SPC

用手机看条目

出自 MBA智库百科(https://wiki.mbalib.com/)

(重定向自统计制程管制)

SPC(Statistical Process Control,统计过程控制或统计制程控制)

目录

什么是SPC

  SPC即英文 “Statistical Process Control”之缩写,意为 “统计制程控制” SPC或称统计过程控制。SPC主要是指应用统计分析技术对生产过程进行实时监控,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。

  在生产过程中,产品的加工尺寸的波动是不可避免的。它是由人、机器、材料、方法和环境等基本因素的波动影响所致。波动分为两种:正常波动和异常波动。正常波动是偶然性原因(不可避免因素)造成的。它对产品质量影响较小,在技术上难以消除,在经济上也不值得消除。异常波动是由系统原因(异常因素)造成的。它对产品质量影响很大,但能够采取措施避免和消除。过程控制的目的就是消除、避免异常波动,使过程处于正常波动状态。

SPC起源与发展[1]

  SPC的基本原理和方法是上世纪30年代由Shewhart博士为了有效地对生产过程中产品质量进行监测控制而提出的,至今已有70多年的历史。自创立以来,它就在工业和服务等行业得到了推广和使用。二战时期美国将其制定为战时质量管理标准,为保证军工产品的质量和及时交付起到了重要作用。战后的日本从1950-1980年在工业界广泛推广和应用SPC,使日本跃居世界产品质量和生产率的领先地位,以至于美国著名的质量管理专家Berger教授也曾说:日本成功的基石之一就是SPC。从上世纪80年代起,SPC在许多工业发达国家复兴,世界很多大公司也纷纷在自己内部积极推广和应用SPC。虽然,SPC是从产品的质量监控开始的,但经过70多年实践和发展,尤其是与计算机技术的紧密结合,其原理和方法现已广泛应用于设计、销售、服务、管理等过程。

3σ原理简介

  当过程仅仅有正常变异时,过程的质量特性是呈现正态分布的,其分布状态如下:

  Image:spcyl.jpg

  休哈特建议用界限±3σ来控制过程,就是说,在10000个产品中不超过27个不合格品出现,就认为改生产过程是正常的,若达到27个以上,就认为过程失控。

  在当时,这是一个非常高的要求,一般的企业都很难达到这个水平,而在今天,企业的质量管理水平当然已经远远不止这个水平,甚至一些企业普遍要求5σ的水准,当然,这和某些行业有关系,例如汽车电子和汽车钣金的水准就不是一个数量级的。

SPC技术原理

  控制(SPC)是一种借助数理统计方法的过程控制工具。它对生产过程进行分析评价,根据反馈信息及时发现系统性因素出现的征兆,并采取措施消除其影响,使过程维持在仅受随机性因素影响的受控状态,以达到控制质量的目的。当过程仅受随机因素影响时,过程处于统计控制状态(简称受控状态);当过程中存在系统因素的影响时,过程处于统计失控状态(简称失控状态)。由于过程波动具有统计规律性,当过程受控时,过程特性一般服从稳定的随机分布;而失控时,过程分布将发生改变。SPC正是利用过程波动的统计规律性对过程进行分析控制的。因而,它强调过程在受控和有能力的状态下运行,从而使产品和服务稳定地满足顾客的要求。

  统计学的几个基本概念

  1) 计量值与计数值

  计量值:其特点是可以连续读取的这些数据;

  计数值:其特点是不可以连续读取的这些数据。

  2) 总体、个体、样本抽样

  总体:由具有某种共同特性的单位个体组成的较大数量的整体。三特性:同质性、大量性和差异性。

  样本:由整体里的一定数量(部分或全部)个体组成的群体

  质量管理中常用的统计分析方法

  介绍的以下这些工具和方法具有很强的实用性,而且较为简单,在许多国家、地区和各行各业都得到广泛应用:

  • 控制图:用来对过程状态进行监控,并可度量、诊断和改进过程状态。
  • 直方图:是以一组无间隔的直条图表现频数分布特征的统计图,能够直观地显示出数据的分布情况。
  • 排列图:又叫帕累托图,它是将各个项目产生的影响从最主要到最次要的顺序进行排列的一种工具。可用其区分影响产品质量的主要、次要、一般问题,找出影响产品质量的主要因素,识别进行质量改进的机会。
  • 散布图: 以点的分布反映变量之间相关情况,是用来发现和显示两组数据之间相关关系的类型和程度,或确认其预期关系的一种示图工具。
  • 过程能力指数Cpk):分析工序能力满足质量标准、工艺规范的程度。
  • 频数分析:形成观测量中变量不同水平的分布情况表。
  • 描述统计量分析:如平均值、最大值、最小值、范围、方差等,了解过程的一些总体特征。
  • 相关分析:研究变量之间关系的密切程度,并且假设变量都是随机变动的,不分主次,处于同等地位。
  • 回归分析:分析变量之间的相互关系。

SPC控制图类型

  1、控制图种类(以数据来分)

  1)计量值控制图

  • Xbar-R(X-R):平均值与全距极差)控制图
  • X-Rm:个别值与全距控制图

  2) 计数值控制图

  控制图应用

  1) SPC控制图三要素:坐标、管制界限、数据点;构成完整的SPC图。

  2) 计算:

  A. Xbar-R(平均值与全距(极差)控制图): 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:不良率控制图 P=P‘(NG)/∑N *100%

  C.C-chart:缺点数控制图

  D.U-chart:单位缺点数控制图

  2、控制图种类(依用途来分)

  1)控制用控制图

  • 追查不正常原因
  • 迅速消除此項原因
  • 研究采取防止此項原因重复发生的措施。

  2)分析用控制图

  • 決定方針用
  • 过程分析用
  • 过程能力研究用
  • 过程控制准备

控制图的主要功能

  应用控制图可以实现“事前”预防为主的过程控制。具体来说控制图能够:判断过程是否受控,过程能力是否充分;在过程出现异常时及时报警.防止不合格品的发生;能够对过程情况“实时监控”,减少对常规检验的依赖性。

