SPC过程能力分析

114次阅读

统计过程控制（SPC）是一种借助数理统计方法的过程控制工具，广泛应用于制造业和服务业中，以保证产品或服务质量，提高生产效率。我来介绍一下SPC的基础知识，包括其生命特征、关系链、控制原理，并进一步探讨控制图和过程能力分析的具体应用。

SPC的基础知识

SPC的生命特征

SPC之父：休哈特

SPC的起源可以追溯到20世纪20年代，被誉为“SPC之父”的沃尔特·休哈特（Walter A. Shewhart）首次提出了统计质量控制理论。休哈特认为，制造过程中的变异可以分为两种：特殊原因（也称为偶然原因）和普通原因（也称为系统原因）。他提出了通过控制图来区分这两种变异的方法，为SPC的发展奠定了基础。

SPC的定义和目的

SPC是一种应用统计分析技术对生产过程进行监控，科学的区分出生产过程中产品质量的随机波动与异常波动，从而对生产过程的异常趋势提出预警，以便生产管理人员及时采取措施，消除异常，恢复过程的稳定，从而达到提高和控制质量的目的。SPC不仅关注产品的最终质量，还关注生产过程的稳定性和可控性，通过预防和控制质量问题的发生，提高生产效率和客户满意度。

SPC管理的特点

SPC管理的特点可以总结为以下几点：

全员参与：SPC要求全员参与质量控制活动，不仅限于质量控制部门。每个员工都应该对质量负责，积极参与质量改进活动。
预防为主：SPC强调事先控制，通过监控生产过程的变化，及时发现潜在问题并采取措施进行预防，避免质量问题的发生。
用数据说话：SPC依靠数据来分析和判断生产过程的稳定性。通过收集和分析生产数据，可以客观地评估生产过程的性能和质量水平。

SPC的关系链

产品检验与SPC的链

传统的产品检验是在生产结束后对产品进行检验，只能剔除不合格品，无法预防不合格品的产生。而SPC则强调在生产过程中进行监控，通过数据分析提前发现潜在问题，从而防止不合格品的产生。SPC与产品检验相辅相成，共同构成了一个完整的质量控制体系。

SPC的组成链

SPC的核心组成包括平均值、极差、标准差（σ）、中位数、单值等统计量。这些统计量用于描述和监控生产过程的变化，帮助识别异常波动。通过计算和分析这些统计量，可以对生产过程的稳定性和可控性进行客观评估。

SPC的工具链

SPC的工具链主要包括各种QC工具，如控制图、直方图、帕累托图、因果图等。这些工具在SPC中起着至关重要的作用。控制图用于监控生产过程的变化，及时发现潜在问题；直方图用于展示数据的分布情况，帮助识别异常数据；帕累托图用于分析质量问题的主要原因，为质量改进提供依据；因果图用于分析质量问题与各种因素之间的因果关系，为制定改进措施提供支持。

SPC的控制原理

特殊原因与普通原因的区分

SPC的核心理念是区分特殊原因和普通原因引起的变异。特殊原因引起的变异是偶然的、不稳定的，通常是由突发事件或异常情况引起的，如设备故障、原材料问题、操作失误等。这类变异需要通过局部措施进行消除，如调整设备、更换原材料、加强培训等。而普通原因引起的变异则是系统的、稳定的，是由生产过程本身的特点和固有的随机性引起的。这类变异需要通过改变系统来消除，如改进工艺、优化流程、提高设备精度等。

局部措施与对系统采取措施

对于特殊原因引起的变异，通常采取局部措施进行消除。这些措施针对具体的问题和原因，旨在快速解决问题并恢复生产过程的稳定。例如，如果设备出现故障导致产品质量下降，可以采取修理或更换设备的措施来解决问题。而对于普通原因引起的变异，则需要通过改变系统来解决问题。这些措施涉及对整个生产过程的改进和优化，旨在提高生产过程的稳定性和可控性。例如，如果生产过程存在固有的随机性导致产品质量波动较大，可以通过改进工艺、优化流程或提高设备精度等措施来减小波动范围并提高产品质量。

控制图

控制图的概念

控制图的定义和作用

控制图是一种用于监控生产过程稳定性的统计工具。它通过绘制样本数据点及其统计量（如平均值、极差等）来反映生产过程的波动情况。控制图可以帮助识别潜在问题并及时采取措施进行调整，从而保持生产过程的稳定和可控。通过控制图的应用，可以有效地预防和控制质量问题的发生，提高生产效率和客户满意度。

