質量管理五大工具 【必讀】spc控制圖深度應用(上)

工程质量
2粉絲
8 次觀看·2026年5月15日
AI 生成·可能包含錯誤
首先我們其實講一講SPC控制圖的一個基礎理論
其實我們都知道SPC控制圖其實是休哈特發明的
或者是休哈特開始創造的
它其實主要是結合各種的控制圖與我們的過程能力進行結合
同樣形成我們所說的SPC或者是統計過程控制
當然控制圖一個很重要的建立的或者是基礎理論
就是它通過μ-3σ建立控制線
從而的話成立或者是建立我們的控制圖
將我們的普通原因以及特殊原因進行分開
所以首先大家記得第一點μ-3σ是我們的一個主要的應用理論
而這個應用理論其實基於的一個前提就是什麼
我們的質量特性一般要求是服從正態分佈的
只有說我們的質量特性服從正態分佈
我們才能說建立我們常規的控制圖
從而的話使用μ-3σ作爲我們的控制線
所以這裏的話大家先記得一點
就是我們正態分佈是我們常規控制圖的一個基本的應用理論
所以大家可以看一看
就是如果說我們的質量特性服從正態分佈的話
如果我們質量的特性值
或者是我們某一產品的特性
或者某一產品的尺寸
或者是測量值落在了我們μ-3σ區域之外
它的概率的話是0.27
那麼大家其實都知道
小概率的事件通常不會一次發生
如果發生的話
就是很很大程度上來說的話
就是代表着我們的生產過程可能是不穩定的
或者說我們的生產過程是有特殊原因存在的
其實基於這一頁的展示
主要跟大家說的第一點的話
就是我們常規控制圖的應用理論是正態分佈
如果有小概率的事件發生的話
就代表着我們生產過程是有特殊原因的
或者是我們的生產過程是不穩定的
這也就是我們主要的SBC控制圖的一個應用
所以大家這個基礎應用理論一定要記得
就是我們第一點是我們的數據是服從正態的
第二點的話
小概率事件不可能發生
如果發生的話
就代表着我們生產過程是有異常的
是不穩定的
不受控的
只要大家先記得這兩個基本理論就可以
其實SBC的原理示例圖
大家可以看一下
這個分佈也是正態分佈的一個應用
其實就是把正態分佈放倒過來去看
但是同時它又把1、2、3、σ分爲了A、B、C
三個區域
那麼既然分成三個區域的話
也就代表着除了我們前面所說的
如果有一點落在我們的μ加點3σ區域之外
算是一個判義準則
那麼必然也有其他的判義準則
那麼其他的八條判義準則有什麼呢
其實這裏大家可以看一看
比如說連續9點落在中心線的同一側
這也屬於我們一條判義準則
這些事件的發生就是
這八條判義準則或者是異常準則的發生
通常來說都是小概率事件
小概率事件正如我們前面所講的
通常不會在我們生產過程中發生
如果發生的話
就代表着我們的生產過程是有什麼的
是有異常的
有人很多就問了
老師我怎麼樣應用這八條判義準則
咱也先不要着急
我們後面給大家講
通過軟件結合這八條判義準則一起來使用
當然這個大家一定記住
這個是我們的常規控制圖
八條判義準則
好
我們接下來去講一講
接下來給大家講講
接下來我們給大家講一個常規的
計量型控制圖的一個應用
就是我們最常見的
其實就是我們所說的均值極差控制圖
就是我們所說的X82控制圖
這個是我們在生產過程中最常見的
那麼這個案例大家可以看一看
大家可以看一看這個案例
我們給大家講一講這個案例
怎麼樣應用常規控制圖
比如說某機家車間
CNC設備連續生產彎管
那麼其溝槽寬度
這個是我們的質量特性
是一個重要的質量特性
然後也把公差給我們了
公差代的話
其實就是10.9到11之間
我們對溝槽寬度
需要進行生產控制
每半個小時抽樣一次
然後每次也抽取5個產品
共計抽樣25次
大家可以想象
每次抽5個
一共抽25次
那麼一共得到的話
其實就是125個樣品
這裏也告訴大家一個前提
就是我們經檢驗
溝槽寬度已經服從正態分佈了
接下來讓我們試繪製均值極差控制圖
這裏的話
這裏的話先簡單的做一個小調查
直播間的同學
