Statistical Process Control

(SPC)

统计过程控制
培训注意事项
 产品质量先期策划和控制计划 第二版2008.11
（APQP&CP）

潜在失效模式和后果分析参考手册 第四版2008.6
TS （FMEA）
16949
五大
工具 测量系统分析参考手册
第四版2010.6
（MSA）

统计过程控制参考手册
第二版2005.7
（SPC）

生产件批准程序
第四版2006.6
（PPAP）

3
 APQP

0 1 2 3 4 5
计划和确定 产品设计 过程设计 产品和 反馈、评定
项目 和开发 和开发 过程确认 和纠正措施

0 DFMEA PFMEA MSA

SPC
1 SPC
PPAP
2
3
4
5
课程大纲

1. SPC的概述

2. 控制图的应用

3. 过程的受失控状态

4. 过程能力研究

5
1.SPC的概述

6
什么是SPC

SPC是英文Statistical Process Control的前缀

简称,即 统计过程控制。
SPC就是应用统计技术对过程中的各个阶段收集的
数据进行分析，并调整过程，从而达到改进与保证
质量的目的。

7
SPC兴起的背景：起源

美国贝尔实验室休哈特博士（W. A.
Shewhart）于1924年发明控制图，开启了统
计品管的新时代。
1940’s 二次世界大战期间，
美国军工产品使用抽样方案和控
制图以保证军工产品的质量。

战后经济遭受严重破坏的日本在1950年通过休哈特
早期的一个同事戴明(W. Ed- wards Deming)博士，将
SPC的概念引入日本。从1950～1980年，经过30年的努力，
日本跃居世界质量与生产率的领先地位。美国著名质量管
理专家伯格(Roger W. Berger)教授指出，日本成功的基
石之一就是SPC。

8
SPC兴起的背景：日本
1950’s
 质量管理大师戴明博士在日本工业产品生产过程中全面推行SPC。
 日本JUSE（科学家协会）设置“戴明”奖，奖励那些有效实施统计技术的企业。
 石川磬提出“QC七工具”，帮助生产现场人员分析和改进质量问题，并推动广泛
应用。
1970’s
 有效地推行 “QCC圈”和应用统计技术使日本经济的快速发展，成为高品质产品
的代名词。
1980’s
 美国等其他国家紧随日本的步伐，开始推行“QC小 组”和统计技术的应用。
 美国汽车工业已大规模推行了SPC，如福特汽车公司，通用汽车公司，克莱斯勒
汽车公司等，上述美国三大汽车公司在ISO9000的基础上还联合制定了QS9000标
准，编制了SPC手册。在与汽车有关的行业中，颇为流行。
 MOTOROLA 公司颁布“QC挑战”，通过SPC的实施改进过程能力，并提出追求
“6σ”目标。
1987
 ISO9000标准建立并颁布实施，明确要求实施统计技术。
9
Six Sigma Tree中的统计技术….
6σ达成（完美）

全部的果子都在你手中啦

５σ改善设计
（果子最集中的地方）

能摘到这里的果子，基本
上能达到小康了

2→3σ：5倍改善
４σ过程改善 3→4σ：10倍改善
（矮树上的果子）
4→5σ：27倍改善
这里的果子很有限
5→6σ：70倍改善
因此： 3→6σ：19,600倍改善
３σ（地上的果子）

靠天吃饭，捡吃地上不多
的果子

10
品管方法历程
PPM
697,300
Average Company
308,700 一般公司
Best in class
66,807
世界标竿公司
6,210

233
3.4
1σ 2σ 3σ 4σ 5σ 6σ
方法 产品检查 品管7手法 试验计划与 试验计划与
(5S、QCC、ISO9001) 过程结合 设计结合

产品管制 过程管制 过程管制 设计管制

管制 最佳化 最佳化
管理改进(PDCA)一般公 技术改进(DMAIC)
司THREE SIGMA改善 世界标竿公司SIX SIGMA改善

11
规格管理的危险性

Not just to meet customer or contractual

requirements!!!—被BOSS训斥的痛苦!!!

12
控制线管理的益处
LSL LCL Very Centered UCL USL
潜在不良出现
变异是我们的敌人

不良品已经产生

Spec

13
正态分布特征
• 测定平均值
• 在中心线或平均值两侧呈现左右对称之分布
• 极大值与极小值数量很小
• 常态曲线左右两尾与横轴渐渐靠近但不相交
• 曲线下的面积总和为 1

14
正态分布
99.73%

95.45%

68.26%

-3σ -2σ -1σ μ +1σ +2σ +3σ

正态分布中，任一点出现在
μ± 1σ内的概率为 P(μ-σ<X< μ+σ) = 68.26%
μ± 2σ内的概率为 P(μ-2σ<X< μ+2σ) = 95.45%
μ± 3σ内的概率为 P(μ-3σ<X< μ+3σ) = 99.73%
15
正态分布概率(双边)
μ±kσ 在内的概率 在外的概率(P)
μ±0.67σ 50.00% 50.00%
μ±1σ 68.26% 31.74%
μ±1.96σ 95.00% 5.00%
μ±2σ 95.45% 4.55%
μ±2.58σ 99.00% 1.00%
μ±3σ 99.73% 0.27%

