質(zhì)量過程控制及改善培訓(xùn)ppt課件

1、單 位：力諾太陽(yáng)能集團(tuán)姓 名：李哲質(zhì)量過程控制及改善培訓(xùn)課件.培訓(xùn)目的本課程旨在協(xié)助同事們掌握minitab統(tǒng)計(jì)分析軟件，研討和檢測(cè)質(zhì)量問題并改良消費(fèi)過程 。掌握幾種圖形工具，檢測(cè)出質(zhì)量問題運(yùn)用控制圖跟蹤質(zhì)量過程并檢測(cè)能否存在特殊緣由 繪制才干直方圖和才干圖評(píng)價(jià)過程才干 利用抽檢特征曲線確定整個(gè)批次接納還是拒收.學(xué)習(xí)方法技巧 A要有幾本好的工具書B要學(xué)會(huì)在網(wǎng)上尋覓資源C從模擬開場(chǎng)，漸漸了解 D培訓(xùn)終了后經(jīng)常練習(xí)、運(yùn)用 、.質(zhì)量檢測(cè)圖形工具11-1. 運(yùn)轉(zhuǎn)圖1-2. 帕累托圖1-3. 因果圖.運(yùn)轉(zhuǎn)圖概念： 一切過程中都會(huì)發(fā)生變異。常規(guī)緣由變異是過程中正常的一部分。另一種類型的變異稱為特殊緣由來自

2、系統(tǒng)外部，并導(dǎo)致數(shù)據(jù)中可識(shí)別的方式、偏移或趨勢(shì)。運(yùn)轉(zhuǎn)圖顯示特殊緣由能否正在影響您的過程。當(dāng)只需常規(guī)緣由影響過程輸出時(shí)，過程受控制。運(yùn)轉(zhuǎn)圖執(zhí)行兩種隨機(jī)性檢驗(yàn)，提供有關(guān)因趨勢(shì)、振動(dòng)、混合和聚類引起的非隨機(jī)變異的信息。 .解釋結(jié)果在 0.05 程度下聚類檢驗(yàn)很顯著 。由于聚類檢驗(yàn)的概率 (p = 0.022) 小于 a 值 0.05，因此可以斷定特殊緣由正在影響您的過程，且您應(yīng)該調(diào)查能夠的來源。聚類可以指出抽樣問題或丈量問題。.帕累托圖概念： Pareto 圖 是一種條形圖，協(xié)助您確定哪些問題最重要，以使您可以集中改良可獲得最大收獲的領(lǐng)域。其中程度軸表示所關(guān)注的類別，而非延續(xù)尺度。類別通常是缺陷 。

3、經(jīng)過從大到小陳列條形 ，Pareto 圖可協(xié)助您確定哪些缺陷組成“少數(shù)重要，哪些缺陷為“多數(shù)瑣碎。累積百分比 線條協(xié)助您判別每種類別所參與的奉獻(xiàn)。Pareto 圖可協(xié)助著重改良能獲得最大收益的方面。 .解釋結(jié)果由于超越一半的測(cè)速計(jì)因此缺陷遭到拒收，因此請(qǐng)著重改良缺失螺絲釘?shù)臄?shù)量。 .因果圖概念： 因果 或魚骨圖描畫問題的潛在緣由。右側(cè)顯示問題效應(yīng)，左側(cè)以樹狀構(gòu)造顯示緣由的列表。樹的分支經(jīng)常與緣由的主類別相關(guān)聯(lián)。每個(gè)分支都列出該類別中的更多詳細(xì)緣由。您還可以向任何分支中添加子分支。魚骨圖是一種方便地組織問題緣由的相關(guān)信息的工具。 雖然沒有構(gòu)造魚骨圖的“正確方法，但某些特定的類型本身就很適宜于許多

