spc的问题

peter2088

我们在做 SPC的时候
是不是现在要证明样本是否呈现正态分布
  L3 t; O6 i, k: G  O' G如果不成正态分布。是不是做了也没意义
然后怎么证明正态分布？
我们现在就是直接抽检样本，直接计算CPK.一个工件有很多尺寸，每个的CPK都不一样，有大雨1.33的。有的尺寸只有0.5
1 S$ u9 P" \6 U% j! ?( J( k我不知道怎么弄~
! {! F# d1 ^$ e兄弟们告诉我一下

xingkong1

老兄你的问题好多啊！
& e+ S. M6 @; ^做SPC时候一般要求是正态，因为，我们采用了正态的模型。（我们的风险是用正态分布估计，我们的判异准则也基本上是基于正态分布然后提出的）。
但也并不是不成正态分布就做了没意义，虽然我们碰到的绝大部分随机现象都服从正态分布，但是也有一些现象服从其他分布，此时我们有两种方法：将非正态的数据转换为正态分布，然后用正态分布去计算和监控制程。采用其相近的分布的数学模型，比如weibull。另外更具中央极限定理，如果你样本数取得比较大的话，其平均值会服从正态分布。但是如果数据偏态太严重会需要很大样本量的。比如卡方分布，好像要到15左右，样本量太大了。
9 W6 g2 o0 L3 \* ~# R& r数据分布是否服从正态分布可以用正态检验，MINITAB等统计软件可以帮助我们。
# S& ]+ S+ w8 Y7 l: K计算CPK前要先看制程稳定不稳定。这样才有意义，才能用现在的数据去估计将来。
工件尺寸比较多，肯定有大于1.33，和小于1.33的，这时我们需要对<1.33的尺寸进行分析改善，提高制程能力。
至于具体怎么弄就要更具你的具体情况了！
个人觉得用SPC一般是一些关键的品质特性，且一般大于1.33后再用，否则你即使受控一样有好多尺寸不合格。
SPC是主要是一个监控工具，其是为了帮我们看制程是否稳定受控，制程是否有变化，以提前给我们警戒。其不能取代我们的技术方面努力，因为只有用技术才能提高制程本身能力。
/ i$ ^: G0 E: [2 p当制程能力还不够，制程还不稳定的时候去用SPC，用SPC其实就是一种侥幸的心理，希望让SPC来告诉我们该调整制程了，其实也没什么错误，用SPC来推动改善也是一样。只是觉得我们的制程本来就不够好，需要改善是事实，并不需要SPC来报警，如果SPC管用的话会老是报警，如果SPC不够好的话，其不报警，但事实上会产生不良品的。
SPC手册里有说SPC这个工具不是让我们关注在产品端，而真正的了解制程才是关键！
% H* O. n6 J" r7 g( r: N7 w哇，敲了这么多字，好累！

peter2088

原帖由 xingkong1 于 2009-6-16 20:24 发表 http://www.3dportal.cn/discuz/images/common/back.gif
3 I  I/ h4 F+ G1 o3 q3 s3 C9 N老兄你的问题好多啊！
  l# a) g0 z# `; h做SPC时候一般要求是正态，因为，我们采用了正态的模型。（我们的风险是用正态分布估计，我们的判异准则也基本上是基于正态分布然后提出的）。
! ?2 z; A8 N) d5 B# Y$ ?" y* t# H3 P但也并不是不成正态分布就做了没意义，虽然我们 ...

& q5 z+ N; M3 F谢谢老兄说了这么多
这是没机会
有机会我肯定请你吃饭
+ L( `) t- i' ~8 M& o" c谢谢
2 P+ n7 U8 ?  V# b% P$ G. R( m* H不嫌弃小弟的话加qq544928916

lanszd

对于cpk小于1.33的就需要进行分析了，是cp不好，还是ca不好，并针对性的改善。
4 W1 ?+ h, Z" j# [/ z& k6 Ncp不好的话，应当修改工艺，提高精度，增加调试的频率。
ca不好的话，应该修正中值，在调试的时候就应当争取做到中值。