质量工具培训_2.pptx

《质量工具培训_2.pptx》由会员分享，可在线阅读，更多相关《质量工具培训_2.pptx（122页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、质量工具培训质量工具培训品质部20170215培训目的 介绍常用的质量工具，包括 目检员工的3A分析方法、QC七工具(调查表法、层别法、柏拉图法、直方图法、相关图法、因果图法、控制图法)，为质量控制和质量改进提供一些支持方法。2质量数据13A分析2调查表法3层别法4柏拉图法5直方图法6相关图法7因果图法8控制图法93质量数据4数据类型 定量数据定量数据(Quantitative)：有数量概念的数据，包括计数型和计量型数据。 计量型 (连续型， Variable， Continuous)： 用仪器测量出的结果，可能的取值在一个区间内； 一个产品的尺寸：165cm， 178cm， 158cm， 一

2、件产品的重量：200g， 210g， 197g， 一台设备的MTTF：1500H， 2000H， 计数型(离散型， Attribute， Discrete)： 数据的结果只可能是整数 ： 一个月内接到的投诉数量：0， 1， 2， 3， 一个产品上的缺陷数量： 0， 1， 2， 3， 满意或不满意的人数；5数据类型 定性数据定性数据(Qualitative)：没有数量概念，一般转换为计数型数据来分析。 名义型名义型: 类别的和独立的； 缺陷：尺寸超差、脏污、偏位、少件等。 产品测试：合格、不合格。 不同的供应商：A供应商、B供应商等。 顺序型：顺序型：分类别的但可以排序的， 满意度：最差、差、一

3、般、好、最好。 产品质量：一等品、二等品、次品。 缺陷等级：严重、一般、轻微。6数据质量 数据目的明确 数据定义规范 数据真实准确 数据收集完整 数据记录完整错误的数据比没有数据更糟糕！抽样方式、抽样时间、检测仪器、工艺条件和检测人员7数据整理 数据指标 数据图表平均值、中位数极差、标准差百分比、.柱形图直方图散点图趋势图柏拉图.8数据指标 平均值平均值(mean)均值是总体中所有值的和除以总体中个体的总数平均值用 Xbar来表示 nxxnii19数据指标 中位数中位数(Me， Median) 将一列数据按照从小到大的顺序排列后，处于中间位置的那个数。Me50%50% 相对数据个数，不是对数据

4、大小10数据指标 极差极差(Range) 一列数据中的最大值与最小值的差；MinMaxR这两个分布都有相同的极差值，但是它们的分布形状完全不同分布1分布2表示数据的最大差异！表示数据的最大差异！11 标准差标准差(Standard Deviation， StDev， Sigma， s)1)(12nxxsnii数据指标表示数据的整体分散程度！表示数据的整体分散程度！12数据指标l 设有两组样本数据分别为： 2 2、4 4、6 6、8 8、1010 4 4、5 5、6 6、7 7、8 8l 把这两组数据分别标在下面的直线轴上0024681045678这两组数据均以6为中心，但前面5个数的离散程度要

5、大于后面5个数的离散程度。第一组数的标准差是3.16，第二组数的标准差1.58。13小结 举例说明数据的类型有哪些； 数据的质量包括哪些内容； 计算平均值、中位数、极差、标准差；143A分析(目检属性一致性分析)15介绍 目的 为目检员检查结果的一致性分析提供指导。 范围 本文件适用于长城开发所有产品目检过程。 参考文件 Reference MINITAB 14 统计软件 QS9000 测量系统分析手册 XXXX 目检(VI)岗位员工目检认证管理程序16术语和定义 VI(Visual Inspection) 目检 3A(Attribute Agreement Analysis) 属性一致性分析

6、 合格品： 本文件中特指不存在规定目检缺陷的产品。 不合格品： 本文件中特指存在规定的目检缺陷的产品。17术语和定义 正确判断能力(E)： 正确判断出产品中是否存在缺陷以及何种缺陷的能力； 一致性： 一个检查员对同一个样本多次判断的结果都相同，包括多次的正确判断或多次的错误判断 错检(虚报警)： 指出合格品中存在缺陷，从而将合格品判断为不合格品。 漏检(漏报警)： 没有将不合格品中的缺陷全部检查出来(包括只检查出部分缺陷的情况)， 如果没有将指定的缺陷检查出来，而检验为其他的缺陷(不真实的缺陷)，也作为漏检。18工作流程：工作流程：确定分析时机 确定分析的时机 新目检员工上岗认证 目检岗位员工

