Statystyczne sterowanie procesami SPC fragment prezentacji

background image

Statystyczne sterowanie procesami SPC

© PROQUAL Management Institute

1

dr in

ż

. Tomasz Greber

tomasz.greber@proqual.pl

Statystyczne sterowanie
procesami SPC

(fragment prezentacji)

Oznaczenia

Tg, USL, UT, GGT – tolerancja górna

Td, LSL, LT, DGT – tolerancja dolna

s,

σ

– odchylenie standardowe

X

ś

r, - warto

ść

ś

rednia

R – rozst

ę

p

A

2

, d

2

, D

3

itp – stałe statystyczne

UCL, GGK, GGI – górna granica kontrolna na karcie kontrolnej

LCL, DGK, DGI – dolna granica kontrolna na karcie kontrolnej

Cp, Cpk – wska

ź

niki zdolno

ś

ci długoterminowej

Pp, Ppk – wska

ź

niki zdolno

ś

ci krótkoterminowej

Cm, Cmk – wska

ź

niki zdolno

ś

ci maszyn

PPM – liczba cz

ęś

ci wadliwych na milion

x

background image

Statystyczne sterowanie procesami SPC

© PROQUAL Management Institute

2

Podział metod statystycznych
w zarz

ą

dzaniu jako

ś

ci

ą

Zastosowanie

statystyki

Statystyczna

kontrola

jako

ś

ci

Sterowanie

procesami

Statystyka

w projektowaniu

wyrobów

(DOE)

Badanie

zdolno

ś

ci

maszyn

Badanie

zdolno

ś

ci

procesów

Analiza danych

za pomoc

ą

podstawowych

statystyk

Zakres SPC

SPC

SPC, statystyczne sterowanie procesami, to zbiór narz

ę

dzi słu

żą

cych do

oceny stabilno

ś

ci procesu. Narz

ę

dzia te dostarczaj

ą

informacji czy proces

przebiega w sposób uporz

ą

dkowany, bez nietypowych zachowa

ń

.

background image

Statystyczne sterowanie procesami SPC

© PROQUAL Management Institute

3

Proste narz

ę

dzia SPC

Diagram rozproszenia

Jest to wykres o osiach poziomej i pionowej, na których opisane s

ą

warto

ś

ci

dwóch badanych zmiennych - zmiennej niezale

ż

nej A i zale

ż

nej B (zale

ż

nej od

warto

ś

ci parametru A). Nast

ę

pnie punktami zaznacza si

ę

zale

ż

no

ś

ci pomi

ę

dzy

zmiennymi otrzymuj

ą

c „chmur

ę

” punktów

15

20

25

30

35

40

0

1

2

[%]

[

°

C]

Temperatura na hali produkcyjnej

P

ro

c

e

n

t

p

ro

d

u

k

.

w

y

ro

b

ó

w

w

a

d

li

w

y

c

h

Współrz

ę

dne punktu:

Temperatura 31,5

°

C

Procent braków 2,3 %

background image

Statystyczne sterowanie procesami SPC

© PROQUAL Management Institute

4

Współczynnik korelacji - istota

Współczynnik korelacji liniowej „r” wskazuje na
zwi

ą

zek pomi

ę

dzy dwoma zmiennymi

Korelacja: r = -0,6598

0

1

2

3

4

5

6

Zmienna 1

0

1

2

3

4

5

6

7

Z

m

ie

n

n

a

2

Korelacja: r = 0,97369

0

1

2

3

4

5

6

Zmienna 1

1,5

2,0

2,5

3,0

3,5

4,0

4,5

5,0

5,5

6,0

6,5

Z

m

ie

n

n

a

2

3,9

4,8

5,5

5,9

1,2

1,9

1,1

2,0

3,5

3,5

3,9

3,9

5,6

6,0

3,4

4,3

5,7

5,0

3,8

4,4

5,1

5,2

4,8

5,0

2,9

3,8

1,6

2,3

1,7

2,2

5,7

6,0

5,5

6,0

1,2

2,0

2,7

3,5

3,9

4,6

5,4

5,1

4,4

5,3

Zmienna 1

Zmienna 2

?

Analiza Pareto

Słu

ż

y do okre

ś

lenia najpowa

ż

niejszych przyczyn analizowanego problemu.

Opiera si

ę

na zasadzie 20/80, wg której stosunkowo niewiele przyczyn

powoduje wi

ę

kszo

ść

skutków.

Warto

ść

Skumul.

