1、SPC training -,By Siwa wang,Training Summary,1. 基礎統(tǒng)計認識 - 數(shù)據(jù)和事件的判斷 - 顧客, 顧客不滿足(不良) - Data的表現(xiàn)與種類 2. SPC Introduction - 管制圖概念 - 管制圖種類 - 管制圖的繪制 (Xbar, R, Xbar S, N, NP, U, C) 3. QC 7 Tool - QC 7 Tool概要 - QC 7 Tool練習 -End-,基礎統(tǒng)計認識 Based Statistical knowledge,對總體的判斷, 總體和Sample,標本 (Sample,10),總體 (N=1,000),S

2、ample 10個測定 (規(guī)格 : 1004),96,97,98,99,100,104,101,規(guī)格 下限,規(guī)格 上限,102,103,如果全部檢查在時間上, 經(jīng)濟上不可能 !,使用Sample的統(tǒng)計變量(變數(shù)) (平均值和散布)推定總體.,總體能不能判斷為合格 ?,1) AQL Yes :因為 Sampling的10個測定值都在規(guī)格內(nèi) OK 2) SPC No : 用Sample Data推定總體的不良率是2.8% 水準,* AQL(Acceptable Quality Level) : 合格品質水準 SPC(Statistical Process Control) : 統(tǒng)計制程管制,Sam

3、pling,補充抽樣知識,事件和數(shù)據(jù)的對應關系,問題: 如果現(xiàn)在很多人為了上車無秩序的聚在一起等車 改善的方法:,1. 有秩序地排列乘車 - 減少散布(reduce the variation) 2. 加大公交車的門，誰都容易乘車。 - 增加公差(open the specifications) 3. 車Parking的地方，人聚在一起。 - 中心值移動(shift the mean) 4. 上面3種方法中2種以上Combination,至今為止 ,Spec,LSL,USL,我們合格,Spec-in就合格,I am Data (我活著),Spec-out 不合格,檢出不良,不良的故事會繼續(xù)下去

4、,以后,呀 ! 有吃的 (不良),不良的故事會繼續(xù)下去?,Data的表現(xiàn):中心值,Data的表現(xiàn):散布,問題解決,問題 / Issue 事項,連續(xù)型 Data (Continuous Data),離散型 Data (Discrete Data),連續(xù)型 Data : 如長度,重量,時間等能夠使用測定刻度尺的 Data (計量型) 所測定的尺度不斷能夠細分 而且比不連續(xù)的Data提供更多的情報,離散型 Data : 與合格/不合格, 決定數(shù)等能用個數(shù)表示的Data (計數(shù)型) 不能再細分。,資料的類型 屬性(Attribute) 命名(Nominal)范疇(Category),統(tǒng)計特征值 缺陷(

5、Defect),資料的類型 變數(shù)(Variable) 比率(Ratio),統(tǒng)計特征值 位置(Location) 散布(Spread) 模樣(Shape),Data種類,區(qū)分Data種類的目的,確定Data的Display方法和分析方法 決定要Gathering的 Sample Size 決定適切的Control Chart 決定適切的 Sigma(or Z-Value)計算方法(DPMO or 工程能力分析),連續(xù)型 Data(計量型),可以分解Data, 且測定的數(shù)據(jù)的大小有意義 客觀性 Data : 時間, 重量, 長度等測定計測儀可以測定的Data 主觀性 Data :滿足度, 充實度等

6、 Data的測定基準按始點發(fā)生變更,離散型 Data(計數(shù)型),不可能分解Data, 所測定的數(shù)據(jù)Count時. 客觀性 Data : 缺點數(shù), 承認件數(shù), 誤差件數(shù), 位置等判斷的情況明確的內(nèi)容 主管性 Data : 包含Yes/No, Good/Bad 等人的主觀性內(nèi)容的內(nèi)容, 實際情況下離散型和連續(xù)型分類比較困難時 例 1) 主/客觀式混合的數(shù)學能力分數(shù) 離散型但是可以看作連續(xù)型 例 2) 使用尺度法的論文結果 連續(xù)型處理, 還是離散型處理，按照事件, 分析的目的考慮置信度慎重判斷,Data種類,2. SPC Introduction,利用品質特性的發(fā)生機率來判斷是否有異常的狀況發(fā)生 管

