统计过程控制(Statistical Process Control,SPC)是一种在质量管理中用于监控和改善生产过程的方法。通过对过程数据的收集和分析,SPC帮助识别过程的稳定性以及是否存在异常情况。本讲主要介绍了控制图的四种判定准则,即点出界、点排列、连续点递增或递减以及上下交替。
判定准则1是单点出界,当一个数据点落在控制限(UCL,LCL)之外时,我们说这个点出界。这表明过程中可能有特殊原因的影响,需要调查。
准则2涉及连续9个点在中心线同一侧,意味着过程可能出现系统性的偏移。计算连续8个点或9个点在同一侧的概率是为了确定这种现象是否超出正常随机波动的范围。例如,连续9个点在中心线上方或下方的概率是0.0038,这远低于过程自然变异的概率,所以应当视为异常。
准则3是连续6个点呈现递增或递减的趋势,这反映了过程平均值的系统性变化。相比于准则2,连续6个点的上升或下降更容易察觉到过程的变化趋势,从而更灵敏地识别问题。
准则4是连续14个点上下交替出现,这种情况可能是由于数据分层,比如两个操作员交替操作或两台设备交替使用导致的。这种交替模式可能表明存在不同的过程特性或者操作员之间的差异。
通过以上四个判定准则,控制图可以帮助管理者及时发现过程中的异常情况,进而采取措施调整或优化过程,确保产品质量的稳定性和一致性。在实际应用中,结合具体行业的数据和实际情况,这些准则会进一步细化和适应,以提供最有效的过程控制策略。例如,在处理加工零件尺寸这样的问题时,可以使用均值-极差控制图(Xbar-R chart)来监控平均值和过程的变异性,确保生产过程处于受控状态。在案例分析中,通过计算样本均值和标准差,可以对照控制限判断生产过程是否稳定。如果数据符合控制图的判定准则,那么就可能需要调查潜在的问题,比如设备磨损、维护水平下降或其他影响质量的因素。