質量管理五大工具 【必讀】spc在minitab中的應用第二章（上）

然後下面的話就是我們這幾節課的一個就是第七個章節是不是 然後我們往下走一走 給大家回顧一下 SPC的起源和發展 這個的話也就不說了 然後什麼是統計過程控制的話 大家可以看一看就OK了 這個的話 大家在工作中 相關的崗位的話 只要相關朋友的話 應該對這個SPC統計過程控制也並不陌生 是這樣 SPC的目的的話 其實的話是什麼呢 還是預防對不對 SPC的話 應用SPC的主要目的就是預防嘛 是這樣 是在製造過程中監控過程的穩定和能力 避免不合格的產生 而不是等到事後製造出來後再去檢測合格以後 然後第十頁的話就是變差的一個基本概念 其實上節課的話 有一個 一個點可能我沒有說到是這樣 是關於測量的是這樣 爲什麼測量對於我們統計過程控制也很重要呢 是因爲只有說我們測量系統能保持合格的情況下 還能保持我們數據的不失真 是這樣 所以說我們通常情況下啊 我們研究統計過程控制或者是研究過程能力 我們首先有一個前提條件的話是什麼呢 是假設了我們測量系統是處於受控狀態的 這個也就是我們常說的就是MSA測量系統分析是OK的 好 我們就下一頁這個的話也不跟大家說了 重點的話我只給大家過一過上節課所說的好吧 然後關於SPC的一些參數概念的話 這裏面給大家這裏面有列了幾個一些統計量 是不是比如均值 極差 放大標準差 以及中規數和重數 這裏給大家再說一下的話 其實我們日常生活中啊 日常生活中哪一個是用的最多呢 其實是重數用的是最多的 爲什麼 比如說最佳最受歡迎 最滿意都與重數有關係 它反映一種最普遍的情況 然後統計中我們用的比較多的話 其實就是均值和中位數是這樣 當分佈基本上對稱的時候 其實均值和中位數的話 其實他倆是幾乎是相等的 是這樣 當然是啊 但是當我們的數據有嚴重的數據偏斜 或者異常值的時候 均值的話 和我們的中位數 他們兩個的差別還是比較大的 當然了 中位數的話 其實的怎麼說呢 他對他對異常值的反應的話 其實不是更敏感 而我們的極差呀 或者是標準差呀 均值對我們異常值反應更敏感 這樣大家理解一下 知道一下就可以了 然後我們再進行下一個這個的話也不說了啊 這個的話說的是SPC原理的控制圖 它主要來源於什麼呢 來源於我們證券分佈的正負三SIGMA 它的一些概率啊 是這樣 比如說在正負一SIGMA的話 可能是68.26% 然後二SIGMA 95.45 三SIGMA是99.73 這個也就是我們統計過程或者是統計啊 就是過程控制圖 它的原理它的來源啊 這個的話是說關於統計過程控制的話 它的八條判議準則是這樣 八條判議準則的話 其實最終是說明了什麼呢 是統計學可以用證明啊 這種八種情況下出現的概率大體上都等於或接近於0.27% 均爲小概率事件 我們也說到了上節課也說到了小概率事件代表不可能發生 對不對 正常來說不可能發生也就說明了我們的過程是有問題的 這個判議準則的話 這裏面上上節課也給大家說了是怎麼樣計算 這幾個概率是怎麼得出的 這裏也不再給大家贅述了 這個是說SBC控制圖的種類 以及怎麼樣選擇計量型計數型啊 以及如何是選擇平均級差啊 平均級差呀 還是說平均數的標準差圖啊 均值級差還是均值標準差呀 等等等等啊 是如何選擇哪個控制圖 對我們生產進行監控 這個的話 其實我們大家常常說不用控制圖 控制圖的話 其實這裏我還是需要給大家在重點強調一下 我們控制圖的應用其實也是有流程的 首先我們收集數據並會分析用控制圖 這個時候的控制是用於分析的 爲什麼是用於分析的呢 我們根據控制圖來找出我們過程是否有特殊原因 如果有的話 我們消除特殊原因 對不對 如果沒有的話 我們可以對我們此時的過程進行相應的過程能力的分析 如果說我們過程能力不是很好的話 這個時候我們可能需要提升設備的精度 或者說是幹嘛呢 或者說放寬公差 當然放寬公差的話 我們需要得到工程技術人員的相關的批准 以及客戶的相關批准 不是說隨意可以放寬公差的 如果說我們的特殊原因消除了 我們過程能力也可以有了 那是這個時候的話 我們就可以把過程就是控制圖的話幹嘛呀 進行下一步的延伸 對不對 然後用我們過程中的上控制線下控制線 然後還有我們的CentralLine 