QC七大手法講解 【必讀】QC七大手法詳解（六）

這個是我們今天直播的一些章節 因爲我們的QC7大工具已經分享了5.5個工具 昨天還剩了一半 那麼我們今天一開始 會繼續我們昨天講的這個直方圖 那麼我們把這個常見的直方圖的類型和它常見的原因 包括我們怎麼用我們的minitab軟件去生成我們的直方圖 這個我們先說一下 說完這個之後 我們就進入到這個QC7大工具裏面的最後一個工具 這個工具是什麼呢 就是我們這個控制圖 這個是大家比較感興趣的 也是現在比較常見的常用的 那麼爲什麼把它放最後一個呢 因爲它比較難一些 這裏邊一共七個工具 只有這個控制圖呢 是涉及到統計的原理了 所以我們也把它放到最後一個 那麼控制圖呢 我們一次直播是說不完的 所以我們今天先起個頭 和大家去講一下這個控制圖它的原理是什麼 它幹什麼用的 第二呢 就是我們說所謂的監控的過程的穩定性 那麼我們怎麼定義過程是穩定的 第三啊 我們來說一下 還有另外一個大家比較熟知的 比較常見的叫過程能力 那麼我們來看一下啊 這個過程的穩定性和我們過程能力之間 到底有沒有什麼樣的一個關係 這個就是我們今天的一個主要的章節 好 我們來看一下這個直方圖啊 這個我們昨天說過了 這個直方圖是什麼呀 就是我們啊 在收集完連續型數據之後 我們去看我們的數據 它的一個分佈情況 那麼通過我們數據的分佈情況 我們能看出來哪三點呢 第一就是我們的一箇中心的位置在哪裏 我們有時候在這個製造過程當中 經常會說一句話啊 就是我們好像做的偏上線了啊 或者是偏下線了 那麼所謂的偏上線啊 偏下線 這個指的是我們數據的一個分佈的位置 也就是它的中心在哪裏 我們呢 也管它叫什麼問題呢 偏還是正的問題 那麼大家知道啊 除了我們偏正的問題之外呢 我們還有另外一個能決定我們不良率的是什麼呢 就是我們數據的一個波動 也叫變異啊 那麼我們都希望它的波動的越小越好 或者說變異越小越好 那麼我們簡單理解波動越大 它在這個圖裏邊啊 大家可以看到呈現的就是這個寬度呢 分佈的寬度比較寬 所以我們呢 也管它叫胖瘦的問題 胖瘦的問題 第三就是我們通過我們的脂肪圖呢 能簡單的看出來一些我們數據啊 或者我們的生產過程是不是會存在一些異常的情況 那麼這個就是我們通過脂肪圖主要看的三個點 這三個點呢 我們統一叫分佈的一個情況和位置啊 好 然後我們來看一下 這種脂肪圖呢 是我們最常見的 大家在什麼時候會看到這個脂肪圖啊 我們最常見的時候是在我們看過程能力的時候 那麼大家可能會算CPK啊 PBK 我們再加兩根線 這兩根線是什麼呀 就是我們的門柱 也就是我們的下規格線和我們的上規格線 那麼我這裏邊要和大家說一下啊 大家不要認爲啊 這個長得像什麼呀 是不是很像正態分佈啊 大家不要認爲說它長得像正態分佈 分佈看起來像正態分佈 我們就說它是正常的 那麼如果我們說看見我們的脂肪圖成這樣的一個分佈 我們簡單的來畫一下這樣的一個分佈啊 我們管它叫什麼叫偏態分佈 那麼它的這個長長的小尾巴在哪裏呢 在右邊對吧 所以我們也叫這種情況叫負偏分佈 我們不能說啊 這個分佈好像看起來不對稱了 不不像正態分佈了 我們就說製造過程出現問題了啊 這個是錯誤的 這個是錯誤 爲什麼這麼說 因爲我們並不是說所有的數據它都符合近似的正態分佈啊 有的數據它這個生成的機理就不符合正態分佈啊 比如說我們說工資對吧 大家可以想一下這個所謂的我們的工資 它會是從左右對稱的一個分佈嗎 它不會對吧 它一定是有一個長長的小尾巴在右邊 比如說我們說的這個世界首富在哪裏 那在這裏吧 對吧 或者在很遠很遠的地方 所以不能說啊 我們的分佈看起來啊 不是左右對稱的一個近似正態分佈 我們就說這個運轉過程啊 我們的製造過程不正常啊 這個話是錯的 它雖然叫normal distribution啊 但是不能說你翻譯過來叫正常分佈啊 只要不符合這個分佈就不正常啊 這個是不對的 這個大家知道 好 那麼第二種呢 我們常見的這個脂肪圖的類型啊 就是這種缺尺型啊 我們也叫它凹凸不平的 大家可以看出來啊 它是這樣的 那麼爲什麼會出現這樣的一個情況呢 有一種很常見的情況 