16
正态分布与两种变差原因
→两种变差原因及两种过程状态 目标值线

预测
如果仅存在变差的普通原因,随
着时间的推移,过程的输出形成
一个稳定的分布并可预测
目标值线
时间
？
受控

如果存在变差的特殊原因，
随着时间的推移，过程的输出不
稳定
时间
尺寸
不受控
17
变差的普通原因 V.S.特殊原因
普通原因 特殊原因
Common Cause Special Cause
１．大量之微小原因所引起,不可避免 １．一个或少数几个较大原因所引起,可以避免

２．不管发生何种之普通原因，其个别 ２．任何一个特殊原因，都可能发生
之变异极为微小 大的变异

３．几个较代表性之普通原因如下： ３．几个较代表性之特殊原因如下：
（１）原料之微小变异 （１）原料群体之不良
（２）机械之微小振动 （２）不完全之机械调整
（３）仪器测定时不十分精确之作法 （３）新手之作业员

４．实际上要除去过程上之普通原因， ４．特殊原因之变化不但可以找出其原
是件非常不经济之处置 因，并且除去这些原因之处置，在
经济观点上讲常是正确的

18
局部性的对策及系统性的对策
• 局部问题的对策
*通常用来消除特殊原因造成的变异
*可以被过程附近的人员来执行
* 一般可以改善过程的 15%
• 系统改善的对策
*通常用来减低普通原因造成的变异
*几乎总是需要管理者的行动来加以矫正
* 一般可以改善过程的 85%

19
持续改进的思维模式

过程控制

受控
（消除了特殊原因）

范围
不受控
（存在特殊原因）
20
持续改进的思维模式

21
 过程改进循环
1、分析过程 2、维护过程
本过程应做什么？ 监控过程性能
会出现什么错误？ 查找变差的特殊原因并
本过程正在做什么？ 采取措施。
达到统计控制状态？
确定能力

计划 实施 计划 实施

措施 研究 措施 研究

计划 实施

3、改进过程
措施 研究 改进过程从而更好地理解
普通原因变差
减少普通原因变差
2.控制图的应用

23
控制图
• 控制图是对过程质量加以测定、记录，从而进行控制管
理的一种用科学方法设计的图。图上有中心线(CL-
Central Line)、上控制界限(UCL-Upper Control
Limit)和下控制界限(LCL-Lower Control Limit)，并
有按时间顺序抽取的样本统计量数值的描点序列，参见
控制图示例图。

24
控制图由来说明

25
控制图原理
正态分布有一个结论对质量管理很有用，即无论均值μ和标
准差σ取何值，产品质量特性值落在μ±3σ之间的概率为
99.73%，于是落在μ±3σ之外的概率为100%一99.73%=
0.27%，而超过一侧，即大于μ-3σ或小于μ+3σ的概率为
0.27%/2=0.135%≈1% ，如正态分布曲线图。
这个结论十分重要。控制图即基于这一理论而产生！

99.73%

95.45%

68.26%

-3σ-2σ-1σ μ +1σ+2σ +3σ

26
 μ-3 σ μ+3 σ

控
制 μ μ
图
的
形 μ+3 σ μ-3 σ
成

UCL

●
CL
●

LCL

时间T
27
两种错误

虚发警报和漏发警报

α β

28
控制图的目的
• 控制图和一般的统计图不同，因其不仅能将数值
以曲线表示出来，以观其变异之趋势，且能显示
变异系属于普通原因或特殊原因，以指示某种现
象是否正常，而采取适当之措施。

利用控制限区隔
是否为特殊原因

29
控制图种类(以数据来分)

X-R 均值和极差图 P 不合格品率图

计
计
量 X-S 均值和标准差图 数 np 不合格品数图
型 型
数 X -R 中位值极差图 数 C 缺陷数图
据 据
X-MR 单值移动极差图 U 单位产品缺陷数图

30
控制图的选择
确定要制定控
制图的特性

是计量型数据 否 关心的是不 否 关心的是不

吗？ 合格品率？ 合格数吗？
是 是
样本容量是 否
使用p图 样本容量是 否
否恒定？ 使用u图
是 否桓定？
是
是
使用np或p图
使用c或u图
性质上是否是均匀或不能 否 子组均值是否能 否
按子组取样—例如：化学
使用中
是
槽液、批量油漆等？ 很方便地计算？ 位数图
是
是
子组容量是否 否
使用单值图 使用X—R图
大于或等于9？
X-MR
是
是否能方便地计算 否
使用X—R图
每个子组的S值？
是
使用X— s图 注：本图假设测量系统已
经过评价并且是适用的。
公式汇整
计数值管制图 p 管制图 np 管制图 c 管制图 u 管制图
中 心 线(CL) p np c u
p 1  p 
np  3 np1  p 
u
管制上界(UCL) p3 c 3 c u 3
n n
p 1  p  u
管制下界(LCL) p3 np  3 np1  p  c 3 c u 3
n n
若每组样本的样本数 n 不 若每组样本的样本数 n 不
每组的样本大小 n 必须固定
附 注 固定时，则采用 n 代替 n 固定时，则采用 n 代替 n
若所计算出的管制下界小于 0 时，管制下界等于 0

