Spc统计1.docx
- 文档编号:24719279
- 上传时间:2023-05-31
- 格式:DOCX
- 页数:27
- 大小:117.06KB
Spc统计1.docx
《Spc统计1.docx》由会员分享,可在线阅读,更多相关《Spc统计1.docx(27页珍藏版)》请在冰豆网上搜索。
Spc统计1
Spc统计-统计过程控制(SPC)
作者:
佚名文章来源:
ISOYES收集点击数:
13172更新时间:
2006-9-1720:
15:
53
在生产过程中,产品的加工尺寸的波动是不可避免的。
它是由人、机器、材料、方法和环境等基本因素的波动影响所致。
波动分为两种:
正常波动和异常波动。
正常波动是偶然性原因(不可避免因素)造成的。
它对产品质量影响较小,在技术上难以消除,在经济上也不值得消除。
异常波动是由系统原因(异常因素)造成的。
它对产品质量影响很大,但能够采取措施避免和消除。
过程控制的目的就是消除、避免异常波动,使过程处于正常波动状态。
统计过程控制((StatisticalProcessControl,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。
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要求。
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的休哈特原理的传统的控制图,但控制图不仅限于此。
近年来又逐渐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;对多重质量特性控制的T2控制图等。
这些大大拓宽了SPC的应用领域,也增强了SPC工具的有效性。
SPC源于本世纪二十年代,以美国休哈特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,二战中美国将其制定为战时质量管理标准,当时对保证军工产品的质量和及时交付起到了积极作用;自五十年代以来SPC在日本工业界的大量推广应用对日本产品质量的崛起到了至关重要的作用;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以及QS9000中也提出了在生产控制中应用SPC方法的要求。
SPC非常适用于重复性生产过程。
它能够帮助我们对过程做出可靠的评估;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。
SPC作为质量改进的重要工具,不仅适用于工业过程,也适用于服务等一切过程性的领域。
在过程质量改进的初期,SPC可帮助确定改进的机会,在改进阶段完成后,可用SPC来评价改进的效果并对改进成果进行维持,然后在新的水平上进一步开展改进工作,以达到更强大、更稳定的工作能力。
Spc统计-成功实施SPC的因素
作者:
佚名文章来源:
ISOYES收集点击数:
4011更新时间:
2006-9-1720:
15:
53
因素1:
实施计划
“凡事预则立,不预则废”。
计划对于任何事情都有着不可忽视的作用。
对于SPC项目,一个有效的计划极其重要。
有效的计划包括这些方面。
首先,它应该是全面周密的。
也就是说,在SPC项目实施之前,应该充分估计所要用到的资源,包括项目分几个阶段,各阶段的目标、所参与人员、工作内容、工作时间、硬件资源、软件系统、资金等。
确定了这些方面内容的计划才是一个具体、明确、切实可行的SPC项目实施计划。
其次,它应该有一定的灵活性。
计划制定时应该尽量充分估计到实施过程中的偏离,并且给出偏离后的处理方法以及补充的资源。
因素2:
培训
培训是保证SPC能够被正确理解和运用的关键。
对于SPC项目中的培训工作,应该制定合理的培训方案,该方案明确了培训内容、接受培训人员、培训时间、日期、培训师、培训目标等项。
应该针对管理和操作的需要,针对具体的职位或人员,选择合理的培训内容及目标,如表1是笔者制定的培训枹案,此方案是对质量工程师的培训,由于其职位的要求比较高,所以必须掌握比较深入的统计学知识,但是对于操作员工,其培训内容就没必要这么深入,只需要了解数据的输入方法(如小键盘的操作)及异常的判断以及如何处理异常。
因素3:
技术支持
技术支持工作包括两方面,一是SPC信息系统供应商的系统支持,二是企业内电脑、网络管理或信息部门的支持。