  应用SPC控制图进行过程控制被界定为分析和监控两个阶段。在这两个阶段所使用的控制图分别被称为分析用控制图和控制用控制图。在企业的实际应用中。对于每个SPC控制图项目,都必须经过这两个阶段。

  在分析阶段首先要按照标准要求进行生产准备。确保生产是在5MIE因素无异常的情况下进行;然后用生产过程收集的数据计算控制界限,作成分析用控制图、直方图或进行过程能力分析,检验生产过程是否处于统计稳态以及过程能力是否足够。如果任何一个不能满足。则必须寻找原因实施改进,并重新进行生产准备及上述分析.直到实现过程处于统计‘稳态和过程能力充分这两个阶段性目标,则宣告分析阶段结束,进入监控阶段。

  监控阶段的主要工作是应用控制用控制图进行过程日常监控。此时控制图的控制界限已经根据分析阶段的结果而确定,生产过程的数据及时绘制到控制图上,并密切观察控制图,控制图中点的波动情况可以显示出过程受控或欠控,如果发现失控.必须寻找原因并尽快消除其影响。实际上.监控阶段控制图的采用分析阶段确定的控制界限并不确切。从控制界限计算公式可以看出每输入一个新的数据点都需要重新计算一次控制界限。在没有信息技术的支持来完成这样繁重的运算时。短期内使用分析阶段确定的控制界限也是可以的。

绘制SPC控制图应遵循的步骤与方法

  分析用控制图

  1)识别关键过程.选取控制图要控制的关键质量特性;

  2)根据质量特性及适用的场合选取控制图类型;

  3)确定合适的样本组、样本量大小和抽样间隔;

  4)收集并记录20—25个样本组的数据。通常每组样本量n--4-5个,这样保证控制过程的检出率为84%一90%;

  5)计算各组样本的统计量(均值、标准差、极差等);

  6)计算中心线和控制限;

  7)绘制控制图(画坐标轴、中心线和上下控制限,根据样本值打点,记人相关事项);

  8)分析样本点的排列形状,判断过程是否受控。

  控制用控制图

  当分析用控制图中点子均在控制限之内或排列元缺陷时,能表明生产过程稳定,无系统冈素影响生产过程.尚不能说明不合格率小于允许值。因此,在分析用控制图基础上需要绘制控制用控制图,步骤如下:

  1)消除系统因素。

  依据分析用控制图提供的信息判断生产过程是否稳定.即是否有系统因素在起作用。如果存在系统因素,应设法消除。

  2)重新计算控制限。

  剔除分析用控制图中无代表性的数据(如落在界限外点子的数据)后。重新计算中心线和控制限。

  3)确认分布范围位于公差界限之内。只有当生产过程稳定且产品质量特性值分布范围位于公差界限之内时,才能保证不出现批量

  不合格品。因此应利用分析控制网的数据绘制直方图,并与公差界限比较,或直接计算工序能力指数.进而采取相应措施。

  4)控制用控制图的使用。在确认过程稳定并具备足够的工序能力后.便可开始批量生产.用控制用控制图控制批量生产过

  程.即根据控制图类型抽取样本进行计算、绘图和分析。

SPC在企业的有效实施

  统计过程控制(简称SPC)已经成为许多国际性企业广泛采用的质量管理和改善的技术和方法,它通过运用控制图对生产过程进行分析评价,根据反馈信息及时发现系统性因素出现的征兆,并采取措施消除其影响,使过程维持在仅受随机性因素影响的受控状态,以达到控制质量的目的。

  企业有效实施SPC的效益

  通过有效实施SPC,可以从以下几个方面使企业受益:

  目前我们国内许多企业也开始逐步认识和推广SPC,但并没有达到预期的效果,为什么呢?究其原因,可以分为以下几点:

  •   企业未能形成或明确质量管理在企业总体发展中的重要位置,并且未能在领导层达成共识。
  •   在日趋激烈的竞争中,品质优异永远是不败的一大优势,但要达到优异的品质,不仅需要操作层各成员的努力,更需要管理层共同重视与支持。
  •   企业对SPC缺乏足够的全面了解。
  •   SPC作为一种过程控制方法,它运用数理统计概率论原理,可以及时发现生产中的异常情况,从而及时采取措施进行改进,把质量隐患消灭在萌芽状态,真正达到防患于未然。SPC不是简单的几个控制图或统计量,而是要以这些图形或数值为基础建立一个以过程为核心的质量管理体系
  •   企业对实施SPC的前期准备工作重视不够。
  •   所谓前期工作,除了对企业质量管理现状把握,还包括对员工进行SPC基本概念和知识培训,制定一个明确的质量目标和计划。只有参与者对SPC有了一定的了解和认识,才能激发他们的热情和信心,将它们正确、有效地应用在日常工作中。
  •   未能有效地总结和借鉴其他企业的经验。

  即使企业对可能导致不能有效实施SPC的原因有所认识,仍然会在实施过程中碰到一些实际问题,这些问题也是实施不成功的因素。美国一位著名医生在罗斯福总统去世几年后的一次会议上富有启发性地说,如果罗斯福的医生还有其他病人,罗斯福可能活到现在。因为优秀的医生需要通过大量的病例不断学习和提高。所以,要善于利用外部优秀的“医生”来总结实际经验、充实提高应用技能。

如何达到SPC有效实施

  针对以上原因,要保证SPC实施成功,企业应重视如下几方面的工作:

  管理层的认识和重视

  不少企业领导者认为产品质量差是由于有关工作人员素质差或不负责任造成的。事实上,如果采用先进的质量管理技术和工具,在原有条件不变的情况下,质量就可以得到明显的改进。SPC正是这样一种行之有效的工具。同时,在实施SPC的各阶段都要得到管理层的支持,如在实施SPC的初期阶段要安排培训,这需要资金与时间,需要管理层协调安排。在实施过程中有些过程需要做较大调整,有的甚至要更改工艺、更换设备等,这些都需要管理层的支持与认可。因此,有效实施SPC,管理层的认识和重视是非常重要的。

  加强培训

  对相关人员先期进行SPC培训是实施SPC的重要前提工作,因为SPC是基于数理统计和概率论的理论基础上的管理方法,要能在生产过程中正确运用,必须要有一定的理论基础。培训可以采取选送相关人员到外部培训单位参加培训,如有条件则应尽量邀请培训机构到工厂来培训,到厂培训一是可以增加受训的人数,另一方面也可以使培训内容更切合工厂的实际,提升培训效果

  重视数据

  实施SPC本身就是一种量化管理,数据的质量是非常重要的,数据的准确度、可信度直接影响到我们是否在适当的时候采取合适的行动。影响数据质量的因素主要有两个方面,一方面是测量系统影响的,另一方面是记录数据、计算等人为的影响。对于测量系统的影响,我们要定期进行测量系统分析,来确认我们的测量系统是否是可用的,从而来保证我们的数据质量,同时要尽量减少人为失误。

  借助专业的SPC软件

  在实施SPC过程中,由于要运用到大量的数据,同时要对这些数据进行计算,并用多种统计方法去分析,这中间的工作量是很大的。如未能及时计算出来结果,作出相应的统计图,就会错过最佳改进时机。在实施SPC活动中,如果能借助专业的SPC软件,这些问题就迎刃而解了。

  实施PDCA循环,达到持续改进

  戴明博士最早提出了PDCA循环的概念,PDCA循环是能使任何一项活动有效进行的一种逻辑的工作程序:Plan(计划)、Do(执行)、Check(检查)、Action(行动),特别是在质量管理中得到了广泛的应用。实施SPC也要运用PDCA循环,借助SPC工具,不断地分析质量问题中各种影响因素,分析影响质量问题的主要原因,针对主要原因,采取解决的措施,并进行针对性预防在下一循环中改进,从而达到持续改进的目的。

  SPC作为质量改进的重要工具,不仅适用于工业过程,也适用于服务等一切过程性的领域。无论在什么领域使用,都要做好实施SPC的前期培训工作,重视实施过程的数据质量,必要时借助专业的SPC软件,循环改进,从而使企业的质量水平得到持续改进,在激烈的市场竞争中赢得更多客户。

  1、 实施SPC的两个阶段

  实施SPC分为两个阶段,一是分析阶段(批量试产阶段),二是监控阶段。在这两个阶段所使用的控制图分别被称为分析用控制图和控制用控制图。

  分析阶段的主要目的在于:

  一)、使过程处于统计稳态,

  二)、使过程能力足够。

  分析阶段首先要进行的工作是生产准备,即把生产过程所需的原料、劳动力、设备、测量系统等按照标准要求进行准备。生产准备完成后就可以进行,注意一定要确保生产是在影响生产的各要素无异常的情况下进行;然后就可以用生产过程收集的数据计算控制界限,作成分析用控制图直方图、或进行过程能力分析,检验生产过程是否处于统计稳态、以及过程能力是否足够。如果任何一个不能满足,则必须寻找原因,进行改进,并重新准备生产及分析。直到达到了分析阶段的两个目的,则分析阶段可以宣告结束,进入SPC监控阶段。

  监控阶段的主要工作是使用控制用控制图进行监控。此时控制图的控制界限已经根据分析阶段的结果而确定,生产过程的数据及时绘制到控制上,并密切观察控制图,控制图中点的波动情况可以显示出过程受控或失控,如果发现失控,必须寻找原因并尽快消除其影响。监控可以充分体现出SPC预防控制的作用。

  在工厂的实际应用中,对于每个控制项目,都必须经过以上两个阶段,并且在必要时会重复进行这样从分析到监控的过程。

  2、SPC控制图(管制图)管制界限的调整

  1) SPC控制图特性:追溯性、预测性、延续性(稳定性);故SPC控制图的管制界限可以延用。

  2) 4M1E分析方法4M1E:人(MAN)、机(MACHINE)、料(MATETIAL)、法(METHOD)、环(ENVIRONMENT);五要素只要有一个发生改变就必须重新计算。

SPC实施的困难点[2]

  依笔者辅导企业的粗浅经验﹐认为企业实施SPC的困难点或缺点有几项﹕

  不知找哪些管制特性来实施SPC

  企业对SPC大多有一个心理障碍,那就是又期待、又怕受伤害,期待利用SPC做到不良预防、减少浪费、提升制程能力;但又怕管制特性太多,SPC做不完又不能落实。

  制程中找不出重要管制特性

  使用者之人命伤亡,且客户亦未特别指定,所以干脆认为SPC不适用本公司。

  不了解管制图的用法

  企业对于制程变异之共同原因与特殊原因不知如何分辨,所以在使用管制图与计算管制界限时,甚至在计算制程能力时,大多不知道将特殊原因剔除,使得管制界限虚张、制程能力虚减。