4、不同的情況。這些類型之一是“5M圖，這樣稱謂是由于分支上的五個(gè)類別都以字母 M 開頭“人員也稱“Man。. 跟蹤質(zhì)量過程并檢測(cè)能否存在特殊緣由 21-1. 控制圖概念1-2. 缺陷計(jì)數(shù)型控制圖1-3. 成型過程丈量型控制圖1-4. 利用控制圖判別消費(fèi)過程失控.控制圖概念：可以運(yùn)用控制圖跟蹤一段時(shí)間內(nèi)的過程統(tǒng)計(jì)量并檢測(cè)能否存在特殊緣由。 控制圖的構(gòu)造質(zhì)量特征 樣本編號(hào)或時(shí)間 控制上 中心 控制下限特殊緣由所導(dǎo)致的變異可以檢測(cè)并受控制。例如包括設(shè)備、班次或天數(shù)的差別。而另一方面，常規(guī)緣由變異是過程中所固有的。當(dāng)只需常規(guī)緣由而非特殊緣由影響過程輸出時(shí)，過程即受控制。 當(dāng)點(diǎn)落于控制限制的界限之內(nèi)，且這

5、些點(diǎn)未顯示出任何非隨機(jī)方式時(shí)，過程即受控制。.1-2. 缺陷計(jì)數(shù)型控制圖缺陷控制圖 概念： 構(gòu)造上類似于變量控制圖，只不過它們是根據(jù)計(jì)數(shù)數(shù)據(jù)而不是丈量數(shù)據(jù)繪制統(tǒng)計(jì)圖。例如，可將產(chǎn)品與規(guī)范進(jìn)展比較，并將其歸類為有缺陷產(chǎn)品 或無缺陷產(chǎn)品。也可以根據(jù)產(chǎn)品的缺陷數(shù)為產(chǎn)品歸類。 與運(yùn)用變量控制圖一樣，繪制過程統(tǒng)計(jì)量如缺陷數(shù)也是相對(duì)于樣本數(shù)量或時(shí)間的。缺陷品控制圖您可以將產(chǎn)品與規(guī)范進(jìn)展比較，并將其歸類為有缺陷產(chǎn)品或無缺陷產(chǎn)品。例如，線長(zhǎng)能否滿足強(qiáng)度要求。缺陷品控制圖有：P 控制圖 ，該控制圖繪制每個(gè)子組中缺陷品的比率。 NP 控制圖 ，該控制圖繪制每個(gè)子組中缺陷品的數(shù)量。缺陷控制圖假設(shè)產(chǎn)品非常復(fù)雜，那么某

6、一缺陷并不一定會(huì)導(dǎo)致缺陷產(chǎn)品。根據(jù)產(chǎn)品的缺陷數(shù)將產(chǎn)品歸類有時(shí)會(huì)更加方便。例如，您可以統(tǒng)計(jì)產(chǎn)品外表的刮痕數(shù)。缺陷控制圖有：C 控制圖 ，該控制圖繪制每個(gè)子組中的缺陷數(shù) 。當(dāng)子組大小固定時(shí)，請(qǐng)運(yùn)用 C 控制圖。 U 控制圖 ，該控制圖繪制在每個(gè)子組中抽取的每單位樣本的缺陷數(shù)。當(dāng)子組大小不固定時(shí)，請(qǐng)運(yùn)用 U 控制圖。例如，假設(shè)您要統(tǒng)計(jì)電視屏幕內(nèi)外表的瑕疵數(shù)，C 控制圖將繪制實(shí)踐瑕疵數(shù)，而 U 控制圖將繪制所抽取樣本中每平方英寸的瑕疵數(shù)。.1-2. 缺陷計(jì)數(shù)型控制圖.1-2. 缺陷計(jì)數(shù)型控制圖.變量控制圖 概念：多值變量控制圖 數(shù)據(jù)標(biāo)繪來自延續(xù)丈量數(shù)據(jù) 如長(zhǎng)度或外徑的統(tǒng)計(jì)量。單值的變量控制圖、時(shí)間加權(quán)

