SPC第一讲：波动和控制图 - 简书
SPC第一讲：波动和控制图
主讲人：罗平老师
对于SPC（统计过程控制）的运用，我们可能会有以下疑问：
SPC在什么时候用？
SPC与抽样检验有什么关系？
SPC在产品研发阶段是否有用？
为什么要设置3Sigma?
相信通过本课程的学习，即使不能直接找到上述问题的答案，也可以为大家指明找寻答案的正确方向。
课程目的：因为国内大部分SPC的参考书上，对于学员关心的都没讲。而罗平老师有10年的SPC工作经验。
课程目标：理解SPC原理，实际落地运用SPC方法，帮助企业实现质量改进。一. 回顾与思考1. 什么是SPC?
S-Statistical: of or shown by statistics 统计的 statistics: collection of information shown in numbers 一组数据，统计数字，统计资料
P-Process: series of actions or operations performed in order to do, make or achieve 步骤，程序，过程
C-Control: Power or authority to direct, order or limit 能力、权力；控制，支配，管理
将三个单词结合起来可以理解成：1）数据是一系列按照我们期望的结果来发展2）控制图是来甄别过程中的波动，来改进我们的过程，并维持过程在可预测的状态。2. SPC基本原理是什么？
SPC的逻辑是，在生产生活中，数据是在波动的，且是不可避免的。有普通原因的波动，由人、机、料、法、环累积的系统原因；也有异常原因的波动，这是不稳定的。前者分布稳定，是可预测的过程；后者是不可预测的过程，不能将它当作普通原因进行干预。
过程循环改进，SPC方法论的基础运用逻辑。3. 致敬质量大师1） 休哈特——质量管理之父
1920年代起做SPC研究，1906年，休哈特提出了革命性的定义：质量就是以最小的波动接近目标。
如果要深入研究SPC的，研究休哈特的《产品生产的质量经济控制》英文版，200多元。2） W. Edwards Deming 戴明
与休哈特亦师亦友，并将休哈特的PDCA理论进行了更为广泛的应用。3） Donald J.Wheeler
Donald J.Wheeler
Wheeler博士仍然健在，他的著作和实践相关，有很多国内教材里没有的内容。推荐这本《Understanding Statistical Process Control》英文版。能和你对话的专家，才是更加值得学习。推荐的中文书籍，也就是SPC手册。从手工绘图教起。理解了手工绘图后。描述有些晦涩，而且其中内容有些是值得商榷的。
二. 波动与控制图
1. 课程结构第一课：波动和控制图——打基础第二课：控制图刨根问底——在国内的书籍中找不到原因，有些内容和之前的培训是有冲突的。希望大家抱着交流的心态来学习，譬如正态分布不用任何数据转换，也可以使用。其中有颠覆性的内容。目的是过程当中能落地，而不是设置层层障碍。第三课：有效使用控制图——学习方法论，应用中更加有效。第四课：能力、预测和世界级的质量——质量是以最小波动接近目标，质量和产量、成本是不相关的吗？计量型数据。第五课：计数型控制图——计数型数据。第六课：晋级内容——结合学员的反馈，过程中遇到的案例，内容比较深一点的，如A2是什么啊？做MSA时均值图要求大部分点超过控制线会更好。
2. 两种波动
公理：没有两件事物是一样的。
对于大家都公认的结果，仅仅知道这个公理是不够的。如果管理人员都能够理解和执行这个哲学，都能够理解管理和成本两者之间的核心关系。1） 波动的工程学概念
在手工阶段，产品唯一，所以价格昂贵。义乌的紫砂壶，是纯手工制作，壶和盖互换一下是不能匹配的。这样就极大的限制了生产力。1973年，伊莱·惠特尼提出零件要可互换，这是革命性的概念。难点是零件的唯一性，要使零件尽量相似。如果达到，对于产量也提高，对于消费者其购买成本也降低了。
伊莱·惠特尼
