表面贴装的统计过程控制

表面贴装的统计过程控制

2003-7-19 8:34:15 阅读613次

双击鼠标自动滚屏，单击停止

摘要：本文讨论统计过程控制和数据收集带来的好处，它们能够提高各种印制电路装配件的质量和降低成本。许多公司，特别是小型制造商往往以为SPC 只适用于“大户”，他们会错误地认为SPC实施困难和费用昂贵，既费时、费力和费钱又回报得益不多。实际情况并非如此，SPC和数据收集的实施很容易，而且回报远远超过投资。本文将提供视觉检查对质量的影响，并与采用统计方法作比较。我们将回顾SPC的历史和基本原理，数据收集的必要性，以及如何确定最适合每个个别运作的方法。本文还探索可用的简单有效的实施方法，以及提高数据收集过程自动化和效率的基本途径。本文将介绍在我们公司内部实施SPC和数据收集的特殊区域，并援引实际文件的图表和样本、程序、工艺规程和公司使用的设备。由此对一个有效的SPC计划的简易性有一个真实观感。最后还提供几本建议阅读的书籍和其它资料，为需要引用SPC、DOE 概念和数据收集并应用于电子产品制造的读者提供基础教材参考。

关键词：SPC，过程控制，质量，数据收集

前言

面对今天竞争激烈的市场，质量既是确定的又是有差异的。说它是确定的，因为任何人不能为客户提供质量好的产品将很快从业界消失。但是，质量同样能够让你从竞争对手区分开。结构良好和实施质量管理系统可降低返修量和废品，达到节约成本和得到更低报价或零售价格。对许多公司来说，这就需要重新考虑现行的质量和实现质量的最佳方法。

旧的质量与新的质量

对许多公司来说，质量可简单地用以下方式表示:

1）按工序制造产品；

2）检查产品缺陷；

3）需要时返工；

4）检验返工产品；

5）进入下一工序；

6）回到第一步，重复操作第1到第5步。

这种方式可认为是质量控制的“检验法”，简单流程图如图1所示。对于利用这种最基本的质量控制系统的公司来说，它们以昂贵的费用：“检验”产品质量，但无助于改正引起产品缺陷的根本原因。某些公司会采用收集基本缺陷数据的方式，这是一种主要将缺陷的产生推回到工作人员的做法。这种错误概念来自认为工作人员通常是产生质量问题的起因。它不能找到产生缺陷的真正原因，而只在缺陷已经产生之后才检验出质量不好的产品。

这种方式同样非常依赖于本身就缺少一致性和准确性的视觉检查。视沉检查经常会让漏检的缺陷进入各个装配过程，如果在测试中或检验时发现缺陷，则返修成本更可观，此时电路板可能要额处的拆卸才能找到有缺陷的子部件。更糟糕的是不合格的产品可能引起产品使用寿命缩短，及其返修成成本增加，并失去良好的客户信誉。无论在哪里检验出缺陷，返修和报废的材料都增加了产品的生产成本。更好的方法是采用统计过程控制（SPC）法实时监控在装配过程中最容易产生产品缺陷的关键部位。这里含有于用预防代替检验的概念，并且减少对视觉检查的依赖。视觉检查仍然在总体质量方法中起作用，以及经常有助于先行确定由现有过程导致的一贯性缺陷。这使得过程控制首先注意到最能够实施“防犯于未然”的区域，最终检验员不再是查找缺陷的“警察”，而变为帮助工作人员防止缺陷发生的同事。

这种方法同样考虑到装配过程的各个方面，包括人力、机器、方法和工作环境，并且清楚地认识到人只是装配过程中众多资源之一。这个方法把防止不良质量放在首位，以便减少废品和浪费，最终达到生产率和收益的增加。（流程见图2）

工业与质量历史回顾

19世纪初期，美国工业正在寻找提高生产率的方法来降低成本和增加收益，但没有想到质量对这种关系的冲击力。此时最广泛采用的是1911年泰勒（Fredrick Taylor）在他的著作《科学管理的原理》中提及的技巧。作为一名工业工程师和顾回，他以顾回身份服务于早期的工业家，如亨利·福特等人。他不断寻求提高机器和工人工作效率的方法，他使用的基本假定是大部分工人又笨又懒，金钱是他们主要的动力来源，因而在工人与管理之间应有严格的区分。他观察到工人会放慢他们的作业，害怕工作太有效而变成失业。他相信可以利用工人以金钱作为工作的动力来克服他们的惧怕和提高生产率。基于这种信念，他创立了“计件”工资制，对工人支付定量生产件数的基本工资，对超过定量的生产件数付给额外奖金。

现今还有一部分行业使用这种体制。工人被当作机器，他们很快变得疏远和不满足。产品的生产主要根据数据量而不是质量，管理采用“胡萝卜加大棒”的办法来降低成本和增加利润。

到19世纪20年代，得益于休哈特（Walter Schewart）博士的工作和努力，质量变成公司降低成本的整体计划的组成部分。他作为西方电气公司工程部的著名科学家，被誉为统计过程控制之父。在1924年他计划了一种抽样图表，“设

计用来指示在给定类型的缺陷部件中观察到的变化百分比，这是很有意义的，亦即指出对产品是否满意”。他认为产生缺陷的原因可分为“偶然原因”（生产过程中固有的可预测的变化，现在经常称为“普遍原因”）和“异常原因”（由特殊的不可预测的原因或事件引起的变化，现在经常称为“特殊原因”）。据此应该着重研究和消除异常原因，以便改进质量，但不必浪费资源去解决对整个过程和生产质量影响不大的偶然原因。这种方法亦可用来确定某一工序的固有能力，此时“控制界限”可作为一个工序的合格率的控制线。当贝尔实验室科学家将休哈特的概念付诸实施时，他的方法使几项废品降低了50％，和节省西方电气公司几百万美元的开销和材料。利用他的统计技术证明通过质量改进能够节约成本和增加利润，并且引起许多大型工业公司的注意。管理部门开始认识到人不能生产出工序所允许的更多的产品和更好的质量。在他1931年的著作《控制产品质量的经济检验》中全文述他的统计抽样方法的研究结果，并且这个结果仍然是现代统计过程控制的基础。

一位西方电气公司的同事戴明（Edware Deming）在参加美国作战部和后来在日本讲授质量基本原理时，将休哈特的成果加以扩展。戴明在他的“管量的14项职责”中将统计过程控制和质量论述为管理哲学，并把它作为一种工具使工人参与搞好机构的活动。他采用这种统计工具和管理哲学去鼓励工人负责在他们控制下的工序的质量。休哈特的实践和戴明的哲学相结合至今还在不断提高美国工业的质量和生产率。

SPC的基础—各种控制图

过程控制图可分为两大类别：用于测量变量的图表和用于测量属性的图表。根据监控的过程和收集数据的来源，它们的用途各不相同。

变量图的实例：是监控焊膏的高度。板与板之间通常会出现高度的少量变化。比照控制允许值来跟踪这种变化可以确定工序是否在合格范围之内，或者在有缺陷的产品出现能迅速指出那些需要检查或改正的，因“特殊原因”而产生的事件。变量图如图3所示。

属性图的实例：在测试操作中跟踪有缺陷的单元数目，计算在一个给定装配中的首轮通过的成品率。跟踪与控制范围有关的数据可以保证前面各工序的总体质量，或者在下一个缺陷产品产生之前指出需要检查和改正的不合的质量。属性图表如图4所示。

变量控制图

最常用的变量控制图表是X控制图和R控制图，它们经常一起使用。X控制图用来监控工序的位置或者工序的计量值，而R控制图用来监控工序的范围或者分布。在正常运用中，获取一个样本的多个读数，然后相加及求平均值后产生绘在图上的数据点。任何落在上控制限（UCL）或下控制限（LCL）之外的数据点表示由于特殊原因引起的不合格的工序变化，在进行下一步生产之前需要检查和改正。除了数据点超出UCL或LCL表示有特殊原因之外，还有