  抽样不合乎连续制程之统计原理

  企业实施SPC时,往往利用首末各n件来绘制管制图,殊不知如此仅是对制程开始与结束生产前之质量确认罢了,完全没有测知制程状态与能力之功能。

  抽样数不恰当

  企业往往仅盲目跟从,而实行XR管制图,不知选用适当之管制图,造成成本上的浪费(如破坏检测)或失去管制图意义(如溶剂比重)。

  管制界限与规格界限混淆

  对某管制特性,其实只有单边规格,但如偏向另一象界太多,又可能造成质量成本之增加,故索性自订另一象界之规格以防止成本之浪费,成为双边规格。因此,在使用SPC时经常偏向自设规格之象界,使得制程能力误以为不符要求。其实该自设之规格界限充其量仅能称为管制界限罢了﹗例如:某一特性规格为9Kg以上,但如制品高达13Kg以上时﹐则相对必须有较精良之设备,且设备寿命亦将缩短,甚至过高时还可能会适得其反,造成质量不良,因此就将15Kg订为规格上限。如此一来几乎所有的测试数据都临届在规格上限,造成管制图异常、计算之管制上限比规格上限还高、制程能力指数出奇的低,然后还一脸莫名的问:奇怪﹗每一件都合格,为什么制程能力指数仍然达不到1.0呢﹖

  点绘管制图的人员不了解如何判读变异

  企业常发现管制图异常是几天前的事,甚至于没有人发现,直到可能的不良件已交入客户手中后,全体品保人员开始祈祷客户不要发现,而且问题也不要在我任职期间爆发﹗

  久久生产一次,如何做管制图

  企业以为某一产品许久才生产一次,做管制图是无效益且不经济的,其实只要特性、规格一样,制程条件也一样,虽然是不同产品亦可以依特性别同绘于一张管制图,因为SPC是用于管制制程产出良品的能力,并非管制产品的质量趋势。

实施SPC的十大误区

  SPC对很多制造业来讲,已经不是什么新鲜事物了!但做得好,做出效益的却不多,特别是中小企业.这里,根据实际辅导中所看到的一些问题,跟大家做一些探讨.

  误区之一
不能确定正确的管制点。

  不知道哪些点要用管制图进行管制,花费大量的时间与人力,在不必要的点上进行管制.熟不知,SPC只应用于重点的尺寸.那么重点尺寸\性能如何确定呢?通常应用FMEA的方法,开发重要管制点.严重度为8或以上的点,都是考虑的对象.(如果客户有指明,依客户要求即可);

  误区之二
没有适宜的测量工具.

  计量值管制图,需要用测量工具取得管制特性的数值.管制图对测量系统有很高的要求.通常,我们要求GR&R不大于10%.而在进行测量系统分析之前,要事先确认测量仪器的分辨力,要求测量仪器具有能够分辨出过程变差的十分之一到五分之一的精度,方可用于制程的解析与管制,否则,管制图不能识别过程的谈判.而很多工厂勿略了这一点,导致做出来的管制图没办法有效的应用,甚至造成误导;

  误区之三
没有解析生产过程,直接进行管制.

  管制图的应用分为两个步骤:解析与管制.在进行制程管制之前,一定要进行解析.解析是目的是确定制程是的稳定的,进而是可预测的,并且看过程能力是否符合要求.从而了解到过程是否存在特殊原因、普通原因的变差是否过大等致关重要的制程信息。制程只有在稳定,并且制程能力可以接受的情况下,方才进入管制状态。

  误区之四:解析与管制脱节。

  在完成制程解析后,如果我们认为制程是稳定且制程能力可接受的,那么,就进入管制状态。制程控制时,是先将管制线画在管制图中,然后依抽样的结果在管制图上进行描点。那么,管制时管制图的管制线是怎么来的呢?管制图中的管制线是解析得来的,也就是说,过程解析成功后,管制线要延用下去,用于管制。很多工厂没能延用解析得来的管制线,管制图不能表明过程是稳定与受控的。

  误区之五:管制图没有记录重大事项。

  要知道,管制图所反应的是“过程”的变化。生产的过程输入的要项为5M1E(人、机、料、法、环、量),5M1E的任何变化都可能对生产出来的产品造成影响。换句话说,如果产品的变差过大,那是由5M1E其中的一项或多项变动所引起的。如果这些变动会引起产品平均值或产品变差较大的变化,那么,这些变化就会在XBAR图或R图上反映出来,我们也就可以从管制图上了解制程的变动。发现有变异就是改善的契机,而改善的第一步就是分析原因,那么,5M1E中的哪些方面发生了变化呢?我们可以查找管制图中记录的重大事项,就可以明了。所以,在使用控制图的时候,5M1E的任何变化,我们都要记录在管制图中相应的时段上。

  误区之六、不能正确理解XBAR图与R图的含义。

  当我们把XBAR-R管制图画出来之后,我们到底从图上得哪些有用的资讯呢?这要从XBAR及R图所代表的意义来进行探讨。首先,这两个图到底先看哪个图?为什么?R反应的是每个子组组内的变差,它反映了在收集数据的这个时间段,制程所发生的变差,所以他代表了组内固有的变差;XBAR图反映的是每个子组的平均值的变化趋势,所以其反映的是组间的变差。组内变差可以接受时,有明分组是合理的;组间变差没有特殊原因时,表明我们在一段时间内,对过程的管理是有效的、可接受的。所以,我们一般先看R图的趋势,再看XBAR图。

  误区之七、管制线与规格线混为一谈

  当产品设计出来之后,规格线就已经定下来了;当产品生产出来后,管制图的管制线也定出来了。规格线是由产品设计者决定的,而管制线是由过程的设计者决定的,管制线是由过程的变差决定的。管制图上点的变动只能用来判断过程是否稳定受控,与产品规格没有任何的联系,它只决定于生产过程的变差。当西格玛小时,管制线就变得比较窄,反之就变得比较宽,但如果没有特殊原因存在,管制图中的点跑出管制界线的机会只有千分之三。而有些公司在画管制图时,往往画蛇添足,在管制图上再加上上下规格线,并以此来判产品是否合格,这是很没有道理,也是完全没有必要的。