由此就产生了规格，因而将波动分为两类：允许的——满足工程要求；不允许的——超规格的。2） 西方的制造过程
“好零件”和“坏零件”
这样既不能帮助你找到坏零件的原因，也不能帮助你生产好产品，就像在黑暗中生产。如果达不到产量要求，就会放宽标准。那时只能祈祷生产出好产品。一个永恒的争论：好零件的标准。
对于企业来说，希望标准要宽一点。而消费者希望标准严格一些，像食品案例。而生产实现人员则被夹在当中。这个讨论点掩盖了本质问题，根本问题是要生产波动小的零件。如果产品一致性非常高，根本就不用担心超规格。那么，如果才能实现产品尺寸高一致性？
① 仔细研究过程的波动源，人、机、料、法、环每一个都是波动源。
② 管理层采取措施减少或消除过度的波动源，不是让生产一线的人员去做。管理层必须先具备这样的理念。管理人员的日常工作是要研究波动源，而不是交给基层人员去研究。3） 休哈特的波动理念
休哈特之前在贝尔实验室做声波的研究，他重新定义了波动：可控的和不可控的。人机料法环叠加在一起，就变成了系统性的波动。随机的波动就不需要去找原因了。而可指定的原因就是可以找到的。
① 首先理解其分布。随着时间推移，波动模式一致。代表着在四个时段间抽取的样本，如果说过程是稳定的，那么均值分布的位置也是一样的，且宽度Sigma，即离散度是一致的。这样的过程，只有系统原因产生的随机波动。这是个稳定的过程。
可控隐含了一个信息——可以预测。生产的目的是让事物按预期发展。SPC是预防的说法就来源于此。它是预测不是告诉你，下一个点是在1.5cm还是1.6cm。
② 当有异常原因波动时，模式就打乱了。一是离散度有变化，二是位置有变化。这就是一个失控的过程，说明有异常原因存在。
③ 针对上述不同的波动，做两种改进。 一个是系统改进，设备使用时间长了，即使是稳定的，必须改进自身，譬如更换设备；二是局部改进，指在不稳定的时候，有异常原因。如果这个原因是有害的，就要消除它。如果异常原因导致的结果是有益的，尽量使其成为过程的一部分，使之标准化。SPC也是促使其标准化的方法。
这两种改进方法对应的过程状态是不一样的，如果是系统原因，但采用局部改进的方法，显然是没有效果的。系统改进往往只有管理层来指导或介入，才能起原因，管理层占了85%的因素。局部原因只占到15%，所以往往要求生产人员去做生产改进，实际上个人所能做的改进是很有限的。
④ 从控制图角度，可能有一个产品不合格，均值在受控范围内。不需要调整。在漏斗试验中，有一个来回调整的试验三，如果发现点是过度震荡的，就是过度调整。图形就像弹簧一样的。控制图是稳定且受控的，就不要做调整。5） 戴明
与休哈特在美国西电共事，邀请休哈特在美国进行讲座。但发现即使做了培训，也只是提高了企业技术人员的技能，但没有在企业管理上起到作用。直到1950年戴明到日本授课，山口田一等人。日本企业高管推进，将改进在现实生产中落地。
大家听完课回去，不要对领导说，我现在技能提升了，就应该要给我加薪，这起不到作用。通过培训，第一阶段，是将自身的技能进行提升。6）休哈特环，戴明环
戴明提出的PDSA，S-Study学习，出于对休哈特的尊重，才改为PDCA。
戴明环——老方法
戴明环——新方法
两种理念的选择——合格就好和持续改进。
合格就好：不能帮助你找到问题的原因，也不能帮助你生产更好的产品。在这100多年里，未帮助到我们找到更好的结果。
持续改进：有异常时做异常改进，没有异常时做持续改进。7）如何评价一个过程的好坏
① 受控还是不受控
② 保证生产出的产品满足要求
由二维演变为四个不同的状态
① 理想状态：要满足四个条件，
a.随着时间的推移，过程必须内在稳定。代表着只有普通原因，是随机波动。要知道这些说法是怎么对应的；
b.必须以稳定的一致的方式操作过程；
c. 过程均值必须维持一个适当水平，是与受控有关，还是和公差有关？位置最好是接近于目标；
d.过程的分布范围必须小于允许范围；
前三个和稳定相关，后一个和100%合格相关
② 临界状态：受控的，但有不合格产品。首先要维持其受控状态。
a.过程必须内在稳定