7、定期认可 出现明显漏检和错检19工作流程：工作流程：确定检查的方式 检查的方式分为两种： 1)只需要判断是合格品还是不合格品，不需要指出不合格品上的缺陷。 2)判断是合格品还是不合格品，对不合格品需要指出缺陷的类型。 确定检查方式的一般原则。 1)正常生产过程中，一个不合格品上出现一个以上缺陷的可能性比较高(大于20%)时，使用第二种检查方式，只区分合格品和不合格品 2)正常生产过程中，一个不合格品上出现一个以上缺陷的可能性很低(小于10%)时，使用第一种检查方式，只区分合格品和不合格品；20工作流程：选择样本工作流程：选择样本 选择样本并确认样本的状态 样本之间不可以有明显的标记或差异，如不

8、同的型号、大小、颜色等。 选择的样本以及缺陷应该与员工检查的产品以及岗位一致。 只需要判断是合格品还是不合格品时，选择24个样本，其中1/3(8个)为合格品，2/3(16个)为不合格品。 需要指出不合格品上的缺陷类型时，选择8个合格样本，816个不合格样本(不合格样本上的缺陷总数量为16个。21工作流程：工作流程：选择样本选择样本并确认样本的状态 缺陷的分布。不合格品样本上的缺陷分布尽量不相同，要求常见缺陷与不常见缺陷的比例为80%:20%。 在认可开始前，认可员需要对选择的样本以及缺陷进行确认，合格品、不合格品以及缺陷都必须是确定的。 客户对3A分析、样本数量及分布有特别要求时，按照客户要求

9、处理。 对选择的样本进行随机编号 确定每一个目检员对每一个样本重复判断的次数，建议重复判断的次数为3次，至少2次 ；22工作流程：工作流程：检查和记录数据 检查和记录数据 选择目检员A，按照样本编号和检查方法对每个样本进行第一次检查，记录检查结果； 选择目检员B、C按同样的方法对每个样本进行检查，检查员必须如实记录检查出来的缺陷内容(或缺陷代码)。重复以上的检查过程23次，记录检查的结果。每次检查完进行下一次检查时，必须将检查的结果收上来，并打乱样品顺序，避免检查员知道或记得以前检查的结果。 检查的方法和速度与正常检查(标准化要求)保持一致；检查过程中应该预留出记录以及其他必要的辅助时间。 分

10、析过程中，目检人员的数量没有限制，但是在接下来的数据分析表中，一张数据分析表最多只能对3个目检人员进行分析。23工作流程：工作流程：检查和记录数据 记录检查结果，检查结果一般由检查员自己填写，检查结果的记录方式可以有以下几种。记录样品为合格品或样品上的缺陷。合格品可以用文字/代码表示，样品上的缺陷也可以用文字/代码表示；如 Pass/OK/0 表示合格品，A1/毛丝 表示缺陷等。 记录样品为合格品或不合格品，不记录样品上的缺陷。合格品/不合格品可以用文字/代码表示；如 Pass/OK/0表示合格品，Fail/NG/1 表示不合格品。 24工作流程：工作流程：检查和记录数据 检查过程中应尽量保持

11、样本的状态不变化(合格品一直为合格品，不合格品一直为不 合格品，不合格品上有几个指定的缺陷就一直保持有几个指定的缺陷)。如果样本的状态难以保证，每个样本被检查一次后需要重新确认他的状态；如果状态改变，该样品不用于分析。检查过程中应该避免目检员知道样本的状态以及之前他检查的结果。 25工作流程：数据分析工作流程：数据分析 数据汇总 附件中有三个VI分析模板可供使用，其中模板A为通用模板，模板B、C为不同客户要求的模板。 模板A分析的指标是检验的有效性、一致性、漏检、误检等； 记录填写在模板的数据记录表格中后，分析结果自动更新，检查结果及结论，并填写相关基础信息。 26工作流程：模板工作流程：模板