其他规律可指出在没有超出UCL或LCL时存在的特殊原因。这些规律的依据是变量的统计概率，并可以对很快失控的工艺过程作出预先提示。这样就能够在生产出有缺陷产品之前进行检查和改正。一些常用的实例包括：

● 2个以上接近UCL或LCL的连接续点

● 6个增加或降低的连续点

● 8个在中间值一边的连续点

● 14中间值两边交替出现的连续点

还有其他限制更多的规律，由控制图的特殊区域来决定，而且对于刚开始SPC 计划的公司还不需要这些规律。这些规律随公司的不同而有差别，与他们对于SPC计划的要求和原则而定。应该记住，过多规律可能产生大量的“伪报警”，但规律太少又可能在生产过程中漏检有关的问题。

当第一次建立一个生产工序的X控制图或R控制图时，UCL、LCL和中值数据线必须确定下来而不是随意规定。这就需要实时运行和测量，然后采用测量值计算出UCL、LCL和中间值。为确保计算值为有效性，工序的生产过程必须是稳定的和可重复的，否则所提数据有偏移，在以后可能对生产过程产生错误的反馈。采用著名的平方律可从读数值来验证生产过程的稳定性，具有“钟形曲线”的正态分布即表明生产过程是稳定的。用于生产过程控制的步聚和计算在本文提及的参考书中有许多介绍，当首次建立图表时必须遵守这些文献。

属性控制图

属性图用于不可计量的特性的控制。这些特性通常用“好”或“不好”等来表达，正如在化妆品检验或测试运行中所遇到的情况那样。这种特性称为属性，用简单的计数数据来制表。属性图表有三种主要类型：

● P图，测量某批产品中缺陷部件的百分比

● np图，测量某批产品中缺陷部件的数目

● C图，监控某批产品中缺陷部件的总数

对于X直方图和R曲线图的控制界限要建立在对稳定运行的工艺过程的初始计算上。这是一个连续生产产品的过程，所有的缺陷来自工艺过程内部的固有的普遍原因，而不是由需要检查和改正的特殊原因所引起来。在某些例子中，例如测试运行，可以规定一个任意的控制下限，当产品缺陷达到不可接受的水平生产时过程必须中断。同样在上例中，控制上限任意设定为100％，因为这是在测试运行中的最佳的质量级别。

测定象化妆品特性时，图表通常通过对给定批量产品的测定完成的，而不象X 直方图和R曲线图那样在产品生产的过程中测定完成的，而对测试单元制图表经常是在产品生产过程中按装配线或按每班的基础上完成的。

其他数据收集方法

虽然统计过程管理可用来减少，甚至可能取消中间视觉检查的操作，但是所有实施的检觉检查应尽量收集和编制最有意义的数据。如前所述，当有次建立SPC计划时，这些数据对首先应在何处加强控制提供了巨大的帮助。同时它也提供了与SPC图表、数据相关的反馈，使管理层确信SPC计划正在改进质量和降低成本。

缺陷记录可用来收集视觉检查的数据，还可以提供与SPC实施无关的有用数据。合理使用缺陷记录，并配合对过程的周密计划，则缺陷记录可以指明改进过程的方向。记录应设计成易于单块板缺陷输入，以便减少对总体工作流程的影响，但又能涵盖过程中所能出现的各个缺陷。手工输入缺陷的实例如图5

所示。

缺陷记录中的数据可以一天为单位计算，将结果制成排列图（Pareto图）格式制成图表。在排列图中缺陷记录按照出殃效率从高向低排列，以保证重点改进项目得以优先解决。同样可以直观地反映出那些有效产品缺陷的尝试。使用通用电子表格程序很容易构建排列图，排列图如图6所示。

计划的决定

着手开展SPC和数据收集计划时，要留意打好基础以减少执行中出现的问题。采用一次涉及太多问题的“猎枪”法会遇到要求高级支援的困难，占用质量和工程小组的日常生产支持时间，虽然大公司有钱请专人执行和支持SPC和数据收集，较小的公司常会增加现有雇员的任务。最好的方法是进行到下一个重点区域前，先在便于管理的小范围内运行和获得成功的执行经验。

如有可能，先开始检查任现有的数据，寻长在装配过程中产生最高缺陷的关过程。如果没有过硬的数据，你可非正式评估某一个正在花费你许多时间去解决问题的过程。它通常会是某一方面如焊膏印刷或波峰焊的问题，并随着设备、原材料、方法、人力和工作环境本身的变化而变化。一旦选择某一过程作为重点，你即入下一个步骤。

根据所监控的过程来决定你要收集变量数据还是属性数据。这些你为运作选择适当的控制图表。如果收集变量数据，通常使用X直方案和R曲线图。如果收集属性数据，往往选择P或NP图，在这两大类图中还有各种不同式的样图，你在开发和需要进一步深入时会再使用这些图。

在开展SPC工作初期，建议用人工计算数据和作图，而不要用电子数据表格的图表或自动软件包。人工作图让操作人员对数据收集过程有实际的感受。并

且最终获得主宰过程和参与数据收集的感受，经过一段时间之后，系统可停止对操作人员的数据收集任务和理顺整个SPC过程。

必须对操作人员提供为什么和怎样实施SPC和数据收集的充分训练。在小组内解释清楚他们承担的特定过程的变化对最终产品总质量的影响。然后，对统计过程管理作审查，使用简单的练习来说明过程内的变化，以及如何监控让他们制作测试图图表和跟踪过程数据。直至他们懂得数据收集的重要性和他们过程的作用。如果培训获得成功，负责该计划的质量和工程小组在真正实施和执行时就比较容易了。

SPC和数据收集的方法

只要提供可用于改善现行过程有意义的数据，任何统计过程管理和数据收集方法都可以使用。

开始起动一个计划时，特别当员工没有SPC经验时，最好使用人工方法进行运作，与经费多少或易于使用无关，人工方法为在机构内执行统计过程管理和观念提供坚实的基础。有一种错误概念认为，SPC需要高级数学技巧，实际上对于任何会用小型计算器的人员来说，所用大部分计算都是很简单的。

对于许多小公司来说，人工方法就足够了，虽然利用基于电子数据表的控制图可提高效率。这样做可使你加强计算能力。电子数据表软件本身可做大量数字的数据收集工作，也可生成控制图，而无需对数据点作连线的例行事务。最后，它还是提供数据可在局域网内实时存取的方法，便于信息的查阅。

下一步是预装SPC软件，使数据更便于输入，数据收集更容易表示。它们有多种型式和大小，从互联网获得的免费软件和共享软件到200～1000美元的软件包，提供你所需要的各种图表和输出方式。软件包具有许多用户配置选项和作图规则，并考虑到多道工序或多条装配线的监控。

最高级的SPC和数据收集是全部硬件/软件结合的集成，它把设备直接连接到软件和网络。这些软件可预设告警界限和用户实施的规则，以及当某一过程超出控制范围时自动告知适当的人员。这种解决方案的价格极易超过10万美元，只适用于财务上购买得起或基础设施可以支持的大型公司。

在TELXON公司内部的实施

SPC和数据收集在印制电路板车间已取得的进展，在上文作了大量介绍。虽然在许多方面仍然依靠于视觉检查，我们的系统在提供使用方便，以及在统计过程管理方面与现行方案建立相关关系都收到成效。

去年我们从检查运作的纸上数据收集系统过渡到自行开发的采集和报告数据的应用软件。虽然纸上系统仍然正常工作，但需要大量人力去处理过程检验所需的数据。另外，往往当作业完成了有缺陷的过程时，系统才提供事后的数据。

虽然纸上数据收集系统仍可使用，但需要预先做好更多管量、质量和工程的工作去改正过程中出现的问题。

我们采用一种容易获得的数据库程序来构建数据收集系统，以及一种易于与数据库收集成的市售报告生成软件包。现在，在，在作业仍在进行中即可获得实时数据，缺陷总结报告送到相关区域以便立刻检查和采取改正措施。自从执行以来，系统已在目标装配线上使过程缺陷水平降低了70％以上，并且还有其他收益。数据输入屏幕的实例如图7所示，缺陷报告如图8所示。

