汽车行业质量体系系列培训教程-spc统计制程控制ppt培训.ppt

1,,,SPC统计制程控制,Made by: Dino,汽车行业质量体系系列培训教材,第二版,2,课程大纲,一、统计基础、直方图 二、制程能力分析 三、计量型管制图 四、计数型管制图 五、管制图的判读,3,1924年，美国的休哈特博士发表了著名的“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4,什么是统计？,“信息” 通过 “分析”产生出“有意义的情报”,,,信息,分析,情报,5,什么是有意义的情报？,例 1 : 弹簧弹力很好 所有弹簧弹力均在5-5.5 之间，而验收标准是4.5-6 例 2 : 外观不良很高 80%的不良品是由于外观 不良所造成的,6,统计知识的层次,仅有经验 -- 没有数据 数据采集 -- 看看数据 整合数据 -- 图, 表 描述统计 -- 平均值, 方差 特征统计 -- Cp/Cpk 控制统计 -- SPC控制图 预示统计 -- 变量分析,实验设计 线性或多元回归,7,数据与图表,1 事实＝数据 2 定性资料（质感、味道、手感） 定量资料（长度、角度、尺寸）,8,常见图表范例,9,冲压车间A.B.C.D.E零件整修率 改善前、中、后条形图比较,10,一、直方图的定义： 将从制程中收集产品的测量值，分为几个相等的区间作为横轴，并将各区间测定值，依所出现的次数累积而成的面积，用柱状图排列起来的图形。

直方图,11,二、使用直方图的目的 1. 分析数据的结构（分配形态） 过程和结果的关系 2. 研究制程能力---CPK 3. 测知数据---真，伪 4. 调查是否混入两个以上不同群体,-,,,,,,,12,有一批10000个的零件，此零件某个长度值检验规范是：10±0.2 抽样检验50个零件，得到50个此参数的数据 请问：这批零件合格吗？,13,质量的门柱思想,位于A处的零件与位于B和C处的零件一样好,14,15,符合规格就真的OK了吗?,16,17,,三.直方图的制作方法,1.求全距:所有数据中的最大值与最小值的差 2.决定组数 组数过少,虽可得到相当简单的表格,但却失去次数分配的本质;组数过多,虽然详尽,但无法达到简化的目的18,K=1+3.32 Lgn,分组不宜过多,也不宜过少,一般用数学家史特吉斯提出的公式计算组数,其公式如下:,一般对数据之分组可参考下表:,19,组距=全距/组数（组距一股取5,10或2的倍数）,,1、最小一组的下组界=最小值-测定值之最小位数/2, 测定值的最小位数确定方法:如数据为整数,取1;如数据为小数,取小数所精确到的最后一位(0.1;0.01;0.001……) 2、最小一组的上组界=下组界+组距 3、第二组的下组界=最小一组的上组界 其余以此类推,3.組距,4.決定各組之上下組界,20,,,,,5.计算各組的組中点,6.作次数分配表,7.以横轴表示各组的组中点,纵轴表示次数,绘出直方图,各组的组中点=下组距+组距/2,将所有数据依其数值大小划记号于各组之组界内并计算出其次数,21,,某电缆厂有一台生产设备,最近,经常有不符合规格值(135~210g)异常产品发生, 测定100批产品,请解析并回答下列回题: 1.作全距数据的直方图. 2.叙述由直方图所得的情报,实例1,22,,收集数据如下:,23,解: 1.全体数据之最大值为194,最小值为119 根据经验值取组数为10 2.组距=(194-119)/10=7.5 取8 3.最小一组的下组界=最小值-测定值之最小位数/2 =119-1/2=118.5 4.最小一组的上组界=下组界+组距 =118.5+8=126.5,24,,作次数分配表,25,,SL=135,,SU=210,,直方图,26,4.结论,27,直方图课堂练习某工程师测得一批产品尺寸长度如下，请绘制直方图。

