全球专业中文经管百科,由121,994位网友共同编写而成,共计435,753个条目

SPC

用手机看条目

出自 MBA智库百科(https://wiki.mbalib.com/)

(重定向自统计过程控制)

SPC(Statistical Process Control,統計過程式控制制或統計製程控制)

目錄

什麼是SPC

  SPC即英文 “Statistical Process Control”之縮寫,意為 “統計製程控制” SPC或稱統計過程式控制制。SPC主要是指應用統計分析技術對生產過程進行實時監控,科學的區分出生產過程中產品質量的隨機波動與異常波動,從而對生產過程的異常趨勢提出預警,以便生產管理人員及時採取措施,消除異常,恢復過程的穩定,從而達到提高和控制質量的目的。

  在生產過程中,產品的加工尺寸的波動是不可避免的。它是由人、機器、材料、方法和環境等基本因素的波動影響所致。波動分為兩種:正常波動和異常波動。正常波動是偶然性原因(不可避免因素)造成的。它對產品質量影響較小,在技術上難以消除,在經濟上也不值得消除。異常波動是由系統原因(異常因素)造成的。它對產品質量影響很大,但能夠採取措施避免和消除。過程式控制制的目的就是消除、避免異常波動,使過程處於正常波動狀態。

SPC起源與發展[1]

  SPC的基本原理和方法是上世紀30年代由Shewhart博士為了有效地對生產過程中產品質量進行監測控制而提出的,至今已有70多年的歷史。自創立以來,它就在工業和服務等行業得到了推廣和使用。二戰時期美國將其制定為戰時質量管理標準,為保證軍工產品的質量和及時交付起到了重要作用。戰後的日本從1950-1980年在工業界廣泛推廣和應用SPC,使日本躍居世界產品質量和生產率的領先地位,以至於美國著名的質量管理專家Berger教授也曾說:日本成功的基石之一就是SPC。從上世紀80年代起,SPC在許多工業發達國家復興,世界很多大公司也紛紛在自己內部積極推廣和應用SPC。雖然,SPC是從產品的質量監控開始的,但經過70多年實踐和發展,尤其是與電腦技術的緊密結合,其原理和方法現已廣泛應用於設計、銷售、服務、管理等過程。

3σ原理簡介

  當過程僅僅有正常變異時,過程的質量特性是呈現正態分佈的,其分佈狀態如下:

  Image:spcyl.jpg

  休哈特建議用界限±3σ來控制過程,就是說,在10000個產品中不超過27個不合格品出現,就認為該生產過程是正常的,若達到27個以上,就認為過程失控。

  在當時,這是一個非常高的要求,一般的企業都很難達到這個水平,而在今天,企業的質量管理水平當然已經遠遠不止這個水平,甚至一些企業普遍要求5σ的水準,當然,這和某些行業有關係,例如汽車電子和汽車鈑金的水準就不是一個數量級的。

SPC技術原理

  控制(SPC)是一種藉助數理統計方法的過程式控制制工具。它對生產過程進行分析評價,根據反饋信息及時發現系統性因素出現的徵兆,並採取措施消除其影響,使過程維持在僅受隨機性因素影響的受控狀態,以達到控制質量的目的。當過程僅受隨機因素影響時,過程處於統計控制狀態(簡稱受控狀態);當過程中存在系統因素的影響時,過程處於統計失控狀態(簡稱失控狀態)。由於過程波動具有統計規律性,當過程受控時,過程特性一般服從穩定的隨機分佈;而失控時,過程分佈將發生改變。SPC正是利用過程波動的統計規律性對過程進行分析控制的。因而,它強調過程在受控和有能力的狀態下運行,從而使產品和服務穩定地滿足顧客的要求。

  統計學的幾個基本概念

  1) 計量值與計數值

  計量值:其特點是可以連續讀取的這些數據;

  計數值:其特點是不可以連續讀取的這些數據。

  2) 總體、個體、樣本抽樣

  總體:由具有某種共同特性的單位個體組成的較大數量的整體。三特性:同質性、大量性和差異性。

  樣本:由整體里的一定數量(部分或全部)個體組成的群體

  質量管理中常用的統計分析方法

  介紹的以下這些工具和方法具有很強的實用性,而且較為簡單,在許多國家、地區和各行各業都得到廣泛應用:

  • 控製圖:用來對過程狀態進行監控,並可度量、診斷和改進過程狀態。
  • 直方圖:是以一組無間隔的直條圖表現頻數分佈特征的統計圖,能夠直觀地顯示出數據的分佈情況。
  • 排列圖:又叫帕累托圖,它是將各個項目產生的影響從最主要到最次要的順序進行排列的一種工具。可用其區分影響產品質量的主要、次要、一般問題,找出影響產品質量的主要因素,識別進行質量改進的機會。
  • 散佈圖: 以點的分佈反映變數之間相關情況,是用來發現和顯示兩組數據之間相關關係的類型和程度,或確認其預期關係的一種示圖工具。
  • 過程能力指數Cpk):分析工序能力滿足質量標準、工藝規範的程度。
  • 頻數分析:形成觀測量中變數不同水平的分佈情況表。
  • 描述統計量分析:如平均值、最大值、最小值、範圍、方差等,瞭解過程的一些總體特征。
  • 相關分析:研究變數之間關係的密切程度,並且假設變數都是隨機變動的,不分主次,處於同等地位。
  • 回歸分析:分析變數之間的相互關係。

SPC控製圖類型

  1、控製圖種類(以數據來分)

  1)計量值控製圖

  • Xbar-R(X-R):平均值與全距極差)控製圖
  • X-Rm:個別值與全距控製圖

  2) 計數值控製圖

  控製圖應用

  1) SPC控製圖三要素:坐標、管制界限、數據點;構成完整的SPC圖。

  2) 計算:

  A. Xbar-R(平均值與全距(極差)控製圖): Xbar=∑Xn/n, R =Xmax-Xmin ,R=∑Rn/n

  • UCL=X +A2*R LCL=X -A2*R

UCL=D4*R LCL==D3*R

  B.P-chart:不良率控製圖 P=P‘(NG)/∑N *100%

  C.C-chart:缺點數控製圖

  D.U-chart:單位缺點數控製圖

  2、控製圖種類(依用途來分)