b.一致的操作过程
c.均值必须维持在适当水平，相当于3Sigma或6Sigma的分布也会往上或往下走，会超出规格线，但也有可能是受控的。
d.分布范围必须小于允许范围
③ 混乱边缘：过程失控，不可预测，但又是100%合格，是种很危险的状态。有问题根本就不知道。大家要警惕在混乱边缘。满足四个条件。
a.过程必须稳定
b.制造者以稳定一致的方式操作过程
④ 混乱状态：既失控，又不合格。
自然界有只潜在的手，把临界状态往混乱状态去拉的，称之为熵。《三体》第三部死神永生里，谈到未来宇宙的战争，其实就是生命与物质之间的战争，前者代表熵增的一方，朝着有序方向演变；后者是熵减的一方，降维、无序是他们的进化趋势。
有些地方把SPC神化了，可以找到一切原因。控制图把过程从不可受控状态，变成可受控状态。过程就是可预测过程，相对来说是透明环境，而不可预测就是黑箱操作。三. 汇总数据1. 中心趋势测量
2）求中位数2. 离散度的测量
它是描述分布时的宽度，用描述中心趋势的统计值。
极差：一组数从小到大排列，最大值减去最小值。描述了数据的分散程度。
标准差：观察值偏离均值的平均距离。
如果两个值都小，代表一致性都好。当数据少的时候，两个值都差不多。3. 一图胜千言1）直方图
很多企业做表格式的汇总报告，非常地不直观。而做直方图最主要的点，是取间隔。
使用JMP软件绘制直方图，选择分布，可以自动绘制。Minitab也是一样的。如果说三个轴承都是一台设备生产出来的，第一个轴承的问题是离岛型，分层的。从数据上看是不同范围，来自于两个不同的系统、或员工、或操作方式。直方图是给出一个信号。第二个轴承也有问题，第三个是双峰，也是异常，可能是另外一个系统。从罗列的数据看不出任何异常。直方图不是看是否稳定的，是大体看分布的。直方图最大缺点是看不出时序。2）茎叶图
这是大体看数据范围。
做质量的基于数据的分析，不是画着玩。运行图是时序的，可能两个低谷都是A员工或A班的生产情况，两个高峰是B班的产品。四. 休哈特控制图1. 控制图的逻辑
其基本的逻辑是归纳推理。很多时候以为画直方图来看是否符合正态分布，就说明过程稳定。如果有一个标准正态分布去对应，那么就是演绎。
SPC的控制图不是用来套某一模型的，预测的是值在未来是否会落在这个范围内。如果去面试时，问下一个点会落在哪儿？千万不要回答具体的点，只告诉一个可靠的范围。2. 用子组监控过程
同时监控中心位置和离散度。在抽样中，如果没有子组，如何计算这两个统计量。一定是在这一时刻，认为他是来自于同一个分布。我要保证相应组的数据，放在同一个组。有子组尽量用子组。
用S或者极差描述分布宽度，还描述了偏度，或者说峰度。跟宽度主要相关的是位置。
每个子组抽4个样本，均值和极差都在控制线之内。画控制图时要愿意思考。极差的一致性不好，均值也变化。计量型的数据都有两张图。3. 均值极差图
Xbar-R, 20组数据，就会有20个均值，20个极差。三张图分别代表的意义。均值极差图关注的是下两个图。如果用错误的方法，做出的控制线会是很宽的。
极差监控的是子组分布的范围，均值是指均值的3Sigma。
休哈特的控制限怎么算？UCLx=Xbar+A2Rbar，用查表的方式，而不是计算机算得。直接算是有问题的，除了这些年的人工智能，其他的统计参数都是上个世纪研究出来的。这里是用估算的Sigma，或称短期Sigma。整体的S称为长期。
不了解的人，从老师那边学到控制图就是3Sigma，那样就会将控制限放得很宽。均值极差图里用的3Sigma，不是想象中的Sigma。（此处存疑）
那么，应该先看哪张图？应该先看Rbar，因为如果下面的点超了，说明过程失控，那么Xbar就是个待商榷的数据。4. 单值的界限
自然过程界限，需要查表，用于做能力分析，预测过程能力。3S也可以叫做+/-3Sigma，有些老师不讲深时，不会讲解到这部分。
控制图一般会有两个，组内变差和组间变差。不要用单值来画3Sigma，会导致控制限很宽，根本就不报警。n=4,查对应的4代表的A2值。如果用软件做控制图时发现就台阶，要检查一下子组大小是否一致。
