表面贴装的统计过程控制.docx
- 文档编号:16424282
- 上传时间:2023-07-13
- 格式:DOCX
- 页数:35
- 大小:43.59KB
表面贴装的统计过程控制.docx
《表面贴装的统计过程控制.docx》由会员分享,可在线阅读,更多相关《表面贴装的统计过程控制.docx(35页珍藏版)》请在冰点文库上搜索。
表面贴装的统计过程控制
表面贴装的统计过程控制
面对今天竞争激烈的市场,质量既是确定的又是有差异的。
说它是确定的,因为任何人不能为客户提供质量好的产品将很快从业界消失。
但是,质量同样能够让你从竞争对手区分开。
结构良好和实施质量管理系统可降低返修量和废品,达到节约成本和得到更低报价或零售价格。
对许多公司来说,这就需要重新考虑现行的质量和实现质量的最佳方法。
旧的质量与新的质量
对许多公司来说,质量可简单地用以下方式表示:
1)按工序制造产品;
2)检查产品缺陷;
3)需要时返工;
4)检验返工产品;
5)进入下一工序;
6)回到第一步,重复操作第1到第5步。
这种方式可认为是质量控制的“检验法”,简单流程图如图1所示。
对于利用这种最基本的质量控制系统的公司来说,它们以昂贵的费用:
“检验”产品质量,但无助于改正引起产品缺陷的根本原因。
某些公司会采用收集基本缺陷数据的方式,这是一种主要将缺陷的产生推回到工作人员的做法。
这种错误概念来自认为工作人员通常是产生质量问题的起因。
它不能找到产生缺陷的真正原因,而只在缺陷已经产生之后才检验出质量不好的产品。
这种方式同样非常依赖于本身就缺少一致性和准确性的视觉检查。
视沉检查经常会让漏检的缺陷进入各个装配过程,如果在测试中或检验时发现缺陷,则返修成本更可观,此时电路板可能要额处的拆卸才能找到有缺陷的子部件。
更糟糕的是不合格的产品可能引起产品使用寿命缩短,及其返修成成本增加,并失去良好的客户信誉。
无论在哪里检验出缺陷,返修和报废的材料都增加了产品的生产成本。
更好的方法是采用统计过程控制(SPC)法实时监控在装配过程中最容易产生产品缺陷的关键部位。
这里含有于用预防代替检验的概念,并且减少对视觉检查的依赖。
视觉检查仍然在总体质量方法中起作用,以及经常有助于先行确定由现有过程导致的一贯性缺陷。
这使得过程控制首先注意到最能够实施“防犯于未然”的区域,最终检验员不再是查找缺陷的“警察”,而变为帮助工作人员防止缺陷发生的同事。
这种方法同样考虑到装配过程的各个方面,包括人力、机器、方法和工作环境,并且清楚地认识到人只是装配过程中众多资源之一。
这个方法把防止不良质量放在首位,以便减少废品和浪费,最终达到生产率和收益的增加。
(流程见图2)
工业与质量历史回顾
19世纪初期,美国工业正在寻找提高生产率的方法来降低成本和增加收益,但没有想到质量对这种关系的冲击力。
此时最广泛采用的是1911年泰勒(FredrickTaylor)在他的著作《科学管理的原理》中提及的技巧。
作为一名工业工程师和顾回,他以顾回身份服务于早期的工业家,如亨利·福特等人。
他不断寻求提高机器和工人工作效率的方法,他使用的基本假定是大部分工人又笨又懒,金钱是他们主要的动力来源,因而在工人与管理之间应有严格的区分。
他观察到工人会放慢他们的作业,害怕工作太有效而变成失业。
他相信可以利用工人以金钱作为工作的动力来克服他们的惧怕和提高生产率。
基于这种信念,他创立了“计件”工资制,对工人支付定量生产件数的基本工资,对超过定量的生产件数付给额外奖金。
现今还有一部分行业使用这种体制。
工人被当作机器,他们很快变得疏远和不满足。
产品的生产主要根据数据量而不是质量,管理采用“胡萝卜加大棒”的办法来降低成本和增加利润。
到19世纪20年代,得益于休哈特(WalterSchewart)博士的工作和努力,质量变成公司降低成本的整体计划的组成部分。