就是我們測量系統的這個分辨力不足 測量系統的分辨力不足 比如說我們測量系統的分辨力 我們舉個例子是0.5毫米啊 那麼你測出來的數呢 它比如說80 下一個呢 80.5 然後呢 79.5 對吧 81 就有可能會出現這樣一個分佈 因爲它是在左邊還是在右邊 它是79.5還是81 它0.5 0.5的這樣去計算 很有可能不是跑左邊 就是跑右邊 這個也是一個不正常的一個情況 大家知道一下啊 這個長成這樣肯定是有一些異常情況的啊 這個異常情況是什麼呢 一般來說啊 測量系統分辨力不足是一種可能 但並不一定是唯一的一個可能啊 大家瞭解一下就可以了 好 那麼我們還有一種呢 是這樣的 這樣叫什麼呢 叫切邊形或者叫斷裂形 什麼意思 大家明顯可以看出來 我們的數據好像從這兒呢 只有右半部分了 左半部分呢 沒了 是吧 沒了 好像被切斷了一樣 爲什麼呢 有可能是因爲我們在做數據的時候呢 有一部分的數據啊 比如說在這個數值範圍 往左的這個數據怎麼樣 被切斷了啊 就說被我們給人爲的清洗掉了 我們做了一些數據的清洗 這是一個 但這種情況呢 這種切邊形斷裂形呢 其實並不是太常見啊 並不是太常見 好 那麼下邊這一個叫孤島形啊 這種正帶分佈呢 比較常見啊 這種質望圖的形態比較常見 大家可以看出來啊 我們的數據呢 基本上分爲了兩個部分啊 第一個部分就是我們左邊這個區域內的 第二部分呢 就是我們右邊啊 當然他不一定在右邊 他有可能在左邊 就是一個被孤立的一部分 而且距離我們的一個大部分的數據 這個數值分佈離得比較遠啊 被獨立出來 而且呢 數據量並不多 那麼一般這種呢 你看他就像是一個被孤立的小島一樣 所以我們也叫這種叫孤島形的一個分佈 那麼一般這種情況是比較常見的啊 那麼對於這種問題 常見的最主要的一個原因就是我們會有一些異常原因出現了 導致了我們這一部分數據變成了一個一些離群的一些點 那麼這一部分啊 需要我們去調查 當然了 所以我們還是說在收集數據的時候呢 儘可能的我們不是隻有比如說我們說 比如我們這個數據的是什麼數據 我們說叫厚度 那如果一般我們收集數據啊 厚度的數據啊 只有一列原始數據啊 比如說一百個數據 那麼一旦出問題了 其實是很難去追溯原因的啊 所以一般的我們對應的這些個數據呢 他也會帶一些信息出來 比如說啊 每一個數據屬於哪一個批次 哪一個人作業的啊 或者說哪一個設備作業的 那麼這樣在我們一旦出現了異常情況之後 我們就可以立即的去進行一些層別來確認問題 到底是出在於哪一個層次裏啊 是有的批次出問題了 還是有的人出問題了啊 還是有的設備出問題了 所以原始數據在收集的時候 儘量不要很單一啊 很單一 只有一列原始數據啊 這個有些危險 好 還有一種呢 叫這種高原型啊 什麼叫高原型啊 我們簡單的來看一下吧 它其實或者我們也可以叫它平頂型啊 就是我們的這個數據分佈呢 好像哎 這個無論在哪一個這個數值的區間內 它的發生頻率啊 差不多啊 大家可以看到差不多 然後呢 就像一個平頂一樣 那一般什麼時候會出現這樣的一個問題 就是我們有很多個不同均值的分佈混在了一起 比如說有可能這個是我們不同的設備生產的數據混到了一起 有可能呢 是我們同一個設備啊 不同的加工位置 比如說漢階工位啊 第一個漢階工位啊 第二個漢階工位 或者我們有很多的時候啊 三個漢階工位都掛靠在這臺設備之下 那麼他們之間又有一定的這個叫均值的差異 然後我們從這設備裏一出來 那麼就容易混合成這種平頂的分佈啊 這也是一個比較好找原因的一個分佈的形式啊 那麼還有一種最常見的呢 就是叫雙方型 什麼叫雙方型啊 大家可以看到吧 我們的數據分佈裏邊怎麼樣 有兩個峯頂 對吧 那麼我們看起來呢 他就跟這個麥當勞挺像的 是吧 這樣的 那其實呢 我們如果能做層別分層的話 他其實是怎麼樣 兩個分佈混合到了一起 那也就是說 他是有兩個總體的數據共同去混合起來做的直方圖 那麼比如說兩臺設備之間啊 兩個不同的供應商 原材的供應商 那麼兩個總體之間有差異 均值上有差異 混在一起做直方圖 那就容易出現這種雙方型 那麼這裏邊我們多說一點 就是我們所謂的雙方型和我們的這個高原型啊 