SPC总结报告

第一篇：SPC总结报告

SPC技术总结报告 前言

20世纪80年代后期，随着元器件质量和可靠性水平提高到一个新的阶段，传 统的评价方法已经越来越不能满足当代高可靠元器件产品的质量水平评价，这就驱使人们寻找新的评价技术。SPC(统计过程控制)技术就是在此时产生的，它以CPK技术、SPC技术和PPM技术为基础，将传统的事后检测为主的评价方法更改成事前预防为主，监控生产线各道工序的运行状态，从而有效地保证生产的元器件具有较高的内在质量和可靠性。因此它的出现迅速得到了普及，得到国际上元器件生产厂家的广泛应用。

1998年我国颁布了“GJB 3014-97 电子元器件统计过程控制体系”军用标准以及“GJB 2823-97电子元器件产品出厂平均质量水平评定方法”军用标准。总装备部也从2005年开始选择部分试点单位实施SPC技术，我公司有幸作为2006年的试点单位之一参入其中。

我公司生产线总体上处于受控状态，但是由于混合集成电路制造过程中的影响因素繁多，参数漂移现象复杂，传统的参数测试和可靠性试验方法已经不能完全适应现代产品质量和可靠性评价的要求。为了保证高水平的生产线能够在过程稳定受控的条件下持续稳定地生产出质量好、可靠性高的产品，工艺能力评价（CPK）技术和统计过程控制（SPC）技术在我公司生产线上得到逐步应用。将统计分析方法应用于制造过程控制，将数据转换成过程状态的信息，作为评定、改进和优化过程的依据。从而实现过程控制和降低过程或其输出的波动，达到持续改进过程能力的目的，使质量管理从质量检验阶段进入到质量控制阶段，对产品质量进行主动的预防控制，它与事后的被动检验相比，可大量降低质量损失，提高产品的质量一致性。

2004年我公司购买了CPK软件，对金丝键合工序中的金丝键合强度实施了CPK工序能力指数控制技术，金丝键合强度工序能力指数CPK>1.33，达到了预期目标。工序能力指数(CPK)高代表生产线具备生产质量好、可靠性高的元器件所要求的工艺水平。但要生产出高质量水平的产品，不但要求生产线具有很高的工艺能力，而且要求在日常生产过程中生产线能够一直保持这种高水平的生产状态，为此要求采用统计过程控制技术。存在的技术问题

7.1 部分工序CPK偏低

由于我公司产品的特点是多品种小批量，不同品种的产品之间相差又较大，使计算的CPK值偏低。如金导体印刷工序，我们以金导体的烧结厚度作为关键参数，工艺规范是≥8μm。每批产品随机抽取一只产品，在产品的中间及四个角各取一个测试点共5个数据组成一批数据。由于烧结厚度受导体宽度影响较大，而每种产品在各个测试点的导体宽度往往不一样，各种产品之间的导体宽度也不一样，这样就导致测试的金导体烧结厚度同批数据之间数据较分散，不同批数据之间数据也较分散。虽然控制图是受控的，但工序能力指数CPK却比较低，金导体印刷工序CPK只有0.62，按照工序能力指数与工艺成品率的对应关系，合格率应该只有95%左右，而金导体印刷工序实际合格率可以达到99%以上。我们认为这种差异是由于导体宽度的差异造成的，而目前还找不到比较好的解决办法。7.2 激光调阻工序CPK值的计算数据选择

我公司的激光调阻工序是对厚膜基片进行精确调阻，调阻的目标值非常多，很少有相同的目标值出现，回归条件也多达9个，这样就给我们激光调阻工序的CPK值计算造成了很大的困惑。选CPK值的计算数据时，得先选择具有相同回归条件的，再选择具有相同目标值的，最后往往仅剩下20个或30个左右的数据来计算CPK值，而一般100个以上数据计算的CPK值才比较准确。如果按照此要求，激光调阻工序计算CPK值的数据量就过少，可实际生产中很难选择出这么多的数据。7.3 控制图失控原因分析能力不够

我们目前对均值-标准偏差控制图失控原因分析有比较清晰的理解，可以很快找到原因。由于产品多品种小批量的特点，我们的控制图基本以嵌套控制图和回归控制图为主，此类控制图都是数据经过预处理后制作的，尤其是回归控制图，目前对其控制图制作原理还不太了解，如果控制图出现失控，不知道如何进行分析比较合理。

7.4 控制图计算方式的选择

我公司使用SPC软件绘制控制图，在制作分析用控制图阶段，有两种方式计算控制限，一种是延用已有控制限，另一种是重新计算控制限。按照培训老师和教科书上的说法，这两种方式都是合理的，而且数据量越大，计算出来的控制限越接近实际情况。但是随着数据量的不断增大，这两种方式计算出来的控制限有一定的差别。如选择延用已有控制限方式绘制的控制图处于受控状态，但再次选择重新计算控制限方式绘制的控制图，中间有部分数据可能会违反规则二或规则五。由于之前选择延用已有控制限时是受控的，我们不会对其进行分析。过了一段时间后，由于选择的控制限计算方式不同而导致那部分数据失控，我们也无法再对其进行分析。这两种计算方式的差异有没有办法解决，如何解决，是我们一直在考虑的问题。7.5 仪器评价时的数据选择

数字万用表可以测量不同范围的阻值，而在进行仪器评价时，一般只选择一个阻值来测试。阻值的大小对仪器评价的G/T比值有很大的影响，如选择1kΩ和10kΩ两个不同的阻值来做同一个数字万用表的仪器评价，计算出来的G/T值会相差很大。在进行仪器评价时，是选择中间范围的阻值来评价更合适还是选择偏大或偏小的阻值来评价更合适，目前还不太确定。下一步工作计划和思路

通过SPC体系的建立、不断完善和在生产过程中的应用将有效控制生产过程，保证工艺过程稳定受控，不断改进产品品质，降低不良品率，保证所提供的产品是由高水平的工艺线在受控的环境下生产的。确保生产质量更加稳定，可持续批量生产，满足可靠性要求，提升企业的效益和竞争力。

由于混合集成电路制造过程中的影响因素繁多，参数漂移现象复杂，研究混合集成电路生产制造中对产品品质有重要影响的关键因素(参数)对SPC运行的影响是一项庞大的工程。因此SPC作为一个新体系，在完善方面还有大量的工作需要做。

此次SPC技术的顺利实施使我公司批生产能力水平及质量控制能力水平又上了一个新的台阶，在今后的生产过程中我们将继续以提高产品质量、合格率和供货能力为关注点，持续改进，以保证巩固攻关成果，实现持续、稳定生产。在工艺技术方面，我们将加强对每一个工艺环节，特别是关键工序的控制，通过对目前实施SPC技术的五个代表工序进行过程控制和分析，建立、健全SPC统计过程控制体系、推广到其它工序并有效实施，从而更好地保证产品在稳定受控的环境下生产，进一步提高产品的质量和可靠性。

