|
|
| 制程能力分析培训 |
|
|
|
|
制程能力分析CP/CPK为什么要对制程能力进行评定能对以下可能遇到的问题性质进行定量分析:工艺标准上的过程和性能输出变量参数是否正确？参数的均值趋向是否位于技术标准要求中心?参数在过程中的变化是否超出标准规范的允许范围?使相关管理部门能预测缺陷水平当产品未达到客户要求时对生产过程进行调整.抽样正态控制能力操作程序选择一种取样方案.识别统计数据分类(通常正态)确定过程的稳定性(过程受控).适用于连续类或属性类数据.分析产品过程能力.抽样指导原则确定子组数子组应该能抓取短期的产品变异子组数的确定可根据设备，人员，环境等不同样本大小(几个?)连续量:从每个子组中抽取2－10个零件属性量:根据缺陷发生的概率去30个或更多数据要选取超过25个零件以对S和Xbar值有准确的估计抽样频率足够小到可以包含制程可能发生的特殊变异一般规则:十倍取样于过程可能发生的超差数量分组抽样示例再次检查下面假定的工艺过程输出.‘?’表示从一台设备的输出.‘’表示另一台设备的输出.描述抽样计划对发现不同设备差异的必要性Authorofthisslide:?Ross,Sanders&Cooper确认数据的正态性正态分布特征?倒钟型曲线对称分布曲线下的面积概率为1标准正态分布均值=0,标准偏差=1任意点标准偏差值=Z从Z表中确定Z值其它选择:用Excel或Minitab注意Z表的区别为什么我们想要正态数据?正态数据容易分析.对称性可预测的标准偏差和均值能用来估计某范围内的值.数据正态性是形成过程能力分析的基本条件.非正态数据的分析不同与正态数据一般来说：大多数有上下限控制的制程数据服从正态分布.Z值正态分布标准偏差MeanX1?Z标准正态分布10Z缺陷率的预先估计Z-变换的通式为:上述公式是在Mean=0,sigma=1数据分布下提出Z值显示，在我们感兴趣的缺陷点X,远离均值几倍于样本标准偏差例如,如Z=2,那么缺陷点,X,偏离样本均值两倍标准偏差为了估计缺陷率,(或者估计产出率),x可取规格上下限通过这种方法可计算出在当前均值和标准偏差值下不合格品的比例数据正态的测试数据正态性决定：我们在为适应客户技术规格要求的生产过程中，应该选择哪种类型的分析方法.在Minitab和Excel中，我们可以找到这些测试数据正态性的工具.最通用的方法包含于软件Minitab.方法1:使用P值（若P>0.05,那么数据就是正态的）方法2:图表法分析非正态数据何种情况下会有非正态数据?非正态数据通常被自身特性界限所制约产生.改进会使数据趋向零而使其非正态分布例如以下几种非正态数据:及时交货率平面度表面粗糙度时间跳动粘贴力圆度涂层厚度翘曲变形拉伸强度变异的种类普通原因:在过程当中自然发生的,不可能从过程当中完全消除.如果只有普通原因出现，那么随时间过去，过程数据会形成稳态的，可预知的分布.特殊原因:已知的在操作人员方法，设备，环境，材料或测量方法方面所带来的差异.如果有特殊原因出现，那么随时间过去，过程数据就不会是稳态，且不可预知其分布.如果我们的过程统计受控，特殊原因必须被识别和消除。什么是SPC?SPC指统计过程控制（StatisticalProcessControl).SPC是研究那些利用统计学信号来监测和改进性能变异的工具这些工具可以应用于属性量和连续量数据例如:设备的性能特征登记作业的出错率销售总额值由于浪费带来的废品率分析计算机系统的性能特性材料管理系统方面的运输时间目标：我们要在运行过程能力分析之前用SPC确定过程是稳定的.输入输出过程测量系统识别预防4.检验和检测1.发现可分类识别的原因3.执行纠正措施2.确定根本原因SPC的目标过程受控意味着什么?受控指的是过程的状态.如果一个过程没有特殊原因的影响，例如该影响过程的变异来源是随机的，那就认为该过程是受控的受控的过程是那些均值和标准偏差已知或可预知的过程.为了分析过程能力，我们需要确认过程受控状态. 我们如何监控过程的稳定性?控制图是一些通常由按常规对产品抽样决定的过程性能参数图，这些参数通常是时间，产品的数量或者其它随时间顺序变化的变量的函数。控制图被用来确定过程是否受控.”对于不同类型的数据有不同的控制图.SPC非常依赖于样本大小和子组抽样方案控制图到底什么样子???UCL=+A2R中心线=LCL=-A2R这里:X=子组平均值=总平均A2=根据n得出的常量n=子组样本大小XXXX控制图基础上控制线UCL中心线下控制线LCL没有产品技术规格A2总是基于中心线3sigma距离控制图应用应用控制图的基本条件1企业质量管理又一定的基础，质量信息有可追溯性；2生产过程相对稳定，人机料法环五大因素已经标准化；3相关质量及技术人员受过必要的培训，计量器具及测试手段足够取样方法的确定取样问题一般涉及到样本容量和取样时间间隔1样本容量：一般取20～25个样本组，总样本容量N应大于1002时间间隔：休哈脱提出“合理子组原则”，即“组内差异只由偶因造成，组间差异主要由异因造成”控制限控制限的计算来自时间连续数据控制限的计算依赖于数据类型控制限于产品和过程技术规格要求无关特殊原因产生的变异很容易被消除并不需要每次收集数据时都要重新计算记住：控制限不是产品的技术规格限!!!控制图的选择属性量数据(离散的)连续量数据(连续的)子组大小不合格数#缺陷数>1每个子组的不合格品数#被选择样本的缺陷数Xbar&RXbar&SCUSUMEWMA>5=1NP图U图Xbar&MRCUSUMEWMAC图P图过程控制摘要当没有特殊原因影响时，我们就说该过程受控.SPC运行我们监控整个过程的可变性.控制图依赖于数据的类型,样本大小,和子组选择方案。过程的稳定性并不等于过程有能力!!!控制限跟产品的技术规格限没有关系!!!一个受控的过程是可预知的.制程能力分析在分析过程能力之前，我们已经做了如下假定:取样方案和子组抽样方案数据是正态或非正态。数据正态或非正态.过程受控.不同类型的过程能力分析是:连续量数据-正态和非正态分析属性量数据-二项分析Pp6s短期6s长期(USL-LSL)Min(USL-x,x-LSL)Min(USL-x,x-LSL)=Cpk=Ppk=3s短期3s长期连续量过程能力能力指数短期能力长期能力Cp是潜在过程能力Cpk是实际过程能力指数Pp是潜在过程能力Ppk是实际过程能力指数(USL-LSL)Cp(最好)=操作过程能力分析的指导方针 Step1:在制造过程中，抽取30到100个零件(每次抽样最少5个零件). Step2:基于步骤1和2得出的CTQ衡量产品性能 Step3:在Excel表格中输入变量（B&D统一提供的Excel格式) Step4:计算Cpk输入技术规格上下限（尺寸公差） Step5:读取Cpk注意观察抽样样本均值与技术规格中心偏离的程度 记住：你的过程应该首先受控!!!