7、控制圖 和多變量控制圖 也標(biāo)繪丈量數(shù)據(jù)。缺陷控制圖標(biāo)繪計(jì)數(shù)數(shù)據(jù)，如缺陷或缺陷單元 的數(shù)量。 選擇多值的變量控制圖有五種變量控制圖： X 和 R - X 控制圖和 R 控制圖顯示在一個(gè)窗口中 X 和 S - X 控制圖和 S 控制圖顯示在一個(gè)窗口中 I-MR-R/S組間/組內(nèi) - 同時(shí)運(yùn)用子組間和子組內(nèi)變異的三向控制圖。I-MR-R/S 控制圖由 I 控制圖、MR 控制圖以及 R 或 S 控制圖組成。 X - 子組平均值的控制圖 R - 子組極差的控制圖 S - 子組規(guī)范差的控制圖 I-MR-R/S組間/組內(nèi)控制圖要求在至少一個(gè)子組中有兩個(gè)或更多觀測(cè)值。子組大小不用一樣。1-3. 變量丈量數(shù)據(jù)控

8、制圖.1-3. 變量丈量數(shù)據(jù)控制圖.1-3. 變量丈量數(shù)據(jù)控制圖經(jīng)過繪制歷史圖，可以顯示過程中的各個(gè)階段 ，歷史圖是對(duì)數(shù)據(jù)中的不同組獨(dú)立估計(jì)控制限制和中心線的控制圖。在比較過程改良前后的數(shù)據(jù)時(shí)歷史圖尤其有用。 . 控制圖是統(tǒng)計(jì)過程控制SPC實(shí)際與實(shí)際的中心工具。我們用控制圖來監(jiān)控過程、判別過程的受控形狀，一旦控制圖出現(xiàn)異常的信息，就可以以為過程發(fā)生了異常，從而對(duì)消費(fèi)過程進(jìn)展檢討，尋覓緣由，制定改善措施，對(duì)過程進(jìn)展修正，直到過程重新到達(dá)質(zhì)量要求。 利用控制圖識(shí)別消費(fèi)過程形狀-受控形狀或失控形狀，是根據(jù)圖上樣本點(diǎn)的位置以及變化趨勢(shì)進(jìn)展分析和判別的。判別的根據(jù)主要有兩點(diǎn)：1假設(shè)控制圖上點(diǎn)所反映的過程

9、的均值和/或方差發(fā)生不允許的變化 。1-4. 利用控制圖判別消費(fèi)過程失控.過程才干分析31-1. 過程才干概念1-2. 延續(xù)數(shù)據(jù)才干分析1-3. 缺陷數(shù)據(jù)才干分析1-4. 過程才干指數(shù)的解釋方法1-5. 樣本數(shù)據(jù)分布的識(shí)別與選擇1-6. 力諾太陽(yáng)CPK數(shù)據(jù)采集方法草案.1-1. 過程才干概念 過程一旦處于統(tǒng)計(jì)控制 形狀下即穩(wěn)定消費(fèi)后，就能夠要確定其能否有才干即符合規(guī)格限制并消費(fèi)出“良好的部件。您經(jīng)過將過程變異的寬度與規(guī)格限制的寬度相比較來確定才干。過程需求處于受控形狀，然后才干評(píng)價(jià)其才干；否那么，會(huì)錯(cuò)誤地估計(jì)過程才干。只需過程受控 ，才有才干一說。為正確運(yùn)用才干統(tǒng)計(jì)量，應(yīng)經(jīng)過檢查位置的控制圖如

10、 Xbar 控制圖或 I 控制圖或變異的控制圖如 R 控制圖、S 控制圖或 MR 控制圖來證明過程穩(wěn)定 可以經(jīng)過繪制才干直方圖和才干圖以圖形化方式評(píng)價(jià)過程才干。這些圖形有助于評(píng)價(jià)數(shù)據(jù)的分布并證明過程受控。還可以計(jì)算才干指數(shù)，即規(guī)格公差 占自然過程變異的比率。才干指數(shù)即統(tǒng)計(jì)量是評(píng)價(jià)過程才干的簡(jiǎn)一方法。由于將過程信息簡(jiǎn)化為一個(gè)數(shù)字，因此可以運(yùn)用才干統(tǒng)計(jì)量對(duì)一個(gè)過程與另一個(gè)過程的才干進(jìn)展比較。 才干統(tǒng)計(jì)量運(yùn)用起來很簡(jiǎn)單，但是它們也有一些分布屬性尚未完全為人所了解。普通而言，最好不要依賴單個(gè)才干統(tǒng)計(jì)量確定過程的特征。 .1-2. 延續(xù)數(shù)據(jù)才干分析-CPK分析解釋結(jié)果假設(shè)要解釋過程才干統(tǒng)計(jì)量，那么數(shù)據(jù)應(yīng)