第二篇：SPC地板报告

SPC地板（设备）项目报告

1、石塑地板、SPC地板描述：

石塑地板（SPC地板）是由92双螺杆挤出机生产 树脂的基材，用四辊压延机分别把PVC彩膜和耐磨层，底膜一次性热帖压复合而成的一种新型高科技环保生态零甲醛的地面材料--SPC地板。也叫纳米石塑地板，SPC石塑锁扣地板，高级地板，超级地板，PVC地板等等。如果大家想做以上叫法的地板的投资都可以认真仔细的阅读下面的文字。

这种地板的优势是：

SPC地板材料使用环保配方，不含重金属、邻笨二甲酸脂、甲醛

等有害物质，符合 EN 14372、EN 649-2011、IEC 62321、GB 4085-83标准。

石塑地板成品尺寸范围：

长度 950、1220、1850mm

宽度 125-200mm

厚度 4-8mm

成品公差：

长度 ±0.25 mm

宽度 ±0.025 mm

直线度（香蕉形）纵向----±0.08

mm/

1000 mm

直角度 ±0.03 mm/ 205 mm(板长/板宽＞5)

拼缝高低差(采用模板)±0.03 mm

配合公差 ±0.05 mm

SPC地板密度：1.9～2.1吨/立方米；

SPC 地板收缩率：≤1‰（经过回火处理）；≤2.5‰（没有经过回火处理）

收缩率测试标准：80，6小时的标准。

生产 SPC地板与 WPC地板比较：SPC地板加工、制造工艺简单！

2、生产 SPC地板的工艺流程：

工序 1：混料

原材料按照配比，倒入→高速混合机热混（热混温度：125度左右，作用是将各种原材料混合均匀，去掉材料当中的水分，以防止制品表面起泡等现象的发生）→进入冷混（冷混是通过混料机下面的锅里的不锈钢水管串水给物料降温，防止结块和变色，冷混温度：45左右。）→通过冷却混合均匀的材料；备用。

工序 2：挤出

加入平双或者锥双螺杆挤出机，进行加热挤出→进入客户选择的片材模头/地板模具来成型，成型的片材经过四辊压延机，基材进行定厚→贴彩膜→贴耐磨层→冷却→切割；机械手自动码板

工序 3：UV回火

表面 UV→回火（回火热水温度：80～120；冷水温度：10）

工序 4：分切开槽（SPC的锁扣）包装

分切→开槽→检验→包装。

3、SPC地板的成分、配比、结构、规格、相应的参数：高速混合机组混合温度：

热混温度：120～130；冷混排料温度：35～50

92双螺杆挤出机与模具温度设置：1区：191；2区：188；3区：170；4区：165；5区：180；6区：190；合流芯区：160；模具：185～205；主机电流：≈100A

在整个生产SPC地板的过程中，前期工作是

1.采购原材料，我们提供高效优质原材料供应商，保证源头质量。采购轻而易举。

2.各种原材料（树脂粉，纳米钙粉，稳定剂，硬脂酸，石蜡等）按照一定的比例配比进混料机进行充分的混合均匀。

这种混料机的特点是带除尘装置，符合现在对环境保护要求，带自动真空上料。保证环境美好。

3.塑料磨粉机：600的脉冲除尘的磨粉机静音干净

3.1.塑料磨粉机主机一台（轴承座采用4个NSK进口轴承），55KW电机，配进口皮带轮

3.2.型号9-19，5#，配用电动机5.5KW的引风机一台

3.3.型号ZGF，配用电动机0.75KW关风机一台

3.4.不锈钢旋风集料器（包括风管）一套

3.5.1米振动筛一台（配1.1KW电机一台）

3.6.大口径布袋除尘器一套

3.7.机器电柜一台

3.8.水管一套

3.9.振动送料斗一台

4.破碎机，55千瓦的破碎机可以将一米的地板直接破碎。

5.储料仓,经过多方考察实地应用，给客户配备2立方的储料仓刚刚好

除此之外，还需要UV处理机和开槽机。我们会提供给您这两款设备的优秀供应商或者我们打包配套，均可。

通俗简单的说就是要生产SPC地板需要一下设备：1.磨粉机

2.混料机

3.破碎机

4.挤出机

5.UV处理机

6.开槽机

以上设备需要占地面积50米*50-60米

配套动力电2个315或者600KW

需要操作工人12-16人。

第三篇：SPC研讨会

SPC 研讨会

東莞宏遠酒店

目 目

錄 錄

壹、統計制程治理（SPC）概念的導入 貳、品質管束的意義 參、制程管束 一、制程管束的意義 二、制造階段品質保證觀念 三、現場實施制程管束的作法 四、實施統計制程管束（SPC）的步驟 五、管束圖介紹 六、管束圖之判讀 七、制程才能分析 肆、演 演 練 伍、結 結 論 壹、統計制程管束（SPC）概念導入 一、SPC 之演進 進

1.什麼是 SPC（STATISTICAL PROCESS CONTROL）

应用統計各種办法來管束製造法度榜样，使產品一次做好。

SPC＝SQC＋QUALITY

PLANNING

AND

DESIGN 2.什麼是 SQC（STATISTICAL QUALITY CONTROL）？ 由 SHEWHART 在 1937 年提出“以統計办法協助分析品質問題，進而找出解決問題筹划的品管办法”。

這些办法重要有：

＊管束圖 ＊直方圖 ＊柏拉圖 ＊查檢表 ＊制程才能分析 ＊實驗計劃法 ＊靠得住度办法 3.SQC 的精力 ——制程才能的穩定維持 ——事後制程（AFTER PROCESS）之品質改良分析 ——阻擋不良品進入/流出（IQC/OUTGOING CONTROL）

4.演進史（參見附圖一）

SPC 之演進史

SQC 開發 日本執行 SQC 且極有成效 SQC 極限 其他技術開發 SQC⊕品質 企劃與設計 品質障礙極低 品質障礙低 品質障礙高 品質障礙极高 1.SHEWIIART 2.ZI-1/-2/-3 1.Deming 引 SPC 入日本 2.Z 9021/9022/9023 1.QCC 發展 2.ZD 計劃 3.TQC 萌芽 4.QFD 萌芽 5.實驗設計 1.QFD 用於設計 2.FMEA 用於設計 3.田口办法用於設計 4.应用 TQC 5.重彈 SQC（歐美）

6.寻求 6σ品質 1930 1950 1970 1980 年代

二、根本統計概念 1.數據的性質(1)數據的差異 因為沒有兩個產品（或制成品）是完全一樣的，就算是同一條生產線上用同樣的原料，同樣的办法做出來的，還是會有變動身分所構成的差異。是以，對於製造者而言，每一零件之各品質規格特点，所能做的是：a.瞭解差異必定存在；b.找出差異的可能原因（原料、儀器、設備、隨機、人為，亦或是「不適當」之組織機能營運下所潛藏的身分），所以，必須將隨機誤差保持在一可容忍的範圍里，統計品管便由此誕生。