他作为西方电气公司工程部的著名科学家,被誉为统计过程控制之父。
在1924年他计划了一种抽样图表,“设计用来指示在给定类型的缺陷部件中观察到的变化百分比,这是很有意义的,亦即指出对产品是否满意”。
他认为产生缺陷的原因可分为“偶然原因”(生产过程中固有的可预测的变化,现在经常称为“普遍原因”)和“异常原因”(由特殊的不可预测的原因或事件引起的变化,现在经常称为“特殊原因”)。
据此应该着重研究和消除异常原因,以便改进质量,但不必浪费资源去解决对整个过程和生产质量影响不大的偶然原因。
这种方法亦可用来确定某一工序的固有能力,此时“控制界限”可作为一个工序的合格率的控制线。
当贝尔实验室科学家将休哈特的概念付诸实施时,他的方法使几项废品降低了50%,和节省西方电气公司几百万美元的开销和材料。
利用他的统计技术证明通过质量改进能够节约成本和增加利润,并且引起许多大型工业公司的注意。
管理部门开始认识到人不能生产出工序所允许的更多的产品和更好的质量。
在他1931年的著作《控制产品质量的经济检验》中全文述他的统计抽样方法的研究结果,并且这个结果仍然是现代统计过程控制的基础。
一位西方电气公司的同事戴明(EdwareDeming)在参加美国作战部和后来在日本讲授质量基本原理时,将休哈特的成果加以扩展。
戴明在他的“管量的14项职责”中将统计过程控制和质量论述为管理哲学,并把它作为一种工具使工人参与搞好机构的活动。
他采用这种统计工具和管理哲学去鼓励工人负责在他们控制下的工序的质量。
休哈特的实践和戴明的哲学相结合至今还在不断提高美国工业的质量和生产率。
SPC的基础—各种控制图
过程控制图可分为两大类别:
用于测量变量的图表和用于测量属性的图表。
根据监控的过程和收集数据的来源,它们的用途各不相同。
变量图的实例:
是监控焊膏的高度。
板与板之间通常会出现高度的少量变化。
比照控制允许值来跟踪这种变化可以确定工序是否在合格范围之内,或者在有缺陷的产品出现能迅速指出那些需要检查或改正的,因“特殊原因”而产生的事件。
变量图如图3所示。
属性图的实例:
在测试操作中跟踪有缺陷的单元数目,计算在一个给定装配中的首轮通过的成品率。
跟踪与控制范围有关的数据可以保证前面各工序的总体质量,或者在下一个缺陷产品产生之前指出需要检查和改正的不合的质量。
属性图表如图4所示。
变量控制图
最常用的变量控制图表是X控制图和R控制图,它们经常一起使用。
X控制图用来监控工序的位置或者工序的计量值,而R控制图用来监控工序的范围或者分布。
在正常运用中,获取一个样本的多个读数,然后相加及求平均值后产生绘在图上的数据点。
任何落在上控制限(UCL)或下控制限(LCL)之外的数据点表示由于特殊原因引起的不合格的工序变化,在进行下一步生产之前需要检查和改正。
除了数据点超出UCL或LCL表示有特殊原因之外,还有其他规律可指出在没有超出UCL或LCL时存在的特殊原因。
这些规律的依据是变量的统计概率,并可以对很快失控的工艺过程作出预先提示。
这样就能够在生产出有缺陷产品之前进行检查和改正。
一些常用的实例包括:
●2个以上接近UCL或LCL的连接续点
●6个增加或降低的连续点
●8个在中间值一边的连续点
●14中间值两边交替出现的连续点
还有其他限制更多的规律,由控制图的特殊区域来决定,而且对于刚开始SPC计划的公司还不需要这些规律。
这些规律随公司的不同而有差别,与他们对于SPC计划的要求和原则而定。
应该记住,过多规律可能产生大量的“伪报警”,但规律太少又可能在生产过程中漏检有关的问题。
当第一次建立一个生产工序的X控制图或R控制图时,UCL、LCL和中值数据线必须确定下来而不是随意规定。
这就需要实时运行和测量,然后采用测量值计算出UCL、LCL和中间值。
为确保计算值为有效性,工序的生产过程必须是稳定的和可重复的,否则所提数据有偏移,在以后可能对生产过程产生错误的反馈。