系统将来的扩展包括更强大的报告特性，自动排列图的生成，集成到用于最后装配和系统装配区的。这将提供更好的前景，促进从板装配区域改进质量，以及从其余过程获得更高的成品率。

我们现有的SPC努力集中在焊膏印刷区域。作为过程缺陷区域，这里的缺陷会迅速成倍增加，并且难以用视觉检查和测试方法来发现。测量是用较旧的技术，即激光基的高度测量系统，电路板在规定测量位置上由手动定位读出高度。最后读数由人工输入到X直方图上并作图。上下控制界限是任意规定的，没有明确规则说明该怎样处理超出控制过程的情况。

目前跟踪焊膏操作的SPC是用基于电子数据表格的数据输入图表，它自动求出过程运行中的读数之和并且计算上下控制界限。它可24小时收集数据和自动作出图表，包括X直方图和R曲线图。系统驻留在屏幕打印机旁边的专用计算机内，并且可通过局域网获得可视的数据。数据输入部分和图表如图9

和10所示。

进上步增强焊膏印刷的SPC计划包括购买最新的测量设备。即将就位的系统可逐个测量或加权平均。同时测量焊膏的高度和容积，装配件最初由程序输入系统内，后续的样本值从置放在马达驱动的x-y台上的电路板读取。板自动定位到测量点，数据无需操作的干预而进入完全集成的SPC软件包。软件可按各种规则编程和检查任何超出控制条件的出现。

在系统运行的时候，我们开始注视整个SPC实施情况和过程反馈能力，例如人工装配、在线测试和功能测试等的下游过程。扩展的工作和能力已经表明，这个牢靠的SPC和数据收集系统提供高质量的反馈，减少返修量和废品，在整个板装配过程中增加吞吐率。

总结

仍然使用质量控制的“检测”方法的公司不但浪费时间和金钱，而且面对业内的对手失去竞争优势。统计控制过程和数据收集对规模大小不同的公司在改进质量和降低成本方面都有很大帮助。如果从结构和逻辑性方面着手的话，实施人工SPC和数据收集计划是较简单和有效的。在此基础上计划可以升级，通过基于自已编制的电子数据表、便宜的现成软件包来实现。不管怎样，统计过程控制和数据收集对任何公司都有用处，这时毫无疑问的事情。

一个经典的SPC应用的例子

从网上看到一个经典的SPC应用的例子，与大家共赏： 俗话说宴无好宴。朋友邀我去他家做客吃晚饭，进了门迎面遇上他焦急无辜的表情，才知道主题是咨询。起因是朋友最近回家的时间越来越晚，罪证就在他家门口玄关的那张纸上——朋友的太太是一家美商独资企业的QC主管，在家里挂了一张单值-移动极差控制图，对朋友的抵家时间这一重要参数予以严格监控：设定的上限是晚七点，下限是晚六点，每天实际抵家时间被记录、描点、连线——最近连续七天(扣除双休日)的趋势表明，朋友抵家的时间曲线一路上扬，甚至最近两天都是在七点之后才到家的，证据确凿——按照休哈特控制图的原则和美国三大汽车公司联合编制的SPC(Statistical Quality Control，统计过程控制)手册的解释，连续7点上升已绝对表明过程发生了异常，必须分析导致异常的原因并做出必要的措施(比如准备搓衣板)，使过程恢复正常。显然，我可能给出的合理解释成了朋友期待的救命稻草，而这顿晚饭就是他在我面前挂着的胡萝卜。 显然，朋友的太太比我们绝大多数的企业家更专业(当然，作为同类，我想这也许就是导致我们只能成为管理工具的原因)，她清楚地认识到：预防措施，永远比事后的挽救更重要。 顺便说一句，朋友太太厨艺很优秀，属于那种下得厨房上得厅堂的模范太太——当然，对朋友的在意程度更是显而易见的，否则不会选择抵家时间作为重要的过程特性予以控制——这个过程参数，在她眼里，无疑昭示着忠诚度。饭后上了红酒，席间的谈话就从过程异常的判定开始。 “我们先来陈述一下控制图的判异准则：第一，出现任何超出控制限的点；第二，出现连续7点上升或者下降或者在中心线的一边；第三，出现任何明显非随机的图形。显然，目前该过程已经符合其中第一和第二项，确实出现了异常。作为过程控制的责任者，你打算怎么分析呢？” “还是我们传统的分析方法：因果图。” “那么，我们寻找的还是这五个方面的原因了：人、机、料、法、环？” “是的。” “好。在我们开始分析之前，我想顺便问一下，你是从哪里学会控制图的？” “除了公司的培训之外，讲述统计过程控制的书籍不计其数，作为在质量领域被广泛应用的技术，以Statistical Quality Control为题的书籍虽说不是汗牛充栋，也已经目不暇接。最近从亚马逊书店邮购的这两本，McGraw-Hill Series in Industrial Engineering and Management的Statistical Quality Control，还有Douglas C. Montgomery的Introduction to Statistical Quality Control。再比如这本STATISTICS: Methods and Applications，国内比较好的专著，我喜欢孙静的这本《接近零不合格过程的有效控制：实现六西格玛质量的途径》。不过这些书也很难给出太多新的理论，因为SPC已经足够成熟，找来新书也不过看看不断翻新的新的应用范例，或者结合新的技术之后会是什么样子，比如，有没有研发出功能强大的新软件。” “呵呵，也没必要采用如此先进的控制技术吧？”朋友插嘴道。 “你错了，统计学应用于过程控制，不过代表着上个世纪二十年代最先进的质量管理水平。我们采用的控制图方法，一般称为休哈特控制图(Shewhart Control Chart)，最早是在1924年，由美国贝尔电话实验室休哈特(W.A.Shewhart)博士提出的。当时这一方法并未得到企业的普遍采纳，仅仅在小范围内得到应用。后来，两个意外的机遇使它在全世界名声大噪：一是二战期间的1942年，美国国防部邀请包括休哈特博士在内的专家组解决军需大生产的产品质量低劣、交货不及时等问题，专家们制定了战时质量控制制度，统计质量控制(SQC) 被强制推行，并在半年后大获成效。二是休哈特博士的同事，伟大的戴明(W.Edwards

统计过程控制(spc)案例分析(-03-24).电子教案

【案例1】 R X -控制图示例 某手表厂为了提高手表的质量，应用排列图分析造成手表不合格品的各种原因，发现“停摆”占第一位。为了解决停摆问题，再次应用排列图分析造成停摆事实的原因，结果发现主要是由于螺栓松动引发的螺栓脱落成的。为此厂方决定应用控制图对装配作业中的螺栓扭矩进行过程控制。 分解：螺栓扭矩是一计量特性值，故可选用基于正态分布的计量控制图。又由于本例是大量生产，不难取得数据，故决定选用灵敏度高的R X -图。 解：我们按照下列步骤建立R X -图 步骤1：取预备数据，然后将数据合理分成25个子组，参见表1。 步骤2：计算各组样本的平均数i X 。例如，第一组样本的平均值为： 0.1645 162 1661641741541=++++= X 其余参见表1中第（7）栏。 步骤3：计算各组样本的极差i R 。例如，第一组样本的极差为： {}{}20154174min max 111=-=-=j j X X R 其余参见表1中第（8）栏。 表1： 【案例1】的数据与R X -图计算表

i 故：272.163=X ，280.14=R 。 步骤5：计算R 图的参数。

先计算R 图的参数。从D 3、D 4系数表可知，当子组大小n =5，D 4=2.114，D 3=0，代入R 图的公式，得到： 188.30280.14114.24=?==R D UCL R 280.14==R CL R ==R D LCL R 3— 极差控制图： 均值控制图： 图1 【案例1】 的第一次R X -图 参见图1。可见现在R 图判稳。故接着再建立X 图。由于n =5，从系数A 2表知A 2=0.577，再将272.163=X ，280.14=R 代入X 图的公式，得到X 图： 512.171280.14577.0272.1632≈?+=+=R A X UCL X 272.163==X CL X 032.155280.14577.0272.1632≈?-=-=R A X LCL X 因为第13组X 值为155.00小于X LCL ，故过程的均值失控。经调查其原因后，改进夹具，然后去掉第13组数据，再重新计算R 图与X 图的参数。此时， 125.1424 1835724 ≈-=='∑R R 617.16324 .1558.408124 ≈-= = '∑X X 代入R 图与X 图的公式，得到R 图： 1 3 5 7 9 11 13 15 17 19 21 23 25 30.188 14.280 0.000 1 3 5 7 9 11 13 15 17 19 21 23 25 171.512 163.272 155.032

