質(zhì)量過程控制及改善培訓(xùn)課件

1、單 位：力諾太陽能集團(tuán)姓 名：李哲質(zhì)量過程控制及改善培訓(xùn)課件培訓(xùn)目標(biāo)u本課程旨在幫助同事們掌握minitab統(tǒng)計分析軟件，研究和檢測質(zhì)量問題并改進(jìn)生產(chǎn)過程 。掌握幾種圖形工具，檢測出質(zhì)量問題使用控制圖跟蹤質(zhì)量過程并檢測是否存在特殊原因 繪制能力直方圖和能力圖評估過程能力 利用抽檢特征曲線確定整個批次接收還是拒收學(xué)習(xí)方法技巧 u要有幾本好的工具書要有幾本好的工具書u 要學(xué)會在網(wǎng)上尋找資源要學(xué)會在網(wǎng)上尋找資源u從模仿開始，慢慢理解從模仿開始，慢慢理解 u培訓(xùn)結(jié)束后經(jīng)常練習(xí)、使用培訓(xùn)結(jié)束后經(jīng)常練習(xí)、使用 Minitab使用教程、EXCE圖表制作質(zhì)量檢測圖形工具質(zhì)量檢測圖形工具11-1. 運行圖1-2

2、. 帕累托圖1-3. 因果圖運行圖概念： 所有過程中都會發(fā)生變異。常規(guī)原因變異是過程中正常的一部分。另一種類型的變異（稱為特殊原因）來自系統(tǒng)外部，并導(dǎo)致數(shù)據(jù)中可識別的模式、偏移或趨勢。運行圖顯示特殊原因是否正在影響您的過程。當(dāng)只有常規(guī)原因影響過程輸出時，過程受控制。運行圖執(zhí)行兩種隨機(jī)性檢驗，提供有關(guān)因趨勢、振動、混合和聚類引起的非隨機(jī)變異的信息。 10987654321454035302520樣樣 本本隔隔膜膜關(guān) 于 中 位 數(shù) 的 游 程 個 數(shù) :3期 望 游 程 個 數(shù) :6.0關(guān) 于 中 位 數(shù) 的 游 程 最 大 長 度 :5檢 驗 聚 類 性 的 近 似 p 值 :0.022混 合

3、 的 近 似 P 值 :0.978向 上 或 向 下 的 游 程 個 數(shù) :5期 望 游 程 個 數(shù) :6.3向 上 或 向 下 的 游 程 最 大 長 度 :3檢 驗 趨 勢 性 的 近 似 p 值 :0.135檢 驗 振 動 性 的 近 似 p 值 :0.865隔隔 膜膜 的的 運運 行行 圖圖解釋結(jié)果解釋結(jié)果在 0.05 水平下聚類檢驗很顯著 。由于聚類檢驗的概率 (p = 0.022) 小于 a 值 0.05，因此可以斷定特殊原因正在影響您的過程，且您應(yīng)該調(diào)查可能的來源。聚類可以指出抽樣問題或測量問題。帕累托圖概念： Pareto 圖 是一種條形圖，幫助您確定哪些問題最重要，以使您可以

4、集中改進(jìn)可獲得最大收獲的領(lǐng)域。其中水平軸表示所關(guān)注的類別，而非連續(xù)尺度。類別通常是缺陷 。通過從大到小排列條形 ，Pareto 圖可幫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 線條幫助您判斷每種類別所加入的貢獻(xiàn)。Pareto 圖可幫助著重改進(jìn)能獲得最大收益的方面。 解釋結(jié)果解釋結(jié)果由于超過一半的測速計因此缺陷遭到拒收，因此請著重改進(jìn)缺失螺絲釘?shù)臄?shù)量。 計數(shù)2745943191018百分比64.813.910.24.52.44.3累積 %64.878.788.993.495.7100.0缺陷數(shù)其他不完整部件有缺陷的外罩漏油襯墊缺少的線夾丟失的螺絲釘4003002001

5、000100806040200計計數(shù)數(shù)百百分分比比缺缺陷陷數(shù)數(shù) 的的 P Pa ar re et to o 圖圖因果圖概念： 因果 （或魚骨）圖描述問題的潛在原因。右側(cè)顯示問題（效應(yīng)），左側(cè)以樹狀結(jié)構(gòu)顯示原因的列表。樹的分支常常與原因的主類別相關(guān)聯(lián)。每個分支都列出該類別中的更多具體原因。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原因的相關(guān)信息的工具。 盡管沒有構(gòu)造魚骨圖的“正確”方法，但某些特定的類型本身就很適合于許多不同的情況。這些類型之一是“5M”圖，這樣稱呼是因為分支上的五個類別都以字母 M 開頭（“人員”也稱“Man”）。表 面 瑕 疵環(huán) 境測 量方 法材 料機(jī) 器人