你們公司在繪製我們所說的控制圖
尤其是我們常見的均值極差控制圖
大家使用的是什麼軟件
比如說使用Excel的
大家可以在公屏里扣個1
比如說如果大家使用minitype的
大家可以在公屏里扣個2
有人說QDAS或者JUMP
JUMP的話是不是你所說的JMP
我看這裏姚說QDAS
QDAS的話應該是自動抓取數據
應該是這樣
猴子窩頭說JUMP
我不知道你說的JUMP是不是所說的JMP
然後EZ說的是2
minitype
然後大家這裏有沒有使用1的
就使用Excel的
有沒有使用1的
Excel的
如果有的話
大家在公屏里扣個1
有沒有使用Excel的
使用Excel的話
大家可以在公屏里扣個1
看樣子沒有人使用Excel
看樣子是沒有使用Excel
是這樣
我們不是說比克大魔王說使用Excel
還是有人使用Excel的
是這樣
我們說不是
不能說大家使用Excel
只不過的話
現在有很多客戶說你使用Excel的話
那麼你Excel背後的計算邏輯
是不是正確的
比如說你是不是驗證了數據的一個服從
正態分佈
對不對
以及你8條判議準則
是不是都同時在Excel進行體現了
那麼通常這些來說
如果你用Excel證明
其實是比較困難的
是比較困難的
我們常規控制圖
所以這也就是爲什麼很多的主機廠的SQE
尤其是主機廠的SQE
並不習慣
或者並不接受Excel的分析
Excel的分析
當然這只是我的一些經驗
只是我的經驗
好
接下來的話
我們給大家用ManyType展示一下
ManyType展示一下
接下來我用ManyType給大家去展示一下
這個數據
展示一下怎麼樣生成我們的均值及差控制圖
好
我們用數據
或者用Excel
或者用ManyType給大家展示一下
怎麼樣生成我們的均值及差控制圖
好
我們打開我們的數據
打開我們的應用數據
好
大家可以看一看
大家可以看看
我們125個數據
25個子組
都在我們的C2列
我們怎麼樣繪製我們的均值及差控制圖呢
這裏我給大家快速的演示一下
統計
大家可以看看
這裏有個控制圖
我們選擇子組變量控制圖
爲什麼選擇子組變量控制圖
因爲我們是進行分組的
而這裏我們選擇均值及差控制圖
好
我們在我們的對話框裏
錄入我們的C2列
然後子組大小的話
大家其實都知道是不是五個爲一組
這個是我們的抽樣原則
我們這個案例的一個抽樣
五個樣本爲一個子組
所以輸入5
然後這裏大家要注意了
點擊均值及差選項
X bar選項
這裏大家點擊檢驗
通常默認來說
我們只有通常默認或者軟件的默認來說
我們只執行一個特殊原因的檢驗
就是說什麼呀
超出我們正負三Sigma
但是大家都知道
我們常規控制圖其實是有八條判議準則的
所以我們這裏要執行所有的特殊原因檢驗
我們選擇執行所有的特殊原因檢驗之後
大家可以看看
我們這八條判議準則也就同時出現了
我們點擊確定
我們再點擊確定就可以
我們等一等
等一等這個數據的處理
接下來大家可以看看這個均值及差控制圖
其實從這裏的話
是不是沒有紅點的出現
沒有紅色的點出現的話
就代表着什麼
沒有特殊原因的存在
或者是我們的生產過程是什麼
穩定的、受控的
如果說有紅色的點出現的話
沒那太合適
下面就會告訴你違反了第幾條判議準則
會在下面生成一個對話框
告訴你已經不滿足哪一條目了
但是就目前我們這個案例來分析來說
是沒有任何問題的
是沒有特殊原因存在的
這個就是我們常規控制圖的一個應用
然後接下來我們會給大家講講
那麼如果不滿足常規控制圖的一些基礎
或者是一些什麼基礎條件
那麼我們怎麼樣應用控制圖
或者是怎麼樣做我們的非常規控制圖
這個也是我們這節課給大家講的很重要的一部分
我們去講一講非常規控制圖是怎麼應用
其實前面給大家說了是不是
常規控制圖或者我們所說的控制圖理論
其實是誰提出來的
是希沃哈特提出來的
對不對
它是以μ加點3σ建立控制線
來區別我們過程的特殊原因和普通原因的
