统计过程控制SPC

培训背景：

FMEA，SPC，MSA我们称之为预防工具三剑客，SPC，MSA更是以数据为基础的预防性工具。我们在企业很多时候是有数据统计，没有数据分析，更是没有分析后的应用与改善。

培训受益：

让学员认识统计过程控制，是企业提高质量管理水平的有效方法。它利用数理统计原理，通过检测资料的收集和分析，可以达到“事前预防”的效果，从而有效控制生产过程、不断改进品质。

通过课程的学习，让学员了解SPC的原理，正确应用SPC的技巧。让SPC不仅仅是绘图，更是动态的管理手段，确实的协助管理者掌握维持过程稳定的能力。

课程时间：2天/共12H

课程内容：

一、数据的基本常识：

1、数据的分类

2、收集数据的目的

3、收集数据应按注意的事项

□  有效数字

□  数字的修约规则

4、数据的几个重要特征：

□ 表示数据集中位置的特征数

□ 表示数据离散程度的特征数：极差、方差、标准偏差（σ）

5、标准差与平均值关系

二、关于spc理解

1、永续经营法则

2、客户对供应商spc之要求

3、spc基础

□ spc起源、背景

□ 最新版本 spc的变化

□ spc的假设条件

□ 统计资料的类型（计数、计量）

□ 正态分布

□ 中值、极差、标准偏差的计算

□ 过程的变异

三、控制图--spc质量控制的基本元素是控制图。

1、什么是控制图：(控制图原理：3σ原则)

2、控制图的主要用途：

□ 变异的本质：共同原因、特殊原因

□ 管制状态

□ spc两个阶段：分析阶段，监控阶段

□ 分析用的控制图主要目的：管理用的控制图主要作用：充分体现出spc预防控制的作用。

3、控制图的基本形式 控制图的种类及主要用途

4、计量值控制图

□  平均值－极差控制图

①收集数据

②数据分组，填入数据表

③计算各组（样本）的平均值X和极差R

④计算总平均值和极差R

⑤计算中心线和控制界限：控制图系数表

⑥绘制控制界限

⑦标注有关可参考事项

□  中位数和极差控制图——案例

□  单值─移动极差控制图（X－Rs）

  ①集数据，填入数据表

②计算各样本的移动极差及其平均值

③求X控制图的中心线和控制界限

④求Rs控制图的中心线和控制界限

⑤画中心线的和控制界限

⑥标注有关事项

□  平均值和标准偏差控制图——案例分析

□  控制线的修订分析

5、计数值控制图

□  计数值控制图有不合格品率控制图(P图)、不合格品数控制图(Pn)图、单位缺陷控制图(u图)和缺陷控制图(C图)。

□ 不合格品率控制图(P控制图)

①主要用途

②P控制图几种画法

③一是收集的样本大小n不等

④二是对上述控制界限的计算进行简化

⑤不合格品率控制图（Ｐ控制图）画法

□  不合格品数控制图（Pn控制图）

□  单位缺陷数控制图（μ控制图）

□  缺陷数控制图（C图）

□  公差百分率控制图

①什么是公差百分率控制图

②中心线和控制界限的确定

  ③ 差百分率控制图的特点

6、控制图的观察分析   控制图与工序变化的分析和判断

□ 工序稳定状态的判断

①工序是否处于稳定状态，必须同时要满足两个原则

□  工序不稳定状态的判断

①点子超出控制界限

②点子处在警戒区内

③点子在控制界限内，但点子排列有缺陷

7、控制图异常的处理

□  4种情况应重新计算控制界限并作控制图： 

□  控制图两种错误的分析

□  3σ控制界限的意义 ⑷质量特性与控制图的选择要考虑的6个方面：

8、使用控制图的注意事项

①分组问题、②分层问题、③控制界限的重新计算——课堂练习

四、工序能力分析

1、工序能力的含义：工序能力与生产能力、机械能力的区别

2、工序能力的数量表示： 为什么用6σ来表示工序能力？

3、工序能力与公差图

4、工序能力指数Cp及其计算

□  正态分布

□  双向允差，工序分布中心与规格中心重合（即无偏移的情况）

□  双向允差，工序分布中心与规格中心有偏移

□  单向公差情况：只有公差上限TU时/只有公差下限TL时

5、工序能力的判断及处置

□  工序能力判断标准

□  有偏离系数工序能力的判断标准

□  CP值对应的总体不合格品率表（％）

6、处置：

CP＞1.67时、1.33 < CP≤1.67时、1< CP≤1.33时、0.67 < CP≤1时、CP≤0.67时

7、改善及矫正措施

8、序能力指数计算练习

五、推进spc的关键点

1、培训spc

2、确定关键质量因素

3、提出制程管制标准

4、在各部门落实，将具有立法性质的有关制程管制标准的文件编制成明确易懂，便于操作的手册，供各个制程使用

5、统计监督和管制制程

6、诊断异常和采取措施解决问题

六、课程总结与问题解答