x  R 管制图 x  S 管制图 x  MR 管制图

计量值管制图
x 管制图 R 管制图 x 管制图 S 管制图 x 管制图 MR 管制图
中 心 线(CL) x R x S x MR
MR
管制上界(UCL) x  A2 R D4 R x  A3 S B4 S x 3 D4 MR
d2
MR
管制下界(LCL) x  A2 R D3 R x  A3 S B3 S x 3
D3 MR
d2
附 注 A2、A3、B3、B4、D3、D4、d2 的大小与每组的样本数 n 有关

32
控制图种类(依用途来分)

分析用控制图

●判断过程是否稳定不稳定，调至稳定
●过程的过程能力指数是否满足要求，过程能力
指数满足要求称之为技术稳态

控制用控制图

●延长分析控制图的控制线

33
控制图的益处
• 合理使用控制图能
–供正在进行过程控制的操作者使用
–有助于过程在质量上和成本上能持续地，可预测地保持
下去
–使过程达到
• 更高的质量
• 更低的单件成本
• 更高的有效能力
–为讨论过程的性能提供共同的语言
–区分变差的特殊原因和普通原因，作为采取局部措施或
对系统采取措施的指南。

34
控制图制作
搜集数据

分析用控制图

是否稳定？ 寻找特殊原因

绘直方图

检讨机械、设备
是否满足能力？ 提升过程能力

控制用控制图

35
建立控制图的四步骤

A收集数据

B计算控制限

C过程控制解释

D过程能力解释

36
使用控制图的准备
• 建立适用于实施的环境
• 定义过程
• 确定待管理的特性，考虑到
–顾客的需求
–当前及潜在的问题区域
–特性间的相互关系
• 确定测量系统(MSA)
• 使不必要的变差最小

37
使用控制图的注意事项
• 分组问题
–主要是使在大致相同的条件下所收集的质量特性值分在一
组, 组内不应有不同本质的数据, 以保证组内仅有普通原
因的影响.
–我们所使用的控制图是以影响过程的许多变动因素中的普
通因素所造成的波动为基准来找出异常因素的, 因此, 必
须先找出过程中普通原因波动这个基准.

38
分组时的重要考虑

让组内变化只有普通原因 组内变异小
让组间变化只有特殊原因 组间变异大

过程的变化
质
量
特
性

时间

39
使用控制图的注意事项
• 分层问题
–同样产品用若干台设备进行加工时, 由于每台设备工作精
度、使用年限、保养状态等都有一定差异, 这些差异常常
是增加产品质量波动、使散差加大的原因. 因此, 有必要
按不同的设备进行质量分层, 也应按不同条件对质量特性
值进行分层控制, 作分层控制图.
–另外, 当控制图发生异常时, 分层又是为了确切地找出原
因、采取措施所不可缺少的方法.

40
层别的说明

复合

41
取样的方式
• 取样必须达到组内变异小，组间变异大
• 样本数、频率、组数的说明

42
建立 X  R 图的步骤A
子组大小
A1选择子组大小、频率和数据 子组频率
Ａ A2建立控制图及记录原始记录 子组数大小
阶
段
收 A3计算每个子组的均值X和极差R
集
数
据 A4选择控制图的刻度

A5将均值和极差画到控制图上

43
每个子组的平均值和极差的计算
第一组 第二组 第三组 第四组
样本1 100 98 99 100
样本2 98 99 98 101
样本3 99 97 100 100
样本4 100 100 101 99
样本5 101 99 99 100
平均 99.6 98.6 99.4 100
极差 3 3 3 2

x1  x 2  x 3  x 4  x 5
x R  xmax  xmin
5
44
建立 X  R图的步骤B

Ｂ B1计算平均极差及过程平均值
计
算
控 B2计算控制限
制
限 B3在控制图上作出平均值和
极差控制限的控制线

45
 X  R控制图 CLX  X
UCLX  X  A2 R
平均值控制图
LCLX  X  A2 R
x1  x 2  x3  .....  x k
x 
k
全距控制图 CLR  R
R1  R2  .....  Rk UCLR  D4 R
R 
k
LCLR  D3 R

n 2 3 4 5 6 7 8 9 10
D4 3.27 2.57 2.28 2.11 2.00 1.92 1.86 1.82 1.78

D3 * * * * * 0.08 0.14 0.18 0.22

A2 1.88 1.02 0.73 0.58 0.48 0.42 0.37 0.34 0.31

46
建立 X  R图的步骤C
超出控制限的点
C1分析极差图上的数据点 链
明显的非随机图
C2识别并标注特殊原因(极差图) 形
Ｃ
过 C3重新计算控制界限(极差图)
程 超出控制限的点
控 链
制 C4分析均值图上的数据点 明显的非随机图形
解
释 C5识别并标注特殊原因(均值图)