SPC信息系统供应商应该保证整个SPC系统功能达到企业的实施要求;能够提供系统的操作规范;能够提供SPC理论知识及SPC软件系统运行的正确咨询工作。
企业内部的技术支持工作主要是提供网络的维护、系统平台的提供,并且保证它的安全有效性。
因素4:
激励
任何项目的执行都离不开人的作用。
根据马斯洛的需求层次理论,任何人都有受人尊敬以及自我实现的需求,从工作中如果得不到这样的满足,必将影响工作热情,其效果就是影响了项目的执行及效果。
在SPC的项目实施中,为了激励员工正确学习并积极完成项目的各项工作,必须有效的激励方法。
有效的激励方法可以是:
1)召开项目启动会议。
此会议必须让项目参与人员明确自己的重要性与不可取代性,同时要阐述每个人的工作在他或她的职业生涯中的重要性,比如掌握了SPC知识就会多一项专门技能,也就增加了一种职业选择的机会。
2)定期或不定期沟通。
让参与项目的员工清楚自己及别人的工作完成及效果情况,并且,SPC项目经理应该充分表扬在项目执行中已经保证质量并且高效率完成工作任务的员工,同时也把正确的引导、建议、期望及鼓励给予那些为完成以及效果不好的员工,这一点非常重要。
3)给予奖金。
适当的给予奖金奖励可以充分有效的调动员工的工作热情。
因素5:
编码系统
SPC系统也是一个信息系统,与其他信息系统一样,它需要对企业中庞大的产品或生产过程的统一编码。
编码的合理与否在最终的运用上有很大的不同。
SPC项目的事实施中会遇到产品的编码、过程的编码、质量特性的编码、缺陷编码、常用改善措施编码、常用异常原因编码等等。
按照企业原有编号作为系统中的编码,如产品编号,可能编码就比较长,但实际意义却能充分体现;如果以新的规则重新编码,那么,系统在使用时将比较简洁,但是却牺牲了其含义的明确性。
实际工作中,一定要权衡两方面的效果,作出统一的编码系统。
“千里之行,始于足下”,这项工作是SPC信息系统实施的第一步具体工作。
因素6:
系统维护
SPC系统初步运行以后,必须对系统进行持续的维护,否则将功亏一篑。
SPC系统的维护工作包括方面:
1、网络及服务器维护。
企业内的网络管理员必须维护网络正常开通;数据库服务器、自动采集服务器、自动检测服务器都正常工作,这样,基于网络的SPC系统才能正常启动和运行。
2、数据及时输入。
除了自动采集的数据外,手工采集的数据必须及时输入才能体现SPC的时效性。
3、及时处理异常情况。
遇到过程异常,应该立即处理,真正起到防患于未然的作用,并且,及时处理还可以在系统内共享经验,每个系统内的工作人员都能从中获益。
Spc统计-关于spc的专业名词
作者:
佚名文章来源:
ISOYES收集点击数:
7772更新时间:
2006-9-1720:
15:
53
准确度Accuracy
成品改善ActiononOutput
制程中对策ActionontheProcess
人员变异AppraiserVariation
计数值AttributeData
平均数Average
中位数平均AverageofMedian
全距平均AverageofRange
标准差平均AverageofStandardDeviation
平均数-全距管制图Average-RangeControlChart
二项分配BinomialDistribution
平均数-标准差制图Average-StandardDeviationControlChart
中心线CenterLine;CL
中央极限定理CentralLimitTheorem
管制界限ControlLimITS
持续改善ContinualImprovement
管制图ControlChart
分散Dispersion
管制计划ControlPlan
计件CountbyPieces
计点CountbyPoints
关键制程特性CriticalProcessCharacteristics
共同原因CommonCause
每百万缺点数管制图DefectPartsPerMillionControlChart
分配Distribution
关键产品特性CriticalProductParameter
仪器变异EquipmentVariation
连续随机变数ContinuousRandomVariable
估计平均数EstimatedAverage
离散随机变数DiscreteRandomVariable
单位缺点数DefectsPerUnit
单位缺点数管制图DefectsPerUnitControChart
