1.265 - 1.295 1.295 - 1.325 1.325 - 1.355 1.355 - 1.385 1.385 - 1.415 1.415 - 1.445 1.445 - 1.475 1.475 - 1.505 1.505 - 1.535 1.535 - 1.565 1.28 1.31 1.34 1.37 1.40 1.43 1.46 1.49 1.52 1.55 1 4 7 22 23 25 10 6 1 1 1 5 12 34 57 82 92 98 99 100 1 5 12 34 57 82 92 98 99 100 7. 绘制直方图: 以组界或组中点为X轴 ,次数fi 为主轴。再以各组之组距为底边,次数为高,对每一组绘一长方形,相邻的组其长方形需紧靠在一起,不要有空隙。 制程能力分析图(Process Capability Analysis)
数据常因测定单位不同,而无法相互比较制程特性在品质上的好坏。因此,定义出品质指针来衡量不同特性的品质,在工业上是很重要的一件事情。制程能力指数是依特性值的规格及制程特性的中心位置及一致程度,来表示制程中心的偏移及制程均匀度。基本上,制程能力分析必须先假设制程是在管制状态下进行 ,也就是说制程很稳定,以及特性分配为常态分配;如此,数据的分析才会有合理的依据。
●制程能力指数Cp、Pp、CPU、CPL(精密度;Precision): 表示制程特性的一致性程度,值越大越集中,越小越分散。 或 : 双边能力指数(长期) : 双边绩效指数(短期) : 单边上限能力指数 : 单边下限能力指数
USL: 特性值之规格上限;即产品特性大于USL在工程上将造成不合格 LSL: 特性值之规格下限;即产品特性小于LSL在工程上将造成不合格 : 制程平均数估计值;即制程目前特性值的中心位置 : 制程标准差估计值;即制程目前特性值的一致程度
制程能力指数Ca或k(准确度;Accuracy): 表示制程特性中心位置的偏移程度,值等于零,即不偏移。值越大偏移越大,越小偏移越小。
●综合制程能力指数Cpk:同时考虑偏移及一致程度。 Cpk = ( 1 - k ) x Cp 或 MIN {CPU,CPL} Ppk = ( 1 - k ) x Pp 或 MIN {PPU,PPL}
●制程特性在不同的工程规格其定义亦不相同,请参考本附录前段的「计量值之统计数值解说」。
XMED-R管制图分析( -R Control Chart) 1. 由中位数与全距管制图组成。
●与 X-R 管制图相同,惟 管制图检出力较差,但计算较为简单。 2. 管制图数据表: 序号 1 2 日期 时间 观测值 X1 X2 ......... Xn X11 X12 ......... X1n X21 X22 ......... X2n X 1 2 R R1 R2 ? ? ? k ? ? ? Xk1 Xk2 ......... Xkn ? ? ? k ? ? ? Rk i = Med{Xij} , Ri = max{Xij} - min{Xij} = ∑ i /k , R = ∑Ri/k
3. 管制界限: 假设管制特性的分配为N(μ,σ2)
注: 有关常数可以对照本附录最后所列之表2或表3。 .
制程平均及标准差已知 未知 . UCLXmed=μXmed+3σXmed = μ + 3m3σ/(n)-2 ≈ +m3A2R UCLXmed=μXmed+3σXmed = μ ≈
LCLXmed=μXmed-3σXmed = μ - 3m3σ/(n)-2 ≈ -m3A2R
UCLR = μR + 3σR = d2σ + 3d3σ ≈ D4R UCLR = μR = d2σ ≈ R
LCLR = μR - 3σR = d2σ - 3d3σ ≈ D3R(小于零时不计)
= , =R/d2 , = Xmed , =(n)-2 X-Rm管制图分析( X-Rm Control Chart) 1. 由个别值管制图与移动全距管制图组成。
●品质数据不能合理分组,有下列情况时,可以使用X-Rm管制图: ?一次只能收集到一个数据,如生产效率及损耗率。 ?制程品质极为均匀,不需多取样本,如液体浓度。
?取得测定值既费时成本又高,如复杂的化学分析及破坏性试验。 2. X-Rm管制图数据表: 序号 1 2 ? ? ? k 日期 时间 观测值 X X1 X2 ? ? ? Xk R R1 R2 ? ? ? Rk-1 X = ∑Xi/k
Ri = | Xi - Xi-1 | Rm = ∑Ri/(k-1)
3. 管制界限: 假设管制特性的分配为N(μ,σ2)
注: 有关常数可以对照本附录最后所列之表2或表3。 .
