spc培训课件

主讲人：罗平老师        对于SPC（统计过程控制）的运用，我们可能会有以下疑问：       SPC在什么时候用？        SPC与抽样检验有什么关系？        SPC在产品研发阶段是否有用？        为什么要设置3Sigma?        ......       相信通过本课程的学习，即使不能直接找到上述问题的答案，也可以为大家指明找寻答案的正确方向。        课程目的：因为国内大部分SPC的参考书上，对于学员关心的都没讲。而罗平老师有10年的SPC工作经验。        课程目标：理解SPC 原理 ，实际 落地运用 SPC方法，帮助企业实现 质量改进 。将三个单词结合起来可以理解成： 1）数据是一系列按照我们 期望 的结果来 发展 2）控制图是来 甄别 过程中的 波动 ，来 改进 我们的过程，并维持过程在 可预测 的状态。        SPC的逻辑是，在生产生活中，数据是在波动的，且是不可避免的。有 普通原因 的波动，由人、机、料、法、环累积的系统原因；也有 异常原因 的波动，这是不稳定的。前者分布稳定，是可预测的过程；后者是不可预测的过程，不能将它当作普通原因进行干预。        过程循环改进，SPC方法论的基础运用逻辑。1） 休哈特——质量管理之父        1920年代起做SPC研究，1906年，休哈特提出了革命性的定义：        如果要深入研究SPC的，研究休哈特的《产品生产的质量经济控制》英文版，200多元。2） W. Edwards Deming 戴明       与休哈特亦师亦友，并将休哈特的PDCA理论进行了更为广泛的应用。3） Donald        Wheeler博士仍然健在，他的著作和实践相关，有很多国内教材里没有的内容。推荐这本《Understanding Statistical Process Control》英文版。能和你对话的专家，才是更加值得学习。推荐的中文书籍，也就是SPC手册。从手工绘图教起。理解了手工绘图后。描述有些晦涩，而且其中内容有些是值得商榷的。 第一课：波动和控制图——打基础第二课：控制图刨根问底——在国内的书籍中找不到原因，有些内容和之前的培训是有冲突的。希望大家抱着交流的心态来学习，譬如正态分布不用任何数据转换，也可以使用。其中有颠覆性的内容。目的是过程当中能落地，而不是设置层层障碍。 第三课：有效使用控制图——学习方法论，应用中更加有效。 第四课：能力、预测和世界级的质量——质量是以最小波动接近目标，质量和产量、成本是不相关的吗？计量型数据。 第五课：计数型控制图——计数型数据。 第六课：晋级内容——结合学员的反馈，过程中遇到的案例，内容比较深一点的，如A2是什么啊？做MSA时均值图要求大部分点超过控制线会更好。       对于大家都公认的结果，仅仅知道这个公理是不够的。如果 管理人员 都能够理解和执行这个哲学，都能够理解管理和成本两者之间的核心关系。 1） 波动的工程学概念        在手工阶段，产品唯一，所以价格昂贵。义乌的紫砂壶，是纯手工制作，壶和盖互换一下是不能匹配的。这样就极大的限制了生产力。1973年，伊莱·惠特尼提出 零件要可互换 ，这是革命性的概念。难点是零件的唯一性，要使零件尽量相似。如果达到，对于产量也提高，对于消费者其购买成本也降低了。        由此就产生了规格，因而将波动分为两类：允许的——满足工程要求；不允许的——超规格的。2） 西方的制造过程        这样既不能帮助你找到坏零件的原因，也不能帮助你生产好产品，就像在黑暗中生产。如果达不到产量要求，就会放宽标准。那时只能祈祷生产出好产品。        对于企业来说，希望标准要宽一点。而消费者希望标准严格一些，像食品案例。而生产实现人员则被夹在当中。这个讨论点掩盖了本质问题，根本问题是要生产波动小的零件。如果产品一致性非常高，根本就不用担心超规格。那么，如果才能实现产品尺寸高一致性？        ① 仔细研究过程的 波动源 ，人、机、料、法、环每一个都是波动源。        ② 管理层 采取措施减少或消除过度的波动源，不是让生产一线的人员去做。管理层必须先具备这样的理念。管理人员的日常工作是要研究波动源，而不是交给基层人员去研究。3） 休哈特的波动理念        休哈特之前在贝尔实验室做声波的研究，他重新定义了波动：可控的和不可控的。人机料法环叠加在一起，就变成了系统性的波动。随机的波动就不需要去找原因了。而可指定的原因就是可以找到的。        ① 首先理解其分布。随着时间推移，波动模式一致。