12、A 模板A的应用 数据表27工作流程：模板工作流程：模板A 模板A的应用 数据表28工作流程：模板工作流程：模板A 模板A的应用 公式 正确判断次数=合格品正确判断次数+不合格品正确判断次数 虚报警次数=将合格品错误地判断为不合格品的次数。 漏报警次数=将不合格品错误地判断为合格品(或没有将不合格品上的缺陷完全检查出来)的次数。 检查员自身的一致性次数=一个目检员多次重复判断结果都一致的样本数量 包括：一致的错误判断和一致的正确判断的次数29工作流程：模板工作流程：模板A 模板A的应用 公式 正确判断能力(E)=正确判断次数/总判断次数 总判断次数=样本数量*检查次数 虚报警率(Pfault)

13、=虚报警次数/可能虚报警的总次数 可能虚报警的总次数=合格品数量合格品数量*检查次数 漏报警率(Pmiss)=漏报警次数/可能漏报警次数 可能漏报警次数=不合格品数量不合格品数量*检查次数 一致性比率=检查员自身的一致性次数/样本总数30工作流程：模板工作流程：模板A 判断标准 应用部门应该根据使用要求确定接收标准，接收标准不能低于以下标准。 31工作流程：工作流程：改善指引 改善指引 如果一个检查员分析的指标属于拒绝，这个检查员不可以继续从事该岗位的检 查工作，应该重新培训，合格后才可以上岗。 如果一个检查员分析的指标属于需要改进，根据岗位的要求确定这个检查员是 否可以继续从事该岗位的检查工

14、作，其检查工作应该得到关注和指引，逐步提高。 一致性不好，漏判/错判比较多，一般是检查员的状态不稳定，或检查能力不够； 一致性比较好，而漏判/错判比较多，一般是检查员对标准把握不准(太严或太松)。32小结小结 解释正确判断能力、一致性、虚报警、漏报警； 3A分析“好”的标准是什么？ 举例说明3A分析的时机； 简述3A分析的过程。33调查表法34什么是调查表和调查表法？ 什么是调查表？ 调查表，也叫检查表或点检表； 为了搜集数据而设计制成的空白表格； 使用时只要在相应的栏内填写上数据(或记号)即可。 什么是调查表法？ 调查表法是利用调查表进行数据搜集、整理和粗略的原因分析的一种质量管理方法。 调

15、查表法使用简单，进行简单的数据整理，即可提供量化的分析或比对。35调查表的类型 点检用调查表(点检表) 检查作业实施、机械设备状况，确认作业过程符合要求，预防不良或事故的发生。 将点检项目按照顺序列出，逐一点检并记录 如：设备点检表、工艺参数点检表、温度湿度点检表、内部审核检查表等。 记录用调查表 用来收集资料，常用于作业缺陷、品质不良等记录; 将数据分类成数个项目，以符号、记号或数字进行记录； 对收集的数据要予以层别。 常见的记录表用调查表 不合格品项目调查表、缺陷位置调查表、质量分析调查表等。36调查表的制作 点检表制作方法 列出每一个需要调查的项目； 非调查不可的项目是什么？如：非执行不

16、可的作业、非检查不可的事项等； 有顺序要求时，应注明序列号，依序列排列； 如可能，尽可能将机器别、机种别、人员、工序别等加以层别，利于分析； 确定结果判别的方法； 确定结果记录的方法；37调查表的制作 记录用调查表的制作 确定调查的项目及所要收集的数据； 确定调查表的格式； 确定记录的方式，具体有以下几种方式： “正”字记号； “+”棒记号； “”图形记录。 决定收集数据的方法：由什么人搜集，期间多久，检查方法等均应事先决定；。 常见的记录表用调查表有：不合格品项目调查表、缺陷位置调查表、质量分析调查表等。38调查表的制作 调查表记录的项目 标题：目的何在？ 对象、项目：为什么？ 人员：由谁做

17、？ 方法：何种做法？ 时间：什么时间、期间间隔多久？ 过程类别、检查地点：在什么地方？什么场所？ 结果整理：合计、平均、统计分析。 传送途径：谁需要了解，要报告给谁？39调查表的制作 调查表的制作要点 检查的事项应清楚陈述，一目了然，使记录者在记录问题的同时，即能明了所登记的内容。 容易记录，越简单越好，以最短的时间将现场的资料记录下来。 设计不会令使用者记录错误的检查表；40小结 举例说明可以使用调查表法的情况有哪些；41层别法42什么是层别法 层别法的定义 层别法，又称为分层法，是一种把搜集来的原始质量数据，按照一定标志加以分类整理的一种方法。 通常把分类整理中划分的组称为层，故分层就是分