區別是什麼 共同點 我們先說共同點是什麼 共同點都是 這是這個叫兩個啊 或者叫多個兩個基以上多個總體的數據混合到了一起 那麼雙方型 它是僅限於兩個總體的數據 兩個總體均值有差異的數據 混合到了一起做的一個直方圖 那麼平頂型呢 那麼一般我們說平頂型是多個多個總體 比如說三個設備之間 或者是五個作業員之間多個總體 而且相對於我們的這個波動的寬度來說 大家可以看到吧 這個是我們波動的寬度 對於我們波動的寬度來說 我們均值的差異 這幾個總體的均值的差異的差異不大 差異不大 我給大家畫一下 大家可以看到吧 差異不大 相對於波動來說 均值差異不大 所以看起來像一個平頂型 如果差異大呢 它就不叫平頂型了 那叫什麼呀 也不叫雙峯 叫什麼呢 叫多峯了 對吧 這就更明顯了 叫多峯了 好 我們再來看一下啊 這個是我們剛開始說的 這個呢 不一定是有問題的 是我們的這個直方圖稱偏態分佈 很常見啊 很常見 好多人他認爲這個數據什麼樣啊 你說了半天什麼樣的一個直方圖叫正常的 是必須要跟正態分佈比較相似的 中間高兩邊低的直方圖就叫正常嗎 也不一定啊 首先出現了這種偏態分佈 大家能看出來吧 有一個長長的小尾巴甩到了右邊 第一個我們首先要確認的是 我們數據形成的這個基理 是不是它就是應該符合偏態分佈 你不能說我們這個整個地球上啊 有很多的這個皮膚的人 對吧 你不能說都要求他是黃種人 你不能說來了一個非洲人 皮膚黑的 你說他反正是不是黃種人 他就有問題 那不對啊 人家天生他就是黑皮膚的人 對吧 所以首先什麼叫數據基理啊 就是它的形成的這個根本的這個就跟基因一樣 根本形成的這個這個原理上來說 他就有可能是正態的 有可能是偏態的啊 那什麼樣會形成一種偏態分佈啊 比如說我們剛說的工資 對吧 那大家可以想一下啊 那麼這個賺兩千元的和賺這個這個叫兩千萬的 他能是一樣多的人嗎 一定不是啊 所以這種首先先判斷基理上是不是一個偏態分佈 如果我們從基理上判斷之後發現 哎 它是一個偏態分佈 那麼就是一個很正常的一個情況啊 如果我們從基理上判定完之後發現 它就不應該是一個偏態分佈 它應該是一個正態分佈 那麼脂肪圖它的樣貌來說就應該是中間高兩邊低的一個對稱的分佈 那麼現在成了這樣的一個狀態 那麼這個時候我們才能把它判定爲這是一個異常的情況啊 這是一個異常的情況 所以大家能理解哈 那麼異常情況常見的原因是什麼呢 有可能啊 是我們的工具產生了一些磨損或鬆動 比如說涉及到一些這個產品的這個怎麼說切斷面的切斷面的這個 比如說我們經常會在這個製造過程當中使用這個刀具 那麼如果使用刀具 我們說一旦刀具突然出出現了磨損 那麼可能對應着某一些產品表面的特性 它就會變得大 但是呢 我們這個磨損的不是突然說壞了 壞的很嚴重 慢慢的產生了一個磨損 那麼有可能大家看到了 就會出現這種長長的小尾巴出來 或者說鬆動也是一樣的 這個是出現偏態分佈 機理上判斷 不應該出現偏態分佈 但是它出現了 那麼常見的原因就是工具的一些磨損或者是鬆動 好 那麼基本上常見的這些個脂肪圖的樣貌啊 包括一些對應的一些異常的原因呢 我們和大家就簡單的介紹完了啊 然後呢 我們後邊啊 去給大家用我們的metab操作一下 火丸說剛剛說的含永律是啥意思 我剛剛說含永律了嗎 我們來看一下啊 這個脂肪圖 怎麼做啊 我們已經準備好了一列數據 放到了C1 這個脂肪圖啊 我們其實大部分啊 不能說所有的圖形啊 大部分的圖形 它的這個metab的路徑和窗口呢 都在我們的這個圖形裏 大家可以點擊圖形 那麼比如說帕雷託圖啊 我們驗證獨立性的這個運行圖了啊 就不在這裏面 但是大部分都在這裏 大家可以看一下 所以大家以後再做什麼圖呢 打開我們的metab軟件 如果記不清它的路徑 先去圖形裏面去找一下 那麼大家可以看到啊 呃我們多說一句啊 大家可以看到啊 我不知道大家能不能看清啊 我們的這個圖形進來之後 它其實是分塊的啊 你看這有一個線啊 我這個鼠標移的地方有一根線 大家看到了吧 這根線上面有四個圖 叫散點圖 矩陣圖 氣泡圖和邊際圖 那麼這四個圖爲什麼被一道線分割了啊 因爲這四個圖基本上 