SPC.docx
《SPC.docx》由会员分享,可在线阅读,更多相关《SPC.docx(20页珍藏版)》请在冰豆网上搜索。
![SPC.docx](https://file1.bdocx.com/fileroot1/2023-1/24/ecd86d96-88d4-4a1f-bffd-b62154e6af49/ecd86d96-88d4-4a1f-bffd-b62154e6af491.gif)
SPC
什么是SPC
SPC即英文“StatisticalProcessControl”之缩写,意为“统计制程控制”SPC或称统计过程控制。
SPC主要是指应用统计分析技术对生产过程进行实时监控,科学的区分出生产过程中产品质量的随机波动与异常波动,从而对生产过程的异常趋势提出预警,以便生产管理人员及时采取措施,消除异常,恢复过程的稳定,从而达到提高和控制质量的目的。
在生产过程中,产品的加工尺寸的波动是不可避免的。
它是由人、机器、材料、方法和环境等基本因素的波动影响所致。
波动分为两种:
正常波动和异常波动。
正常波动是偶然性原因(不可避免因素)造成的。
它对产品质量影响较小,在技术上难以消除,在经济上也不值得消除。
异常波动是由系统原因(异常因素)造成的。
它对产品质量影响很大,但能够采取措施避免和消除。
过程控制的目的就是消除、避免异常波动,使过程处于正常波动状态。
SPC起源与发展
1.1924年休哈特博士在贝尔实验室发明了品质控制图。
2.1939年休哈特博士与戴明博士合写了《品质观点的统计方法》。
3.二战后美英将品质控制图方法引进制造业,并应用于生产过程。
4.1950年,戴明到日本演讲,介绍了SQC的技术与观念。
5.SQC是在发生问题后才去解决问题,是一种浪费,所以发展出了SPC。
6.美国汽车制造商福特、通用汽车公司等对SPC很重视,所以SPC得以广泛应用。
7.ISO9000(2000)体系亦注重过程控制和统计技术的应用(如8.1,8.2.3)。
3σ原理简介
当过程仅仅俺有正常变异时,过程的
,其分布状态如下:
休哈特建议用界限±3σ来控制过程,就是说,在10000个产品中不超过27个不合格品出现,就认为改生产过程是正常的,若达到27个以上,就认为过程失控。
在当时,这是一个非常高的要求,一般的企业都很难达到这个水平,而在今天,企业的质量管理水平当然已经远远不止这个水平,甚至一些企业普遍要求5σ的水准,当然,这和某些行业有关系,例如汽车电子和汽车钣金的水准就不是一个数量级的。
SPC技术原理
控制(SPC)是一种借助数理统计方法的过程控制工具。
它对生产过程进行分析评价,根据反馈信息及时发现系统性因素出现的征兆,并采取措施消除其影响,使过程维持在仅受随机性因素影响的受控状态,以达到控制质量的目的。
当过程仅受随机因素影响时,过程处于统计控制状态(简称受控状态);当过程中存在系统因素的影响时,过程处于统计失控状态(简称失控状态)。
由于过程波动具有统计规律性,当过程受控时,过程特性一般服从稳定的随机分布;而失控时,过程分布将发生改变。
SPC正是利用过程波动的统计规律性对过程进行分析控制的。
因而,它强调过程在受控和有能力的状态下运行,从而使产品和服务稳定地满足顾客的要求。
统计学的几个基本概念
1)计量值与计数值
计量值:
其特点是可以连续读取的这些数据;
计数值:
其特点是不可以连续读取的这些数据。
2)总体、个体、样本、抽样
总体:
由具有某种共同特性的单位个体组成的较大数量的整体。
三特性:
同质性、大量性和差异性。
样本:
由整体里的一定数量(部分或全部)个体组成的群体。
质量管理中常用的统计分析方法
介绍的以下这些工具和方法具有很强的实用性,而且较为简单,在许多国家、地区和各行各业都得到广泛应用:
∙控制图:
用来对过程状态进行监控,并可度量、诊断和改进过程状态。
