python画spc控制图_如何选择最适合我们的SPC控制图?

SPC控制图,1928年由沃特•休哈特(Walter Shewhart)博士率先提出。问世数十年来,SPC控制图在众多现代化工厂中得到了普遍应用,并凭借其强大的分析功能,为工厂带来丰厚的实时收益。最初的控制图分为计量型与计数型两大类,包含七种基本图表。

计量型控制图包括:IX-MR(单值移动极差图)

Xbar-R(均值极差图)

Xbar-s(均值标准差图)

计数型控制图包括:P(用于可变样本量的不合格品率)

Np(用于固定样本量的不合格品数)

u(用于可变样本量的单位缺陷数)

c(用于固定样本量的缺陷数)

虽然最初被引入企业的只有7种基本SPC控制图,但很多企业仍从这7种图表的有效运用中获得显著收益。而随着科技的发展,SPC控制图的种类也不断丰富。目前,已有数百种SPC控制图可供企业选择。只需根据企业实际情况选择合适的SPC控制图,您的企业就可以完美、精确地对生产过程进行分析。

针对企业的特殊生产条件,如何选择最适合自己的SPC控制图?解决这个问题根本在于掌握定义图表类型的要素有哪些。但在此之前,让我们先对控制图下个定义:SPC控制图究竟是什么?

控制图是:

1. 实时图表化反馈过程的工具。

2. 设计的目的是告诉操作者什么时候做什么或不做什么。

3. 按时间序列展示过程的个性/表现。

4. 设计用来区分信号与噪音。

5. 侦测均值及/或标准差的变化。

6. 用于决定过程是稳定的(可预测的)或 失控的(不可预测的)。

控制图不是:

1. 不是能力分析的替代工具。

2. 在来料检验的过程中很难用到(没有时间序列)。

3. 控制图不是高效的比较分析工具。

4. 不应与运行图或预控制图混淆。运行图是时间序列图,但没有基于统计计算的界限。

预控制图将描点与公差限比较。

控制图应用“界限”区分过程是否有显著变化或存在异常事件。由于控制限的设定要以数据为基础,所以在收集一定量有代表性的数据之前是无法确定控制限的。如果错误使用控制限,不但会对使用者造成困扰,而且还会对那些通过图表监控以实现过程改进的措施起反作用。

控制限是:

1. 基于期望的描点值的波动界限。

2. 根据数据点的均值及标准差(极差)计算得出(从收集到的有代表性的数据点计算得出)。

3. 通常描述为所描点的+/-3倍标准差 (不是总体分布的标准偏差)。

4. 过程改进后,需要更新控制限。

控制限不是:

1. 根据公差限得出的某个百分比。

2. 75% 的公差限。

3. 生产界限。

4. 与任何公差限或期望的界限有关。

选择正确的控制图一方面要清楚,企业希望通过图表看到哪些内容?即,您希望控制图回答什么问题?另一方面还要明确,“为什么要收集这些零件的数据?”这些问题的答案可以为抽样方案的制定、样本量以及需要进行任何特殊处理来拓展传统控制图功能的特殊需求提供重要支撑。本文将对样本量、目标值控制图及连续变量的多过程流数据着重加以阐述。有关控制图选择的其他考虑因素及数据类型将在接下来的文章中加以介绍。

样本量

样本量是对给定测试的测试值数量。它用收集的数据来代表一个“时间快照”,通常用符号n表示。例如,如果每30分钟抽取连续3个灌装瓶的重量,则样本量为3,抽样间隔为30分钟。需要说明的是:样本量不代表描在图上的点数。生产中,有三种样本量需要注意区分:

1. 样本量为1 (n=1)

2. 样本量为2到9之间 (2 ≤ n ≤ 9)

3. 样本量大于或等于10 (n ≥ 10)

当样本量为1时,应使用单值移动极差图( IX-MR);样本量为2到9之间时,应使用均值极差图(Xbar-Range);样本量大于或等于10 时,则应使用均值标准差图(Xbar-Sigma)。这三种核心变量控制图是基础。绝大多数其他变量控制图都源于这三种控制图中的某一种。

过程流数量

在盈飞无限实时SPC软件解决方案中,过程流被定义为零件、过程及测试。单一的过程流通常代表来自某个零件、过程及测试的一系列描点。例如,灌装头A的50ml瓶装重量就是一个过程流;灌装头B的50ml瓶装重量则是另一个过程流。因为灌装头A与灌装头B有各自独特的统计个性,所以将来自两个灌装头的数据混入一个子组中是不正确的。比较好的抽样方案是将每个灌装头的数据作为一个独立的数据流。如果要分析一个产生多过程流的生产过程,您可以选择每个过程流用一张控制图,或者用特殊的图表将所有过程流放在同一张图上。这种同时监控多个过程流的图表叫做组图(Group Charts)。

相同特性,不同目标值

相同过程通常都会用来生产不同的产品。大多数情况下,换线意味着改变过程设定,从而生产其他产品。继续上文所说的灌装案例,当生产线从50ml 瓶装换至100ml 瓶装,虽然用相同的灌装头,但灌装程序要设定为100ml 瓶装。如果要监控过程保持设定值的能力,那么不管生产什么产品,都可通过数据对多个设定值进行整合。您只需要通过实际测量值减去设定值就可以了。例如,灌装量为100.3,则图表上鹅描点为0.3。通过减去目标值,一张图可以按时间顺序对过程保持设定值的能力进行监控,而无需考虑生产产品的公差值。这类图叫目标值控制图。只要这些产品具有相似的波动,多个零件就可以放在同一张图上。目标值控制图特别适用于多品种、小批量的生产环境。

盈飞无限原创文章,禁止转载,感谢配合。

你可能感兴趣的:(python画spc控制图)