它們的作用是差不多的啊 是看我們數據的一些個分佈情況 來確定數據的相關性的啊 比如說三點圖 矩陣圖啊 氣泡圖 邊際圖都是來看一些數據相關性的 那麼第二部分 大家能看到這個線嗎 有什麼呀 概率分佈圖 累積分佈函數 概率圖啊 精液圖 點圖 還有脂肪圖 爲什麼他們在一塊啊 因爲這幾個圖基本上它的作用 是看我們數據分佈的啊 比如說點拖脂肪圖 這都是看數據分佈的 我們來看一下啊 來看一下 我們先點一個脂肪圖啊 那麼進來之後呢 他會問簡單啊 簡單是什麼意思 就是我們一列數據啊 也沒有分組 大家看到了吧 C1就是一列數據 什麼東西都沒有了 這個是簡單 他右邊有一個叫包含擬合啊 我先把這個選到下面 大家可以看一下 簡單和包含擬合有什麼區別 沒什麼區別啊 所謂的包含擬合 在圖形裏面 大家看就是出來一根啊 這個跟症態分佈一樣的概率密度曲線 那麼這根曲線就是擬合的概率密度 函數的曲線啊 我們一般呢 點擊這個包含擬合啊 因爲他多一個曲線的擬合的曲線 肯定是比沒有更好一些吧 對吧 我們點進去 非常簡單啊 這個metab就很智能了 我們點擊原始數據C1列 點擊確定啊 大家可以看到吧 這個就是我們數據的一個指方圖了 那麼所謂的包含擬合多了什麼呢 多了我們這根紅色的線 什麼意思 就是他利用我們這些原始數據 他去擬合啊 來看一下最貼近最符合哪一個症態分佈 他下面右邊標註了嗎 均值啊 49.99 標準差呢 0.9914 樣本量100 這個紅色的這根擬合的這根曲線 就是均值爲49.99 標準差爲0.9914的症態分佈 好 我們呢 拓展的來說一下啊 再看一下我們這個點圖 這個點圖呢 其實就跟我們昨天給大家一開始介紹 指望圖是一樣的 他就是更符合我們說的這個叫什麼 跟玩俄羅斯方塊一樣啊 我們來看一下 那麼我們這裏邊的數據呢 只有他他分一個外 大家看到了還有多個外區別是什麼 上邊這仨都叫一個外 下面這四個呢 叫多個外區別是什麼呀 你有幾列數據就叫有幾個外 啊 其他的先不管啊 在區分上來說 你有幾列數據就叫幾個外啊 比如說我們現在只有C一列 這一列數據 那麼我們就是一個外 如果C一和C二有兩列數據 我們同時要看點圖 那麼就叫多個外 大家能理解吧 然後我們點擊一個外簡單 那麼呢 就把C一列點進去 這個是比較簡單的 點擊確定 大家可以看到吧 這個就是點圖了 怎麼出來的點啊 你每得到一個數據啊 他就跟俄羅斯方塊一樣 落到對應的這個數值區間裏 每有一個數據 他就落在這個區間裏 大家看到這個就是一個點圖 那麼和直方圖呢 其實性質差不多 所以我們說爲什麼他們都在第二組塊裏 因爲他們的作用差不多 都是看我們數據的一個分佈情況 那麼我們meetype給大家就演示過了啊 然後呢 大家有沒有什麼問題可以打到公屏上 我來看看大家有沒有什麼問題的 感謝大家的點贊和支持 大家可以點點關注 因爲我們的這個直播呢 一個小時每次是一個小時的時間 那麼好 那麼按照章節呢 我們就要進入到我們QC攜帶工具裏邊 最後一個工具了 這個就是啊 我們的234的內容 就是我們的控制圖控制圖 這個也是最複雜的一個啊 我們來看一下什麼叫控制圖呢 那麼首先我們說控制圖之前呢 我們先來說一下啊 這個SPC這個大家很多人可能是沒用過啊 有一部分人應該用過 那麼呢 很多人應該聽過對吧 那麼SPC是什麼 SPC叫統計過程控制 這個也是我們汽車行業五大質量工具之一 那麼統計過程控制啊 這個三個英文單詞的首字母就是我們的SPC了 那麼我們QC七大工具裏邊說的這個控制圖 它和SPC有什麼樣的一個關係 這個我們要先說一下 控制圖包含於SPC之內 SPC是我們的一套過程管理的一套方系統 它是一個系統 這裏邊包含很多的內容 其中就包含我們的控制圖 那麼控制圖呢 它更多的是一個可視化的一個工具 大家就知道了 你作爲一個公司裏邊監控過程穩定性的一個大的隔離系統 你光有可視化的這種圖形工具可是不夠的 所以我們今天呢 不講這個龐大的隔離系統怎麼去做 我們只給大家去介紹一些控制圖 這種可視化的工具 它的概念 包括它的一些個原理是什麼樣的 這個大家要清楚 首先呢 我們這個控制圖是1920年 