∙直方图:
是以一组无间隔的直条图表现频数分布特征的统计图,能够直观地显示出数据的分布情况。
∙排列图:
又叫帕累托图,它是将各个项目产生的影响从最主要到最次要的顺序进行排列的一种工具。
可用其区分影响产品质量的主要、次要、一般问题,找出影响产品质量的主要因素,识别进行质量改进的机会。
∙散布图:
以点的分布反映变量之间相关情况,是用来发现和显示两组数据之间相关关系的类型和程度,或确认其预期关系的一种示图工具。
∙过程能力指数(Cpk):
分析工序能力满足质量标准、工艺规范的程度。
∙频数分析:
形成观测量中变量不同水平的分布情况表。
∙描述统计量分析:
如平均值、最大值、最小值、范围、方差等,了解过程的一些总体特征。
∙相关分析:
研究变量之间关系的密切程度,并且假设变量都是随机变动的,不分主次,处于同等地位。
∙回归分析:
分析变量之间的相互关系。
SPC控制图类型
1、控制图种类(以数据来分)
1)计量值控制图
∙Xbar-R(X-R):
平均值与全距(极差)控制图
∙X-Rm:
个别值与全距控制图
2)计数值控制图
∙P-chart:
不良率控制图
∙Pn-chart:
不良数控制图
∙C-chart:
缺点数控制图
∙U-chart:
单位缺点数控制图
控制图应用
1)SPC控制图三要素:
坐标、管制界限、数据点;构成完整的SPC图。
2)计算:
A.Xbar-R(平均值与全距(极差)控制图):
Xbar=∑Xn/n,R=Xmax-Xmin,R=∑Rn/n
∙UCL=X+A2*RLCL=X-A2*R
UCL=D4*RLCL==D3*R
B.P-chart:
不良率控制图P=P‘(NG)/∑N*100%
C.C-chart:
缺点数控制图
D.U-chart:
单位缺点数控制图
2、控制图种类(依用途来分)
1)控制用控制图
∙追查不正常原因
∙迅速消除此項原因
∙研究采取防止此項原因重复发生的措施。
2)分析用控制图
∙決定方針用
∙过程分析用
∙过程能力研究用
∙过程控制准备
控制图的主要功能
应用控制罔可以实现“事前”预防为主的过程控制。
具体来说控制图能够:
判断过程是否受控,过程能力是否充分;在过程出现异常时及时报警.防止不合格品的发生;能够对过程情况“实时监控”,减少对常规检验的依赖性。
应用SPC控制图进行过程控制被界定为分析和监控两个阶段。
在这两个阶段所使用的控制图分别被称为分析用控制图和控制用控制图。
在企业的实际应用中。
对于每个SPC控制图项目,都必须经过这两个阶段。
在分析阶段首先要按照标准要求进行生产准备。
确保生产是在5MIE因索无异常的情况下进行;然后用生产过程收集的数据计算控制界限,作成分析用控制图、直方图或进行过程能力分析,检验生产过程是否处于统计稳态以及过程能力是否足够。
如果任何一个不能满足。
则必须寻找原因实施改进,并重新进行生产准备及上述分析.直到实现过程处于统计‘稳态和过程能力充分这两个阶段性目标,则宣告分析阶段结束,进入监控阶段。
监控阶段的主要工作是应用控制用控制图进行过程日常监控。
此时控制冈的控制界限已经根据分析阶段的结果而确定,生产过程的数据及时绘制到控制网上,并密切观察控制图,控制图中点的波动情况可以显示出过程受控或欠控,如果发现失控.必须寻找原因并尽快消除其影响。
实际上.监控阶段控制图的采用分析阶段确定的控制界限并不确切。
从控制界限计算公式可以看出每输入一个新的数据点都需要重新计算一次控制界限。
在没有信息技术的支持来完成这样繁重的运算时。
短期内使用分析阶段确定的控制界限也是可以的。
绘制SPC控制图应遵循的步骤与方法
分析用控制图
1)识别关键过程.选取控制图要控制的关键质量特性;
2)根据质量特性及适用的场合选取控制图类型;
3)确定合适的样本组、样本量大小和抽样间隔;