C6重新计算控制界限(均值图)

C7为了继续进行控制延长控制限

47
建立 X  R图的步骤D

D1计算过程的标准偏差
Ｄ
过 D2计算过程能力
程
能 D3评价过程能力
力
解
释 D4提高过程能力

D5对修改的过程绘制控制图并分析

48
使用控制图的注意事项
• 控制界限的重新计算
–为使控制线适应今后的生产过程, 在确定控制图最初的控
制线CL、UCL、LCL时, 常常需要反复计算, 以求得切实可
行的控制图. 但是, 控制图经过使用一定时期后, 生产过
程有了变化, 例如加工工艺改变、刀具改变、设备改变以
及进行了某种技术改革和管理改革措施后, 应重新收集最
近期间的数据, 以重新计算控制界限并作出新的控制图.

49
控制界限的延用

50
3.过程的受失控状态

51
控制图的分区

x
UCL A
B
C
CL C
B

LCL A

52
受控状态的判断

逐渐形成一个稳定的分布
μ和σ基本不随时间变化
且在要求范围内

53
 判异准则
两类：
●点出界判异
●界内点排列不随机判异
判异准则：
1、连续9点落在中心线同一侧
UCL
A
B
C
CL
C
B
A
LCL
 判异准则

2、连续6点上升或下降

UCL
A

B
C
CL
C
B
A
LCL
 判异准则
3.连续14中相邻点上下交替

UCL
A

C
CL
C

A
LCL
 判异准则
4.连续3点中有2点在同一侧的A区或A区以外

UCL
A

C
CL
C

A
LCL
 判异准则
5.连续5点中有4点在同一侧的B区或B区以外

UCL
A

C
CL
C

A
LCL
 判异准则
6.连续15点在C区中心线上下

UCL
A

C
CL
C

A
LCL
 判异准则
7.连续8点在中心线两侧，但无一点在C区中

UCL
A

C
CL
C

A
LCL
 判稳准则
1. 至少连续25组，且数据总数不少于100个；
2. 未出现8条判异准则。
4.过程能力研究

62
带有不同水平的变差的能够符合规范的过程（所有的输出都在规范之内）
规范下限 规范上限
UCL LCL UCL
LCL

范围 范围

不能符合规范的过程（有超过一侧或两側规范的输出）

UCL LCL UCL

LCL

范围 范围

63
过程能力分析

准度：好 准度：好
精度：好 精度：较不好

准度：不好 准度：不好

精度：好 精度：不好

Ca准确度 , Cp精密度
64
什么叫过程能力？
 能生产均一品质制品的过程固有能力。

 过程被控制时，表示过程中生产的制品品质变动是什么程度的量。

 一切品质特性都具有它的目标值(Target Value)，
品质是与目标值的偏差越小越优秀。

65
过程能力指数
 过程能力指数(Process Capability Index)
 过程能力指数是过程能生产多么均匀品质产品的能力，
即，评价过程能力的指标。

 在SPC中

- 短期过程能力指数用 CP, CPK 来表示，长期过程能力指数（过

程性能指数）用 PP, PPK来表示。

- 在这里CP 或 PP 是过程平均与规格中心一致时的过程能力指数
，
CPK 或 PPK 是过程平均与规格中心不一致时的过程能力指数。

66
过程能力指数
 短期过程能力指数
 过程平均和规格中心一致时
R
USL  LSL ˆ 
Cp  d2
6ˆ Sigma P
 过程平均和规格中心不一致时̂ (Process)
C PK  Min (C pl , C pu )

USL  x x  LSL
其中, C pu  , C pl 
3ˆ 3̂

n 2 3 4 5 6 7 8 9 10
d2 1.13 1.69 2.06 2.33 2.53 2.70 2.85 2.97 3.08

67
Cpk 等级之说明 ( 当 Ca = 0 )
6 σ E 级 Cpk < 0.67

6 σ D 级 Cpk = 0.67 T= 4σ

6 σ C 级 Cpk = 1.00 T= 6σ

6 σ B 级 Cpk = 1.33 T= 8σ

6 σ A 级 Cpk = 1.67 T = 10 σ

Cpk = 2.00 T = 12 σ
规格下限 规格中心值 规格上限

68
Ca—准确度
Capacity of Accuracy

等級 Ca值

Ca = L1 /L2 A ｜Ca｜≦12.5%
B 12.5%＜｜Ca｜≦25%
L1 =X ─ SL C 25%＜｜Ca｜≦50%
D 50%＜｜Ca｜
L2 = (USL — LSL)/2

69
Case study
• 例：某产品的电性规格是560±10 m/m，经
检验一批后求出±3σ为561±9
m/m(Xbar=561,σ=3)。
• 求：
• (1) Cp, Cpu, Cpl
• (2) Cpk

70
过程能力指数
 長期过程能力指数（过程性能指数）
 过程平均和规格中心一致时
S
 i
( x  x ) 2

USL  LSL n 1
Pp 
6S
 过程平均和规格中心不一致时(不對稱時)
Sigma A
PPK  Min ( Ppl , Ppu ) (Actual)