7、制上下限與中心線 管制上下限 為平均數(shù)上下3個標準差 範圍內(nèi)幾乎會涵蓋所有可能發(fā)生的狀況 超出管制界限範圍之外的狀況被視為異常 中心線-製程的平均品質水準。,* 1920年 Bell研究所的Dr. Walter Shewhart開發(fā).*,管制圖概念,管制圖 :由時間的推移，Performance的變動以Graph形式表現(xiàn),管制圖 Logic,可信的 Output,掌握工程能力/ 管理狀態(tài),Controller,Process,Input,Output,UCL,LCL,X,制作管理圖,Sampling,持續(xù)維持工序最佳化條件的保證 - Process是始終由于偶然原因(Common Cause)

8、和特殊原因(Special Cause)引起變動的. - 使用管理圖, 能分離統(tǒng)計性的管理上/下限的使用.-解釋管理圖，就知道Process是否在安定狀態(tài).,按照 Process上發(fā)生特殊原因Monitoring后，可以采取指定對策,使用管制圖的優(yōu)點,管制圖(Control Chart),Data,連續(xù)型/計量型,離散型/計數(shù)型,n=1？,I-mR,Xbar-R Xbar-S X median-R,u,c,p,Np,Yes,No,No,Yes,CUSUMEWMA,Yes,No,No,Yes,Subgroup size 是否一定?,Subgroup size 是否一定?,測量值/平均值,不良數(shù)/

9、不良率管制,缺點數(shù)/單位缺點數(shù)管制,Yes,No,Yes,管制圖種類,UCL,LCL,UCL,R, 管理脫離 : 點脫離管理界限時 (在管理界限上的點看做是脫離管理界限.) 對策 : 在這里產(chǎn)生了特殊原因 查出其原因，不讓它再發(fā), 大小7以上的RUN : 在中心線的一邊連續(xù)出現(xiàn)7個以上點的時候. 對策 : 工程的平均或者散布有些變化 查找其原因的話，能得到技術上 有利的情報., 安全狀態(tài)(管理狀態(tài)) : 觀察管理圖上的點，在連續(xù)25個點以上 不出現(xiàn) 的這種現(xiàn)象的狀態(tài). 對策 : 工程穩(wěn)定，且滿足規(guī)格 不需采取對策, 傾向和周期性頻度 : 點一直往上或者往下的時候，看到周期性變動的時候 對策 :

10、 工程上存在其傾向或者周期性變動原因， 找出原因的話，可以得到工程管理上的有益條件。, 在界限附近的點 : 點在管理界限內(nèi) ，且2和 3之間存在連續(xù) 3個點中的2點. 對策 : 在工程上散布增加，存在什么異常 需要ACTION.,管制圖的解釋,1) DATA 收集 2) 群區(qū)分 n=3, k=10,3) DATA 計算,4), 是各列的總和 =3936.4,=1312.13,=1.0,R = / k = 0.1,5),管制圖制作之X bar R 管制圖,6) 管制圖界限的計算,CL = UCL = LCL =,+ A2,- A2,CL = UCL = LCL =,D4,D3,管制圖,管制圖,R

11、,n,3,4,5,A2,D3,D4,1.023,0.73,0.58,2.575,2.28,2.11,-,-,-,7) 管制線 - 中心線:直線 - 界限:波線,8) 點 - 對應的值用點來標注，然后連線 - 點R值，畫連其點的線。,管制圖制作之X bar R 管制圖,X bar R 管制圖,管制圖制作公式及系數(shù)表,管制圖之X bar R 管制圖實例,利用以下Data制作P管制圖,管制圖之P 管制圖實例,利用以下 Data制作NP管制圖,Subgroup 不良數(shù)sample數(shù)比率 15130000.017 23530000.012 32130000.007 43230000.011 548300

12、00.016 61930000.006 71230000.004 83130000.010 91830000.006 103530000.012 113330000.011 124130000.014 134530000.015 142430000.008 151930000.006 162930000.010,管制圖之NP 管制圖實例,利用 以下Data制作C管制圖,Subgroup 缺點 120 218 314 416 513 629 721 814 96 106 117 127 139 145 158 169 179 1810 199 2010,管制圖之C 管制圖實例,利用以下 Data