SPC统计过程控制管理办法

w 本手册所描述操纵图的选用程序 否 是 是 是是 是

注：本图假设测量系统差不多过 是 是 是 否否

评价同时是适用的 第Ⅰ章 持续改进及统计过程操纵概述 在今天的经济气候下，为了事业昌盛，我们——汽车制造商，供方及销售商必须致力于不断改进。我们必须查找更有效的方法来提供产品及服务。这些产品和服务必须不断地在价值上得以改进。我们必须重视内部以及外部的顾客，并将顾客中意作为企业的要紧目标。 为了达到这一目标，我们组织中的每一个人都必须确保不断改进及使用有效的方法。本手册涉及到第二个领域的某些要求。它描述了能使我们致力于的改进更有效的几种差不多的统计方法。为了完成不同的任务需要不同程度的理解。本手册的对象是见习生以及刚开始从事统计法应用的治理人员。关于现在正在应用更先进技术的人员，本手册也可作为他们学习这些差不多方法的参考文献。本手册并没有包括所有的差不多方法。附录H 所列的参考文献或手册中阐述了其他的差不多方法(例如：检查清单、 流程图、是

排列图、因果分析图等)及一些先进的方法(如其他操纵图、试验设计、质量功能展开等)。 本书所述的差不多统计方法包括与统计过程操纵及过程能力分析有关的方法。本手册的第1章阐述了过程操纵的背景知识，解释了一些重要的概念：如变差的专门及一般缘故，并介绍了操纵图，那个用来分析及监控过程特不有效的工具。第Ⅱ章描述了构 造和使用计量型数据操纵图表(定量的数据，或测量)的 - X —R ， - X —s 图，中位数图以及X —MR(单值及移动极差)图。这一章还介绍了过程能力的概念并讨论了广泛应用的指数及比值。第Ⅲ章介绍了用于计数型数据(定性数据或计数值)的几种操纵图：p 图、np 图及u 图。第Ⅳ 章介绍了测量系统分析的内容并列举了适当的例子。附录包括分组及过度调整的例子，如何使用操纵图的流程图、常数及公式表、标准正态分布以及可复制的空白表等。术语索引给出了本手册所使用的术语及符号的解释，参考文献一节向读者提供了进一步学习的材料。 在开始讨论之前，需进行六点讲明： 1．收集数据并用统计方法来解释它们并不是最终目标，最终目标应是对读者的过程不断加深理解。当—个没有任何改进的技术专家是专门容易的。增加知识应成为行动的基础； 2．研究变差和应用统计知识来改进性能的差不多概念适用于任何领域，能够 是在车间中或办公室里。例子有：机器(性能特性)、记帐(差错率)、总销售额、白费分析(废品率)、计算机系统(性能特性)及材料治理(运送时刻)。本手册重点放在车间应用中。鼓舞读者参考附录H

统计案例

统计案例（约14课时） 通过典型案例，学习下列一些常见的统计方法，并能初步应用这些方法解决一些实际问题。 ①通过对典型案例（如“肺癌与吸烟有关吗”等）的探究，了解独立性检验（只要求2×2列联表）的基本思想、方法及初步应用。 ②通过对典型案例（如“质量控制”、“新药是否有效”等）的探究，了解实际推断原理和假设检验的基本思想、方法及初步应用（参见例1）。 ③通过对典型案例（如“昆虫分类”等）的探究，了解聚类分析的基本思想、方法及初步应用。 ④通过对典型案例（如“人的体重与身高的关系”等）的探究，进一步了解回归的基本思想、方法及初步应用。 说明与建议 1．统计案例的教学中，应鼓励学生经历数据处理的过程，培养他们对数据的直观感觉，认识统计方法的特点（如统计推断可能犯错误，估计结果的随机性），体会统计方法应用的广泛性。应尽量给学生提供一定的实践活动机会，可结合数学建模的活动，选择1个案例，要求学生亲自实践。对于统计案例内容，只要求学生了解几种统计方法的基本思想及其初步应用，对于其理论基础不作要求，避免学生单纯记忆

和机械套用公式。 2．教学中，应鼓励学生使用计算器、计算机等现代技术手段来处理数据，有条件的学校还可运用一些常见的统计软件解决实际问题。 参考案例 例1 某地区羊患某种病的概率是0.4，且每只羊患病与否是彼此独立的。今研制一种新的预防药，任选5只羊做实验，结果这5只羊服用此药后均未患病。问此药是否有效。 初看起来，会认为这药一定有效，因为服药的羊均未患病。但细想一下，会有问题，因为大部分羊不服药也不会患病，患病的羊只占0.4左右。这5只羊都未患病，未必是药的作用。分析这问题的一个自然想法是：若药无效，随机抽取5只羊都不患病的可能性大不大。若这件事发生的概率很小，几乎不会发生，那么现在我们这几只羊都未患病，应该是药的效果，即药有效。 现假设药无效，5只羊都不生病的概率是 (1—0.4)5≈0.078. 这个概率很小，该事件几乎不会发生，但现在它确实发生了，说明我们的假设不对，药是有效的。 这里的分析思想有些像反证法，但并不相同。给定假设后，我们发现，一个概率很小几乎不会发生的事件却发生了，从而否定我们的“假设”。

03统计技术应用控制程序

文件编号QP/03 生效日期2012年3月01日 目录 1 目的 2 适用范围 3 职责 4 程序 5 相关文件 6 使用表格 修订历史 版本修订内容修订日期修订者批准者 发文范围 总经理管理者代表 供销部技质部生产部财务部办公室 受控 印章 编制审核批准收文 部门日期日期日期

文件编号QP/03 生效日期2012年3月01日 1. 目的 使本公司质量体系运行产生、收集、汇总的各种数据与资料能运用统计技术作分析，以掌握质量体系运行现状，了解过程能力及变化的趋势，寻找持续改进的机会，解决质量问题，特制定本程序。 2. 范围 适用于进料、制造、成品检验的抽样计划确定，过程监控时控制图的使用，制造能力统计及问题统计分析，公司重大决策时的依据提供。 3. 职责 3.1 技质部负责统计技术应用的归口管理工作并提供指导。 3.2 各部门负责统计技术应用的数据提供，统计分析和纠正措施的实施。 3.3 管理者代表负责组织统计技术应用效果的评估。 4. 程序 4.1 基础培训 在统计技术应用的过程中，由技质部组织对相关部门人员进行统计技术基本知识、使用方法和意义的培训和指导，以帮助管理人员和使用人员了解诸如变差、受控（稳定）、过程能力等概念，掌握必需的统计技术应用方法，进而使用并发挥统计技术在质量管理方面的作用。 4.2 方法确定 4.2.1常用的统计技术方法及应用领域为： 1）抽样计划：应用于大批量、破坏性、高成本的产品检验中，常依据GB2828标准。 2）调查表：常用于对顾客意见及满意程度的征询活动。 3）排列图：针对各类不合格及顾客投诉进行分类排列，找出主要问题或原因。 4）因果分析图：针对质量问题引用人、机、料、法、环、测等六个方面的影响因素进行分析，找出主要原因。 5）柱形图：常用于对质量指标的完成情况的统计和对合格供方供货（服务提供）业绩的统计。 6）控制图：过程控制中对产品质量特性随时间变化而出现的变差进行监控的图