那麼距離現在多少年了 距離現在差不多一百年了 誰發明的 是我們的這個很出很出名的統計專家 對吧 休哈特他開發出來的 所以呢 我們一說這個叫什麼呀 叫我們也給這種叫取名叫休哈特控制圖 那麼呢 他還有另外一個名字叫什麼 叫常規控制圖 休哈特少寫一個特 或者叫他常規控制圖 那麼大家知道他是起源 但是呢 經過一百年的時間 我們的控制圖的家族裏邊已經不僅僅有休哈特控制圖了 已經不僅僅有最開始的常規控制圖了 有很多很多種 但是在我們的這個QC七大工具裏邊 我們只講休哈特控制圖 或者叫常規控制圖 雖然他並不是唯一 但是這也是我們現在最常用的 包括大家比較常見的這些個計算的能力指數 CPK這些都是從SPC引出來的 都是從SPC引出來的 那麼所謂的這個控制圖 他是幹什麼用的呢 顧名思義 對吧 他是在做控制用 那麼他控制的是誰 他控制的是我們過程的輸入和輸出 也就是input和我們的output 那麼我們剛開始學的時候呢 或者更多的應用體現在哪裏呢 體現在輸出output 什麼意思 輸出就是我們經過每一道工序之後 我們做出來的這些個半成品啊 或者到最後的成品 他有哪些質量特性啊 比如說我們是做麪條的 我們做麪條 那麼你麪條做完之後 比如說他的這個長度啊 對吧 或者是口感的軟硬度啊 這些就是我們控制圖要監控的 他最後輸出的這些個產品的質量特性 那麼大家可以看到啊 那麼當我們的這個監控的輸入和輸出出現了異常情況的時候 我們就證明了過程怎麼樣 不再穩定了 出現一些異常情況 我們把過程的暫停下來 把這個特殊原因消除掉 消除掉 這個是他的一個背景和概念啊 然後我們來說一下 那麼在製造過程裏邊 其實呢 不光製造過程裏邊 包括我們的生活當中也是一樣的 我們發現很多事情 或者幾乎說所有的事情 都是有變異和波動的 什麼叫變異和波動啊 比如說我們做的產品 你做了50個產品 他會一模一樣嗎 他不會對吧 他一定是有什麼差異的 那麼這個差異我們叫什麼 就叫波動和變異啊 就叫波動和變異 但是我們去看 所有的這些個波動和變異啊 或者說這個差異性來說 我們基本上在控制圖裏邊 大家剛學我們理解 基本上分爲兩大類 哪兩大類呢 一大類叫普通原因產生的變異 一大類呢 叫特殊原因產生的變異 什麼叫普通原因產生的變異 不可查明的啊 過程固有的始終存在的 5M1億啊 人機量法環測啊 都會有的細微的波動 什麼意思 我們來舉一個最簡單的例子 比如說我們在這個製造過程裏邊 我們設定了一個公益的參數叫壓力 我們會有兩個值 對吧 哪兩個值呢 這個大家比較常見 一個叫設定值 是不是一個叫實際值 寫在我們的標準裏的是什麼 是設定值 比如說我設定壓力爲5M1億 但是大家可以想一下啊 實際的這個製造過程裏邊 我們的壓力會是5M1億嗎 它一定是有一些什麼 看到了我們把它圈出來 關鍵點啊 細微的波動 什麼意思 它實際的壓力一定是在不斷變化的 當然這個差異呢 不會很大 比如4.99 過一會變成5.01 對吧 那麼這只是說公益參數啊 那麼人對吧 機器 我們的原材料 我們的環境 都會有這種細微的波動 這些細微的波動 組成的這種產品之間的差異性 我們統一叫它 這個是普通原因造成的 對吧 這個是普通原因造成的 有差異很正常 一定會有差異 那麼普通原因造成的差異 我們說這個叫處於一個穩定受控的狀態 那麼什麼叫 特殊原因產生的變異 不是我們過程本來就有的 有時候存在 有時候它突然就出現了這個異常的情況 我們而且能查明的 能把它解決掉的 這個叫特殊原因產生變異 比如說 我們設備作業作業作業 有一顆 我們說螺絲出現了鬆動 寫錯了 螺絲出現了鬆動 那麼螺絲一出現鬆動 那我們過程的波動 可就不是普通原因產生的波動了 咱能理解 有可能突然就怎麼樣 出去了 對吧 那麼這一部分原因是什麼 這個就叫特殊原因產生的 能不能查明 能啊 對吧 是過程本來就有的嗎 不是啊 你過程本來我們的螺絲不應該是松的呀 或者說我們的這些個刀具 模具不應該出現突然的磨損 或者是 這個缺口斷裂 崩線 對吧 那麼我們的過程就會處於一個 不穩定的一個失控狀態 這個是最常見的兩種差異性 