  误区之八、不能正确理解管制图上点变动所代表的意思

  我们常常以七点连线来判定制程的异常,也常用超过三分之二的点在C区等法则来判断制程是否出现异常。如果是作业员,只在了解判定准则就好了;但作为品管工程师,如果不理解其中的原委,就没有办法对这些情况作出应变处理。那么这么判定的理由是什么呢?其实,这些判定法则都是从概率原理作出推论的。比如,我们知道,如果一个产品特性值呈正态分布,那么,点落在C区的概率约为5.5%,现在有三分之二的点出现在5.5%的概率区域里,那就与正态分布的原理不一致了,不一致也就是我们所说的异常。

  误区之九、没有将管制图用于改善

  大部分公司的管制图都是应客户的要求而建立,所以,最多也只是用于侦测与预防过程特殊原因变异的发生,很少有用于过程改善的。其实,当管制图的点显有特殊原因出现时,正是过程改善的契机。如果这个时候我们从异常点切入,能回溯到造成异常发生的5M1E的变化,问题的症结也就找到了。用就管制图进行改善时,往往与分组法、层别法相结合使用,会取得很好的效果。

  误区之十、管制图是品管的事情

  SPC成功的必要条件,是全员培训。每一个人员,都要了解变差、普通原因、特殊原因的观念,与变关有差的人员,都要能看懂管制图,技术人员一定要了解过度调整的概念……等。如果缺乏必要的培训,管制图最终只会被认为是品管人员的事,而其实我们知道,过程的变差及产品的平均值并不由品管决定,变差与平均值更多的是由生产过程设计人员及调机的技术人员所决定的。如果不了解变差这些观念,大部分人员都会认为:产品只要合符规格就行了!显然,这并不是SPC的意图。所以,只有品管在关注管制图是远远不够的,

SPC控制图(管制图)异常的判断及处理

  有以下几种情况属管制图异常:

  1. 有点超出管制上/下限。

  2. 连续7点出现在管制中心线的一侧。

  3. 连续7点出现持续上升或下降。

  4. 连续3点中有2点靠近管制上/下限。

  5. 管制图上的点(7点以上)出现规律性变化。

  管制图异常的处理

  1.产线工人或班组长发现SPC管制异常时首先;自我检查,是否严格按作业标准SOPWI)作业,相邻作业员交叉检验;情况严重,或无法查找到原因必须立即通知品质工程师和制程工程师。

  2.品质工程师与制程工程师现场分析后,能否在较短的时间内(0.5~1小时)找到产生异常的原因,采用4M1E分析制程;如仍然无法找到根源,而且情况严重(如:P不良率大大超标),报告上级主管决定是否停线;品质工程师召集相关部门开会讨论,寻找根本原因(制程、设计、材料或其它)。

  3.SPC产生异常的原因找到并实施纠正预防措施后,SPC管制图向管制异常相反的方向转变,说明对策有效;恢复正常生产。此过程必须严密监控。

制程能力指数(参数)CPK

  CPK是反映制程能力的一个重要参数;

  • 如CPK≥1.33,说明制程能力较好,需继续保持;
  • 如1.33≥CPK≥1,说明制程能力一般,须改进加强;
  • 如CPK≤1,说明制程能力较差,急需改进。

SPC的发展特点

  70年在全世界范围的实践,SPC理论已经发展得非常完善,其与计算机技术的结合日益紧密,其在企业内的应用范围、程度也已经非常广泛、深入。概括来讲,SPC的发展呈现如下特点:

  (1).分析功能强大,辅助决策作用明显 在众多企业的实践基础上发展出繁多的统计方法和分析工具,应用这些方法和工具可根据不同目的、从不同角度对数据进行深入的研究与分析,在这一过程中SPC的辅助决策功能越来越得到强化;

  (2).体现全面质量管理思想 随着全面质量管理思想的普及,SPC在企业产品质量管理上的应用也逐渐从生产制造过程质量控制扩展到产品设计、辅助生产过程售后服务及产品使用等各个环节的质量控制,强调全过程的预防与控制;

  (3). 与计算机网络技术紧密结合现代企业质量管理要求将企业内外更多的因素纳入考察监控范围、企业内部不同部门管理职能同时呈现出分工越来越细与合作越来越紧密两个特点,这都要求可快速处理不同来源的数据并做到最大程度的资源共享。适应这种需要,SPC与计算机技术尤其是网络技术的结合越来越紧密。

  (4).系统自动化程度不断加强传统的SPC系统中,原始数据是手工抄录,然后人工计算、打点描图,或者采用人工输入计算机,然后再利用计算机进行统计分析。随着生产率的提高,在高速度、大规模、重复性生产的制造型企业里,SPC系统已更多采取利用数据采集设备自动进行数据采集,实时传输到质量控制中心进行分析的方式。

  (5).系统可扩展性和灵活性要求越来越高 企业外部和内部环境的发展变化速度呈现出加速度的趋势,成功运用的系统不仅要适合现时的需要,更要符合未来发展的要求,在系统平台的多样性、软件技术的先进性、功能适应性和灵活性以及系统开放性等方面提出越来越高的要求。

SPC对企业带来的好处

  SPC强调全过程监控、全系统参与,并且强调用科学方法(主要是统计技术)来保证全过程的预防。SPC不仅适用于质量控制,更可应用于一切管理过程(如产品设计、市场分析等)。正是它的这种全员参与管理质量的思想,实施SPC可以帮助企业在质量控制上真正作到事前预防和控制,SPC可以:

  • 对过程作出可靠的评估;
  • 确定过程的统计控制界限,判断过程是否失控和过程是否有能力;
  • 为过程提供一个早期报警系统,及时监控过程的情况以防止废品的发生;
  • 减少对常规检验的依赖性,定时的观察以及系统的测量方法替代了大量的检测和验证工作;

  有了以上的预防和控制,我们的企业当然是可以:

SPC的案例分析[3]

  案例:SPC在封装过程中的应用实例
  1.SPC控制特性的定义

  T1S6949质量管理体系在实际应用中强调以系统的方法对过程进行分析研究,以确定系统的输入因子,输出因子以及输入对输出的影响作用。产品实现的过程也可以用框图简单地描述为下图:

  Image:产品实现过程框图.jpg

  上图表示,产品实现的过程为由材料、生产参数、设备、人员、环境构成的输入因素通过生产转换成输出产品的过程,同时利用输出的信息来反作用于输入因素,以得到输入因素如材料、生产参数等的持续改进。

  输入因素通过生产过程转化成输出的产品,其中的实现过程也就是SPC需要进行监控的工艺过程,当然针对SPC控制特性的选择并不是越多越好,由于检验本身是不带来增值效益的过程,因此在行业的应用过程中,考虑到成本的计算,SPC只会应用在部分关键特性的监控过程中,而关键特性的选择也根据企业自身的生产能力及控制能力的需要来决定的。因此在进行统计过程控制时,首先需要定义控制的对象,然后通过监控生产实现过程中的各大因素对控制对象的作用,检测到过程的特殊原因波动,从而实现提前预防不合格品产品的作用。针对关键特性之外的其他参数,可以通过记录检查表的形式将其记录并保存,以便工艺改进时提供历史依据的参考。

  PSC的控制项目对产品特性及工序监控的必要性,通常通过以下几个方面进行考量;

  (1)从产品特性要求判断,是否为产品关键特性;

  如Tirm Form工序,SPC记录共面性的抽样检验结果,以判断产品当前的生产流程是否处于稳定受控的状态下。产品的关键特性在产品设计阶段己确定。

  (2)另一方面,在产品生产制造的过程中,关键工序参数的监控对产品质量良率起着重大的决定作用,利用实时的SPC方法进行工艺参数的监控,能够及时发现生产过程中存在的特殊原因,及时围堵并消除,以得到立即的改正及预防的作用。

  例如,在硅片切割工序(Wafer saw),工艺上利用对切割槽宽度的定期数据采集,绘制SPC控制图,从而起到过程监控的作用,以防止参数对切割工序带来的过程能力偏移。

  (3)客户的特殊要求:

  客户的特殊要求可以针对产品的固有特性要求,如封装外观尺寸要求,针对p8AGBdoysize35*35的产品,要求产品的允收范围在35+-0.sm。另外客户的特殊要求也可以针对1艺参数,如Wire Bond的Wire Pull和Ballshear。

  封装企业的新产品导入初期阶段,在制定产品生产的控制计划时,SPC的控制特性就是其中必须定义的一个部分。特殊特性的定义主要来源于行业规范,客户的特殊要求以及通过生产经验的累积,总结出来的关键的过程参数计量型的控制图应用在如下的特性,见下表:

  计量型控制图的应用工序及抽样计划

工序SPC控制项目控制图抽样频率样本数
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

  另一方面在生产过程中,通过对质量异常情况的分析,经验总结评估等,同样可以根据工艺的需要建立使用SPC控制方法的过程或特性控制图,例如下表。

  部分其它计量型控制图的应用

工序SPC控制项目控制图抽样频率样本数
Die AttachDie PlacementX bar RIX/Shift5
Package SawPackage DimensionX bar RIX/Shift5
  2.SPC系统实施前的准备

  正如前所述,SPC系统将对产品实现中的关键特性进行监控,以发现由原材料,设备、参数、人员构成的生产过程系统是否存在导致失控出现的特殊原因,以及时围堵,防止不合格品的出现。在SPC系统实施前,我们需要从以下几个方面做好准备,如图2.4。

  Image:5MIE原则.jpg

  上线实施前的准备工作同样遵守SMEI的原则。SPC实施人员需要从Man(人),Machine(机),恤terial(物),Method(方法),Measurement(测量)和Environment(环境)对SPC控制的全面实施进行准备:

  1)人

  正如前面所提到,作为全面质量管理的重要部分,SPC的实施要求企业从上到下的全员参与,在SPC实施的过程中除了一线的操作人员对特性进行数据收集之外,从组织的结构来看,自下往上,参与者还包括生产及工艺部门的责任工程师,各部门的领导人作为SPC小组的支持者,对小组活动起着拥护及决策作用.作为SPC实施活动中的主导因素,人员的参与能力必须得到保证,因此在SPC的全面实施之前,人员均须具备基本的SPC理论及操作知识。对于生产线的一线操作人员,如有必要,SPC的基础知识还需要作为人员资历认证的一部分。公司也需要安排定期的统计知识培训,分别针对操作人员,工程师及更高层次的需要.

  2)机器及测量系统

  机器是组成生产过程的重要部分,因此机器也成为SPC系统中的关键因素。机器包括生产待检测产品的机器及检测机器。机器的定期维护校准能够保证机器稳定的生产能力,降低机器的变异导致系统失控的可能性。争对测量设备,测量系统分析,对测量设备的线性,稳定性,重复性,再现性,准确性进行定期的评估,保证产品减少测量系统变异为产品生产带来的异常因素。

  3)物

  SPC系统中的物主要提及待测的样品,测量完的样品,SPC出现失控情况下需要处理分析的半成品等。

  4)法

  在进行SPC的策划时,SPC小组需对活动实施制定方法,其中包括样本的抽样方法,抽样频率及样品数;样本的控制保存方法;适用的SPC的判异准则;控制规范;出现失控的情况下,如何采取失效反应措施(OCAP);保证SPC管理系统健康运行的检查方法,监控的系统指标及操作规范,例如SPC执行状况审核周期,上下控制线评估的频率要求等等。

  方法的制定是由SPC多方合作小组成员通过头脑风暴讨论,并分析以确定其可行性的,由小组的支持者做出最终决策并保证实施。

  5)环境

  SPC的监控数据来源于生产线并应用于正常环境下的产品生产,所以数据的采集,测量都需要完全遵守生产环境的要求。另一方面针对某些特定的待检测的样本,例如,封装前道的PCB,需要保证样本能够真实的反应生产能力,样本需要放置在NZ柜里以防止湿度对样本的特性影响。

