统计过程控制spc解决问题的方法Word文档下载推荐.docx

统计过程控制spc解决问题的方法Word文档下载推荐.docx

《统计过程控制spc解决问题的方法Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《统计过程控制spc解决问题的方法Word文档下载推荐.docx（10页珍藏版）》请在冰豆网上搜索。

通常，少数生产问题造成较大的损失，相当大部分的问题导致了余下的小部分损失。

帕雷托分析法的目的是要清楚地识别那些潜在成本最大的问题。

项目组成员运用帕雷托分析法来分析问题，制定日程来处理问题。

随时间推移的进展，他们也用此方法来反映过程。

帕雷托分析法把问题细分成一系列的类别，并有一个决定分类的共有特性值。

大多数情况下，这一特性值通常用金钱衡量，因为许多问题都反映企业成本的增加额。

然而，如果每个问题领域的成本相同，关注的焦点就转向问题发生的频率了。

帕雷托分析法的结果是一个柱状图和折线图的组合，其中给出了发生最频繁的原因和相应的成本。

图4.1是帕雷托分

析所需收集的数据。

图4.2是由此数据得出的排列图表。

图4.1帕雷托分析的数据

图4.2排列图

建立排列图表的步骤：

第一步：

建立类别

进行帕雷托分析的第一步是定义类别。

定义的类别要和你所关心的领域相一致，如：

缺陷类型，机器，部门等，但质量成本或矫正时间不能作为关注的焦点领域。

具体的操作员最接近和了解问题根源所在，他们非常了解如何对数据进行分类。

图4.1中，就是用缺陷类型来定义类别。

通常6至10个类别已经足够进行帕雷托分析。

类别太少，将不足以把问题进行有效的细化，类别太多，又使研究范围变得太宽。

完成主要类别的定义后，只需把余下的问题归入“其他”类别即可，该类别本身可能包含若干个类别。

对当前的主要问题简化到某个细小的问题后，再着手对“其他”类别进行详细分析。

第二步：

确定时间段

决定类别后，要对你的分析对象设定时间段。

不同的问题发生在不同时间段，所以设定的时间段要满足如下要求：

在此时间段内，要包含发生频率较小的问题，不能滞后，也不能依赖距离现在太远的过去状况。

在开始做分析之前，就要确定好时间段。

第三步：

收集数据

记录问题在时间段内发生的频率。

图4.1和4.2中的收集的就是以两周为时间段的数据。

第四步：

以列表形式汇总数据

以类别的名称作为列建立表格，如：

频率，每个类别估计缺陷百分比和每个类别的总费用。

在表格中键入类别名。

接着，键入每个类别在研究的时间段内发生的次数。

再键入估计的平均缺陷费用，它应包括间接费用，如：

额外处理费用，仓储面积费用，文书工作费用，运输费用及包装费用。

该平均缺陷费用可以估计的，只要对不同的类别该费用具有相关性，就不一定要用精确值。

最后，把问题发生的频率和平均缺陷费用相乘得到每个类别的总成本。

5.建立图表

建立一个坐标系，把其中一条轴按每个类别分段，包括“其他”这个类别。

另一根轴根据类别的公共特性值划分刻度，这里是按照金额来划分刻度的。

依据该公共特性值对类别进行排序，并以此顺序在图中为每个类别画柱形图。

从耗费成本最高的问题开始，以“其他”类别结束（即使“其他”类别耗费的成本要比前面的类别大）。

柱条的长度或高度对应于该公共特性值。

运用统计过程控制软件能使整个制图过程中的计算、画图变得简单。

运用帕雷托分析法决定怎样处理问题时要记住的一点是：

简化最常发生的问题要比彻底排除不常发生的问题来得容易，而且，该方法极有可能立杆见影。

2头脑风暴法

头脑风暴法是用来解决问题的一个比较成熟的方法。

它是一个连珠炮似的方法，可以给出一连串可行的解决方案而不拘泥在某个特定的方案上。

虽然，个人也可采用此方法，但集体讨论将更加有效。

这是因为集体讨论中，一个人的想法会激励其他成员的思维。

