第三章-统计过程控制(SPC)与常规控制图ppt课件.ppt

《第三章-统计过程控制(SPC)与常规控制图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、第三章统计过程控制(SPC)与常规控制图本章将介绍统计过程控制,控制图的重要性，控制图原理，判断稳定状态的准则，判断异常的准则，休哈特控制图，通用控制图过程能力与过程能力指数§3.1统计过程控制1.什么是统计过程控制统计过程控制即SPC(statisticalprocesscontrol)．它是利用统计方法对过程中的各个阶段进行监控，从而达到改进与保证质量的目的．SPC强调全过程的预防为主。SPC不仅用于生产过程，而且可用于服务过程和一切管理过程．SPC的特点是(1)全系统的，要求全员参加，人人有责．(2)强

2、调用科学方法来保证达到目的．这里，主要是应用统计方法,尤其是控制图．2.SPC发展简史过程控制的概念与实施过程监控的方法早在20世纪20年代就由美国的休哈特(W.A.Shewhart)提出。在第二次世界大战后期，美国开始将休哈特方法在军工部门推行．但是上述统计过程按制方法尚未在美国工业牢固扎根。反之，战后经济遭受严重破坏的日本在1950年通过体哈特早期的一个同事戴明(W．EdwardsDeming)博士，将SPC的概念引入日本．从1950年至1980，经过三十年的努力，日本跃居世界质量与生产率方面的领先地位。

3、美国著名质量管理专家伯格(RogerW．Bergcr)教授指出，日本成功的基石之一就是SPC。美国从20世纪80年代起开始推行SPC。美国汽车工业已大规模推行了SPC，如福特汽车公司，通用汽车公司，克莱斯勒汽车公司等美国钢铁工业也大力推行了SPC，如美国LTV钢铁公司，内陆钢铁公司，伯利恒钢铁公司等等。3.什么是SPD与SPA?1.第一阶段SPC--StatisticalProcessControl(统计过程控制）含义--利用统计技术对过程中的各个阶段进行监控，从而达到保证产品质量的目的。统计技术----数理

4、统计方法。SPC的预防作用：判断过程的异常，及时告警。SPC的缺点：不能告知异常是由什么因素引起的和发生于何处，即不能进行诊断。2.第二阶段SPD--StatisticalProcessDiagnosis(统计过程诊断）含义--利用统计技术对过程中的各个阶段进行监控与诊断，从而达到缩短诊断异常的时间、以便迅速采取纠正措施、减少损失、降低成本、保证产品质量的目的。3.第三阶段SPA--StatisticalProcessAdjustments（统计过程调整）4、开展SPC与SPD的步骤培训SPC正态分布等统计基

5、础知识品管七工具：调查表、分层法、散布图、排列图、直方图、因果图、控制图过程控制网图的做法过程控制标准的做法确定关键质量因素对每道工序，用因果图进行分析，造出所有关键质量因素，再用排列图找出最终产品影响最大的因素，即关键质量因素；所谓过程控制网图，即按工艺流程顺序将每道工序的关键质量因素列出。填写过程控制标准表。本步骤最困难，最费时。制订过程控制标准对过程进行监控对过程进行诊断并采取措施解决问题5.推行ISO9000国际标准与推行SPC和SPD的关系在ISO9000族标准中运用统计技术的目的在于：通过对统计技

6、术的适当运用以解决组织的问题和做出有效决策，提高管理效率并促进质量管理体系的持续改进和产品质量的不断提高。推行SPC和SPD是推行ISO9000国际标准的一项重要基础工作。3.2控制图原理1.什么是控制图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。控制图的组成UCL(UpperControlLimit)上控制限LCL(LowerControlLimit)下控制限CL(CentralLine)中心线按时间顺序抽取的样品统计量数值的描点序列控制图基本构造1以随时间推移而变动着的样品号为横坐标

7、，以质量特性值或其统计量为纵坐标的平面坐标系；2三条具有统计意义的控制线：中心线CL、上控制线UCL和下控制线LCL；3一条质量特性值或其统计量的波动曲线。控制图的构造控制上线UCL控制中线CL控制下线LCLx(或x、R、S等)0123456789101112131415161718样本号（或时间）统计观点----现代质量管理的基本观点之一产品质量具有变异性“人、机、料、法、环”+“软（件）、辅（助材料）、（水、电、汽）公（用设施）”变异具有统计规律性随机现象统计规律随机现象：在一定条件下时间可能发

8、生也可能不发生的现象。基础知识直方图分组、统计、作直方图正态分布(NormalDistribution)当抽取的数据个数趋于无穷大而区间宽度趋向于0时，外形轮廓的折线就趋向于光滑的曲线，即：概率密度曲线。特点：面积之和等于1。fN(x;2,µ)=(1/2)exp(-(x-µ)2/22)两个重要的参数：µ(mu)---位置参数和平均值（meanvalue)，表示分布的中心位置和期望值(si