|
重庆TS16949认证体系中的SPC的认知 -1 客户都要求供应商必须推行SPC，并不局限于汽车行业，电子组装行业也盛行SPC控制。统计是数据通过计算后，产生有意义的情报。 我这两天在一家韩国电子企业辅导时，发现他们几乎把所有的所谓关键特性做了SPC，样本数32有，64有，70，80，甚至1000都有，CPK计算值有的不足1，有的高达20以上，问他们为什么这样，他们说是客户要求，做了也不去分析，客户也没认真去看。 SPC 控制图只是体现工具之一,一份合格的控制图是前提。 控制图能分析过程是否受控，却不能评价过程是否满足要求。 一般来说，控制图只能告警，而不能告诉引起异常的原因及解决方法，还应配合其他诊断工具。 受控是指过程稳定，可以预测，只存在普通因素，不存在特殊因素， 是否满足要求还要看CPK/PPK等相关指数。 产品之所以有差异，因为存在着变异，或者叫波动。 影响质量变异的原因为两种，一种是普通因素，一种是特殊因素。 普通原因就是平时一直客观存在，对过程有一定的影响但不明显，难以避免，例如机床开动时的轻微振动等。 特殊因素则是偶然出现，对过程影响很大，有时存在，有时不存在，对质量影响大，容易去除，例如车刀磨损等。 利用控制图可以区分出偶然因素与异常因素。 例如，炉温设置在212度，但由于车炉内外温度存在差异，即使你用足够精确的温度计去测，并不是每次都恒定在212度，而是213 214 215..在细小的在一定范围内进行变化，这时我们就说受到的是普通因素的影响。 而如果这里停电了，那么瞬间，温度会出现较大变化。停电就是特殊原因。 此时我们说受到了普通因素和特殊因素两种影响。 我们可以利用控制图区分出普通因素与异常因素呢？ 过程只受普通因素影响的时候在控制图上表现为过程是受控的，是可以预测的。 如果有特殊原因的影响在控制图上会有异常点的出现。 做控制图通常我们会把过程要假设成正态分布 正态分布中，有一个3σ原理： 3σ原理：不论μ与σ取值如何，产品质量特性值落在u+/-3σ范围内的概率为99.73%，落在该范围外的概率为0.27％，这是个小概率事件，而“在一次观测中，小概率事件是不可能发生的，一旦发生就认为过程出现问题。” 有异常就有可能存在特殊原因。这也是区分两者的原理。 “假定过程处于控制状态，一旦显示出偏离这一状态，极大可能性就是过程失控，需要及时调整。”据此休哈特发明了控制图。 为了方便看，把正态分布图按顺时针方向转90°，再上下翻转180°，就得到一张控制图 正态分布简单说，一条曲线，中间高，两头低，左右对称并延伸到无穷，曲线与横轴间的面积总等于1。 均数μ决定正态曲线的中心位置；标准差σ决定正态曲线的形状（陡峭或扁平程度）呈钟形 BELL SHAPED 即使过程不是正态分布，依然可以用控制图，当然这会涉及到另一个假设,中心极限理论. 中心极限理论：无论过程的分布是什么,只要收取样本N的数量较大时,其分布总是正态分布。 理论上，所有场合都可以应用。当然对象要具有统计规律，对于一次性或少数几次的过程不合适。 只需对关键过程控制。 客户指定，内部评估，需重点管控的，出现异常多的过程。对于一般特性，没有必要用SPC，因为导入SPC毕竟也需要成本，用一般的控制手段即可。如首末检或巡检，抽检等。 更多内容请浏览 关键词： 重庆TS16949,重庆TS16949认证,重庆TS认证 (责任编辑：www.pringee.com) |