代表着在四个时段间抽取的样本，如果说过程是稳定的，那么均值分布的位置也是一样的，且宽度Sigma，即离散度是一致的。这样的过程，只有系统原因产生的随机波动。这是个稳定的过程。        可控隐含了一个信息——可以预测。生产的目的是让事物按预期发展。SPC是预防的说法就来源于此。它是预测不是告诉你，下一个点是在还是。       ② 当有异常原因波动时，模式就打乱了。一是离散度有变化，二是位置有变化。这就是一个失控的过程，说明有异常原因存在。       ③ 针对上述不同的波动，做两种改进。 一个是系统改进，设备使用时间长了，即使是稳定的，必须改进自身，譬如更换设备；二是局部改进，指在不稳定的时候，有异常原因。如果这个原因是有害的，就要消除它。如果异常原因导致的结果是有益的，尽量使其成为过程的一部分，使之标准化。SPC也是促使其标准化的方法。        这两种改进方法对应的过程状态是不一样的，如果是系统原因，但采用局部改进的方法，显然是没有效果的。系统改进往往只有管理层来指导或介入，才能起原因，管理层占了85%的因素。局部原因只占到15%，所以往往要求生产人员去做生产改进，实际上个人所能做的改进是很有限的。        ④ 从控制图角度，可能有一个产品不合格，均值在受控范围内。不需要调整。在漏斗试验中，有一个来回调整的试验三，如果发现点是过度震荡的，就是过度调整。图形就像弹簧一样的。控制图是稳定且受控的，就不要做调整。5） 戴明        与休哈特在美国西电共事，邀请休哈特在美国进行讲座。但发现即使做了培训，也只是提高了企业技术人员的技能，但没有在企业管理上起到作用。直到1950年戴明到日本授课，山口田一等人。日本企业高管推进，将改进在现实生产中落地。        大家听完课回去，不要对领导说，我现在技能提升了，就应该要给我加薪，这起不到作用。通过培训，第一阶段，是将自身的技能进行提升。6）休哈特环，戴明环        戴明提出的PDSA，S-Study学习，出于对休哈特的尊重，才改为PDCA。        两种理念的选择—— 合格就好 和 持续改进。        合格就好：不能帮助你找到问题的原因，也不能帮助你生产更好的产品。在这100多年里，未帮助到我们找到更好的结果。       持续改进：有异常时做异常改进，没有异常时做持续改进。7）如何评价一个过程的好坏         ① 受控还是不受控        ② 保证生产出的产品满足要求        由二维演变为四个不同的状态        ① 理想状态 ：要满足四个条件，        a.随着时间的推移，过程必须内在稳定。代表着只有普通原因，是随机波动。要知道这些说法是怎么对应的；       b.必须以稳定的一致的方式操作过程；        c. 过程均值必须维持一个适当水平，是与受控有关，还是和公差有关？位置最好是接近于目标；        d.过程的分布范围必须小于允许范围；        前三个和稳定相关，后一个和100%合格相关       ② 临界状态 ：受控的，但有不合格产品。首先要维持其受控状态。        a.过程必须内在稳定        b.一致的操作过程        c.均值必须维持在适当水平，相当于3Sigma或6Sigma的分布也会往上或往下走，会超出规格线，但也有可能是受控的。        d.分布范围必须小于允许范围       ③ 混乱边缘 ：过程失控，不可预测，但又是100%合格，是种很危险的状态。有问题根本就不知道。大家要警惕在混乱边缘。满足四个条件。        a.过程必须稳定        b.制造者以稳定一致的方式操作过程        c.???        d.???       ④ 混乱状态 ：既失控，又不合格。        自然界有只潜在的手，把临界状态往混乱状态去拉的，称之为熵。《三体》第三部死神永生里，谈到未来宇宙的战争，其实就是生命与物质之间的战争，前者代表熵增的一方，朝着有序方向演变；后者是熵减的一方，降维、无序是他们的进化趋势。       有些地方把SPC神化了，可以找到一切原因。控制图把过程从不可受控状态，变成可受控状态。过程就是可预测过程，相对来说是透明环境，而不可预测就是黑箱操作。1. 中心趋势测量        1）求均值        2）求中位数2. 离散度的测量        它是描述分布时的宽度，用描述中心趋势的统计值。        极差：一组数从小到大排列，最大值减去最小值。描述了数据的分散程度。        标准差：观察值偏离均值的平均距离。        如果两个值都小，代表一致性都好。