4)收集并记录20—25个样本组的数据。
通常每组样本量n--4-5个,这样保证控制过程的检山率为84%一90%;
5)计算各组样本的统计量(均值、标准差、极差等);
6)计算中心线和控制限;
7)绘制控制罔(画坐标轴、中心线和上下控制限,根据样本值打点,记人相关事项);
8)分析样本点的排列形状,判断过程是否受控。
控制用控制图
当分析用控制图中点子均在控制限之内或排列元缺陷时,能表明生产过程稳定,无系统冈素影响生产过程.尚不能说明不合格率小于允许值。
因此,在分析用控制图基础上需要绘制控制用控制图,步骤如下:
1)消除系统因素。
依据分析用控制图提供的信息判断生产过程是否稳定.即是否有系统因素在起作用。
如果存在系统因素,应设法消除。
2)重新计算控制限。
剔除分析用控制图中无代表性的数据(如落在界限外点子的数据)后。
重新计算中心线和控制限。
3)确认分布范围位于公差界限之内。
只有当生产过程稳定且产品质量特性值分布范围位于公差界限之内时,才能保证不出现批量
不合格品。
因此应利用分析控制网的数据绘制直方图,并与公差界限比较,或直接计算工序能力指数.进而采取相应措施。
4)控制用控制图的使用。
在确认过程稳定并具备足够的工序能力后.便可开始批量生产.用控制用控制图控制批量生产过
程.即根据控制图类型抽取样本进行计算、绘图和分析。
SPC在企业的有效实施
统计过程控制(简称SPC)已经成为许多国际性企业广泛采用的质量管理和改善的技术和方法,它通过运用控制图对生产过程进行分析评价,根据反馈信息及时发现系统性因素出现的征兆,并采取措施消除其影响,使过程维持在仅受随机性因素影响的受控状态,以达到控制质量的目的。
企业有效实施SPC的效益
通过有效实施SPC,可以从以下几个方面使企业受益:
∙提高产品质量水平
∙降低质量成本
∙提高客户满意度,赢得更多客户
∙实物质量和管理质量的持续改进
∙帮助取得ISO9000、QS9000认证
∙以科学理论依据和量化管理保证最终输出
∙提高整个供应链的信心
∙不能有效实施SPC的原因
目前我们国内许多企业也开始逐步认识和推广SPC,但并没有达到预期的效果,为什么呢?
究其原因,可以分为以下几点:
∙ 企业未能形成或明确质量管理在企业总体发展中的重要位置,并且未能在领导层达成共识。
∙ 在日趋激烈的竞争中,品质优异永远是不败的一大优势,但要达到优异的品质,不仅需要操作层各成员的努力,更需要管理层共同重视与支持。
∙ 企业对SPC缺乏足够的全面了解。
∙ SPC作为一种过程控制方法,它运用数理统计和概率论原理,可以及时发现生产中的异常情况,从而及时采取措施进行改进,把质量隐患消灭在萌芽状态,真正达到防患于未然。
SPC不是简单的几个控制图或统计量,而是要以这些图形或数值为基础建立一个以过程为核心的质量管理体系。
∙ 企业对实施SPC的前期准备工作重视不够。
∙ 所谓前期工作,除了对企业质量管理现状把握,还包括对员工进行SPC基本概念和知识培训,制定一个明确的质量目标和计划。
只有参与者对SPC有了一定的了解和认识,才能激发他们的热情和信心,将它们正确、有效地应用在日常工作中。
∙ 未能有效地总结和借鉴其他企业的经验。
即使企业对可能导致不能有效实施SPC的原因有所认识,仍然会在实施过程中碰到一些实际问题,这些问题也是实施不成功的因素。
美国一位著名医生在罗斯福总统去世几年后的一次会议上富有启发性地说,如果罗斯福的医生还有其他病人,罗斯福可能活到现在。
因为优秀的医生需要通过大量的病例不断学习和提高。
所以,要善于利用外部优秀的“医生”来总结实际经验、充实提高应用技能。
如何达到SPC有效实施
针对以上原因,要保证SPC实施成功,企业应重视如下几方面的工作:
管理层的认识和重视
不少企业领导者认为产品质量差是由于有关工作人员素质差或不负责任造成的。
