SQE 实战秘籍 | 质量人实战秘籍 之SPC篇 如果顶贴购数,将继续连载
本帖最后由 tianjunjune 于 2013-3-13 12:48 编辑
质量人实战秘籍 | SQE 实战秘籍 之SPC篇
质量的一切困惑和问题,在这里,你都能找到答案
第一章 五大工具--初级必备
1 SPC ---过程的天气预报
● 什么是SPC?
★ SPC是英文Statistical Process Control的简称，
大陆称统计制程控制,台湾称统计制程管制。
● 那有什么用呢？
★ 应用统计技术对过程中的各个阶段进行监控，判断过程的异常，及时告警。从而达到改进与保证质量的目的。
SPC强调预防，防患于未然。
● 有点概念化，能稍微具体点吗? SPC对我有什么好处？
★ 使用SPC技术，可以清楚地知道：这个过程稳定吗？它处于控制状态吗？这个过程的能力足够吗？
一般客户都要求供应商必须推行SPC，并不局限于汽车行业。
●统计是不是就是收集数据，然后计算?
★统计是数据通过计算后，产生有意义的情报。
● 过程是什么？
★ 将输入转化为输出的系统。
● 有点难理解,太深奥了，说点具体吧，SPC是不是就是做控制图？
★ 控制图只是体现工具之一,一份合格的控制图是前提。
控制图能分析过程是否受控，却不能评价过程是否满足要求。
一般来说，控制图只能告警，而不能告诉引起异常的原因及解决方法，还应配合其他诊断工具。
● 等等，受控的过程还不满足要求吗？
★ 不一定。
受控是指过程稳定，可以预测，只存在普通因素，不存在特殊因素，
是否满足要求还要看CPK/PPK等相关指数。
● 什么是普通因素，什么是特殊因素？
★ 产品之所以有差异，因为存在着变异，或者叫波动。
影响质量变异的原因为两种，一种是普通因素，一种是特殊因素。
普通原因就是平时一直客观存在，对过程有一定的影响但不明显，难以避免，例如机床开动时的轻微振动等。
特殊因素则是偶然出现，对过程影响很大，有时存在，有时不存在，对质量影响大，容易去除，例如车刀磨损等。
利用控制图可以区分出偶然因素与异常因素。
●没太明白，能否举例说明？
★ 例如，车里空调设定在25度，但由于车内外温度存在差异，即使你用足够精确的温度计去测，并不是每次都恒定在25.00度，而是24.98,25.00,25.01…..在微小的在一定范围内进行变化，这时我们就说受到的是普通因素的影响。
而如果有人上车进来，那么在这瞬间，房间内的温度会出现较大变化。有人上车就是特殊原因。
此时我们说受到了普通因素和特殊因素两种影响。
● 那怎么利用控制图区分出普通因素与异常因素呢？
★ 过程只受普通因素影响的时候在控制图上表现为过程是受控的，是可以预测的。
如果有特殊原因的影响在控制图上会有异常点的出现。
● 做控制图为什么把过程要假设成正态分布?
★ 正态分布中，有一个3σ原理：
3σ原理：不论μ与σ取值如何，产品质量特性值落在u+/-3σ范围内的概率为99.73%，落在该范围外的概率为0.27％，这是个小概率事件，而“在一次观测中，小概率事件是不可能发生的，一旦发生就认为过程出现问题。”
有异常就有可能存在特殊原因。这也是区分两者的原理。
“假定过程处于控制状态，一旦显示出偏离这一状态，极大可能性就是过程失控，需要及时调整。”据此休哈特发明了控制图。
为了方便看，把正态分布图按顺时针方向转90°，再上下翻转180°，就得到一张控制图
● 什么是正态分布？
★ 简单说，一条曲线，中间高，两头低，左右对称并延伸到无穷，曲线与横轴间的面积总等于1。
均数μ决定正态曲线的中心位置；标准差σ决定正态曲线的形状（陡峭或扁平程度）
● 那如果过程不是正态分布呢?是不是不能用控制图?
★ 也可以用。这涉及到另一个假设,中心极限理论.
中心极限理论：无论过程的分布是什么,只要收取样本N的数量较大时,其分布总是正态分布。
● 呵呵，这么多假设？所有的过程都可以用了？
★ 理论上，所有场合都可以应用。当然对象要具有统计规律，对于一次性或少数几次的过程不合适。
● 那不可能所有过程都要控制吧，累都累死了？
★ 只需对关键过程控制。
● 怎么判断哪些过程关键呢？
★ 客户指定，内部评估，需重点管控的，出现异常多的过程。
● 那对于一般特性呢:
★ 对于一般特性，没有必要用SPC，因为导入SPC毕竟也需要成本，用一般的控制手段即可。如首末检或巡检，抽检等。
● 一般有哪几种控制图？
★ 分为计量型和计数型。
计量型：测量值可以量化记录。
计数型：以二分法来判定品质，如好与坏，良与不良，及GO-NOGO等。
常用控制图如下：
● 我看到的大部分都是X（bar）-R图，没想到还有这么多种。
★ 是的，X（bar）-R图的确最常用。
● 太多了，不知道选择，有没有具体的选择标准？
质量人实战秘籍
● 能否以X（bar）-R图为例，讲解下控制图建立的步骤？
1 确定控制对象
2 取样
3 收集数据，计算
4 分析
5 处理
● 对象就是关键过程阿，这个很好确定，那取样有什么讲究？怎么才算合理？
★ 原则：组内变异小,组间变异大
组内短间隔内连续抽样；组间间隔时间尽可能长点，一天或半天一次。
抽取的时间应是随机的,而不是固定在某个特定的时间内,以便尽可能减小如轮班,设备调整等因素造成的影响.