18、门别类，就是分组，层别法也叫做分类法或分组法。 分层的目的 将杂乱无章和错综复杂的数据，进行分类整理，使之系统化、条理化，便于查明产品质量波动的实质性原因和变化规律，采取措施和解决问题。43分层的原则及方法 分层的原则 使同一层内的数据波动幅度尽可能小，而层与层之间的差别尽可能大，通常按操作者、机器设备、材料、工艺方法、测量手段、环境条件和时间等对数据进行分层。 分层的方法 操作者：班次、性别、年龄、技术等级、新/老员工等进行分类； 机器设备：设备种类、型号、新旧、夹具和刀具等进行分类； 材料：产地、厂家、批次、成分、型号、规格等进行分类； 工艺方法：流量、温度、压力、速度等进行分类； 测量分

19、层：测量者、测量仪器等进行分类； 环境条件：噪音、色彩、照明、清洁、运输形式等进行分类； 时间：小时、日期、周别、月别等进行分类。 生产线：A、B、C生产线别进行分类；44分层的使用步骤 确定分层的对象 利用检查表收集数据； 根据分层项目整理数据； 根据数据绘成图形进行分层比较；45小结 举例说明可以使用层别法的情况有哪些；46柏拉图47柏拉图 柏拉图介绍 Pareto图来源于80/20定律，即20%的原因造成80%的问题。 Pareto图用来识别主要的问题； Pareto图是一种柱线图： 柱形图用来表示问题出现的频次，从高往低排列； 折线图用来表示问题出现的累计频率；解决最关键的20%的质量

20、问题，将获得80%的利益；纠正20%的原因，就可排除80%的客户投诉；现有的产品或服务的20%创造了80%的利润；48柏拉图 柏拉图应用案例工 时Percent责任方Count1.2Cum %50.988.098.8100.068049614416Percent50.937.110.8Other三星研发计划1400120010008006004002000100806040200Pareto Chart (2012年国内表停工工时)49绘制帕拉图的步骤 决定数据的分类项目，分类的方式有： 按结果分类： 不良项目别； 场所别； 时间别； 工序别； 按原因分类： 材料别(厂商、成分等)； 方式别(

21、作业条件、程序、方法、环境等)； 人别(年龄、熟练程度、经验等)； 设备别(机械、工具等)； 确定收集数据的期间，收集分类项目和相关数据；一般分类先从结果分类上着手，以便洞悉问题的所在，然后再进行原因分类，分析出问题产生的原因，以便采取有效的对策。50绘制帕拉图的步骤 整理数据，根据分类项目制作统计表 统计各个项目出现的数据，并按照项目出现数据的大小从大到小排列； 求各项目数据所占比率及累计比例； 按数据大小排列画出线柱图； 横轴为分类项目名称； 纵轴左侧为不良数、不良率或损失额等不良项目的数量；与柱形图对应； 纵轴右侧为累计影响度(百分率)；与折线图对应； 调整左侧纵轴和右侧纵轴刻度，保持一

22、致； 识别80%的分类项目51注意的事项 帕拉图应用 纵轴 品质不良数、退货数、不良率； 时间维修时间、作业时间、运转时间； 金额销售金额、损失金额、材料费用； 安全灾害件数、故障次数； 其他缺席率、提案件数等； 横轴 现象不良项目、位置、区域等； 时间月、周、季、年等； 设备机器、治具等； 作业者人员、年龄、性别等； 其他厂商、作业方法等52小结 描述柏拉图的制作过程和特点； 举例说明哪些情况可以使用柏拉图；53直方图54统计图形 Histogram(直方图，分布图) 一列数据落在不同区域的频率/频数；55统计图形 Histogram(直方图，分布图) 绘制步骤 收集整理数据，确定数据数量N

23、(一般要求N100)； 确定分组数量 n 经验公式：n=1+3.3lgN 找出最大值和最小值，计算极差 R，然后计算组距 d 确定组的中心点和各组界限 制作频数(或频率)分布表 绘制频数(或频率)分布图N15-2425-4445-8990-179180359n56789nxxnRdminmax56直方图在直方图在minitab中的应用中的应用为一家洗发精制造商工作，需要确保瓶盖的紧固程度适当。如果瓶盖扣得过松，则有可能在装运过程中脱落。如果扣得过紧，消费者可能很难打开(尤其是在洗浴过程中)。随机抽取一些瓶子样本，并检测打开瓶盖所需的扭矩。创建一个包含拟合正态分布 的直方图来评估样本与目标值 1