11、近似服從正態(tài)分布。這一要求似乎已得到滿足，正如上方重疊有正態(tài)曲線的直方圖所示。但是，可以看到過程平均值 (0.54646) 略小于目的 (0.55)。并且分布的兩個(gè)尾部都落在規(guī)格限之外。這意味著，有時(shí)會(huì)發(fā)現(xiàn)某些電纜直徑小于 0.50 厘米的規(guī)格下限或大于 0.60 厘米的規(guī)格上限。Ppk 指數(shù)闡明過程消費(fèi)的單位能否在公差 限內(nèi)。此處，Ppk 指數(shù)為 0.80，闡明制造商必需經(jīng)過減少變異并使過程以目的為中心來改良過程。顯然，與過程不以目的為中心相比，過程中的較大變異對(duì)此消費(fèi)線而言是嚴(yán)重得多的問題。同樣，PPM 合計(jì)預(yù)期整體性能是其受關(guān)注的特征在公差限之外的百萬分?jǐn)?shù) 部件數(shù) (10969.28)。

12、這意味著每一百萬條線纜中大約有 10969 條不符合規(guī)格。制造商未滿足客戶的要求，應(yīng)經(jīng)過降低過程變異來改良其過程。.1-2. 延續(xù)數(shù)據(jù)才干分析-綜合才干分析解釋結(jié)果 在控制圖和 R 控制圖上，點(diǎn)都是隨機(jī)分布在控制極限之間的，闡明這是穩(wěn)定過程 。但是，還應(yīng)比較 R 控制圖與 控制圖上的點(diǎn)，以查看它們能否彼此類似。本例中的這些點(diǎn)并非這樣，再次闡明這是穩(wěn)定過程。最后 20 個(gè)子組的控制圖上的點(diǎn)隨機(jī)地程度散開，沒有趨勢(shì)或偏移，這也闡明過程是穩(wěn)定的。 假設(shè)要解釋過程才干統(tǒng)計(jì)量，那么您的數(shù)據(jù)應(yīng)近似服從正態(tài)分布。在才干直方圖上，數(shù)據(jù)近似服從正態(tài)曲線。在正態(tài)概率圖上，點(diǎn)近似呈一條直線，并落于 95% 置信區(qū)間

13、內(nèi)。這些方式闡明數(shù)據(jù)是正態(tài)分布的。但是，從才干圖 可以看出，整體過程變異的區(qū)間整體比規(guī)格限的區(qū)間規(guī)格寬。這意味著有時(shí)線纜的直徑會(huì)超出公差 限 0.50, 0.60。此外，Ppk 的值 (0.80) 落于要求的目的 1.33 之下，闡明制造商需求改良過程。.解釋結(jié)果 P 控制圖闡明有 1 個(gè)點(diǎn)不受控。累積缺陷百分比控制圖 顯示整體缺陷品率的估計(jì)值似乎停留在 22% 左右，但需求搜集更多數(shù)據(jù)對(duì)此加以驗(yàn)證。缺陷品率似乎不受樣本大小的影響。過程 Z 大約為 0.75，非常差。此過程能夠需求進(jìn)展大量改良。1-3. 缺陷數(shù)據(jù)才干分析-缺陷品.解釋結(jié)果 U 控制圖 闡明有 3 個(gè)點(diǎn)不受控制。累積 DPU 控