● 怎么理解?
★ 组内样本反映一般原因引起的波动，抽取应尽可能在同一时间段内连续抽样。
这样可以使由于过程变化等特殊原因造成的波动不会出现在样本里。
组间样本能较好地反映特殊原因的出现，因此取样间隔要放长，考虑到经济型，一般半天或一天一次。
● 取多少个数据比较合适?是固定的吗？
★ 不固定，根据实际情况调节。
● 为什么例子中取25组？
★ 连续25個点子都在控制界限內是判断过程是否稳定的条件之一。所以一般取25组数据。
最少20组数据，数据越多，越接近于正态分布。
● 为什么每组5个？
★ 一般讲,样本数越多(N>4),样本的实际分布就越接近于正态分布。
而样本容量太大,组内样本的波动就有可能是由于特殊因素造成，
而且样本容量太大,会增加成本。
所以一般选择每组5个。通常每组4--6个取样,
● 收集好数据后，那就是计算了吧，怎么计算呢？
★ 一般软件和EXCEL都是自动计算的，只要输入数据就可以了。
为了便于理解，我以X-R，双边规格，无偏移为例，说下计算公式，帮助你更好的理解。（其他类型的控制图类似，更简单）
控制中心线：
上控制线 下控制线
● 规格界限可以作为控制界限吗？
★ 不能。
规格界限用以区分合格与不合格。
控制界限则用以区分偶然波动与异常波动。
规格界限由设计部门制定或由客户规定，如尺寸的公差。
控制界限与过程有关，需用样本计算后确定。
长期的经验来看，控制界限一般为规格界限的7/8。
● 规格中心线和规格上下限在控制图上是否要标出？
★ 规格中心线可不标，规格上下限可标，辅助判断产品是否合格。
是否合格与是否受控是两个概念，
合格的不一定受控，受控的不一定合格。
● 控制线为什么取u+/-3σ？
★ 两个原因：
1 采用u+/-3σ时，第一种错误和第二种总合减至最小，买卖双方都可以接受。
2 σ倍数越高,不良率越低,但质量控制要求越高,成本越大。
研究表明,当3σ时,成本与质量最划算.最为经济。
● 什么是第一种错误和第二种?
★ 第一种错误，α--生产者冒险率：
过程实际上没有失控而虚报失控，不该判错而判错,好的当作不合格。
第二种错误,β--消费者冒险率：
过程已经异常而漏发警報，该判错而不判错,坏的当作合格。
因为样本采取抽检方式，不可避免有这两种风险。
虛发警報, 由于徒劳地查找原因并采取相应的措施, 从而造成损失。
漏发警報, 过程已经处于不稳定状态, 但并未采取措施, 使不合格品增加, 也造成损失。
● 如何减少两类错误 ？
★ 两者彼消此长，不能同时减小，只能追求平衡。
当为3σ时，最为平衡。
● Ca(Capability of Accuracy)制程准确度
★ 从公式上来看，比较制程中心值与规格中心值的偏差程度。
衡量“实际平均值“与“規格中心值”的一致性。
● Ca越小越好吗？
★ Ca越小，偏差越小，品质愈佳。
理想值为0，此时平均值就是规格中心值。
一般不能大于0.25，正常情况应小于0.1,
● Ca如果是负数，代表什么意思？
★ 如出现负号，则表示偏移向左，无符号则表示偏移向右。
● 单边规格怎么计算Ca？
★ 单边规格，因为无中心值，因此也就不存在Ca，用*表示。
● Ca太大，怎么办？
★ Ca大,说明偏移大, 也就是实际测量平均值与规格中心值偏差大.需要改善。
大于1时，制程与规格完全不符，应用*号表示，不过这种很少出现。
● Cp: Capability process 制程精密度:
★ 比较制程变异与规格公差范围相差程度，表示过程的离散度。
衡量的是“规格公差宽度”与“制程变异宽度”之比例;
Cp只与偏差和技术公差有关系,值越大,分布越集中。
● Cp 越大越好吗？
★ 所以CP并不是越大越好，当CA偏移大时，CP再大也无意义，
CPK仍然会很小，不合格品率仍很高。
● CP应该怎么取值？
★ Cp值应大于1，一般要求为1.33
具体取值多少，应根据客户的要求。
CP越大，代表工厂制造能力愈强
● CP= 1.33，代表什么？
★ CP= 1.33时，对应4σ水平，合格率为99.99%
CP=1时，对应3σ水平，合格率为99.73%
● Cpk：capability process index 短期过程能力指数
Pp: preliminary process 过程性能指数
Ppk: preliminary process index 长期过程性能指数
★ Cpk综合Ca与Cp二值之指數,既考虑过程的离散度，又考虑过程的居中度。因此一般比CP小，当分布的中心线与目标值重合时，说明居中度为0，此时CP=CPK
● Pp,Ppk和cp,cpk好像计算公式差不多？
★ Pp,Ppk的计算公式和对应的cp,cpk计算公式相同，所不同的就是分母部分的变差不同。
σc — Capability Sigma 規格标准差，读做Sigma Spec.
由估算得出，又称估计标准差。
σp — Population Standard Devitation 製程標準差
读做Sigma Actual ，也称过程总变差
通常用样本的标准差 S 来计算，用以表明一批数据的分散程度。
● 那两者区别是什么呢?
