■ 输出的产品随时间而产生的变化 ■ 输出的产品随环境而产生的变化
‹#›
过程变差——反馈与测量
由于测量用于过程中的所有组成部分， 测量的变差会对过程的各个阶段产生影响
■ 偏倚/■ 稳定性/■ 重复性 ■ 再现性/■ 分辨率
‹#›
测量系统变差
偏倚--测量的观测平均值和基准值的差异
偏倚
测量系统的平均值
‹#›
再现性
由不同的测量人使用同一种测量仪器, 测量同一零件的同一特性时产生的测量平 均值的变差
再现性
评价人
C
A
B
‹#›
过程能力与过程能力指数
过程能力：一个过程能够稳定地输出合 格品的能力；
过程能力指数CP或CPK：过程能力满足产 品质量标准要求的程度。
‹#›
过程能力的评价准则
过程能力指数范围 对过程能力指数的评价
‹#›
管制图的分类
(2) 计数值管制图
所谓计数值管制图是指管制图所依据的数据均属于以单位计数 者，如不良数、缺点数等不连续性的数据。
a.不良率管制图（P chart ） b.不良数管制图（Pn chart ） c.缺点数管制图（C chart ） d.单位缺点数管制图（U chart ）
‹#›
‹#›
■ 6σ逐步发展成为以顾客为主体来确定企业战略目标 和产品开发设计的标尺，追求持续进步的一种质量管理 哲学。
■ 换一种说法，6σ是一种“愿景”，是一种目标，而 并非一种具体的方法。而SPC是实现这种愿景的一个有效 的手段。
‹#›
计量值数据
是指可取任意数值的数据，只要测取数据 的精度足够，我们即可取任意小的数值，这 些数值属于连续型数据。例如长度、重量、 速度、压力、温度等的数据，是属于计量值 数据。
X －Ｒ管制图绘制
(1) 搜集100个以上数据， 把2—6个(一般是4—5个)数据分 为一组，依测定时间顺序或群体顺序排列。 (2) 把数据记入数据表。 (3) 计算各组平均值。 (4) 计算各组的全距Ｒ。
‹#›
‹#›
(5)计算平均值X 。
(6)计算全距R平均值。 (7)计算管制界限：
n234
‹#›
这样就形成了一个管制图。将生产中的数据 按照顺序点入界限中，如果点子在管制上下限之 间变动时，表示产品的品质及制造条件都正常， 可以继续生产；如果有些点超出界外时，就表示 出现了异常的原因而致使产品品质或制造条件 发生变化，必须采取对策，研究改善方法，使其 恢复正常。
‹#›
什么是SPC
SPC是英文Statistical Process Control的 简称，即统计过程控制。SPC就是应用统计技术 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。
QC七大手法
——控制图
讲师：叶谋锋 E-mail：yemoufeng@
‹#›
讲师简介
叶谋锋
福州大学 福建师范大学
工商管理MBA 电子信息科学与技术
研究生/硕士 本科/学士
‹#›
控制图
控制图 历史
20世纪20年代，贝尔实验室成立了以修 哈特和以道奇为主的产品控制研究组
修哈特 道奇
1924年5月16日 提出世界上第一张控制图（P图） 抽样理论和抽样检验表
CP＞1.67
过程能力过高
1.67 ＞ CP ≥ 1.33
过程能力充分
1.33 ＞ CP ≥ 1.00
过程能力尚可
1.00 ＞ CP ≥ 0.67
过程能力不足
0.67 ＞ CP
过程能力严重不足
‹#›
过程能力的评价准则
过程能力指数范围 对过程能力指数评价
CP＞1.67
过程能力过高
1.67 ＞ CP ≥ 1.33
SPC与6σ的关系
■ “σ”是希腊字母，统计学中用来表示标准偏差，即 用来描述任一过程参数的平均值的分布或离散程度。
■ 6σ（6Sigma）是在九十年代中期开始从一种全面质 量管理方法演变成为一个高度有效的企业流程设计、改 善和优化技术，并提供了一系列同等地适用于设计、生 产和服务的新产品开发工具。
1.原料的微小变异 2.机器的微小振动 3.测量仪器的不确定度
‹#›
异常原因 (又称为特殊原因、可避免的原因、人为原因、异常原因) 在操作中、制程中或检验时因作业异常而产生变异的原因,即当他们
出现时将造成(整个)过程的分布改变的原因；它们表现为： ➢不经常出现，但一旦发生即对产品品质造成严重影响 ➢应追究且需设法消除此项原因 几個具有代表性的非机遇原因如下： 1.原料整批出现不良 2.机器调整错误 3.未按作业标准操作
‹#›
计数值数据
是指只能用个数、件数或点数等单位来计 量的数据。例如废品件数、产品台数、产品 表面缺陷斑点数等等，他们只能取整数，通 过手工点数获得，这种数据属于离散型数据。