(2)靠得住度、周详度、正確度 檢討數據時，應先考慮是否具備 a.靠得住度；b.周详度；c.正確度等三個要素。

(3)數據的次數分派 上節我們知道測定任何東西都必有誤差，弗成能获得同一的數據，這種現象謂之數據帶有差異。數據帶有差異就是表示數據帶有分派。變異形成之原因，可分為機遇原因及非機遇原因兩類：

A.機遇原因（Chance causes）

又稱為：弗成避免之原因、非人為原因、合营原因、有时原因、一般原因等等。

a.例如或人量身高，用同一量測器，由同一人量測該人之身高數，在短時間內，所得量測值有差異存在，造成此種差異之原因，即屬於

機遇原因。

b.在生產工作中，雖然訂有操作標準，但在操作條件容許之範圍內必有變化。

例如：

自不合偏向及不合地位測量軸徑、車床之轉速、吃刀之深度、刀具上所受之壓力、潤滑油、冷卻液、地面之震動、工作物與量具間之溫度變化、灰塵與油層之厚薄以及檢驗員之讀量具之讀數其眼睛所產生之誤差，均能使檢驗結果發生差異。

c.原材料之品質在其規格範圍內，容許隨時在變化。

例如：

原材料之重量、密度、厚薄及油漆之顏色等。

d.其他如：氣候及環境變化，均可造成變異之原因。

B.非機遇原因（Assignable causes）

又稱為：可避免之原因、人為原因、特别原因、異常原因、局部原因等等。

a.例如由於機器之不合、材料之相異、人為之身分或操作忽视等原因，影響品質之變異，這些原因都是可以避免的，皆屬於非機遇原因。

b.未遵守操作標準而操作，所發生之變異。

c.雖然遵守操作標準，但操作標準不完美，乃至發生之變異。

d.機器設備之變動，發生之變異。

e.操作人員之更動，造成之變異。

f.原材料之不合，發生之變異。

g.量具不準確，造成之變異。

＊每一成品都不雷同

大年夜小大年夜小大年夜小大年夜小

＊假如制程很穩定，則將形成一種固定形狀，稱為分派。

＊分派有下列不合之情况 ＊假如制程中，只有機遇原因之變異存在，則其成品將形成一個很穩定的分佈，并且是可以預測的。

＊假如制程中有非機遇原因之變異存在，則其成品將為不穩定，并且無法預測。

大年 大年 大年地位

大年 大年 大年散佈

形狀

大年時間 預測

(4)次數分派的作法（直方圖的作法）

＊步驟 1：定組數 ＊步驟 2：決定組距 ＊步驟 3：決定組的組界 ＊步驟 4：求各組之中间值 ＊步驟 5：作表及記錄(5)直方圖的看法 次數分派或直方圖之感化，在於瞭解制程之全貌，可自圖上看出分派之中间傾向，及分派之形狀，散怖狀態與規格間之關係。

2.群體與樣本 以樣本數據為根據而欲望加以處理的對象，謂之群體（POPULATION），為某種目标而群體抽取一部分，謂之樣本（SAMPLE）。

(1)抽樣檢驗推定群體的品質

大年時間 預測 有限群體 樣

本 數

據 群體比

樣

本

數

據

抽 樣 測 定

(2)制程管束制程解析實驗計劃

至於研究群體與樣本間關係的學問，謂之數理統計學或推測統計學。

(3)群體（制程）與樣本間之關係 克己程取樣檢查之目标系藉樣本來瞭解群體（制程），品質人員無法直接瞭解群體是何種狀態，除非把群體整個檢查，此為弗成能之事，于是应用樣本來推定群體，則所取之樣本必須合理，否則即掉去其意義。樣本與群體之間有必定之關係，分述如後：

設 X 為樣本平均，μ為群體平均 s＝σ e 為樣本標準差，σ為群體標準差 在統計學上 X 分派之期望值

E（X）＝μ X 分派之標準差

σ X ＝n 下面圖二為群體平均值μ之分派與樣本平均值 X 之分派之關係，當群體平均值μ之分派為常態分派時，自群體抽取樣本平均值 X 之分派亦成為常態分派。

有限群體 群體批

樣

本 樣

本

無限群體 數

據 制

程

數

據

生產

抽樣

測定

由圖二可知樣本平均值之標準差 σ X 比群體標準差σ小得多，其大年夜小全依樣本數 n 大年夜小而定，即 σ X ＝n。亦即樣本標準差只有群體標準差之n1大年夜。

又依據圖二再作進一步之說明：樣本平均之分派，不論其原來群體之分派為何，當 n 很大年夜時（n≧30）必成為常態分派。群體為常態分派N（μ,σ 2）時，其樣本平均當然為常態分派 N（μ,nσ2），若群體之形狀雖為長方形或三角形之分派，而 n≧30 時，其樣本平均之分派亦可近似成為常態分派 N（μ,nσ2）。茲用圖三來作一說明：

群體個別值 之分派 樣本平均值 之分派 σ X

σμ圖二

常態分派 N（μ,σ 2）

σμ三角分派之群體

σ X（或）

σn 長方形分派之群體

μμ X

樣本平均之分派 常態分派 N（μ, nσ2）

圖三

圖四：管束界线與規格界线之關係

注：上圖中之管束圖為「 X

管束圖 」 樣本平均值 之分派 群體（制程）個 別值之分派 規 格 範 圍 UCL X

C L X

LCL X

S L

-3σ X

S U

+3σ X

+3  

-3  

3.根本統計量 (1)群體參數 表示群體特点的定數，謂之群體參數（PARAMETER），現在一般所应用的群體參數有：

‧群體平均——群體的平均值，以符號μ表示。

‧群體變異——群體的變異，以符號σ 2 表示。

‧群體標準差——群體的標準差，以符號σ表示。

(2)統計量 測定樣本所得的測定值，我們謂之統計量，常应用的統計量一般有：

‧樣本平均——樣本的平均值，以符號 X 表示。

‧樣本變異——樣本的變異，以符號 S 2 表示。

‧樣本標準差——樣本的標準差，以符號 S 表示。

‧樣本全距——樣本的全距，以符號 R 表示。

4.統計量的計算 (1)分派地位的數量表示法 A.平均值 X（MEAN）

B.中位數 X~（MEDIAN）

n ΣX i i= 1

n X =

＝

把數據依大年夜小順序分列，而取其量最中心的數據有奇數個數及偶數個數之取決方法。

(2)分 分 派差異程度的量，一般有下列各種表示法：

A.全距 R（RANGE）

R＝Xmax－Xmin B.误差平方和 S′（SUM OF SQUARE）

S′＝（X 1 － X）＋（X 2 － X）……（X n － X）

＝ 1 i（X i － X）

C.不误差異 V（MEAN SQUARE）

即误差平方和除以（n－1）

V＝1-nS“ D.變異（VARIANCE）

一群體變異σ 2

σ 2 ＝NS” 一樣本變異 s 2

s 2 ＝nS“

E.標準差（STANDERD DEVIATION）

變異開平方根者謂之標準差 S′＝群體平方和 N＝群體單位數

S′＝樣本平方和 n＝樣本單位數

一群體標準差σ＝2＝NS” 一樣本的標準差 s＝s2＝nS“ 5.各種分派 派(1)計量值的分派 A.常態分派 從一群數據里，可以整顿為次數分派式或直方圖，假如把數據無限增大年夜時，就可获得下圖之分派曲線。如有群體，其平均值為μ，標準差為σ，圖五抽取一個樣本 X 時，此 X 值會小於μ-3σ或會大年夜於μ+3σ之機會為 0.27%。X 值在μ+kσ與μ-kσ之間或然率（Probability）或稱機率如圖六。