Il

o

ś

ć

p

ro

d

u

k

o

w

a

n

y

c

h

b

ra

k

ó

w

U

d

z

ia

ł

p

ro

c

e

n

to

w

y

49

31

8

3

2

2

2

1

1

1

0

20

40

60

80

100

0

10

20

30

40

50

60

70

80

90

100

Maszyna 4

Maszyna 7

Maszyna 1

Maszyna 3

Maszyna 2

Maszyna 5

Maszyna 9

Maszyna 6

Maszyna 8

Maszyna 10

80% braków

20% maszyn

background image

Statystyczne sterowanie procesami SPC

© PROQUAL Management Institute

5

Histogram

Ś

rednica kulki [mm]

L

ic

z

b

a

k

u

le

k

o

d

a

n

e

j

ś

re

d

n

ic

y

0

1

2

3

4

5

6

7

8

9

10

<= 2,6

(2,6;2,7]

(2,7;2,8]

(2,8;2,9]

(2,9;3]

(3;3,1]

(3,1;3,2]

(3,2;3,3]

(3,3;3,4]

> 3,4

T

o

le

ra

n

c

ja

d

o

ln

a

T

o

le

ra

n

c

ja

g

ó

rn

a

Ś

rednica wyrobu [mm]

L

ic

z

b

a

w

y

ro

b

ó

w

o

d

a

n

e

j

ś

re

d

n

ic

y

Tworzenie histogramu

Wartość cechy

Wartość cechy

Wartość cechy

Wartość cechy

Wartość cechy

31,82

32,01

32,01

32,05

32,23

32,60

32,95

33,03

33,05

33,06

33,10

33,12

33,26

33,26

33,28

33,30

33,36

33,54

33,56

33,75

33,78

33,79

33,79

33,79

33,82

33,82

33,86

33,95

34,21

34,22

34,65

34,69

34,69

34,72

34,72

34,81

34,81

34,81

34,86

34,87

34,87

34,88

34,90

34,92

34,96

35,09

35,12

35,16

35,28

35,29

35,53

35,62

35,78

35,79

35,86

36,12

36,25

36,56

36,56

36,59

36,75

36,68

36,78

36,85

38,52

Wynik najmniejszy = 31,82

Wynik najwi

ę

kszy = 38,52

Przedział (rozst

ę

p) = 38,52 - 31,82 = 6,7

background image

Statystyczne sterowanie procesami SPC

© PROQUAL Management Institute

6

Tworzenie histogramu

Liczba pomiarów zebranych w tabeli = 65

Liczba przedziałów =

65 = około 8

Rozst

ę

p wyników wynosi 6,7

Szeroko

ść

przedziałów = 6,7/8

1

Tworzenie histogramu

Przedział

Pomiary

Liczba wyników

w przedziale

(31-32

>

(32-33

>

(33-34

>

(34-35

>

(35-36

>

(36-37

>

(37-38

>

(38-39

>

I

IIIII I

IIIII IIIII IIIII IIIII I

IIIII IIIII IIIII II

IIIII IIIII

IIIII IIII

I

1

6

21

17

10

9

0

1

Dzieli si

ę

obszar w jakim wyst

ę

puj

ą

wyniki na 8 przedziałów o

obliczonej szeroko

ś

ci wynosz

ą

cej 1 i zlicza ile w ka

ż

dym z tych

przedziałów znajduje si

ę

wyników

background image

Statystyczne sterowanie procesami SPC

© PROQUAL Management Institute

7

Tworzenie histogramu

W zale

ż

no

ś

ci od liczby wyników w poszczególnych przedziałach, rysuje si

ę

odpowiednio wysokie słupki

Ocena procesów

background image

Statystyczne sterowanie procesami SPC

© PROQUAL Management Institute

8

Rozkład normalny

µ

σ σ

x

f(x)

Rozkład normalny - zasada 3 s

background image

Statystyczne sterowanie procesami SPC

© PROQUAL Management Institute

9

Podział kart kontrolnych

Karty kontrolne

Karty kontrolne przy ocenie

liczbowej

Karty kontrolne przy ocenie

alternatywnej (atrybutowe)

Karty podstawowe

Karty specjalne

X-R

X-S

IX-MR

Ruchomej

ś

redniej

CUSUM

Karty dla krótkich serii

p

np

c

u

Me-R

Wykre

ś

lna metoda - przykład

0,001

0,005

0,010

0,050

0,100

0,200

0,300

0,400

0,500

0,600

0,700

0,800

0,900

0,950

0,990

0,995

0,999

x

P

0

-1

-2

1

2

y

x

=

− µ

σ

1

,2

0

1

,3

0

1

,4

0

1

,5

0

1

,6

0

1

,7

0

1

,8

0

1

,9

0

2

,0

0

2

,1

0

2

,2

0

2

,3

0

2

,4

0

2

,5

0

x

Przedziały

klasowe

Liczność

Liczność

skumulowana

Dystrybuanta

empiryczna

1,20-1,30
1,30-1,40
1,40-1,50
1,50-1,60
1,60-1,70
1,70-1,80
1,80-1,90
1,90-2,00
2,00-2,10
2,10-2,20
2,20-2,30
2,30-2,40
2,40-2,50