统计过程控制简称SPC.docx

SPC统计过程控制 SPC是Statistical Process Control的简称统计过程控制。 利用统计的方法来监控过程的状态，确定生产过程在管制的状态下，以降低产品品质的变异。 统计过程控制（简称SPC）是一种借助数理统计方法的过程控制工具。它对生产过程进行分析评价，根据反馈信息及时发现系统性因素出现的征兆，并采取措施消除其影响，使过程维持在仅受随机性因素影响的受控状态，以达到控制质量的目的。它认为，当过程仅受随机因素影响时，过程处于统计控制状态（简称受控状态）；当过程中存在系统因素的影响时，过程处于统计失控状态（简称失控状态）。由于过程波动具有统计规律性，当过程受控时，过程特性一般服从稳定的随机分布；而失控时，过程分布将发生改变。SPC正是利用过程波动的统计规律性对过程进行分析控制。因而，它强调过程在受控和有能力的状态下运行，从而使产品和服务稳定地满足顾客的要求。 实施SPC的过程一般分为两大步骤：首先用SPC工具对过程进行分析，如绘制分析用控制图等；根据分析结果采取必要措施：可能需要消除过程中的系统性因素，也可能需要管理层的介入来减小过程的随机波动以满足过程能力的需求。第二步则是用控制图对过程进行监控。 控制图是SPC中最重要的工具。目前在实际中大量运用的是基于Shewhart原理的传统控制图，但控制图不仅限于此。近年来又逐步发展了一些先进的控制工具，如对小波动进行监控的EWMA和CUSUM控制图，对小批量多品种生产过程进行控制的比例控制图和目标控制图；对多重质量特性进行控制的控制图。 SPC源于上世纪二十年代，以美国Shewhart博士发明控制图为标志。自创立以来，即在工业和服务等行业得到推广应用，自上世纪五十年代以来SPC在日本工业界的大量推广应用对日本产品质量的崛起起到了至关重要的作用；上世纪八十年代以后，世界许多大公司纷纷在自己内部积极推广应用SPC，而且对供应商也提出了相应要求。在ISO9000及QS9000中也提出了在生产控制中应用SPC方法的要求。 SPC技术原理 统计过程控制（SPC）是一种借助数理统计方法的过程控制工具。它对生产过程进行分析评价，根据反馈信息及时发现系统性因素出现的征兆，并采取措施消除其影响，使过程维持在仅受随机性因素影响的受控状态，以达到控制质量的目的。当过程仅受随机因素影响时，过程处于统计控制状态（简称受控状态）；当过程中存在系统因素的影响时，过程处于统计失控状态（简称失控状态）。由于过程波动具有统计规律性，当过程受控时，过程特性一般服从稳定的随机分布；而失控时，过程分布将发生改变。SPC 正是利用过程波动的统计规律性对过程进行分析控制的。因而，它强调过程在受控和有能力的状态下运行，从而使产品和服务稳定地满足顾客的要求。 SPC可以为企业带来的好处 SPC强调全过程监控、全系统参与，并且强调用科学方法（主要是统计技术）来保证全过程的预防。SPC不仅适用于质量控制，更可应用于一切管理过程（如产品设计、市场分析等）。正是它的这种全员参与管理质量的思想，实施SPC可以帮助企业在质量控制上真正作到"事前"预防和控制，SPC可以： ·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； 有了以上的预防和控制，我们的企业当然是可以：

10大管理创新以及案例分析

10大管理创新以及案例分析 营销方式越来越简捷，组织结构越来越富有柔性，经营管理的信息化程度日益提高，企业越来越注重发挥各种资源整合的力量。而引领这一系列变化的，正是管理创新! 从设计创造价值、供应链整合，到对产品、设计、研发、IT等进行外包而获利，以及并购管理方式等进行的创新，简言之，管理创新就是企业根据生产经营的客观要求和科技发展的条件，对传统的企业管理模式和管理方法进行改革、改进和改造。通过管理创新，培育和实施先进的企业文化和经营方式，使各种生产要素有机结合，资源得到优化配置，生产效率不断提高，从而保证企业产品的质量和企业的竞争能力。 管理创新，已经成为中国CEO们普遍关心的问题!这里选出的10项，只是中国企业近年来实施管理创新实践的代表。 或许昨天，中国企业曾因某些方面缺乏创新而交过学费;而今天，中国企业也因方方面面的管理创新而飞速发展，闪耀世界! No.1设计创造价值 影响力指数：★★★★★ 关注率：★★★★☆ 通过更好的设计，可以使产品获得更高的价值。这一点，早已被国外的诸多大型企业所认识和应用。譬如韩国三星，他们认为，杰出的外观是增强产品亲和力的有效途径，对这方面的孜孜以求，使其确立了现代工业设计杰出代表的地位。 典型案例：家居企业博洛尼认为，橱柜行业也跟时装、汽车等时尚产品一样，有自己独特的风向标，意大利的设计无疑是前沿潮流的代表。他们从意大利高薪聘请了首席设计师，让博洛尼展示出纯正的意大利风格。披上了意大利时尚设计的外衣，博洛尼的品牌效应凸显，迅速坐上国内整体厨房业第一的位置。 点评：很长一段时间，设计在中国遭受冷遇——从制造商到消费者，大家对设计的认识还很狭隘，特别是有些制造型企业，一味地强调低成本，并不把设计看成一门管理或一项必要的投资。这使不少中国企业交了高昂的学费。 博洛尼以及其他具有“设计创造价值”理念企业的成功，至少给人们这样的启示：要使设计体现价值，首先要认识到设计的价值!只有将关注设计融入企业的DNA，以产品卓越的性能为基础，满足人们对视觉审美的品味，才能使产品整体表现得以飞跃，使产品附加值和品牌力得以提高。 No.2外包获利 影响力指数：★★★★★ 关注率：★★★★★ 业务外包是指企业根据投入产出效益最大化的原则，将某个或某些部门或业务转包给更加擅长和专业的企业进行管理和经营的行为，强调企业将主要精力集中于关键业务上，最大限度地降低成本，提高效率。涉及产品外包、设计外包、研发外包、人力资源外包、物流外包，以及IT外包等多种形式。 典型案例：汽车制造行业零部件多，自己去做采购物流，要费很多时间，上海通用就将物流外包给专业的第三方物流公司中远集团。中远按照通用要求的时间，把原材料直接送到通用的生产线上。这不但使上海通用的生产线基本做到了零库存，包装成本也大幅下降。 上海通用将物流外包的模式，在国内的制造型企业，尤其是做零库存的生产企业是非常实用的。在实施业务外包时，企业应认真分析，挖掘竞争对手难以获得和复制的资源和优势，将其演变为企业的核心竞争力。这种扬长避短的业务外包，才能够使企业真正获益。 No.3供应链整合 影响力指数：★★★★☆

QP2001 ISO9000全套质量体系文件2020年,统计技术控制程序

1目的 采用适当的统计技术,对产品生产过程及产品质量进行监控,以利于及早发现问题,采取预防措施,控制质量问题的重复发生。 2适用范围 适用于本公司产品质量形成的各有关阶段。 3 定义 3.1 统计技术------用于提示产品质量形成的规律的统计方法. 4职责 4.1技术课负责统计技术的选定和对统计技术应用的结果组织分析,并实施对统计技术应用的 监督管理。 4.2 管理部负责统计技术运用知识的培训组织工作. 4.3各部门针对职能和特点负责统计技术的实施。 5工作程序 5.1常用统计工具的应用 5.1.1常用统计方法:检查图、因果分析图、对策表、排列图、直方图、控制图、散布图； 5.1.2这七种工具的用途如下： 1.检查表：在现场，需要迅速取得或整理数据而设计的只需作简单检查便可搜集信息的表 格。 2.因果分析图:通过因果分析,找出影响质量问题的原因,以便对主要作用的因素实行控制。 3.排列图:通过分类排列找出存在的主要质量问题,抓住关键。 4.对策表:常与因果分析图一起使用,针对主要原因,采取相应措施,有助于质量问题的解决。 5.直方图:用于分析工艺过程的状态,看工序是否稳定,如不稳定,推断总体质量及掌握工序能力保 证质量的程度。

