统计过程控制（SPC）

SPC是帮助我们针对产品的特殊特性和制造过程参数进行控制，目的是了解这些特性变差的大小及其原因，为采取相应的措施提供信息，以预防不合格的发生。

目的

对特殊特性进行控制（产品和过程）

• 产品特性：产品安全法规、配合、功能、性能
• 过程特性：显著影响过程输出的参数

统计概念

数据类型

• 计量型

  • 信息精准、少量数据可获得大量信息

• 计数型

  • 获取低成本、收集和解释的成本低、时间短

数据形态分布

• 正态分布
• 非正态分布

数据特征值

• 集中趋势

  • 平均值：样本总和/样本数量
  • 峰值（众数）：出现频次最多的数
  • 中位数：按大小排序后，数据个数为奇，最中间的数为中位数，当个数为偶数个时，最中间的两个数平均值为中位数。

• 离散程度

  • 极差：一组测量数据中的最大最小值之差。

  • 标准差：数据到中心值距离的平均值。（要求先平方再开方）

    • 总体标准差
    • 根据样本数据估计标准差
    • 根据控制图估计标准偏差

控制图原理

来源

• 1924年，美国品管大师休哈特博士应用统计数学理论将3sigma原理运用于生产过程中，并发表了著名的‘控制图法’，对产品特性和过程变量进行控制。

以±3sigma为控制界限的合理性

• 控制成本

  • 虚发警报
  • 漏发警报

• 当采用平均值加减三个标准差为控制界限是最为经济和最合适的。

控制界限与规格界限

• 意义和作用不同

  • 规格界限用于区分产品的质量
  • 控制界限区分制程质量

• 制定依据不同

  • 规格界限是根据产品实际需要，事先设计
  • 从生产过程测定的质量数据分布来确定的

常用控制图种类

• 计量型（双值控制图）

  • 均值极差图（常用）

  • 均值标准差图

  • 中位数极差图（少用）：虽简单易用，但检出能力不足，不灵敏

  • 单值移动极差图

    • 适用场景

      • 产品贵重，测试一个损失很多钱
      • 破坏实验，测试一个损失一个样本
      • 散装材料（如液体或气体）
      • 控制制造过程参数：温度、压力、湿度

• 计数型（单值控制图）

  • 不良率控制图：大批量生产/样本容量不相同时
  • 不良数控制图：样本容量相同
  • 缺点数控制图：样本容量恒定（用于连续的产品流）
  • 单位缺点数控制图：不同样本子组内单位缺陷数

计数型控制图应用

计量型控制图应用

注意内容

• 1 对参与员工进行SPC及相关培训
• 2 识别和确定需要控制的特殊特性（产品和过程）
• 3 选择合适的控制图
• 4 进行测量系统分析

控制图要点

• 均值和极差图（最实用）

  • 极差图的刻度值设置为均值图的2倍

  • 数据收据需注意

    • 子组：一般由4到5件连续生产的组合（相似生产条件）

    • 子组频率：间隔多长时间收集一组数据

      • 过程稳定：建议：每班2次/每小时一次/其他可行频率
      • 过程初期：连续进行分组或很短时间间隔，以便检查过程在短时间间隔内是否有不稳定的因素存在

    • 子组数的大小：

      • 尽可能多（收集越多，变差的主要原因越有机会出现）
      • 最少25个子组

• 均值和标准差图

  • 子组大小：大于等于10件 不超过25件，其他同均值极差图一样

• 中位数和极差图

  • 子组容量小于10

• 单值和移动极差图

计量型数据的过程能力和过程性能研究

研究的是过程输出的分布位置（过程中心）和分布宽度。

• 常用指数

  • 仅反映过程变差的指数Cp、Pp

  • 综合反映过程变差和过程中心的指数CPU、CPL、Cpk、Ppk

  • 过程变差比值CR、PR

  • 过程能力 Cp、Cpk

    仅适用于统计过程稳定的过程。
    考虑的是过程固有变差，没有特殊因素存在。

    标准差

  • 过程性能Pp、Ppk

    过程的总变差，变差包含特殊原因和普通原因。

• 指数计算

  • 双边公差

  • 单边公差

    • 只计算Cpk和Ppk。

• 指数评价

设备能力指数计算和评价Cm /Cmk

应用时机

• 新设备的验收
• 出现‘过程能力’异常时，判断是否是设备的问题
• 设备维修后验收依据

取样要求

• 短时间（消除环境影响）
• 相同操作者（减少人的因素）
• 同材质、标准作业

如何计算

• 美国工业计算方法
• 欧洲（德国）汽车工业计算方法

控制图是用来判定过程是否处于受控状态的工具

XMind: ZEN - Trial Version

统计过程控制（SPC）.png