1
1
6

17
34
47
45
18
14

3
2
1
1

1
2
8

25
59

106
151
169
183
186
188
189
190

0,005
0,010
0,042
0,131
0,310
0,557
0,794
0,889
0,963
0,978
0,989
0,994

1

Dystrybuanta empiryczna:

Sk = n

sk

/n

gdzie:

n – liczno

ść

próby,

n

sk

– liczno

ść

skumulowana w danej

grupie.

background image

Statystyczne sterowanie procesami SPC

© PROQUAL Management Institute

10

Wykres prawdopodobie

ń

stwa

Karta X-R - wzory

Górna granica kontrolna

Dolna granica kontrolna

X

Górna granica kontrolna

Dolna granica kontrolna

R

Punkt

Punkt

R

A

X

UCL

2

+

=

R

A

X

LCL

2

=

k

X

X

CL

=

=

n

X

X

=

R

D

UCL

4

=

R

D

LCL

3

=

k

R

R

CL

=

=

min

max

X

X

R

=

R

- rozst

ę

p

X

- warto

ść

mierzonej cechy

k

- liczba próbek

n

- liczba pomiarów w próbce

A

2

, D

3

, D

4

- stałe

background image

Statystyczne sterowanie procesami SPC

© PROQUAL Management Institute

11

Karta X-R

2
4
3
3

2
4
3
3

2
2
1
3

2
1
1
4

3
1
3
5

6
4
6
8

3
3
1
1

3

2

2

2

6

4

3

4

2

3

2

2

3

2

P

O

M

IA

R

Y

X

R

1

2

3

4

5

6

7

Nr

próbki

6

1

2

3

4

5

W

a

rt

o

ś

ci

ś

re

d

n

ie

UCL=4,98

CL=3,00

LCL=1,02

0

1

2

3

4

R

o

zs

t

ę

p

y

UCL=6,19

CL=2,71

LCL=0

6

5

IX-MR

8

5

3

4

3

7

7

-

1

0

4

1

1

2

P

O

M

IA

R

Y

MR

1

2

3

4

5

6

7

Nr

próbki

7

2

3

4

5

6

W

a

rt

o

ś

ci

z

m

ie

rz

o

n

e

UCL=9,72

CL=5,29

LCL=1,30

UCL=5,90

8

1

0

1

2

3

4

R

u

ch

o

m

e

r

o

z

st

ę

p

y

CL=1,50

LCL=0

9

5

background image

Statystyczne sterowanie procesami SPC

© PROQUAL Management Institute

12

Karta warto

ś

ci celowej

Karta stosowana przy krótkich seriach produkcyjnych

Warto

ś

ci

ą

monitorowan

ą

jest ró

ż

nica pomi

ę

dzy

warto

ś

ci

ą

zakładan

ą

(nominaln

ą

) a zmierzon

ą

Monitorowane jest odchylenie parametrów wyrobu od nominału

prz

X w cel

.

.

.

X

= −

Karta MA (ruchomej

ś

redniej)

Karta stosowana do obserwowania przesuni

ęć

w procesie,

które ci

ęż

ko zobaczy

ć

na kartach typu X-R

Mo

ż

na regulowa

ć

„czuło

ść

” karty na przesuni

ę

cia procesu

background image

Statystyczne sterowanie procesami SPC

© PROQUAL Management Institute

13

Karta p (ocena wadliwo

ś

ci)

Górna granica kontrolna

Dolna granica kontrolna

p

Punkt

n

)

p

(1

p

3

p

LCL

=

=

=

n

np

p

CL

n

np

p

=

n

)

p

(1

p

3

p

UCL

+

=

p - frakcja wyrobów niezgodnych w próbce
np - liczba wyrobów niezgodnych (wadliwych) w próbce
n - liczno

ść

próbki (ilo

ść

wyrobów w próbce)

-

ś

rednia wadliwo

ść

p

Karta u (analiza niezgodno

ś

ci)

Górna granica kontrolna

Dolna granica kontrolna

u

Punkt

=

=

n

c

u

CL

n

u

3

u

UCL

+

=

n

u

3

u

LCL

=

n

c

u

=

u - liczba niezgodno

ś

ci na jednostk

ę

w próbce

c - liczba niezgodno

ś

ci

n - liczno

ść

próbki (ilo

ść

wyrobów w próbce)

