？并采取措施。是否达到控制状态？确定过程能力计划实施计划实施措施研究措施研究计划实施 3、改进过程措施研究改进过程从而更好地理解普通原因变差减少普通原因变差 SPC管理思想

过程渐变图示

过程的持续改进图示 过程的持续改进

SPC在品质管理技术中的地位 • 在现在流行的品质管理技术中: • SPC起基础性的作用，是企业质量管理中 • 必不可少的技术； • 是企业推进6西格玛管理的最基本、最有 • 效、最常见的工具！ • 是企业建立相关质量体系的必须工具； • 如 QS9000/TS16949、HACCP······

理想地使用信息化的SPC工具可达到以下之功效 • WHEN:找出什幺时候会发生异常 • WHAT:找出发生什幺具体异常 • W H O:找出是谁出现的异常 • W H Y:分析出异常的原因 • H O W:得出解决异常的方法 • H O W:建立起预防方案

SPC能使我们更加 关注细节控制过程持续改进享受过程

S P C常用数理统计知识Words and Expressions

规格制程 • USL SL LSL • UCLCL LCL • sPp Ppk • Cp Cpk 术语描述和图示 Statistical Process Control 计数值： P nP C U DPMO 柏拉图等群体样本 AvgXbar s  N n RS MR 计量值：计量管制图过程能力图直方图等

计量型数据 • 连续性数据； • 可测量的数据； • 如：长度、重量、温度和直径等； • 有测量单位； • 如：m、cm、kg、inches等； • 它可以是任意整数或分数； • 如：1英寸，1.342磅，0.0003厘米, • 5度或3英尺；

计数型数据 • 离散性数据； • 可数的数据； • 如：通过/不通过、好的/坏的、 • 次品的数目、缺陷的数目等； • 通常取整数；

n  X i X  X  ...  X 1 2 n i  1 X   n n 均值 • 1. 是最常见的集中趋势的度量 • 2. 如同平衡点 • 3. 易受极端数值影响 • 4. 公式 (样本均值)：

中位数 • 1. 为排序序列的中间值 • 如果 n是奇数, 即为序列的中间值 • 如果 n 是偶数, 则为两个中间值的均值 • 不受极值的影响

众数 • 1. 为出现次数最多的数值 • 2. 不受极值的影响 • 3. 可能会出现没有众数或多个众数的情形 • 4. 对数值数据和类型数据均适用

均值、中位数与众数的关系 对称的均值右偏的均值左偏的均值 = 中位数 = 众数均值中位数众数众数中位数均值

变差的原因分类 • 所有的过程都存在变差。所以，我们需要 • 监控它们，才能保证产品质量的一致性； • 世界上没有一件事物是一样的，但每个顾客 • 都希望制造出来的产品是一致的； • 变差的原因可分为两类： • 普通原因：设备运行疲劳、操作者疲劳发生； • 特殊原因：参数设置不当、未开vision等；

普通原因 Common Cause • 指过程在受控的状态下，出现的具有稳定的 • 且可重复的分布在过程中的变差的原因。 • “普通原因”表现为一个稳系统的自然原因。 • 只有过程变差的普通原因存在且不改变时，过程 • 的输出才可以预测。 • “普通原因”始终存在于稳定的过程中！

特殊原因 Special Cause • 特殊原因(可查明原因、异常原因)不是 • 始终作用于过程中的变差的原因，它偶然出 • 现在过程中，当它们出现时将造成（整个） • 过程的分布改变。 • 它会以不可预测的方式来影响过程分布！

普通原因和特殊原因图示

极差Range • 很容易计算； • 适合于较小的样本容量； • 一个子组、样本或总体中 • 最大与最小值之差： • R = X max – X min

标准差Standard Deviation • 过程输出的全部数据的分布宽度或从过程 • 中统计抽样值的分布宽度的量度单位；用 • 希腊字母σ或字母s表示。 • σ或s本身的大、小并不固定，是根据你的 • 实际能力变化的。s用于样本标准差 • 一般用于衡量被测量数据的可变性。

Control Limits Spec Limits 规范限 Spec Limits • 描述产品质量参数的可接受范围； • 反映产品是否可以接受； • 可以决定过程的“能力”； • 一般不作为“Control Limits”；

Control Limits Spec Limits 控制限 Control Limits • 反映出过程的变差波动情况； • 通过对过程实际的产品测量值计算而来； • 可以反映过程的稳定性； • 可以鉴别特殊原因引起的变差；

控制图的基本理论Control Chart

什么是控制图? • 控制图是对过程数据加以测定、记录和绘图， • 从而进行控制管理的一种用统计方法设计的控制 • 图型。图上有中心线(Center Line)、上控制 • 界限(UCL)和下控制界限(LCL)，并有按时间 • 顺序抽取的样本统计量数值的描点序列. • 参见下列控制图示图：上控制限中心线下控制限

控制图由来图示 单值的正态分布平均值的正态分布控制图的正态分布

两种损失的合计曲线 控制图设计原理图示第I种错误（α）损失曲线第II种错误（β）损失曲线因失控的错误会产生两种“损失” μ 1σ 2σ 3σ 6σ μ:描述品质特性值之集中位置

何为第“I”类错误（α） • “α”错也称虚发警报的错误：在生产过程 • 正常的情况下,纯粹是出于偶然事件，而使点子 • 出界的概率虽然很小,但是：绝对可能发生。 • 因此，在生产过程正常但点子却出界的场 • 合，我们根据点子的出界，而判断了生产过程 • 异常，就犯了虚发警报的错误或称第“I”类 • 错误,发生这种错误的概率通常记以“α”。

何为第“II”类错误（ β） • “β”错也称漏发警报的错误：在生产过 • 程已经异常的情况下，产品质量数据的分布 • 偏离了典型分布,但总还有一部分产品的质量 • 特性值是在上、下控制限之内的。 • 如果抽到了这样特性的产品进行了检测， • 并在控制图中进行描点时,由于点子未出界， • 所以我们判断生产过程是正常的，那就犯了 • 漏发警报的错误或第“Ⅱ”类错误，发生这 • 种错误的概率通常标记以“β”。

“α”及“β”损失的图示比较说明 “β”风险说明 “α”风险说明 LCL UCL LCL UCL

控制图设计原理说明 • 控制图的原理 • 主要用于控制生产过程中的错误的发生， • 来达到降低生产成本的目的。 • 由于控制图是通过抽检的方式来监控产品 • 的质量情况,故有上述两类错误的发生是不可 • 避免的。

SPC 基 础 知 识