事实上,如果采用先进的质量管理技术和工具,在原有条件不变的情况下,质量就可以得到明显的改进。
SPC正是这样一种行之有效的工具。
同时,在实施SPC的各阶段都要得到管理层的支持,如在实施SPC的初期阶段要安排培训,这需要资金与时间,需要管理层协调安排。
在实施过程中有些过程需要做较大调整,有的甚至要更改工艺、更换设备等,这些都需要管理层的支持与认可。
因此,有效实施SPC,管理层的认识和重视是非常重要的。
加强培训
对相关人员先期进行SPC培训是实施SPC的重要前提工作,因为SPC是基于数理统计和概率论的理论基础上的管理方法,要能在生产过程中正确运用,必须要有一定的理论基础。
培训可以采取选送相关人员到外部培训单位参加培训,如有条件则应尽量邀请培训机构到工厂来培训,到厂培训一是可以增加受训的人数,另一方面也可以使培训内容更切合工厂的实际,提升培训效果。
重视数据
实施SPC本身就是一种量化管理,数据的质量是非常重要的,数据的准确度、可信度直接影响到我们是否在适当的时候采取合适的行动。
影响数据质量的因素主要有两个方面,一方面是测量系统影响的,另一方面是记录数据、计算等人为的影响。
对于测量系统的影响,我们要定期进行测量系统分析,来确认我们的测量系统是否是可用的,从而来保证我们的数据质量,同时要尽量减少人为失误。
借助专业的SPC软件
在实施SPC过程中,由于要运用到大量的数据,同时要对这些数据进行计算,并用多种统计方法去分析,这中间的工作量是很大的。
如未能及时计算出来结果,作出相应的统计图,就会错过最佳改进时机。
在实施SPC活动中,如果能借助专业的SPC软件,这些问题就迎刃而解了。
实施PDCA循环,达到持续改进
戴明博士最早提出了PDCA循环的概念,PDCA循环是能使任何一项活动有效进行的一种逻辑的工作程序:
Plan(计划)、Do(执行)、Check(检查)、Action(行动),特别是在质量管理中得到了广泛的应用。
实施SPC也要运用PDCA循环,借助SPC工具,不断地分析质量问题中各种影响因素,分析影响质量问题的主要原因,针对主要原因,采取解决的措施,并进行针对性预防在下一循环中改进,从而达到持续改进的目的。
SPC作为质量改进的重要工具,不仅适用于工业过程,也适用于服务等一切过程性的领域。
无论在什么领域使用,都要做好实施SPC的前期培训工作,重视实施过程的数据质量,必要时借助专业的SPC软件,循环改进,从而使企业的质量水平得到持续改进,在激烈的市场竞争中赢得更多客户。
1、实施SPC的两个阶段
实施SPC分为两个阶段,一是分析阶段(批量试产阶段),二是监控阶段。
在这两个阶段所使用的控制图分别被称为分析用控制图和控制用控制图。
分析阶段的主要目的在于:
一)、使过程处于统计稳态,
二)、使过程能力足够。
分析阶段首先要进行的工作是生产准备,即把生产过程所需的原料、劳动力、设备、测量系统等按照标准要求进行准备。
生产准备完成后就可以进行,注意一定要确保生产是在影响生产的各要素无异常的情况下进行;然后就可以用生产过程收集的数据计算控制界限,作成分析用控制图、直方图、或进行过程能力分析,检验生产过程是否处于统计稳态、以及过程能力是否足够。
如果任何一个不能满足,则必须寻找原因,进行改进,并重新准备生产及分析。
直到达到了分析阶段的两个目的,则分析阶段可以宣告结束,进入SPC监控阶段。
监控阶段的主要工作是使用控制用控制图进行监控。
此时控制图的控制界限已经根据分析阶段的结果而确定,生产过程的数据及时绘制到控制上,并密切观察控制图,控制图中点的波动情况可以显示出过程受控或失控,如果发现失控,必须寻找原因并尽快消除其影响。
监控可以充分体现出SPC预防控制的作用。
在工厂的实际应用中,对于每个控制项目,都必须经过以上两个阶段,并且在必要时会重复进行这样从分析到监控的过程。