USL  x x  LSL
其中,Ppu  , Ppl 
3S 3S

 S 表示長期标准差，在產品開發階段中針對試作过程能力的
評估，則稱為先期过程能力(APQP)

71
 Cpk和Ppk的差异

• Cpk：只考虑了组内变异，而没有考虑组间变异，所以
一定是适用于制程稳定时，其组间变异很小可以忽略
时，不然会高估了制程能力；另句话也可以说明如果
努力将组间变异降低时所能达到的程度。
• Ppk：考虑了总变异(组内和组间)，所以是比较真实的
情形，所以一般想要了解真正的制程情形应使用Ppk。

72
 过程能力分析

6Sigma PPM Cp Cpk 良品率(%)

1σ 691500 0.33 -0.17 30.85
2σ 308537 0.67 0.17 69.15
3σ 66807 1 0.5 93.32
4σ 6210 1.33 0.83 99.38
5σ 233 1.67 1.17 99.98
6σ 3.4 2 1.5 99.99966

注：按偏移1.5σ考虑
73
 过程能力分析（步骤）
否 是
正态性检验 统计/质量工具/ BOX-CO或
个体分布标识 Johnson
是 否

统计/质量工具/
统计/质量工具/
能力分析/非正态
能力分析/正态

统计/质量工具/
Capability
Sixpack
/正态 P值≥0.05
74
Capability Analysis (Normal)
 对正态分布数据的过程能力分析
把计量型数据的正态分布数据的过程能力通过Minitab分析。
例题 1

为了过程能力分析，20天各选 5个核心部品特性值的长度(mm)的量测DATA如下。
通过正态性检定(Normality Test)确认DATA是正态分布，核心部品的规格是
按顾客要求600mm  2mm . 通过以下DATA做过程能力分析。

1 2 3 4 5 6 7 8 9 10

598.0 600.0 599.4 599.4 598.8 600.0 599.0 600.0 600.2 599.2
599.8 598.8 599.4 599.6 598.8 600.2 599.8 599.2 599.6 599.0
600.0 598.2 600.0 599.0 599.8 600.2 600.8 599.8 599.6 599.6
599.8 599.4 598.8 599.2 599.2 599.6 598.8 601.2 599.6 600.4
600.0 599.6 599.2 600.6 599.4 599.0 598.2 600.4 600.2 600.0
11 12 13 14 15 16 17 18 19 20
599.0 600.4 599.4 598.8 599.6 599.6 599.6 600.0 599.4 599.6
599.6 599.6 599.0 599.2 599.2 600.0 601.2 599.4 600.0 599.8
599.4 600.0 598.4 599.6 599.6 599.6 599.6 599.8 600.0 599.0
599.2 600.8 599.0 598.6 600.2 599.2 600.2 599.2 599.2 599.6
597.8 600.4 599.6 599.8 599.8 598.6 600.0 599.6 599.4 599.4

75
 Capability Analysis(Normal)
Step 3 确认结果

Process数据
• 规格上限
• Target 潜在的 执行曲线
• 规格下限 实际的 正态曲线
• 平均
• 样本数
• 短期标准差
• 长期标准差

潜在的过程能力
• 潜在的过程
能力指数 Cp
• 考虑倾斜的
潜在过程能力
指数 Cpk

只用过程的群内变动评价执行能力的指数。即意味着 Cp改善可能最大限度是 1.16为至。

76
Capability Analysis(Normal)

实际过程能力
• 实际过程能力
指数 Pp

• 考虑偏移的
实际过程能力
指数 Ppk

根据所有DATA的变动值评价过程能力的指数

77
Capability Analysis(Normal)

现在执行能力

用 ppm表示实际抽样的DATA偏离规格的程度。
78
Capability Analysis(Normal)

潜在的预想执行能力

只考虑过程的群内变动显示正态分布时，数据表现为
偏离规格的预想
79 ppm
Capability Analysis(Normal)
因过程平均以规格中心为基准往 LSL方向倾斜，所以需要与过程变动的
减少一起 能与规格中心一致的过程平均的移动。

实际预想完成能力

对所有DATA的变动值来显示正态分布时，
DATA表现偏离规格的预测
80
ppm
 C1 的 Process Capability Sixpack
Xbar 控制图 能力直方图
LSL USL
UCL=600.321
规格
600.0
LSL 598
样本均值