  1)控制用控製圖

  • 追查不正常原因
  • 迅速消除此項原因
  • 研究採取防止此項原因重覆發生的措施。

  2)分析用控製圖

  • 決定方針用
  • 過程分析用
  • 過程能力研究用
  • 過程式控制制準備

控製圖的主要功能

  應用控製圖可以實現“事前”預防為主的過程式控制制。具體來說控製圖能夠:判斷過程是否受控,過程能力是否充分;在過程出現異常時及時報警.防止不合格品的發生;能夠對過程情況“實時監控”,減少對常規檢驗的依賴性。

  應用SPC控製圖進行過程式控制制被界定為分析和監控兩個階段。在這兩個階段所使用的控製圖分別被稱為分析用控製圖和控制用控製圖。在企業的實際應用中。對於每個SPC控製圖項目,都必須經過這兩個階段。

  在分析階段首先要按照標準要求進行生產準備。確保生產是在5MIE因素無異常的情況下進行;然後用生產過程收集的數據計算控制界限,作成分析用控製圖、直方圖或進行過程能力分析,檢驗生產過程是否處於統計穩態以及過程能力是否足夠。如果任何一個不能滿足。則必須尋找原因實施改進,並重新進行生產準備及上述分析.直到實現過程處於統計‘穩態和過程能力充分這兩個階段性目標,則宣告分析階段結束,進入監控階段。

  監控階段的主要工作是應用控制用控製圖進行過程日常監控。此時控製圖的控制界限已經根據分析階段的結果而確定,生產過程的數據及時繪製到控製圖上,並密切觀察控製圖,控製圖中點的波動情況可以顯示出過程受控或欠控,如果發現失控.必須尋找原因並儘快消除其影響。實際上.監控階段控製圖的採用分析階段確定的控制界限並不確切。從控制界限計算公式可以看出每輸入一個新的數據點都需要重新計算一次控制界限。在沒有信息技術的支持來完成這樣繁重的運算時。短期內使用分析階段確定的控制界限也是可以的。

繪製SPC控製圖應遵循的步驟與方法

  分析用控製圖

  1)識別關鍵過程.選取控製圖要控制的關鍵質量特性;

  2)根據質量特性及適用的場合選取控製圖類型;

  3)確定合適的樣本組、樣本量大小和抽樣間隔;

  4)收集並記錄20—25個樣本組的數據。通常每組樣本量n--4-5個,這樣保證控制過程的檢出率為84%一90%;

  5)計算各組樣本的統計量(均值、標準差、極差等);

  6)計算中心線和控制限;

  7)繪製控製圖(畫坐標軸、中心線和上下控制限,根據樣本值打點,記人相關事項);

  8)分析樣本點的排列形狀,判斷過程是否受控。

  控制用控製圖

  當分析用控製圖中點子均在控制限之內或排列元缺陷時,能表明生產過程穩定,無系統岡素影響生產過程.尚不能說明不合格率小於允許值。因此,在分析用控製圖基礎上需要繪製控制用控製圖,步驟如下:

  1)消除系統因素。

  依據分析用控製圖提供的信息判斷生產過程是否穩定.即是否有系統因素在起作用。如果存在系統因素,應設法消除。

  2)重新計算控制限。

  剔除分析用控製圖中無代表性的數據(如落在界限外點子的數據)後。重新計算中心線和控制限。

  3)確認分佈範圍位於公差界限之內。只有當生產過程穩定且產品質量特性值分佈範圍位於公差界限之內時,才能保證不出現批量

  不合格品。因此應利用分析控制網的數據繪製直方圖,並與公差界限比較,或直接計算工序能力指數.進而採取相應措施。

  4)控制用控製圖的使用。在確認過程穩定並具備足夠的工序能力後.便可開始批量生產.用控制用控製圖控制批量生產過

  程.即根據控製圖類型抽取樣本進行計算、繪圖和分析。

SPC在企業的有效實施

  統計過程式控制制(簡稱SPC)已經成為許多國際性企業廣泛採用的質量管理和改善的技術和方法,它通過運用控製圖對生產過程進行分析評價,根據反饋信息及時發現系統性因素出現的徵兆,並採取措施消除其影響,使過程維持在僅受隨機性因素影響的受控狀態,以達到控制質量的目的。

  企業有效實施SPC的效益

  通過有效實施SPC,可以從以下幾個方面使企業受益:

  目前我們國內許多企業也開始逐步認識和推廣SPC,但並沒有達到預期的效果,為什麼呢?究其原因,可以分為以下幾點:

  •   企業未能形成或明確質量管理在企業總體發展中的重要位置,並且未能在領導層達成共識。
  •   在日趨激烈的競爭中,品質優異永遠是不敗的一大優勢,但要達到優異的品質,不僅需要操作層各成員的努力,更需要管理層共同重視與支持。
  •   企業對SPC缺乏足夠的全面瞭解。
  •   SPC作為一種過程式控制制方法,它運用數理統計概率論原理,可以及時發現生產中的異常情況,從而及時採取措施進行改進,把質量隱患消滅在萌芽狀態,真正達到防患於未然。SPC不是簡單的幾個控製圖或統計量,而是要以這些圖形或數值為基礎建立一個以過程為核心的質量管理體系
  •   企業對實施SPC的前期準備工作重視不夠。
  •   所謂前期工作,除了對企業質量管理現狀把握,還包括對員工進行SPC基本概念和知識培訓,制定一個明確的質量目標和計劃。只有參與者對SPC有了一定的瞭解和認識,才能激發他們的熱情和信心,將它們正確、有效地應用在日常工作中。
  •   未能有效地總結和借鑒其他企業的經驗。

  即使企業對可能導致不能有效實施SPC的原因有所認識,仍然會在實施過程中碰到一些實際問題,這些問題也是實施不成功的因素。美國一位著名醫生在羅斯福總統去世幾年後的一次會議上富有啟發性地說,如果羅斯福的醫生還有其他病人,羅斯福可能活到現在。因為優秀的醫生需要通過大量的病例不斷學習和提高。所以,要善於利用外部優秀的“醫生”來總結實際經驗、充實提高應用技能。

如何達到SPC有效實施

  針對以上原因,要保證SPC實施成功,企業應重視如下幾方面的工作:

  管理層的認識和重視

  不少企業領導者認為產品質量差是由於有關工作人員素質差或不負責任造成的。事實上,如果採用先進的質量管理技術和工具,在原有條件不變的情況下,質量就可以得到明顯的改進。SPC正是這樣一種行之有效的工具。同時,在實施SPC的各階段都要得到管理層的支持,如在實施SPC的初期階段要安排培訓,這需要資金與時間,需要管理層協調安排。在實施過程中有些過程需要做較大調整,有的甚至要更改工藝、更換設備等,這些都需要管理層的支持與認可。因此,有效實施SPC,管理層的認識和重視是非常重要的。

  加強培訓

  對相關人員先期進行SPC培訓是實施SPC的重要前提工作,因為SPC是基於數理統計和概率論的理論基礎上的管理方法,要能在生產過程中正確運用,必須要有一定的理論基礎。培訓可以採取選送相關人員到外部培訓單位參加培訓,如有條件則應儘量邀請培訓機構到工廠來培訓,到廠培訓一是可以增加受訓的人數,另一方面也可以使培訓內容更切合工廠的實際,提升培訓效果

  重視數據

  實施SPC本身就是一種量化管理,數據的質量是非常重要的,數據的準確度、可信度直接影響到我們是否在適當的時候採取合適的行動。影響數據質量的因素主要有兩個方面,一方面是測量系統影響的,另一方面是記錄數據、計算等人為的影響。對於測量系統的影響,我們要定期進行測量系統分析,來確認我們的測量系統是否是可用的,從而來保證我們的數據質量,同時要儘量減少人為失誤。

  藉助專業的SPC軟體

  在實施SPC過程中,由於要運用到大量的數據,同時要對這些數據進行計算,並用多種統計方法去分析,這中間的工作量是很大的。如未能及時計算出來結果,作出相應的統計圖,就會錯過最佳改進時機。在實施SPC活動中,如果能藉助專業的SPC軟體,這些問題就迎刃而解了。

  實施PDCA迴圈,達到持續改進

  戴明博士最早提出了PDCA迴圈的概念,PDCA迴圈是能使任何一項活動有效進行的一種邏輯的工作程式:Plan(計劃)、Do(執行)、Check(檢查)、Action(行動),特別是在質量管理中得到了廣泛的應用。實施SPC也要運用PDCA迴圈,藉助SPC工具,不斷地分析質量問題中各種影響因素,分析影響質量問題的主要原因,針對主要原因,採取解決的措施,併進行針對性預防在下一迴圈中改進,從而達到持續改進的目的。

  SPC作為質量改進的重要工具,不僅適用於工業過程,也適用於服務等一切過程性的領域。無論在什麼領域使用,都要做好實施SPC的前期培訓工作,重視實施過程的數據質量,必要時藉助專業的SPC軟體,迴圈改進,從而使企業的質量水平得到持續改進,在激烈的市場競爭中贏得更多客戶。

  1、 實施SPC的兩個階段

  實施SPC分為兩個階段,一是分析階段(批量試產階段),二是監控階段。在這兩個階段所使用的控製圖分別被稱為分析用控製圖和控制用控製圖。

  分析階段的主要目的在於:

  一)、使過程處於統計穩態,

  二)、使過程能力足夠。

  分析階段首先要進行的工作是生產準備,即把生產過程所需的原料、勞動力、設備、測量系統等按照標準要求進行準備。生產準備完成後就可以進行,註意一定要確保生產是在影響生產的各要素無異常的情況下進行;然後就可以用生產過程收集的數據計算控制界限,作成分析用控製圖直方圖、或進行過程能力分析,檢驗生產過程是否處於統計穩態、以及過程能力是否足夠。如果任何一個不能滿足,則必須尋找原因,進行改進,並重新準備生產及分析。直到達到了分析階段的兩個目的,則分析階段可以宣告結束,進入SPC監控階段。

  監控階段的主要工作是使用控制用控製圖進行監控。此時控製圖的控制界限已經根據分析階段的結果而確定,生產過程的數據及時繪製到控制上,並密切觀察控製圖,控製圖中點的波動情況可以顯示出過程受控或失控,如果發現失控,必須尋找原因並儘快消除其影響。監控可以充分體現出SPC預防控制的作用。

  在工廠的實際應用中,對於每個控制項目,都必須經過以上兩個階段,並且在必要時會重覆進行這樣從分析到監控的過程。

  2、SPC控製圖(管製圖)管制界限的調整

  1) SPC控製圖特性:追溯性、預測性、延續性(穩定性);故SPC控製圖的管制界限可以延用。

  2) 4M1E分析方法4M1E:人(MAN)、機(MACHINE)、料(MATETIAL)、法(METHOD)、環(ENVIRONMENT);五要素只要有一個發生改變就必須重新計算。

SPC實施的困難點[2]

  依筆者輔導企業的粗淺經驗﹐認為企業實施SPC的困難點或缺點有幾項﹕

  不知找哪些管制特性來實施SPC

  企業對SPC大多有一個心理障礙,那就是又期待、又怕受傷害,期待利用SPC做到不良預防、減少浪費、提升製程能力;但又怕管制特性太多,SPC做不完又不能落實。

  製程中找不出重要管制特性

  使用者之人命傷亡,且客戶亦未特別指定,所以乾脆認為SPC不適用本公司。

  不瞭解管製圖的用法

  企業對於製程變異之共同原因與特殊原因不知如何分辨,所以在使用管製圖與計算管制界限時,甚至在計算製程能力時,大多不知道將特殊原因剔除,使得管制界限虛張、製程能力虛減。

  抽樣不合乎連續製程之統計原理

  企業實施SPC時,往往利用首末各n件來繪製管製圖,殊不知如此僅是對製程開始與結束生產前之質量確認罷了,完全沒有測知製程狀態與能力之功能。

  抽樣數不恰當

  企業往往僅盲目跟從,而實行XR管製圖,不知選用適當之管製圖,造成成本上的浪費(如破壞檢測)或失去管製圖意義(如溶劑比重)。

  管制界限與規格界限混淆

  對某管制特性,其實只有單邊規格,但如偏向另一象界太多,又可能造成質量成本之增加,故索性自訂另一象界之規格以防止成本之浪費,成為雙邊規格。因此,在使用SPC時經常偏向自設規格之象界,使得製程能力誤以為不符要求。其實該自設之規格界限充其量僅能稱為管制界限罷了﹗例如:某一特性規格為9Kg以上,但如製品高達13Kg以上時﹐則相對必須有較精良之設備,且設備壽命亦將縮短,甚至過高時還可能會適得其反,造成質量不良,因此就將15Kg訂為規格上限。如此一來幾乎所有的測試數據都臨屆在規格上限,造成管製圖異常、計算之管制上限比規格上限還高、製程能力指數出奇的低,然後還一臉莫名的問:奇怪﹗每一件都合格,為什麼製程能力指數仍然達不到1.0呢﹖