或者說變異的區分 好 大家有任何問題 可以打到我們的公屏上 我們會和大家去答疑和交流的 那麼我們前邊介紹完了這兩種 不同原因造成的 我們數據的這種差異性 或者說變異之後 那麼下一個問題 我們要有邏輯性 好 我們知道了有普通原因和特殊原因 那麼下一個問題就是如何區分 如何區分 那麼這個東西不能說我們說 憑我們的主觀的感受 對吧 你說 這個好像差的有點多 這是一個特殊原因 這個17 這個數差的不多 它不是一個特殊原因 那這個不能憑我們主觀的 那這個就太主觀 太模糊了 而且容易產生擡槓的行爲 所以呢 我們引入了兩根線 那麼這兩根線叫什麼 大家可以看到 我們還有兩根線叫什麼 叫USL USL是什麼 上規格線 UCL是什麼 大家看到這個C了吧 這是什麼意思 control的意思 control control 1 所以它是上控制線和下控制線 我們在控制圖裏邊 拉出來兩根控制線 來幫助我們幹什麼 區分哪些是正常的波動 哪些是異常的波動 那你爲什麼要區分 我們前面說了 對於我們控制線以內的 這些個正常的波動 或者說普通原因造成的波動 我們知道 這是一種正常情況 一定會有差異性存在 我們不要去幹預它 不要去幹預它 就可以了 那麼對於超出控制線的這種 特殊原因造成的差異性 那麼怎麼辦 必須去幹預 去查一下什麼原因 什麼原因 這個就是我們控制圖的一個 主要的原理和作用 它幫助我們區分普通原因和特殊原因 那麼如果我們的數據 和我們監控的這些個 統計量 它一直在控制線裏邊 處於一個隨機 無規律的一個波動 那麼這是什麼 這個我們就說過程穩定 如果出現了這種特殊原因 跑到控制線以外了 這個就叫什麼 過程已經怎麼樣 不穩定了 過程已經不穩定了 MMY問了一個問題 控制圖沒有上下公差 如果控制線超出公差線怎麼辦 好問題 我知道大家會有這樣的問題 所以我們後邊的課件準備了 MYA不要着急 我們後邊會說 會解釋你的這個問題 那麼我們來看一下 所謂的穩定 它的定義是什麼 那麼大家知道 我們在製造過程裏面 我們去進行什麼作業 我們一般來說都是分什麼作業 分批次作業 對吧 一批一批的 那麼你一批接着一批的去製作出來 那麼這是一個什麼樣的一個維度 大家要清楚 我們控制圖 它的一個維度是時間的維度 也就是我們所謂的穩定 是在時間推移的這個維度下 我們去看 我們製造過程的什麼 它的這個中心分佈位置 是不是沒有太大的變化 我們數據的這個波動的寬度 是不是沒有太大的變化 當然了 我們現在這一頁 只是給大家去講概念 那具體怎麼區分 有沒有大的變化 我們後邊去說 大家先明白概念就可以了 什麼叫穩定 隨着時間的推移 我們的數據怎麼樣 沒有 大家可以看到吧 中心位置和波動 沒有一個太大的變化 中心位置波動寬度 沒有一個太大的變化 這個就叫穩定 這個叫穩定 不穩定是什麼樣的 大家可以看到吧 這個圖裏面就是不穩定 如果我們給大家描繪成點圖 我們來看一下 對於時間1 我們的數據分佈是什麼樣的 大概就是這樣的 大家看到吧 每生產一個產品 我們就描一個點 我給大家簡單畫一下 那麼到了時間2 中心位置沒有太大的變化 但是怎麼樣 數據我們製造產品的這個波動變大了 對吧 到了3 我們的數據怎麼樣 波動又恢復了 但是怎麼樣 它的這個中心位置又偏上線了 所以大家能看到這個就叫不穩定 這個就叫不穩定 那麼爲什麼我們要追求穩定呢 因爲穩定就意味着受控 我們的製造過程受我們的控制 那麼即使我們的製造過程 隨着時間會產生變化 但是呢 基本上它的水平是一致的 這樣我們就可以預測 預測什麼呀 那麼好 那我就知道了 過兩天 過三天 過四天 我們的數據怎麼樣 基本上還是這樣的一個分佈的中心 和分佈的波動程度 那麼你是不是就能知道 大概我們的不良率也是一個穩定的了 對吧 你不會說今天這個沒問題啊 100ppm 明天呢 我一下這個中心位置偏了 跑上線去了 那麼第二天又700ppm了 那第三天呢 這個東西你就不受控了 這個很麻煩啊 對吧 那麼一旦過程不受控 總是有這些個特殊原因進到我們的製造過程裏面干預我們 那沒法說了 那你說我們的製造過程是一個什麼樣的能力啊 