|
|
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！
) z% I* v' Z* m% ] ]4 W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）。
8 K- d1 N6 o5 P. T! \7 R$ c8 O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。* z( e& k Z# i9 t3 a* X5 i" Y3 \
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。
1 o* k, l: S' Z; Q+ w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。
2 g) ~/ ~$ |8 A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。
7 u2 Z) H. s; ^; a$ e5 g至于具体怎么弄就要更具你的具体情况了！/ \7 w1 U9 L8 w' R1 \! T* j5 z
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。, L. s0 D/ }* z4 ]2 ^2 z
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。* k/ a; m% `0 i$ v" L8 s/ V
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。3 {% }: \/ E# \& l4 t' q: R, a
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！, n! y! o e8 \
哇，敲了这么多字，好累！ |
评分
-
查看全部评分
|
[复制链接]
楼主