  3.SPC施行步骤
  SPC活动的实施开展可以遵循下列步骤

  步骤1:培训SPC基本理论及应用知识。培训内容主要有下列各项:SPC的重要性,正态分布等统计基本知识,质量管理七大工具,其中特别是要对控制图深入学习,如何制订过程控制网图,如何制订过程控制标准等等。

  步骤2:确定关键工序及影响工序的关键变量(即关键质量因素)。

  步骤3:对关键变量制定控制标准及控制计划。具体分为以下两点:(1)对步骤2得到的每一个关键变量进行具体分析,分析包含抽样计划、控制规范、稳定性判断准则的选择等;(2)对每个关键变量建立过程控制标准,并填写过程控制标准表。过程控制标准表是在SPC实施中指导相关过程控制人员操作的蓝本,可参见如下样本,下表所示。

  部分其它计量型控制图的应用

工序SPC控制项目控制图抽样频率样本数
Die AttachDie PlacementX bar RIX/Shift5
Package SawPackage DimensionX bar RIX/Shift5

  步骤4:编制控制标准手册,在各部门落实。将具有立法性质的有关过程控制标准的文件编制成明确易懂、便于操作的手册,使各道工序使用。包括数据采集方法、失控反应计划、过程能力分析要求等。

  步骤5:对过程进行统计监控。主要应用控制图对过程进行监控。若发现问题,则需对上述控制标准手册进行修订,及反馈到步骤4、步骤6:对过程进行诊断并采取措施解决问题。可注意以下几点:

  (1)可以运用传统的质量管理方法,如七种工具,进行分析。

  (2)可以运用诊断理论,进行分析和诊断。

  (3)在诊断后的纠正过程中有可能引出新的关键质量因素,即反馈到步骤2,3,4.2.4.4管理的实施。

  作为TS16949体系的五大手册,SPC被要求应用在工艺监控及改进的过程中。各企业实施SPC的具体方案各有不同,但是万变不离其中的是,SPC的实施方案包含:选择控制图,数据采集方案,失控反应计划(OCAP)分析以提供持续改进。

  以芯片切割工序(waferSaw)为例:

  1)控制图及数据采集方案,见下表:

  控制图及数据采集方案

工序SPC控制项目控制图抽样频率样本数
Wafer SawKerf WidthX bar RIX/Shift5

  waferSaw工序需进行SPC控制的特性为切割槽的宽度,切割槽宽度的水平是waferSaw工序主要的关注参数,宽度的大小将影响芯片的尺寸,从而影响之后工序与芯片尺寸有关的参数控制。切割槽如下图所示:

  Image:切割槽宽度.jpg

  2)绘制控制图,见X Bar R控制图

  Image:Xbar图.jpg

  上图表示利用切割槽宽度测量的原始数据取平均值作为控制图上的每一个子组点,即为Xbar图。

  Image:R图.jpg

  R图,表示将每一子组内的原始数据取极差值绘制控制图,即为R图。

统计过程控制与统计质量控制的区别

SPC与SQC的关系

  统计过程控制SPC,)指的是,应用数理统计学的方法监视和调整过程作业或工序的技术(美国生产与库存控制学会APICS,2002),是一种有效的质量保证、缺陷预防和控制的工程技术与方法。

  统计质量控制(SQC,Statistical Quality Contr01)指的是,为了控制质量而应用的统计技术。通常这一术语可以同SPC互换使用,但是SQC所包含的含义比SPC更广泛,即SQC包括了接受采样和统计过程控制(APICS,2002)。所以,虽然SQC与SPC两个术语可以互换使用,但SQC的含义更为广泛。

  SPC与SQC既有联系又有区别,SQC是一个总括的术语,它包含SPC,同时也包括产品验收技术规则所使用的概率抽样方法

  SQC与SPC共同所使用的辅助技术是:

  ①使用排列图和检查表确定一个问题的主要因素;

  ②使用因果图展示出不良及缺陷的一系列的原因及其后果;

  ③使用直方图和散布图辨认确定生产过程变量的分布类型和数量。

  SPC不仅仅是质量控制的一种技术方法,同时,它也是现场开展群众性质量管理的一种方法,国外有些企业通常是组织3-13人的统计工序控制小组,开展质量控制活动。

参考文献

  1. 韩东,宗福季.统计过程控制的三个基本问题.工程数学学报第27卷第3期2010年06月
  2. 如何运用SPC做好不良预防工作
  3. 戴丽梅.统计过程控制在半导体封装制造质量管理中的应用.复旦大学.2007
本条目对我有帮助163
MBA智库APP

扫一扫,下载MBA智库APP

分享到:
  如果您认为本条目还有待完善,需要补充新内容或修改错误内容,请编辑条目

评论(共16条)

提示:评论内容为网友针对条目"SPC"展开的讨论,与本站观点立场无关。
121.63.245.* 在 2009年8月31日 15:22 发表

需要更进一步完善

回复评论
80.254.148.* 在 2009年9月7日 15:17 发表

spc注重于实践,当然理论是在实践之前的 楼主应该补充如何实施才是核心!

回复评论
Dan (Talk | 贡献) 在 2009年9月14日 11:57 发表

80.254.148.* 在 2009年9月7日 15:17 发表

spc注重于实践,当然理论是在实践之前的 楼主应该补充如何实施才是核心!

已对相关内容做了补充。MBA智库百科是大家可以参与编辑的,欢迎您的加入哦。。。

回复评论
58.251.176.* 在 2009年10月16日 00:24 发表

那个CPK指数范围好像不一样

回复评论
58.250.160.* 在 2009年11月14日 21:42 发表

还有判异规则

回复评论
59.60.3.* 在 2010年5月31日 16:00 发表

U chart 还没看到

回复评论
61.218.239.* 在 2010年6月21日 16:51 发表

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?

