欢迎来到天天文库
浏览记录
ID:50504812
大小:4.76 MB
页数:60页
时间:2020-03-14
《控制图基本原理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、第三讲控制图基本原理12PROCESS原料人机法环测量测量结果好不好不要等产品做出来后再去看它好不好!!而是在制造的时候就要把它制造好!!!预防或容忍?3过程控制反馈循环图过程人员设备原料方法量测环境产品或服务客户确认客户需求与期望客户声音统计方法过程声音输入过程/系统输出4SPC是英文StatisticalProcessControl的前缀简称,即统计过程控制(又称统计制程管制)。SPC就是应用统计技术对过程中的各个阶段收集的数据进行分析评估及监控,并调整制程,使过程保持可接受的稳定状态,从而达到改进与保证品质的目的。SPC强调预防,防患于未然是SPC的宗旨什么是SPC?5Stat
2、isticalProcessControlSPC:是一种制造控制方法,是将制造中的控制项目,依其特性所收集的数据,通过过程能力的分析与过程标准化,发掘过程中的异常,并立即采取改善措施,使过程恢复正常的方法。实施SPC的目的: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在线监控异常预警系统分析持续改进6战后经济遭受严重破坏的日本在1950年通过休哈特早期的一个同事戴明(W.Ed-wardsDeming)博士,将
3、SPC的概念引入日本。从1950~1980年,经过30年的努力,日本跃居世界品质与生产率的领先地位。美国著名品质管理专家伯格(RogerW.Berger)教授指出,日本成功的基石之一就是SPC。美国美国贝尔实验室休哈特博士(W.A.Shewhart)于1924年发明管制图,开启了统计品管的新时代。SPC兴起的背景:起源1940’s二次世界大战期间,美国军工产品使用抽样方案和控制图以保证军工产品的品质。WalterA.Shewhart7SPC兴起的背景:日本1950’s品质管理大师戴明博士在日本工业产品生产过程中全面推行SPC。日本JUSE(科学家协会)设置“戴明”奖,奖励那些有效
4、实施统计技术的企业。石川磬提出“QC七工具”,帮助生产现场人员分析和改进品质问题,并推动广泛应用。1970’s有效地推行“QC圈”和应用统计技术使日本经济的快速发展,成为高品质产品的代名词。1980’s美国等其他国家紧随日本的步伐,开始推行“QC小组”和统计技术的应用。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,上述美国三大汽车公司在ISO9000的基础上还联合制定了QS9000标准,编制了SPC手册。1986’sMOTOROLA公司颁布“QC挑战”,通过SPC的实施改进过程能力,并提出追求“6σ”目标。1987’sISO9000
5、标准建立并颁布实施,明确要求实施统计技术。8SPC的基本概念世上没有任何两件事.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。事情、产品的变异通常根据一定的模式而产生。宇宙万物及工业产品大都呈常态分配(例如:身高、体重、智力、考试成绩)所得分配变异的原因可分为普通原因及特殊原因。普通原因属管理系统的范围,特殊原因却是作业人员本身就能解决的应用SPC可以指出制程最需要改善的地方99正态分布的基础知识控制图是基于正态分布的原理发明的正态分布是一条曲线,讨论起来不方便,故用其两个参数:平均值(μ,希腊字母,读作mu,average)与标准差(σ,希腊字母,读作sigma,sta
6、ndarddeviation)来表示,若平均值(μ)增大,则正态曲线往右移动。但不论平均值(μ)如何变化都不会改变正态分布的形状,即标准差(σ)正态分布知识请记录!10统计基础——正态分布群体平均值=μ标准差=σμμ+kσμ-kσ抽样x多数自然现象和人类行为的过程是呈正态分布的,或者可以看成正态分布111112若标准差(σ)越大,则加工质量越分散。标准差(σ)与质量有着密切的关系。但不论正态分布的形状,即标准差(σ)如何变化,也决不会影响数据的对称中心,即平均值正态分布知识13正态分布基本原理在中心线或平均值两侧呈现对称之分布常态曲线左右两尾与横轴渐渐靠近但不相交曲线下的面积总和为1
7、1414不同的常态分配(1)(a)μ1≠μ2,σ1=σ2μ1μ2X15不同的常态分配(2)μ1=μ2X(b)μ1=μ2,σ1<σ2σ1σ2X16(b)μ1≠μ2,σ1<σ2不同的常态分配(3)μ2Xμ11717蓝色代表规格分布形态红色代表实际制程分布形态蓝色代表规格分布形态红色代表实际制程分布形态181919正态分布中,任一点出现在μ±1σ内的概率为P(μ-1σ
此文档下载收益归作者所有