控制图的中心线、上控制限（UCL）、下控制限（LCL）

控制图的中心线代表生产过程的平均水平或目标值。它通常是根据历史数据或设计要求确定的，并作为监控生产过程稳定性的基准。上控制限和下控制限则分别代表生产过程的可接受范围或规格界限。当数据点超出控制限时，意味着生产过程可能存在异常波动或失控情况，需要进行调查和调整以恢复过程的稳定。

控制图的类型与选择

计量型控制图和计数型控制图

控制图主要分为计量型控制图和计数型控制图两种类型。计量型控制图适用于连续型数据或可以测量的数据类型（如长度、重量、温度等）。它通常使用平均值和极差等统计量来监控生产过程的变化。而计数型控制图则适用于离散型数据或无法直接测量的数据类型（如不合格品数、缺陷数、次品数等）。它通常使用不合格品率或不合格品数等统计量来监控生产过程的质量水平。

控制图选择方法

选择控制图时需要考虑数据类型、生产过程的特点以及监控的目的。对于连续型数据且需要监控生产过程平均水平和波动范围的情况，可以选择X-R控制图（平均值-极差控制图）或X-σ控制图（平均值-标准差控制图）。这两种控制图都可以有效地反映生产过程的稳定性和可控性。而对于离散型数据或需要监控生产过程不合格品率或不合格品数的情况，则可以选择p控制图（不合格品率控制图）或c控制图（不合格品数控制图）。这两种控制图可以帮助识别和控制生产过程中的质量问题，提高产品质量和客户满意度。

控制图的八大判异准则

控制图的八大判异准则用于识别生产过程中的异常波动或失控情况。这些准则包括：

一点落在A区以外：表示有一个数据点超出了控制图的正常波动范围，可能是由特殊原因引起的变异。
连续9点落在中心线同一侧：表示生产过程出现了持续的偏移或趋势，可能是由系统原因引起的变异。
连续6点递增或递减：表示生产过程出现了持续的上升或下降趋势，可能是由系统原因引起的变异。
连续14点相邻点上下交替：表示生产过程出现了频繁的波动或不稳定情况，可能是由系统原因引起的变异。
连续3点中有2点落在中心线同一侧的B区以外：表示生产过程出现了局部的异常波动或失控情况，可能是由特殊原因引起的变异。
连续5点中有4点落在中心线同一侧的C区以外：表示生产过程出现了更严重的异常波动或失控情况，需要立即采取措施进行调查和调整。
连续15点在C区中心线上下：表示生产过程处于相对稳定的状态，但仍然存在一定的波动范围。
连续8点在中心线两侧，但无一在C区中：表示生产过程出现了不规则的波动或变异情况，可能是由多种原因引起的。

当控制图出现上述任何一种情况时，都意味着生产过程可能存在异常波动或失控情况，需要进行调查和调整以恢复过程的稳定。

制作控制图的步骤

制作控制图的步骤包括：

选定质量特性：根据生产过程的特点和监控目的，选定需要监控的质量特性。这些特性应该是能够反映生产过程稳定性和可控性的关键指标。
选择控制图种类：根据数据类型和生产过程的特点，选择合适的控制图种类。例如，对于连续型数据可以选择X-R控制图或X-σ控制图；对于离散型数据可以选择p控制图或c控制图。
收集数据：收集一定数量的样本数据，用于绘制控制图。这些数据应该来自生产过程的不同阶段和环节，以确保控制图能够全面反映生产过程的波动情况。
计算参数：计算样本数据的平均值、极差等统计量，以及控制图的中心线、上控制限和下控制限。这些参数是绘制控制图的基础，也是判断生产过程稳定性和可控性的依据。
画出控制图：根据计算得到的参数，绘制控制图。在绘制过程中，需要确保数据点的准确性和清晰性，以便后续的分析和判断。
判断过程稳态：通过控制图判断生产过程是否处于稳态。如果数据点都在控制限内且波动范围较小，说明生产过程处于稳态；如果数据点超出控制限或波动范围较大，说明生产过程可能存在异常波动或失控情况。
转化为控制用控制图：当生产过程处于稳态时，将分析用控制图转化为控制用控制图。这意味着控制图已经经过了初步的验证和确认，可以用于日常的生产过程监控和质量控制活动。