＊以圖六之斜線部份表示，其公式為：

群

體平均值＝μ 標準差＝σ σ μ-kσ μ μ+ kσ 抽 取 一 個 X 圖 圖 六 圖 圖 五 μ＋kσ  μ-kσ 1 2π‧σ

‧e

（x-μ）

2σ 2

－d x

式中 e＝2.718…………………… 當一分派經證實為一常態分派時，則算出此常態分派之標準差（σ）及平均值（μ）後，其特点可用下列表一及圖七說明如下：

μ+ kσ 在內之或然率 在外之或然率 μ+ 0.67σ 50.00% 50.00% μ+ 1σ 68.26% 31.74% μ+ 1.96σ 95.00% 5.00% μ+ 2σ 95.45% 4.55% μ+ 2.58σ 99.00% 1.00% μ+ 3σ 99.73% 0.27%

管束圖是以 3 個標準差為基礎，換言之，只要群體是常態分派，從此群體抽樣時，每 10,000 個當中即有 27 個會跑出+3σ之外，亦即每 1,000次中約有 3 次機會超出+3σ範圍，吾人認為此三次是因有时機會（機遇原因）跑出界线而不予計較。

(2)計數值的分派 A.超幾何分派（HYPERGEOMETRIC DISTRIBUTION）

從不良率 P，大年夜小 N 個的群體里隨機抽取樣本 n 個，這時在樣本里含有ｘ個不良品的或然率 P 68.26% 95.45% 99.73%-3σ-2σ-1σ μ +1σ +2σ +3σ 圖 圖 七

P（x，n/p，N）為 P（x，n/p，N）＝)())((nNxpNx npN N B.二項分派（BINOMIAL DISTRIBUTION）

屬於超幾何分派的數據，如將其 N 無限增大年夜時，從無限群體里隨機地抽取 n 個樣本，則在樣本里含有 x 個不良品的或然率為 P（x，n/p）＝（xn）p x（1-p）

n-x 一般充分大年夜（N≧10n）時就可把超幾何分派近似為二項分派。

C.卜氏分派（POISSON DISTRIBUTION）

屬於二項分派的分派，如 np＝m 為必定，而把 n 無限的增大年夜時，np＝m的群體其出現0個,1個,2個……不良品的或然率P（x,m）為 P（x，np）＝  !Xnp exnp  ＝  !Xm exm 

式中，e ＝2.71828 這種分派謂之卜氏分派 一般 N≧10n，P≦0.1 時，可把二項分派，近似為卜氏分派。

貳、品質管束的意識 一、產 品品質與制程品質的差異 1.產 產 品品質與制程品質的差異 ＊產品品質是什麼？ 是指產品的機能、感化、壽命、形象。

——產品完成後顯示出來。

即產品的功用、应用法、应用刻日、品牌信譽。

＊制程品質是什麼？ 是指產品生產的準備、製造、確認、治理。

——產品製造中隱藏著的。

即工程標準、作業安然性、檢驗才能、品質意識。

2.品質管束系統簡介 (1)設計管束 ＊檢討、制訂產品製造中各個工程階段應達到標準。

＊鑑定樣品，印證製造法度榜样。

＊評核製造工程變異大年夜小。

(2)進料管束 ＊鑑定材料、零件進廠是否維持合用的水準—不接收不良。

＊供给生產者（供應廠商）有關生產產品的品質情報，協助生產者改良治理。

(3)制程管束（含最終檢查）

＊維持正常的生產力與檢查才能 ——不製造不良也不流出不良。

＊機會教导的實施 ——制程規定的考察，檢查結果的考察。

(4)成品管束（含出貨管束）

＊產品機能測試、評比、報告與成本統計之回饋。

＊客戶应用時之服務、分析。

(5)品管考察 ＊品管作業法度榜样、品保系統、品質標準的檢討。

＊品管方針、目標的治理。

3.作業中的品管責任 (1)三不責任 —— 作業意識 ＊不接收不良：阻拦不良延长、擴散。

＊不製造不良：預防不良發生。

＊不流出不良：確認沒有不良現象。

參、制程管束 一、制程管束的意義 從材料的取得開始，直到產品送達顧客（下一工程人員）手中為止；应用工程知識（生產技術、治理技術）與積累經驗（履歷記錄、數據）將產品製造過程的人員、機械、材料、加工办法予以標準化，（建立工程、作業、檢查等標準）於製造時預防不良之發生，阻拦不良之擴散。使生產工作每一次都是好的，（生產成本最低）達到企業獲利的目标。

二、製造階段品質保證觀念（統計制程之意識）

1.品質是製造出來； 2.產品出來後大年夜量檢查是無用，應以預防為原則； 3.運用統計办法加以治理制程的結果； 4.遇有異常發生，敏捷清除，使恢復正常，而確保結果合乎顧客请求。

三、現場實施制程管束的作法 ＊分三個階段：

1.第一個階段 —— 「量試」(1)流程之選定。

(2)機具設備及人員之设备。

(3)各種標準（材料、時間、成本）之訂定。

(4)品管筹划之編定。

2.第二個階段 —— 「量產時之品管」(1)巡回檢查。

檢 查 預 防 4M Process（大年夜量）檢廢料、重建 OK 調 整 產品 監看、調整 Process SPC 4M（少量）檢查 OK 產品

(2)設定管束圖。

(3)異常原因之追查與處置。

(4)檢查站抽驗。

3.第三階段 —— 「制程與改良」(1)品質情報資料之分析。

(2)制程才能之分析與評價。

(3)改良對策之確定。

(4)改良結果之追蹤。

四、實施統計制程管束（SPC ）步驟 1.作業步驟(1)依 QC 工程表到管束站抽樣作品質確認；(2)以解析用管束圖確認制程狀態；(3)制程才能分析；(4)以管束用管束圖管束制程；(5)異常發現與處置。