★ 从公式上来看,CPK计算要用到規格标准差,它是靠组内样本的极差平均值来估计得到的。
还记得取样的原则吗，由于是短时间内连续抽样，当时工作时候条件变化不大。也就是样本组内的变差，主要的于普通原因引起的。变差值小。
Ppk计算用过程标准差，每个数值与平均值的差异,这样计算，组内和组间的变差也考虑进去了,此时的变差包含了普通因素和特殊因素产生的两种变差。
● 这就是说CPK必须在稳定的状态下才能计算?
★ 是的,计算cp,cpk只考虑过程受普通因素的影响，并不考虑特殊因素，所以前提是要过程稳定，CPK计算才有意义。
● 什么叫过程稳定 ?
★ 过程受控,控制图无异常点.
● 为什么cp\cpk又被称为短期过程能力?pp\ppk又叫长期过程能力?
★ 因为过程只受到普通因素影响是理想状态下的，从长期来说过程总会受到各种特殊因素的影响，所以说cp\cpk又被称为短期过程能力，也叫潜在过程能力，pp\ppk又叫长期过程能力，也叫性能指数。
● 什么是短期,什么是长期?怎么判断?
★ 这是相对而言的。
半天相对于一天可以算长期,而相对于一年只能算短期。
● 那为什么把ppk 称为初期能力指数？
★ 因为pp\ppk的计算不需要过程稳定（因为在计算公式中已经考虑了普通和特殊两种因素的影响），所以在产品进行试生产过程不稳定时（此时过程受两种因素影响）用ppk衡量过程能力，要求ppk>=1.67才能进入量产阶段，所以又把ppk 称为初期能力指数。
但在标准上比cpk要更严一级，也就是要求cpk>1.33，则要求ppk>1.67
● 为什么一般的公司都要求是CPK多阿?
★ Cpk的前提是一个稳定的过程，因此应该在量产之后做。
Ppk是初始能力，应该在量产之前做。
● 好像有一点点明白了,还需要好好琢磨琢磨。
★ Cpk是过程能力指数，而 Ppk是过程性能指数；
两者差别：前者在过程稳定前提下计算得到的；主要由普通原因引起变差引起的；
后者不知道过程是否稳定情况下计算得到的。
● PPK考虑了总变异,, PPK的变差比CPK的变差大，因为公式中变差是做分母，那是不是PPK的值总是小于CPK？
★ 理论上cpk应该是恒大于ppk,当只受普通因素变差影响时，两者相等。但实际上不一定，这是因为cpk的变差是估算得来的，所以会有一定的误差，但并不影响对最终过程能力大小的评价。
经验上,长期过程与短期过程存在1.5σ左右的偏差。
● CP与不良率有什么关系?
★ 一一对应,计算复杂,可查表直接对应。
例如当CP=1时,公差界限处于+/-3σ, 对应不良率为0.0027,
● CPK与不良率也对应吗?
★ 不能对应精确的不良率,但可以确定不良率的范围,因为有CA偏移的存在,
先看一个理论：
1.5σ理论:由于受其他因素的影响,数据落在控制界限外的概率会增加,经过统计得出1.5σ结论. 即在理想值的基础上假设实际中心最多上下偏移1.5σ.所以CPK 对应的是一个范围。可以计算出。
● Cpk=1.33代表什么，为什么要求 Cpk〉1.33 ?
★ 如果中心不偏移，代表5.5σ水平
修正1.5σ的偏移，代表4σ水平
当Cpk=1.33时，DPPM对应范围为32-64
CPK=1时,DPPM对应范围为1350---2700之间,
计算稍微繁琐,有兴趣你可以试下。
● CPK的值为多少才算可以接收？
★ 正常CPK〉1， 一般要求CPK〉1.33, 有些也要求CPK〉1.67，
具体多少，和CP一样，也要根据客户的要求。
● σp—母体标准差中分母是n，S样本标准差中分母为n-1？为什么不一样呢？
★ 需要统计学的知识，在统计学上叫无偏估计，来消除系统性偏差。
统计学就是通过对一部分样本的观察分析，来获取整体数据的特征。
也就是说我们的目的是为了获得整体数据的数据特征。
而经过实际测试，当样本数小于50时，用n-1做分母最能接近整体的真实测量值，样本数大于50时，那么除以n更精确。
● 标准差与方差有什么区别？
★ 标准差（Standard Deviation） ，也称均方差（mean square error），用σ或S表示。
标准差是方差的算术平方根。也就是说标准差的平方等于方差。
● 如何分析控制图呢?
★ 标准规定了8种判异准则，实际中常用两种进行判断;
1 有点超出控制界限
2 7点连续上升或连续下降
● 在X-R图中，不是有两个图吗？X图和R图，判断时是哪个图?
★ 两个都要看,判异标准同上,只要一个不合格即为不受控。
● 如果点恰好在控制界限上呢?是受控还是不受控?
★ 不受控。
质量人实战秘籍
● 控制图有点超出,怎么处理?
