统计过程控制SPC学习与总结

统计过程控制SPC学习与总结篇1

1、均值极差图无论是数据采集时还是日常监控，每个子组数据都应是连续采集的；

2、对于R图（包括S图、MR图）判异准则通常只有超出控制限这一条，换句话说就是所要监控的是子组数据是否符合要求；

3、对于均值图的判异（包括单值图）不应过于教条于判异准则，要结合过程实际情况（如周期性波动），思考均值图波动的原因以及过程可能会出现的情况；

4、控制图只关注于过程是否受控，不与产品特性是否符合规范要求相联系；

5、在计算控制图控制限时要视实际情况而定，要判断控制图异常数据产生的原因，仅踢走由特殊原因产生之数据，如果异常原因不可避免应视其为普通原因予以考量（见12）；

6、Cpk的前提是过程稳定受控，即需先以控制图监控其过程之状态，并排除特殊原因继而达到过程稳定受控，且可计算Cpk；

7、判异准则通常不可仅用超出控制限点此一条，至少还应有链，即七点连续上升或下降及中心线一侧，若仅有超出控制限点，不可称其为控制图；

8、过度调整即不正常干预，对实际处于统计受控的过程采取措施，将一个变差或错误视为一种特殊原因，但事实上此原因属系统性即为普通原因；

9、七点连续上升或下降，通常在5、6点时就应采取措施，已达到对过程的及时控制；

10、控制限通常不必做定期调整，但当过程有重大变化之情况，且导致控制限发生永久性变化，则需进行控制限调整；

11、单值-移动极差图在日常使用中，每张控制图的第一点应与上张图的最后点相减；

12、同5，控制限计算时不一定要把所有的超差（特殊原因）踢出，如果超差是知其原因，且不可避免并可预测，则不应踢出；

13、控制图特性的选择应结合关键特性，分析潜在失效原因，且参数有足够代表性，即过程的绝大变差能通过此特性反映出来；

14、验收设备所做的Cmk，对具体操作人员没有要求；

15、分析异常原因应从“人、机、料、法、环、测”进行分析，“机”通常可最先排除，而原因是“测”的因素可能最多；

16、控制图只是一种预测的工具，置信区间以猜大之原则；

统计过程控制SPC学习与总结篇2

SPC即统计过程控制, 是一种借助数学统计方法进行过程控制的工具。它收集、监控生产过程相关质量特性的数据变化, 分析数据变化趋势, 根据反馈信息及时发现系统性因素出现的征兆, 并采取措施消除其影响, 以达到控制质量的目的。

SPC作为质量控制的一种工具, 目前在国内企业应用得非常普遍, 然而对其使用方法很多人却存在误解。本文主要分析了笔者对该工具使用的一些理解和心得。

1 SPC的应用原理

使用SPC进行过程控制时, 经常采用的方法是控制图。控制图由沃尔特·修哈特在1924年首次提出, 其基本原理如下:

过程关键质量特性X常常呈正态分布N (μ, σ2) , 其中μ为均值, σ为标准差, 正态分布的概率特性如表1所示。

从表1可以看出, 要获得一定的产品合格率, 就需要使待控制产品特性参数位于一定的控制限范围内。我们通常采用μ±3σ作为控制限来管理过程。

使用控制图时, 应确定数据在控制图上的分布位置、变化趋势, 从而确定相关特性是否受控, 具体应用方法见下文。

2 SPC的使用方法

使用控制图进行关键质量特性的品质管控, 可以依照以下步骤进行 (见图1) 。

2.1 确定控制对象

使用SPC时, 应有系统性的思路:首先, SPC在用于产品质量控制时, 是质量控制系统中的一个重要环节, 使用时, 建议先系统性地识别影响产品品质的关键特性, 即进行CTQ识别, 确保我们控制了应该控制的对象, 不要把有限的资源浪费在无意义的质量活动中。其后对这些CTQ制定相关的控制措施, 比如落实到标准作业指导书 (SOP) 、质量控制计划 (QC plan) 、标准检验指导书 (SIP) 等中去。其中, SPC是对关键质量特性控制的有效手段之一 (但不是唯一的手段, 有些CTQ也可以采用在线报警、防呆、100%检验等手段进行控制) 。