然後來幹嘛呀 用於我們的日常用的 控制用控制圖 把它作爲控制用控制圖就OK了 然後這一頁的話 其實說的是我們計量型控制圖 如何計算的一些相關公式 這裏也不給大家說了 是這樣 大家可以看一看 因爲各種教材 或者是網上都能很好地檢索到 是這樣 上一節課的話 應該我應該是我給大家舉了一些相關的例子 對不對 就是如果說我們不用一些相關的軟件 如果我們用手繪製怎麼做 怎麼計算我們的 極差圖的中心線 如何計算我們極差圖的是控制上線 控制下線 以及均值圖的中心線 控制上線或者控制下線等等 這裏有相關的公式 然後也很好計算 然後這裏也不再給大家贅述了 好吧 然後計算完我們的控制 就是計算我們的中心線 控制上下線以後的話 其實的話 我們就把我們的數據描點 對不對 描點之後連線 然後就能看出我們的過程是不是受控的 是這樣 然後上節課應該是最後的話 我給大家演示了一下 如何用minitab來做這個控制圖 然後這裏的話 我再給大家演示一下 大家跟着我的這個演示 具體的看一下 好吧 大家可以跟着我的演示來看一下 如何用minitab 做我們的控制圖 然後這個的話 是我們的一些控制圖的數據 對不對 我把這個命令行取消啊 這個是我們的一些數據 對不對 然後這是我們一批次 它有兩種方式嘛 就是說我們統計數據的時候有兩種方式 第一個的話是記錄批次 然後把所有的寬度的話都列在一列 第二個是每個批次是一行 對不對 然後把這個批次 一批次的數量放在這裏 然後我們這裏給大家都演示一下 然後統計 控制圖 x822圖 均值記差圖 然後這裏有兩種選擇方式 大家可以看一下 第一種是什麼 是圖表的所有觀測值均在一列中 什麼意思呢 就是這裏的觀測值是均在一列中 所以我們可以選擇第一個 我們選擇這種方式 然後的話選擇哪個呢 然後這裏說了是圖表的所有觀測值均在一列中 那我們選擇C2 因爲只有C2的所有觀測值在一列中 對不對 所以我們雙擊C2 雙擊寬度 然後詞組大小是幾呢 詞組大小是5 對不對 因爲我們每個詞組的話有五個嘛 可以看一看 這有五個1 五個2 對不對 所以詞組大小選5 如果我們想檢查一下我們的 就是說特殊原因的一些判一準則 對不對 在哪裏呢 其實可以在這裏 比如檢驗啊 進執行這裏有說特殊的原因檢驗 我們可以把它都選上 執行所有特殊原因檢驗 對不對 這樣就都選上了 然後我們確定 然後我們這樣的話就可以了 最終選擇我們的確定 然後如果我們想看我們的圖呢 大家可以看一下 這樣我們的控制圖就生成了 對不對 這樣我們寬度的均值級插圖就生成了 有沒有特殊原因呢 大家可以看一看 根據他的一些判一準則 對不對 是沒有特殊原因的 還有另一種方式 我們可以怎麼做呢 根據我們數據的統計 對不對 如果我們用這種 寬度一寬度二寬度三寬度四寬度五 這種統計方式可不可以做呢 其實也是可以的 因爲它給了我們一些相應的選項 是這樣 其實是一樣的 控制圖 子組變量的控制圖 然後也是均值級插控制圖 這裏面我們就選擇子組的觀測值 位於多列的同一行種 大家看一看 是不是 子組的觀測值位於多列的同一行種 然後這時候我們選擇什麼呢 這時候我們就需要把我們 涉及到的批次都選進去 是這樣 都選進去 就可以這麼做 然後大家可以選擇這樣 大家可以直接輸入C5到C9 我們也可以都雙擊掉 然後我就雙擊了 C5 C6 C7 C8 C9 然後的話 我們想執行所有的判一的話 也是可以這樣 執行所有的 然後確定 確定 這裏大家可以看一下 我們選擇了兩種不同的操作方式 但是它到最後的輸出 其實都是一致的 這就是我們經常用的 就是均值級插圖 它在minitab的用用是這樣 當然均值級插圖的話 說我們的測量系統分析要合格 其實還有一個 我們經常要就是不能忽視的 特別重要的原則是什麼呢 就是我們的原始數據必須是什麼分佈 原始分佈必須是正態分佈 所以一般情況下 我們因爲有了軟件是不是 如果說我們沒有軟件的話 檢測正態分佈的話 數據是不是呈正態的 其實還是很麻煩的 但是我們有了minitab的話 就是對於正態分佈 是很好進行檢測的 我們怎麼樣來檢測這個數據 是不是呈正態分佈的呢 然後我們這裏minitab 也給了相應的一些選項 然後我們可以看 大家可以跟着我的速度來 基本統計 