★ 首先检查样品的取法是否正确、测量方法，数据的读取是否正确、计算有无错误、描点有无差错，然后再来调查生产过程方面的原因。
● 恩，的确很多都是测量方法的问题，然后呢？
★ 测量方法可参照本书MSA和测量实战篇。
找到原因后, 消除异常点的数据，利用剩余数据，继续取样作控制图。
● 消除异常点的数据?是去掉一个还是那一组,还是去处所有的数据后重新抽样？
★ 去除所在的一组数据。
数据虽然去除，但应该保存记录，贯彻质量管理的要求。
● 如果7点连续上升，是去除7个还是最后一个？
★ 最后一个，前六个为相关点，可以保留。
● 那不是所有的控制图最后都是OK的？
★ 是的, 控制图OK, 说明受控,才能计算CPK/CP。
● 迷糊了,能不能解释下？
★ 控制图不是符合性判定的工具，而是一个持续改进的工具。
当出现变差的特殊原因时，提供预警，然后再改善。
● 能否再具体点？
★ 一个过程，几乎总不会恰巧处于稳态，也即总存在特殊因素。
分析用控制图目的就是识别特殊因素。
出现异常点，就说明有特殊因素存在，然后就改善。
开始阶段，总需要将非稳态的过程调整到稳态，
还记得计算CPK的前提是要在稳态下吗？
● 分析用控制图?还有其他类别吗？
★ 控制图有两个目的，一分析，二控制
分析用控制图
可以区分偶然因素与异常因素。分析过程是否受控。
评价过程能力指数是否满足要求,通过计算相关指数进行分析。
控制用控制图
当过程达到确定的状态后，将分析用控制图的控制限延长，作为控制用控制图的控制限。
● 哦，分析用控制图有异常点，去除后继续做，那控制用控制图有异常点呢，去除后控制限变不变？
★ 分析原因去除后，重新按分析用控制图收集数据，合格后再转为控制用。
● 那要求供应商提供的控制图，还有公司使用的，出货报告附带的是哪种？
★ 目的不同，种类不同，视情况而定。
● 那不是很好作假，反正最后控制图上是没有异常点的？
★ 态度不对哦，还要好好历练。
控制图只能确定受控还是不受控，
满不满足要求还要看CA/CP/CPK/PP/PPK等指数。
质量人实战秘籍
● 这么多阿？都要看吗？
★ 是的，单一的指数不能全面反映质量要求，所以要综合来看。
● 怎么看？
★ 先比较 CA/CP/CPK
当Cp较大时，表明制造能力强，过程变差比较小
而此时如果Cpk很小，说明CA有较大的偏移，需改善CA，做居中处理。
当Cp及Cpk都较小而且差别不大时候，说明过程的主要问题是σ太大，与CA无关，改进过程着眼于降低过程的波动；
当Cp不好，Cpk更小，二者差别较大， 说明过程的μ和σ都有问题，改善过程应改善CA，再降改善CP；
再比较cpk和ppk，
如果两者相差很大，表明存在特殊因素，特殊因素的影响往往比较容易找到。
所以即使有时候cpk值很高,如果其与cp\ppk相差较大的话还是需要对过程进行改进。
● 怎么改进呢？有哪些方法？
★ 首先解决中心偏移问题,然后解决产生偏差的原因。
只有当中心偏移量合格，而CP值仍然很小时，才考虑减少过程加工的分散程度或考虑是否可放宽公差范围。
CA如果不良时,其对策方法是制造单位为主,
如调整过程加工的分布中心，减少中心偏移量（包括员工工作上偏上差或偏上差的习惯）
.
CP如果不良时,对对策方法是技术单位为主,
如提高过程能力，放宽公差等。提升过程能力往往需要更多的投入和更高的决策才能使问题得到解决。
● PPK不要求稳定状态，是不是说控制图上的点可以超出控制线呢？
★ 是的，不受控也可以计算PPK，此时PPK值有意义。CPK值无意义。
但，不受控说明可能有异常原因，改善后去除,重新计算。重新制作控制图，便于CPK等指数的分析。
● CPK越大越好吗?
★ 对合格率来讲是的,CPK值的大小代表了过程合格率，CPK值越大，合格率越高，反之亦然。
对成本来讲是不划算的，而当过了一个临界点,质量成本会增加越来越快,而质量提升不是很多。
降低成本也是质量的意义之一，所以没必要追求过高的CPK。
CPK很高，并不代表没有不合格品。
● CPK已经很好了,都超过3了,还有必要对其进行SPC控制吗？
★ CPK值为多少和需不需要导入SPC根本没有直接的联系。
CPK和SPC有关系，但不是一回事。
计算CPK，必须是SPC过程稳定；
推行SPC，可以不管CPK达到多少。
● 孔的直径能否用SPC管控?
★ 孔径一般有三种测量方法:
1 横竖各测一次,取平均值。
平均值作CPK不科学, 如果横竖尺寸单独做,也没必要.
2 交叉测量,取最小值.可做计量型。
3 采用GO-NOGO治具,采用计数型控制图。
● 有了Ca/Cp/Cpk等計算就是在做SPC吗？
★ Ca/Cp/Cpk是在SPC中计算制程能力最主要的指标，同样也只是参数之一,要会根据Ca/Cp/Cpk的结果进行分析，然后持续改善。
● σ是标准差，值越小说明变异越小，那为什么6σ要比3σ好，到底σ是小好，还是大好？
★ σ越小越好，越小越集中。
σ前面的倍数越大越好，越大，合格率越高。
● 我同样的数据，同样的分组，为什么自己计算和MINITAB,还有其他软件得出的结果不一样？
★ 肯定是σ选的不一样，可参考本书minitab篇，有详细讲解。
待续,图片和公式怎么显示不出来:版权所有,未经同意,不得转载,谢谢
质量人实战秘籍 | SQE 实战秘籍 之SPC篇
质量的一切困惑和问题,在这里,你都能找到答案
第一章 五大工具--初级必备
1 SPC ---过程的天气预报
● 什么是SPC?