24、8 的接近程度，以及数据是否呈正态分布。(罩.MTW)57Graph Histogram (直方图直方图)解释结果解释结果：样本的扭矩平均值为 21.26，略高于目标值 18。只有一个瓶盖过松，扭矩小于 11。但是，分布呈正向偏斜 ，并且有多个瓶盖拧得过紧。许多瓶盖需要大于 24 的扭矩才能打开，5 个瓶盖的扭矩大于 33，这几乎是目标值的两倍。58统计图形 Histogram(直方图，分布图) (续) 观察以下直方图，他们提供哪些特殊信息？Frequency10.810.510.29.99.69.39.08.71601208040011.611.210.810.410.09.69.28.81

25、601208040010.5010.3510.2010.059.909.759.6060453015012.010.59.07.56.04.53.01601208040012.011.410.810.29.69.08.44836241201615141312111093002001000ABCDEFHistogram of A, B, C, D, E, F59描述性统计-统计图形 看直方图的一般方法 分布最集中的区域在哪里？ 最小值/最大值是多少？ 分布的宽度大概是多少？ 是否对称？ 是否有异常点/离群点？ 与目标值/标准范围的关系？60直方图 直方图应用案例 铭牌孔径 改善前后对比77.37

26、7.277.177.076.976.876.776.676.53020100频频率率76.976.677.277.377.277.177.076.976.876.776.676.53020100频频率率76.977.276.6C9 = BeforeC9 = After铭牌孔径 的直方图铭牌孔径 的直方图柏拉图 的直方图柏拉图 的直方图61过程能力是 过程能力是在受控状态下，客户要求和过程表现(过程变差)的比值；如果过程表现越能满足客户要求，则过程能力越充分，反之则不足。过程变异LSLUSL过程变异LSLUSL哪个过程能力较好？62过程能力如何? 过程变差和客户要求 对于某一客户要求，过程变差越

27、小，发生不良的可能性越小，过程能力越充分， 当过程变差没有变化时，客户要求很严，这对过程能力有什么影响呢?63过程能力评价-计量型特性 计量型过程能力分析的特点LSLUSLLSLUSL3USL3LSL3USL3LSL客户要求和过程表现的比。客户要求和过程表现的比。64过程能力评价-计量型特性 过程能力分析指标withinpkplpupkwithinplwithinpuwithinpMCCCCCCC3),min(3LSL3-USL6LSL-USLoverallpkplpupkoverallploverallpuoverallpsXMPPPPsXPsXPsP3),min(3LSL3-USL6LSL

28、-USL过程能力指数(短期)过程性能指数(长期)65过程能力评价-计量型特性 过程能力分析指标withinpmC6LSL-USL1)(12nTXniiwithin1)(12nXXniiwithin过程能力指数(短期)过程性能指数(长期)overallpmP6LSL-USL1)(12nTXniioverall1)(12nXXniioverall66小结 举例说明直方图可以应用的情况； 叙述怎样查看直方图； 解释过程能力以及过程能力的计算；67相关图法68相关图法 什么是相关图：是用直角坐标来表示两个变量两个变量之间的相关关系的图。 什么是相关图法相关图法是一种用来研究两个变量之间相互关系的方法；

29、它根据相关图中数据点分布状况来分析两个变量间是否有相关关系以及相关的程度；常用来分析某质量特性与原因间的关系、某一质量特性与另一质量特性的关系、同一质量特性的两个原因间的关系等。69相关图图形展示关系XYXYXYXYXYXY强的正相关强的负相关中等正相关中等负相关弱的正相关弱的负相关70相关图典型图比较370380390400410420430450460470 480 490 500 510 520370380390400410420430450460470 480 490 500 510 520 370380390400410420430450460470 480 490 500 510

30、520370380390400410420430450460470 480 490 500 510 520370380390400410420430450460470 480 490 500 510 520370380390400410420430450460470 480 490 500 510 520 a 图 b 图c 图d图e图f图表示随x增加，y随之明显增加的关系，称为强正相关，表明x与y关系密切表示随x增加，y基本上随之增加的关系，但不如a 图强烈，称为弱正相关，表明除了y的影响外，还有其他因素表示随x与y之间没有什么关系，称为不相关。表示随x增加，y随之明显减少的关系，称为强负相关