  點繪管製圖的人員不瞭解如何判讀變異

  企業常發現管製圖異常是幾天前的事,甚至於沒有人發現,直到可能的不良件已交入客戶手中後,全體品保人員開始祈禱客戶不要發現,而且問題也不要在我任職期間爆發﹗

  久久生產一次,如何做管製圖

  企業以為某一產品許久才生產一次,做管製圖是無效益且不經濟的,其實只要特性、規格一樣,製程條件也一樣,雖然是不同產品亦可以依特性別同繪於一張管製圖,因為SPC是用於管制製程產出良品的能力,並非管制產品的質量趨勢。

實施SPC的十大誤區

  SPC對很多製造業來講,已經不是什麼新鮮事物了!但做得好,做出效益的卻不多,特別是中小企業.這裡,根據實際輔導中所看到的一些問題,跟大家做一些探討.

  誤區之一
不能確定正確的管制點。

  不知道哪些點要用管製圖進行管制,花費大量的時間與人力,在不必要的點上進行管制.熟不知,SPC只應用於重點的尺寸.那麼重點尺寸\性能如何確定呢?通常應用FMEA的方法,開發重要管制點.嚴重度為8或以上的點,都是考慮的對象.(如果客戶有指明,依客戶要求即可);

  誤區之二
沒有適宜的測量工具.

  計量值管製圖,需要用測量工具取得管制特性的數值.管製圖對測量系統有很高的要求.通常,我們要求GR&R不大於10%.而在進行測量系統分析之前,要事先確認測量儀器的分辨力,要求測量儀器具有能夠分辨出過程變差的十分之一到五分之一的精度,方可用於製程的解析與管制,否則,管製圖不能識別過程的談判.而很多工廠勿略了這一點,導致做出來的管製圖沒辦法有效的應用,甚至造成誤導;

  誤區之三
沒有解析生產過程,直接進行管制.

  管製圖的應用分為兩個步驟:解析與管制.在進行製程管制之前,一定要進行解析.解析是目的是確定製程是的穩定的,進而是可預測的,並且看過程能力是否符合要求.從而瞭解到過程是否存在特殊原因、普通原因的變差是否過大等致關重要的製程信息。製程只有在穩定,並且製程能力可以接受的情況下,方纔進入管制狀態。

  誤區之四:解析與管制脫節。

  在完成製程解析後,如果我們認為製程是穩定且製程能力可接受的,那麼,就進入管制狀態。製程控制時,是先將管制線畫在管製圖中,然後依抽樣的結果在管製圖上進行描點。那麼,管制時管製圖的管制線是怎麼來的呢?管製圖中的管制線是解析得來的,也就是說,過程解析成功後,管制線要延用下去,用於管制。很多工廠沒能延用解析得來的管制線,管製圖不能表明過程是穩定與受控的。

  誤區之五:管製圖沒有記錄重大事項。

  要知道,管製圖所反應的是“過程”的變化。生產的過程輸入的要項為5M1E(人、機、料、法、環、量),5M1E的任何變化都可能對生產出來的產品造成影響。換句話說,如果產品的變差過大,那是由5M1E其中的一項或多項變動所引起的。如果這些變動會引起產品平均值或產品變差較大的變化,那麼,這些變化就會在XBAR圖或R圖上反映出來,我們也就可以從管製圖上瞭解製程的變動。發現有變異就是改善的契機,而改善的第一步就是分析原因,那麼,5M1E中的哪些方面發生了變化呢?我們可以查找管製圖中記錄的重大事項,就可以明瞭。所以,在使用控製圖的時候,5M1E的任何變化,我們都要記錄在管製圖中相應的時段上。

  誤區之六、不能正確理解XBAR圖與R圖的含義。

  當我們把XBAR-R管製圖畫出來之後,我們到底從圖上得哪些有用的資訊呢?這要從XBAR及R圖所代表的意義來進行探討。首先,這兩個圖到底先看哪個圖?為什麼?R反應的是每個子組組內的變差,它反映了在收集數據的這個時間段,製程所發生的變差,所以他代表了組內固有的變差;XBAR圖反映的是每個子組的平均值的變化趨勢,所以其反映的是組間的變差。組內變差可以接受時,有明分組是合理的;組間變差沒有特殊原因時,表明我們在一段時間內,對過程的管理是有效的、可接受的。所以,我們一般先看R圖的趨勢,再看XBAR圖。

  誤區之七、管制線與規格線混為一談

  當產品設計出來之後,規格線就已經定下來了;當產品生產出來後,管製圖的管制線也定出來了。規格線是由產品設計者決定的,而管制線是由過程的設計者決定的,管制線是由過程的變差決定的。管製圖上點的變動只能用來判斷過程是否穩定受控,與產品規格沒有任何的聯繫,它只決定於生產過程的變差。當西格瑪小時,管制線就變得比較窄,反之就變得比較寬,但如果沒有特殊原因存在,管製圖中的點跑出管制界線的機會只有千分之三。而有些公司在畫管製圖時,往往畫蛇添足,在管製圖上再加上上下規格線,並以此來判產品是否合格,這是很沒有道理,也是完全沒有必要的。

  誤區之八、不能正確理解管製圖上點變動所代表的意思

  我們常常以七點連線來判定製程的異常,也常用超過三分之二的點在C區等法則來判斷製程是否出現異常。如果是作業員,只在瞭解判定准則就好了;但作為品管工程師,如果不理解其中的原委,就沒有辦法對這些情況作出應變處理。那麼這麼判定的理由是什麼呢?其實,這些判定法則都是從概率原理作出推論的。比如,我們知道,如果一個產品特性值呈正態分佈,那麼,點落在C區的概率約為5.5%,現在有三分之二的點出現在5.5%的概率區域里,那就與正態分佈的原理不一致了,不一致也就是我們所說的異常。