6.控制图:用于分析工艺过程的状态,看工序是否稳定,如不稳定应找出原因,采取措施;用于预防 不良品的产生。 7.散布图(相关图):将两个相关变量数据,用点子画在坐标图上,来观察分析他们之间的关系, 帮助我们判断各种因素是否影响产品质量,从而采取相应的措施。 5.2统计技术的应用 5.2.1本公司统计技术(包括统计抽样技术,分析评定技术,实验分析技术,风险分析技术)优先用 于现场质量控制,工艺,检验,质量成本分析等领域,对大批量,连续生产过程进行监控,达到评价过程的稳定性或决定是否对过程进行调整和改进。 5.2.2在产品风险估计和试验以及工艺策划和分析评定方面，适用时可采用对产品进行FMEA 分析,故障树分析等。 5.2.3在外购件和最终检验分析评定方面,可采用对外购件成品进行统计抽样技术(GB2828要 求C=0),缺陷采用缺陷收集卡,并采用排列图发现主要缺陷内容。 5.2.4在现场的过程控制和过程优化方面,可采用统计抽样技术(GB2828 C=0)对产品进行检 验,对关键工序或特殊过程采用SPC控制图(X-R图/P图)并进行Cmk/Cpk/Ppk测定,对产品缺陷采用缺陷收集卡收集并用排列图进行分析,用因果图查找原因。 5.2.5在质量成本分析、顾客满意度调查,用波动趋势图来体现质量成本状况、顾客满意度. 5.3统计方法的实施 5.3.1对应用统计技术的有关人员按照YC/QP-18.01《培训控制程序》进行统计方法的专业技 术培训,使员工了解统计技术的基本概念,并能在岗位上会收集数据,绘制图表和计算. 5.3.2统计技术分析结果将用于质量的策划和作为制定质量改进计划的依据,在新产品设计策 划时，按产品先期质量策划中确定的统计技术使用并列入控制计划。 5.3.3统计技术操作人员应及时收集必要的数据,根据有关的统计技术按作业指导书中规定方 法和周期作出相关统计图表并进行分析评审,对于进行FMEA分析能力测定时须由技术课组织各有关部门共同参与组成小组,统计技术操作操作人员须确保所采集数据准确/可靠。 5.3.4采用统计技术的有关图表,应及时交付技术课按《质量记录控制程序》中规定的要求归 档保存。

统计过程控制作业指导书(修改版)

统计过程控制作业指导书 1 目的 应用适当的统计技术，对定量信息进行分析处理，以控制过程特性，确保产品质量特性达到规定的要求。 2 适用范围 适用于质量策划、过程特性、产品特殊特性及持续改进的数据统计和分析。 3 参考文件 《统计过程控制（SPC）参考手册》 4 名词和定义 4.1 统计过程控制：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。 4.2 控制图：是对过程质量特性值进行测定、记录、评估，从而监察过程是否处于控制状态的一种用统计方法设计的图。 4.3 过程变差：由于普通和特殊两种原因造成的变差，本变差可用样本标准差S 来估计。 4.4 过程固有变差：仅由于普通原因产生的那部分过程变差。该变差可以从控制图上通过R/d2 来估计。 4.5 过程能力：仅适用于统计稳定的过程，是过程固有变差的6σ范围，式中σ通常由R/d2（σR/d2）计算而得。 4.6 Cp：能力指数 4.7 Pp：性能指数 4.8 Cpu：上限能力指数 4.9 Cpl：下限能力指数 4.10 Cpk：这是考虑到过程中心的能力指数，定义为Cpu和Cpl的最小 值。 4.11 Ppk：这是考虑到过程中心的性能指数。 4.12 Ca：偏移度

4.13 UCL：（Upper Control limit）上控制限 LCL：（Lower Control limit）下控制限 5 权责 5.1 制定责任 5.2 实施责任 5.2.1 质量管理处负责指导、监督各部门统计技术应用的有效性。 5.2.2 技术部 5.2.2.1 负责研究初始过程能力并提出改进措施。 5.2.2.2 负责针对质量月报中提到的过程能力达不到要求的进行分析，提出改进措施。 5.2.2.3 负责对现场过程控制中过程特性和产品特性变差较大的利用控制图进行分析，并提出改进措施。 5.3品保部质检处 5.3.1 负责制定和修正控制用控制图的上、下控制限。 5.3.2 负责收集生产各处室完成的控制用控制图，并对实际的过程能力进行计算，将过程能力指数计算结果报到质量月报中。 5.4 生产各处室负责按照控制计划的要求对需用控制图进行控制的项目，在控制用控制图上进行过程监控。 5.5 由CFT小组每天对控制图进行监控,对工艺技术人员不能解决的异常问题及时分析对策。 6 内容及要求 6.1确定需求 6.1.1统计过程控制用于研究工序能力、监控工艺状况、评估测量系统。 6.1.2技术部在产品质量先期策划时要确定每一过程适用的统计技术，并纳入控制计划。 6.1.3技术部在新产品差异性分析以后，对差异方面的产品特性进行初始过程能力的研究。

库存管理案例分析

和瑞公司实施库存控制分析 一、采用的库存控制方法的定义 库存控制是对制造业或服务业生产、经营全过程的各种物品，产成品以及其他资源进行管理和控制，使其储备保持在经济合理的水平上。库存控制是使用控制库存的方法，得到更高的盈利的商业手段。库存控制是仓储管理的一个重要组成部门。它是在满足顾客服务要求的前提下通过对企业的库存水平进行控制，力求尽可能降低库存水平、提高物流系统的效率，以提高企业的市场竞争力。 二、和瑞公司企业简介 和瑞公司系于1999年组建的股份制企业，是当地最大的面粉企业之一。公司年加工小麦42万吨，拥有员工500余人，总资产亿元。年产优质小麦专用粉和高等级面粉10万吨、食用油3000吨、豆粕万吨。2000年实现销售收入亿元，创利税2846万元。面粉厂新上优质小麦专用面粉生产线，总投资5000万元，被全国光彩事业促进会和省人民政府列为“全国光彩事业重点企业”和省重点扶持建设小麦加工转化龙头企业，现已达到日处理小麦600吨，可生产蛋糕粉、面包粉、方便面专用粉、水饺、馒头专用粉、拉面、烩面专用粉7个种类产品，年可实现销售收入亿元，创利税2920万元，2006年年底新上日处理小麦1000吨的面粉厂。 三、详细分析,需要回答以下几个问题： 1 企业实施库存管理的前的状况 随着企业逐步的发展壮大，原材料和备品备件的采购资金占公司总体成本的70%以上。生产规模的不断扩大，经济形势的变化，原辅材料的价格频繁调高，存货积压不断上升，使产品成本有了较大的增长。但是对于公司原材料仓库的管理方法一直很落后，存货不合理，查询不方便等。因此，公司内物品超储、积压现象严重、资金占用多、周转速度慢等情况已成为存货管理中相当严重的问题。公司物品品种成百计，其重要程度、消耗数量、资金占用等各不相同。 2 企业实施库存管理技术的后的状况 （一）优化存货管理流程 1、优化存货管理流程的思路 利用物流的先进管理理论和管理方法，对公司存货管理的全过程进行优化组合和合理配置，使存货管理活动中的订单流、物流和资金流处于最佳状态，以最少的投入获得最大的产出，这是现代存货管理的趋势和重点。加强存货管理的所有资源，通过业务流程重组，增强物流信息系统自动处理功能，进而缩短存货周期，提高管理效率，使存货管理各业务环节真正实现其控制作用，促进存货管理目标的实现。 2、存货管理流程设计 (1)产品入库验收控制 主要是指产品入库的数量和质量，一定要做到准确、安全入库，并标明库位号，因为这直接关系到存货产品的警戒线和印制数量的实施。 (2)建立严格发货制度 发货是公司的主旋律，产品只有发出去，才能变现，才是真正的“流动资产”。仓库保管人员要核查发货单。无论是何种形式的发货单，均要有营销业务经手人签字和部门负责人批准签字，储运人员仔细验单、核发数量，并在实物出库凭证上签字。存货发出后，仓库保管人员及时登记存货记录卡片，计算结余数，并与存货产品警戒线对照。以便及时、准确地掌握存货的数量。 (3)退货的控制