13、制作U管制圖,subgroup缺點數(shù)單位 18968 2131216 3131004 4161101 5141076 615995 7131202 8101028 9241184 1012992,管制圖之U 管制圖實例,3. QC Tools,因果關系圖 / 魚骨圖,查檢表,柏拉圖,散布圖,層別法,100%,LSL,USL,直方圖,QC Tools,說明： 劃分數(shù)據(jù)（如考試成績）的分配范圍為數(shù)個區(qū)間，計算各區(qū)間內(nèi)該數(shù)據(jù)的出現(xiàn)次數(shù)，并制作成次數(shù)分配表。 (2) 用途： 描述數(shù)據(jù)的分布（平均值、變異、對稱），借以判斷工序有無異常情形。并檢查該數(shù)據(jù)是否正常受控，有足夠的能力符合客戶需求。,1.直方圖

14、,范例 微塵粒子的數(shù)據(jù),(1) 找出“最大值”，“最小值”以及數(shù)據(jù)的“個數(shù)”,Max = 39,Min = 1,Total data points N = 100,(2) 決定區(qū)間的個數(shù) K : K = N,K= 10,(3) 決定區(qū)間的寬度 H : H = (Max - Min) / K,直方圖之實例,(4) 作出 “頻次”表,(5) 劃出直方圖,區(qū)間界限,0.5 4.5,4.5 8.5,8.5 12.5,12.5 16.5,16.5 20.5,頻次,20.5 24.5,24.5 28.5,28.5 32.5,32.5 36.5,36.5 40.5,10,14,20,19,11,11,8,5

15、,1,1,頻次,區(qū)間界限,0 4 8 12 16 20 24 28 32 36 40,直方圖之實例,范例 微塵粒子的數(shù)據(jù)-續(xù),說明： 把品質特性（如芯片的薄膜厚度）的點以記號標示上去，藉著該點在管制界限內(nèi)側或外側的情形，可以判斷工序是否在控制狀態(tài)中。 (2) 用途： 借由管制界限的訂定,區(qū)分出工序的變異的合理性。即時監(jiān)控，并可以在制程異常時立即采取改善對策。,管制上界,管制下界,目標值,2.管制圖,問題,Root Cause,Method,Man,Machine,Material,Environment,！,！,！,！,！,3.魚骨圖(因果關系圖Cause-Effects Chart),(1)

16、 說明： 有如魚骨增長的方式，有系統(tǒng)地整理工作的結果（特性）以及其原因（要因）。 (2) 用途： 在改善小組的腦力激蕩之下，列舉所有可能的異常原因；逐一過濾之后，會發(fā)現(xiàn)平常忽略的小毛病，可能就是問題的根源。,實例:質量分析,魚骨圖之實例,說明： 在收集各種數(shù)據(jù)之后，為確認并能毫無遺漏的查檢，將結果制成簡單的表格。 (2) 用途： 可以讓數(shù)據(jù)的收集更為規(guī)律、有效；制成的表格更為簡明、易懂。,4.查檢表,說明： 分類不良及缺點等內(nèi)容，然后按照大小順序，利用累計數(shù)據(jù)來表示。 (2) 用途： 將問題點表現(xiàn)出來，并呈現(xiàn)其相對重要性，提供改善方向的優(yōu)先順序。,5.柏拉圖,A B C,E,A,D,B,C,60%,柏拉圖可以用來說明改善過程的有效性： 例如圖甲為改善前的柏拉圖，共有A, B, C, D, E五大不良原因。 再來針對A與B前兩大原因采取改善對策，若干時日之后可以重新收集數(shù)據(jù)，劃出改善后的柏拉圖。 由圖乙的結果顯示， A與B 的發(fā)生次數(shù)明顯降低，C變成是最大的不良原因。整體效果改善60%.,100%,圖甲: 改善前,圖乙: 改善后,100%,D,柏拉圖之實例,說明： 將成對的二組數(shù)據(jù)制成圖表，以觀察數(shù)據(jù)之間的相互關系。 (2) 用途： 檢查二組數(shù)據(jù)之間的相互