SPC培训教材.pdf

《SPC培训教材.pdf》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、统计过程控制（SPC）主讲：车鑫课堂守则ContentsSPC的发展历史132统计基础知识33变差知识4控制图原理Contents控制图的选择方法536计量型控制图37计数型控制图8过程能力调研最差的情况不够好最好的情况收集数据并在图表上描绘(建立了YESYESYES统计基础的抽样计划)作业者得到了有效的SPC技术培训NOYESYES小组关注并监控SPC规则和信号NONOYES管理层授权并支持问题调查和过程NONOYES改进当图表有异常信号时通过根本原因NONOYES分析采取正确的行动以预防问题的再次发生SPC的发展史质量的发展历史是怎样回事？SPC的定义SPCSP

2、C =Statistical Process Control   SPC =Statistical Process Control   ==统计过程控制统计过程控制过程要素过程要素人员Manpower测量设备MeasurementMachine过程组成要素方法环境MethodsEnvironment材料Material过程对象目的方法控制统计SPC的发展1924年1950年1984年统计基础知识超几何分布二项分布泊松分布正态分布描述稀有事随机变量源随机变量源件出现概应用最为广特性于有限总体于无限总体率，即随机泛的一种连的不放回抽的有限抽样事件在一定续型概率分样模型模

3、型空间(时间)布内散布规律在计量值质计件值质量计件值质量在计点值质量特性值的应用特性值的控特性值的控量特性值的控制与检验制与检验问制与检验问控制与检验中的质量变题题有重要应用化的规律。正态分布的基础知识理论研究表明，如果一个随机变量受到大量作用微小、相互独立的随机因素的影响，则这个随机变量一般服从正态布。N(μ,σ2)μ:总体平均值，描述数据的集中位置。σ:总体标准差，描述数据的分散程度。2xx(x−μ)1−2F(x)=∫f(x)dx=∫e2σdx2πσ−∞−∞μxN（μ，σ2）正态分布的基本特点正态分布曲线具有明显的中间高、两边低、左右对称，两边延伸到无穷的特点。

4、正态分布曲线用两个参数μ和σ来表示，在正态分布的概率密度函数中，表示分布的两个参数μ和σ具有特别的意义：其中μ表示正态分布曲线的中心位置，是正态分布的均值，它对正态分布曲线的影响是左右移动，当μ增大，正态分布曲线向右移动，μ减小，曲线向左移动。σ表示服从正态分布的随机变量的离散程度，是正态分布的标准差，它影响着曲线的形状，当σ增大，曲线变得矮小和扁平，当σ减小，曲线变得高大和瘦小。•μ不同(均值)•σ不同(标准差)正态曲线的特征•曲线关于μ对称；•当x=μ时取到最大值；•X离μ越远，f（x）的值越小；μ正态分布的两个参数μ和σ是相互独立的。无论正态分布曲线的均值μ如

5、何变化即中心位置如何变化，都不改变正态分布曲线的形状，即标准差σ不变；无论标准差σ如何变化即曲线的形状如何变化都不改变正态分布的中心位置，即均值μ不变。例加工直径10±0.2，如果加工出来的数据都是10.1，那么标准差是零。标准差σ越小，加工过程越稳定，产品质量越高。但是，这还要取决于这些数据相对于这些数据相对于中心值的偏移情况，如果加工出数据都为10.5，尽管标准差为零，也都是不合格。所以衡量产品质量好坏的两个指标是标准差与均值，标准差越小而且均值相对于技术中心值的偏移越小越好，两者缺一不可。正态分布的概率99.73%95.45%68.26%-3σ-2σ-1σμ+

6、1σ+2σ+3σμ±kσ在內的概率在外的概率μ±0.67σ50.00%50.00%μ±1σ68.26%31.74%μ±1.96σ95.00%5.00%μ±2σ95.45%4.55%μ±2.58σ99.00%1.00%μ±3σ99.73%0.27%正态分布的3σ原则−3σ−2σ−1σ+1σ+2σ+3σX68.26%95.44%99.73%对于任意正态分布X-N（μ和σ2）的随机变量X来说，不论μ和σ取值为何，产品质量特性值落在[μ-3σ，μ+3σ]范围内的概率均为99.73%，即它的值落在[μ-3σ，μ+3σ]区间内几乎是肯定的。总体、样本总体被研究对象的全体。样本组

7、只包含部份总体的数据。简单而言，这是总体中选出的数据,如1000台燃具中的其中10台.总体样本平均数、中位数、众数平均数（Xbar）所有样本总和除以样本容量。（96.76,99.66,96.93,97.87)X∑iX=n中位数顺序(由小至大或由大至小)数列中心项的数值。众数在样本中出现次数最多的值。平均数=中位数=12344445555556668889众数=标准差标准差(S)过程输出的分布宽度，距离或每平均值的偏差。热水温升的内控标准为48-65℃, 实际量测数据为: 56.8、54.6、51.1、53.4。22∑(Xi−μ)Σ(Xi-X)σ=s=Nn-1极差