统计过程控制SPC)案例分析

统计过程控制（SPC）案例分析 一．用途 1. 分析判断生产过程的稳定性，生产过程处于统计控制状态。 2．及时发现生产过程中的异常现象和缓慢变异，预防不合格品产生。 3．查明生产设备和工艺装备的实际精度，以便作出正确的技术决定。 4．为评定产品质量提供依据。 二．控制图的基本格式1．标题部分 X-R控制图数据表

2 质 量 特 性 在方格纸上作出控制图： 样本

横坐标为样本序号，纵坐标为产品质量特性。图上有三条平行线： 实线CL ：中心线 虚线UCL ：上控制界限线 LCL ：下控制界限线。 三． 控制图的设计原理 1． 正态性假设：绝大多数质量特性值服从或近似服从 正态分布。 2． 3σ准则：99。73%。 3． 小概率事件原理：小概率事件一般是不会发生的。 4． 反证法思想。 四． 控制图的种类 1． 按产品质量的特性分（1）计量值 （S X R X R X R X S ----,,~ ,）

（2）计数值（p，pn，u，c图）。 2．按控制图的用途分：（1）分析用控制图；（2）控制用控制图。 五．控制图的判断规则 1．分析用控制图： 规则1 判稳准则-----绝大多数点子在控制界限线内（3种情况）； 规则2 判异准则-----排列无下述现象（8种情况）。 2．控制用控制图： 规则1 每一个点子均落在控制界限内。 规则2 控制界限内点子的排列无异常现象。 [案例1] p控制图 某半导体器件厂2月份某种产品的数据如下表(2)(3)栏所表示,根据以往记录知,稳态下的平均不合格品率0389 p,作控制 .0 图对其进行控制. 数据与p图计算表

SPC管理规定

SPC管理规定

5.3.1.4 选择控制图的刻度 对于X 图, 坐标上的刻度值的最大值与最小值之差应至少为子组均值( X ) 最大值与最小值差的2倍。 对于R 图, 刻度值应从最低值为0开始到最大值之间的差值为初始阶段所遇到的最大极差( R) 的2倍。 5.3.1.5 将均值X 和极差R 画到控制图上。 5.3.2 计算控制限 5.3.2.1 计算平均极差( R ) 及过程平均值( X ) K R R R R K 21 K X X X X K 21 K 为子组的数量 5.3.2.2 计算控制限 UCL R =D 4R UCL X =X +A 2R LCL R =D 3R LCL X =X -A 2R 式中之D 4、 D 3及A 2为常数, 见 。 5.3.2.3 画控制线 在平均值( X ) 和极差图( R) 中用水平虚线将各自的控制限画上去, 在初始研究阶段, 这些控制限叫试验控制限。 5.4 过程控制解释 5.4.1 分析极差图( R 图) 上的数据点 a 、 超出控制限的点——出现一个或多个点超出任何一个控制限, 是该点处于失控状态的主要证据。因为在只存在普通原因引起变差的情况下, 超出控制限的点会很少, 我们便假设该超出的是由于特殊原因造成的。因此, 任何超出控制限的点是立即进行分析、 找出存在的特殊原因点的信号。 超出极差上控制限的点一般说明存在下列情况中的一种或几种: 控制限计算错误或描点时描错; 零件间的变化性或分布的宽度已经增大( 即变坏) , 这种增大能够发生在某个 时间点上, 也可能是整个趋势的一部分; 测量系统变化( 例如, 不同 的检验员或量具) ; 测量系统没有适当的分辨力。 有一点位于控制限之下( 对于样本容量大于等于7的情况) , 说明存在下列情况的一种或几 种: 控制限或描点错误; 分布的宽度变小( 即变好) 测量系统已改变( 包括数据编辑或变换) b 、 链—有下列现象之一表明过程已改变或出现这种趋势: 连续7点位于平均值的一侧;

统计技术应用控制程序文件

统计技术应用控制程序 1.目的 选择使用适当的统计技术，为市场调研、工程设计与施工、投资分析等提供定量化的依据。 2.适用围 适用于公司地产口各部门所采用的统计技术的控制。 3.引用文件 3.1 GFP5-2《工作文件控制程序》 4.定义 无。 5职责 5.1各部门各岗位工程师（主办）负责提出本岗位使用的统计技术。 5.2各部门负责人负责确定本部门中使用的统计技术，负责组织对本部门使用统计技术人员的必要的培训。 5.3总师室负责人负责将各部门使用的统计技术汇总，并进行评估； 6.资格或培训 审批及使用统计技术的人员必须接受过统计技术方面的培训或具备大专以上学历。 7.程序 7.1各部门各岗位工程师（主办）将根据工作需要使用的统计技术填写《统计技术方法与实例》（见GFP20-1-F1），报部门负责人审核后，报总师室审批。

7.2总师室负责人将审批通过后的各部门使用的统计技术汇总记录在《统计技术一览表》（见GFP20-1-F2）上。 7.3总师室负责人每年至少对各部门使用统计技术的情况进行一次评估，并将评估结果填写在《统计技术评估表》（见 GFP20-1-F3）上，交主管副总经理审批。 7.4常用统计技术如有变更，须经部门负责人审核，并报总师室负责人审批。 7.5新确定的统计技术或变更后的统计技术，由各部门负责人填写《统计技术方法与实例》后，按7.1和7.2规定执行。 7.6各部门所收集的统计信息资料必须真实准确，在作实际统计分析时，要写清统计数据来源。 8.记录 8.1《统计技术一览表》、《统计技术方法与实例》、《统计技术评估表》由总师室兼职资料员永久保存并更新。 9.附件 9.1 GFP20-1-F1《统计技术方法与实例》 9.2 GFP20-1-F2《统计技术一览表》 9.3 GFP20-1-F3《统计技术评估表》

统计过程控制(SPC)程序

统计过程控制（SPC）程序 1 目的 为了解和改善过程，通过对过程能力的分析、评估使其有量化资料，为设计、制造过程的改进，选择材料，操作人员及作业方法，提供依据和参考。 2 范围 本程序适用于*****有限公司做统计过程控制（P P K、C P K、CmK 、PPM）的所 有产品。 3 术语和定义 SPC：指统计过程控制。 CpK：稳定过程的能力指数。它是一项有关过程的指数，计算时需同时考虑过程数的趋势及该趋势接近于规格界限的程度。 PpK：初期过程的能力指数。它是一项类似于C P K的指数，但计算时是以新产品的初期过程性能研究所得的数据为基础。 C a：过程准确度。指从生产过程中所获得的资料,其实际平均值与规格中心值之间偏差的程度。 C p：过程精密度。指从生产过程中全数抽样或随机抽样（一般样本在50个以上）所计算出来的样本标准差（σ × ），以推定实际群体的标准差（σ）用3个标准差（3σ）与规格容许差比较。 PPM：质量水准，即每百万个零件不合格数。指一种根据实际的缺陷材料来反映过程能力的一种方法。PPM数据常用来优先制定纠正措施。 Cmk：设备能力指数：是反映机械设备在受控条件下，当其人/料/法不变时的生产能力大小。 4 职责 质量部负责统计过程控制的监督、管理工作。 5 PPM、Cp、Cpk、Pp、Ppk过程能力计算及评价方法 1．质量水准PPM的过程能力计算及评值方法： 当产品和/或过程特性的数据为计数值时，制造过程能力的计算及等级评价方法如下： （1）计算公式： 不良品数 PPM = × 1000000 检验总数 （2）等级评价及处理方法：