制程平均及标准差已知 未知 .
UCLX = μX + 3σX = μ + 3σ ≈ X + E2Rm
CLX = μX = μ ≈ X
LCLX = μX - 3σX = μ - 3σ ≈ X - E2Rm
UCLR = μR + 3σR = d2σ + 3d3σ ≈ D4Rm UCLR = μR = d2σ ≈ Rm
LCLR = μR - 3σR = d2σ - 3d3σ ≈ D3Rm(小于零时不计)
= , =Rm/d2 E2 = 3/d2 推移图分析(Trend Chart)
推移图是以统计量;如不良率( p )、良率( 1-p )、不良数( np )、缺点数( c )、单位缺点数( u;dpu ) 及每百万缺点数值( dppm )为纵轴,日期/时间为横轴。依日期/时间顺序显示数量的大小以掌握趋势之变化。其制作方式如下: 1. 纵轴为指定的统计量,横轴为日期/时间。 2. 记上刻度的数量。 3. 计算统计量,如下表。 4. 以统计量点绘推移图。
序号 1 2 . . . k 合 计 日期 时间 批量 PROD1 PROD2 . . . PRODk QTY SUM 检点数 CHK1 CHK2 . . . CHKk CHK SUM 检验数 INSP1 INSP2. . . . INSPk INSP SUM 不良数 DEF1 DEF2 . . . DEFk DEF SUM 统计量 STAT1 STAT2 . . . STATk PBAR CBAR UBAR dppm 计数值各统计量的计算方式说明如下: ● 不良率(p) = DEFi/INSPi
QTY SUM = PRODi ,INSP SUM = INSPi PBAR = DEFi/ INSPi ● 不良数(np) = DEFi
QTY SUM = PRODi ,INSP SUM = INSPi PBAR = DEFi/ INSPi ● 良数(1-p) = 1-DEFi/INSPi
QTY SUM = PRODi ,INSP SUM = INSPi PBAR = DEFi/ INSPi ● 缺点数(c) = DEFi
QTY SUM = PRODi ,INSP SUM = INSPi CBAR = DEFi/ INSPi
● 单位缺点数(u;dpu) = DEFi/INSPi
,DEF SUM = DEFi,
,DEF SUM = DEFi,
,DEF SUM = DEFi,
,DEF SUM = DEFi,
QTY SUM = PRODi ,INSP SUM = INSPi ,DEF SUM = DEFi, UBAR = DEFi/ INSPi
● 每百万缺点数(dppm) = (DEFi/(CHKi x INSPi)) x 106
QTY SUM = PRODi ,CHK SUM = CHK ix INSPi ,DEF SUM = DEFi ,dppm =( DEFi/ CHKiINSPi x 106 不良率管制图(p Control Chart)
1. 分析或管制制程的不良率,样本大小n可以不同。 2. p管制图数据表: 序 号 1 2 . . . k 日 期 时 间 样本大小 n1 n2 . . . nk 不良数 d1 d2 . . . dk 不良率 p1 p2 . . . pk 备 注 pi = di/ni , p = ∑di/∑ni
3. 管制界限: 假设管制的制程平均不良率为p' (制程平均不良率已知) (制程平均不良率未知) UCLp =μp + 3σp =p'+3 ≈ p+3
CLp =μp =p' ≈ p LCLp =μp - 3σp =p'-3 ≈ p-3 (小于零时不计) 以 p 估计 p'
良率管制图分析(1-p Control Chart)
1. 分析或管制制程的良率,样本大小n可以不同。 2. Yield 管制图数据表: 序 号 1 2 . . . k 日 期 时 间 样本大小 n1 n2 . . . nk 不良数 d1 d2 . . . dk 良 率 1-p1 1-p2 . . . 1-pk 备 注 pi = di/ni , p = ∑di/∑ni
3. 管制界限: 假设管制的制程平均不良率为1 - p' (制程平均不良率已知) (制程平均不良率未知) UCL1-p =μ1-p + 3σ1-p =1-p'+3 ≈ 1-p+3
UCLp =μp =1-p' ≈ 1-p LCL1-p =μ1-p - 3σ1-p =1-p'-3 ≈ 1- p-3 以1- p 估计1- p'
不良数管制图(np Control Chart)
1. 分析或管制制程的不良数,样本大小n要相同。 2. np管制图数据表: 序 号 日 期 时 间 样本大小 不良数 不良数 备 注