2.作業分組：分三組 (1)第一組——「線上操作人員」 a.除操作以外，還需查視本身之工作，有變異時，急速采取矯正行動，當品質水準顯示有相反趨勢時，要提示檢驗人員。

b.具有品質觀念，在工作中應將不良品分開，而不须要靠檢驗人員去發現。

c.應具有查核本身成品之才能，且具有应用须要儀器及設備之技

能。

(2)第二組——「線上品管檢驗人員」 a.第一件檢驗 b.巡迴檢驗以尋找問題之早期徵象。

c.對制程中应用之物料，應施以隨機品質抽檢。

(3)第三組——「試驗室工作人員」 a.但任治金、化學、物理及非破壞性試驗等工作。

b.負責制程中電鍍、陽極處理等溶液之分析試驗。

c.供给檢（試）驗記錄資料及有關報告。

d.試驗儀器設備之校订與保養治理工作。

五、管束圖的介紹 1.管束圖的意義 2.品質變異的原因

3.管束圖的種類 4.管束圖道理(1)統計道理：①常態分派、二項分派 ②機率（判讀）

(2)樣本與群體之關係: ①有限群體 ②無限群體(3)生產（制程）之變異: ①機遇原因、合营原因 ②非機遇原因、特别原因(4)檢驗之錯誤：①第 I 錯誤 ②第 II 錯誤(5)經濟均衡點之觀念: ①+3σ，99.73%（普）

計量值(1)不合格數管束圖。

(2)不合格率管束圖。

(3)缺點數管束圖。

(4)單位缺點管束圖。

種類 性質分類 用处分類 計數值

(1)平均數與全距管束圖。

(2)中位數與全距管束圖。

(3)平均數與標準差管束圖。

(4)個別值與移動全距管束圖。

管束用管束圖 解析用管束圖

②+1.96σ，95%（嚴）

③+3.09σ，99.9%（鬆）

(6)集中趨勢與離中趨勢 →（解析與管束）

(7)管束界线之設定道理——治理均衡

＊第一種錯誤：

應該是良品（合格品），但被認為是不良品（不合格品）。

＊第二種錯誤：

是不良品（不合格品），但被認為是良品（合格品）。

※治理成本最低的处所是在+3σ之處！

5.建立管束圖之步驟：

先建立解析用管束圖，等確定管束界线后，再建立管束用管束圖，其步驟如下：

(1)建立解析用管束圖 a.選定管束項目 b.汇集數據 第二種錯誤 第一種錯誤 兩種錯誤總和 損掉 +1σ +2σ +3σ +4σ +5σ +6σ 管束界线

c.按產品生產之順序或測定順序，分列數據； d.數據的分組，每組所含之樣本個數為樣本數，以 n 表示；樣本之組數以 k 表示，n＝2～6 較為適當； e.將分組之數據記入記錄表（查檢表）;f.計算各組平均值 X ； g.計算各組全距 R； h.計算總平均值 X ； i.計算全距之平均值 R ； j.查系數 A 2、D 4、D 3 ； k.計算管束界线（見公式）； l.繪管束界线； m.點圖； n.管束界线之檢討； o.劃直方圖；

p.與規格比較；(2)建立管束用管束圖 a.記入须要事項（根本领項）； b.作管束界线； c.點圖； d.安然狀態之剖断； e.采取對策調查原因：

f.管束界线之从新計算。

（例）

X －R 計量值管束之作法 實施步驟：

【步驟 1】選擇管束對象：

第一產品之計量特点很多，如尺寸、色澤、亮度、光度、反光性、音量、雜音……等，不一而足，有時一種產品高達數十種之多。在這些特点中，有些品質穩定，有些並不重要，是以值得吾人取而作圖者，為數甚少，一種產品，五種特点已相當多。當然，不克不及一概而論。

【步驟 2】選擇管束站：

決定到底在制程的哪一站或哪幾站建立管束最佳。

【步驟 3】決定收集資料頻率、办法及負責人。收集資料頻率一般天天1～5 次，每次 5 個資料，在測試時，須如下圖：連續抽測，如斯可以使得組內變異小；組間變異大年夜，使管束圖更具代表性。

…… ○○○○○○○○○○○○○ ………… 【步驟 4】資料填入管束圖中。

【步驟 5】計算每組之平均 X，全距 R，及所有各組之平均 X 及平均全距 R。

【步驟 6】代入公式，計算試用管束界线：

(1)公式之由來 X 管束圖：

CL X ＝ X ＝μ UCL X ＝ X +3σ＝ X +3nx  而 d2σ  R，σ 2dR ∴UCL X ＝ X ＋n d 23‧ R

設n d 23＝A 2，則 UCL X ＝ X +A 2 R ；LCL X ＝ X-A 2 R

R 管束圖：

CL R ＝ R

UCL R ＝ R ＋3σ R ＝ R ＋3d 3 σ x ＝ R ＋3 ×d 3 ‧2dR ＝（1＋233dd）‧ R ＝D 4 R

个中 D 4 ＝1＋233dd LCL R ＝ R －3σ R ＝（1－233dd）‧ R ＝D 3 R

个中 D 3 ＝1－233dd 一般 n≦6 時，D 3 ＝0 【步驟 7】由上述公式以求出之試用管束界线（Trial Control Limit）點繪。（系數參閱附表）

【步驟 8】在管束圖上畫出管束界线，如有任何點子跑出，則去除該點

之數值，以剩下之數據从新計算出第二次試用之管束界线，再觀察各點是否在管束界线內，若又有點子在外，再摒棄此點，从新再算，如斯重復做，一向到所有點子在內為止（留意，當數據太少時須再收集足夠資料）。至此，即求出第一次之管束界线，应用到今後之管束。

【步驟 9】實際应用及觀察：

天天點繪、觀察，以推測制程狀況，期能避免不良於未然。

六、管束圖之判讀 1.：

正常點子之動態：其分佈情况只隨機而是有系統之順序與分列方法，因而集中在中间線之邻近，高低兩邊為對稱。

2.不正常點子的動態：

(1)在中间線邻近無點子——為混淆型；(2)在管束界线邻近無點——已經檢過，為層別型；(3)有點子逸出管束界线——不穩定型。

3.不穩定型之檢定办法 (1)檢定規則一

(2)檢定規則二

A 區 B 區 C 區 ＋3σ ＋2σ ＋1σ X X CL

UCL

A 區 B 區 C 區 ＋3σ ＋2σ ＋1σ UCL

CL

(3)檢定規則三

(4)檢定規則四

(5)檢定規則五

4.連串理論剖断隨機性 道理：將管束圖以中间線為主，劃分上、下兩部份，分別計算其上方或下方之各點所播成之串數（RUN）合营其高低兩部的總點數，以查表結果決定在不合之機率下其分布是否為隨機（是否為正常）。

作法：①求高低各串數； A 區 B 區 C 區 ＋3σ ＋2σ ＋1σ X

CL UCL A 區 B 區 C 區 ＋3σ ＋2σ ＋1σ X X X UCL

CL

＋3σ ＋2σ ＋1σ CL UCL －1σ －2σ －3σ LCL X

X

X

②以中间線為準求上、下之點數； ③查表求最低之串數； ④比較總串數與最低串數（由表得知）以剖断是否為隨機。

七、制程才能分析 1.制程準確度 Ca（Capability of Accuracy）

Ca 值衡量制程之實績平均值與規格中间值之一致性。

① ①Ca 之計算 Ca＝規格公差的一半值 實績中心值－規格中心 × 100%＝2 / TU X  × 100% T＝S U －S L ＝規格上限－規格下限 ＊單邊規格因沒有規格中间值，故不克不及算 Ca ② 等級剖断 Ca 值愈小，品質愈佳。依 Ca 值大年夜小分為四級 等級 Ca