休哈特控制图要合理分组，那么就要兼顾统计指标。5. 基于子组的其他控制图
6. 单值极差图
有些业务条件下无法分组，农业化学试验或破坏性试验，只能n=1，通过两个值之间的移动极差来表示。7. 统计受控
什么时候来判断过程是否受控？25个子组。实际上，休哈特一开始选用的每组数量是4，一共抽样了100个观察值。等到25组数据才去算控制线，等待过程中是否会产生报警数据。当然会，所以尽量早发现。8. 分析用控制图、监控用控制图
分析型用于研究范围时，看稳不稳定，如果稳定，就把控制限固定下来。在手工绘制状态，是两张图。分析时，如果超出控制限，就要把点剔除掉，相当于掩耳盗铃。如果剔除一个点，就可能有另一个点超出。剔到后来，就会发现图上几乎没什么点了。剔点不是根本，剔除一个要补充一个。没有找到原因前，就出不来控制线。9. 控制图的选型
单值的Sigma和均值的Sigma所计算出来的控制限是否一致？可以用Excel或者JMP来计算一下。感兴趣的可以计算一下。
五. 课程小结1. 内容小结
2. 课后问题
1. PPAP要求至少300个样品，是否向客户提交的SPC数据，也必须基于300个数据的分析？
答：元杰老师讲过，满足16个就可以做数据分析。这根PPAP要求没有直接关系。
2. 取80个数据是连续取样，还是分子组大小取样？
答：？？？
以终为始，目标积累，同侪力量，本质导向。
主讲人：罗平老师 记录人：中质盟 阿瑞斯 一. 上节回顾 1. 什么是SPC？
统计(Statistical)：用数据说话
过程(Process)：将输入转化为输出的一系列活动
控制(Control)：让事物按照我们希望的方式发展
通俗地理解...
主讲人：盈飞国际 罗平老师 记录人：中质盟 阿瑞斯 前言：我们以为的SPC
生产技术人员、质量检验人员收集生产、质检的数据，用Excel数据的分析功能，或Minitab软件、或JMP软件分析这些数据，绘制成图表。这就是SPC了吗？
可是，如何收集数据，什么样的数据是需要...
SPC即统计过程控制，英文 Statistical process control，上世纪诞生的最伟大质量工具之一。一般来讲，SPC工具有广义和狭义之分。 广义的SPC包括传统的7大质量工具（the magnificent seven）： 1. Histogram 柱状图 ...
1918 年，休哈特作为一名物理学家，进入西部电子公司的贝尔实验室工作。1931年，他出版了《产品制造质量的经济控制》（Economic Control of Quality of Manufactured Product）一书，概述了统计过程控制的原理。控制图(Contr...
《数据分析的统计基础》的读书笔记 作
者：经管之家、曹正凤 出版社：电子工业出版社 版
次：2015年2月第1次出版 作者简介： 经管之家：原人大经济论坛，于2003年成立。经管之家从2006年起在国内最早开展数据分析培训教材，累计培训学员数万人。在大数据的趋势背景下，...
最近读的一本书叫《扫除力》，作者是日本的舛田光洋。我发现日本人在整理类、清扫类、时间管理类、高效学习类方面都有很多不错的著作。日本人有一种工匠精神，他们做事情非常的严谨、认真、仔细，这是值得我们学习的。《扫除力》这本书主要是教我们通过整理、清洁我们的住所来达到去除负面能量、...
最近在做GPU图层显示的优化，其中关于Color Misaligned Images优化文章有很多，但在具体优化的时候还是遇到了点的问题，特此记录。 检测方式 以下两种方式均可发现存在Misaligned Images问题的地方： 模拟器调试时，打开模拟器的Debug - ...
你一定听说过一个令人厌恶的事实：“在每一个阶层，80%的社会财富集中在20%的人手里，以此递进，1%的人手里拥有社会上50%的财富。”这就是意大利经济学家帕列托发现的“二八定律”。 你可能还听过老子的一句话：“天之道，损有余而补不足。人之道则不然，损不足以奉有余。”翻译成人...
