CPK计算SPC

null SPC 基础知识及应用 统计学是现代品质管理的基石，是过程管理中最重要的工具。具体到我们SMTIPQC来讲就是QI软件，这份教材主要讲述QI软件的主要控制原理及其使用。 涉及到统计就必然跟数据有关，存储数据的大型文件叫数据库 Data Base简称DB。在QI软件中，如图，我们可以看到数据是存在一个叫2DPMO.SPC的文件中。这个 表格 关于规范使用各类表格的通知入职表格免费下载关于主播时间做一个表格详细英语字母大小写表格下载简历表格模板下载 是不是很熟悉，对，它就是EXCEL格式的数据文件。 null第一章 CP 与CPK CP 和CPK 是描述制程能力的重要指数。当产品的规格线不变，CPK 越高 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 示制造能力越强。下面我们看看CP和CPK是如何计算的。Cp =T6Cpk = (1-K) × CpCP: Capability of Process 制程能力 : Standard Deviation 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 偏差T : USL－LSL 规格限宽度K : 规格线中心值（目标值）和 实际数据均值/mean/ X的偏移系数  =1n-1∑i = 1n( X -X)i 2 标准偏差  是衡量数据离散程度的指数， 越大表示数据离散程度越高，大小越不均匀。1 计算CPKnullK= 2 × M－X TM=2USL+LSL计算CPK的顺序:计算平均值X和 计算T得出CP计算M、KCPK例：表格中的数据是某班测量锡膏厚度的值，工艺允许的范围是130～220，求该组数据的CPK。计算平均值X和 X＝（159＋168＋179＋165＋…+171+182)÷ 24=170.33 在EXCEL中用’ =average(A1:F4)’命令可直接算出从A1(左上角)到F4（右下角）范围内的数据的平均值。null同样’=STDEV(A1:F4)’可以计算它们的标准偏差。计算TT＝USL－LSL＝220－130＝90 220＋130 2得出CPCp = = = 2.20T6906 × 6.831计算M、KM= = = 175 USL＋LSL 2 2 × 175-170.33 90K= = = 0.103 2 × M-X TnullCPKCPK=(1-K) × CP = (1-0.103) × 2.20 = 1.97※CPK的另一种算法CPU：CPU= USL-X3 × CPL：CPL= X -LSL3 × CPK=MIN(CPL:CPU)两种方法计算结果是一样的,有兴趣的话可以自己验证一下null习题一1、某生产线录得烘炉最高温度如下，工艺许可范围是215～225，用两种方法求该组数据的CPK。2、思考题 某线A、B班分别生产WALL(7.0 ± 2..0 ) 和ECSM （5.5±１.５) 产品，测量锡膏厚度，QI软件计算CPK都是2.0, 问哪个班制程能力强,为什么?3、思考题 生产线CP值高CPK就一定高吗? 为什么。null2 QI软件是如何计算CPK ?X Max : 测量最大值Mean: 平均值X Min: 测量最小值Std Dev: 标准偏差USL : UP STRICT LINELSL : LOW STRICT LINEUCL : UP CONTROL LINELCL: LOW CONTROL LINEnull2.1 让帮助文件告诉我们FIRST: 寻找帮助,点击术语表SECOND:点击你想知道的术语小框框里的英文就是名词解释THIRD:点击这里 会有计算公式哦^o^nullyes2.2 This isnull第二章 如何判读QI软件图1 数据的分布 数据大体可以分为两种类型：计量型measure、计数型count。其中计量型数据大部分服从正态分布 。通俗讲正态分布是指中间多两边少的分布形式。讲个最简单的例子，我们现在统计全国青少年的身高，发现70％的人在170cm左右，超过190cm的很少，同样小于150cm的也很少，我们就说身高的分布情况符合正态分布。 右图是锡膏厚度图，可以看见锡膏厚度大部份都是140左右（在两条平行线内），接近控制线的数据是很少的。我们可以说锡膏厚度的分布是服从正态分布的。null1.1正态分布图 这就是正态分布图，可以看到该图有两个重要参数:平均值μ和标准偏差σ。图上的曲线是概率密度曲线，在X=+ σ、X=- σ以及曲线所组成的面积 （即阴影部分） 称为数据分布在( μ - σ, μ + σ )范围内的概率。事实上只要数据服从正态分布，这个 （即阴影部分）面积是固定的：0.6826即68.26% μ± 2σ界限范围内的概率是 95.46% μ± 3σ界限范围内的概率是 99.73% 6σ是LG对我们的要求,这是什么概念呢?3.4 PPM,即百万分之3.4。从工艺角度来讲即：USL= μ＋6σ，LSL＝ μ－6σ。1σμ (平均)μ +3σ3σnull1.2正态分布图（续）规格下限 (LSL)-6σ-5σ-4σ-3σ-2σ-1σχ+1σ+2σ+3σ+4σ+5σ+6σ规格上限 (USL) 这就是达到6sigma水平时的正态分布图，我们知道规格线制定以后就不会改变。唯一可以改变的是数据本身，当整体偏大时，分布情况就会往规格上限偏（虚线）；反之，则往规格下限偏。 由图可知: USL= μ＋6σ，LSL＝ μ－6σ ;σ=(USL-LSL)/12 当我们制程改进，工序水平达到7sigma时 USL= μ＋7σ’，LSL＝ μ－7σ’ ; σ’=(USL-LSL)/14 σ’ < σ, 从公式可以推出制程改进后的标准偏差是比改进前的小。 σ小就说明数据变动范围小，从而说明制程更稳定。null规格下限 (LSL)-6σ-5σ-4σ-3σ-2σ-1σχ+1σ+2σ+3σ+4σ+5σ+6σ规格上限 (USL)规格下限 (LSL)规格上限 (USL)+7σ’-7σ’σ’σ改进前 6σ改进后 7σ 同样的规格限，可以看到改进后的数据分布比改进前密集，就是说数据变动更小，更稳定。null1.3 CP(CPK) 大就一定好吗?这个问题并不是哗众取宠，事实上这个问题很重要。首先我们回顾一下通过什么“ 手段” 可以获得“ 好看” 的CP/CPK。Cp =T6龌龊的手段：扩大规格限范围，这样T就会很大。T光明正大的手段：努力改善制程，减小标准偏差。  两种方法都可以获得客户要求的CP、CPK，从品质角度来讲，我们必须扎扎实实改善我们的制程能力，坚决反对弄虚作假。品质是做出来的，不是吹出来的。