6、員運 算 符培 訓(xùn)主 管 人班 次速 度車 床位套 接 字供 應(yīng) 商滑 潤 劑合 金剎 車接 觸角 度檢 查 員顯 微 鏡微 米凝 聚濕 度 %檢 驗指 導(dǎo) 者錯 誤太 慢條 件準(zhǔn) 確 度因因 果果 圖圖 跟蹤質(zhì)量過程并檢測是否存在特殊原因 21-1. 控制圖概念1-2. 缺陷（計數(shù)型）控制圖1-3. 成型過程（測量型）控制圖1-4. 利用控制圖判斷生產(chǎn)過程失控控制圖概念：可以使用控制圖跟蹤一段時間內(nèi)的過程統(tǒng)計量并檢測是否存在特殊原因。 控制圖的結(jié)構(gòu)控制圖的結(jié)構(gòu)質(zhì)量特征 樣本編號（或時間 ） 控制上 中心 控制下限特殊原因所導(dǎo)致的變異可以檢測并受控制。示例包括設(shè)備、班次或天數(shù)的差異。而另一方面

7、，常規(guī)原因變異是過程中所固有的。當(dāng)只有常規(guī)原因（而非特殊原因）影響過程輸出時，過程即受控制。 當(dāng)點落于控制限制的界限之內(nèi)，且這些點未顯示出任何非隨機(jī)模式時，過程即受控制。4 54 13 73 32 92 52 11 71 39511 0 5 01 0 0 09 5 09 0 08 5 0觀觀測測值值單單 獨獨 值值_X = 9 3 6 . 9U C L = 1 0 1 0 . 9L C L = 8 6 2 . 8111111權(quán)權(quán)重重 的的單單值值控控制制圖圖1-2. 缺陷（計數(shù)型）控制圖缺陷缺陷控制圖控制圖 概念：概念： 結(jié)構(gòu)上類似于變量控制圖，只不過它們是根據(jù)計數(shù)數(shù)據(jù)而不是測量數(shù)據(jù)繪制統(tǒng)計圖

8、。例如，可將產(chǎn)品與標(biāo)準(zhǔn)進(jìn)行比較，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。 與使用變量控制圖一樣，繪制過程統(tǒng)計量（如缺陷數(shù)）也是相對于樣本數(shù)量或時間的。缺陷品控制圖缺陷品控制圖您可以將產(chǎn)品與標(biāo)準(zhǔn)進(jìn)行比較，并將其歸類為有缺陷產(chǎn)品或無缺陷產(chǎn)品。例如，線長是否滿足強度要求。缺陷品控制圖有： P 控制圖 ，該控制圖繪制每個子組中缺陷品的比率。 NP 控制圖 ，該控制圖繪制每個子組中缺陷品的數(shù)量。缺陷控制圖缺陷控制圖如果產(chǎn)品非常復(fù)雜，則某一缺陷并不一定會導(dǎo)致缺陷產(chǎn)品。根據(jù)產(chǎn)品的缺陷數(shù)將產(chǎn)品歸類有時會更加方便。例如，您可以統(tǒng)計產(chǎn)品表面的刮痕數(shù)。缺陷控制圖有： C 控制圖 ，該

9、控制圖繪制每個子組中的缺陷數(shù) 。當(dāng)子組大小固定時，請使用 C 控制圖。 U 控制圖 ，該控制圖繪制在每個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，請使用 U 控制圖。例如，如果您要統(tǒng)計電視屏幕內(nèi)表面的瑕疵數(shù)，C 控制圖將繪制實際瑕疵數(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（計數(shù)型）控制圖1 09876543210 . 0 2 50 . 0 2 00 . 0 1 50 . 0 1 00 . 0 0 50 . 0 0 0樣樣本本比比率率_P = 0 . 0 1 2 8 2U C L = 0 . 0 2 3 5 3L C L = 0 . 0 0 2 1 0C