每个新妈妈都愿意拼尽全力让宝宝健康成长，也希望自己的人生更加完美。然而，怀孕生产的痛苦历程必然给女性身体带来前所未有的改变，甚至伤害。有人生完孩子苦于没有足够奶水喂养宝宝；有人因为进补过多造成身体严重发胖，肌肉松弛；有人生产过程损耗过多，造成营养严重流失，身体虚弱不堪。没有...
今天做了两件事情，一件是报了百人百天的半马班，挑战自我，用100天达到轻松跑完半马的，目标，另一个是报了黑天鹅写作训练营，10周的时间，每周写一篇文章，报名的时候，有个问题是：参加训练营的目的或者写作目的，我看到有人要写一本书，有人要成为写出10W+文章的人，我看到这个活动...minitab制作SPC控制图（Capability Sixpack及过程能力分析）
问题描述：
minitab制作SPC控制图（Capability Sixpack及过程能力分析）要对某溶液浓度进行分析,有110个数据,分为22组,每组5个,请给个详细的在制作步骤.跪谢!另：做这两个图时,把数据全部输在一列和输成5列会不会有什么不同?什么情况下应输成一列?什么情况下输成5列?
问题解答：
数据粘贴进去,统计->质量工具->capability sixpack->正太,如果你粘贴时候输在一列就选单列,子组大小为5,多列就选子组跨数列,对结果没影响；填入规格上下限,然后检验里面选择需要检查的标准,确定,OK.
我来回答：
剩余:2000字
数据粘贴进去,统计->质量工具->capability sixpack->正太,如果你粘贴时候输在一列就选单列,子组大小为5,多列就选子组跨数列,对结果没影响；填入规格上下限,然后检验里面选择需要检查的标准,确定,OK.
上面的格子中输入C2列,下面子组大小应该是10吧,我看你c1列数据是怎么排列的 再问： 哦，输入C2就可以了，为什么通过列表选择不行呢？我C1列是按时间的分组8点到17点，每小时抽10个样品，谢谢 再答： 应该输入列名和代码都可以的，可能是你子组大小没有填，或者您选错列了，图有点模糊，看不清楚
过程能力分析是指对制程过程产品准确度精密度及稳定状态的分析,是SPC统计过程控制的一种方法或途径.
过程能力指数 Capability Index)过程能力指数是表现工程制造的产品有多均一的能力,即把工程能力定量化评价的尺度.过程能力指数是品质特性分布是正态分布的假设下规格公差和工程的自然波动(标准偏差的6倍)的相对大小比较计算的指标短期过程能力指数用 Cp,Cpk表示; 长期过程能力指数用Pp,Ppk表示.这里 P
我认为这是有可能的,SPC主要是看你的数据是否的稳定,边界是通过数据计算的,CPK的边界实际上是你自己输入的,当CPK的边界比SPC的边界大的话自然SPC比较差CPK比较好.需要注意的是CPK的基础就是过程稳定,如果SPC不稳定,实际上CPK米有太大的意义
Sixpack只不过把控制图,正态性检验和能力直方图,能力值等内容组合在一起了,用起来和能力分析一样
如何分析?控制图中的子组变量控制（X-bar图、Xbar-s图、Xbar、P图、R图最好附上用Minitab制作的通过利用该软件,使得我们将SPC的过程控制工作深入
控制图应该算SPC的一种 也就是说SPC 包括控制图 SPC是Statistical Process Control的简称统计过程控制 利用统计的方法来监控制程的状态,确定生产过程在管制的状态下,以降低产品品质的变异 SPC能解决之问题 1.经济性：有效的抽样管制,不用全数检验,不良率,得以控制成本.使制程稳定,能掌握
1、理解上的错误：“使CPK值小于1.33?”是错的；既然做SPC,CPK值应大于1.33；2、过程控制很好,公差是±0.3,即0.6；而过程变差是0.10；估计CPK值应大于2（原来是4点多）；带来什么后果呢,实物质量及实物控制非常好,而SPC很难做,控制限很窄,时时会有点子超差；为什么呢?因为你的控制限是软件自动生