統計 基本統計 大家看看有沒有一個正態性檢驗 對不對 然後點擊正態性檢驗 讓我們想看一看 我們的數據是不是呈正態分佈的呢 我們把數據先打開 先打開原始的數據 是這樣 我再給大家演示一下 統計 基本統計 正態性檢驗 對不對 我們只要點擊我們的寬度 所有的數據就可以了 然後一般情況下 下面這三種只是屬於我們正態性檢測的一些 不一樣的方式 我們選擇第一個就可以 然後幹嘛呀 然後再確定 我們看看是不是呈正態的 其實這裏的話 我們看看寬度的概率圖 對不對 我們可以看一下 如果大家對於這些不是很好理解的話 我建議大家直接看P值就可以了 如果P值小於0.05的話 也就代表我們的數據不是正態的 如果P值大於0.05的話 也就說明我們的原始數據是什麼樣 是呈正態分佈的 這裏P值的話是0.216 大於0.05 對不對 所以說我們的數據是什麼呀 是呈正態分佈的 對不對 有可能有些人的話 可能這些有些疑問是這樣 爲什麼是這樣的呢 其實的話 你如果大家有Maztype軟件的話 你也可以看一些相關的操作 我給大家演示一下 大家點開這裏 大家可以看一下 還是檢測正態性檢驗 大家看出幫助這個按鈕了嗎 大家點擊幫助 這裏面的話 就會對於正態性檢驗的話 一些相應怎麼做 然後以及主要的結果 以及對於結果是如何解釋的 然後也會做一些指示 對不對 大家可以看一看這個 你看這裏的話 主要結果對不對 這裏有個P值對不對 這些結果中原假設 就是我們說其實也是假設原因 因爲有個原假設 有個備則假設 我們原假設是假設數據 是從正態分佈的 因爲P值是 剛纔我們那個算是0.216 對不對 他舉這個例子是0.436 是這樣 然後P值是0.2級 大於顯著使用水平0.05 所以說我們無法否定原假設 原假設是什麼 是數據流動狀態 所以說沒法拒絕原假設的話 也就是數據是正態分佈的 如果我們的P值小於0.05的話 也就是說我們拒絕原假設 選擇了備則假設 對不對 也就是數據不是正態分佈的 是這樣 這裏的話 其實給大家就演示了一下 如果大家對於不是很確定 是不是究竟P值大於0.05是正態 還是P值小於0.05是正態 如果大家用軟件的話 其實軟件的話 這裏面也給大家做了一些相應的解釋 軟件是哪裏下來的 那是買的 是這樣 好吧 然後的話 我們其實大家可以再 我給大家再展示一下 是這樣 希望大家更好的理解一下 如果大家對於某一個工具的話 這裏不是很 不是不知道怎麼解釋 或者不知道怎麼用的時候 大家可以這樣 比如說控制圖 我剛纔解釋了 對不對 我們點擊進去之後 然後這裏有個幫助 大家點擊幫助 然後就出來相應的網頁了 告訴大家怎麼樣去相應的操作 還有對結果進行一些相應的解釋 是這樣 好吧 然後我們這一個就OK了 這也就是我們的控制圖 對不對 然後剛纔的話也給大家演示了 只不過這一個的話就粘在這裏了 好吧 然後我們的計量型控制圖就說完了 然後我們計數型計量型控制圖的話 剛纔給大家演示完了 這裏又給大家解釋一下 引出了一些其他計量型控制圖的一些計算公式 這裏不給大家一一演示了 是這樣 因爲的話 大家經常用到的話 其實還是經常用的均值計差圖比較多 或者說用是單值移動計差圖比較多 尤其是對於一些破壞性的檢驗 是單值移動計差圖用的多 但是單值移動計差圖 其實跟均值移動計差圖 它倆是差不多的一個思路 然後差不多一個演示 這裏也不給大家舉例了 然後我們下面開始說我們第四章 第四章是什麼呢 就是說我們說完計量型控制圖 我們再說什麼 計數型控制圖 計數型控制圖常用的 或者是常規的計數型控制圖 第一個就是我們的布格品 綠圖 然後布格品樹圖 然後單位產品圈線樹圖 以及圈線樹圖 對不對 我們經常說P圖NP圖U圖C圖 是這樣 然後基建型的話 就是適用於我們上兩個的 因爲這兩個的話 主要是檢查就是它們的布格品的數量 然後才能得出一些相應的一些結論 對不對 所以這是基建型的 比如說產品檢驗結果只有合格 一戶合格 這樣基點型的話 就是說單位 比如說我們一個零件上有多少缺陷 對不對 我們缺陷數是多少的話 這個是監控產品上缺陷點的數量 這樣 所以我說我們這叫基點型的一個控制圖 然後他倆計算公式的話 其實這裏的話也給列出來了 這裏也不給大家說了 其實大家從公式中可以看到 