10、C 1 1 的的 P P 控控制制圖圖使用不相等樣本量進(jìn)行的檢驗1 09876543213 02 52 01 51 050樣樣 本本樣樣本本計計數(shù)數(shù)_ _N P = 1 2 . 7 2U C L = 2 3 . 3 4L C L = 2 . 0 9C C 1 1 的的 N N P P 控控 制制 圖圖使 用 不 相 等 樣 本 量 進(jìn) 行 的 檢 驗1 09876543210 . 0 2 50 . 0 2 00 . 0 1 50 . 0 1 00 . 0 0 50 . 0 0 0樣樣 本本比比率率_P = 0 . 0 1 2 8 2U C L = 0 . 0 2 3 5 3L C L = 0

11、. 0 0 2 1 0C C 1 1 的的 P P 控控 制制 圖圖使 用 不 相 等 樣 本 量 進(jìn) 行 的 檢 驗1-2. 缺陷（計數(shù)型）控制圖3 73 32 92 52 11 71 3951876543210樣樣 本本樣樣本本計計數(shù)數(shù)_C = 2 . 7 2 5U C L = 7 . 6 7 7L C L = 0污污 點點 的的 C C 控控 制制 圖圖1 91 71 51 31 1975310 . 1 60 . 1 40 . 1 20 . 1 00 . 0 80 . 0 60 . 0 40 . 0 20 . 0 0樣樣 本本每每單單位位樣樣本本計計數(shù)數(shù)_U = 0 . 0 5 4 4U

12、 C L = 0 . 1 2 3 7L C L = 011缺缺 陷陷 數(shù)數(shù) 的的 U U 控控 制制 圖圖變量變量控制圖控制圖 概念：概念：多值變量控制圖 數(shù)據(jù)標(biāo)繪來自連續(xù)測量數(shù)據(jù) （如長度或外徑）的統(tǒng)計量。單值的變量控制圖、時間加權(quán)控制圖 和多變量控制圖 也標(biāo)繪測量數(shù)據(jù)。缺陷控制圖標(biāo)繪計數(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（顯示在一個窗口中） X 和 S - X 控制圖和 S 控制圖（顯示在一個窗口中） I-MR-R/S（組間/組內(nèi)） - 同時使用子組間和子組內(nèi)變異的三向控制圖。I-MR-R/

13、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 - 子組標(biāo)準(zhǔn)差的控制圖 I-MR-R/S（組間/組內(nèi)）控制圖要求在至少一個子組中有兩個或更多觀測值。子組大小不必相同。 1-3. 變量（測量數(shù)據(jù)）控制圖1-3. 變量（測量數(shù)據(jù)）控制圖2523211917151311975310.800.750.700.650.60樣樣本本樣樣 本本 均均 值值_X =0.716UB=0.7LCL=0.60982523211917151311975310.40.30.20.10.0樣樣本本樣樣 本本 極極 差差_R=0.1842UCL

14、=0.3895LCL=01C C6 6, , . . . ., , C C2 2 的的 X Xb ba ar r- -R R 控控制制圖圖4641363126211611615040302010觀觀 測測 值值單單獨獨值值_X =10.69UCL=15.30LCL=6.08六 月七 月八 月重重 癥癥 室室 收收 治治 按按 月月 份份 的的 單單 值值 控控 制制 圖圖1-3. 變量（測量數(shù)據(jù)）控制圖通過繪制歷史圖，可以顯示過程中的各個通過繪制歷史圖，可以顯示過程中的各個階段階段 ，歷史圖是對數(shù)據(jù)中的不同組獨立估計控，歷史圖是對數(shù)據(jù)中的不同組獨立估計控制限制和中心線的控制圖。在比較過程改進(jìn)前

15、后的數(shù)據(jù)時歷史圖尤其有用。制限制和中心線的控制圖。在比較過程改進(jìn)前后的數(shù)據(jù)時歷史圖尤其有用。 控制圖是統(tǒng)計過程控制（SPC）理論與實踐的核心工具。我們用控制圖來監(jiān)控過程、判斷過程的受控狀態(tài)，一旦控制圖出現(xiàn)異常的信息，就可以認(rèn)為過程發(fā)生了異常，從而對生產(chǎn)過程進(jìn)行檢討，尋找原因，制定改善措施，對過程進(jìn)行修正，直到過程重新達(dá)到質(zhì)量要求。 利用控制圖識別生產(chǎn)過程狀態(tài)-受控狀態(tài)或失控狀態(tài)，是根據(jù)圖上樣本點的位置以及變化趨勢進(jìn)行分析和判斷的。判斷的依據(jù)主要有兩點：（1）如果控制圖上點所反映的過程的均值和/或方差發(fā)生（不允許的）變化 。1-4. 利用控制圖判斷生產(chǎn)過程失控過程能力分析過程能力分析31-1.