★ SPC是英文Statistical Process Control的简称，
大陆称统计制程控制,台湾称统计制程管制。
● 那有什么用呢？
★ 应用统计技术对过程中的各个阶段进行监控，判断过程的异常，及时告警。从而达到改进与保证质量的目的。
SPC强调预防，防患于未然。
● 有点概念化，能稍微具体点吗? SPC对我有什么好处？
★ 使用SPC技术，可以清楚地知道：这个过程稳定吗？它处于控制状态吗？这个过程的能力足够吗？
一般客户都要求供应商必须推行SPC，并不局限于汽车行业。
●统计是不是就是收集数据，然后计算?
★统计是数据通过计算后，产生有意义的情报。
● 过程是什么？
★ 将输入转化为输出的系统。
● 有点难理解,太深奥了，说点具体吧，SPC是不是就是做控制图？
★ 控制图只是体现工具之一,一份合格的控制图是前提。
控制图能分析过程是否受控，却不能评价过程是否满足要求。
一般来说，控制图只能告警，而不能告诉引起异常的原因及解决方法，还应配合其他诊断工具。
● 等等，受控的过程还不满足要求吗？
★ 不一定。
受控是指过程稳定，可以预测，只存在普通因素，不存在特殊因素，
是否满足要求还要看CPK/PPK等相关指数。
● 什么是普通因素，什么是特殊因素？
★ 产品之所以有差异，因为存在着变异，或者叫波动。
影响质量变异的原因为两种，一种是普通因素，一种是特殊因素。
普通原因就是平时一直客观存在，对过程有一定的影响但不明显，难以避免，例如机床开动时的轻微振动等。
特殊因素则是偶然出现，对过程影响很大，有时存在，有时不存在，对质量影响大，容易去除，例如车刀磨损等。
利用控制图可以区分出偶然因素与异常因素。
●没太明白，能否举例说明？
★ 例如，车里空调设定在25度，但由于车内外温度存在差异，即使你用足够精确的温度计去测，并不是每次都恒定在25.00度，而是24.98,25.00,25.01…..在微小的在一定范围内进行变化，这时我们就说受到的是普通因素的影响。
而如果有人上车进来，那么在这瞬间，房间内的温度会出现较大变化。有人上车就是特殊原因。
此时我们说受到了普通因素和特殊因素两种影响。
● 那怎么利用控制图区分出普通因素与异常因素呢？
★ 过程只受普通因素影响的时候在控制图上表现为过程是受控的，是可以预测的。
如果有特殊原因的影响在控制图上会有异常点的出现。
● 做控制图为什么把过程要假设成正态分布?
★ 正态分布中，有一个3σ原理：
3σ原理：不论μ与σ取值如何，产品质量特性值落在u+/-3σ范围内的概率为99.73%，落在该范围外的概率为0.27％，这是个小概率事件，而“在一次观测中，小概率事件是不可能发生的，一旦发生就认为过程出现问题。”
有异常就有可能存在特殊原因。这也是区分两者的原理。
“假定过程处于控制状态，一旦显示出偏离这一状态，极大可能性就是过程失控，需要及时调整。”据此休哈特发明了控制图。
为了方便看，把正态分布图按顺时针方向转90°，再上下翻转180°，就得到一张控制图
● 什么是正态分布？
★ 简单说，一条曲线，中间高，两头低，左右对称并延伸到无穷，曲线与横轴间的面积总等于1。
均数μ决定正态曲线的中心位置；标准差σ决定正态曲线的形状（陡峭或扁平程度）
● 那如果过程不是正态分布呢?是不是不能用控制图?
★ 也可以用。这涉及到另一个假设,中心极限理论.
中心极限理论：无论过程的分布是什么,只要收取样本N的数量较大时,其分布总是正态分布。
● 呵呵，这么多假设？所有的过程都可以用了？
★ 理论上，所有场合都可以应用。当然对象要具有统计规律，对于一次性或少数几次的过程不合适。
● 那不可能所有过程都要控制吧，累都累死了？
★ 只需对关键过程控制。
● 怎么判断哪些过程关键呢？
★ 客户指定，内部评估，需重点管控的，出现异常多的过程。
● 那对于一般特性呢:
★ 对于一般特性，没有必要用SPC，因为导入SPC毕竟也需要成本，用一般的控制手段即可。如首末检或巡检，抽检等。
● 一般有哪几种控制图？
★ 分为计量型和计数型。
计量型：测量值可以量化记录。
计数型：以二分法来判定品质，如好与坏，良与不良，及GO-NOGO等。
常用控制图如下：
● 我看到的大部分都是X（bar）-R图，没想到还有这么多种。
★ 是的，X（bar）-R图的确最常用。
● 太多了，不知道选择，有没有具体的选择标准？
质量人实战秘籍
● 能否以X（bar）-R图为例，讲解下控制图建立的步骤？
1 确定控制对象
2 取样
3 收集数据，计算
4 分析
5 处理
● 对象就是关键过程阿，这个很好确定，那取样有什么讲究？怎么才算合理？
★ 原则：组内变异小,组间变异大
组内短间隔内连续抽样；组间间隔时间尽可能长点，一天或半天一次。
抽取的时间应是随机的,而不是固定在某个特定的时间内,以便尽可能减小如轮班,设备调整等因素造成的影响.