其實這個雖然說數據是呈二項分佈的 但是它的控制線的基本邏輯還是來源於正派分佈的 爲什麼這麼說呢 這裏也是說P加減三倍的是不是一個相關的數 其實這就相當於X8加減三倍的sigma 其實是一樣的 其實它的主要的理論來源還是來源於我們的標準正派分佈是這樣 然後這裏的話給大家舉了一些相關的例子 比如說NP控制圖 也就是說我們的不合品數控制圖 對不對 然後這裏說了幾個例子說 某質量工程師爲了評估燈泡的製造過程是否受控 然後在三個八小時班次內 每小時檢測500個燈泡 然後記錄不發光的燈泡數 然後讓我們分析一下這個過程是否穩定 假定服從NP的二項分佈 對不對 然後可以看看 假如說這有A班 B班 C班三個班次 然後的話每班次減8次 對不對 然後每次抽500 減差500 然後不合品數量是多少 我們根據實際的生產情況 對不對 記錄一下相關的數據 也就是說這樣的話就把我們的數據全部給統計出來了 數據統計出來之後的話 我們需要幹嘛 就是需要做分析了 對不對 我們不合品數控制圖 這裏也說了 是不是 什麼叫不合品數控制圖 什麼是用不合品率控制圖 這裏也說了 這裏紅色的字體給大家列出來了 如果說我們的樣本數量 樣品數量是一樣的 或者是一致的 樣本大小是一樣的話 我們就用我們的不合品數控制 大家可以看一看 這裏都是500 對不對 當然了 有人說 那我用樣本數量一致的話 可不可以用不合品率控制圖 其實是也是可以的 也是完全沒問題的 但是如果說你的樣本數量不一致 那你用你的NP控制圖的話是不可以的 你只能用我們的P控制 對啊 這裏有一個邏輯 大家不知道大家聽明白沒有 老師請問一下 爲什麼UCL LCL爲什麼一定是三Sigma 這是個好問題 其實的話就是控制圖的話 我們講到就是說它的起源或者來源的話 是來源於誰啊 是來源於休哈特博士 創建的對不對 就是休哈特博士創建完這個之後的話 其實我們控制圖 雖然說有各種各樣的控制 但是它的基本原理其實是一直沒有變的 至於爲什麼要用正負三Sigma 其實是出於兩種兩個角度的考量 一個是常規中經常有兩種錯誤 一個叫什麼 一個叫錯判 一個叫漏判 其實選用正負三Sigma的話 就是說把我們錯判率或者漏判率控制在一個合理的範圍內 或者是控制在一個比較平衡的點上 是這樣 所以這也就是說 現在爲什麼一直說我們用正負三Sigma來代表 我們的數據的一個UCL或者LCL 這是一個主要考慮 然後我們迴歸這個 我給大家演示一下 怎麼樣做這個波分變數控制 好吧 OK 我把這個取消掉 命令行 我看看 OK 這樣的話 其實也就是剛纔我們的數據 對不對 這樣的話就是我們的數據 對不對 然後大家可以看一看 這個是我們的班組 對不對 然後A班B班C班每個班八次 每次抽500波分變數量也都有了 對不對 然後剛纔我們說用什麼波分變數控制圖 對不對 我給大家演示一下 展示一下 統計和控制圖都是在一個模塊裏 是這樣控制圖 這時候大家就不要找這個了 找一個什麼樣屬性控制圖 或者說屬性控制圖 也就是我們所說的 經常說的基礎性控制圖 對不對 然後大家可以看一看 這裏有NP對不對 波分變數控制圖 對不對 大家選擇這個 我們的變量來自哪呢 我們變量是什麼呀 我們變量是我們的不合格品數 然後我們選擇我們的不合格品數 子組大小是多少呀 這時候你可以輸入500啊 也可以輸入直接選擇CR是這樣 然後我們選擇CR 樣品數量 然後這時候的話我們確定一下就可以了 然後大家看一看我的控制圖啊 這樣大家看到了吧 我們的NP控制圖 這裏面的話 其實這裏邊給他制定了一個 就是判一準則 這裏有一個有問題 對不對 是這一個點比較高 對不對 是這樣 這裏的話其實沒有特別很好一點 如果我們想看的是哪一行 對不對 是哪一天發生的問題的話 我們可以把這個鼠標放在這裏 也就是說樣本16 對不對 樣本16 如果我們想去看一看的話 我們的樣本16 對不對 也出來了 你看大家看一下樣本16 這一天的話 戶口品數是不是非常高 是這樣的 這裏的話也就給我們指出了哪個數據是有問題的 大家可以看一看我們的控制圖啊 好的 然後這樣的話 我給大家就展示完了 這個的話 大家可以看一看 然後點擊確定 然後我們再往下走 好吧 對一點超出界外