16、過程能力概念1-2. 連續(xù)數(shù)據(jù)能力分析1-3. 缺陷數(shù)據(jù)能力分析1-4. 過程能力指數(shù)的解釋方法1-5. 樣本數(shù)據(jù)分布的識別與選擇1-6. 力諾太陽CPK數(shù)據(jù)采集方法（草案）1-1. 過程能力概念 過程一旦處于統(tǒng)計控制 狀態(tài)下（即穩(wěn)定生產(chǎn)）后，就可能要確定其是否有能力（即符合規(guī)格限制并生產(chǎn)出“良好”的部件）。您通過將過程變異的寬度與規(guī)格限制的寬度相比較來確定能力。過程需要處于受控狀態(tài)，然后才能評估其能力；否則，會錯誤地估計過程能力。只有過程受控 ，才有能力一說。為正確使用能力統(tǒng)計量，應(yīng)通過檢查位置的控制圖（如 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

17、控制圖）來證實過程穩(wěn)定 可以通過繪制能力直方圖和能力圖以圖形化方式評估過程能力。這些圖形有助于評估數(shù)據(jù)的分布并證實過程受控。還可以計算能力指數(shù)，即規(guī)格公差 占自然過程變異的比率。能力指數(shù)（即統(tǒng)計量）是評估過程能力的簡單方法。由于將過程信息簡化為一個數(shù)字，因此可以使用能力統(tǒng)計量對一個過程與另一個過程的能力進(jìn)行比較。 能力統(tǒng)計量使用起來很簡單，但是它們也有一些分布屬性尚未完全為人所了解。一般而言，最好不要依賴單個能力統(tǒng)計量確定過程的特征。 1-2. 連續(xù)數(shù)據(jù)能力分析-CPK分析0.600.580.560.540.520.50LSL目標(biāo)USLLSL0.5目標(biāo)0.55USL0.6樣本均值0.54646

18、樣本 N100標(biāo)準(zhǔn)差（組內(nèi)）0.0185477標(biāo)準(zhǔn)差（整體）0.0193414過程數(shù)據(jù)CL 下限0.74CL 上限0.98PPL0.80PPU0.92Ppk0.80CL 下限0.67CL 上限0.93Cpm0.85CL 下限0.75Cp0.90CL 下限0.76CL 上限1.04CPL0.83CPU0.96Cpk0.83CL 下限0.69CL 上限0.98Pp0.86整體能力潛在（組內(nèi)）能力PPM USL 10000.00PPM 合計20000.00實測性能PPM USL1947.11PPM 合計8071.61預(yù)期組內(nèi)性能PPM USL2818.71PPM 合計10969.28預(yù)期整體性能組內(nèi)

19、整體電電纜纜直直徑徑（使用 95.0% 置信）解釋結(jié)果解釋結(jié)果如果要解釋過程能力統(tǒng)計量，則數(shù)據(jù)應(yīng)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) 略小于目標(biāo) (0.55)。并且分布的兩個尾部都落在規(guī)格限之外。這意味著，有時會發(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)表明過程生產(chǎn)的單位是否在公差 限內(nèi)。此處，Ppk 指數(shù)為 0.80，表明制造商必須通過減少變異并使過程以目標(biāo)為中心來改進(jìn)過程。顯然，與過程不以目標(biāo)為中心相比，過程中的較大變異對此生產(chǎn)線而言是嚴(yán)重得多的問題。同樣

20、，PPM 合計（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)。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)通過降低過程變異來改進(jìn)其過程。1-2. 連續(xù)數(shù)據(jù)能力分析-綜合能力分析解釋結(jié)果解釋結(jié)果 在控制圖和 R 控制圖上，點都是隨機(jī)分布在控制極限之間的，表明這是穩(wěn)定過程 。但是，還應(yīng)比較 R 控制圖與 控制圖上的點，以查看它們是否彼此相似。本例中的這些點并非這樣，再次表明這是穩(wěn)定過程。最后 20 個子組的控制圖上的點隨機(jī)地水平散開，沒有趨勢或偏移，這也表明過程是穩(wěn)定的。 如果要解釋過程能力統(tǒng)計量，則您的數(shù)據(jù)應(yīng)近似服從正