采用著名的平方律可从读数值来验证生产过程的稳定性,具有“钟形曲线”的正态分布即表明生产过程是稳定的。
用于生产过程控制的步聚和计算在本文提及的参考书中有许多介绍,当首次建立图表时必须遵守这些文献。
属性控制图
属性图用于不可计量的特性的控制。
这些特性通常用“好”或“不好”等来表达,正如在化妆品检验或测试运行中所遇到的情况那样。
这种特性称为属性,用简单的计数数据来制表。
属性图表有三种主要类型:
●P图,测量某批产品中缺陷部件的百分比
●np图,测量某批产品中缺陷部件的数目
●C图,监控某批产品中缺陷部件的总数
对于X直方图和R曲线图的控制界限要建立在对稳定运行的工艺过程的初始计算上。
这是一个连续生产产品的过程,所有的缺陷来自工艺过程内部的固有的普遍原因,而不是由需要检查和改正的特殊原因所引起来。
在某些例子中,例如测试运行,可以规定一个任意的控制下限,当产品缺陷达到不可接受的水平生产时过程必须中断。
同样在上例中,控制上限任意设定为100%,因为这是在测试运行中的最佳的质量级别。
测定象化妆品特性时,图表通常通过对给定批量产品的测定完成的,而不象X直方图和R曲线图那样在产品生产的过程中测定完成的,而对测试单元制图表经常是在产品生产过程中按装配线或按每班的基础上完成的。
其他数据收集方法
虽然统计过程管理可用来减少,甚至可能取消中间视觉检查的操作,但是所有实施的检觉检查应尽量收集和编制最有意义的数据。
如前所述,当有次建立SPC计划时,这些数据对首先应在何处加强控制提供了巨大的帮助。
同时它也提供了与SPC图表、数据相关的反馈,使管理层确信SPC计划正在改进质量和降低成本。
缺陷记录可用来收集视觉检查的数据,还可以提供与SPC实施无关的有用数据。
合理使用缺陷记录,并配合对过程的周密计划,则缺陷记录可以指明改进过程的方向。
记录应设计成易于单块板缺陷输入,以便减少对总体工作流程的影响,但又能涵盖过程中所能出现的各个缺陷。
手工输入缺陷的实例如图5所示。
缺陷记录中的数据可以一天为单位计算,将结果制成排列图(Pareto图)格式制成图表。
在排列图中缺陷记录按照出殃效率从高向低排列,以保证重点改进项目得以优先解决。
同样可以直观地反映出那些有效产品缺陷的尝试。
使用通用电子表格程序很容易构建排列图,排列图如图6所示。
计划的决定
着手开展SPC和数据收集计划时,要留意打好基础以减少执行中出现的问题。
采用一次涉及太多问题的“猎枪”法会遇到要求高级支援的困难,占用质量和工程小组的日常生产支持时间,虽然大公司有钱请专人执行和支持SPC和数据收集,较小的公司常会增加现有雇员的任务。
最好的方法是进行到下一个重点区域前,先在便于管理的小范围内运行和获得成功的执行经验。
如有可能,先开始检查任现有的数据,寻长在装配过程中产生最高缺陷的关过程。
如果没有过硬的数据,你可非正式评估某一个正在花费你许多时间去解决问题的过程。
它通常会是某一方面如焊膏印刷或波峰焊的问题,并随着设备、原材料、方法、人力和工作环境本身的变化而变化。
一旦选择某一过程作为重点,你即入下一个步骤。
根据所监控的过程来决定你要收集变量数据还是属性数据。
这些你为运作选择适当的控制图表。
如果收集变量数据,通常使用X直方案和R曲线图。
如果收集属性数据,往往选择P或NP图,在这两大类图中还有各种不同式的样图,你在开发和需要进一步深入时会再使用这些图。
在开展SPC工作初期,建议用人工计算数据和作图,而不要用电子数据表格的图表或自动软件包。
人工作图让操作人员对数据收集过程有实际的感受。
并且最终获得主宰过程和参与数据收集的感受,经过一段时间之后,系统可停止对操作人员的数据收集任务和理顺整个SPC过程。
必须对操作人员提供为什么和怎样实施SPC和数据收集的充分训练。