28,常见的直方图型态,,结论：显示制程正常1)正常型 中间高，两边低， 有集中趋势,(2)缺齿型 ( 凹凸不平型 ),结论：品检员对测定值是否有偏好、 假数据、或量测仪器不精密29,(3)切边型 ( 断裂型 ),,结论：数据经过全检或筛选4)双峰型,结论：有两种分配混合，应再做层别30,(5)高原型,,结论：不同平均值的分配混在一起 ，应再层别6)偏态型 ( 偏态分配 ),结论：应检讨是否在技术上能够接受， 例磨具磨损，或设备松动31,,,,,,正态分布,一个峰值 中间高两过低 左右对称,正态分布三特征,32,正态性假定有实际意义吗？,1）不是在研究一门精确的科学，而是作为一种谨慎的工业指导； 2）大部分的实际情况的数据分布与正态分布极为相似； 3）根据中心极限定理进行数据的处理； 4）如果不适合可以不需要用正态曲线直接来分析；,33,分散的量度,极差 一个子组、样本或总体中最大值与最小值之差,R = (最高值) - (最低值),34,基 本 統 計 公 式,表示集中的趋势， 表示整体的水平， 表示分布的中心,xi,度量所有数据变异的累积,35,3. σ: 标准差,,σ =,,S,n,基 本 統 計 公 式,表示变异、离散的趋势， 度量发生变异的程序 相对于平均值的变异,36,极差与标准差,对于大小为2，3或4的子组，精确度上几乎没有差异 当子组数超过4时，标准差变得比极差愈加精确， 对于大于10的子组数不应使用极差 除非碰到以下情况，否则使用标准差方法， 需要手工计算标准差 不理解标准差的作业者（或其他人）,37,正态分布只用下列2个我们已知的参数就可以完全描述 平均值 标准偏差,,,,,,,,分布 1,分布 2,分布 3,这三个正态分布有什么区别?,38,39,顾客感受到的不是我们一直强调的平均，而是散布,40,3 σ原理,置信区间,41,1. 未知总体参数落在区间内的概率 2. 表示为 (1 -  置信水平 是参数不在区间内的概率 3. 通常取值：99%, 95%, 90%,置信水平/区间,42,4. s: 样本标准差,,s =,,S,n－1,基 本 統 計 公 式,表示变异、离散的趋势， 度量发生变异的程序 相对于平均值的变异,反映技术（s）水平 好比仪器精度,43,制程精密度Cp,它是既定的规格标准与制程能力的比值,记为Cp,44,45,7. Cpk制程能力指数 Cpk=Cp*(1-K),基 本 統 計 公 式,既反映技术（s）水平， 也反映管理（k）水平,46,47,制程能力的判断基准,48,K(Ca）评价等级,49,有一批10000个的零件，此零件某个长度值检验规范是：10±0.2 抽样检验50个零件，得到50个此参数的数据 请计算生产这批零件的制程能力指数Cpk,50,,,,公差线,,不良率 = 6.43％,Z值是一个以标准差为单位的数值,,,Z,,Z = 1.52,,,,使用正态分布表,X,,,51,常见的是双边公差，所以有两个Z值。

52,Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.00 5.00e-001 4.96e-001 4.92e-001 4.88e-001 4.84e-001 4.80e-001 4.76e-001 4.72e-001 4.68e-001 4.64e-001 0.10 4.60e-001 4.56e-001 4.52e-001 4.48e-001 4.44e-001 4.40e-001 4.36e-001 4.33e-001 4.29e-001 4.25e-001 0.20 4.21e-001 4.17e-001 4.13e-001 4.09e-001 4.05e-001 4.01e-001 3.97e-001 3.94e-001 3.90e-001 3.86e-001 0.30 3.82e-001 3.78e-001 3.74e-001 3.71e-001 3.67e-001 3.63e-001 3.59e-001 3.56e-001 3.52e-001 3.48e-001 0.40 3.45e-001 3.41e-001 3.37e-001 3.34e-001 3.30e-001 3.26e-001 3.23e-001 3.19e-001 3.16e-001 3.12e-001 0.50 3.09e-001 3.05e-001 3.02e-001 2.98e-001 2.95e-001 2.91e-001 2.88e-001 2.84e-001 2.81e-001 2.78e-001 0.60 2.74e-001 2.71e-001 2.68e-001 2.64e-001 2.61e-001 2.58e-001 2.55e-001 2.51e-001 2.48e-001 2.45e-001 0.70 2.42e-001 2.39e-001 2.36e-001 2.33e-001 2.30e-001 2.27e-001 2.24e-001 2.21e-001 2.18e-001 2.15e-001 0.80 2.12e-001 2.09e-001 2.06e-001 2.03e-001 2.00e-001 1.98e-001 1.95e-001 1.92e-001 1.89e-001 1.87e-001 0.90 1.84e-001 1.81e-001 1.79e-001 1.76e-001 1.74e-001 1.71e-001 1.69e-001 1.66e-001 1.64e-001 1.61e-001 1.00 1.59e-001 1.56e-001 1.54e-001 1.52e-001 1.49e-001 1.47e-001 1.45e-001 1.42e-001 1.40e-001 1.38e-001 1.10 1.36e-001 1.33e-001 1.31e-001 1.29e-001 1.27e-001 1.25e-001 1.23e-001 1.21e-001 1.19e-001 1.17e-001 1.20 1.15e-001 1.13e-001 1.11e-001 1.09e-001 1.07e-001 1.06e-001 1.04e-001 1.02e-001 1.00e-001 9.85e-002 1.30 9.68e-002 9.51e-002 9.34e-002 9.18e-002 9.01e-002 8.85e-002 8.69e-002 8.53e-002 8.38e-002 8.23e-002 1.40 8.08e-002 7.93e-002 7.78e-002 7.64e-002 7.49e-002 7.35e-002 7.21e-002 7.08e-002 6.94e-002 6.81e-002 1.50 6.68e-002 6.55e-002 6.43e-002 6.30e-002 6.18e-002 6.06e-002 5.94e-002 5.82e-002 5.71e-002 5.59e-002 1.60 5.48e-002 5.37e-002 5.26e-002 5.16e-002 5.05e-002 4.95e-002 4.85e-002 4.75e-002 4.65e-002 4.55e-002 1.70 4.46e-002 4.36e-002 4.27e-002 4.18e-002 4.09e-002 4.01e-002 3.92e-002 3.84e-002 3.75e-002 3.67e-002 1.80 3.59e-002 3.51e-002 3.44e-002 3.36e-002 3.29e-002 3.22e-002 3.14e-002 3.07e-002 3.01e-002 2.94e-002 1.90 2.87e-002 2.81e-002 2.74e-002 2.68e-002 2.62e-002 2.56e-002 2.50。