值 A ｜Ca︱≦12.5% B 12.5%＜｜Ca︱≦25.0% C 25.0%＜｜Ca︱≦50.0% D 50.0%＜｜Ca︱ 上表之分級僅供參考，非絕對如斯弗成。

③ ③Ca 意義之說明：

規格的中间值和上限或下限規格間是產品變異可容許的空間。我們若以此空間當做 100%的話，則 Ca 表示，制程已耗去此空間有若干 %。亦可解釋為，制程之實績中间值偏離目標值的程度。

是以它是愈小愈好。

如下圖 X 1 及 X 2 為兩種情況下制程下制程實績之中间值。

當 X 1 之實績下，Ca＝0% 當 X 2 之實績時，Ca＝2 /2TU X － × 100% 換言之，它是實績中间和規格中间差距（X 2 －U 占 T/2 線段有若干百分數。）

2.制程周详度 CP（Capability of Precision）

Cp 在衡量制程之變異寬度與規格公差範圍相差之情况 ① ①Cp 之計算

Cp＝個標準差規格公差6＝ 6T

……單邊規格時 Cp＝ 3X S U －或 Cp＝ 3LS X－ ……單邊規格時

T＝Tolerance（公差）

T/2=100%

LSL（下限規格）

USL（上限規格）

X 2-μ（1X）

X 2

T/2=100%

② 等級剖断 Cp 值愈大年夜，品質愈佳。依 Cp 值大年夜小分為五級。

等級 C p

值 A +

1.67≦Cp A 1.33≦Cp＜1.67 B 1.00≦Cp＜1.33 C 0.67≦Cp＜1.00 D Cp＜0.67 上表之分級僅供參考，非絕對如斯弗成。

③ ③Cp 意義之說明：

Cp 不合于 Ca，它代表公差和實際標準差之比。以下圖看得出，標準之公差大年夜小應為 6σ。

Cp 由上圖可知，公 T 和 6σ之比值。6σ之由來系管束圖之高低限為+3σ，且+3σ範圍內有 99.732﹪之合格率。

準此，若 Cp＝1 的話，且實績平均＝U，則合計不良率＝0.27%。

T（公差）

LSL（下限規格）

USL（上限規格）

μ

＋3σ＝6σ-6σ

-5σ

-4σ

-3σ

-2σ

-1σ

+1σ

+2σ

+3σ

+4σ

+5σ

+6σ

3.制程才能指數 Cpk 綜合 Ca 與 Cp 兩值之指數 ① ①Cpk 之計算式 ‧Cpk＝（1－｜Ca｜）Cp Ca＝0 時，Cpk＝Cp 單邊規格時，Cpk 即以 Cp 值計，但需取絕對值。

或 Zsu＝X Su－

Zsl＝)(X Sl－ － ‧Cpk＝3min Z（注：Zmin 乃取 Zsu 及 Zsl 較小值者）

② 等級剖断

Cpk 值愈大年夜，品質愈佳。依 Cpk 值大年夜小分為五級。

等

級 Cpk

值 A +

1.67≦Cpk A 1.33≦Cpk＜1.67 B 1.0 ≦Cpk＜1.33 C 0.67≦Cpk＜1.0 D Cpk＜0.67 ③ ③Cpk 意義的說明

下圖的 Su－ X 的部份即產品實績分派用到的容差。以這一數值和 3σ來比。則其意義和 T 比 6σ相類似。是以 Cpk 和 Cp 值一樣是越大年夜越好。且分等之办法完全雷同。

而 Zmin/3 的意義乃是，可是容差較小的一邊是制程不良較多的一邊。用它來計算指標較為完全、保險一些。

4.制程才能指標的應用：

① ①Ca ＞0% 時 當 Ca＞0%時，表示實績中间和目標值（規格中间值）不吻合，必須調整刀具或鐵具以求吻合。

在這際現場工作，這常很轻易辦到，如車刀之調整等。

②的 不合的 Cpk 值有不合的做法: :

＊Cpk＞2.0 →制程才能太高有時可以縮小規格以爭取顧客之信賴，有時也可应用此才能尋求降低成本之办法。

＊1.67≦Cpk≦2.0 →幻想狀況，保持。

＊1.33≦Cpk≦1.67 →須進行工作及品質改良，以求降低變異，进步品質。

＊1.0≦Cpk≦1.33 →切實做到工作站治理，並做须要的處理及回饋改良工作。

＊ Cpk＜1.0 →須全檢，但全檢只是懂得事實之一段罢了，必須將全檢所得資料分析原因，找出問題來源，回饋並以再發防止办法徹底解決改良之。

肆、演練 T＝Tolerance（公差）

LSL（下限規格）

USL（上限規格）

3σ

Su－X

伍、結論

第四篇：Spc理论培训计划

Spc理论培训计划

一、软件操作教育培训

1、主要内容

1)基本资料的建立 2)层别的设定 3)数据的输入 4)图表的输出

5)spc在品管上运用的方法和好处

2、培训时间 2个小时

3、参加人员

品质检查人员(暂定2－3人)，数据录入人员（也可以由品质检查人员兼任）,高，孙，卜及各班班长

二、理论教育培训

(一)、理论教育培训(1)

1、主要内容 1）、品质观念历程 2）、spc历程及概述 3）、品管部组织架构和职责介绍

2、培训时间 2个小时

3、参加人员

品质检查人员(暂定2－3人)，数据录入人员（也可以由品质检查人员兼任）,高，孙，卜及各班班长

(二)、理论教育培训(2)

1、主要内容

柏拉图，特性要因图(鱼刺图)，散布图，直方图，管制图的原理，作法和应用

2、培训时间 6个小时

3、参加人员

品质检查人员(暂定2－3人)，数据录入人员（也可以由品质检查人员兼任）,高，孙，卜及各班班长

(三)、理论教育培训(2)

1、主要内容

spc软件的具体使用及实际操作，包括图形的输出，打印

2、培训时间

分组培训，每组4小时

3、参加人员

品质检查人员(暂定2－3人)，数据录入人员（也可以由品质检查人员兼任）,高，孙，卜及各班班长

三、问题解答

1、主要内容 1）、理论问题的解答 2）、操作问题的解答

2、培训时间 4天

3、参加人员 所有相关人员

四、考核

1、主要内容

包括所有培训内容

2、考核时间

暂定在“问题解答”后的第一个工作日

3、参加人员

品质检查人员(暂定2－3人)，数据录入人员（也可以由品质检查人员兼任）,高，孙，卜及各班班长 五、一般员工的培训

有品管部协助各个班组长进行培训，各个班组长制定培训计划和考核方案

备注：

理论教育培训（2）的实际培训内容视实际情况而定，如果有必要的话，可以将培训内容延伸至品管七大手法的其它手法，同时时间适当延长

2005-8-6

第五篇：CP,CPK,FMEA,SPC介绍

CP和CPK介绍

在评估SMT设备或在选型的时候，常听到“印刷机、贴片机或再流焊设备的Cp和Cpk值是多少？Cp、Cpk是什么意思呢？

CP(或Cpk)是英文Process Capability index缩写，汉语译作工序能力指数，也有译作工艺能力指数过程能力指数。

工序能力指数，是指工序在一定时间里，处于控制状态(稳定状态)下的实际加工能力。它是工序固有的能力，或者说它是工序保证质量的能力。

这里所指的工序，是指操作者、机器、原材料、工艺方法和生产环境等五个基本质量因素综合作用的过程，也就是产品质量的生产过程。产品质量就是工序中的各个质量因素所起作用的综合表现。