在小组内解释清楚他们承担的特定过程的变化对最终产品总质量的影响。
然后,对统计过程管理作审查,使用简单的练习来说明过程内的变化,以及如何监控让他们制作测试图图表和跟踪过程数据。
直至他们懂得数据收集的重要性和他们过程的作用。
如果培训获得成功,负责该计划的质量和工程小组在真正实施和执行时就比较容易了。
SPC和数据收集的方法
只要提供可用于改善现行过程有意义的数据,任何统计过程管理和数据收集方法都可以使用。
开始起动一个计划时,特别当员工没有SPC经验时,最好使用人工方法进行运作,与经费多少或易于使用无关,人工方法为在机构内执行统计过程管理和观念提供坚实的基础。
有一种错误概念认为,SPC需要高级数学技巧,实际上对于任何会用小型计算器的人员来说,所用大部分计算都是很简单的。
对于许多小公司来说,人工方法就足够了,虽然利用基于电子数据表的控制图可提高效率。
这样做可使你加强计算能力。
电子数据表软件本身可做大量数字的数据收集工作,也可生成控制图,而无需对数据点作连线的例行事务。
最后,它还是提供数据可在局域网内实时存取的方法,便于信息的查阅。
下一步是预装SPC软件,使数据更便于输入,数据收集更容易表示。
它们有多种型式和大小,从互联网获得的免费软件和共享软件到200~1000美元的软件包,提供你所需要的各种图表和输出方式。
软件包具有许多用户配置选项和作图规则,并考虑到多道工序或多条装配线的监控。
最高级的SPC和数据收集是全部硬件/软件结合的集成,它把设备直接连接到软件和网络。
这些软件可预设告警界限和用户实施的规则,以及当某一过程超出控制范围时自动告知适当的人员。
这种解决方案的价格极易超过10万美元,只适用于财务上购买得起或基础设施可以支持的大型公司。
在TELXON公司内部的实施
SPC和数据收集在印制电路板车间已取得的进展,在上文作了大量介绍。
虽然在许多方面仍然依靠于视觉检查,我们的系统在提供使用方便,以及在统计过程管理方面与现行方案建立相关关系都收到成效。
去年我们从检查运作的纸上数据收集系统过渡到自行开发的采集和报告数据的应用软件。
虽然纸上系统仍然正常工作,但需要大量人力去处理过程检验所需的数据。
另外,往往当作业完成了有缺陷的过程时,系统才提供事后的数据。
虽然纸上数据收集系统仍可使用,但需要预先做好更多管量、质量和工程的工作去改正过程中出现的问题。
我们采用一种容易获得的数据库程序来构建数据收集系统,以及一种易于与数据库收集成的市售报告生成软件包。
现在,在,在作业仍在进行中即可获得实时数据,缺陷总结报告送到相关区域以便立刻检查和采取改正措施。
自从执行以来,系统已在目标装配线上使过程缺陷水平降低了70%以上,并且还有其他收益。
数据输入屏幕的实例如图7所示,缺陷报告如图8所示。
系统将来的扩展包括更强大的报告特性,自动排列图的生成,集成到用于最后装配和系统装配区的。
这将提供更好的前景,促进从板装配区域改进质量,以及从其余过程获得更高的成品率。
我们现有的SPC努力集中在焊膏印刷区域。
作为过程缺陷区域,这里的缺陷会迅速成倍增加,并且难以用视觉检查和测试方法来发现。
测量是用较旧的技术,即激光基的高度测量系统,电路板在规定测量位置上由手动定位读出高度。
最后读数由人工输入到X直方图上并作图。
上下控制界限是任意规定的,没有明确规则说明该怎样处理超出控制过程的情况。
目前跟踪焊膏操作的SPC是用基于电子数据表格的数据输入图表,它自动求出过程运行中的读数之和并且计算上下控制界限。
它可24小时收集数据和自动作出图表,包括X直方图和R曲线图。
系统驻留在屏幕打印机旁边的专用计算机内,并且可通过局域网获得可视的数据。
数据输入部分和图表如图9和10所示。
进上步增强焊膏印刷的SPC计划包括购买最新的测量设备。
即将就位的系统可逐个测量或加权平均。
同时测量焊膏的高度和容积,装配件最初由程序输入系统内,后续的样本值从置放在马达驱动的x-y台上的电路板读取。
板自动定位到测量点,数据无需操作的干预而进入完全集成的SPC软件包。
软件可按各种规则编程和检查任何超出控制条件的出现。
在系统运行的时候,我们开始注视整个SPC实施情况和过程反馈能力,例如人工装配、在线测试和功能测试等的下游过程。
扩展的工作和能力已经表明,这个牢靠的SPC和数据收集系统提供高质量的反馈,减少返修量和废品,在整个板装配过程中增加吞吐率。
仍然使用质量控制的“检测”方法的公司不但浪费时间和金钱,而且面对业内的对手失去竞争优势。
统计控制过程和数据收集对规模大小不同的公司在改进质量和降低成本方面都有很大帮助。
如果从结构和逻辑性方面着手的话,实施人工SPC和数据收集计划是较简单和有效的。
在此基础上计划可以升级,通过基于自已编制的电子数据表、便宜的现成软件包来实现。
不管怎样,统计过程控制和数据收集对任何公司都有用处,这时毫无疑问的事情。
SPC的認識與應用
一、SPC興起的背景
這幾年對台灣的製程業而言,SPC似乎已變成一個愈來愈熱門的話題。
為了避免盲目地人云亦云,我們更需要先探索一下SPC的來龍去脈。
其實SPC會興起,是源自於一些特定的時空背景。
1-1SPC興起是宣告「經驗掛帥時代」的結束
如果工作經驗對產品品質有舉足輕重的影響(例如:
做旗袍或手拉坯),那麼,SPC就沒有太多揮灑的空間。
相反地,如果某一公司開始將經驗加以整理,而納入設備、製程或系統時;也就是說,該公司開始宣告「經驗掛帥時代」將要結束,那麼SPC的導入時機也就自然成熟了。
1-2SPC興起是宣告「品質公共認證時代」的來臨
在傳統個人自掃門前雪的時代,每一個公司都要採用自己的資源與方法,來認可某些合格供應商。
這對買賣雙方而言,都是勞民傷財且浪廢資源的「必要之惡」。
為了提昇全人類的福祉,因此,「品質公共認證」的制度與機構,就從1980年代逐漸興起,其中已蔚然成風的代表者首推「GMP」與「ISO-9000」二者。
這兩種公共認證制度為何能奠定其權威地位呢?
這是因為他們非常重視產品生產的「過程」與「系統」,因為只有穩定而一貫(Consistent)的「過程」與「系統」,才能保證長期做出合格的產品。
然而,如何檢核此一貫「過程」與「系統」仍然穩定的存在呢?
這又必須仰賴SPC來發揮功能。
基於上述兩點主客觀的因素,因此,對仍想長期在台灣發展的製程業者而言,SPC已成為影響生存涉及成敗的關鍵制度了。
二、SPC的迷思(MYTH)
也許由於對SPC一知半解,因此在一些己推動SPC的公司中,常會發現一些下述的迷思。
2-1迷思一:
有管制圖就是在推動SPC?
其實管制圖只是SPC的工具之一,因此「管制圖=SPC」是一種很粗淺的看法。
嚴謹說來,管制圖不但不等於SPC而且還要進而推敲──
這是產品品質(Q)還是製程參數(P)管制圖
這張管制圖是否有意義?
它所管制的參數真的對產品品質有舉足輕的影響嗎?
管制界限訂的有意義嗎?
這張管制圖是否受到應有的重視?
是否已照規定執行追蹤與研判?
這些問題經過推敲之後才能幫助我們對SPC作更深入的瞭解。
2-2迷思二:
有了Ca/Cp/Cpk等計算就是在推動SPC?
Ca/Cp/Cpk是在SPC中計算製程能力最主要的指標,因此會作製程能力分析的公司,當然是一個對SPC認識較深入的公司,但是值得再深入探討的是─
Ca/Cp/Cpk有定期Review嗎?
Ca/Cp/Cpk被活用了嗎?
是否已用Ca/Cp/Cpk作訂單分派給不同生產線生產的依據?
2-3迷思三:
有了可控制的製程參數(ProcessParameter)就是SPC?
製程參數的確是SPC的焦點,但是透過此迷思我們應深入探究──
為什麼挑出這些製程參數?
這些製程參數的控制條件是如何決定的?
這些製程參數與成品品質間有因果關係可循嗎?
