|
发表于 2009-6-16 20:24:32
|
显示全部楼层
来自: LAN
老兄你的问题好多啊!
5 c1 ?0 F: m& W- L) N" B, L- L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)。
0 j, v. y; }, ]; ?( s; u: N6 D5 @1 A( Y5 ^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。" x6 q! e% E, I
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。
0 W" h5 x, E! r8 K. m& y' `- {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。0 O5 V0 d$ L* j9 q1 f" Q
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。( Q# v+ V4 G) u5 V
至于具体怎么弄就要更具你的具体情况了!$ k4 l( `" E3 ]" G/ q2 ]- M
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。
) k0 L. m( A' F' Y1 bSPC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。
; l4 K: ~3 O' O" ^; y" ~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。
X8 s, o' b1 `" ]" K6 nSPC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!
" n' Q C4 P0 U; F- y哇,敲了这么多字,好累! |
评分
-
查看全部评分
|