那誰知道啊 今天能力好 對吧 明天能力就差 那大後天可能能力又變好了 那這個不知道啊 所以穩定的意思意味着可以受控 受控就意味着它處於一個大致的水平之內 我們就可以預測 就可以預測預測什麼 主要還是我們的不良率啊 還是我們的不良率 好 我們說一下啊 剛纔我們的M1A問了這樣一個問題 控制線和規格線 我們來看一下啊 首先啊 大家要去分啊 藍色的線叫什麼呢 叫規格線 對吧 第一啊 規格線 它是死的 大家看到了吧 什麼叫是死的呀 就是它是固定不變的 這個東西是根據我們顧客的需求來的 對吧 你不能說你坐着坐着把規格線動了 這個不可能吧 對吧 這個不可能啊 這個太可怕了 所以規格線是顧客需求決定的 那麼在規格線以內的就是良品啊 規格線以外的呢 就是不良品 但是啊 我們這兩根線是什麼呀 這兩根紅線叫什麼呀 這兩根紅線叫控制線 叫控制線 我們剛纔說了 這個控制線是死的活的呀 這個控制線可是活的呀 什麼叫是活的呀 就是它的寬度啊 它的寬窄是可以變化的 根據誰變化的呀 根據我們過程分佈的正負三C根本來變化 那麼我們的過程波動小啊 我們來給他畫一下 比如說我們過程的波動 大家看到了吧 這麼的小啊 過程波動這麼的小 那麼控制線呢 根據正負三C根本啊 當然了這個具體的算法很複雜啊 這個具體的算法很複雜 我們這裏邊不講怎麼算啊 我們現在在這一頁只給大家去講概念和原理 大家剛開始接觸的時候 慢慢學先明白概念和原理啊 如果一下上升到公式 大家一下就蒙了啊 這什麼意思啊 太複雜了啊 那麼概念和原理是最重要的啊 我們先把它講通 那麼Sigma是什麼呀 代表了我們過程波動的一個大小吧 對吧 過程波動越小 Sigma就越小 對吧 過程波動越大 Sigma就越大 對吧 那麼控制線是怎麼定的 正負三倍Sigma的寬度 那麼我們繼續給大家畫一下啊 大家看到了吧 如果過程波動這麼小 那麼我們按照正負三Sigma來畫兩根控制線 就這麼寬 如果過程波動很大 那麼那你過程波動大 Sigma就大 對吧 正負三Sigma就寬 控制線就會變寬 那麼所以我們說什麼呀 控制線是活的 好 這個沒問題了哈 我們來看一看大家能不能理解啊 我們先到這一頁 我們來討論一下啊 我們希望大家一起我們來互動啊 看看大家這個理解的程度能不能對啊 包括我們把這頁說完之後 給MMA去再說一下啊 他剛纔的問題 首先我們看一下啊 大家可以參考 參考主圖啊 這個圖我們這個紅色的點是不是不良品 我們這個紅色的點是不是不良品 如果是呢 大家就摳一啊 如果不是呢 大家就摳二啊 我們來討論一下 好啊 我們大部分同學都對都明白了啊 都明白了 然後海岸遊貓說了一個不確定啊 他說的其實也是一個非常好的回答啊 爲什麼我們一會和大家說啊 首先那麼你是不是不良品 你看誰啊 你不是要看規格線嗎 對吧 這個是門柱啊 踢進去了 在門柱以內就進球了 踢不進去門柱以外就沒進了 就NG了 就不良品了 所以他是不是不良品 是所以大家可以看出來吧 他是不良品 但是怎麼樣呢 他是良品啊 他不是不良品 他是良品 但是怎麼樣 他出了什麼問題了 他抄什麼線了 他抄我們的控制線了 那麼這意味着什麼 一旦抄控制線了 證明什麼過程不穩定了啊 過程不穩定了 爲什麼不穩定了呀 有特殊的原因進來了 對吧 有特殊的原因進來了 導致我們的過程不穩定了 但是啊 但是產沒產生不良呢 沒有產生不良 所以這個就是控制圖的一個很大的作用 他怎麼監控過程穩定性的 他到底起了一個什麼作用啊 他起了一個預防的作用啊 他起了一個預防的作用 什麼意思 你看啊 他已經有特殊原因進來了 對吧 我們的過程已經不穩定了 但是呢 還沒產生不良品 所以現在你要怎麼樣 趕緊的去調查一下 爲什麼不穩定了 什麼特殊原因進來了 對吧 沒產生大批量不良品 提前的做監控和預防啊 這就是他的一個主要的作用啊 然後我們來看啊 那麼這裏邊我要和大家說一下啊 我給大家畫的這個圖 這是一個絕對有問題的圖啊 有問題的圖 有問題在哪裏 在做控制圖的時候啊 或者我們更嚴格的來說 做常規控制圖的時候 你的控制圖裏邊 不管是用數字化的方法啊 