控制图由正态分布演变而来.正态分布可用两个参数即均值μ和标准差σ来决定.正态分布有一个结论对质量管理很有用,即无论均值μ和标准差σ取何值,产品质量特性值落在μ±3σ之间的概率为99.73%,落在μ±3σ之外的概率为100%-99.73%= 0.27%,而超过一侧,即大于μ+3σ 或小于μ-3σ的概率为0.27%/2=0
控制图选用原则在质量管理工作中,通常用到各种控制图,用于分析或控制制程,本文在此对如何选用控制图简单归纳如下表,请大家参与讨论计量型数据控制图x--R 平均值—极差图1、通常子组样本容量小于9,一般为4或5 2、此控制图,因使用方便,效果也好,故使用最普遍X --S 平均值—标准差图1、因标准差比极差描述产品或过程变异
控制图的基本如下所示,制作控制图一般要经过以下几个步骤：①按规定的抽样间隔和样本大小抽取样本； ②测量样本的质量特性值,计算其统计量数值；③在控制图上描点；④判断生产过程是否有并行.控制图为管理者提供了许多有用的生产过程信息时应注意以下几个问题：①根据工序的质量情况,合理地选择管理点.管理点一般是指关键部位、关健尺寸、
回答：“标准值未给定”是用收集的过程实际数据计算中心线和控制限,“标准值给定”是用标准值计算控制限,中心线就是标准值.正确的SPC是用实际过程数据来计算和确定控制限.以上内容出自：盈飞无限（InfinityQS）“SPC专业文章”.
BANANA MILK SHAKE 1 banana1 1/2 c.milk1/2 tsp.vanilla extractPeel the banana and break it into chunks with your finger.Put the chunks in a medium bowl and mash
　　今年暑假,天气十分炎热.人们开始大量饮用冰冻饮料和水,由于酷热难奈,我也放了一瓶水到我们家冰箱的冷冻室,想过一会儿美美的喝上一通.可是因为有事出去了,等我回来打开冰箱,发现瓶子被撑破了,这是怎么回事呢?刚刚我装进去的并没有满满一瓶水啊!这就奇怪了!于是我又用矿泉水瓶子装了半瓶水并做上了记号把它再放进了冰箱的冷冻室.
Then pour the popcorn in a bowl.Next put some salt in a bowl.Finally mix it all up.学的时候我是这么写的.给我最佳吧~
213中考实验要考的
制作酸奶：过程：原料：酸奶50ml、纯奶500ml.做法：1、酸奶机以及需要的容器全部开水烫过.把酸奶与纯奶拌匀,倒入容器.放入酸奶机.酸奶机中加40度左右的温开水.插电源,8-10小时即可.时间越长味道越酸.做好的酸奶成凝固状,类似于豆腐脑.避免继续发酵,放冰箱冷藏.吃前拿出,可加蜂蜜或白糖,彻底搅拌即可.2、自制酸
1.首先确认控制限计算有无问题2.如果控制限计算没问题Cpk实际上是Cp值与K值的综合反映,公式为Cpk=(1-K)*CpCp值表示的是集中度,即数据的集中程度K值表示的是准确度,即数据的均值与标准中心的偏离程度了解了上面的内容,你就应该明白了.你说的情况是Cpk大,但是SPC中点子出界,原因就是K值大,但是Cp值小,
A、解离后需要进行漂洗，才可染色，A错误；B、压片的目的是使细胞分散成单层，以防细胞重叠，影响观察，B正确；C、染色前需进行漂洗，C错误；D、解离的时间过长，会导致细胞过于酥软，不利于染色和压片，D错误．故选：B．
也许感兴趣的知识【图文】SPC 过程能力分析_百度文库
您的浏览器Javascript被禁用，需开启后体验完整功能，
享专业文档下载特权
&赠共享文档下载特权
&10W篇文档免费专享
&每天抽奖多种福利
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
SPC 过程能力分析
&&质量管理工具
阅读已结束，下载本文到电脑
定制HR最喜欢的简历
你可能喜欢您好，欢迎来到太友科技官方网站
对不起,您的Flash播放器没有更新,所以无法浏览动画请点击更新： 安装后方可正常浏览.