_
_
599.5 X =599.548 USL 602

599.0
LCL=598.775
1 3 5 7 9 11 13 15 17 19 597.75 598.50 599.25 600.00 600.75 601.50

R 控制图 正态 概率图
3.0 AD:0.844，P: 0.029
UCL=2.835
样本极差

_
1.5 R=1.341

0.0 LCL=0
1 3 5 7 9 11 13 15 17 19 598 600 602

最后 20 个子组 能力图
601.5 组内
组内 整体
标准差 0.576429 标准差 0.619299
600.0 Cp 1.16 Pp 1.08
值

整体
Cpk 0.9 Ppk 0.83
598.5 Cpm *
规格
5 10 15 20
样本

81
附: MINITAB上的工程能力分析

Process Capability of Torque

LSL USL Q 1. 在旁边的结果中Cpk值与

Process Data Within
LSL 20 Overall
ppk值为什么相同?
Target *
USL 30 Potential (Within) Capability
Sample Mean 22.9 Cp 0.25 Q 2. Cpk和Cpl , Cpu的各个
Sample N 40 CPL 0.14
StDev(Within) 6.67223 CPU 0.35 含义是什么？
StDev(Overall) 6.84929 Cpk 0.14
Overall Capability
Q 3. 如果 Cpk 是负数的话,
Pp 0.24
PPL 0.14 这意味着什么?
PPU 0.35
Ppk 0.14
Cpm * Q 4. Cpk =0 这意味着什么 ?

Q 5. Cp和Cpk之中
10 15 20 25 30 35 哪个指数更有用 ?
Observed Performance Exp. Within Performance Exp. Overall Performance
PPM < LSL 375000.00 PPM < LSL 331912.96 PPM < LSL 336001.23
PPM > USL 200000.00 PPM > USL 143639.14 PPM > USL 149960.39
PPM Total 575000.00 PPM Total 475552.10 PPM Total 485961.63

82
Case study
• 假设前面所提到的例题的Spec(Spec : 25 +/- 5)是相同但是其Data是经过长时间的Data时我们要考虑异常原因
这时用???来反映工程能力是比较合理.
Lot1 Lot2 Lot3 Lot4 Lot5
• Minitab Menu : Stat / Quality Tools / Capability Analysis(Normal)
24 21 28 16 18
14 27 32 17 30
Process Capability of C2
18 24 24 22 21

LSL USL 27 21 16 34 16
Process Data Within
LSL 20 Overall 17 24 22 20 14
Target *
USL 30 Potential (Within) Capability 32 26 37 19 15
Sample Mean 22.9 Cp 0.27
Sample N 40 CPL 0.16 31 31 36 16 14
StDev(Within) 6.2156 CPU 0.38
StDev(Overall) 6.84929 Cpk 0.16 27 34 21 16 14
Overall Capability
Pp 0.24
PPL
PPU
0.14
0.35 • 注意
Ppk 0.14
Cpm * - Subgroup Size ???
- Subgroup Number ???

10 15 20 25 30 35
Observed Performance Exp. Within Performance Exp. Overall Performance
PPM < LSL 375000.00 PPM < LSL 320404.37 PPM < LSL 336001.23
PPM > USL 200000.00 PPM > USL 126667.16 PPM > USL 149960.39
PPM Total 575000.00 PPM Total 447071.54 PPM Total 485961.63

83
5.其他控制图

84
X  s控制图
平均值控制图
• B计算控制限 CL X  X

UCLX  X  A3 S

LCL X  X  A3 S
标准差控制图
CLR  S
UCLR  B4 S
LCLR  B3 S

86
X  s控制图实例
8mm之模具冲头
Observations Mean Sigma
Subgroup# 1 2 3 4 5 6 7 8 9 10 11 (X-bar) (S)
1 8.00 7.70 8.10 8.00 7.90 8.00 7.80 8.00 8.10 8.00 7.80 8.03 0.03
2 7.10 6.90 7.40 7.50 7.60 7.70 7.50 7.40 7.80 7.30 7.20 8.01 0.05
3 8.00 7.50 7.60 7.80 7.60 7.70 7.60 7.80 7.40 7.80 7.90 7.80 0.07
.
.
30 7.50 7.80 7.90 7.60 7.80 7.90 7.40 7.50 7.70 7.80 7.60 7.72 0.08
Average 7.89 0.04
Xbar Chart Here S
UCL(Xbar)=X+0.927S
=7.89+1.42(0.04)=8.04 (8.00-8.03)²+(7.70-8.03)²+…(7.80-8.03)²
CL(Xbar)=X=7.89 S1= =0.03
LCL(Xbar)=X-0.927S 11-1
=7.89-1.42(0.04)=7.80
(7.10-8.01)²+(6.9-8.01)²+…(7.20-8.01)²
S2= =0.05
S Chart 11-1
UCL(S)=1.679*0.04=0.08
CL(S)=S=0.04 (8.00-7.80)²+(7.50-7.80)²+…(7.90-7.80)²
LCL(S)=0.321*S=0.01284 S3= =0.07
11-1

89
 X  MR
• 单值控制在检查过程变化时不如Xbar-R图敏感。
• 如果过程的分布不是对称的，则在解释单值控制图
时要非常小心。
• 单值控制图不能区分过程零件间重复性，最好能使
用Xbar-R。
• 由于每一子组仅有一个单值，所以平均值和标准差
会有较大的变性，直到子组数达到100个以上。

