统计过程控制SPC.ppt完整版课件.ppt

《统计过程控制SPC.ppt完整版课件.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、统计过程控制StatisticalProcessContral完整版有关SPC的问题讨论1.是否可以将规格限作为控制限使用?2.同一生产线/设备实施小批量同系列不同规格的产品生产,是否适合采用SPC?3.对某特性值的控制若采用自动反馈系统控制,批量生产中是否需要采用SPC?4.单侧公差(望大/望小),目标值不位于公差的中心时,如何计算过程能力指数?5.SPC和MSA是否应结合起来使用,当测量系统的变差未满足接收准则时,是否影响过程能力的研究?6.初始能力研究应使用Cpk还是Ppk？7.初始能力研究结果

2、报告Cpk＞2.5，是否在批量生产过程中还要使用SPC？应用统计技术对过程中的各个阶段进行监控和诊断，确保建立并运行一个稳定有效的过程，从而达到改进和保证产品质量的目的。什么是SPC？输入原辅材料的技术规范设施设备工装与模具工艺过程的技术规范操作者的技术规范环境的技术规范检具与测量的技术规范过程运行产品特性分布状态究竟如何?顾客的要求市场的呼声组织的目标与资源过程设计初始过程研究的目的：分析过程稳态下的总体分布状态与参数，验证过程设计下的产品特性是否有能力满足顾客要求。产品特性的分布状态顾客的要求过程

3、改进批量生产的过程监控100%的产品检验是否顾客批准的临时措施SPC的过程控制统计抽样的过程检验7.1.2接收准则对于计数型数据抽样,接收水平应是零缺陷.8.2.3.1制造过程的监视和测量组织应保持顾客零件批准过程要求中规定的制造过程能力或性能.问题思考:1.产品特性的分布是指稳态下的均值和标准差；2.满足顾客要求是指稳态下的过程能力指数满足顾客或后续加工的要求；3.SPC过程控制是以有能力的控制限去监视过程；4.统计抽样方案是否基于稳态下的质量水平。本过程每小时连续测量5件，连续四小时显示零件偏下限

4、（16—19点），因此操作工调整过程参数，造成过度调整。16—19点时段生产的零件特性是过程的随机误差，非特殊原因造成，若不作过程调整，20点时段的零件特性也会偏上限，由于调整的叠加量导致下一阶段的零件特性超上控制限（甚至超上公差）。产品质量特性的统计规律取决于过程输入诸要素(过程变量)每件产品的尺寸与别的都不同分布可以通过以下因素来加以区分但它们形成一个模型，若稳定，可以描述为一个分布位置——均值分布宽度——标准差分布可以是这些因素的组合形状——正态、指数、均匀…产品特性的统计规律下面研究数据的统计

5、规律用来表示随机现象结果的变量称为随机变量，常用大写字母X，Y，Z等表示随机变量，随机变量的取值常用字母x，y，z等表示。随机变量一个随机变量在表示其取值的数轴上，仅存在有限个点或可列点，则称此随机变量为离散型随机变量。(如粗糙度)一个随机变量在表示其取值的数轴上，仅存在一个区域（a，b），则称此随机变量为连续型随机变量。其中a可以是－∽，b可以是＋∽。（如外径，单位：mm）x1x2x4x5x5abXX随机变量的取值是随机的，但其存在统计规律，即数据的分布：（1）X可能取哪些值，或在哪个区间上取值。（

6、2）X取这些值的概率是多少，或在任一小区间上取值的概率是多少？离散随机变量的分布可用分布列表示。如某一线路板的缺陷（随机变量X）存在x1，x2，…x10种缺陷(x0表示无缺陷)，通过对1000件缺陷产品的统计，x0的概率为p0，x1的概率为p1，…x10的概率为p10，可下列表表示：随机变量的分布Xx0x1x2x3x4x5x6x7x8x9x10p0.8600.0300.0250.0290.0080.0110.0150.0100.0050.0060.001连续随机变量的分布将横轴作为被测特性X的测量值，

7、将纵轴作为单位特性上的频率，通过测量值x的累积，就能形成一定的图形，若被测特性愈多，这个图形就愈稳定，将该图形显现出来的一条光滑曲线称为该特性的概率密度曲线，相应的函数表达式p(x)称为概率密度函数。（由于频率的稳定性，可用概率代替频率。）概率x概率密度函数p(x)有多种形式，有的位置不同，有的散布不同，有的形状不同。概率密度曲线的特点：概率密度曲线与X轴所夹的面积恰好为1。而X在区间（a，b）上取值的概率P（a＜X＜b）为区间（a，b）上的面积。ab下面研究随机变量的统计量均值——随机变量X分布的中

8、心位置。方差——随机变量分布的散步大小。方差大意味着分布的散布较宽较分散，方差小意味着分布的散布较窄较集中。标准差——方差的正平方根，又称均方根均值方差与标准差X是离散分布X是离散分布X是连续分布X是连续分布xi：特性的取值pi：对应xi的概率二项分布n：随机事件试验次数，如检验n个产品p：每次试验成功的概率，如抽到不合格产品为成功事件1－p：每次试验失败的概率，如未抽到不合格产品为失败事件两种互斥事件发生概率的一种分布，如产品的合格与不合格。记为b（n