指数分配ExponentialDistribution
估计不良率EstimatedProcessPercentDefectives
次数分配FrequencyDistribution
估计标准差EstimatedStandardDeviation
漏斗实验FunnelExperiment
个别值-移动全距管制图Individual-MovingRangeControlChart
仪器设备Gauge
每百万缺点数DefectsPartPerMillion;dppm
仪器设备能力研究GRRStudy
绩效报告InformationaboutPerformance
直方图Histogram
固有制程变异InherentProcessVariation
个别值Individual
短期制程能力研究ShortTermProcessCapabilityStudy
中心位置Location
管制下限LowerControlLimit;LCL
管制上限UpperControlLimit;UCL
中位数Median
规格下限LowerSpecificationLimit;LSL
混批MixedLot
量测系统误差MeasurementSystemError
标称植Nominal
中位数-全距管制图Median-RangeControlChart
常态分配NormalDistribution
不良数管制图NumberofDefectivesControlChart
缺点数NumberofDefects
缺点数管制图NumberofDefectsControlChart
不良数NumberofDefectives
每百万不良数PartsPerMillion;ppm
不在管制状态下OutofControl
制程能力图ProcessCapabilityChart
过度调整Overadjustment
制程绩效指数ProcessPerformanceIndex
柏拉图ParetoDiagram
不良率管制图PercentDefectivesControlChart
不良率PercentDefectives
制造流程图ProcessCapabilityChart
卜氏分析PoissionDistribution
长期制程能力研究LongTermProcessCapabilityStudy
群体Population
简单随机抽样SimpleRandoMSAmpling
精密度Precision
分段随机抽样StageRandoMSɁmpling
制程系统Process
统计制程管制StstisticalProcessControl;SPC
制程能力ProcessCapability
制程能力图RunChart
样本Sample全距Range
抽样Sampling
抽样分配SamplingDistribution
合理的分组RationalSubgrouping
偏态Skewness
再生性Reproducibility
再现性Repeatability
特殊原因SpecialCause
稳定性Stabiity
规格界限SpecificationLimITS
标准差StandardDevivation
分层分析Stratification
分层批StratifiedLot
分层随机抽样StratifiedRandoMSAmpling
组平均数SubgroupAverage
组标准差SubgroupStandardDeviation
组全距SubgroupRange
规格上限UpperSpecificationLimit;USL
系统抽样SystematiCSAmpling
组间变异VariationbetweenGroups
总平均数TotalAverage
组内变异VariationwithinGroup
干预Tempering
计量值VariableData
良率Yield
总制程变异TotalProcessVariation
组中位数SubgroupMedian
中心值Target
总变异TotaVariation
均匀分配UniformDistribution
管制状态下UnderControl
推移图TrendChart
变异Variation
良率管制图YieldControlChart
Spc统计-SPC统计技术运用在各行业运用中存在的弊端
作者:
佚名文章来源:
ISOYES收集点击数:
2472更新时间:
2006-9-1720:
15:
49