当数据少的时候，两个值都差不多。3. 一图胜千言 1）直方图        很多企业做表格式的汇总报告，非常地不直观。而做直方图最主要的点，是取间隔。        使用JMP软件绘制直方图，选择分布，可以自动绘制。Minitab也是一样的。如果说三个轴承都是一台设备生产出来的，第一个轴承的问题是离岛型，分层的。从数据上看是不同范围，来自于两个不同的系统、或员工、或操作方式。直方图是给出一个信号。第二个轴承也有问题，第三个是双峰，也是异常，可能是另外一个系统。从罗列的数据看不出任何异常。 直方图不是看是否稳定的，是大体看分布的。直方图最大缺点是看不出时序。2）茎叶图        这是大体看数据范围。3）运行图        做质量的基于数据的分析，不是画着玩。运行图是时序的，可能两个低谷都是A员工或A班的生产情况，两个高峰是B班的产品。1. 控制图的逻辑        其基本的逻辑是归纳推理。很多时候以为画直方图来看是否符合正态分布，就说明过程稳定。如果有一个标准正态分布去对应，那么就是演绎。        SPC的控制图不是用来套某一模型的，预测的是值在未来是否会落在这个范围内。如果去面试时，问下一个点会落在哪儿？千万不要回答具体的点，只告诉一个可靠的范围。2. 用子组监控过程        同时监控中心位置和离散度。在抽样中，如果没有子组，如何计算这两个统计量。一定是在这一时刻，认为他是来自于同一个分布。我要保证相应组的数据，放在同一个组。有子组尽量用子组。        用S或者极差描述分布宽度，还描述了偏度，或者说峰度。跟宽度主要相关的是位置。       每个子组抽4个样本，均值和极差都在控制线之内。画控制图时要愿意思考。极差的一致性不好，均值也变化。计量型的数据都有两张图。3. 均值极差图         Xbar-R, 20组数据，就会有20个均值，20个极差。三张图分别代表的意义。均值极差图关注的是下两个图。如果用错误的方法，做出的控制线会是很宽的。        极差监控的是子组分布的范围，均值是指均值的3Sigma。        休哈特的控制限怎么算？UCLx=Xbar+A2Rbar，用查表的方式，而不是计算机算得。直接算是有问题的，除了这些年的人工智能，其他的统计参数都是上个世纪研究出来的。这里是用估算的Sigma，或称短期Sigma。整体的S称为长期。        不了解的人，从老师那边学到控制图就是3Sigma，那样就会将控制限放得很宽。均值极差图里用的3Sigma，不是想象中的Sigma。（此处存疑）        那么，应该先看哪张图？应该先看Rbar，因为如果下面的点超了，说明过程失控，那么Xbar就是个待商榷的数据。4. 单值的界限        自然过程界限，需要查表，用于做能力分析，预测过程能力。3S也可以叫做+/-3Sigma，有些老师不讲深时，不会讲解到这部分。        控制图一般会有两个，组内变差和组间变差。不要用单值来画3Sigma，会导致控制限很宽，根本就不报警。n=4,查对应的4代表的A2值。如果用软件做控制图时发现就台阶，要检查一下子组大小是否一致。        休哈特控制图要合理分组，那么就要兼顾统计指标。5. 基于子组的其他控制图 6. 单值极差图        有些业务条件下无法分组，农业化学试验或破坏性试验，只能n=1，通过两个值之间的移动极差来表示。7. 统计受控        什么时候来判断过程是否受控？25个子组。实际上，休哈特一开始选用的每组数量是4，一共抽样了100个观察值。等到25组数据才去算控制线，等待过程中是否会产生报警数据。当然会，所以尽量早发现。8. 分析用控制图、监控用控制图        分析型用于研究范围时，看稳不稳定，如果稳定，就把控制限固定下来。在手工绘制状态，是两张图。分析时，如果超出控制限，就要把点剔除掉，相当于掩耳盗铃。如果剔除一个点，就可能有另一个点超出。剔到后来，就会发现图上几乎没什么点了。剔点不是根本，剔除一个要补充一个。没有找到原因前，就出不来控制线。9. 控制图的选型        单值的Sigma和均值的Sigma所计算出来的控制限是否一致？可以用Excel或者JMP来计算一下。感兴趣的可以计算一下。1. 内容小结 2. 课后问题        1. PPAP要求至少300个样品，是否向客户提交的SPC数据，也必须基于300个数据的分析？        答：元杰老师讲过，满足16个就可以做数据分析。这根PPAP要求没有直接关系。        2. 取80个数据是连续取样，还是分子组大小取样？        答：？？？