21、態(tài)分布。在能力直方圖上，數(shù)據(jù)近似服從正態(tài)曲線。在正態(tài)概率圖上，點近似呈一條直線，并落于 95% 置信區(qū)間內(nèi)。這些模式表明數(shù)據(jù)是正態(tài)分布的。但是，從能力圖 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。這意味著有時線纜的直徑會超出公差 限 0.50, 0.60。此外，Ppk 的值 (0.80) 落于要求的目標(biāo) 1.33 之下，表明制造商需要改進(jìn)過程。1917151311975310.560.540.52樣樣 本本 均均 值值_X =0.54646UCL=0.57134LCL=0.521581917151311975310.100.050.00樣樣 本本 極極 差差_R=0.043

22、1UCL=0.0912LCL=020151050.600.550.50樣樣 本本值值0.600.580.560.540.520.50LSL目 標(biāo)USLL S L0 . 5 0目 標(biāo)0 . 5 5U S L0 . 6 0規(guī) 格0.600.550.50組 內(nèi)整 體規(guī) 格標(biāo) 準(zhǔn) 差0 . 0 1 8 5 4 7 7C p0 . 9C p k0 . 8 3組 內(nèi)標(biāo) 準(zhǔn) 差0 . 0 1 9 3 4 1 4P p0 . 8 6P p k0 . 8C p m0 . 8 5整 體電電 纜纜 直直 徑徑X X b b a a r r 控控 制制 圖圖R R 控控 制制 圖圖最最 后后 2 2 0 0 個個 子

23、子 組組能能 力力 直直 方方 圖圖正正 態(tài)態(tài) 概概 率率 圖圖A D : 0 . 2 3 3 ， P : 0 . 7 9 4能能 力力 圖圖解釋結(jié)果解釋結(jié)果 P 控制圖表明有 1 個點不受控。累積缺陷百分比控制圖 顯示整體缺陷品率的估計值似乎停留在 22% 左右，但需要收集更多數(shù)據(jù)對此加以驗證。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。此過程可能需要進(jìn)行大量改進(jìn)。1-3. 缺陷數(shù)據(jù)能力分析-缺陷品1917151311975310.260.240.220.20樣樣本本比比 率率_P=0.22643UCL=0.25552LCL=0.19733201510523.523.

24、022.522.021.5樣樣本本% % 缺缺 陷陷置信區(qū)間上限:0.7646%缺陷:22.64置信區(qū)間下限:22.22置信區(qū)間上限:23.07目標(biāo):0.00PPM 缺陷:226427置信區(qū)間下限:222241置信區(qū)間上限:230654過程 Z:0.7507置信區(qū)間下限:0.7367（95.0% 置信）摘要統(tǒng)計20001920184026242220樣樣本本數(shù)數(shù)量量% % 缺缺 陷陷2420161284086420% %缺缺陷陷頻頻 率率Tar1廢廢品品的的檢檢驗驗P P 控控制制圖圖使用不相等樣本量進(jìn)行的檢驗累累積積 % %缺缺陷陷缺缺陷陷率率直直方方圖圖 解釋結(jié)果解釋結(jié)果 U 控制圖 表明

25、有 3 個點不受控制。累積 DPU 控制圖 （每單位的缺陷數(shù) ）停留在值 0.0265 附近，表明收集的樣本足以很好地估計 DPU 平均值。DPU 的比率似乎不受電線長度的影響。1-3. 缺陷數(shù)據(jù)能力分析-缺陷品91817161514131211110.0750.0500.0250.000樣樣本本每每單單位位樣樣本本計計數(shù)數(shù)_U=0.02652UCL=0.06904LCL=01008060402000.0300.0250.0200.015樣樣本本D DP PU UDPU均值:0.0265置信區(qū)間下限:0.0237置信區(qū)間上限:0.0295最小 DPU:0.0000最大 DPU:0.0753目標(biāo)