SPC自1924年由美国贝尔电话实验室休哈特首创以来,成为质量管理。
从”因袭管理”(即传统经验管理)发展到”过程管理”(即过程统计质量控制)的重要标志。
SPC重要的手段是控制图(休哈特控制图),其主要作用:
发现异常变异,及时报警,以采取纠正措施,恢复过程稳定。
-------主要摘自李为柱编著的《2000版ISO9000族标准统计技术应用教程》
随着QS9000到TS16949质量管理体系在中国汽车制造行业及其供应链厂商导入与实施以来,SPC成为过程控制的重要手段。
这科学有效的方法也很快被其它行业迅速直接或间接引用,SPC热在制造业中迅速盛行起来,其中离不开外部各类型培训/咨询/认证机构的广泛宣传和推广。
但是很多企业通过SPC实际运用,却出现意想不到的通病:
原本以前相安无事的部门,居然异常众多,由于解决不力,形成一发不可收拾的局面,或现有投入或现行环境还达不到解决问题的程度,越来越多的企业感觉或发现到:
花了不少培训费用,投入了相当人力和物力,并没有给企业带来预期收益;或实行下去也渐渐成为一种对外吹嘘的光环,而并没有真正服务生产实际;或因相当的测量数据采集,反而成为工作负担,使为数不少的质量负责人只是应付老板或对应客户所需,并没有为其质量管理工作带来多大意义,还不如简单的QC七大手法来的即时有效。
部分企业内部的SPC实施久而久之也就不了了之。
其实SPC本没错,是科学的。
SPC没有得到有效运用,在本人所接触的行业和同行质量担当中也为数不少。
究其原因,有以下分析。
1、SPC仅是一种更好的方法论,本身并不会带来实际收益。
而很多人却存在认识误区:
SPC运用=质量提升。
其实两者没有必然联系。
在实践过程中,SPC统计结果出来,最终还是靠人的思维去分析产生的原因,靠人的经验和技艺找到解决问题的对策,靠一个有致解决问题的团队去实施,并能够在对策失败中再检讨再对策,还靠有一个不解决问题不罢休的恒心,四者缺一不可。
否则一纸空文,最终落得个被上司或老板责骂不已。
特别是在三资企业,不少人感叹:
多一事不如少一事。
2、SPC过程能力统计,是基于过程受控状态前提下进行的。
只有在这样的条件下,所得的结论才具有意义。
而实际运用中,很多企业甚至完全不加确认,只要采集数据一输入,结果一输出。
用这样的结论来判定过程是不可靠的。
3、SPC过程统计通过运用Xbar-R控制图,P或np管理图,单位缺陷数控制图等描点方式,更直观地敏感地分辩过程是否存在异常点。
但这种异常,仅是一种统计上的异常警报,可能是虚假的,也可能是实际的。
而很多质量管理者,却盲目的都认为是生产状况存在异常,或产品质量发生状况,没有实际调查,去伪存真,而只会在办公室发号施令,决策错误屡见不鲜,甚至实施过程造成下属或关联部门抵触情绪,有些迫于压力,消极执行指令,以下瞒上等等,反而生产诸多管理新问题。
企业内部经常出现”纸上谈兵”嗤之以鼻的暗自嘲弄,也就不足为怪了。
4、SPC过程控制基准,是源自汽车行业本身质量要求而来的。
可以这么说因其行业质量控制成本相对较高,SPC运用实为一种经济的方法。
但SPC的运用也是需要投入一定的成本,对其它传统行业,或低值产品行业,或行业本身工艺水平就不太高,甚至客户原本就要求较低的企业来讲,SPC运用好比”杀鸡用牛刀”,可能结果是:
质量有改善,但质量成本也高了;也可能质量没改善,不但白花了一笔钱,还导致新的管理问题出现。
过程控制在基于3σ,能力要提高到1。
00以上的要求,其能力实实在在提升也并不是件易事,常见到现场抱怨:
”工程检查PASS,出荷检查PASS,甚至出货到客户也没有不良投诉,还要改进什么?
”,有些企业头脑一热,或纯粹做市场宣传,打肿脸来充胖子的情况,就不多说了。
这里想说的是,选择一个管理决定前,应好好的给自己号号脉:
是否适合企业本身发展的阶段,人员素质是否跟得上,自己能否长抓不懈,提升竟争力的代价是否划算,现行方法可以满足要求吗,其它方法是否也可行,等等,多扪心自问下,别把传统好的东西盲目丢下,一味地去赶风。
5、在很多培训机构/咨询/认证机构所介绍有关SPC过程判稳/判异方法,及非正态分布识别方法。
如:
1)判稳原则:
n=25,界外点d=0,或n=35,界外点d≤1,或n=100,界外点d≤2;2)判异原则:
常用的有8大原则,如:
a点出界;b连续3点,有2点在A区,至于第3点在何处不管;c连续5点,有4点在B区,至于第5点在何处不管;d连续6点呈上升或下降趋势;e连续8点在中心两侧,但无1点在C区;f连续9点在C区,或在其外排成一串,g连续14点上下交替;h连续15点在C区上下;3)非正态分布识别方法,如:
均匀分布;左右倾向分布;指数分布;双峰分布;孤岛型分布等,以上相形细微波动的敏感分辩法则对于质量精益管理,或理论型研究,或实验验证方面,在有充裕时间可静心分析解决问题的情况下是适合的,实际上对于不断变化的生产现场,及有相当压力和工作负担的质量负责人来讲,包括在讲求效益的企业内部环境,很多情况是通过以上法则发现的异常还没来得及分析解决,新的问题和异常早已产生,久而久之异常现象不断累加,给人的感觉形同大敌当前,但当一个月度总结下来的时候,却并没有出现不良品增多,甚至各工程检查也没有出现批次不良增多迹象。
”难道SPC在损人吗”,从管理角度来看,特别是在质量目标实施总量控制的企业内部管理来讲,在一定程上来说SPC分辩的异常的确是小题大做,很重要的原因:
它是在UCLx/LCLx控制界线内管理的,而非在USLx/LSLx规格要求(或客户要求)控制界线内管理,甚至当产品设计本身存在客观问题而当前无法克服时,客户有时还默许出现异常,而且从老板成本控制角度上讲,也是不经济的。
故,以上外部机构所讲述的分辩法则于企业管理实际是存在一些不适宜的地方。
这也是很多外部机构不能回答或解决实际问题所在的重要原因。
6、SPC过程统计控制本身也存在这样的问题,即:
1)必须在过程稳定的基础上,才能把当前过程的控制线延长,作为后续判定基准。
但生产过程实际是不断变化的,因此要找到或改进到一个稳定过程作为基础,对讲求时效的今天,这里花费的时间和精力未免太长,有的行业某些过程根本就不可能存在稳定的状态。
而且当前所制定的控制线是否适应后续变化的情况也是很难说的,比如:
客户要求加严,工艺水平提升,过程得到改进,或测量技术提升等等,先前的控制线还能成为现行变化的情况吗?
前后控制过程如何把断层的控制图建立相互联系的对比分析的连续监控过程,这是当前SPC技术没能解的问题;2)SPC在运用中,目前众多同行中只是运用在一段时期的总体能力判定,并没能做到实时正确监控和指导改善,一般只用在量产前许可承认上,而量产过程监控还是很大一块空白,这与前者相关联。
因此,这种以静制动的控制方法或理论,个人觉得目前的SPC理论还是需要继续研究和发展的,可能本人没有接触到更前沿的SPC理论,所以如此认为。
质量管理不应”打太极拳”,而应有点类似像股市波动一样,在变化中控制。
这仅代表个人观点,没有任何针对性。
在本人SPC过程质量控制实际工作中,所设计的是一种随过程σ波动而波动的曲线控制线,而不是直线型的UCL/LCL/CL,以适应过程变化时的控制变化,且与企业质量管理目标相结合,或公司政策调整而调整的过程能力统计方式,可更灵活实际的适应质量管理需要,基本上可以适应不同行业特点要求,避免了照搬照抄汽车行业运用中的SPC统计方法所带来的不适应性,本人在从事SQE工作中对所辅导的各行业协力厂商中推广运用,在推广运用中得到普遍认同和实践运用,但只代表本人思想,没有学术参考,也是这样告诉我们的协力厂商的
Spc统计-SPC应用常见问题列表
作者:
佚名文章来源:
ISOYES收集点击数:
4214更新时间:
2006-9-1720:
15:
49
1、SPC是什么?
为了贯彻过程控制中的预防为主的原则,本世纪20年代美国W.A.休哈特博士(Dr.W.A.Shewhart)首创过程控制(Processcontrol)理论以及监控过程的工具之一控制图(ControlChart),SPC(StatisticalProceessControl)就是在此基础之上发展起来的一套用于侦测过程中的变异的系统;
SPC就是应用统计方法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。
它强调通过过程的预防来减少或避免出废品、次品,就像医生给人们注射防疫针使其不得病一样。
它着眼于全系统、全过程,要求全员参加,人人有责;它要求用科学方法(主要是统计技术,尤其是控制图理论)来保证全过程的预防,不仅用于生产过程,而且可用于服务过程和一切管理过程。
2、SPC能给企业带来什么好处?
通过预防的策略来降低企业的成本,事后检查的质量管理模式造成极大的浪费;
使质量管理有据可依,有的放矢,用数据来分析问题和解决问题;
使企业的质量改善活动成果有蘅
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- Spc 统计