SPC的介绍.doc

SPC的介绍.doc

《SPC的介绍.doc》由会员分享，可在线阅读，更多相关《SPC的介绍.doc（15页珍藏版）》请在冰豆网上搜索。

SPC的介绍及好处

企业为什么要实行SPC:

   SPC是全球范围内制造业所信赖和采用的质量控制技术。

半个多世纪以来，SPC的广泛应用推动了制造业的发展与繁荣。

 新世纪是质量的世纪，质量塑造未来，质量也是竞争的关键。

在一些行业，应用SPC已经成为企业生存的基本需求。

 传统观念把检验作为质量保证的手段，只能事后判断，而应用SPC，能够把握先机，预防不合格品的出现，降低成本，提高企业运行效率。

SPC强调全过程监控、全系统参与，并且强调用科学方法（主要是统计技术）来保证全过程的预防。

SPC不仅适用于质量控制，更可应用于一切管理过程（如产品设计、市场分析等）。

正是它的这种全员参与管理质量的思想，实施SPC可以帮助企业在质量控制上真正作到“事前”预防和控制

SPC可以帮助企业：

·对过程作出可靠的评估；

·确定过程的统计控制界限，判断过程是否失控和过程是否有能力；

·为过程提供一个早期报警系统，及时监控过程的情况以防止废品的发生；

·减少对常规检验的依赖性，定时的观察以及系统的测量方法替代了大量的检测和验证工作；

有了以上的预防和控制，我们的企业当然是可以：

·降低成本；

·降低不良率，减少返工和浪费；

·提高劳动生产率；

·更好地理解和实施质量体系。

建立SPC 的步骤：

1、确定制造流程：

绘制制造流程图-确定工序；制定品质工程表-每道工序的质量指标是多少；

2、决定管制项目：

哪些是可控制的项目，或者说哪些要素需要被监控；（比如说加工的长度，压铸后的重量等）

3、实施标准化：

建立标准，确定管制项目的标准值，上、下限。

4、绘制管制图：

根据收集的数据，结和实际，绘制不同的管制图。

5、分析制程能力：

根据收集的数据，计算工序的制程能力指标是否符合要求。

6、分析问题：

根据管制图的异常，分析产生异常的原因，这些异常是否在正常的波动范围之内，如果不是，要找出原因。

7、解决问题

8、继续管制

SPC应用的几个误区 

目前有很多企业都在学SPC，用SPC，但也存在一些认识上的误区。

比如，有些单位收集一些的质量数据，做几个控制图，计算一下Cpk，就算使用了SPC，有些企业为了应付客户的要求，做几个漂亮的控制图，挂在墙上展示一下，也算用了SPC。

这些认识都是很初级的，完全没有理解SPC动态过程控制的核心，根本不能达到对过程质量动态、连续监控的目的。

有些质管人员在接触了SPC后，试图寄望它不只能发现过程的异常波动，更应该给出导致异常的过程要素和原因。

如异常情况是由设备、原料或操作上的什么问题引起的？

这里必须明确指出，这些想法是不切实际的，也是没有理论依据的。

SPC工具是用统计学方法对过程质量数据进行处理、使工序质量状态可视化。

而可视化的控制图只反映当前过程的运行状态或者未来趋势，并不能反映导致这种状态出现的内在原因。

异常原因还要由人去查找，正如张公绪教授总结的“20字真经”所言：

“查找异因，采取措施，加以消除，不再出现，纳入标准”。

要把控制图的某些特征状态与导致它的内因关联起来，必须在实践中反复总结，发现规律，从而提高查找问题、即时反应的能力。

另外，我国SPC质量专家张公绪教授提出的选控图统计诊断理论（即SPCD中的D），也不是用来诊断控制图异常的过程原因，而只适于诊断不同工序影响同一质量指标时（象过滤和褪色都影响液体的透明度），究竟哪道工序是导致异常的根源这样的特殊情况。