  誤區之九、沒有將管製圖用於改善

  大部分公司的管製圖都是應客戶的要求而建立,所以,最多也只是用於偵測與預防過程特殊原因變異的發生,很少有用於過程改善的。其實,當管製圖的點顯有特殊原因出現時,正是過程改善的契機。如果這個時候我們從異常點切入,能回溯到造成異常發生的5M1E的變化,問題的癥結也就找到了。用就管製圖進行改善時,往往與分組法、層別法相結合使用,會取得很好的效果。

  誤區之十、管製圖是品管的事情

  SPC成功的必要條件,是全員培訓。每一個人員,都要瞭解變差、普通原因、特殊原因的觀念,與變關有差的人員,都要能看懂管製圖,技術人員一定要瞭解過度調整的概念……等。如果缺乏必要的培訓,管製圖最終只會被認為是品管人員的事,而其實我們知道,過程的變差及產品的平均值並不由品管決定,變差與平均值更多的是由生產過程設計人員及調機的技術人員所決定的。如果不瞭解變差這些觀念,大部分人員都會認為:產品只要合符規格就行了!顯然,這並不是SPC的意圖。所以,只有品管在關註管製圖是遠遠不夠的,

SPC控製圖(管製圖)異常的判斷及處理

  有以下幾種情況屬管製圖異常:

  1. 有點超出管制上/下限。

  2. 連續7點出現在管制中心線的一側。

  3. 連續7點出現持續上升或下降。

  4. 連續3點中有2點靠近管制上/下限。

  5. 管製圖上的點(7點以上)出現規律性變化。

  管製圖異常的處理

  1.產線工人或班組長發現SPC管制異常時首先;自我檢查,是否嚴格按作業標準SOPWI)作業,相鄰作業員交叉檢驗;情況嚴重,或無法查找到原因必須立即通知品質工程師和製程工程師。

  2.品質工程師與製程工程師現場分析後,能否在較短的時間內(0.5~1小時)找到產生異常的原因,採用4M1E分析製程;如仍然無法找到根源,而且情況嚴重(如:P不良率大大超標),報告上級主管決定是否停線;品質工程師召集相關部門開會討論,尋找根本原因(製程、設計、材料或其它)。

  3.SPC產生異常的原因找到並實施糾正預防措施後,SPC管製圖向管制異常相反的方向轉變,說明對策有效;恢復正常生產。此過程必須嚴密監控。

製程能力指數(參數)CPK

  CPK是反映製程能力的一個重要參數;

  • 如CPK≥1.33,說明製程能力較好,需繼續保持;
  • 如1.33≥CPK≥1,說明製程能力一般,須改進加強;
  • 如CPK≤1,說明製程能力較差,急需改進。

SPC的發展特點

  70年在全世界範圍的實踐,SPC理論已經發展得非常完善,其與電腦技術的結合日益緊密,其在企業內的應用範圍、程度也已經非常廣泛、深入。概括來講,SPC的發展呈現如下特點:

  (1).分析功能強大,輔助決策作用明顯 在眾多企業的實踐基礎上發展出繁多的統計方法和分析工具,應用這些方法和工具可根據不同目的、從不同角度對數據進行深入的研究與分析,在這一過程中SPC的輔助決策功能越來越得到強化;

  (2).體現全面質量管理思想 隨著全面質量管理思想的普及,SPC在企業產品質量管理上的應用也逐漸從生產製造過程質量控制擴展到產品設計、輔助生產過程售後服務及產品使用等各個環節的質量控制,強調全過程的預防與控制;

  (3). 與電腦網路技術緊密結合現代企業質量管理要求將企業內外更多的因素納入考察監控範圍、企業內部不同部門管理職能同時呈現出分工越來越細與合作越來越緊密兩個特點,這都要求可快速處理不同來源的數據並做到最大程度的資源共用。適應這種需要,SPC與電腦技術尤其是網路技術的結合越來越緊密。

  (4).系統自動化程度不斷加強傳統的SPC系統中,原始數據是手工抄錄,然後人工計算、打點描圖,或者採用人工輸入電腦,然後再利用電腦進行統計分析。隨著生產率的提高,在高速度、大規模、重覆性生產的製造型企業里,SPC系統已更多採取利用數據採集設備自動進行數據採集,實時傳輸到質量控制中心進行分析的方式。

  (5).系統可擴展性和靈活性要求越來越高 企業外部和內部環境的發展變化速度呈現出加速度的趨勢,成功運用的系統不僅要適合現時的需要,更要符合未來發展的要求,在系統平臺的多樣性、軟體技術的先進性、功能適應性和靈活性以及系統開放性等方面提出越來越高的要求。

SPC對企業帶來的好處

  SPC強調全過程監控、全系統參與,並且強調用科學方法(主要是統計技術)來保證全過程的預防。SPC不僅適用於質量控制,更可應用於一切管理過程(如產品設計、市場分析等)。正是它的這種全員參與管理質量的思想,實施SPC可以幫助企業在質量控制上真正作到事前預防和控制,SPC可以:

  • 對過程作出可靠的評估;
  • 確定過程的統計控制界限,判斷過程是否失控和過程是否有能力;
  • 為過程提供一個早期報警系統,及時監控過程的情況以防止廢品的發生;
  • 減少對常規檢驗的依賴性,定時的觀察以及系統的測量方法替代了大量的檢測和驗證工作;

  有了以上的預防和控制,我們的企業當然是可以:

SPC的案例分析[3]

  案例:SPC在封裝過程中的應用實例
  1.SPC控制特性的定義

  T1S6949質量管理體系在實際應用中強調以系統的方法對過程進行分析研究,以確定系統的輸入因數,輸出因數以及輸入對輸出的影響作用。產品實現的過程也可以用框圖簡單地描述為下圖:

  Image:产品实现过程框图.jpg

  上圖表示,產品實現的過程為由材料、生產參數、設備、人員、環境構成的輸入因素通過生產轉換成輸出產品的過程,同時利用輸出的信息來反作用於輸入因素,以得到輸入因素如材料、生產參數等的持續改進。