回复评论
113.27.205.* 在 2011年1月20日 17:27 发表

两处错误 1.spc起源于发展 “SQC是在发生问题后才去解决问题,是一种浪费,所以发展出了SPC”——这应该是个概念错误。SQC应当是包括spc的,spc是其核心部分(QC七种工具之一)。此外还包括其他6种工具和别的统计方法,统称SQC(statistical quality control),目前是这样定义的。 2.3σ原理简介 “休哈特建议用界限±3σ来控制过程,就是说,在10000个产品中不超过27个不合格品出现,就认为改生产过程是正常的,若达到27个以上,就认为过程失控。”——戴明博士强调过,控制线只是提供了一个行动的依据,线内的点并没有明确的可归咎几率,因为生产过程的任何微小变动都会影响到分布几率,而生产过程的这种变动是一定存在的,多数时候我们是无法知晓的,即使过程是在受控状态下。所以不能依据10000个产品里,有27个以上超出控制线,就认为过程失控。即使在理想状况下讨论,过程确实在3σ的控制水平下,也不能说——某10000个产品里,超出控制线的产品少于27个,事实并非如此,同时,这也不是概率的表述方式。

指手画脚一下,望编辑们海涵,毕竟站着说话不腰疼,这么大篇幅的词条可不容易完成。以有限的水平发现了这两个问题,请编辑辛劳一下。

回复评论
鲈鱼 (Talk | 贡献) 在 2011年1月21日 11:01 发表

113.27.205.* 在 2011年1月20日 17:27 发表

两处错误 1.spc起源于发展 “SQC是在发生问题后才去解决问题,是一种浪费,所以发展出了SPC”——这应该是个概念错误。SQC应当是包括spc的,spc是其核心部分(QC七种工具之一)。此外还包括其他6种工具和别的统计方法,统称SQC(statistical quality control),目前是这样定义的。 2.3σ原理简介 “休哈特建议用界限±3σ来控制过程,就是说,在10000个产品中不超过27个不合格品出现,就认为改生产过程是正常的,若达到27个以上,就认为过程失控。”——戴明博士强调过,控制线只是提供了一个行动的依据,线内的点并没有明确的可归咎几率,因为生产过程的任何微小变动都会影响到分布几率,而生产过程的这种变动是一定存在的,多数时候我们是无法知晓的,即使过程是在受控状态下。所以不能依据10000个产品里,有27个以上超出控制线,就认为过程失控。即使在理想状况下讨论,过程确实在3σ的控制水平下,也不能说——某10000个产品里,超出控制线的产品少于27个,事实并非如此,同时,这也不是概率的表述方式。

指手画脚一下,望编辑们海涵,毕竟站着说话不腰疼,这么大篇幅的词条可不容易完成。以有限的水平发现了这两个问题,请编辑辛劳一下。

谢谢指正!SPC起源已做修改。3σ原理希望有了解的网友帮忙修改!谢谢~~

回复评论
58.25.205.* 在 2011年4月15日 07:00 发表

spc的控制规则是人为制定的。通常情况下我们认为小概率事件不应该发生,超过界限±3σ属于小概率事件,所以认定是过程失控。正如鲈鱼 (Talk | 贡献)所说,所以每个控制规则都会有false alarm rate,要根据实际情况运用控制规则,一般不建议过多应用。

回复评论
58.25.205.* 在 2011年4月15日 09:09 发表

鲈鱼 (Talk | 贡献) 在 2011年1月21日 11:01 发表

谢谢指正!SPC起源已做修改。3σ原理希望有了解的网友帮忙修改!谢谢~~

溶剂比重实行XR管制图,失去管制意义?这个怎么理解

回复评论
1.162.199.* 在 2012年7月3日 16:08 发表

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。

回复评论
183.63.144.* 在 2013年4月16日 11:48 发表

请问要买一套此Statistical Process Control正版软件,哪里有卖的?

回复评论
119.34.173.* 在 2014年4月23日 14:03 发表

183.63.144.* 在 2013年4月16日 11:48 发表

请问要买一套此Statistical Process Control正版软件,哪里有卖的?

广州今朝科技

回复评论
61.218.53.* 在 2015年7月3日 14:46 发表

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

回复评论
113.102.160.* 在 2016年3月1日 11:26 发表

113.27.205.* 在 2011年1月20日 17:27 发表

两处错误 1.spc起源于发展 “SQC是在发生问题后才去解决问题,是一种浪费,所以发展出了SPC”——这应该是个概念错误。SQC应当是包括spc的,spc是其核心部分(QC七种工具之一)。此外还包括其他6种工具和别的统计方法,统称SQC(statistical quality control),目前是这样定义的。 2.3σ原理简介 “休哈特建议用界限±3σ来控制过程,就是说,在10000个产品中不超过27个不合格品出现,就认为改生产过程是正常的,若达到27个以上,就认为过程失控。”——戴明博士强调过,控制线只是提供了一个行动的依据,线内的点并没有明确的可归咎几率,因为生产过程的任何微小变动都会影响到分布几率,而生产过程的这种变动是一定存在的,多数时候我们是无法知晓的,即使过程是在受控状态下。所以不能依据10000个产品里,有27个以上超出控制线,就认为过程失控。即使在理想状况下讨论,过程确实在3σ的控制水平下,也不能说——某10000个产品里,超出控制线的产品少于27个,事实并非如此,同时,这也不是概率的表述方式。

指手画脚一下,望编辑们海涵,毕竟站着说话不腰疼,这么大篇幅的词条可不容易完成。以有限的水平发现了这两个问题,请编辑辛劳一下。

靠谱。

回复评论

发表评论请文明上网,理性发言并遵守有关规定。

MBA智库
打开APP

以上内容根据网友推荐自动排序生成