31、，表明x与y关系密切表示随x增加，y基本上随之减少的关系，但不如d图强烈，称为弱负相关，表明除了y的影响外，还有其他因素表示随x与y之间有关系，但不是线性关系。71什么是相关关系 相关关系：相关关系就是指两个变量之间存在不完全确定、却相互依赖或制约的关系。 两个变量之间的三种不同的关系相互独立的关系： 即一个变量的变化不直接引起另一个变量的变化或引起的变化很微弱，以致可以忽略不计的关系；函数关系 即两个变量之间存在着完全确定的函数关系，比如球的体积V=4/3R3，只要知道球的半径R，就能够精确精确地求出球的体积。球的半径与体积就是完全确定的关系。不完全确定的关系 即两个变量之间存在着不完全确定

32、的、但是却有某种依赖或制约的关系，比如儿童的年龄与体重的关系，一般地说儿童的年龄越大，体重也越重，但是并不是所有的同龄儿童的体重都相同。72相关图案例我们的问题： 人的身高和鞋子大小有关系吗? 如果一个人穿的鞋子的大小为6，他的身高预计是多少？ 预计的可靠性有多高?鞋子大小(x)身高 (y)1201401601804681012XXXXXXXXXXX散点图：身高 vs 鞋子大小73小结 举例说明可以进行相关分析的情况；74因果图法75什么是因果图 什么是因果图 因果图就是当一个问题的特性受到一些要因(原因)的影响时，我们将这些要因进行整理，成为有相互关系且有系统的图形。简言之它是一种将造成某项

33、结果(特性)的诸多原因(要因)，以系统的方式(图表)来表达结果与原因之间的关系。又称为“特性要因图”。 因果图由于是由日本品质管理大师石川馨博士于1952年所发明，故又称为“石川图”。 由于因果图其形状与鱼骨相似，故又常被称呼为“鱼骨图”76因果图的类型 原因追求型 列出可能会影响过程(或流程)的相关因子，以便进一步从其中找出主要原因，以此图形表示结果与原因之间的关系。 对策追求型 追寻问题点应该如何防止，目标结果应如何达成的对策，故以因果图表示期望效果(特性)与对策(要因)间的关系。77因果图的绘制步骤 确定原因类别 确定问题特性之后，就开始找出可能的原因类别，各原因以简单的字句，分别记在大

34、骨上的“”加上箭头分枝，以斜度约60度画向干线，画时应留意要比主干线稍微细一些。 一般可将的原因类别(5M1E) 人Man) 机(Machine) 料(Maretial) 法(Method) 环(Environment) 测量(Measurement)78因果图的绘制步骤 确定原因类别 确定问题特性之后，就开始找出可能的原因类别，各原因以简单的字句，分别记在大骨上的方框内加上箭头分枝，以斜度约60度画向干线，画时应留意要比主干线稍微细一些。 一般可将的原因类别(5M1E) 人Man) 机(Machine) 料(Maretial) 法(Method) 环(Environment) 测量(Meas

35、urement)79因果图的绘制步骤 依据大原因，再分出中原因 召集有关的人员，运用“头脑风暴法”找出各大原因中的中原因，细分出中原因的中骨线(同样以60度插线的方法)画出来，中骨线应比大骨线稍细一些。80因果图的绘制步骤 再更详细地列出小原因 运用中原因的方式，可将更详细的小原因讨论出来，如下图所示。81因果图的绘制步骤 圈出最重要的原因 造成一个结果的原因有很多，可以通过搜集数据或自由讨论的方式，比较其对特性的影响程度，以一定的记号把特别重要、关键性的原因标出来，这类原因只能为2-3个，最多不超过5个。82因果图的绘制步骤 注意事项分析的质量问题应尽量具体特性用“为什么”“什么”来注明，较

36、易激发联想收集多数人的意见，多多益善，运用脑力激荡原则，运用时应注意以下原则： 意见越多越好； 禁止批评他人的构想及意见； 欢迎自由奔放的构想； 可顺着他人的创意及意见，发展自己的创意；层别区分 层别可以是机器、工序、型号等，原因分析应深入细致，细到能直接针对该原因采取措施，原因的表达应语言简练、明确。83因果图的绘制步骤 注意事项利用以往收集的资料，以事实为依据；无因果关系者，不予以归类；重点应放在解决问题上，并依结果提出对策解决问题时的方法可依5W2H原则执行：依据特性别分别制作不同的因果图，应该一个问题一幅因果图。找到重要原因后，不等于目的就实现了，重要的是使与会者到现场去核实并采取措施

