SPC(统计过程控制)的前世今生以及它的重要作用,之前的文章已经详细说明了,错过的小伙伴们可以再去“历史消息”里翻翻。
今天要讲的是如何三步导入SPC控制。
第一步:
不是你想SPC就能SPC的,没有稳定的工艺能力(CPK)和持续的生产活动,你硬要用SPC,只会徒增烦恼。
还有一个问题,你知道你的CTQ是哪个吗?
第二步:
SPC控制图一大堆,哪一个更合适?一张图给你所有的答案,你可能需要放大仔细瞧,看不清楚?也没关系,文章的最后我会给你秘籍的。
第三步:
守着控制图围观就好了......这张图背后有一堆规则在监控,有点不正常的话就会马上告诉你了。
哦,之前我说的那本“秘籍”是它:《SPC手册》,号称五大质量管理工具之一。
你要是在公众号主页留言并留下联系邮箱,我可能会把它发给你的......
我们将继续SPC这个话题,做略深入一点的拓展,对SPC导入后使用过程中常见的理解性错误进行梳理。
错误一:超控制限是因为控制限太严的原故
解读:SPC控制务必要准确理解清楚规格限与控制限这两个概念。
规格限:源自客户,也就是客户的要求。
控制限:是通过观察得到的数据计算出来的,不是人为主观设定。
错误二:控制图超控制限,但不超规格限就可以接受
解读:控制限的衡量对象是样本子组均值,规格限的衡量对象是个体单值。
因此不能使用规格限对观察到的子组均值数据进行判定。
以X bar R图为例,我们用X bar R图对计量型过程参数做控制时,控制的统计量是X bar和R,即子组的均值和极差,而不是每个个体的单值X。规格限是针对每个个体的单值的,而不是针对子组的均值的。
这其实也是SPC控制图最主要的一个劣势:它无法告诉我们控制的结果是否符合规格。
错误三:只要没超控制限就表示制程正常
解读:这是被讨论得最充分的一项,SPC控制图基于抽样的原理,因此不能仅仅看单个值的结果,还要看趋势来做出判断,业界已经总结出来了很多有效的趋势检验规则,下图是Minitab内置的8条规则供参考。
错误四:极差出现异常没问题
解读:下图是子组均值与极差的计算公式,极差是子组内最大值与最小值的差,极差出现异常说明子组内数据的分布异常,而这些异常可能无法由子组均值体现出来。
错误五:检查样品没超差就认为制程没问题,可继续生产
解读:首先这种判断没有正确理解SPC控制的目的,其目的是在于对过程的关键指标进行控制,以保证过程的稳定性,而不是对产品的检验。
SPC控制图报异常,表示存在变差的特殊原因,如果不分析处理,将导致过程的输出不稳定。
错误六:不合格品后工序使用不能发现问题就可接受
解读:这个错误显而易见,然而实际中却经常发生。
不合格品是指产品质量“未满足与预期或规定用途有关的要求”,而不是后工序使用能不能发现决定的。
如果以后工序使用能不能发现作为是否可接受的依据,那么整体产品的合格率就由后工序的问题侦测能力决定了,若其只能涵盖50%的问题,则另外50%的问题将流向客户。
错误七:可以生产出来后再全检
解读:这个错误在于没有正确理解SPC的目的。
SPC的目的在于事中的控制和预防,全检是事后的检查。这里容易有的两个问题是:
CPK水平较差,达不到抽样做SPC的条件,只能全检,这时也可以将全检的数据拿来分析,以确定制程稳定后的控制限,为导入SPC做准备。
生产过程中已经使用了自动化的设备进行100%的检查,这时还需要SPC吗?答案是需要的,我们可以通过SPC控制图(例如I-MR)察觉出过程中的异常并及时采取措施。
错误八:为了完成产量而不处理SPC异常
解读:SPC报异常后的处理方式其实是一个难点。
异常发生后,如果能迅速找到导致变差的特殊原因,那么应该立即采取相应的改善措施,并再次确认SPC是否恢复到稳定状态,若是,继续生产。
异常发生后,如果找不到根本原因,过程将可能进入不稳定的状态,此时需要做出决定,要么停止生产直至找到问题的原因,要么立即切入100%全检。
关于如何有效找变差的特殊原因,此前文章介绍过的直方图是一个非常简单有效的工具。
联系客服