头脑风暴法的5条准则：

1.设定发言时间限制

对大多数问题，通常设定15分钟至一小时。

2.确定具体讨论任务

讨论主题本身不一定是一个问题。

头脑风暴法能帮助确定解决方案，可能的起因，输入输出的结果。

讨论主题需在讨论开始前选定。

3.在发言时间限制内产生尽可能多的想法

头脑风暴法的目的在于产生尽可能多的想法，其中甚至包括偏离原始想法的念头和其他离奇的想法。

4.指定一名记录员

在会议期间就把讨论产生的想法记录下来，让组员们可以一目了然地看到，这样是最有效的。

利用黑板或活动挂图来记录观点是条有效的途径。

这样容易使讨论成员回想起先前的观点，由此激发新的想法。

讨论其间所有的观点都要被记录，即使是对问题没有帮助的以及重复的观点。

5.在会议结束前，避免对产生的设想进行评价、批评，或做出任何好坏的判断。

想法的可行与否将在以后作出决定。

对问题没有多大帮助的设想能开阔思路，引导我们找到可行的解决方案，所以对此要给予鼓励。

批评，甚至是窃笑，都会阻碍组员们畅所欲言和限制组员产生新设想的潜力，这种情况在一个或两个人的观点控制整个讨论会议时也会发生。

要避免这种情况的发生，就要询问每个与会者的观点。

虽然每个与会者不可能以同等的机会参与意见的发表，但这足以产生尽可能多的想法。

如果你想得到更多的意见，给与会者一份在讨论中产生的设想清单，便于他们想到什么就能直接加上去，并再安排一个简短的会议让他们发表各自的新想法。

这两次会议的间隔通常是几天或几周，其依赖于问题的缓急程度。

如果问题急需解决，或当你觉得手上的建议已经足够时，就可以对每个观点给出其优点，可行性的评价。

制定一些标准来决定接受或摒弃某个观点，在清单上删除不满足要求的项。

精简了记录清单后，就能决定问题的处理方案。

近似图是组织头脑风暴法产生的大量信息的另一种工具。

它把具有相似共性的想法聚集在一起，写在一张纸上或制成索引卡片，这有助于把产生的想法有意义地分类。

3因果图

问题定义后，它的起因也就确定。

因果图（又被称为Ishikawa或“鱼刺”图）能说明怎样选出影响质量的因素，并将它们联系起来。

通过阐明每个因素是怎样同绩效相联系的，因果图使我们集中解决问题的症结而非其表象。

因果图将问题的起因分成若干个类别，如果某个类别复杂的话，再对其进一步细分。

一些主要因素的分类如下：

.材料

.设备

.员工

.方法

.度量

.管理

.环境

画因果图的4个步骤：

1.决定哪方面的特性是你想改进和控制的。

2.记录下“效果”。

将“效果”写入右边的框中，从左边画一箭头指向这个框，详见图4.4。

图4.4因果制图的第二步

3.把主要因素的类别沿箭头写在其上方和下方。

在类别之间和类别与箭头之间留出空间。

这样写有“效果”的方框与类别之间就没有联系，把各个类别与主箭头连接，详见图4.5。

图4.5因果制图的第三步

4.列出可能的影响因素作为每个类别的分支。

如果某个类别的分支因素对绩效的影响比该类别大，就要将其单独列出。

任何影响问题起因的因素都应被列出，详见图4.6。

如同头脑风暴法一样，在画因果图时，集体讨论是种最有效的途径。

画因果图的目的在于识别所有同绩效相关联的因素，而集体讨论总能比个人提出更多的方案。

图画好后，通过研究，要确认每个领域的哪些因素对绩效起主要作用。

改良绩效的尝试就从这些因素中选出。

4散点图

散点图用来揭示因与果或两因素之间是否具有相关性，它还揭示了一个变量增大的同时，另一个变量是否随之增大，减小还是不受其影响。

作散点图的步骤：

1.收集数据。

2.画平面坐标系。

两根轴的长度要大致相同。

在两个变量各自的轴上标记刻度，见图4.7A。

3.在图上根据数据描点。

对数据值重复的点，在该点周围画同心圆表示。

如果两变量间存在相关关系，其散点图会呈现“雪茄形”。