14、制圖 每單位的缺陷數(shù) 停留在值 0.0265 附近，闡明搜集的樣本足以很好地估計(jì) DPU 平均值。DPU 的比率似乎不受電線長(zhǎng)度的影響。1-3. 缺陷數(shù)據(jù)才干分析-缺陷品. Cp、Cpk、Pp 和 Ppk 統(tǒng)計(jì)量是潛在和整體才干的度量。由于將過程信息簡(jiǎn)化為一個(gè)數(shù)字，因此可以運(yùn)用才干統(tǒng)計(jì)量對(duì)一個(gè)過程與另一個(gè)過程比較其才干。在實(shí)際中，許多人將 1.33 視為過程才干統(tǒng)計(jì)量的最小可接受值。小于 1 的值闡明過程變異比規(guī)格展開要寬。要了解和解釋才干統(tǒng)計(jì)，請(qǐng)運(yùn)用以下信息作為指點(diǎn)。 運(yùn)用才干統(tǒng)計(jì)量可以監(jiān)視并報(bào)告一段時(shí)間內(nèi)系統(tǒng)的改良情況。才干統(tǒng)計(jì)量的解釋因?qū)Ψ治鏊\(yùn)用的分布而異。對(duì)于：正態(tài)分布：Cp 和 C

15、pk - Cp 不思索過程平均值相對(duì)于規(guī)格限的位置。Cpk 指數(shù)度量的與過程展開相比，過程運(yùn)轉(zhuǎn)接近其規(guī)格限的程度。僅當(dāng)您滿足目的值 未指定目的值時(shí)為過程平均值且變異最小時(shí)，Cpk 才較高。例如，過程在執(zhí)行中能夠變異最小，但遠(yuǎn)離目的或過程平均值并接近規(guī)格限之一，這樣會(huì)導(dǎo)致 Cpk 較低而 Cp 較高。Pp 和 Ppk - Pp 和 Ppk 的解釋方式分別與 Cp 和 Cpk 一樣。Cpk 與 Ppk - 運(yùn)用整體變異來計(jì)算 Ppk。子組 間變異和子組內(nèi)變異都對(duì)整體變異有所奉獻(xiàn)。計(jì)算 Cpk 時(shí)運(yùn)用子組內(nèi)變異，而不運(yùn)用子組間的偏移和漂移。Ppk 針對(duì)整個(gè)過程。假設(shè) Cpk 與 Ppk 一樣，那么整

16、體規(guī)范差與子組內(nèi)規(guī)范差近似相等。Cpm - 指定了目的值時(shí)， 計(jì)算 Cpm。運(yùn)用 Cpm 評(píng)價(jià)過程能否以目的為中心。 Cpm 指數(shù)越高，過程越好。假設(shè) Cpm、Ppk 與 Pp 一樣，那么過程平均值與目的值一樣。 非正態(tài)分布： 基于非正態(tài)分布的才干指數(shù)可按照與基于正態(tài)分布的指數(shù)一樣的方式來解釋。比較 Pp 和 Ppk 以評(píng)價(jià)過程中位數(shù)能否接近于規(guī)格中點(diǎn)。假設(shè) Pp 大于 Ppk，那么過程中位數(shù)將遠(yuǎn)離規(guī)格中點(diǎn)并接近于規(guī)格限之一。1-4. 過程才干指數(shù)的解釋方法.解釋結(jié)果經(jīng)過擬合優(yōu)度檢驗(yàn)結(jié)果和概率圖來識(shí)別和選擇數(shù)據(jù)分布。擬合優(yōu)度檢驗(yàn) - 該表包括 Anderson-Darling (AD) 統(tǒng)計(jì)量

17、 以及分布的對(duì)應(yīng) p 值。對(duì)于臨界值 a，大于 a 的 p 值闡明數(shù)據(jù)服從該分布。大于 0.25、0.467、0.213 和 0.238 的 p 值闡明 Weibull、3 參數(shù) Weibull、最大極值和 Gamma 分布與數(shù)據(jù)的擬合良好。Box-Coxp 值 = 0.574和 Johnson 變換p 值 = 0.799也較好地?cái)M合了數(shù)據(jù)。概率圖 - 概率圖包括有序數(shù)據(jù)集相應(yīng)概率的百分位數(shù)點(diǎn)。概率圖顯示，對(duì)于 2 參數(shù) Weibull、3 參數(shù) Weibull、最大極值和 Gamma 分布，數(shù)據(jù)點(diǎn)近似成一條直線，并在置信區(qū)間內(nèi)。假設(shè)有多個(gè)分布與數(shù)據(jù)擬合：選擇 p 值最大的分布；假設(shè) p 值非