‹#›
收集数据的目的
■ 为了分析问题，即是为了分析现场情况而收 集，例如为了掌握零件加工尺寸的波动情况 而收集数据。
■ 为了管理工作，即是为了掌握生产的变动情 况，以便于管理、控制而收集数据，如工序 控制中收集数据。
过程能力充分
1.33 ＞ CP ≥ 1.00
过程能力尚可
1.00 ＞ CP ≥ 0.67
过程能力不足
0.67 ＞ CP
过程能力严重不足
不良率 0.57 63 2700 45600
单位PPM
‹#›
过程变差的类型
■ 随机原因造成的变差 ■ 异常原因造成的变差
‹#›
随机原因 (又称为普通原因、不可避免的原因、非人为原因) 在正确的操作，制程中或检验时仍有很多原因使产品品质发生少 许且规律的变异，这些变异表现为： ➢经常存在且变异非常微小,对产品品质并无明显的不良影响 ➢欲消除此项原因必须花费很大的成本 下面列举几个有代表性的机遇原因：
质量数据是有波动性的，即使是相同的机器由相 同的工人操作，加工同样规格的零件，所加工出来的零 件没有任何两件是完全相同的。这是因为影响零件规格 的因素很多，而且同一因素在不同的时间，不同的条件 下也是有微小的差异，所以，加工出来的零件其规格要 求就存在着各种各样的差别，这就使得其质量特性值呈 现出差别，形成数据的波动性。
0.135%
95.45% 99.73%
-3σ -2σ -1σ μ
+1σ +2σ +3σ
常态分布两个重要參數:
正态分布的特点
平均值 μ:描述品质特性值之集中位置
左右对称
标准差σ : 描述品质特性值之分散程度
中心为极大值点
用作为分布范围的度量
‹#›
控制图原理
规格范围
‹#›
μ+3σ μ+2σ μ+1σ
C6 的直方图
正态
12
10
8
6
4
2
0
60
70
80
90
C6
均值 75.3
标准差 8.232
N
50
‹#›
1、将平均值X 作为管制中心线(Central Line 简称CL )，以实线表示； 2、將X +3σ作为管制上线(Upper Control Limit 简称UCL )，通常以虛线或
红线表示；
3、將 X －3σ作为管制下线(Lower Control Limit 简称LCL )，通常以虛线
■ 为了检验、判断产品好坏而收集数据。 ‹#›
收集数据的方法
收集到的数据必须能充分反映实际情况， 对于抽查的数据还应具有充分的代表性，所以 收集数据要有科学的方法，这就是随机抽样的 方法。所谓随机抽样，即是指被抽查的所有对 象中的每一个，都应具有同等的机会被抽取到 的方法。
‹#›
质量数据的波动性
是：
n
X


i 1
Xi
n
式中：Xi--表示数据的各个数值； n--表示数据的个数。
‹#›
中位数
~
一般用 X 表示，代表按照数据大小顺序排列位于中 间的数值；若数据个数n为偶数则取位于中间的两个数值的 平均值。 例1：一批（5只）准直器插损值为 0.16，0.15，0.18，0.13，0.14 从小到大排序：0.13，0.14，0.15，0.16，0.18 该批准直器插损值的中位数为：0.15 例2：一批（6只）准直器插损值为 0.16，0.15，0.18，0.13，0.14，0.16 从小到大排序：0.13，0.14，0.15，0.16，0.16， 0.18 该批准直器插损值的中位数为：（0.15+0.16）/2 = 0.155
‹#›
质量数据的规律性
虽然数据有波动性，但并不是杂乱无章的， 而是呈现出一定规律性的。在质量管理中最常 见到分布规律是正态分布。
‹#›
正态分布
■ 正态分布是以其平均值为中心呈左右对称的 中央高两边低的钟型；
■ 正态分布的钟形有高矮肥瘦程度的不同，取 决于该数据的平均值和标准偏差。
‹#›Βιβλιοθήκη 平均值一般用 X 表示，它代表该数据的分布的 中心位置，所以也称为位置参数。其表达式子
或红线表示。
‹#›
SPC与控制图
1920年，美国贝尔电话实验室休哈特( A˙shewhart ) 博士的研究发现——在生产过程中，如果仅有机遇原因的 变异时，任何产品的品质特性99.7%处于常态分配图的 X ±3σ的界限范围內，在 X ±3σ范围以外的点极少；当 有异常原因的变异时，产品品质变异时往往超出 X±3σ 之外。根据此原理，他将常态分布图作90°转向，將 X ±3σ的地方作为两条控制线。
5
A2 1.88 1.02 0.73 0.577
D4 3.27 2.57 2.28 2.12
D3 *