  輸入因素通過生產過程轉化成輸出的產品,其中的實現過程也就是SPC需要進行監控的工藝過程,當然針對SPC控制特性的選擇並不是越多越好,由於檢驗本身是不帶來增值效益的過程,因此在行業的應用過程中,考慮到成本的計算,SPC只會應用在部分關鍵特性的監控過程中,而關鍵特性的選擇也根據企業自身的生產能力及控制能力的需要來決定的。因此在進行統計過程式控制制時,首先需要定義控制的對象,然後通過監控生產實現過程中的各大因素對控制對象的作用,檢測到過程的特殊原因波動,從而實現提前預防不合格品產品的作用。針對關鍵特性之外的其他參數,可以通過記錄檢查表的形式將其記錄並保存,以便工藝改進時提供歷史依據的參考。

  PSC的控制項目對產品特性及工序監控的必要性,通常通過以下幾個方面進行考量;

  (1)從產品特性要求判斷,是否為產品關鍵特性;

  如Tirm Form工序,SPC記錄共面性的抽樣檢驗結果,以判斷產品當前的生產流程是否處於穩定受控的狀態下。產品的關鍵特性在產品設計階段己確定。

  (2)另一方面,在產品生產製造的過程中,關鍵工序參數的監控對產品質量良率起著重大的決定作用,利用實時的SPC方法進行工藝參數的監控,能夠及時發現生產過程中存在的特殊原因,及時圍堵並消除,以得到立即的改正及預防的作用。

  例如,在矽片切割工序(Wafer saw),工藝上利用對切割槽寬度的定期數據採集,繪製SPC控製圖,從而起到過程監控的作用,以防止參數對切割工序帶來的過程能力偏移。

  (3)客戶的特殊要求:

  客戶的特殊要求可以針對產品的固有特性要求,如封裝外觀尺寸要求,針對p8AGBdoysize35*35的產品,要求產品的允收範圍在35+-0.sm。另外客戶的特殊要求也可以針對1藝參數,如Wire Bond的Wire Pull和Ballshear。

  封裝企業的新產品導入初期階段,在制定產品生產的控制計劃時,SPC的控制特性就是其中必須定義的一個部分。特殊特性的定義主要來源於行業規範,客戶的特殊要求以及通過生產經驗的累積,總結出來的關鍵的過程參數計量型的控製圖應用在如下的特性,見下表:

  計量型控製圖的應用工序及抽樣計劃

工序SPC控制項目控製圖抽樣頻率樣本數
Wafer BackgrindTTV(Total Thickness Variatlon)X bsr R IX/Shift5
Wafer sawKerf widthX bar RIX/Shift5
Die AttachBondLine ThiCkneSSX bsr RIX/Shift5
Wire BondWire PullZ bar WIX/Day20
Ball ShealZ bar WIX/Day20
Solder Ball AttachSolder ball ShesrX bar RIX/Shift5
Solder ball PullX bar RIX/Shift5
Trim FormCorporalityX bar RIX/Shift5

  另一方面在生產過程中,通過對質量異常情況的分析,經驗總結評估等,同樣可以根據工藝的需要建立使用SPC控制方法的過程或特性控製圖,例如下表。

  部分其它計量型控製圖的應用

工序SPC控制項目控製圖抽樣頻率樣本數
Die AttachDie PlacementX bar RIX/Shift5
Package SawPackage DimensionX bar RIX/Shift5
  2.SPC系統實施前的準備

  正如前所述,SPC系統將對產品實現中的關鍵特性進行監控,以發現由原材料,設備、參數、人員構成的生產過程系統是否存在導致失控出現的特殊原因,以及時圍堵,防止不合格品的出現。在SPC系統實施前,我們需要從以下幾個方面做好準備,如圖2.4。

  Image:5MIE原则.jpg

  上線實施前的準備工作同樣遵守SMEI的原則。SPC實施人員需要從Man(人),Machine(機),恤terial(物),Method(方法),Measurement(測量)和Environment(環境)對SPC控制的全面實施進行準備:

  1)人

  正如前面所提到,作為全面質量管理的重要部分,SPC的實施要求企業從上到下的全員參與,在SPC實施的過程中除了一線的操作人員對特性進行數據收集之外,從組織的結構來看,自下往上,參與者還包括生產及工藝部門的責任工程師,各部門的領導人作為SPC小組的支持者,對小組活動起著擁護及決策作用.作為SPC實施活動中的主導因素,人員的參與能力必須得到保證,因此在SPC的全面實施之前,人員均須具備基本的SPC理論及操作知識。對於生產線的一線操作人員,如有必要,SPC的基礎知識還需要作為人員資歷認證的一部分。公司也需要安排定期的統計知識培訓,分別針對操作人員,工程師及更高層次的需要.

  2)機器及測量系統

  機器是組成生產過程的重要部分,因此機器也成為SPC系統中的關鍵因素。機器包括生產待檢測產品的機器及檢測機器。機器的定期維護校準能夠保證機器穩定的生產能力,降低機器的變異導致系統失控的可能性。爭對測量設備,測量系統分析,對測量設備的線性,穩定性,重覆性,再現性,準確性進行定期的評估,保證產品減少測量系統變異為產品生產帶來的異常因素。

  3)物

  SPC系統中的物主要提及待測的樣品,測量完的樣品,SPC出現失控情況下需要處理分析的半成品等。

  4)法

  在進行SPC的策劃時,SPC小組需對活動實施制定方法,其中包括樣本的抽樣方法,抽樣頻率及樣品數;樣本的控制保存方法;適用的SPC的判異準則;控制規範;出現失控的情況下,如何採取失效反應措施(OCAP);保證SPC管理系統健康運行的檢查方法,監控的系統指標及操作規範,例如SPC執行狀況審核周期,上下控制線評估的頻率要求等等。

  方法的制定是由SPC多方合作小組成員通過頭腦風暴討論,並分析以確定其可行性的,由小組的支持者做出最終決策並保證實施。

  5)環境

  SPC的監控數據來源於生產線並應用於正常環境下的產品生產,所以數據的採集,測量都需要完全遵守生產環境的要求。另一方面針對某些特定的待檢測的樣本,例如,封裝前道的PCB,需要保證樣本能夠真實的反應生產能力,樣本需要放置在NZ櫃里以防止濕度對樣本的特性影響。