18、常接近，那么選擇：以前對(duì)類似數(shù)據(jù)集運(yùn)用過的分布?；诓鸥山y(tǒng)計(jì)量的分布。選擇最保守的分布。1-5. 樣本數(shù)據(jù)分布的識(shí)別與選擇.1-6. 力諾太陽(yáng)CPK數(shù)據(jù)采集方法草案.制定產(chǎn)品抽樣驗(yàn)收方案41-1. 抽樣驗(yàn)收概念1-2. 不合格品類抽樣驗(yàn)收方法1-3.產(chǎn)品特征類抽樣驗(yàn)收方法1-4. 批次接納、拒收方法. 抽樣驗(yàn)收是評(píng)價(jià)進(jìn)廠的產(chǎn)品樣本以確定是接受整個(gè)批次以供運(yùn)用還是拒收并退回的過程。例如，假設(shè)一個(gè)雜貨商收到 5000公斤蘋果。他想檢驗(yàn)少量蘋果以確定是接受整批貨進(jìn)展銷售，還是該當(dāng)拒收并退給供應(yīng)商。抽樣驗(yàn)收將協(xié)助他決議要檢驗(yàn)多少蘋果，以及接受貨物時(shí)允許有多少缺陷品。在 100% 檢驗(yàn)的代價(jià)比接受缺陷品

19、所產(chǎn)生的后果高得多時(shí)，抽樣驗(yàn)收 非常有用；但是，抽樣驗(yàn)收無法估計(jì)質(zhì)量程度，也不提供任何直接的過程控制。 抽樣方案的類型屬性 ，它以樣本中的缺陷 數(shù)或缺陷品 數(shù)為根底。例如，毛管的結(jié)石數(shù)。 變量，它以可丈量的質(zhì)量特征為根底。例如，可以檢驗(yàn)毛管的壁厚。 對(duì)于變量方案，需求基于實(shí)踐丈量值來計(jì)算平均值、規(guī)范差和 Z 值。運(yùn)用按變量抽樣驗(yàn)收 - 接受/回絕批次基于特定樣本數(shù)據(jù)執(zhí)行計(jì)算并決議接受批次與否。 此外，對(duì)于變量抽樣方案，每個(gè)抽樣方案只能檢驗(yàn)一個(gè)丈量值。例如，假設(shè)需求檢驗(yàn)壁厚和外徑，那么需求兩個(gè)單獨(dú)的抽樣方案。變量抽樣方案假設(shè)質(zhì)量特征的分布是正態(tài)的。但是，運(yùn)用變量數(shù)據(jù)的主要優(yōu)勢(shì)是變量抽樣方案所需的樣本大小比屬性抽樣方案小得多。1-1. 抽樣驗(yàn)收概念. 創(chuàng)建抽樣方案以確定樣本大小，并基于該樣本中發(fā)現(xiàn)的缺陷品數(shù)或缺陷數(shù)決議是接受還是拒收整個(gè)批次的產(chǎn)品。 實(shí)例：假設(shè)收到 車間5000 支毛管，使您很不稱心的是許多毛管壁厚不達(dá)標(biāo)。您決議實(shí)施一個(gè)抽樣方案，以便可以判別接受或拒收整個(gè)批次。您與車間協(xié)商后共同認(rèn)可的整批產(chǎn)品不合格率比例為 1.5%時(shí)，可接受車間毛管，否那么將退回車間。在建立抽樣方案時(shí)，質(zhì)檢人員和車間議定大約有 95% 的時(shí)間會(huì)接受含 1.5% 缺陷品的批次