A PPM ≦ 233 制造过程能力足够。 B 233 < PPM ≦ 577 制造过程能力尚可；视过程控制特性的要求，进行必要的改进措施。 C 577 < PPM ≦ 1350 制造过程能力不足；必须进行改进措施。2．稳定过程的能力指数Cp、Cpk计算及评价方法： （1）计算公式： A）Ca = （x-U） / （T / 2）×100% 注： U = 规格中心值 T = 公差 = SU - SL = 规格上限值–规格下限值 σ= 产品和/或过程特性之数据分配的群体标准差的估计值 x = 产品和/或过程特性之数据分配的平均值 B）Cp = T / 6σ（当产品和/或过程特性为双边规格时）或 CPU（上稳定过程的能力指数）= （SU-x）/ 3σ（当产品和/或过程特性为单边规格时） CPL（下稳定过程的能力指数）= （x-SL）/ 3σ（当产品和/或过程特性为单边规格时） Z1 = 3Cp（1+Ca）……根据Z1数值查常（正）态分配表得P1%； Z2 = 3Cp（1-Ca）……根据Z2数值查常（正）态分配表得P2% 不合格率P% = P1% + P2% 注：σ = R / d2（ R 为全距之平均值，d2为系数，与抽样的样本大小n有关， 当n = 4时，d 2 = 2.059；当n = 5时，d 2 = 2.3267） C）Cpk = （1-∣Ca∣）× Cp 当Ca = 0时，Cpk = Cp。 D）Cpk = Min（CPU，CPL） = Min{（SU -x）/ 3σ，（x-SL）/ 3σ} 当产品特性为单边规格时，Cpk值即以CPU值或CPL值计算，但需取绝对值；Cpk值取CPU值和CPL值中的最小值。 （2）等级评价及处理方法： 等级Ca值处理方法等级说明 A ∣Ca∣≦ 12.5% 作业员遵守作业规范的规定并达到规格 （公差）要求须继续维持。 Ca值当U与 的差越小时， Ca值也越小， 也就是产品质 量越接近规格 （公差）要求 的水准。 B 12.5% < ∣Ca∣≦ 25% 有必要尽可能将其改进为A级。 C 25% < ∣Ca∣≦ 50% 作业员可能看错规格（公差）不按操作规定或需检查规格及作业规范。

统计质量控制案例分析

案例六统计质量控制案例分析 【案例背景】 某纺织机械厂的主要产品之一是细纱机，也是该厂创效益、创外汇的产品。机梁是细纱机的主要零件，在细纱机中起着支承牵伸装置、导纱板升降装置、钢领板升降装置、纱架等部件的作用，其质量将直接影响细纱机装配质量。机梁自身结构属长向薄壁形，其长厚比达130∶1，极易产生加工变形，而技术精度要求高，其中主要技术特性值平面度要求仅为0.15mm。与同行业相比，为了减少切削，机梁毛坯加工余量仅为3mm，给加工工艺带来了难度，机梁数量大，每台细纱机有28根，每年需67000根机梁，机梁质量的好坏将直接影响该厂经济效益，而现在机梁质量波动较大，返修率较高。因此提高机梁一次合格率具有更重要的意义。 【案例目的】 充分利用统计质量控制中的旧七种工具找出质量问题，分析质量缺陷出现的原因，并制定对策计划和实施方案。 【案例分析】 1.现场调查 为了提高机梁一次投入产出合格率，质量管理小组对机梁整个加工工艺过程进行了分析讨论。产品加工工艺流程： 铸坯粗铣机梁两外角尺平面精铣机梁两外角尺平面铣机梁两里角尺铣机梁两里角尺凸肩面粗、精铣机梁两端面总长钻、攻机梁两角尺上螺纹及孔去毛刺（如图1所示） 1 粗铣机梁两外角尺平面 2 精铣机梁两外角尺平面 3 铣机梁两条小平面 4 铣机梁两里角尺凸肩面 5 粗、精铣两端总长 6 钻、攻机梁角尺面上各螺纹及孔 图1 产品零件简图及加工工序 (1)寻找原因 为了寻找出现废品的原因，对500件机梁加工工序的一次合格率进行测试，数据如表1所示。 对各工序共产生的140件不合格品制成不合格品表（表2）和它的排列图（图2）。

粗铣机梁两外角尺平面 27 125 89.82 铣机梁两条小平面 5 130 92.86 铣机梁两里角尺凸肩面 5 135 94.43 钻、攻机梁角尺面上各螺纹及孔 5 140 100 N 140 图2 机梁不合格品排列图 4060100200 800 20 406080 100 98 27 5 55 N=140 140例不合格品A 类因素 累积百分比/% 精铣机梁两外角尺平面 粗铣机梁两外角尺平面 铣机梁两条小平面 铣机梁两里角尺凸肩面 钻、攻机梁两角尺面上各螺纹及孔 关键工序机梁不合格品数/根 70% 89.28% 92.86% 94.43% 由图2可见，五道工序中精铣机梁两外角尺平面为出不合格品最多的工序。 (2) 寻找影响精铣机梁两外角尺平面工序质量的主要因素 取118件由精铣机梁两外角尺平面工序所造成的不合格进行检测，得到精铣机梁工序不合格品表和它的排列图（如表3和图3所示）。 项 目 不合格品数/根 累积不合格品数/根 累积百分数/% 平面度0.15mm 88 88 74.58 垂直度0.16mm 15 103 87.29 直线度0.04mm 7 110 93.22 表面粗糙度Ra <2.5μm 5 115 97.46 厚度超差 2 117 99.15 其 它 1 118 100 图3 精铣机梁工序不合格品排列图 20 4060 80 88 7 521N=118118例不合格品A 类因素 累积百分数/% 平面度0.15mm 垂直度0.16mm 直线度0.04mm 表面粗糙度R a <2.5μm 厚度超差 精铣机梁两外角尺面不合格品数/根 15 74.58% 87.29% 93.22% 97.46% 99.16% 其他 由图3可见，工序平面度是影响精铣机梁两外角尺质量的A 类因素即为主要因素。

SPC统计过程控制案例分析报告

统计过程控制（SPC）案例分析一．用途 1. 分析判断生产过程的稳定性，生产过程处于统计控制状态。2．及时发现生产过程中的异常现象和缓慢变异，预防不合格品产生。3．查明生产设备和工艺装备的实际精度，以便作出正确的技术决定。4．为评定产品质量提供依据。 二．控制图的基本格式1．标题部分 X-R控制图数据表

2 质 量 特 性 在方格纸上作出控制图： 样本号

横坐标为样本序号，纵坐标为产品质量特性。图上有三条平行线： 实线CL ：中心线 虚线UCL ：上控制界限线 LCL ：下控制界限线。 三． 控制图的设计原理 1． 正态性假设：绝大多数质量特性值服从或近似服从正态分 布。 2． 3σ准则：99。73%。 3． 小概率事件原理：小概率事件一般是不会发生的。 4． 反证法思想。 四． 控制图的种类 1． 按产品质量的特性分（1）计量值（S X R X R X R X S ----,,~ ,） （2）计数值（p ，pn ，u ，c 图）。 2． 按控制图的用途分：（1）分析用控制图；（2）控制用控制 图。 五． 控制图的判断规则 1． 分析用控制图： 规则1 判稳准则-----绝大多数点子在控制界限线（3种情况）； 规则2 判异准则-----排列无下述现象（8种情况）。 2． 控制用控制图：

规则1 每一个点子均落在控制界限。 规则2 控制界限点子的排列无异常现象。 [案例1] p控制图 某半导体器件厂2月份某种产品的数据如下表(2)(3)栏所表示,根据以往记录知,稳态下的平均不合格品率0389 p,作控制图对其进行控 .0 制. 数据与p图计算表