  3.SPC施行步驟
  SPC活動的實施開展可以遵循下列步驟

  步驟1:培訓SPC基本理論及應用知識。培訓內容主要有下列各項:SPC的重要性,正態分佈等統計基本知識,質量管理七大工具,其中特別是要對控製圖深入學習,如何制訂過程式控制制網圖,如何制訂過程式控制制標準等等。

  步驟2:確定關鍵工序及影響工序的關鍵變數(即關鍵質量因素)。

  步驟3:對關鍵變數制定控制標準及控制計劃。具體分為以下兩點:(1)對步驟2得到的每一個關鍵變數進行具體分析,分析包含抽樣計劃、控制規範、穩定性判斷準則的選擇等;(2)對每個關鍵變數建立過程式控制制標準,並填寫過程式控制制標準表。過程式控制制標準表是在SPC實施中指導相關過程式控制制人員操作的藍本,可參見如下樣本,下表所示。

  部分其它計量型控製圖的應用

工序SPC控制項目控製圖抽樣頻率樣本數
Die AttachDie PlacementX bar RIX/Shift5
Package SawPackage DimensionX bar RIX/Shift5

  步驟4:編製控制標準手冊,在各部門落實。將具有立法性質的有關過程式控制制標準的文件編製成明確易懂、便於操作的手冊,使各道工序使用。包括數據採集方法、失控反應計劃、過程能力分析要求等。

  步驟5:對過程進行統計監控。主要應用控製圖對過程進行監控。若發現問題,則需對上述控制標準手冊進行修訂,及反饋到步驟4、步驟6:對過程進行診斷並採取措施解決問題。可註意以下幾點:

  (1)可以運用傳統的質量管理方法,如七種工具,進行分析。

  (2)可以運用診斷理論,進行分析和診斷。

  (3)在診斷後的糾正過程中有可能引出新的關鍵質量因素,即反饋到步驟2,3,4.2.4.4管理的實施。

  作為TS16949體系的五大手冊,SPC被要求應用在工藝監控及改進的過程中。各企業實施SPC的具體方案各有不同,但是萬變不離其中的是,SPC的實施方案包含:選擇控製圖,數據採集方案,失控反應計劃(OCAP)分析以提供持續改進。

  以晶元切割工序(waferSaw)為例:

  1)控製圖及數據採集方案,見下表:

  控製圖及數據採集方案

工序SPC控制項目控製圖抽樣頻率樣本數
Wafer SawKerf WidthX bar RIX/Shift5

  waferSaw工序需進行SPC控制的特性為切割槽的寬度,切割槽寬度的水平是waferSaw工序主要的關註參數,寬度的大小將影響晶元的尺寸,從而影響之後工序與晶元尺寸有關的參數控制。切割槽如下圖所示:

  Image:切割槽宽度.jpg

  2)繪製控製圖,見X Bar R控製圖

  Image:Xbar图.jpg

  上圖表示利用切割槽寬度測量的原始數據取平均值作為控製圖上的每一個子組點,即為Xbar圖。

  Image:R图.jpg

  R圖,表示將每一子組內的原始數據取極差值繪製控製圖,即為R圖。

統計過程式控制制與統計質量控制的區別

SPC與SQC的關係

  統計過程式控制制SPC,)指的是,應用數理統計學的方法監視和調整過程作業或工序的技術(美國生產與庫存控制學會APICS,2002),是一種有效的質量保證、缺陷預防和控制的工程技術與方法。

  統計質量控制(SQC,Statistical Quality Contr01)指的是,為了控制質量而應用的統計技術。通常這一術語可以同SPC互換使用,但是SQC所包含的含義比SPC更廣泛,即SQC包括了接受採樣和統計過程式控制制(APICS,2002)。所以,雖然SQC與SPC兩個術語可以互換使用,但SQC的含義更為廣泛。

  SPC與SQC既有聯繫又有區別,SQC是一個總括的術語,它包含SPC,同時也包括產品驗收技術規則所使用的概率抽樣方法

  SQC與SPC共同所使用的輔助技術是:

  ①使用排列圖和檢查表確定一個問題的主要因素;

  ②使用因果圖展示出不良及缺陷的一系列的原因及其後果;

  ③使用直方圖和散佈圖辨認確定生產過程變數的分佈類型和數量。

  SPC不僅僅是質量控制的一種技術方法,同時,它也是現場開展群眾性質量管理的一種方法,國外有些企業通常是組織3-13人的統計工序控制小組,開展質量控制活動。

參考文獻

  1. 韓東,宗福季.統計過程式控制制的三個基本問題.工程數學學報第27捲第3期2010年06月
  2. 如何運用SPC做好不良預防工作
  3. 戴麗梅.統計過程式控制制在半導體封裝製造質量管理中的應用.復旦大學.2007
本條目對我有幫助253
MBA智库APP

扫一扫,下载MBA智库APP

分享到:
  如果您認為本條目還有待完善,需要補充新內容或修改錯誤內容,請編輯條目投訴舉報

評論(共17條)

提示:評論內容為網友針對條目"SPC"展開的討論,與本站觀點立場無關。
121.63.245.* 在 2009年8月31日 15:22 發表

需要更進一步完善

回複評論
80.254.148.* 在 2009年9月7日 15:17 發表

spc註重於實踐,當然理論是在實踐之前的 樓主應該補充如何實施才是核心!

回複評論
Dan (討論 | 貢獻) 在 2009年9月14日 11:57 發表

80.254.148.* 在 2009年9月7日 15:17 發表

spc註重於實踐,當然理論是在實踐之前的 樓主應該補充如何實施才是核心!

已對相關內容做了補充。MBA智庫百科是大家可以參與編輯的,歡迎您的加入哦。。。

回複評論
58.251.176.* 在 2009年10月16日 00:24 發表

那個CPK指數範圍好像不一樣

回複評論
58.250.160.* 在 2009年11月14日 21:42 發表

還有判異規則

回複評論
59.60.3.* 在 2010年5月31日 16:00 發表

U chart 還沒看到

回複評論
61.218.239.* 在 2010年6月21日 16:51 發表

關於CPK部分 如選定的關鍵特性其規格公差設計很小僅+/-0.01MM,依經驗即使所有量測數據都在規格內,但CPK總無法達到>1.33,請問這時如何向稽核者做說明?