26、 DPU:0.0000（95.0% 置信）摘要統(tǒng)計1401201000.0750.0500.0250.000樣樣本本數(shù)數(shù)量量D DP PU U0.070.060.050.040.030.020.010.001612840D DP PU U頻頻率率Tar1氣氣線線控控制制能能力力分分析析U U 控控制制圖圖使用不相等樣本量進(jìn)行的檢驗累累積積 D DP PU U缺缺陷陷率率直直方方圖圖 Cp、Cpk、Pp 和 Ppk 統(tǒng)計量是潛在和整體能力的度量。由于將過程信息簡化為一個數(shù)字，因此可以使用能力統(tǒng)計量對一個過程與另一個過程比較其能力。在實踐中，許多人將 1.33 視為過程能力統(tǒng)計量的最小可接受值。小

27、于 1 的值表明過程變異比規(guī)格展開要寬。要了解和解釋能力統(tǒng)計，請使用以下信息作為指導(dǎo)。 使用能力統(tǒng)計量可以監(jiān)視并報告一段時間內(nèi)系統(tǒng)的改進(jìn)情況。能力統(tǒng)計量的解釋因?qū)Ψ治鏊褂玫姆植级?。對于：正態(tài)分布：正態(tài)分布： Cp 和和 Cpk - Cp 不考慮過程平均值相對于規(guī)格限的位置。Cpk 指數(shù)度量的與過程展開相比，過程運行接近其規(guī)格限的程度。僅當(dāng)您滿足目標(biāo)值 （未指定目標(biāo)值時為過程平均值）且變異最小時，Cpk 才較高。例如，過程在執(zhí)行中可能變異最小，但遠(yuǎn)離目標(biāo)（或過程平均值）并接近規(guī)格限之一，這樣會導(dǎo)致 Cpk 較低而 Cp 較高。 Pp 和和 Ppk - Pp 和 Ppk 的解釋方式分別與 Cp

28、 和 Cpk 相同。 Cpk 與與 Ppk - 使用整體變異來計算 Ppk。子組 間變異和子組內(nèi)變異都對整體變異有所貢獻(xiàn)。計算 Cpk 時使用子組內(nèi)變異，而不使用子組間的偏移和漂移。Ppk 針對整個過程。如果 Cpk 與 Ppk 相同，則整體標(biāo)準(zhǔn)差與子組內(nèi)標(biāo)準(zhǔn)差近似相等。 Cpm - 指定了目標(biāo)值時， 計算 Cpm。使用 Cpm 評估過程是否以目標(biāo)為中心。 Cpm 指數(shù)越高，過程越好。如果 Cpm、Ppk 與 Pp 相同，則過程平均值與目標(biāo)值相同。 非正態(tài)分布：非正態(tài)分布： 基于非正態(tài)分布的能力指數(shù)可按照與基于正態(tài)分布的指數(shù)相同的方式來解釋。比較 Pp 和 Ppk 以評估過程中位數(shù)是否接近于規(guī)

29、格中點。如果 Pp 大于 Ppk，則過程中位數(shù)將遠(yuǎn)離規(guī)格中點并接近于規(guī)格限之一。1-4. 過程能力指數(shù)的解釋方法解釋結(jié)果解釋結(jié)果通過擬合優(yōu)度檢驗結(jié)果和概率圖來識別和選擇數(shù)據(jù)分布。擬合優(yōu)度檢驗擬合優(yōu)度檢驗 - 該表包括 Anderson-Darling (AD) 統(tǒng)計量 以及分布的對應(yīng) p 值。對于臨界值 a，大于 a 的 p 值表明數(shù)據(jù)服從該分布。大于 0.25、0.467、0.213 和 0.238 的 p 值表明 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-Cox（p 值 = 0.574）和 Johnson 變換（p 值 = 0.799）

30、也較好地擬合了數(shù)據(jù)。概率圖概率圖 - 概率圖包括有序數(shù)據(jù)集相應(yīng)概率的百分位數(shù)點。概率圖顯示，對于 2 參數(shù) Weibull、3 參數(shù) Weibull、最大極值和 Gamma 分布，數(shù)據(jù)點近似成一條直線，并在置信區(qū)間內(nèi)。如果有多個分布與數(shù)據(jù)擬合如果有多個分布與數(shù)據(jù)擬合：選擇 p 值最大的分布； 如果 p 值非常接近，則選擇：以前對類似數(shù)據(jù)集使用過的分布?；谀芰y(tǒng)計量的分布。選擇最保守的分布。1-5. 樣本數(shù)據(jù)分布的識別與選擇100.00010.0001.0000.1000.0100.00199.990501010.1扭扭曲曲百百分分比比10.0001.0000.1000.0100.00199.