37、，经实践来验证效果。对于重要原因的分析，最好能应用各种统计方法，如：帕拉图法、相关分析、统计检验等方法，也可以采用与会者评分投票表决的办法进行，重要原因不一定是大原因，一般可以确定2-3个即可，最多不超过5个。WHY(有什么必要)？WHAT(目的是什么)？WHERE(在什么地方做)？WHEN(什么时候去做)？WHO(是谁来做)？HOW(怎么做)？HOW MUCH(花费多少)？84小结 练习制作因果图；85控制图法86SPC产生背景 SPC历史贝尔电话实验室过程控制研究组(休哈特)产品控制研究组(道奇)1924年5月16日，提出P控制图统计过程控制(SPC: Statistical Proces

38、s Control)87什么是SPC？ SPC SPC即统计过程控制(Statistical Process Control)， SPC强调预防为主； 利用统计方法对过程的表现进行监控，从而达到发现异常与保证质量的目的； SPC的工具：控制图(Control Chart)88控制图的构成 控制图的构成 控制限 Control Limit 控制上限UCL (Upper Control limit)，又称为+3Sigma线； 控制下限LCL (Lower Control limit)，又称为-3Sigma线； 中心线 CL(Central Line) 数据点列 按照时间顺序排列； 其他 +2Sig

39、ma线 +1Sigma线 -2Sigma线 -1Sigma线89过程变异 过程变异的分类 普通变异 由普通原因引起，随时间稳定地影响输出； 过程处于统计受控状态，结果可以预测； 特殊变异 由特殊原因引起，剧烈影响过程； 过程输出的结果不可以预测，处于失控状态；时间范围时间90为什么要实施SPC？ SPC的意义 评估过程能力是否充分； 确定过程稳定时的状态； 判断过程是否受控(稳定)； 对过程变异进行早期预报； 防止不合格品的发生； 减少对常规检验的依赖； 为发现过程变异来源提供支持；91SPC应用 开发Online SPC92SPC规则介绍 偏移:4条连续3点中有2点超过2sigma线(同侧)

40、连续5点有4点在1sigma限外(同侧)1点超出控制限；连续9点在中心线同一侧；93SPC规则介绍 漂移:1条94培训中心版权所有，切勿外传连续6点上升或下降；连续14点间断上升或下降；连续8点在1sigma线外(双侧)；连续15点在1sigma线内(双侧)； 龟缩:1条 动荡:2条94SPC规则小结 回顾和练习 指出以下控制图中出现了哪些判异规则：955045403530252015105115141312111098765_X=10UCL=13LCL=7-1s=9-2s=8+1=11+2s=12I Chart of X95计量型控制图位置(平均值平均值)散布(标准差标准差)平均值控制图 X

41、bar Chart单值控制图 I Chart中位数控制图 Me Chart极差控制图 R Chart标准差控制图 s Chart移动极差控制图 MR ChartXbar-R ChartXbar-R ChartXbar-s ChartXbar-s ChartI-MR ChartI-MR Chart 计量型控制图的种类控制图类型控制图类型灵敏度灵敏度子组大小子组大小 应用应用I-MR Chart最低n=1计算最简单Xbar-R Chart尚可n=25计算简单，使用方便Xbar-s Chart最高n=6计算量大Me Chart较低n=26计算不方便96其他计量型控制图介绍 控制限计算公式控制图类型控

42、制图类型CLUCLLCLXbar ChartXbar ChartI ChartMe Charts ChartR ChartMR ChartXXsRMRMeRAX2MREX2RAMe4sB4RD4MRD4XsAX3RAX2MREX2RAMe4sB3RD3MRD3sAX3注：A2， A3， A4， E2， B3， B4， D3， D4是与子组大小有关的系数。 E2=3/d297SPC实施过程2，控制，控制对过程进行分析，确定SPC实施的要求对过程进行抽样，收集数据利用数据对过程进行分析及改进确定控制限及异常规则抽样、测试、数据收集数据计算和报警识别异常处理报警分析和SPC改进SPC根据过程的实际表