所以，理想化的期望必将影响质管人员对SPC的信心，也将阻碍企业实施SPC的进程。

SPC培训中要切忌把注意力过多地集中在SPC理论中的统计原理、统计方法、计算公式上，而要以建立过程质量控制理念，理解SPC工具的系统构架、业务分布、数据流程，掌握使用方法为重点，使企业的每个员工都能整体地、理性地认识SPC，在实际中能动地领把SPC思想融入到质量工作中去。

SPC并非只能使用产品的质量数据来监控工序质量，大部分的工艺数据都可用于SPC控制图来监控过程质量。

SPC（StatisticalProcessControl）:

统计过程控制：

意思即为应用统计技术对过程中的各个阶段进行控制。

目的是保证产品与服务的质量在一个可控制或者可预防的范围之内。

SPC的基本原理：

世上沒有任何两件事、人员、产品是完全一样

制造过程中所产生之变异是可以衡量的

产品的变异通常根据一定的模式而产生

产品大都呈常态分配

变异的原因可分为偶因及异因

应用SPC可以指出制程最需要改善的地方

 影响质量的因素：

 1、偶然因素：

     对生产过程一直起作用的因素。

如材料成分、规格、硬度等的微小变化；设备的微小震动；刃具的正常磨损；夹具的弹性变型及微小松动；工人操作的微小不均匀性等等；对质量波动影响不大，或者在技术上难以避免的，在经济上也不值得消除的因素，由偶然因素造成的质量变化称为正常波动，这种波动一般通过公差反映，此时的工序处于稳定状态或受控状态。

 2、异常因素：

     在一定时间内对生产过程起作用的因素。

如材料成份、规格、硬度的显著变化；设备、工夹具安装、调整不当或损坏；刃具的过渡磨损；工人违反操作规程等；这些因素造成较大的质量波动，常常超出了规格范围或存在超过规格范围的危险；在经济上是必须消除的，在技术上是可测量的、可行的；那么这些因素就是SPC针对的因素。

SPC的作用：

通过对生产过程或产品的检测，运用统计学知识，结合生产、设计、质检、工艺、人员等因素，区分生产过程中的正常波动与异常波动,提醒人们采取措施消除异常找出异常因素的原因，并给出改善或排除的方法，从而改进质量。

SPC的特点：

  全员参与，而不仅仅是依靠少数质量管理人员；   

 强调使用统计学的方法来保证预防原则的实现；

  SPC不是用来解决个别工序采用什么控制图的问题，SPC强调从整个过程、整个体系出发来解决问题。

   能判断整个过程的异常，及时报警。

工程准确度Ca（CapabilityofAccuracy）

必须首先确定管制项目的标准值。

设定管制项目标准值的目的，就是希望以该值制造出来的各种产品的实际值，能以该标准值中心，成左右对称的常态分配，而制造時也应以标准值为目标。

工程准确度（Ca）评价目的就在于衡量制程平均与标准的一致程度，有時工程准确度指数又称为正确度指数。

Ca等级评定标准

Ca等级评定标准

等级

Ca值

A级

0-12.5%

B级

12.5%-25%

C级

25%-50%

D级

>50%

工程能力指数Cp（CapabilityofPrecision）

必须首先设定管制项目的上下限。

设定管制项目的上下限的目的，就是希望制造出来的产品的实际值，能在容许的范围内变化，而制造时也以应尽量控制产品的上下限为目标。

工程能力指数（Cp）评价的目的就在于衡量产品分散的宽度对于公差的符合程度。

工程能力指数又称为工程精密度指数。

Cp等级评定标准

Cp等级评定标准

等级

Cp值

A级

>1.33

B级

1.33-1.00

C级

1.00-0.67

D级

<0.67

制程能力指数Cpk

要制程达到规定，必须Ca和Cp均好才可以，而有时Cp好但Ca不一定好，有时Ca好Cp不一定好，不管哪种情况，同样都在Cpk是反映制程能力的一个重要参数；它是Ca和Cp的综合指标。