2、SPC控制图(管制图)管制界限的调整
1)SPC控制图特性:
追溯性、预测性、延续性(稳定性);故SPC控制图的管制界限可以延用。
2)4M1E分析方法,4M1E:
人(MAN)、机(MACHINE)、料(MATETIAL)、法(METHOD)、环(ENVIRONMENT);五要素只要有一个发生改变就必须重新计算。
SPC实施的困难点
依笔者辅导企业的粗浅经验﹐认为企业实施SPC的困难点或缺点有几项﹕
不知找哪些管制特性来实施SPC
企业对SPC大多有一个心理障碍,那就是又期待、又怕受伤害,期待利用SPC做到不良预防、减少浪费、提升制程能力;但又怕管制特性太多,SPC做不完又不能落实。
制程中找不出重要管制特性
使用者之人命伤亡,且客户亦未特别指定,所以干脆认为SPC不适用本公司。
不了解管制图的用法
企业对于制程变异之共同原因与特殊原因不知如何分辨,所以在使用管制图与计算管制界限时,甚至在计算制程能力时,大多不知道将特殊原因剔除,使得管制界限虚张、制程能力虚减。
抽样不合乎连续制程之统计原理
企业实施SPC时,往往利用首末各n件来绘制管制图,殊不知如此仅是对制程开始与结束生产前之质量确认罢了,完全没有测知制程状态与能力之功能。
抽样数不恰当
企业往往仅盲目跟从,而实行XR管制图,不知选用适当之管制图,造成成本上的浪费(如破坏检测)或失去管制图意义(如溶剂比重)。
管制界限与规格界限混淆
对某管制特性,其实只有单边规格,但如偏向另一象界太多,又可能造成质量成本之增加,故索性自订另一象界之规格以防止成本之浪费,成为双边规格。
因此,在使用SPC时经常偏向自设规格之象界,使得制程能力误以为不符要求。
其实该自设之规格界限充其量仅能称为管制界限罢了﹗例如:
某一特性规格为9Kg以上,但如制品高达13Kg以上时﹐则相对必须有较精良之设备,且设备寿命亦将缩短,甚至过高时还可能会适得其反,造成质量不良,因此就将15Kg订为规格上限。
如此一来几乎所有的测试数据都临届在规格上限,造成管制图异常、计算之管制上限比规格上限还高、制程能力指数出奇的低,然后还一脸莫名的问:
奇怪﹗每一件都合格,为什么制程能力指数仍然达不到1.0呢﹖
点绘管制图的人员不了解如何判读变异
企业常发现管制图异常是几天前的事,甚至于没有人发现,直到可能的不良件已交入客户手中后,全体品保人员开始祈祷客户不要发现,而且问题也不要在我任职期间爆发﹗
久久生产一次,如何做管制图
企业以为某一产品许久才生产一次,做管制图是无效益且不经济的,其实只要特性、规格一样,制程条件也一样,虽然是不同产品亦可以依特性别同绘于一张管制图,因为SPC是用于管制制程产出良品的能力,并非管制产品的质量趋势。
实施SPC的十大误区
SPC对很多制造业来讲,已经不是什么新鲜事物了!
但做得好,做出效益的却不多,特别是中小企业.这里,根据实际辅导中所看到的一些问题,跟大家做一些探讨.
误区之一
不能确定正确的管制点。
不知道哪些点要用管制图进行管制,花费大量的时间与人力,在不必要的点上进行管制.熟不知,SPC只应用于重点的尺寸.那么重点尺寸\性能如何确定呢?
通常应用FMEA的方法,开发重要管制点.严重度为8或以上的点,都是考虑的对象.(如果客户有指明,依客户要求即可);
误区之二
没有适宜的测量工具.
计量值管制图,需要用测量工具取得管制特性的数值.管制图对测量系统有很高的要求.通常,我们要求GR&R不大于10%.而在进行测量系统分析之前,要事先确认测量仪器的分辨力,要求测量仪器具有能够分辨出过程变差的十分之一到五分之一的精度,方可用于制程的解析与管制,否则,管制图不能识别过程的谈判.而很多工厂勿略了这一点,导致做出来的管制图没办法有效的应用,甚至造成误导;
误区之三
没有解析生产过程,直接进行管制.
