芯耀
1995
第一部分 SPC介绍
一、统计技术的发展
Statistical Process Control 之缩写，简称为SPC。
以统计学的原理作为基础
- 用来监察生产过程
- 利用数据及简单的图表表达生产情况
- 用来判断制程有否出现问题
- 引导员工去作出适当的决定
- 预防问题的恶化及重现
美国W. A. Shewhart休哈特博士于1924年发明管制图，开启了统计品管的新时代。
-1900’s :西方的生产利用抽样或全检查去控制物件的质量
-1930’s :开始运用统计技术 : 统计质量管制 (SQC)
-1940’s:二次世界大战时, 美国军队运用SQC去保証他们的武器能合乎一定的水平。
-1950’s :质量的概念传入日本
-1970’s :日本的高科技及质量开始被世界认同
-1980’s :美国三大车行(通用汽车,福特及佳士拿)以及其他的生产公司运用SPC去监管以及提高货品的质素。
例子说明:
-我们知道正常来说某工件的尺寸为4+-0.4。
我们随意找一名员工把两星内定时抽检及量度其尺寸记录下来，然后绘划以下的图表:
二、统计的基础知识及概念
1. 统计的类型
全体统计
例如全国人口统计，所有批次的合格数量，全体员工的考勤状况等
总体：被统计的对象的全体。
总体大小 N ：统计对象的总数。
2. 抽样统计
有的特性无法进行全体统计或没有必要进行全体统计，如塑料的抗拉强度、一筐苹果中每个苹果的重量等等。因此从总体中抽出一部分样本进行调查，用样本的调查结果来推测总体的状态。
样本：从总体中抽出的一部分
样本大小 n ：样本的个数，又称为样本容量。
3. 统计数据的类型
计量型数据
如温度、压力、时间等可以连续读数的特性数据。其数据的分布 多数为正态分布。
计数型数据
如好坏、合格与不合格、一级二级三级等计数的数据又称为计数型数据。其数据分布为二项分布或泊松分布。
不同的数据类型采用不同的控制方法。连续型数据采用Xbar－R 、Xbar－S或X－MR Chart; 计数型数据则采用p、np、c、u Chart。
两种数据类型在一定条件下可互相转化。
最好采用连续型数据。
4. 中心极限定理
数据小组的平均值趋向为正态分布
一组数据的分布可能为不同的形式，但如果将该组数据分为若干个小组，然后计算每个小组的平均值，这些平均值的分布趋向于正态分布，小组的容量越大，越接近正态分布。
5. 连续数据的评价
平均值、中位数
标准偏差
6. 正态分布:
正态分布是一条曲线,其特点是中间高,两头低,左右对称并延伸到无穷.
三 、SPC控制图应用中常见的错误
1. 第一种错误 ( Type I Error )
2. 第二种错误 ( Type II Error )
不该判错者而判错者系第一种错误
该判错者而不判错系第二种错误
完全消除或减少第一种错误必须把管制界限放宽
减少第二错误必须把管制界限收缩
此两种错误均会带来损失，因此应设法使这种两种错误加起来损失最少
四、统计方法的类型和应用范围
1. 管制图的种类-用途
管制用管制图-用于控制制程之质量，如有点子跑出界限时，立即采取如下措施：
-追查不正常原因
-迅速消防此项不良原因
-采取防止此项原因重复发生之措施
2. 管制图的种类-依用途
解析用管制图-此种管制图系作为：
- 决定方针
- 制程解析
- 制程能力研究
- 制程管制之准备
3. 计量值管制图之优缺点
优点：
-比较灵敏，容易调查事故发生的原因
-能及时并正确地找出不良原因，可使质量稳定
缺点：
-需经常抽样及计算，绘制管制图，较为麻烦而费时间
4. 计数值管制图之优缺点
优点：
-生产完成后，才抽样区分良品与不良品，所需数据能以简单方法获得之
-对于工厂整个质量情况了解非常方便
缺点：
-有时无法寻求不良之真正原因，而不能及时采取处理措施，延误时机
第二部分 流程/质量变异及其能力分析
一、什么是变异
二、变异的表现
三、变异的初步分析
四、变异的原因
一般原因和特殊原因
五.变异的量化
1. 规格标准差和制程标准差
2. Ca—准确度（偏离修正值）Capacity of Accuracy
3. Cp—精密度（离散度）Capacity of precision
4. Cpk – 精确度制程能力指数(综合指数)
六、消除/减小变异的初步探讨
1. 制程能力(Process Capability)：6σ
以6σ表示制程能力，其中σ为固有之变异(标准差)即导因于一般原因，用 R /d2来估计，所以又称6σ为自然公差。
2. 制程绩效(Process Performance)：6σ
亦以6σ表示制程绩效，但其中σ乃由s/C4(或 R/d2 )来估计，即导因于一般及特殊原因
