SPC高手（P图）请进

最新回复

• interant (2008-8-28 15:07:35)

  还做什么控制图啊，根本没到那个阶段。先做个排列图，鱼刺图解决问题吧。

• clarkhe (2008-8-28 15:10:57)

  建议LZ先查查下面图形所对应因素产生突发异常的原因.看你下面那个图形, 应该可以得到有效控制的.

• 鼯鼠幽灵 (2008-8-28 15:20:24)

  这么多点超出上界，有意思嘛？ 台阶

• lvhh1 (2008-8-28 15:35:05)

  1.要先看具体数据
  2.控制上下限是不是自己输入了而非计算机计算的

• gqy18 (2008-8-28 15:37:52)

  先找出突发点的问题,可能是生产的条件出现状况.然后去分析其他稳定状态的点,或许是加工工艺或者产品设计存在差异.

• haifeng1205 (2008-8-28 16:01:00)

  1.要先看具体数据
  2.控制上下限是不是自己输入了而非计算机计算的
  转载请注明出自六西格玛品质论坛 http://bbs.6sq.net/,本贴地址:http://bbs.6sq.net/viewthread.php?tid=190066

• renshanlu (2008-8-28 21:54:28)

  先做分析控制图，等将异常的问题解决了再说。从你现在的图来看，你的总不良率有逐步升高的趋势，而折痕的不良率有逐步降低的趋势。在做控制图时，可以先用runchart看看趋势。

• wyhhd (2008-8-28 21:59:05)

  我是做体系的，因为和QCC有关，所以计算一下P图。图表是用MINITAB计算了，用EXCEL也验证了，没问题的。
  
  又验证其它比较稳定的产品，基本都是有三分之一以上的超限点。可惜，连把这个异常报告出来的途径也没有，谁让负责体系呢。
  
  只好运用私人关系，看能不能收集一些数据分析哪些工序不稳定了。

• atp4210 (2008-8-28 22:20:37)

  1、28个批次都是同一生产线的吗？
  2、哪些因素会引起这么大的波动，是否包括了操作工人的因素？
  3、计算控制线要剔除异常点、要有足够的数据的，否则控制线没意义

• verdy (2008-8-30 20:51:58)

  从图上看，过程非常不稳定，如果推SPC的话，目前的阶段就是分析用阶段，通过改进过程使过程趋于稳定，如果过程不稳定的话，这种图是常见的，也是正常的。

• Cliff-Gu (2008-9-02 10:36:23)

  顶 顶 顶 顶 顶 顶 小芝麻

• wenzi (2008-9-02 11:22:14)

  控制界限是怎么 得到的？？

• 质量无罪 (2008-9-02 13:21:52)

  欧阳大师曾经对此问题有一个精辟的解答．
  从图上来看，好象是过程不受控，而实际上你的过程可能是受控的，只是控制图有的时候会误导别人．
  在做Ｐ图的时候，对Ｎ有一个限制，通常取１／Ｐ＜Ｎ＜５／Ｐ．
  另外，Ｐ图很重要的一点就是，必须是过程的，要把某时间段的数据取出来，而不是一大段的时间取出来，如连续的某１０分钟的数据，而不是某天的数据积攒起来做Ｐ图．

• maozj_2006 (2008-9-03 19:28:42)

  从图上看，过程非常不稳定，如果推SPC的话，目前的阶段就是分析用阶段，通过改进过程使过程趋于稳定，如果过程不稳定的话，这种图是常见的，也是正常的。

• fiters (2008-9-03 19:44:28)

  大眼一看,大部分都超出管制线了..是应该好好的管控哦.但这种现象也是比较正常的.

• zhaijian2001 (2008-9-23 09:45:21)

  可能掺杂了不同项的数值吧~同一个类别的值不可能差别这么大吧~~

• oxmhjf9975 (2008-9-23 10:06:35)

  同意14楼的说法，这样理解思考应该更加符合SPC的使用要求。

• maodi (2008-9-25 10:15:21)

  P图/nP图是针对离散数据的控制图，要求离散数据服从二项分布。
  二项分布定义：进行 n 次重复试验，出现“成功”的次数的概率分布称为二项分布。
  
  需要提的是：二项分布与贝努里试验有关，贝努里试验具有如下属性：
  1）试验包含了n 个相同的试验
  2）每次试验只有两个可能的结果，即“成功”和“失败”
  3）出现“成功”的概率 p 对每次试验结果是相同的；“失败”的概率 q 也相同，且 p＋q = 1
  4）试验是相互独立的
  5）试验“成功”或“失败”可以计数；
  如果上述前提不能满足，此时应用P图就是不正确的。回过头去看看P图控制限是如何计算的？其基本假设就是二项分布，如果这个假设不成立，其控制限计算也就是错误的。
  典型的问题有：
  问题1：n次试验中，各次试验的p值并不相同。  比如将不同班次、不同产线出来的产品，人为拼在一起。 如果不能保证各班次或者各产线其固有的P值相同，那么混在一起就会出问题。
    比如
    产线1固有的不合格率为P1，试验次数是n1，产线1内各产品成为不合格的概率均为P1；
    产线2固有的不合格率为P2，试验次数是n2，产线2内各产品成为不合格的概率均为P2；
    在P1＝P2的情况下，将产线1和产线2的数据放在一起构成1Group，这个时候，Group内部各产品成为不合格的概率依然是相等的，因为P1＝P2；
    而在P1≠P2的情况下，将产线1和产线2的数据放在一起构成1Group，这个时候，Group内部来自产线1的不合格概率为P1，来自产线2的不合格概率为P2，就无法保证Group内部每个产品成为不合格的概率相等的条件，基于Group的数据实际上就不是二项分布的。
    所以，P图应尽可能针对同一产线，同一批次来制作，目的是尽可能保证 n次试验中，出现“成功”的概率 p 对每次试验结果是相同的。
  
  问题2：n值太大，导致P图误发警报。
    p图的控制限：p±3Sqrt（P(1-P)/n）——说明一下，实际公式中不是P，而是P－bar，上面一横打不出来；
    n越大，控制限间隔就越小，当n大到一定程度，上下控制限就几乎重叠了，这个时候P图会误发很多警报。上面14楼，提到对N的要求，我想与这个也有点关系。
  
    此外n太大，还会引发其他问题：   
    a）比如对于产品合格与否需要靠人工一个一个检验来判断，那么可能就需要很多人来检验，这个时候就带来的测量系统一致性的问题，即如何能保证不同检验员判断的一致性，如果不能保证一致性，会导致不同产品判为不合格的概率不同。
    b）再比如，产品的检验结果会随着时间出现变化的情形，如果n很大，就可能带来检验的时间跨度增加，上午检验可能是合格的，而如果等到下午检验就会不合格。这两种情况不一定会碰到，但是还是要提醒一下。
  问题3）n次试验中，各次试验并不独立。假如火炮的打击精度与炮管的温度有关，连续设计的火炮，每发一炮，其炮管温度都会上升，都会影响到续发炮的精度，这个时候各次发炮之间其实是不独立的。
  以上个人见解，供参考。
  
  [ 本帖最后由 maodi 于 2008-9-25 10:19 编辑 ]

• 烟头灭了 (2008-9-26 08:50:55)

  首先通过现场管理将Outlier的原因找出来,这类原因我们可以称异常原因,针对这些异常原因进行改善然后标准化
  或者,可以考虑收集更多的数据看一看,搞不好,你的制程是稳定的,只是说非常烂的状态下的稳定