-

ś

rednia liczba niezgodno

ś

ci na jednostk

ę

u

background image

Statystyczne sterowanie procesami SPC

© PROQUAL Management Institute

14

Wska

ź

niki zdolno

ś

ci

Wska

ź

niki zdolno

ś

ci jako

ś

ciowej

Zastosowanie:

pozwalaj

ą

bada

ć

mo

ż

na zdolno

ść

(jako

ść

) procesów

pozwalaj

ą

bada

ć

zdolno

ść

maszyn

na podstawie wska

ź

nika, okre

ś

li

ć

mo

ż

na m.in. wadliwo

ść

produkcji

jakiej nale

ż

y si

ę

spodziewa

ć

przy danym procesie (lub maszynie)

background image

Statystyczne sterowanie procesami SPC

© PROQUAL Management Institute

15

Wska

ź

nik zdolno

ś

ci Cp i Cpk

s

6

Td

Tg

C

p

=

Tg (Td) - górna (dolna) granica tolerancji
s

- odchylenie standardowe

=

s

3

Td

x

;

s

3

x

Tg

min

C

pk

Wska

ź

niki

Cp=Cpk=1

X

ś

r.

=X

nomin.

Td

Tg

Cp=Cpk< 1

Td

Tg

X

ś

r.

=X

nomin.

Cp=1 > Cpk

Td

Tg

'

X

nomin.

X

ś

r

Cp=1 > Cpk

Td

Tg

X

nomin.

X

ś

r.

background image

Statystyczne sterowanie procesami SPC

© PROQUAL Management Institute

16

Badanie zdolno

ś

ci

jako

ś

ciowej maszyn

Badanie zdolno

ś

ci

Procesu

– Cp i Cpk

– badania systematyczne

– wykorzystanie wyników z kart

kontrolnych

Maszyny

– Cm i Cmk

– badania krótkotrwałe

– wykorzystanie du

ż

ej próbki

wyrobów (min. 50)

background image

Statystyczne sterowanie procesami SPC

© PROQUAL Management Institute

17

Wska

ź

niki C

m

i C

mk

lub

s

6

T

T

C

d

g

m

=

s

8

T

T

C

d

g

m

=

=

s

3

Td

x

;

s

3

x

Tg

min

C

mk

lub ...

Wska

ź

niki - podsumowanie

Oznaczenie

wska

ź

nika

Nazwa

wska

ź

nika

Wyznaczanie odchylenia

standardowego

Uwagi

C

p

, C

pk

Wska

ź

nik

zdolno

ś

ci

procesu

2

d

R

=

σ

lub

4

c

s

=

σ

-

dane pochodz

ą

zwykle z kart

kontrolnych,

-

proces jest ustabilizowany

statystycznie.

P

p

, P

pk

Wska

ź

nik

wykonania
procesu

( )

=

=

i

i

x

x

n

s

2

1

1

σ

-

proces nie jest ustabilizowany

lub

-

rozpoczynamy monitorowanie

procesu.

C

m

, C

mk

Wska

ź

nik

zdolno

ś

ci

maszyny

( )

=

=

i

i

x

x

n

s

2

1

1

σ

-

badania s

ą

krótkotrwałe,

-

du

ż

a liczba pomiarów,

-

zapewnione s

ą

optymalne

warunki pracy maszyny.


Wyszukiwarka

Podobne podstrony:
Statystyka dzienne wyklad15, Metody statystycznego sterowania procesami (SPC)
SPC 01, SPC- Statystyczne Sterowanie Procesem
SPC 07, SPC- Statystyczne Sterowanie Procesem
Statystyczne sterowanie procesem
Statystyczne sterowanie procesem
Statystyczna kontrola procesu SPC przy pomocy kart kontrolnych Shewharta
C4 86w8 SPC Statystyczne sterowanie
SPC Statystyczne sterowanie jakością
Staliwa węglowe i konstrukcyjne stopowe, Inżynieria chemiczna i procesowa, Materiało- i maszynoznaws
sterowanie procesami ciaglymi
zad na kolosa2, nauka, PW, sem 6, sterowanie procesami cieplnymi
fragment prezentacji, Medycyna, Farma
2. Sterowanie procesami - zadania, pytania egzamin inżynierski AiR ARS
Materiały izolacyjne, Inżynieria chemiczna i procesowa, Materiało- i maszynoznawstwo, prezentacje
Sprawozdanie L1 (1), Automatyka i Robotyka studia, 3 rok, STEROWANIE PROCESAMI CIĄGŁYMI
Ruch w procesie rehabilitacji, Fizjoterapia, Prezentacje
9 Sterowanie procesem wnioskowania
Rola enzymw w procesie produkcji piwa, prezentacje

więcej podobnych podstron