对于任何生产过程，产品质量总是分散地存在着。若工序能力越高，则产品质量特性值的分散就会越小；若工序能力越低，则产品质量特性值的分散就会越大。那么，应当用一个什么样的量，来描述生产过程所造成的总分散呢?通常，都用6σ(即μ＋3σ)来表示工序能力：工序能力＝6σ

若用符号P来表示工序能力，则：P＝6σ

式中：σ是处于稳定状态下的工序的标准偏差

工序能力是表示生产过程客观存在着分散的一个参数。但是这个参数能否满足产品的技术要求，仅从它本身还难以看出。因此，还需要另一个参数来反映工序能力满足产品技术要求(公差、规格等质量标准)的程度。这个参数就叫做工序能力指数。它是技术要求和工序能力的比值，即 工序能力指数=技术要求／工序能力

当分布中心与公差中心重合时，工序能力指数记为Cp。当分布中心与公差中心有偏离时，工序能力指数记为Cpk。运用工序能力指数，可以帮助我们掌握生产过程的质量水平。工序能力指数的判断

工序的质量水平按Cp值可划分为五个等级。按其等级的高低，在管理上可以作出相应的判断和处置(见表1)。该表中的分级、判断和处置对于Cpk也同样适用。表1 工序能力指数的分级判断和处置参考表 Cp值 级别 判断 双侧公差范(T)处 置 Cp>1.67 特级 能力过高 T＞106(1)可将公差缩小到约土46的范围(2)允许较大的外来波动，以提高效率(3)改用精度差些的设备，以降低成本(4)简略检验 1.67≥Cp1.33 一级 能力充分 T＝86—106(1)若加工件不是关键零件，允许一定程度的外来波动(2)简化检验(3)用控制图进行控制 1.33≥Cp>1.0 二级 能力尚可 T＝66—86(1)用控制图控制，防止外来波动(2)对产品抽样检验，注意抽样方式和间隔(3)Cp—1．0时，应检查设备等方面的情示器 1.0≥Cp>0.67 三级 能力不足 T＝46—66(1)分析极差R过大的原因，并采取措施(2)若不影响产品最终质量和装配工作，可考虑放大公差范围(3)对产品全数检查，或进行分级筛选 0.67>Cp 四级 能力严重不足 T＜46(1)必须追查各方面原因，对工艺进行改革(2)对产品进行全数检查

FMEA（失效模式与影响分析）

在设计和制造产品时，通常有三道控制缺陷的防线：避免或消除故障起因、预先确定或检测故障、减少故障的影响和后果。FMEA正是帮助我们从第一道防线就将缺陷消灭在摇篮之中的有效工具。

FMEA是一种可靠性设计的重要方法。它实际上是FMA（故障模式分析）和FEA（故障影响分析）的组合。它对各种可能的风险进行评价、分析，以便在现有技术的基础上消除这些风险或将这些风险减小到可接受的水平。及时性是成功实施FMEA的最重要因素之一，它是一个“事前的行为”，而不是“事后的行为”。为达到最佳效益，FMEA必须在故障模式被纳入产品之前进行。

FMEA实际是一组系列化的活动，其过程包括：找出产品/过程中潜在的故障模式；根据相应的评价体系对找出的潜在故障模式进行风险量化评估；列出故障起因/机理，寻找预防或改进措施。

由于产品故障可能与设计、制造过程、使用、承包商/供应商以及服务有关，因此FMEA又细分为设计FMEA、过程FMEA、使用FMEA和服务FMEA四类。其中设计FMEA和过程FMEA最为常用。设计FMEA（也记为d-FMEA）应在一个设计概念形成之时或之前开始，并且在产品开发各阶段中，当设计有变化或得到其他信息时及时不断地修改，并在图样加工完成之前结束。其评价与分析的对象是最终的产品以及每个与之相关的系统、子系统和零部件。需要注意的是，d-FMEA在体现设计意图的同时还应保证制造或装配能够实现设计意图。因此，虽然d-FMEA不是靠过程控制来克服设计中的缺陷，但其可以考虑制造/装配过程中技术的/客观的限制，从而为过程控制提供了良好的基础。进行d-FMEA有助于：

 设计要求与设计方案的相互权衡；

 制造与装配要求的最初设计；

 提高在设计/开发过程中考虑潜在故障模式及其对系统和产品影响的可能性；

 为制定全面、有效的设计试验计划和开发项目提供更多的信息； 建立一套改进设计和开发试验的优先控制系统；

 为将来分析研究现场情况、评价设计的更改以及开发更先进的设计提供参考。

过程FMEA（也记为p-FMEA）应在生产工装准备之前、在过程可行性分析阶段或之前开始，而且要考虑从单个零件到总成的所有制造过程。其评价与分析的对象是所有新的部件/过程、更改过的部件/过程及应用或环境有变化的原有部件/过程。需要注意的是，虽然p-FMEA不是靠改变产品设计来克服过程缺陷，但它要考虑与计划的装配过程有关的产品设计特性参数，以便最大限度地保证产品满足用户的要求和期望。p-FMEA一般包括下述内容：

 确定与产品相关的过程潜在故障模式；

 评价故障对用户的潜在影响；

 确定潜在制造或装配过程的故障起因，确定减少故障发生或找出故障条件的过程控制变量；

 编制潜在故障模式分级表，建立纠正措施的优选体系；

 将制造或装配过程文件化。

FMEA技术的应用发展十分迅速。50年代初，美国第一次将FMEA思想用于一种战斗机操作系统的设计分析，到了60年代中期，FMEA技术正式用于航天工业（Apollo计划）。1976年，美国国防部颁布了FMEA的军用标准，但仅限于设计方面。70年代末，FMEA技术开始进入汽车工业和医疗设备工业。80年代初，进入微电子工业。80年代中期，汽车工业开始应用过程FMEA确认其制造过程。到了1988年，美国联邦航空局发布咨询通报要求所有航空系统的设计及分析都必须使用FMEA。1991年，ISO-9000推荐使用FMEA提高产品和过程的设计。1994年，FMEA又成为QS-9000的认证要求。目前，FMEA已在工程实践中形成了一套科学而完整的分析方法。