我們用這些個可視化的這種軟件啊 這個機器啊 能給我表出來 還是說在現場去用這種傳統的啊 描點啊 讓我們的這個現場的作業員去描點 不管是哪一種形式的控制圖 這個圖裏邊只能有兩根線 這兩根線是什麼 就是上控制線和下控制線啊 當然還有一箇中心線 不能有這個規格線啊 我們做控制圖只能有控制線 不要畫規格線啊 我不明白 現在很多人他在這個現場描點的時候 他把規格線也放過來 給很多人一個混淆啊 好像我們的這個控制線跟規格還有關係 沒有關係啊 沒有什麼關係 大家要清楚啊 我們剛纔啊 這個右鍵頭同學啊 他說了不合格跟不受控是兩個概念 對的對的兩個概念 所以在做控制圖的時候 只允許有控制線 不要把規格線加進去 你給很多這個使用者一個誤區 給很多使用者一個誤區 我們不是監控他合格不合格的 我們是監控過程穩定性的啊 大家能理解啊 可愛的你說兩者完全沒關係 對的 沒錯 那一點毛病都沒有 所以不要畫出來規格線啊 在圖裏邊只畫控制線啊 當然了 我這裏邊呢 是爲了讓大家去我們一起互動一下啊 看他能不能理解 好 我們來看第二個問題啊 這是剛纔我們MIA問的一個相關的問題啊 我們來討論一下啊 我們換到圖啊 大家看到了吧 控制線怎麼樣 比規格線還寬了 這種有沒有可能 有沒有可能控制線比規格線還寬 大家感覺可能了 我們就扣一啊 大家感覺不可能 理論上完全說不通 永遠不可能 我們就扣二啊 我們來繼續討論一下 有可能啊 爲什麼有可能 因爲什麼控制線是根據正負三Sigma定的啊 我們剛纔這個可愛的你 還有我們右鍵團同學都說了 這倆有關係嗎 沒關係啊 如果我們的過程怎麼樣 非常的爛啊 爛到一定程度了 那麼你正負三Sigma就會很寬 對吧 那麼有可能理論上理論上有可能他會超過我們的這個什麼規格線啊 有可能理論上有可能 但是爲什麼很多人說我遇不到啊 我怎麼沒見過這種情況啊 那是因爲我們的製造過程不可能這麼爛啊 如果真出現這種情況 那麼就不要再去監控過程穩定性了 對吧 你就跟這個說相聲一樣 穩定嗎 穩定啊 每次都是班級後三名 那這個時候穩定就沒意義了啊 趕緊想辦法把我們的怎麼樣過程能力提上去 你說穩定的後三名 這個叫穩定的爛吧 對吧 就對你看胖胖胖說這麼爛還有什麼意義 沒意義了啊 沒意義了 對那麼其實呢 這些都是有關聯的啊 我們簡單的說一下 其實如果我們說無偏的情況啊 也就是我們的生產製造的這個過程的中心正好對準我們的標準中心的話 那麼大家知道當我們的這個控制線的寬度和規格線的寬度一致的時候 其實對應的我們cp的能力是1 對應我們cp的能力是1 那大家可以想一下吧 對吧 你cp是1的話 這個不良率是多少啊 這個不良率是0.27%吧 對吧 這個是多少啊 2700ppm 靈度說啊 對當過程中心對中的時候呢 cp等於cpk啊 是的 所謂的cp所謂的cp cpk啊 他只是一個預估啊 預估我們大概的不良率是多少 只是預估我們的一個大概的不良率是多少 那隻要你不全解 那誰也不知道不良率是多少 對吧 只是一個預估 好 大家有沒有什麼其他的 對 你看你相信光問cpk跟ppk的區別是什麼 那你算cpk一大前提就是你要保證過程的穩定性 否則沒有意義啊 cpk他最主要的是什麼 一個預測能力預測什麼 我們現在啊 過去以後我們的不良率大概是多少 那如果你過程都不穩定了 那這種預測能力沒有用啊 就沒有用了 但ppk無所謂啊 ppk無所謂 ppk是什麼 ppk就相當於我們今天比如生產了1000個產品啊 我們抽完樣之後 ppk是多少 我們預估一個不良率 那麼你只能說今天是什麼樣的 明天呢 不知道 後天呢 不知道 爲什麼不能做預測了 因爲過程不穩定啊 那怎麼做預測啊 沒法做預測了啊 啊 這個 老師有統計用控制線和控制用控制線的說法嗎 有分析用控制圖和控制用控制圖啊 是分析用和控制用啊 分析用和控制用 靈度說的也對啊 靈度說的對 但靈度說的是算法啊 算法 但是最主要的區別你就明白就可以了啊 組內和整體啊 cpk是看組內 ppk是看整體 那爲什麼cpk看組內 因爲它和控制圖掛鉤啊 虛化造控圖講究的就是隻有單一的變異元 是什麼 組內變異啊 組內變異