三、SPC的焦點──製程(Process)
SPC與傳統SQC的最大不同點,就在於由Q至P的這兩個字轉換。
在傳統的SQC中強調的是Quality,是指產品的品質。
換言之,它是著重買賣雙方可共同評斷與鑑定的一種「既成事實」。
而在SPC的想法上,則是希望將努力的方向更進一步的放在品質的源頭──製程(Process)上。
因為製程的起伏變化才是造成品質變異(Variation)的主要根源,而品質變異的大小也才是決定產品優劣的關鍵。
這種因果關係,可進一步表示如下:
明白上述的因果關係之後,自然就會將SPC的焦點放在製程(Process)上了。
四、SPC的步驟
在對SPC有了上述更進一步的瞭解之後,SPC的正確作法,也就會自然而然的浮現了。
一般而言,有效的SPC應循下列步驟依序進行:
製程
製程參數
P1
P2
P3
P4
(溫度)A
P1A
P2A
P4A
(壓力)B
P2B
P3B
(溫度)C
P1C
P2C
P3C
P4C
(速度)D
P2D
P4D
(pH值)F
P1F
P4F
(能量)G
P2G
P3G
4-1步驟一:
深入掌握因果模式
所謂因果模式,就是找出哪些製程參數(ProcessParameter)對產品品質(ProductQuality)會有舉足輕重的影響。
這種探索模式,可以圖示方式說明如上。
在上述模式,所有製程參數,理論上都可能會對產品品質造成影響,但事實上我們都知道,每一製程參數對產品的影響程度一定不會相同。
因此,SPC首先要做的就是希望能找出孰輕孰重的因果關係,換言之我們希望能得到下列這張製程參數的柏拉圖:
得到這張柏拉圖有什麼好處呢?
其好處就是希望能從眾多的操作參數之中,過濾出少數舉足輕重的項目來加以管制,因此,如果能夠作好SPC,其實管制項目根本不必太多,管制成本當然也就會相對降低了。
至於如何找出上述的因果模式呢?
原則上要視產品品質的複雜度而訂,如果,複雜度低,用傳統的索檢表(Checklist)及層制法來加以分析即可。
反之,如果遇到複雜度高的個案,那可能就不得不借助實驗計劃法(D.O.E)的更高階分析工具了。
4-2步驟二:
設定主要參數的控制範圍
經過上述“步驟一”找出影響結果的主要參數之後,接著要推敲的就是:
這些參數該控制在那一個範圍內變動才恰當?
這個時候,我們就需要進一步地借助相關與迴歸分析等統計工具來合理地推測出控制範圍。
我們繼續援引“步驟一”之例,來說明如何決定P2B的合理變動範圍。
假設該產品品質特性是銅箔的“抗撕強度”,而經過相關迴歸分析得知,P2B與抗撕強度成正比關係,如上圖所示。
此迴歸方程式以公式表示則為:
y=-2+4x,其中y=抗撕強度,x=P2B之壓力強度值
若己知產品抗撕強度之規格上限為14lb/in2,下限為10lb/in2,那麼代入上述迴歸方程式,則P2B之管制上限為:
14=-2+4x→XU=4(lb/in2)
同理,管制下限即為:
XL=3(lb/in2)
点击表情图即可在帖子中加入相应的表情經過這種相關迴歸的轉換之後,P2B的控制範圍就可合理地設在3.5?
b0.5(lb/in2)之間,換言之,只要事先將第二製程之壓力(P2B),好好控制在3.5?
b0.5之間,那麼,除非有特殊的意外,否則產品的抗撕強,理當不成問題。
基本上,做到這個階段,SPC的精神才可算是真正浮現了。
當然相對的,今天貴公司所推動的SPC,如果製程參考的控制範圍,並無嚴謹脈絡可循(大部分參數都是供應商提供之所謂技術資料),那麼在SPC方面就仍許多的值得努力的空間。
4-3步驟三:
建立製程控制方法
經過“步驟一/步驟二”之後,對SPC而言只能說完成了S與P兩部份,而C部只是剛開始而已。
因為控制範圍只是控制方法的一部份,若要談完整的控制的方法,則需要進一步探究。
控制頻率(換言之,就是多久該抽樣一次?
一般抽樣頻率與製造系統的穩定性有密切的關係,通常若Process的穩定性愈高,則控制頻率就可相對的放鬆)
樣本抽取方法
樣本量測方法(為了避免造成雞同鴨講的問題,理論上,上述二者至少應與“步驟一/步驟二”在實驗階段時採取一致的方法,而在控制一段時間,驗證吻合之後,則可採取自動偵測之儀器來取而代之,以收事半功倍之效)4-4步驟四:
抽取成品來印證原始系統是
- 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:
- 表面 统计 过程 控制