● 怎么理解?
★ 组内样本反映一般原因引起的波动，抽取应尽可能在同一时间段内连续抽样。
这样可以使由于过程变化等特殊原因造成的波动不会出现在样本里。
组间样本能较好地反映特殊原因的出现，因此取样间隔要放长，考虑到经济型，一般半天或一天一次。
● 取多少个数据比较合适?是固定的吗？
★ 不固定，根据实际情况调节。
● 为什么例子中取25组？
★ 连续25個点子都在控制界限內是判断过程是否稳定的条件之一。所以一般取25组数据。
最少20组数据，数据越多，越接近于正态分布。
● 为什么每组5个？
★ 一般讲,样本数越多(N>4),样本的实际分布就越接近于正态分布。
而样本容量太大,组内样本的波动就有可能是由于特殊因素造成，
而且样本容量太大,会增加成本。
所以一般选择每组5个。通常每组4--6个取样,
● 收集好数据后，那就是计算了吧，怎么计算呢？
★ 一般软件和EXCEL都是自动计算的，只要输入数据就可以了。
为了便于理解，我以X-R，双边规格，无偏移为例，说下计算公式，帮助你更好的理解。（其他类型的控制图类似，更简单）
控制中心线：
上控制线 下控制线
● 规格界限可以作为控制界限吗？
★ 不能。
规格界限用以区分合格与不合格。
控制界限则用以区分偶然波动与异常波动。
规格界限由设计部门制定或由客户规定，如尺寸的公差。
控制界限与过程有关，需用样本计算后确定。
长期的经验来看，控制界限一般为规格界限的7/8。
● 规格中心线和规格上下限在控制图上是否要标出？
★ 规格中心线可不标，规格上下限可标，辅助判断产品是否合格。
是否合格与是否受控是两个概念，
合格的不一定受控，受控的不一定合格。
● 控制线为什么取u+/-3σ？
★ 两个原因：
1 采用u+/-3σ时，第一种错误和第二种总合减至最小，买卖双方都可以接受。
2 σ倍数越高,不良率越低,但质量控制要求越高,成本越大。
研究表明,当3σ时,成本与质量最划算.最为经济。
● 什么是第一种错误和第二种?
★ 第一种错误，α--生产者冒险率：
过程实际上没有失控而虚报失控，不该判错而判错,好的当作不合格。
第二种错误,β--消费者冒险率：
过程已经异常而漏发警報，该判错而不判错,坏的当作合格。
因为样本采取抽检方式，不可避免有这两种风险。
虛发警報, 由于徒劳地查找原因并采取相应的措施, 从而造成损失。
漏发警報, 过程已经处于不稳定状态, 但并未采取措施, 使不合格品增加, 也造成损失。
● 如何减少两类错误 ？
★ 两者彼消此长，不能同时减小，只能追求平衡。
当为3σ时，最为平衡。
● Ca(Capability of Accuracy)制程准确度
★ 从公式上来看，比较制程中心值与规格中心值的偏差程度。
衡量“实际平均值“与“規格中心值”的一致性。
● Ca越小越好吗？
★ Ca越小，偏差越小，品质愈佳。
理想值为0，此时平均值就是规格中心值。
一般不能大于0.25，正常情况应小于0.1,
● Ca如果是负数，代表什么意思？
★ 如出现负号，则表示偏移向左，无符号则表示偏移向右。
● 单边规格怎么计算Ca？
★ 单边规格，因为无中心值，因此也就不存在Ca，用*表示。
● Ca太大，怎么办？
★ Ca大,说明偏移大, 也就是实际测量平均值与规格中心值偏差大.需要改善。
大于1时，制程与规格完全不符，应用*号表示，不过这种很少出现。
● Cp: Capability process 制程精密度:
★ 比较制程变异与规格公差范围相差程度，表示过程的离散度。
衡量的是“规格公差宽度”与“制程变异宽度”之比例;
Cp只与偏差和技术公差有关系,值越大,分布越集中。
● Cp 越大越好吗？
★ 所以CP并不是越大越好，当CA偏移大时，CP再大也无意义，
CPK仍然会很小，不合格品率仍很高。
● CP应该怎么取值？
★ Cp值应大于1，一般要求为1.33
具体取值多少，应根据客户的要求。
CP越大，代表工厂制造能力愈强
● CP= 1.33，代表什么？
★ CP= 1.33时，对应4σ水平，合格率为99.99%
CP=1时，对应3σ水平，合格率为99.73%
● Cpk：capability process index 短期过程能力指数
Pp: preliminary process 过程性能指数
Ppk: preliminary process index 长期过程性能指数
★ Cpk综合Ca与Cp二值之指數,既考虑过程的离散度，又考虑过程的居中度。因此一般比CP小，当分布的中心线与目标值重合时，说明居中度为0，此时CP=CPK
● Pp,Ppk和cp,cpk好像计算公式差不多？
★ Pp,Ppk的计算公式和对应的cp,cpk计算公式相同，所不同的就是分母部分的变差不同。
σc — Capability Sigma 規格标准差，读做Sigma Spec.
由估算得出，又称估计标准差。
σp — Population Standard Devitation 製程標準差
读做Sigma Actual ，也称过程总变差
通常用样本的标准差 S 来计算，用以表明一批数据的分散程度。
● 那两者区别是什么呢?
