SPC统计过程控制培训教程ppt课件.ppt

《SPC统计过程控制培训教程ppt课件.ppt》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)11/07/061SixSigmaRoadmap(逻辑心法)2内容数据类型介绍统计过程控制——SPC控制图原理常规控制图的设计思想判异准则与判稳准则分析用控制图、控制用控制图以及过程能力分析3TypesofDataDataCategorical分类型Numerical数值型DiscreteContinuousExamples:MaritalStatusPoliticalPartyEyeColor(Definedcategories)Examples:NumberofChildrenDefectspe

2、rhour(Counteditems)Examples:WeightVoltage(Measuredcharacteristics)41.统计过程控制S(Statistical)=>以统计学方法来探测过程的变异-(Tools:手段)P(Process)=>过程,任何过程-(Objects:对象)C(Control)=>以积极主动的管理来控制过程-(Aim:目标)5休哈特W.A.ShewhartEconomicControlofQualityofManufacturedProductsSPC:StatisticalProce

3、ssControl休哈特控制图亦称为常规控制图，简称休图（1924年5月16日）62.控制图原理7控制图(controlchart)是对过程质量加以测定、记录并进行控制管理的一种用统计方法设计的图。8常規控制圖的基本特点控制图原理:將正態分布曲線圖，向右旋轉90即为SPC常規控制圖+3s-3s+2s+1s-2s-1s-3s+3s99.73%95.45%68.27%mm9图上有中心线(CL,centralline)、上控制界限(UCL,uppercontrollimit)和下控制界限(LCL,lowercontrollimi

4、t)，并有按时间顺序抽取的样本统计量数值的描点序列。UCL、CL与LCL统称为控制线(controllines)。若控制图中的描点落在UCL与LCL之外或描点在UCL与LCL之间的排列不随机，则表示出现了异常。10数据的重要性如果不能用数字表达某事，说明我们对其知之甚少。如果对其知之甚少，我们就不能控制它。如果不能控制它，就只能靠运气。11统计规律变异性统计规律性12质量的统计观点1314对于随机现象通常应用分布(distribution)来描述，分布可以告诉我们：变异的幅度有多大，出现这么大幅度变异的可能性(概率，pro

5、bability)有多大，这就是统计规律。15对于计量特性值，如长度、重量、时间、强度、纯度、成分等连续性数据，最常见的是正态分布(normaldistribution)。16对于计件特性值，如特性测量的结果只有合格与不合格两种情况的离散性数据，最常见是二项分布(binomialdistribution)。17对于计点特性值，如铸件的沙眼数、布匹上的疵点数、电路板上的焊接不良数等离散性数据，最常见的是泊松分布(Poissondistribution)。18计件值与计点值又统称计数值，都是可以0个，1个，2个，…，这样数下去

6、的数据。掌握这些数据的统计规律可以用以保证和提高产品质量。19常規控制圖的分类常见控制图:按数据类型和用途分控制圖計量控制圖正態分布X-RChartX-sChartX-MR(I-MR)ChartMe-RChart中位数极差p-Chartnp-Chartc-Chartu-Chart標准值未給定標准值給定分析用控制圖分析用控制圖控制用控制圖控制用控制圖計數控制圖計點控制圖泊松分布計件控制圖二項分布20正态分布讨论正态分布，最简单的莫过于用其两个参数：平均值()与标准差()来表示。21均值()对正态分布的影响若平均值()

7、增大为’，则曲线向右移动，分布中心发生变化。22标准差()对正态分布的影响若标准差()越大，则加工质量越分散。标准差()与质量有着密切的关系，反映了质量的波动情况。23正态分布的两个参数平均值()与标准差()是相互独立的。不论平均值()如何变化都不会改变曲线的形状，即不会改变标准差()。不论正态分布的形状，即标准差()如何变化，都不会影响数据的分布中心，即平均值()。24注意：二项分布与泊松分布就不具备上述特点，它们的平均值()与标准差()是不独立的。25不论与如何取值,落在[－3，+3

8、]范围内的概率为99.73%。在正态分布的前提下2627控制图原理的第一种解释28对第4个点子应作怎样的判断？若过程正常，即分布不变，则点子超过UCL的概率只有1.35‰。若过程异常，譬如异常原因为车刀磨损，即随着车刀的磨损，加工的螺丝将逐渐变粗，逐渐增大，于是分布曲线上移，点子超过UCL的概率将大为