3. Cp与Cpk之比较
Cp永远大于或等于Cpk
Cp与Cpk差距越大，代表改善空间越大
当制程中心等于规格中心时，Cp=Cpk
当制程中心位于规格界线时，Cpk=0
当制程中心超出规格界线时，Cpk<0
Cpk所代表之不良率通常以3*Cpk所得之值查Z表而得
4. CPK与不良率之前的关系
下图表示如何自个别值常态分配，转换为Z分配，且能表示规格与制程平均之关系
七、寻找合适的变异
1. 设计人员订定规格的方法
根据写在物品或零件上面之规格订的
根据制程能力订的
制造出来之产品与现有规格比较，以便了解所定规格是否合理，再决定要不要修正规格
2. 设计所订规格较实际严的原因
设计人员没有时间及资料，为安全计，将规格订严一点
设计者了解蓝图内之规格与实际需要有差别，为了配合实际之需要，这些设计人员将规格订严一些
3. 研发人员所面临的问题
不知制程能力为多少
若未考虑制程能力订定规格，当制程能力不足时，即制程无法配合规格时，会增加额外之制造费用
例如：增加重工．报废以及改变制程之费用
4. 如何订规格呢？
第三部分 SPC实施的基本方法和原理
一、控制图的结构和概念解释
1. 何谓控制图 ?
是一种质量之图解记录，在图上设有两条管制界限，用以帮助判定产品质量之变异，当有一点落于该管制界限外，即可认为值得去鉴定变异之原因。
2. 控制图的原理:
3. 规格界限与管制界限
规格界限：产品质量特性之最大或最小许可值
规格上限：SU 表示；
规格下限：SL 表示。
管制界限：用作判断样本与样本、批与批之间质量变异之显著性。决定是否要分析质量变异原因
管制上限（Upper Control Limit）：UCL表示；
管制下限（Lower Control Limit）：LCL表示；
中 心 限（Center Line）：CL表示。
二、统计过程控制图的类型和结构
1. 对于计量型(连续型)数据采用
Xbar-R Chart 均值极差图
Xbar-S Chart 均值标准差图
X-MR Chart 单值移动极差图
Xbar-R 图最为广泛地使用, 应用于小组容量小 的连续数据.
Xbar-S 图 应用于连续数据, 小组容量可以较大, 需借助计算工具.
X-MR 图 应用于难以分组的连续数据.
2. 对于计数型(非连续)数据采用
p Chart
np Chart
c Chart
u Chart
p 图 应用于不合格品率
np 图应用于不合格品数
c 图 应用于不合格数
u 图 应用于单位产品上的不合格数
3.控制图的计算公式和系数表
三、采样及数据收集（如计量型数据控制图）
四、采样及数据收集（如计数型数据控制图）
五、如何采样及数据收集（如计数型数据控制图）
1、样品必须具有代表性,字组容量要足够.
2、过程要稳定且受控状态下进行.
3、可操作性
4、测量方法的一致性
5、测量的准确性
6、人员的培训
7、np管制图子组大小要一定要恒定且≧5
8、c抽样容量一定要相等且不合格数必须很小
9、u图样本容量不定相同但不合格数必须很小
六、设定和维持控制界限
1、通过公式计算实际的控制限
2、控制限外的距离一般为控制距离的2倍.
3、过程长期稳定后可以不用重新计算控制限,可以延续长期使用,若出现特珠原因则需重新计算控制限.
4、出现普通原因通过制程改善来提高和保证过程的稳定
第四部分 常用控制图类型的选择和使用
一、控制图的选用原则
二、控制图的制作流程
三、均值与极差图
案例1：熔融指数仪的稳定性监控(略）
案例2：烤漆炉温度监控(略）
四、 X和MR控制图
案例1：墨水黏度监控(略）
五、 离散U、C、P、NP控制图
案例1：IC芯片缺陷监视(略）
第五部分 如何实现有效的SPC现场控制
一、受控的标准
1.点子未越出控制界限
多数点子集中在中心线附近
少数点落在控制界限附近
无点子超出控制界限
点的分布呈随机分布状态,无任何规则可言.
二、流程失控的表现
规则六 :连续15点以上出现在±1σ间时。
规则七 :变幅突然变大或减小。
三、失控的现场应对
1)超出控制限的点
原因:正常情况下,控制限只覆盖99.73点的点,仍有0.3%的点有机会落在控制限以外.
a.控制限计算错误
b,数据记录错误或描点错误
c.测量错误或测量系统产生变化
d.过程发生较大变化,数据分布变宽
对策:
对于任何超出控制限的点都要进行分析,检查是否为a.b.c.d原因,如果是,则采取相应的措施.如果原因不明,且超出控制线不远,则可能为正常波动,暂时不采取改正行动,继续观察下一点.如果下一点仍在控制线附近,则表明过程发生重大变化,应重新分析原因.