不同工序能力的绘图直观对比3Sigma制程5Sigma制程4Sigma制程6Sigma制程这些结果意味着什么呢?DPMOLT SigmaST CpkST 66,807 3.0 1.0022,750 3.5 1.176,210 4.0 1.331,350 4.5 1.50233 5.0 1.6732 5.5 1.833.4 6.0 2.0差好优秀6Sigma!Cpk=Ppk+.5(基于1.5sigma的偏移)非正态数据制程能力非正态数据识别我们看到的两种条件下的非正态数据:公差的边界是0,例如，跳动值过程的改进可以使该值趋向于0把非正态数据转换成容易分析的正态数据使非常重要的.Minitab有两个工具用来转换非正态数据:BoxCox转换Weibull转换让我们首先产生非正态数据:Calc>randomdata>Chisquare,100rows,df=2对这些数据按正态数据进行分析:Stat>QualityTools>capabilityanalysis(normal)USL=10,LSL=0为什么要进行数据转换?PPM=116,000为什么这么高?过程能力分析摘要过程能力指数衡量我们在适应客户技术要求方面到底有多好.在运行过程能力测试前一定确认我们的过程受控.过程的稳定性并不意味着过程有能力.对连续量数据，在做CPK分析之前一定要分析数据的正态性.非正态数据可以用Weibull或BoxCoxtransformation工具（在Minitab软件中）转换成正态数据后再分析.属性量数据可以用二项分布分析.Q&ANotes:Notes:Processcapabilitystudiesareusedtoassessaprocessrelativetospecificationcriteria.Notes:Agoodruleofthumbistotakesubgroupsof5.Themoresamplesyouhave,themorerefinedyourdatais;however,keepinmindtheprincipleofeconomiesofscale.Forexample,ifyouhavea4cavitymold,youwouldwanttosampleeachcavity.Youwouldneedtosubgroupbymachineinthiscase.Notes:Datafromtheshopfloorexhibitingnormaltendenciescanberepresentedbyanormalcurve.Standardnormaldistributionisaspecialdistributionwithareaequalto1.Notes:TheequationatthebottomistheztransformThisformulachangesthenormalrandomvariablewithameanandstandarddeviation(topgraph)intoastandardnormalrandomvariablewithameanofzeroandastandarddeviationof1(bottomgraph).Notes:Pg.694inImpl.6sigmaisNormalDistributiontableExplainoutofthebookthatdifferentshadedregionsrequiredifferentinterpretation.ThisslideshowswhyweneedtonormalizeConceptfirstproposedbyDr.Deming.MAICprocessEitherpreventthedefectfromoccurringordetectitontheoutputside.Importantpoints:Allcontrolchartshave3things:controllimitsandacenterline.DrivetheprocesstocontrollimitsnotspecificationswhicharebasedonthesampleXbarstofallwithin+/-3?fromthemeanofthepopulation.Anarrowingofthecontrollimitswouldresultinaloweringofthebetariskbutincreasefalsealarmsoralpharisk.Justuse+/-3sigma.Thefactthatallpointsliewithin+/-3sigmadoesn’tmeanthatnospecialcausesarepresent.Rbarisaveragerangeforthesubgroup.Notes:CoverCp-Potentialcapability(basedonprocessspread)Cpk-Performancecapability(performancetoaspecification)Ref.P.57inBotheDiscussshorttermandlongtermdatahere.Cp=USL-LSL/6sCp=6S/6S=1=Cpkforacenteredprocess6SCp=8S/6S=1.338SCp=12S/6S=212SNotes:Notes:JustcoversixsigmaslideCalculateCpkfromPPksoyoucanestablishhowwelltheprocessisrunningperthecommentsingreen.Notes:Pointoutthatbecauseweareusingnormaldistributionstoestimatedefectswe,considerabledefectsweregeneratedunderthecurvetotheleftofzero.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