31、990501010.1扭扭曲曲 - - 閾閾值值百百分分比比10.001.000.100.0199.990501010.1扭扭曲曲百百分分比比10.01.00.199.990501010.1扭扭曲曲 - - 閾閾值值百百分分比比WeibullAD = 0.248 P 值 0.2503 參數(shù) WeibullAD = 0.359 P 值 = 0.467擬合優(yōu)度檢驗指數(shù)AD = 5.982 P 值 0.0032 參數(shù)指數(shù)AD = 3.892 P 值 0.010扭扭曲曲 的的概概率率圖圖指數(shù) - 95% 置信區(qū)間2 參數(shù)指數(shù) - 95% 置信區(qū)間Weibull - 95% 置信區(qū)間3 參數(shù) Weibu

32、ll - 95% 置信區(qū)間1050-599.99990501010.1扭扭曲曲百百 分分 比比100.010.01.00.199.99990501010.1扭扭曲曲百百 分分 比比10010199.99990501010.1扭扭曲曲 - - 閾閾值值百百 分分 比比420-299.99990501010.1扭扭曲曲百百 分分 比比3 參數(shù)對數(shù) Logistic AD = 0.692 P 值 = *Johnson 變換AD = 0.231 P 值 = 0.799擬合優(yōu)度檢驗Logistic AD = 0.879 P 值 = 0.013對數(shù) Logistic AD = 1.239 P 值 0.00

33、5Johnson 變換后扭扭曲曲 的的概概率率圖圖Logistic - 95% 置信區(qū)間對數(shù) Logistic - 95% 置信區(qū)間3 參數(shù)對數(shù) Logistic - 95% 置信區(qū)間正態(tài) - 95% 置信區(qū)間1-6. 力諾太陽CPK數(shù)據(jù)采集方法（草案）制定產(chǎn)品抽樣驗收計劃制定產(chǎn)品抽樣驗收計劃41-1. 抽樣驗收概念1-2. 不合格品類抽樣驗收方法1-3.產(chǎn)品特征類抽樣驗收方法1-4. 批次接收、拒收方法 抽樣驗收是評估進(jìn)廠的產(chǎn)品樣本以確定是接受整個批次以供使用還是拒收并退回的過程。例如，假設(shè)一個雜貨商收到 5000公斤蘋果。他想檢驗少量蘋果以確定是接受整批貨進(jìn)行銷售，還是應(yīng)當(dāng)拒收并退給供應(yīng)商

34、。抽樣驗收將幫助他決定要檢驗多少蘋果，以及接受貨物時允許有多少缺陷品。在 100% 檢驗的代價比接受缺陷品所產(chǎn)生的后果高得多時，抽樣驗收 非常有用；但是，抽樣驗收無法估計質(zhì)量水平，也不提供任何直接的過程控制。 抽樣計劃的類型抽樣計劃的類型 屬性屬性 ，它以樣本中的缺陷 數(shù)或缺陷品 數(shù)為基礎(chǔ)。例如，毛管的結(jié)石數(shù)。 變量變量，它以可測量的質(zhì)量特征為基礎(chǔ)。例如，可以檢驗毛管的壁厚。 對于變量計劃，需要基于實際測量值來計算平均值、標(biāo)準(zhǔn)差和 Z 值。使用按變量抽樣驗收 - 接受/拒絕批次基于特定樣本數(shù)據(jù)執(zhí)行計算并決定接受批次與否。 此外，對于變量抽樣計劃，每個抽樣計劃只能檢驗一個測量值。例如，如果需要檢驗壁厚和外徑，則需要兩個單獨的抽樣計劃。變量抽樣計劃假設(shè)質(zhì)量特征的分布是正態(tài)的。但是，使用變量數(shù)據(jù)的主要優(yōu)勢是變量抽樣計劃所需的樣本大小比屬性抽樣計劃小得多。1-1. 抽樣驗收概念 創(chuàng)建抽樣計劃以確定樣本大小，并基于該樣本中發(fā)現(xiàn)的缺陷品數(shù)或缺陷數(shù)決定是接受還是拒收整個批次的產(chǎn)品。 實例：假設(shè)收到 車間5000 支毛管，使您很不滿意的是許多毛管壁厚不達(dá)標(biāo)。您決定實施一個抽樣計劃，以便能夠判斷接受或拒收整個批次。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，可接受車間毛管，否則將退回車間。在建立抽樣計劃時，質(zhì)檢人員和車間議定大約有 95% 的時間