管制图的应用分为两个步骤:
解析与管制.在进行制程管制之前,一定要进行解析.解析是目的是确定制程是的稳定的,进而是可预测的,并且看过程能力是否符合要求.从而了解到过程是否存在特殊原因、普通原因的变差是否过大等致关重要的制程信息。
制程只有在稳定,并且制程能力可以接受的情况下,方才进入管制状态。
误区之四:
解析与管制脱节。
在完成制程解析后,如果我们认为制程是稳定且制程能力可接受的,那么,就进入管制状态。
制程控制时,是先将管制线画在管制图中,然后依抽样的结果在管制图上进行描点。
那么,管制时管制图的管制线是怎么来的呢?
管制图中的管制线是解析得来的,也就是说,过程解析成功后,管制线要延用下去,用于管制。
很多工厂没能延用解析得来的管制线,管制图不能表明过程是稳定与受控的。
误区之五:
管制图没有记录重大事项。
要知道,管制图所反应的是“过程”的变化。
生产的过程输入的要项为5M1E(人、机、料、法、环、量),5M1E的任何变化都可能对生产出来的产品造成影响。
换句话说,如果产品的变差过大,那是由5M1E其中的一项或多项变动所引起的。
如果这些变动会引起产品平均值或产品变差较大的变化,那么,这些变化就会在XBAR图或R图上反映出来,我们也就可以从管制图上了解制程的变动。
发现有变异就是改善的契机,而改善的第一步就是分析原因,那么,5M1E中的哪些方面发生了变化呢?
我们可以查找管制图中记录的重大事项,就可以明了。
所以,在使用控制图的时候,5M1E的任何变化,我们都要记录在管制图中相应的时段上。
误区之六、不能正确理解XBAR图与R图的含义。
当我们把XBAR-R管制图画出来之后,我们到底从图上得哪些有用的资讯呢?
这要从XBAR及R图所代表的意义来进行探讨。
首先,这两个图到底先看哪个图?
为什么?
R反应的是每个子组组内的变差,它反映了在收集数据的这个时间段,制程所发生的变差,所以他代表了组内固有的变差;XBAR图反映的是每个子组的平均值的变化趋势,所以其反映的是组间的变差。
组内变差可以接受时,有明分组是合理的;组间变差没有特殊原因时,表明我们在一段时间内,对过程的管理是有效的、可接受的。
所以,我们一般先看R图的趋势,再看XBAR图。
误区之七、管制线与规格线混为一谈
当产品设计出来之后,规格线就已经定下来了;当产品生产出来后,管制图的管制线也定出来了。
规格线是由产品设计者决定的,而管制线是由过程的设计者决定的,管制线是由过程的变差决定的。
管制图上点的变动只能用来判断过程是否稳定受控,与产品规格没有任何的联系,它只决定于生产过程的变差。
当西格玛小时,管制线就变得比较窄,反之就变得比较宽,但如果没有特殊原因存在,管制图中的点跑出管制界线的机会只有千分之三。
而有些公司在画管制图时,往往画蛇添足,在管制图上再加上上下规格线,并以此来判产品是否合格,这是很没有道理,也是完全没有必要的。
误区之八、不能正确理解管制图上点变动所代表的意思
我们常常以七点连线来判定制程的异常,也常用超过三分之二的点在C区等法则来判断制程是否出现异常。
如果是作业员,只在了解判定准则就好了;但作为品管工程师,如果不理解其中的原委,就没有办法对这些情况作出应变处理。
那么这么判定的理由是什么呢?
其实,这些判定法则都是从概率原理作出推论的。
比如,我们知道,如果一个产品特性值呈正态分布,那么,点落在C区的概率约为5.5%,现在有三分之二的点出现在5.5%的概率区域里,那就与正态分布的原理不一致了,不一致也就是我们所说的异常。
误区之九、没有将管制图用于改善
大部分公司的管制图都是应客户的要求而建立,所以,最多也只是用于侦测与预防过程特殊原因变异的发生,很少有用于过程改善的。
其实,当管制图的点显有特殊原因出现时,正是过程改善的契机。
如果这个时候我们从异