SPC介绍

SPC即统计过程控制（Statistical Process Control）。SPC主要是指应用统计分析技术对生产过程进行实时监控，科学的区分出生产过程中产品质量的随机波动与异常波动，从而对生产过程的异常趋势提出预警，以便生产管理人员及时采取措施，消除异常，恢复过程的稳定，从而达到提高和控制质量的目的。

在生产过程中，产品的加工尺寸的波动是不可避免的。它是由人、机器、材料、方法和环境等基本因素的波动影响所致。波动分为两种：正常波动和异常波动。正常波动是偶然性原因（不可避免因素）造成的。它对产品质量影响较小，在技术上难以消除，在经济上也不值得消除。异常波动是由系统原因（异常因素）造成的。它对产品质量影响很大，但能够采取措施避免和消除。过程控制的目的就是消除、避免异常波动，使过程处于正常波动状态。SPC技术原理

统计过程控制（SPC）是一种借助数理统计方法的过程控制工具。它对生产过程进行分析评价，根据反馈信息及时发现系统性因素出现的征兆，并采取措施消除其影响，使过程维持在仅受随机性因素影响的受控状态，以达到控制质量的目的。当过程仅受随机因素影响时，过程处于统计控制状态（简称受控状态）；当过程中存在系统因素的影响时，过程处于统计失控状态（简称失控状态）。由于过程波动具有统计规律性，当过程受控时，过程特性一般服从稳定的随机分布；而失控时，过程分布将发生改变。SPC正是利用过程波动的统计规律性对过程进行分析控制的。因而，它强调过程在受控和有能力的状态下运行，从而使产品和服务稳定地满足顾客的要求。

SPC可以为企业带的好处

....SPC 强调全过程监控、全系统参与，并且强调用科学方法（主要是统计技术）来保证全过程的预防。SPC不仅适用于质量控制，更可应用于一切管理过程（如产品设计、市场分析等）。正是它的这种全员参与管理质量的思想，实施SPC可以帮助企业在质量控制上真正作到“事前”预防和控制，SPC可以： · 对过程作出可靠的评估；

· 确定过程的统计控制界限，判断过程是否失控和过程是否有能力； · 为过程提供一个早期报警系统，及时监控过程的情况以防止废品的发生；

· 减少对常规检验的依赖性，定时的观察以及系统的测量方法替代了大量的检测和验证工作；

有了以上的预防和控制，我们的企业当然是可以： · 降低成本

· 降低不良率，减少返工和浪费 · 提高劳动生产率 · 提供核心竞争力 · 赢得广泛客户

· 更好地理解和实施质量体系

质量管理中常用的统计分析方法

....介绍的以下这些工具和方法具有很强的实用性，而且较为简单，在许多国家、地区和各行各业都得到广泛应用:

控制图:用来对过程状态进行监控，并可度量、诊断和改进过程状态。

直方图:是以一组无间隔的直条图表现频数分布特征的统计图，能够直观地显示出数据的分布情况。

排列图:又叫帕累托图，它是将各个项目产生的影响从最主要到最次要的顺序进行排列的一种工具。可用其区分影响产品质量的主要、次要、一般问题，找出影响产品质量的主要因素，识别进行质量改进的机会。

散布图: 以点的分布反映变量之间相关情况，是用来发现和显示两组数据之间相关关系的类型和程度，或确认其预期关系的一种示图工具。工序能力指数（CPK）：分析工序能力满足质量标准、工艺规范的程度。

频数分析：形成观测量中变量不同水平的分布情况表。

描述统计量分析：如平均值、最大值、最小值、范围、方差等，了解过程的一些总体特征。

相关分析：研究变量之间关系的密切程度，并且假设变量都是随机变动的，不分主次，处于同等地位。

回归分析：分析变量之间的相互关系。

实施SPC的两个阶段

。实施SPC分为两个阶段，一是分析阶段，二是监控阶段。在这两个阶段所使用的控制图分别被称为分析用控制图和控制用控制图。

。分析阶段的主要目的在于：

。

一、使过程处于统计稳态。

二、使过程能力足够。

。分析阶段首先要进行的工作是生产准备，即把生产过程所需的原料、劳动力、设备、测量系统等按照标准要求进行准备。生产准备完成后就可以进行，注意一定要确保生产是在影响生产的各要素无异常的情况下进行；然后就可以用生产过程收集的数据计算控制界限，作成分析用控制图、直方图、或进行过程能力分析，检验生产过程是否处于统计稳态、以及过程能力是否足够。如果任何一个不能满足，则必须寻找原因，进行改进，并重新准备生产及分析。直到达到了分析阶段的两个目的，则分析阶段可以宣告结束，进入SPC监控阶段。

。监控阶段的主要工作是使用控制用控制图进行监控。此时控制图的控制界限已经根据分析阶段的结果而确定，生产过程的数据及时绘制到控制上，并密切观察控制图，控制图中点的波动情况可以显示出过程受控或失控，如果发现失控，必须寻找原因并尽快消除其影响。监控可以充分体现出SPC预防控制的作用。

。在工厂的实际应用中，对于每个控制项目，都必须经过以上两个阶段，并且在必要时会重复进行这样从分析到监控的过程。

SPC的最新发展

。经过近70年在全世界范围的实践，SPC理论已经发展得非常完善，其与计算机技术的结合日益紧密，其在企业内的应用范围、程度也已经非常广泛、深入。概括来讲，SPC的发展呈现如下特点：

（1）.分析功能强大，辅助决策作用明显 在众多企业的实践基础上发展出繁多的统计方法和分析工具，应用这些方法和工具可根据不同目的、从不同角度对数据进行深入的研究与分析，在这一过程中SPC的辅助决策功能越来越得到强化；

（2）.体现全面质量管理思想 随着全面质量管理思想的普及，SPC在企业产品质量管理上的应用也逐渐从生产制造过程质量控制扩展到产品设计、辅助生产过程、售后服务及产品使用等各个环节的质量控制，强调全过程的预防与控制；（3）.与计算机网络技术紧密结合 现代企业质量管理要求将企业内外更多的因素纳入考察监控范围、企业内部不同部门管理职能同时呈现出分工越来越细与合作越来越紧密两个特点，这都要求可快速处理不同来源的数据并做到最大程度的资源共享。适应这种需要，SPC与计算机技术尤其是网络技术的结合越来越紧密。

（4）.系统自动化程度不断加强 传统的SPC系统中，原始数据是手工抄录，然后人工计算、打点描图，或者采用人工输入计算机，然后再利用计算机进行统计分析。随着生产率的提高，在高速度、大规模、重复性生产的制造型企业里，SPC系统已更多采取利用数据采集设备自动进行数据采集，实时传输到质量控制中心进行分析的方式。

（5）.系统可扩展性和灵活性要求越来越高 企业外部和内部环境的发展变化速度呈现出加速度的趋势，成功运用的系统不仅要适合现时的需要，更要符合未来发展的要求，在系统平台的多样性、软件技术的先进性、功能适应性和灵活性以及系统开放性等方面提出越来越高的要求。