★ 从公式上来看,CPK计算要用到規格标准差,它是靠组内样本的极差平均值来估计得到的。
还记得取样的原则吗，由于是短时间内连续抽样，当时工作时候条件变化不大。也就是样本组内的变差，主要的于普通原因引起的。变差值小。
Ppk计算用过程标准差，每个数值与平均值的差异,这样计算，组内和组间的变差也考虑进去了,此时的变差包含了普通因素和特殊因素产生的两种变差。
● 这就是说CPK必须在稳定的状态下才能计算?
★ 是的,计算cp,cpk只考虑过程受普通因素的影响，并不考虑特殊因素，所以前提是要过程稳定，CPK计算才有意义。
● 什么叫过程稳定 ?
★ 过程受控,控制图无异常点.
● 为什么cp\cpk又被称为短期过程能力?pp\ppk又叫长期过程能力?
★ 因为过程只受到普通因素影响是理想状态下的，从长期来说过程总会受到各种特殊因素的影响，所以说cp\cpk又被称为短期过程能力，也叫潜在过程能力，pp\ppk又叫长期过程能力，也叫性能指数。
● 什么是短期,什么是长期?怎么判断?
★ 这是相对而言的。
半天相对于一天可以算长期,而相对于一年只能算短期。
● 那为什么把ppk 称为初期能力指数？
★ 因为pp\ppk的计算不需要过程稳定（因为在计算公式中已经考虑了普通和特殊两种因素的影响），所以在产品进行试生产过程不稳定时（此时过程受两种因素影响）用ppk衡量过程能力，要求ppk>=1.67才能进入量产阶段，所以又把ppk 称为初期能力指数。
但在标准上比cpk要更严一级，也就是要求cpk>1.33，则要求ppk>1.67
● 为什么一般的公司都要求是CPK多阿?
★ Cpk的前提是一个稳定的过程，因此应该在量产之后做。
Ppk是初始能力，应该在量产之前做。
● 好像有一点点明白了,还需要好好琢磨琢磨。
★ Cpk是过程能力指数，而 Ppk是过程性能指数；
两者差别：前者在过程稳定前提下计算得到的；主要由普通原因引起变差引起的；
后者不知道过程是否稳定情况下计算得到的。
● PPK考虑了总变异,, PPK的变差比CPK的变差大，因为公式中变差是做分母，那是不是PPK的值总是小于CPK？
★ 理论上cpk应该是恒大于ppk,当只受普通因素变差影响时，两者相等。但实际上不一定，这是因为cpk的变差是估算得来的，所以会有一定的误差，但并不影响对最终过程能力大小的评价。
经验上,长期过程与短期过程存在1.5σ左右的偏差。
● CP与不良率有什么关系?
★ 一一对应,计算复杂,可查表直接对应。
例如当CP=1时,公差界限处于+/-3σ, 对应不良率为0.0027,
● CPK与不良率也对应吗?
★ 不能对应精确的不良率,但可以确定不良率的范围,因为有CA偏移的存在,
先看一个理论：
1.5σ理论:由于受其他因素的影响,数据落在控制界限外的概率会增加,经过统计得出1.5σ结论. 即在理想值的基础上假设实际中心最多上下偏移1.5σ.所以CPK 对应的是一个范围。可以计算出。
● Cpk=1.33代表什么，为什么要求 Cpk〉1.33 ?
★ 如果中心不偏移，代表5.5σ水平
修正1.5σ的偏移，代表4σ水平
当Cpk=1.33时，DPPM对应范围为32-64
CPK=1时,DPPM对应范围为1350---2700之间,
计算稍微繁琐,有兴趣你可以试下。
● CPK的值为多少才算可以接收？
★ 正常CPK〉1， 一般要求CPK〉1.33, 有些也要求CPK〉1.67，
具体多少，和CP一样，也要根据客户的要求。
● σp—母体标准差中分母是n，S样本标准差中分母为n-1？为什么不一样呢？
★ 需要统计学的知识，在统计学上叫无偏估计，来消除系统性偏差。
统计学就是通过对一部分样本的观察分析，来获取整体数据的特征。
也就是说我们的目的是为了获得整体数据的数据特征。
而经过实际测试，当样本数小于50时，用n-1做分母最能接近整体的真实测量值，样本数大于50时，那么除以n更精确。
● 标准差与方差有什么区别？
★ 标准差（Standard Deviation） ，也称均方差（mean square error），用σ或S表示。
标准差是方差的算术平方根。也就是说标准差的平方等于方差。
● 如何分析控制图呢?
★ 标准规定了8种判异准则，实际中常用两种进行判断;
1 有点超出控制界限
2 7点连续上升或连续下降
● 在X-R图中，不是有两个图吗？X图和R图，判断时是哪个图?
★ 两个都要看,判异标准同上,只要一个不合格即为不受控。
● 如果点恰好在控制界限上呢?是受控还是不受控?
★ 不受控。
质量人实战秘籍
● 控制图有点超出,怎么处理?