43、现对过程进行监控。根据过程的实际表现对过程进行监控。1，分析，分析98SPC实施步骤 分析阶段-对过程进行分析，确定SPC实施的要求SPC适用于对关键因子的控制SPC监控关键的过程测量值 因子测量 结果测量 分层； 监控周期；异常规则控制图类型计量型计数型抽样规则组内变异：普通原因组间变异：特殊原因99SPC实施步骤 分析阶段-对过程进行抽样，收集数据 测量系统： 数据的分辨力 抽样方法： 随机抽样、系统抽样、连续抽样等 子组大小 控制图的选择 控制图的灵敏度 子组数量： 数量：2530 时间范围：包含所有的普通原因引起的变异100SPC实施步骤 分析阶段过程改进的策略过程稳定性分析：-报警分

44、析；过程变异分析：-多变量图；过程能力分析：-过程能力分析101SPC实施步骤 分析阶段-确定控制限及异常规则 异常点确定 异常规则确定 控制限与规格限 控制限与目标102SPC实施步骤 分析阶段输出结果输出结果：分层控制图控制限异常规则样本数量抽样方法测试要求103SPC实施步骤 控制阶段数据计算和报警识别自动计算和识别及时发出报警报警处理建立报警处理流程；对报警进行分析；记录报警分析结果；关闭报警；自动数据采集及时抽样测试抽样、测试、数据收集主要问题：能否找到异常原因？异常原因是否可以纠正？报警分析报警类别的分布；报警的数量/比例；报警处理时间；报警理效果；SPC改进对最终输出结果的影响；

45、重新计算控制限的时机；104计量型控制图的种类控制图类型控制图类型灵敏度灵敏度子组大小子组大小 应用应用I-MR Chart最低n=1计算最简单Xbar-R Chart尚可n=25计算简单，使用方便Xbar-s Chart最高n=6计算量大Me Chart较低n=25计算不方便 计量型控制图的特点105Xbar-R 控制图制作 案例背景 面壳的尺寸(长、宽)是原材料的关键尺寸； 模具使用中会逐渐磨损，导致尺寸改变； 对关键尺寸进行监控是必要的；106Xbar-R控制图制作 分析阶段-SPC策划 影响关键尺寸的因素： 供应商 & 模具； 模具的穴号； 来料批次号； 分层 物料编码(根据不同的物料

46、编码进行监控) 抽样 抽样频率按照来料批次进行； 抽样数量为抽样检验数量(n=5)；107Xbar-R 控制图制作 分析阶段数据收集 收集连续7批来料检验的数据；5001999845500199832450019962425001995774500199492650019916895001982692224.0223.9223.8223.7223.6LOT NO.长223.6223.8224Individual Value Plot of 长 vs LOT NO(面壳:20327004)500199984550019983245001996242500199577450019949265001

47、9916895001982692148.00147.95147.90147.85147.80147.75147.70LOT NO.宽147.68147.8148Individual Value Plot of 宽 vs LOT NO.(面壳:20327004)108Xbar-R 控制图制作 分析阶段画出控制图5001999845500199832450019962425001995774500199492650019916895001982692223.95223.90223.85LOT NO.Sample Mean_X=223.904UCL=223.9703LCL=223.837750019

48、998455001998324500199624250019957745001994926500199168950019826920.30.20.10.0LOT NO.Sample Range_R=0.1150UCL=0.2432LCL=01Xbar-R Chart of 长异常1： 5001982692批次对应的长、宽的R值都是0；异常2： 5001999845批次对应的长的R值超出控制限；5001999845500199832450019962425001995774500199492650019916895001982692147.950147.925147.900147.875147.

49、850LOT NO.Sample Mean_X=147.8874UCL=147.9411LCL=147.833850019998455001998324500199624250019957745001994926500199168950019826920.200.150.100.050.00LOT NO.Sample Range_R=0.0930UCL=0.1967LCL=0Xbar-R Chart of 宽109Xbar-R 控制图制作 分析阶段异常分析异常1： 5001982692批次对应的长、宽的R值都是0；异常2： 5001999845批次对应的长的R值超出控制限；不应该都相同，原因无

50、法查明，分析时剔除；应该是数据记录错误(223.96记为223.69)，改正后进行分析；110Xbar-R 控制图制作 分析阶段整理数据后重新进行分析500199984550019983245001996242500199577450019949265001991689223.96223.94223.92223.90223.88LOT NO.LOT NO.样样本本均均值值_X =223.92033UCL=223.95811LCL=223.882555001999845500199832450019962425001995774500199492650019916890.150.100.050.