回複評論
113.27.205.* 在 2011年1月20日 17:27 發表

兩處錯誤 1.spc起源於發展 “SQC是在發生問題後才去解決問題,是一種浪費,所以發展出了SPC”——這應該是個概念錯誤。SQC應當是包括spc的,spc是其核心部分(QC七種工具之一)。此外還包括其他6種工具和別的統計方法,統稱SQC(statistical quality control),目前是這樣定義的。 2.3σ原理簡介 “休哈特建議用界限±3σ來控制過程,就是說,在10000個產品中不超過27個不合格品出現,就認為改生產過程是正常的,若達到27個以上,就認為過程失控。”——戴明博士強調過,控制線只是提供了一個行動的依據,線內的點並沒有明確的可歸咎幾率,因為生產過程的任何微小變動都會影響到分佈幾率,而生產過程的這種變動是一定存在的,多數時候我們是無法知曉的,即使過程是在受控狀態下。所以不能依據10000個產品里,有27個以上超出控制線,就認為過程失控。即使在理想狀況下討論,過程確實在3σ的控制水平下,也不能說——某10000個產品里,超出控制線的產品少於27個,事實並非如此,同時,這也不是概率的表述方式。

指手畫腳一下,望編輯們海涵,畢竟站著說話不腰疼,這麼大篇幅的詞條可不容易完成。以有限的水平發現了這兩個問題,請編輯辛勞一下。

回複評論
鲈鱼 (討論 | 貢獻) 在 2011年1月21日 11:01 發表

113.27.205.* 在 2011年1月20日 17:27 發表

兩處錯誤 1.spc起源於發展 “SQC是在發生問題後才去解決問題,是一種浪費,所以發展出了SPC”——這應該是個概念錯誤。SQC應當是包括spc的,spc是其核心部分(QC七種工具之一)。此外還包括其他6種工具和別的統計方法,統稱SQC(statistical quality control),目前是這樣定義的。 2.3σ原理簡介 “休哈特建議用界限±3σ來控制過程,就是說,在10000個產品中不超過27個不合格品出現,就認為改生產過程是正常的,若達到27個以上,就認為過程失控。”——戴明博士強調過,控制線只是提供了一個行動的依據,線內的點並沒有明確的可歸咎幾率,因為生產過程的任何微小變動都會影響到分佈幾率,而生產過程的這種變動是一定存在的,多數時候我們是無法知曉的,即使過程是在受控狀態下。所以不能依據10000個產品里,有27個以上超出控制線,就認為過程失控。即使在理想狀況下討論,過程確實在3σ的控制水平下,也不能說——某10000個產品里,超出控制線的產品少於27個,事實並非如此,同時,這也不是概率的表述方式。

指手畫腳一下,望編輯們海涵,畢竟站著說話不腰疼,這麼大篇幅的詞條可不容易完成。以有限的水平發現了這兩個問題,請編輯辛勞一下。

謝謝指正!SPC起源已做修改。3σ原理希望有瞭解的網友幫忙修改!謝謝~~

回複評論
58.25.205.* 在 2011年4月15日 07:00 發表

spc的控制規則是人為制定的。通常情況下我們認為小概率事件不應該發生,超過界限±3σ屬於小概率事件,所以認定是過程失控。正如鱸魚 (Talk | 貢獻)所說,所以每個控制規則都會有false alarm rate,要根據實際情況運用控制規則,一般不建議過多應用。

回複評論
58.25.205.* 在 2011年4月15日 09:09 發表

鲈鱼 (討論 | 貢獻) 在 2011年1月21日 11:01 發表

謝謝指正!SPC起源已做修改。3σ原理希望有瞭解的網友幫忙修改!謝謝~~

溶劑比重實行XR管製圖,失去管制意義?這個怎麼理解

回複評論
1.162.199.* 在 2012年7月3日 16:08 發表

機率(概率)是統計品管的基礎,請新進的品保同仁加油學習。

這樣我們才有共通的語言。

回複評論
183.63.144.* 在 2013年4月16日 11:48 發表

請問要買一套此Statistical Process Control正版軟體,哪裡有賣的?

回複評論
119.34.173.* 在 2014年4月23日 14:03 發表

183.63.144.* 在 2013年4月16日 11:48 發表

請問要買一套此Statistical Process Control正版軟體,哪裡有賣的?

廣州今朝科技

回複評論
61.218.53.* 在 2015年7月3日 14:46 發表

控製圖應用

  1) SPC控製圖三要素:坐標、管制界限、數據點;構成完整的SPC圖。

  2) 計算:

  A. Xbar-R(平均值與全距(極差)控製圖): Xbar=∑Xn/n, R =Xmax-Xmin ,R=∑Rn/n =>這邊的R=∑Rn/n R應該是Rbar才對

回複評論
113.102.160.* 在 2016年3月1日 11:26 發表

113.27.205.* 在 2011年1月20日 17:27 發表

兩處錯誤 1.spc起源於發展 “SQC是在發生問題後才去解決問題,是一種浪費,所以發展出了SPC”——這應該是個概念錯誤。SQC應當是包括spc的,spc是其核心部分(QC七種工具之一)。此外還包括其他6種工具和別的統計方法,統稱SQC(statistical quality control),目前是這樣定義的。 2.3σ原理簡介 “休哈特建議用界限±3σ來控制過程,就是說,在10000個產品中不超過27個不合格品出現,就認為改生產過程是正常的,若達到27個以上,就認為過程失控。”——戴明博士強調過,控制線只是提供了一個行動的依據,線內的點並沒有明確的可歸咎幾率,因為生產過程的任何微小變動都會影響到分佈幾率,而生產過程的這種變動是一定存在的,多數時候我們是無法知曉的,即使過程是在受控狀態下。所以不能依據10000個產品里,有27個以上超出控制線,就認為過程失控。即使在理想狀況下討論,過程確實在3σ的控制水平下,也不能說——某10000個產品里,超出控制線的產品少於27個,事實並非如此,同時,這也不是概率的表述方式。

指手畫腳一下,望編輯們海涵,畢竟站著說話不腰疼,這麼大篇幅的詞條可不容易完成。以有限的水平發現了這兩個問題,請編輯辛勞一下。

靠譜。

回複評論
114.220.244.* 在 2019年10月7日 15:18 發表

相當詳細

回複評論

發表評論請文明上網,理性發言並遵守有關規定。

打开APP

以上内容根据网友推荐自动排序生成

下载APP

闽公网安备 35020302032707号