变量间的相关性越强，图形就越紧密。

图4.7B-4.7D中，散点图不同的形状代表不同的相关性。

图4.7A散点图的建立图4.7B正相关性

图4.7C负相关性图4.7D不相关性图4.7B表示正相关性。

这时，自变量的增加导致因变量的增加。

图4.7C表示负相关性。

这时，自变量的增加导致因变量的减小。

图4.7D表明两变量不相关。

5直方图

直方图说明观测范围内数据出现的频率，还表明数据的分布与规格的联系以及数据是否超出规格限制范围。

我们透过直方图的形状，数据的中心值，数据的离散方式可以知道一个过程的许多信息。

建立直方图的步骤：

1.收集和记录数据。

许多信息依赖于所收集数据的类型和记录的方式。

2.确定数据的最大值和最小值。

查找数据的最大，最小值。

3.决定分组的数目。

经验告诉我们，通常使分组的数目与观测数据量的平方根大致相等。

4.确定每组数据的极差。

每组数据的极差必须相等，如果观测值是舍入值，这将使问题易于处理。

让极差的起始值和终止值落在两个数值之间，这样就能很容易看出数据所在的范围。

5.设定各组的宽度。

宽度可由（最大值－最小值）除以分组数得到。

6.画一表格来记录数据。

表格里的每行反映直方图的范围。

7.记录数据，

检查每个数据，并在相应的行做标记。

接着，合计每行的标记数，如图4.8所示。

图4.8直方图用检验单

8.建立平面坐标系。

两坐标轴应足够长，能包含所有的数据点。

可能还需在直方图里标出生产指标线，上限和下限。

9.作直方图。

根据步骤5决定柱体的宽度，高度应等于表格中记录的频数。

图4.9A给出了上述数据的直方图。

怎样解释图表取决于你的目的和数据的分布。

近似正态分布的形状通常意味着过程的变化源于普通原因。

如图4.9B所示，正态分布是对称的，这在第2章已进一步讨论过。

实际分布与正态分布曲线的接近程度能告诉我们过程的许多信息。

虽然我们通常能看到分布是否接近正态,但我们并不能每次都识别出反映过程问题的微小变化，当我们比较直方图时，尤其是这样。

为了说明这点，统计学家提出了检验数据正态性的若干方法，其中有些是偏度、峰度的检验和卡方（χ2）检验。

这些检验能使我们在数据具有相同均值、方差的分布下，发现差异性。

这类分析能告诉我们过程的改进是否有效。

图4.9A来自图4.8数据的直方图图4.9B拟合曲线显示出正态性的直方图

正偏负偏

图4.10负偏和正偏

偏态系数表现均值与众数的差异。

偏度检验是用来度量曲线的对称性的。

如果偏态系数为0，表示数据分布关于均值左右对称。

偏态系数为正数，表示均值比众数大。

偏态系数为负数，表示众数比均值大。

图4.10分别是偏态系数为正，负的情况。

偏态系数的计算公式如下：

其中y是偏差，μ是均值，ο是标准差。

比较直方图时，偏态系数让我们知道过程是否有向上限或下限倾斜的趋势。

两个不同的分布可能会有相同的标准差、均值、偏态系数，但一个分布的峰是平缓的，另一个分布的峰是陡峭的。

曲线的平缓程度就叫做峰度。

峰度的计算公式如下：

如果峰度＝0，该曲线是正态分布曲线，峰度>

0，该曲线比正态分布曲线或尖峰态曲线平缓，峰度<

0，该曲线比正态分布曲线或低峰态曲线陡峭，见图4.11。

尖峰态曲线低峰态曲线

图4.11尖峰态曲线和低峰态曲线

卡方（χ2）检验反映了实际分布和期望分布的拟和程度。

该检验通常用于检验分布的相似性。

许多统计软件能计算卡方统计量的值。

χ2统计量的计算公式如下：

其中fa为实际频率，fe为估计或先前频率。

根据计算得出的值查χ2表（附录B）决定显著性。

6链图

链图能用来研究过程的稳定性和趋势。

因为链图反映了随时间变化的过程，数据依产生的先后次序被标在图上。

链图中x轴的刻度通常是简单的计数，如1，2，……。

y轴的刻度是数据的值，见图4.12。

图4.12链图