94
 X  MR
例1：某制药厂某种药品碱的单耗数据如表，做
单值-移动极差图
1) 收 子样号 x Rs 子样号 x Rs
1 3.76 14 3.81
集 2 3.49 15 3.97
3 3.75 16 3.64
数 4 3.66 17 3.67
5 3.62 18 3.6
据 6 3.64 19 3.61
7 3.59 20 3.61
8 3.58 21 3.6
9 3.67 22 3.68
10 3.63 23 3.66
11 3.67 24 3.62
12 3.63 25 3.61
13 3.66

100
2）计算各组的统计量

1) 计算样本的平均值：
K
1 91.23
x
K
 Xi 
i 1 25
 3.649

2) 计算移动极差Rsi及其平均值：

第一个移动极差为：
Rs1  x 2  x1  3.49  3.76  0.27
第二个移动极差为：
RS 2  x3  x 2  3.75  3.49  0.26
依次类推，本例有24个移动极差。
1 K 1 2.09
RS  
K  1 i 1
R si 
24
 0.087

101
数据表如下：

子样号 x Rs 子样号 x Rs
1 3.76 14 3.81 0.15
2 3.49 0.27 15 3.97 0.16
3 3.75 0.26 16 3.64 0.33
4 3.66 0.09 17 3.67 0.03
5 3.62 0.04 18 3.6 0.07
6 3.64 0.02 19 3.61 0.01
7 3.59 0.05 20 3.61 0
8 3.58 0.01 21 3.6 0.01
9 3.67 0.09 22 3.68 0.08
10 3.63 0.04 23 3.66 0.02
11 3.67 0.04 24 3.62 0.04
12 3.63 0.04 25 3.61 0.21
13 3.66 0.03 合计 91.23 2.09
X图 Rs图 平均值 3.649 0.087
CL 3.649 0.087 系数n=2 E2 D4
UCL 3.88 0.284 查表 2.66 3.267
LCL 3.418

102
3）计算控制界限
• X控制图
CL  X  3.649
UCL  X  E 2 Rs  3.649  2.66 * 0.087  3.880
LCL  X  E 2 Rs  3.649  2.66 * 0.087  3.418
• Rs控制图

CL  Rs  0.087
UCL  D4 Rs  3.267 * 0.087  0.284
LCL不考虑

4）作控制图
103
104
不良和缺陷的说明
结果举例 控制图
车辆不泄漏／泄漏
灯亮／不亮
P图
孔的直径尺寸太小或太大
NP图
给销售商发的货正确／不
正确
风窗玻璃上的气泡
C图
门上油漆缺陷
U图
发票上的错误

105
不合格品率的P图
用来测量在一批检验项目中不合格品(不符合或所谓的缺陷)
项目的百分数。
这可以是评价一个特性值（是否安装了一个特殊的零件）
或是许多特性值（在电气系统检查台中是否发现某些不正常
之处）。
把被检查的每一个组件，零件或项目记录成合格或不合格
（即使一个项目有几处不合格，也仅记录为一个不合格项）；
把这些检验的结果按一个有意义的基础条件分组，并且把
不合格的项目用占子组大小的十分之几来表示。

106
P控制图的制做流程

A收集数据

B计算控制限

C过程控制解释

D过程能力解释

107
建立p图的步骤A

子组容量
A1选择子组的容量、频率及数量 分组频率
Ａ
阶
段 A2计算每个子组内的不合格品率 子组数量
收
集 A3选择控制图的坐标刻度
数
据
A4将不合格品率描绘在控制图

108
A1子组容量、频率、数量
• 子组容量：用于计数型数据的控制图一般要求较大的子组容
量(例如50~200)以便检验出性能的变化，一般希望每组内能
包括几个不合格品，但样本数如果太大也会有不利之处。
• 分组频率：应根据产品的周期确定分组的频率以便帮助分析
和纠正发现的问题。时间隔短则反馈快，但也许与大的子组
容量的要求矛盾
• 子组数量：要大于等于25组以上，才能判定其稳定性。

1 5
n ~
p P

109
A2计算每个子组内的不合格品率
• 记录每个子组内的下列值
–被检项目的数量─n
–发现的不合格项目的数量─np
–通过这些数据计算不合格品率

d np
p 
n n

110
计算平均不合格率及控制限
n1 p1  n2 p2  ....  nk pk
p 
n1  n2  ....  nk
d1  d 2  ......  d k

n1  n2  ....  nk
中心線

CL p  p 
d
n
p (1  p )
UCLp  p  3
n
p (1  p )
LCL p  p  3
n

114
画线并标注
• 均值用水平实线线：一般为黑色或蓝色实线。
• 控制限用水平虚线：一般为红色虚线。
• 尽量让样本数一致，如果样本数一直在变化则会如
下图：