2).飘移(7点链)
· 连续7点在平均值线的一侧
a)均值图上出现此情形，表明过程或测量系统整体偏移。应检查过程参数、原材料和测量系统的变化。
b)极差图上出现情形，可能表明过程不稳，分布宽度增加。如果7点全部在极差平均值线以下，则有可能是测量系统不敏感，或者是分布宽度变窄（好现象）
·连续7点上长或下降
c)出现在均值图上则表明系统漂移，应检查设备的磨损和设置的飘移，检查测量系统的漂移。
d)出现在极差图上则表明过程或测量系统朝着不稳的方向发展，分布变宽。
3).非正态分布
随机数据分组后，其分布应遵从正态分布规律，62、8%（2/3）的点应落在±1 σ以内，在均值图上表现为有2/3的点落在±1 σ两条线之间。否则为非正态分布。
可能的原因：
过程或抽样方法分层；每分子组包含从来自两个或多个具有不同均值的过程的测量值。
数据被人为编辑过。
4).其他异常
点的分布呈现周期性变化。
连续3点中有两点以上在控制线附近。
连续7点中有3点以上在控制线附近。
连续10点中有4点以上在控制线附近。
5).采取措施和定期评审
4M1E
CPK
PPK
QC七大工具
第六部分 如何创建SPC系统
一、关键流程和关键特性的确定
过程方法（输入和输出）
1. 关键特性
影响产品的安全性能和使用功能的 要求。（如产品的装尺寸、功能、可靠性性能（使用频率）及安全特性（漏电）等。
2. 关键过程
在产品的生产过程，此过程的工艺 方法或工艺参数对产品的关键性能产生重要影响的工序，此工序也包括特殊过程。（如注塑/喷油、电镀、冲压、烘烤、焊接、波峰焊、回流焊等）。
二、关键过程控制参数的确定
参数通常包括时间、转速、温度、压力、电流、电压、浓度等，几个或更多的参数去控制同一工序中，对过程输出影响最大的参数就是关键的控制参数，此参数对后续产品的质量有较大的影响，或对此过程造成非受控的状态。
三、 稳定工艺过程
1）正态分布
2）非机遇性原因
3）标准化作业
4）PPK或CPK≧1.33
四、初始过程能力的测定和分析
1)PP的计算
2)PPK的计算
PP与PPK的比较
设计规格是否合理?
不良率是否降低?
成本是否可以接收?
工艺参数和关键特性的控制是否合理?
实际控制的结果是否满足内部要求?
五、 确定控制标准
1)设定规范控制上限、下限,即允许公差.
2)计算实际的控制上限、下限,即实际公差
3)计算PPM或CPK
4)过程参数和关键特性控制方法的确定
5)测量系统的一致
6)人员的培训
六、选择和建立控制图
具体见控制图的选用原则
刻度的选择
参照公式和系数计算控制线和控制点
绘点和连线
七、制定反馈行动计划
1)记录过程的任何变化,包括人、材料、作业方法、过程参数、环境、设备、模治具的状态.
2)识别并标注特殊原因:发现特殊原因马上进行分析和观察,下一点是否同样,若同样马上采取措施,记录所采取的措施及结果.
3)计数型数据对出现不良缺陷进行层别,发现关键的问题点.
八、 针对SPC的现场管理评审
控制对象和控制图的选择
样本大小及样本容量
抽样频率
记录的真实性和完整性
数据的真实性及正确性(描点的错误)
CPK或PPK是否足够
作业方法是否一致
特殊原因的纠正措施
提高CPK或取消SPC或确定关键的工艺参数
九、如何成功的实施SPC系统
1.取得管理阶层的支持
2.教育为先，改变既有的思考模式
3.以客户为中心
4.追求永不停止的改善
-定期检讨
-提报及执行改善计划
5.善用计算机软件工具
十、 SPC在电脑中的应用
1. 计量型数据
1) Xbar-σ计算比较简单，可以代替其它的计量型控制图
2. 计数型数据
2）np或p图由于样本大小变化时，控制界限呈凹凸状，作图不方便，很难判异、判稳，可应用通用不合格数NPT来取代。
3)c功u由于样本大小变化时，控制界限呈凹凸状，作图不方便，很难判异、判稳，可应用通用不合格数CT来取代。
十一、案例分析(常出现的问题)
控制对象搞错
测量系统出现变差
标准化不够
未进行长期的数据分析
培训的力度不够
过度的调整控制限
推行成果的财务考虑