&&应用中心(分类)
您的邮箱：
您的电话：
您的内容：
结合SPC控制图，浅谈过程能力分析
一、 机械行业成功案例
某机械制造集团由于成立较早，内部流程复杂，存在响应速度慢、非增值活动多、库存及产品交付周期长等问题。为了更快地供应合格的产品，缩短产品的制造周期，在合规的前提下使用更低的成本，更快地响应速度以增加产品的市场竞争力，企业急需改善质量管理。
实施QSmart SPC Monitor质量管理系统改善优化后，机械制造集团提高了效率，降低了库存，减少了浪费。在保证产品质量的前提下，增加经济效益60余万元，同时增强了跨部门的协作，最终增强了公司对市场的适应能力和公司在行业中的竞争能力，巩固了该集团亚太地区机械零件生产供应基地的地位。
二、 休哈特SPC控制图与过程能力
质量改进团队面对庞大的生产集团，最常提出的问题之一便是“过程能力”。有些成员人为“这一过程本身就不能满足规格的要求”。不同意的人主张“该过程能力没有问题，只是运行的不好”。在最近几十年，人们设计了许多工具以检验这类说法，尤其是应用于生产过程中。
一个普遍的测试过工程能力的方法便是“休哈特控制图”。数据通常以相同时间间隔从过程中抽取出来。由控制图分析确定过程处于稳定状态后，将数据与规格条件进行比较。这一比较得出了一个量度，衡量了过程持续产出规定界限内结果的能力。
许多这类过程是这样的一种序列，其中的工作以一种顺序的方式从一个部门流到另一个部门。一个循环会花费好几天（或几周，甚至几个月），但完成工作的时间却只用几个小时。其余的时间都是在个步骤上的等待、返工等构成的。
对于这样的过程，理论上的过程能力是累加工作时间。如果某个人经过训练能够完成所有的步骤，能够利用所有的数据库，这个人可能会达到这个理论能力。这些公司将缩短运转周期时间的目标设定为理论过程能力的两倍。
三、 过程能力分解
分析一个能力充分的过程为什么不能正常运转，有一种常用的方法称为“过程分解”。这种方法试图到过程中的源头去对缺陷进行探索，过程的分解有多种形式。
中间测试阶段
当过程尾端出现缺陷时，并不知道是哪个步骤所造成的。这种情况下，一种有用的方法是在中间阶段的步骤对产品进行检验或测试以找出最初出现缺陷的步骤。这一寻找如果成功的话，会大大减少验证推测所需的努力。
大批量产品通常要求有多个生产源头（称为流），如多个供应商、多个及其、多个轮班和工人等。这些流看起来似乎没什么区别，但生产出的产品却不尽然。流-流分析就是把生产分解为最初的流，测定流与流之间的区别，以期找出导致缺陷发生的流。
时间-时间分析
分解过程的另一种方法是时间-时间分析。目的是发现缺陷是否集中在特定的时间范围内。这一分析被用于分析异变间时间、工作轮班变动的效果、年中季节的影响，以及许多此类的潜在原因。
一个常见的时间-时间分析的例子是休哈特控制图，即SPC控制图。它能够显示出生产过程的变异是由于随机性的还是系统性的原因引起的。
时间-时间变化的一种特殊的情况是漂移，即过程某个方面的持续恶化。例如在生产过程中，化学溶液会变得越来越稀，工具会逐渐磨损，工人会变得疲劳等。
四、 质量改进日益重要
20世纪80年代初期，由于质量不良，在美国约有三分之一的工作是对以往所做的工作的返工。人们普遍认识到这样的浪费不应该再继续下去，因为它大大削弱了在成本方面的竞争力。近几十年来的经验教训使得人们在质量管理的地位、所面临的机会和威胁以及必须采取什么行动方面正在形成共识。
顾客越来越强烈地要求供应商改进质量。这种要求遍及整个供应链。顾客不仅要求改进产品，而且还要求改进质量管理体系。文章开始提到的某机械生产集团通过产品检验以避免不合格产品流入顾客手中。尽管如此，一个大客户仍要求该公司改进其质量管理体系，并一次作为继续签约的条件，从而安装QSmart SPC Monitor，实现实时监控，自动分析，提前预警，数据共享的基础。
& Copyright
TaiYou, All Rights Reserved
广州市太友计算机科技有限公司 版权所有 Copyright& 2004 电子邮件: Tel: 020-}