100 200 300 100 200 100 100 200 300 100
1 2 1 2 1 2 1 2 3 2

115
 P Chart of C2

0.04 UCL=0.03985

0.03
Proportion

0.02

_
0.01 P=0.01

0.00 LCL=0

1 2 3 4 5 6 7 8 9 10
Sample
Tests performed with unequal sample sizes

116
评价过程能力

过程稳定，不良率维
持在一定的水平当中

降低不良率
缩小控制限

采取管理上的措施
降低普通原因，如此才能
缩小控制界限，降低不良率

119
改善过程能力
• 过程一旦表现出处于统计控制状态，该过程所保持的不合
格平均水平即反应了该系统的变差原因─过程能力。在操
作上诊断特殊原因(控制)变差问题的分析方法不适于诊断
影响系统的普通原因变差。必须对系统本身直接采取管理
措施，否则过程能力不可能得到改进。有必要使用长期的
解决问题的方法来纠正造成长期不合格的原因。
• 可以使用诸如排列图分析法及因果分析图等解决问题技术。
但是如果仅使用计数型数据将很难理解问题所在，通常尽
可能地追溯变差的可疑原因，并借助计量型数据进行分将
有利于问题的解决

120
P Chart练习

以下是整理按每小时实施的对最终制品的抽样检查结果得
出的DATA。

时间 1 2 3 4 5 6 7 8 9 10

样本数 49 45 51 27 28 51 45 49 28 51
不良品数 6 1 3 4 8 4 4 2 9 3

作成 p 管制圖， 判定工程是否稳定状态。

121
因为发现了脱离控制上限的两 个点，所以不能说处于控制状态。
进而查明其原因。

122
不合格品数np图
• “np”图是用来度量一个检验中的不合格品的数量，
与p图不同，np图表示不合格品实际数量而不是与样
本的比率。p图和np图适用的基本情况相同，当满足
下列情况可选用np图
–不合格品的实际数量比不合格品率更有意义或更
容易报告。
–各阶段子组的样本容量相同。“np”图的详细说
明与p图很相似，不同之处弃如下：

123
不合格品数np图

100 100 100 100 100 100 100 100 100 100
1 2 1 0 1 2 1 2 0 2

NP Chart for C2
5
3.0SL=4.467
4
Sample Count

NP=1.200
1

0 -3.0SL=0.000

0 1 2 3 4 5 6 7 8 9 10

Sample Numbe r

127
缺陷数c图
• “c”图用来测量一个检验批内的缺陷的数量，c图
要求样本的容量或受检材料的数量恒定，它主要用
以下两类检验：
–不合格分布在连续的产品流上(例如每匹维尼龙上的瑕疪，
玻璃上的气泡或电线上绝缘层薄的点)，以及可以用不合
格的平均比率表示的地方(如每100平方米维尼龙上暇疵)。
–在单个的产品检验中可能发现许多不同潜在原因造成的不
合格(例如：在一个修理部记录，每辆车或组件可能存在
一个或多个不同的不合格)。
• 主要不同之处如下：

129
包装一 套TV前欲用 c 管制圖管理。在过去 20天对每10台

外观不良(缺点)Check 的结果发现如下。

作成 c 管制圖并分析。

日期 1 2 3 4 5 6 7 8 9 10

缺点数 4 2 3 7 4 6 2 4 1 3

日期 11 12 13 14 15 16 17 18 19 20

缺点数 2 0 11 3 3 4 5 8 6 2

133
发现了脱离管制上限的一个点，所以不能说处于管制状态。
进而查明其原因。

134
单位产品缺陷数的u图
• “u”图用来测量具有容量不同的样本(受检材料的
量不同)的子组内每检验单位产品之内的缺陷数量。
• 除了缺陷量是按每单位产品为基本量表示以外，它
是与c图相似的。“u”图和“c”图适用于相同的数
据状况，但如果样本含有多于一个“单位产品”的
量，为使报告值更有意义时，可以使用“u”图，并
且在不同时期内样本容量不同时必须使用“u”图。
• “u”图的绘制和“p”图相似，不同之处如下：

135
为管理Enamel铜线的涂装工程，调查了 Pin Hole的数。

因标本的长度，根据种类变化，所以使用每 1000 m 的

Pin Hole的数 作成 u管制圖时， 得到了如下数据。

判定工程的管理状态与否。
( 单位 : 1000 m )

试料的大小 1.0 1.0 1.0 1.0 1.0 1.3 1.3 1.3 1.3 1.3

缺点数 4 5 3 3 5 2 5 3 2 1

试料的大小 1.3 1.3 1.3 1.3 1.2 1.2 1.2 1.7 1.7 1.7

缺点数 5 2 4 2 6 4 8 1 3 9

139
 根据部分群大小計算
上下限也不同吧!!

没有脱离制度限的点，也看不出异常要因明显的习性，可以说处于管制状态。
140
140
 过程改进循环
1、分析过程 2、维护过程
本过程应做什么？ 监控过程性能
会出现什么错误？ 查找变差的特殊原因并
本过程正在做什么？ 采取措施。
达到统计控制状态？
确定能力

计划 实施 计划 实施

措施 研究 措施 研究

计划 实施

3、改进过程
措施 研究 改进过程从而更好地理解
普通原因变差
减少普通原因变差
分享价值 共同进步