控制对象可以是一个, 也可以是多个;可以是计数型的, 也可以是计量型的;可以是过程中的参数, 也可以是过程输出的参数。可以结合PFMEA识别哪些参数需要控制, 即考虑问题发生的严重程度、发生的频度、可探测度, 确定哪些过程参数有风险、应纳入控制。

2.2 过程测量

在明确待控制对象后, 即可收集当前参数的具体数据。数据来源可以是实际生产运行的记录, 也可以是相关产成品测试结果。典型的计量型控制图, 可以测量20次生产的数据, 每次生产取4~5个数据作为一组。

2.3 作出分析用控制图

在上述步骤收集完数据后, 可以把收集的数据做成控制图, 判断过程是否受控。过程是否处于统计控制状态, 过程统计控制状态的判别依据包括:

(1) 点子在中心线周围随即散布。

(2) 点子在控制限内。

(3) 无链、趋势或其他模式。

(4) 过程稳定, 可预测。

如判断结果是否定的, 应识别出统计不受控的原因, 并制定实施相关的改进措施予以改进。然后重新收集数据, 作分析用控制图。

2.4 计算过程能力

在上一步骤中, 消除不受控的异因后, 过程处于统计控制状态, 即可计算出当前过程的过程能力。过程能力计算可以利用Minitab等工具完成。

如过程能力达到要求, 即可进行下一步骤, 否则即需对过程能力进行改进, 从而提升过程能力Cpk。改进可以有以下方法:

(1) 改进设备、工艺或采用其他控制方法, 提高加工精度, 缩小上下限的范围。

(2) 改变产品规格要求, 通过对使用要求的识别, 扩大产品规格的上下限。

2.5 制作控制用控制图

按上一步骤计算的过程能力如果能满足当前的需要, 比如Cpk≥1.33, 则可以使用按上述数据计算的中心线 (Cl) 和上、下控制限 (Ucl、Lcl) 作出控制用的控制图, 控制用的控制图可以交给相关部门使用, 用于相关参数的控制。常见的控制用控制图包括XbarR图、Xbar-S图、I-MR图、P图、U图、C图等, 可以根据不同情形选用。

2.6 控制和保持

在获得控制用控制图后, 即可使用其对产品质量特性进行监控。在其后的生产活动中, 按策划周期获取相关特性测量数据, 然后在控制图上描点, 使用“判异准则”判断控制图是否受控。主要的“判异准则”共8种, 包括:有点在界外、连续3点中有2点在B区外、连续6点向上或向下、连续9点在单侧、连续14点交替等。当在控制图上有符合判异的情形出现后, 质量或技术人员应分析产生的原因, 采取相应措施。

3 SPC应用实例

以下以笔者曾经实施过的一项改善项目案例来介绍SPC在实际产品管控和改进中的应用。

3.1 控制对象选择

该项目的背景是品质管理团队发现企业某型号电缆产品的高压击穿比例较高, “高压击穿”实验通过与否取决于电缆绝缘层的厚度, 根据分析, 该产品击穿比例高的原因是产品的最低壁厚有较大比例不能达到规格书要求, 因而项目组采用SPC控制绝缘的最低壁厚, 即控制对象选择为该电缆产品绝缘的最低壁厚。

3.2 过程测量

根据规格书要求, 最低壁厚为d≥0.55mm, 没有上限要求, 最低壁厚的测量方法为制作绝缘切面, 在专用投影仪上放大, 找出截面上壁厚的最薄点即为最低壁厚。

项目组取前20次生产的产品留样 (公司每盘电缆均会保留约50cm留样, 以保持可追溯性) , 每次生产制作5个测量样件, 得到测量结果如表2所示。

3.3 作出分析用控制图

依据上述数据, 使用Minitab软件作出Xbar-R图, 选择“统计—控制图—子组变量控制图 (s) ”, 然后选择Xbar-R图 (当子组变量大于8时需选用Xbar-S图) , 得出结果如图2所示。

由图2可见, 有多个点子在Ucl和Lcl外面, 说明过程并未处于统计控制状态。项目组分析了未处于受控状态的原因, 制定了一系列整改措施, 然后重新跟踪了20批次产品生产, 得到最低壁厚测试数据如表3所示。

使用Minitab作出控制图 (见图3) 。

从上述控制图可见, 处于统计控制状态, 可以实施下一步。