★ 首先检查样品的取法是否正确、测量方法，数据的读取是否正确、计算有无错误、描点有无差错，然后再来调查生产过程方面的原因。
● 恩，的确很多都是测量方法的问题，然后呢？
★ 测量方法可参照本书MSA和测量实战篇。
找到原因后, 消除异常点的数据，利用剩余数据，继续取样作控制图。
● 消除异常点的数据?是去掉一个还是那一组,还是去处所有的数据后重新抽样？
★ 去除所在的一组数据。
数据虽然去除，但应该保存记录，贯彻质量管理的要求。
● 如果7点连续上升，是去除7个还是最后一个？
★ 最后一个，前六个为相关点，可以保留。
● 那不是所有的控制图最后都是OK的？
★ 是的, 控制图OK, 说明受控,才能计算CPK/CP。
● 迷糊了,能不能解释下？
★ 控制图不是符合性判定的工具，而是一个持续改进的工具。
当出现变差的特殊原因时，提供预警，然后再改善。
● 能否再具体点？
★ 一个过程，几乎总不会恰巧处于稳态，也即总存在特殊因素。
分析用控制图目的就是识别特殊因素。
出现异常点，就说明有特殊因素存在，然后就改善。
开始阶段，总需要将非稳态的过程调整到稳态，
还记得计算CPK的前提是要在稳态下吗？
● 分析用控制图?还有其他类别吗？
★ 控制图有两个目的，一分析，二控制
分析用控制图
可以区分偶然因素与异常因素。分析过程是否受控。
评价过程能力指数是否满足要求,通过计算相关指数进行分析。
控制用控制图
当过程达到确定的状态后，将分析用控制图的控制限延长，作为控制用控制图的控制限。
● 哦，分析用控制图有异常点，去除后继续做，那控制用控制图有异常点呢，去除后控制限变不变？
★ 分析原因去除后，重新按分析用控制图收集数据，合格后再转为控制用。
● 那要求供应商提供的控制图，还有公司使用的，出货报告附带的是哪种？
★ 目的不同，种类不同，视情况而定。
● 那不是很好作假，反正最后控制图上是没有异常点的？
★ 态度不对哦，还要好好历练。
控制图只能确定受控还是不受控，
满不满足要求还要看CA/CP/CPK/PP/PPK等指数。
质量人实战秘籍
● 这么多阿？都要看吗？
★ 是的，单一的指数不能全面反映质量要求，所以要综合来看。
● 怎么看？
★ 先比较 CA/CP/CPK
当Cp较大时，表明制造能力强，过程变差比较小
而此时如果Cpk很小，说明CA有较大的偏移，需改善CA，做居中处理。
当Cp及Cpk都较小而且差别不大时候，说明过程的主要问题是σ太大，与CA无关，改进过程着眼于降低过程的波动；
当Cp不好，Cpk更小，二者差别较大， 说明过程的μ和σ都有问题，改善过程应改善CA，再降改善CP；
再比较cpk和ppk，
如果两者相差很大，表明存在特殊因素，特殊因素的影响往往比较容易找到。
所以即使有时候cpk值很高,如果其与cp\ppk相差较大的话还是需要对过程进行改进。
● 怎么改进呢？有哪些方法？
★ 首先解决中心偏移问题,然后解决产生偏差的原因。
只有当中心偏移量合格，而CP值仍然很小时，才考虑减少过程加工的分散程度或考虑是否可放宽公差范围。
CA如果不良时,其对策方法是制造单位为主,
如调整过程加工的分布中心，减少中心偏移量（包括员工工作上偏上差或偏上差的习惯）
.
CP如果不良时,对对策方法是技术单位为主,
如提高过程能力，放宽公差等。提升过程能力往往需要更多的投入和更高的决策才能使问题得到解决。
● PPK不要求稳定状态，是不是说控制图上的点可以超出控制线呢？
★ 是的，不受控也可以计算PPK，此时PPK值有意义。CPK值无意义。
但，不受控说明可能有异常原因，改善后去除,重新计算。重新制作控制图，便于CPK等指数的分析。
● CPK越大越好吗?
★ 对合格率来讲是的,CPK值的大小代表了过程合格率，CPK值越大，合格率越高，反之亦然。
对成本来讲是不划算的，而当过了一个临界点,质量成本会增加越来越快,而质量提升不是很多。
降低成本也是质量的意义之一，所以没必要追求过高的CPK。
CPK很高，并不代表没有不合格品。
● CPK已经很好了,都超过3了,还有必要对其进行SPC控制吗？
★ CPK值为多少和需不需要导入SPC根本没有直接的联系。
CPK和SPC有关系，但不是一回事。
计算CPK，必须是SPC过程稳定；
推行SPC，可以不管CPK达到多少。
● 孔的直径能否用SPC管控?
★ 孔径一般有三种测量方法:
1 横竖各测一次,取平均值。
平均值作CPK不科学, 如果横竖尺寸单独做,也没必要.
2 交叉测量,取最小值.可做计量型。
3 采用GO-NOGO治具,采用计数型控制图。
● 有了Ca/Cp/Cpk等計算就是在做SPC吗？
★ Ca/Cp/Cpk是在SPC中计算制程能力最主要的指标，同样也只是参数之一,要会根据Ca/Cp/Cpk的结果进行分析，然后持续改善。
● σ是标准差，值越小说明变异越小，那为什么6σ要比3σ好，到底σ是小好，还是大好？
★ σ越小越好，越小越集中。
σ前面的倍数越大越好，越大，合格率越高。
● 我同样的数据，同样的分组，为什么自己计算和MINITAB,还有其他软件得出的结果不一样？
★ 肯定是σ选的不一样，可参考本书minitab篇，有详细讲解。
待续,图片和公式怎么显示不出来:版权所有,未经同意,不得转载,谢谢
没有找到相关结果
已邀请:
RSS Feed
93 个回复
苏银朋 (威望:0) (安徽 蚌埠) 电子制造 科长 - 不认为自己有专长，还需努力学习。
赞同来自: