SPC实战培训教材.pptx
- 文档编号:13983807
- 上传时间:2023-06-19
- 格式:PPTX
- 页数:101
- 大小:1.81MB
SPC实战培训教材.pptx
《SPC实战培训教材.pptx》由会员分享,可在线阅读,更多相关《SPC实战培训教材.pptx(101页珍藏版)》请在冰点文库上搜索。
SPC实战培训,1,特别说明,在收集过程数据之前,必须进行MSA分析,并确认测量系统可以被接受。
这里所指的数据包括并不限于所有检验数据,不局限于SPC的统计数据;过程受控是收集数据的基本条件,不局限于测量系统的受控,它包含人、机、料、法、环、测的受控。
研究变差和应用统计知识来改进性能的基本概念适用于任何领域,可以是在车间中或办公室里。
如:
机械加工(性能特性)、记账(差错率)、浪费分析(废品率)、物料管理(运送时间)等SPC代表统计过程控制。
但以前统计方法常用于零件而不是过程。
应用统计技术来控制输出(例如:
零件)应仅仅是第一步,只有当产生输出的过程成为我们努力的重点,这些方法才能在改进质量、提高生产率、降低成本上充分发挥作用。
2,过程控制的需要,探测容忍浪费就是通过检验产品、或对工作检查再检查的探测方法来找出错误,这种方法是浪费的预防避免浪费通过从开始就不产生无用的输出,从而避免浪费的更有效地策略是预防统计技术区分问题的实质是局部的,还是涉及整个系统;什么是统计受控过程和具有能力的过程;如何持续改进和实施控制图,3,有反馈的过程控制系统模型-SPC,过程:
指的是共同作用,以产生输出的供应者、生产者、人、设备、输入材料、方法和环境,以及使用输出的顾客的集合。
过程特性(努力的最终焦点):
温度、循环时间、供给速率、缺勤、产量、延迟以及中断的次数等;确定目标值,监控差距。
对过程采取的措施:
改变操作(培训操作人员、变换输入材料);改变过程本身更基本的要素(设备、人员的沟通方式和相互关系、把过程作为一个整体的设计),对输出采取措施,往往是最不经济的,它仅限于对输出进行探测并纠正不符合规范的产品,4,变差的普通原因和特殊原因,虽然单个的测量值可能完全都不同,但是收集成一组数据之后,它们趋于形成可以描述成一个分布的模式,这个分布特性包含:
位置、分布宽度、形状。
普通原因,指的是那些始终作用于过程的多种的变差来源。
特殊原因,指的是这样的因素,它们引起的变差仅影响某些过程输出。
这些因素通常是间歇发生的、不可预测的。
5,局部措施和对系统采取的措施,局部措施通常用来消除变差的特殊原因通常由与过程直接相关的人员来实施通常可以纠正大约15%的过程问题对系统采取的措施通常用来消除变差的普通原因几乎都需要采取管理上的纠正措施通常可纠正大约85%的过程问题,6,过程控制,受控及不受控的工艺,7,浏览Minitab,8,浏览Minitab,“T”在C3-T表示数据类型是文字,“D”在C4-D表示数据类型是日期,输入这些资料就如你在操作Excel第一行是参照,通常是以“C”开头第二行是变量的名称-选择性,9,你可把资料当项目project来保存(可容纳多页工作表,和所有结果)你也可以只把当前的工作表Worksheet的资料当工作表保存起来,浏览Minitab,10,开新的项目/工作表开已有的项目存档项目/工作表从数据库提取数据以文字模板保存窗口的输出打印退出和其他,菜单:
文件,11,处理数据的所有运算指令处理工作表,合并,分开,和抽取部分数据有关数据列,复制,堆叠,行列转换的运算分类,排列,编码,转换数据类型和其他,菜单:
数据,12,用“计算器”计算列和行的统计量建造有模式的数据按分布类型建造随机数据计算某些分布下的概率,包括正态分布,二项分布,和t-分布,菜单:
计算,13,菜单图形收集各种显示性的数据分析工具。
类似Excel的图形工具,但拥有更多统计显示性的数据分析工具绿带课程涵盖有关的显示性的数据分析工具,菜单:
图形,14,基本统计,打开“Practice.mtw”工作表双击文件或从菜单打开文件打开工作表这工作表存有顾客的信息,比如每月平均订单,订单交付的平均日数,顾客满意度等等。
15,基本统计,统计基本统计量显示描述性统计,16,基本统计,17,基本统计,总共有100数据点,其平均值是34.05。
数据的标准差是10.19。
其中一半的数据是低于33.75(中位数)而另一半则高于它。
50%的数据是介于26.35-40.05(第一四分位,第三四分位),18,基本统计:
图形化汇总,19,基本统计,数据的直方图,加配拟合线,箱形图,置信区间,附加统计项,20,概括统计基本图形工具,21,图形分析,目标:
介绍基本图形分析,迅速了解数据的分布主要议题:
图形分析点图,箱形图(单一及多个),直方图,散点图和矩阵图,22,图形分析-点图,打开“practice.mtw”工作表档案点图展示数据的范围和形状-类似直方图,23,图形分析-点图,24,图形分析-点图,看了图后可有什么提问?
25,图形分析-箱形图,26,图形分析-箱形图,27,图形分析-箱形图,28,图形分析-箱形图,箱形图含组(一个Y;对比SizeofCustomer),一种替代直方图的方法,以图形的方式表现数据的分布。
特别适适用于对两组或多组的对比,比如说两种不同的测评工具或三个班次。
29,图形分析-直方图,30,图形分析-直方图,31,图形分析-直方图,32,图形分析-散点图,33,图形分析-散点图,34,图形分析-矩阵图,35,图形分析-矩阵图,36,实施统计过程控制,目标:
利用控制图来设计和实施统计过程控制系统,帮助消除过程中不受控的变异,保证过程能持续稳定(受控)。
利用控制图监督一个过程的输入和(或)输出。
当发现异常输入或输出时,把过程停下来,对异常输入或输出的原因进行调查并予以消除。
如果过程处于统计控制状态且波动很小,则:
可以达到较短且稳定的生产周期,可以杜绝返工,和可以取得一致的高可靠性。
37,控制图,一种带有控制限的趋势图,是按时间来绘制某一过程测量结果或过程测量结果的概括统计量。
其目的是监督过程或者生产工具的稳定性。
过程受控-全部特殊原因都被消除,以后的分布式可以预测到的。
38,控制图选择指南,起始,数据类型?
否,是,正态分布?
计数具体的缺陷或缺陷物件?
转换以达到正态?
数据是以子群或单独地采集?
I-MR,%-ile图表,Xbar-RXbar-S,每个样本都有固定的机会面积?
U图表,C图表,P图表,NP图表,固定的样本量?
否,是,否,否,变量,是,是,属性,(连续),(离散),单值,子群(平均值),具体的缺陷类型(计点),缺陷物件(计件),39,非正态数据补充说明,非正态数据需要经过Box-Cox变换化为正态分布数据,方能利用统计控制图。
当数据无法经过Box-Cox变换化为正态分布时,可以不必追究数据分布的准确类型。
针对具体的数据,可以通过非参数的数值方法求得其分位数,通常选用0.5%,50%及99.5%三个分位数。
它们可以被当做控制图中的下、中、上三条控制限(LCL,CL,UCL)画入图中(单值控制图)。
具体方法,见六西格玛管理统计指南(中国人民大学出版社)12.5章节中的内容。
40,控制图,控制图是一种趋势图,是按时间来绘制某一过程测量结果或过程测量结果的统计量。
控制限是画在图表的,它说明过去的常见原因的变异水平。
那些落在控制限外的或展示不寻常格局的数据点显示了特殊原因。
规范限不应画在控制图,它们是与过程能力有关联的!
41,控制图,变量控制图,42,控制图,属性控制图,43,控制图,稳定过程的特征分布表现随机。
一段时间内固定的平均值一段时间内一致的变异。
分布点没出现趋势、走向、变动、不稳定的升降。
控制限之无分布点。
大部分分布点靠近中心线。
少量的点靠近控制限。
44,控制图-决策规则,LCL,CL,UCL,LCL,CL,UCL,45,失控的测验,如果点击选项,Minitab可测验多种“失控”的情形。
测验1、2和3是最重要的。
回应这类的失控测验应该是即刻的,可能得停止过程。
测验4至8比较不重要,应只用在一般受控的过程。
通常它们是属于建议性的测验,并不需停止过程。
测验7表示过程变异是比当初绘制图表时还小-调查是什么东西改变了。
46,I-MR控制图,有许多理由为什么单值控制图是合理的:
要得到的测察数据可能是昂贵的(如:
破坏性的测验)。
在一段短时间内,输出可能会太均匀(如:
室温)。
操作速度可能太慢,同时连续测察数据的间隔太长,等等。
47,I-MR控制图,I-MR图表,什么时候运用I-MR图表,特征,每一个测察数据是单独的测量结果。
每个测量结果(样本量=1)提供总体位置估计。
要得到的测察数据可能是昂贵的(如:
破坏性的测验)。
在一段短时间内,输出可能会太均匀(如:
室温)。
操作速度可能太慢,同时连续测察数据的间隔太长,等等。
48,Minitab活动:
I-MR控制图,数据是储存在“PilotingResults.mtw”。
49,Minitab活动:
I-MR控制图,选择变量来制作控制图,50,Minitab活动:
I-MR控制图,51,实施方案后交付周期的过程能力和控制图,52,实施方案后交付周期的过程能力和控制图,交付周期能力:
Cpk=1.01只有当控制图显示过程是稳定的,才能计算能力指数,Cp和(或)Cpk。
53,Xbar-R控制图,用在抽样点能提供有意义的变异的情况下。
每个抽样点抽取几个单位通常是3到6,视情况、成本等等而定。
图表监督位置和波动可用样本平均值(通常)或样本中位值(极不寻常)来监督位置。
可用样本极差或样本标准差来监督波动。
54,Xbar-R控制图,在计算最初的控制限时:
根据100数据点的规则QS-9000要求最少20个子群,样本量为5,来决定短期的能力。
这也是个用来计算控制限很好的经验法则。
然而,可以用少至30个数据点(为单值)来计算最初的控制限。
选择子群的方针:
把样本内的波动机会减至最小。
连续抽取样本定期在规定的时间抽取样本来研究在间隔期间的过程改变。
55,Minitab活动:
Xbar-R控制图,56,Minitab活动:
Xbar-R控制图,57,Minitab活动:
Xbar-R控制图,58,Minitab活动:
p-图表,情况:
采购代理员检查订货申请单的错误。
每天的不良订货申请单(既有错误的)数量和申请单的数量都被记录起来。
代理员有意监督不良订货申请单的数量。
由于每天申请单的数量都不一样,我们将用p图表。
59,Minitab活动:
p-图表,查到的不良的订货申请单数目,处理了的订货申请单数目,有缺陷的订货申请单分数,60,Minitab活动:
p-图表,61,Minitab活动:
p-图表,62,Minitab活动:
c-图表,情况:
质量检查整批的切条整卷产品。
在整卷产品发现到的缺陷都记录下来。
一共检查了6卷产品。
63,Minitab活动:
c-图表,缺陷总数,检查了的整卷产品数目得保持固定,64,Minitab活动:
c-图表,65,Minitab活动:
c-图表,66,实施控制图,SPC支持结构,界定各自的职责,委任SPC协调员,制定定期评审方针,执行定期的评审,进行SPC培训,审核SPC计划,准备日常SPC计划审核报告,定下有意义的规范限,界定数据采集计划,评估测量系统,选择控制图种类,构建控制限,控制图稳定?
MSA有能力?
采集数据(最少30个数据点),A,制定FMEA及找出关键测评项,界定失控的条件及试运行,制定对应失控时的行动计划,记录SPC程序在过程控制系统,界定能力指数的计算方法,绘制及监督SPC图表,采取即刻行动来消除特殊原因,A,B,B,是,否,是,否,实施某一控制图时,我们需要考虑如何完成以下内容:
找出过程质量特性和潜在的过程波动源。
确定样本量和抽样频率。
保证采集到的数据适用于控制图的构建。
选择适合的控制图并计算控制限。
侦测过程的不稳定性并采取措施。
决定何时需要修改控制限。
决定是否需要进行更多的趋势测验。
确定是否可以消减样本量和抽样频率。
67,利用离散数据计算西格玛水平,通过对原始数据的分析,我们可以统计未达到顾客需求之缺陷,并将其直接转化为“百万出错机会缺陷率”或DPMO。
在DPMO的基础上,计算出西格玛水平。
68,DPMO的定义,DPMO=百万出错机会缺陷率=1MxD/NO其中:
D*=在样本中统计的缺陷总数:
缺陷的定义为未达到“关键顾客需求”或CCR。
N=产品或服务的单位数。
O=顾客的缺陷在每单位产品或服务中可发生的机会M=百万样本量中必须具备至少5个缺陷和5个非缺陷才能使用DPMO公式来计算西格玛水平。
69,利用DPMO确定西格玛,DPMO=1M西格玛计算表(M211)西格玛计算器,缺陷,单位X机会,计算器,70,西格玛计算表,71,Minitab活动:
计数数据过程能力分析,案例:
D:
SixSigmaBookDataSPC_二极管不合格品率,72,P控制图和累计不良率图表明过程处于统计控制状态,二项分布概率图和不良品率的直方图表明过程的输出数据服从二项分布,Minitab活动:
计数数据过程能力分析,过程绩效指标43556,缺陷率p=4.36%,西格玛水平Z=1.7108(Cpk=z/3=0.57)。
显然,该过程能力比较低,73,利用连续数据计算西格玛水平,过程能力研究是连续改进过程中的其中重要一步。
它是六西格玛及过程改进总体战略的一部分,其目标有三:
求得稳定的过程。
减少主要过程输入的变异。
通过降低变异和使本过程瞄准其目标值,改进主要过程能力。
随着过程变异的减少和过程分布中心瞄准其目标值,过程能力相对于所需的公差或过程规范而增加。
过程能力研究,74,过程能力研究,过程能力研究一般由以下四个步骤组成:
步骤1.确认本过程是稳定的。
步骤2.确定数据分布是否正态。
步骤3.计算“能力指数”Cp和Cpk;确定“西格玛质量水平”。
步骤4.针对过程改进提出建议。
75,步骤1:
监视过程稳定性趋势图,过程稳定性:
测评结果(如分布中心、变异、形状)的分布特性在一段时间内保持不变。
趋势图:
数据的按时间顺序分布显示出一段时间内测量结果的稳定性。
控制图:
“趋势图”的特例,它包括以控制极限为基础的数据。
“控制图”是监控一个过程之稳定性的主要工具。
控制限用于客观说明何时一个过程变得不稳定(或失控)的。
76,步骤2:
确定数据分布是否正态,在过程能力研究中,对能力指数(步骤3)的正确诠释是建立在有关数据接近正态分布的基础上。
77,步骤3:
评估过程能力指数,一个有能力的过程是一个其总体测量结果位于规范上下限之间的过程。
78,能力指数,能力的定义是指一个过程的输出有能力达到工程和(或)顾客的规范。
能力充分的过程是这样一个过程,其过程输出测量分布的中心与目标一致,而且绝大部分的测量结果位于上述规范范围之内。
能力指数是测评过程能力的一个方法。
79,能力指数的用途,能力指数可用于提供:
追踪某一具体过程一段时间内相对改进情况的方法。
估计缺陷百分比或不达到标准产品的方法。
比较若干过程之能力的方法,每一个过程的测评单位不同,而且规范也不同。
找出最需要改进的过程的方法。
一套适用于某一过程从开发阶段转入生产线时是否合格的标准。
一套用于评估供应商资格的标准。
80,Cp的定义,Cp=Cp=(总体)Cp=(样本),实际,允许的过程变异范围,实际过程变异范围,USL-LSL,USL-LSL,6,6s,允许,LSL,USL,81,Cp计算(续),为准确计算过程能力(连续方法),过程必须稳定。
确定潜在过程能力的方法:
确定过程的标准差。
确定“规范上限”(USL)和“规范下限”(LSL)。
计算潜在过程能力(Cp)。
这一测评项揭示出,有多少过程分布能落在顾客规范限的宽度内。
82,对Cp的诠释,2.0,能力处于边界水平,能力不足,1.0-1.5,1.5,Cp,诠释,1.0,LSL,USL,摩托罗拉6能力,能力充分,83,Cp=2.0的三个过程,Cpk=1.0,LSL,USL,Cpk=2.0,Cpk=1.0,84,能力指数-CpkCpk=min,Cp未考虑到平均值与“目标”的偏离。
Cp本身不足以说明过程达标的能力。
Cpk是这样一个指数,它考虑到样本平均值与规范限的关系。
Cpk的定义,USL-xbar,3s,Xbar-LSL,3s,85,单边规范上限(USL)Cpk=Cpu=单边规范下限(LSL)Cpk=Cpl=,Cpk的定义:
单边规范,USL-,3,-LSL,3,USL,LSL,86,如果测量数据的分布中心落在目标上(平均值=目标),则Cpk=Cp。
不然,CpkCp。
在摩托罗拉,某一过程要达到6质量水平,须有Cp2.0和Cpk1.5。
评估过程能力-能力指数,Cpk=Cp,USL,LSL,目标,CpkCp,USL,LSL,目标,CpkCp,USL,LSL,目标,87,能力指数方面的常见错误,根据不稳定的过程计算指数。
在分布不正态的情况下计算标准指数。
用来计算各指数的规范不具有意义。
利用过小的样本量或过短的时间来计算。
虽然30是可以的,但最好至少是50。
在单个的测量数据非独立(有关联性)的情况下计算指数。
88,步骤4:
针对过程改进提出建议,必须在完成过程能力研究之后提出改进建议。
完成步骤1之后,如果该过程不稳定,过程急需改进。
如果过程不稳定,则对能力指数的诠释会严重失准。
完成步骤2之后,如果数据Y的分布不正态,则必须采用标准能力指数计算法以外的方法。
具体来说,对数据转化的方法(如LogY或sqrt(Y)可以使数据“正态化”。
完成步骤3之后,如果过程能力不足,则必须采取措施,对过程中心进行定位,同时降低变异。
89,Minitab活动:
正态数据过程能力分析,案例:
CYCLE_TIME,90,Minitab活动:
正态数据过程能力分析,这是稳定的过程,数据是稳定的。
不能计算Cp因为它只限于拥有两个规范限(上和下限)的过程。
Cpk=-0.09,表示过程没有能力。
西格玛水平可以从公式中估计:
3Cpk+1.5或用标准Z+1.5过程改进需要:
(1)移动平均值和
(2)减少变异,所有数据点都在UCL和LCL内,个自的测量点都在控制中。
过程是稳定的。
负值,说明均值线超出上下控制限,P值0.05,数据是正态分布。
单一规范限,不能计算Pp。
Ppk=-0.09,西格玛水平是1.23(本软件Ppk就是Cpk),91,Minitab活动:
非正态数据过程能力分析1,案例:
D:
SixSigmaBookDataSPC_BoxCox变换,步骤1:
经过正态检验,P值0.05,确认数据非正态。
92,Minitab活动:
非正态数据过程能力分析1,步骤2:
经过Box-Cox变化,得到Lambda()的取整值为0.00。
93,Minitab活动:
非正态数据过程能力分析1,步骤3:
当=0,按y*=lny公式计算;当0,按y*=y公式计算。
94,Minitab活动:
非正态数据过程能力分析1,步骤4:
经过再次正态检验,P值0.05,确认数据已经转变为正态。
95,Minitab活动:
非正态数据过程能力分析1,步骤5:
Ppk=0.53,西格玛水平是3.1(本软件Ppk就是Cpk),96,Minitab活动:
非正态数据过程能力分析2,数据不必转化的分析方法:
Ppk=0.53,西格玛水平是3.1(本软件Ppk就是Cpk),97,结束谢谢!
98,附:
计量型非正态工程能力分析(知道分布类型时),比如:
数据的分布为Weibull分布。
步骤1:
在MINITAB中输入数据步骤2:
正态性检验(确认P值0.05时)。
步骤3:
能力分析(选择:
统计质量工具能力分析非正态),选择Weibull分布类型。
如下图步骤4:
解读整体的PPK和PPM值。
99,附:
计量型非正态工程能力分析(不知道分布类型时),比如:
数据的分布并不知道。
步骤1:
在MINITAB中输入数据步骤2:
正态性检验(确认P值0.05时)。
步骤3:
分布的适合度测试(选择:
统计质量工具个体分布标识),选择使用所有分布和变换。
如左下图步骤4:
通过分布测试的P值来判断数据是属于哪一种分布。
选择P值最大值0.433(P值一样时,选AD值最小的那个),所以数据呈:
3参数Weibull分布,100,附:
计量型非正态工程能力分析(不知道分布类型时),步骤5:
工程能力分析(选择:
统计质量工具能力分析非正态),选择3参数Weibull。
如左下图步骤6:
工程能力PPK和PPM值。
实际数据的直方图与曲线的理论形3-参数Weibull分布曲线之间没有严重的差别,所以数据呈3-参数Weibull分布,101,
- 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 实战 培训教材