Cpk的等级评定标准和Cp是一样的。

制程能力分析的用途：

1、提供资料给设计和管理部门，使之了解目前的工程能力

2、决定一项新设备或经过维修的设备是否满足要求

3、选择合适的操作人员的一种手段

4、提供选择最佳材料、最优环境的依据

5、制程能力较公差为窄时，用于建立经济管制界限。

6、制程能力较公差为宽时，可设定适当的中心值来得最经济的生产。

7、用于建立机器调整界限。

统计概念

总体与个体

定义：

研究对象的全体，称为总体或母体；组成总体的每个单元称为个体

●研究对象的全体，指的是研究对象某个数量指标的全部取值，由于一个数量指标通常就是一个随机变量，因此，总体是指某随机变量的取值的全体。

而其中的每个值都是一个个体。

例如，工厂生产一批零件，共10000件。

其长度是一个随机变量，10000件产品长度数据的全体称为总体，而其中的某一个数据则是一个个体。

●如果要研究的不是一个，而是几个数量指标，如对一批零件不仅要研究其长度，还有研究宽度，重量流时，则要分为几个总体来研究。

●总体的有限和无限类型随研究的问题而定，对于上述的一批零件而言，总体是有限的；但有时根据研究的需要，我们常把相同条件下的生产的所有零件看成一个总体，显然，此时，它是一个无限总体。

样本与总体

人们从总体中抽取样本的目的是根据样本数据对总体的数字特征和分布规律进行推断、估计和检验。

那么为什么不对总体直接进行研究，而是通过对样本的研究而对总体特征进行推断呢？

因为生产总是在进行的，从这一意义上来说，总体是无限的，那么对总体的研究是不划算的。

●自然，由样本推断和估计总体很难做到完全精确和可靠。

但是必须采取措施获得比较精确和具有一定可靠性的推断。

其措施涉及两方面的问题：

即抽取样本的方法和统计推断的方法。

●当样本的抽取满足下列两个条件时，样本将能很好地反映总体的统计规律性：

（1）样本容量n足够大。

样本容量越大，推断的结论越准确，可靠性越高；

（2）采用随机抽样，即总体中每个个体被抽到的机会均等，即使一个个体被抽取后，总体的成分不变。

换句话说，每个样品的抽取都是一次独立、重复试验。

●采用统计推断方法以样本的特征去估计总体的特征。

样本与总体的关系：

总体特征决定样本特征，样本特征反映总体特征。

样本与样品

从总体中随机抽取的若干个个体的总和称为样本或子样；组成样本的每个个体称为样品；样本中所有的样品的数目称为样本容量或子样大小，样本容量常用符号n代表。

例：

从批量为10,000的一批齿轮中随机抽取20件进行检查,被抽查的20件产品称为样本，而其中每一件产品称为样品；样本大小为20。

人们通常只获得样本数据，而不必关心某一数据对应某一样品。

数据采集

数据的收集是一项重要的基础工作，为了给质量管理工作提供可靠的准确的情报，搜集数据时，必须遵循以下原则

1随机抽样

2数据的分层

3明确数据收集的目的和方法

4作好数据记录，保证数据真实、可靠、准确

随机抽样的方法

随机抽样：

是指从总体抽取样品时，使每个个体被抽到的机会均等以使所抽取的样本数据能够很好地代表总体的抽样方法。

随机抽样用到的方法主要有：

1、简单随机抽样法：

（单纯随机抽样）

①抽签法（或掷骰子法）

②随机数表法

2、分层随机抽样：

将总体按产品的某些特征把整批产品划分为若干层（即小批），即分为层，同一层内的产品质量尽可能均匀一致，在各层内分别用简单随机抽样法抽取一定数量的个体组成一个样本的方法

●分层按比例随机抽样：

若按各层在整批中所占比例分别在各层内抽取就称为分层按比例随机抽样

●例：

某批产品批量为N=1200，由A、B、C三个工人加工而成，NA=600，NB=400，NC=200。

取n=150的样本。

  解：

从A工人中抽取的个数为：

nA=（600÷1200）×150=75；

                               nB=（400÷1200）×150=50；

                               nC=（200÷1200）×150=