所以常規控制圖的應用
其實是有一些理論前提的
那麼理論前提是什麼呢
或者說我們滿足什麼樣的前提條件下
我們才能使用我們的常規控制圖呢
其實需要滿足三個條件
那麼第二個條件
其實前面也給大家講到了
就是數據大體上是服從正態分佈的
這個也是我們前面所說的μ加點3σ
建立控制線的一個理論前提
那麼除了第二部分數據大體服從正態分佈
那麼其實很重要的一點是什麼呀
我們的數據必須是相互獨立的
那麼怎麼樣去驗證我們的數據是相互獨立的呢
我們後面會給大家講到
怎麼樣驗證我們的數據相互獨立
或者說如果數據不獨立
我們還能不能使用控制圖呢
也會給大家去提到
那麼第二點
其實我們說了就是數據大體上是服從正態分佈的
那如果說數據不服從正態分佈
我們有沒有辦法做控制圖呢
我可以給現在給大家一個準確的答案
可以是可以的
但是怎麼做呢
我們後面會給大家講到
然後我們常規控制圖的第三條理論前提是什麼呀
過程變異只有隨機誤差
什麼是隨機誤差呢
大家這裏先不要着急
我們會給後面會給大家講的
其實嚴格上來說
我們必須驗證這三個條件
才能繪製我們常見的常規控制圖
比如說均值及差控制圖
然後這些條件如何去驗證呢
我們一條條來講
首先的話
我們需要驗證數據之間是不是相互獨立的
我們怎麼樣進行驗證
然後數據之間是相互獨立的
其實大家可以看看
我們其實這裏應用了一個假設檢驗的基本原理
是這樣
我們首先假設數據是相互獨立的
那麼備則假設的話
數據是不獨立的
那麼其實這個就是應用了我們假設檢驗的一個基本原理
那麼我們必然有一個分水嶺
那麼分水嶺是什麼呀
是我們常說的一個顯著性水平
判斷P值是不是小於0.05的
如果P值小於0.05的話
就代表着我們數據是不獨立的
如果P值不小於0.05的話
我們沒有辦法去說明
或者沒有辦法去拒絕數據是相互獨立的
好
我們接下來很多說
那我們怎麼樣去驗證
或者是通過我們的ManyType
怎麼樣去驗證呢
這裏的話
我們首先講幾個比較有意思的概念
就是劇類性
吻合性
趨勢性
以及振動性
這個主要這四個性
這四個性主要是判斷我們數據
判斷我們數據是不是獨立的一些什麼樣
分指標
大家可以這麼理解
在四性的判斷
如果說有一個P值小於0.05的話
就代表着我們的數據不獨立
好
這裏大家只需要記住怎麼應用就可以了
我們今天不講過多的
我們今天不講過多的一些理論的知識
然後這裏我只需要告訴大家怎麼應用
因爲我們今天的課主要是應用課
是這樣
好
我們接下來會給大家講
我們怎麼樣去驗證數據是不是獨立的
好
我們還是首先看一個案例
我們還是看一個案例
比如說某項目的活塞箱
Home直徑爲關鍵特性
那麼圖紙對其他的要求
其實控制也比較嚴
大家可以看看
這是公插帶
然後供應商在提交PPAP資料時
對該尺寸進行了一個過程能力的研究
然後但是它這個數據的話測量的比較少
我們先不去考量它數據滿不滿足數據量
或者是樣本量滿足不滿足要求
我們先來分析一下
這些數據是不是相互獨立的
怎麼樣分析呢
我們這裏還是推薦大家去使用minitab
來去驗證數據之間的一個獨立性
好
我們打開我們的數據
大家可以看看
這個是我們的數據
30個數據
我們怎麼樣去驗證數據之間是不是獨立的呢
我們在哪裏呢
大家根據我的操作演示了
在統計、質量工具
這裏有個運行圖
大家選擇運行圖
然後單列的話
其實我們要研究的就是C2列數據之間的一個獨立性
所以我們點擊C2
子組大小的話
其實我們沒有進行分組
所以子組大小屬於1
好
然後我們點擊繪製子組中位數運行圖
好
我們點擊確定就可以了
接下來我們去判斷四性的一個P值
判斷四性的一個P值
我們這四性的話
其實前面給大家講了
對不對
聚類性、混合性、趨勢性以及振動性
好
然後大家通過這幾個P值來判斷一下
我們數據是不是獨立的
大家把你的答案答在公屏上
大家根據這四個P值來想一想
我們數據之間是不是獨立的
各位同學數據是不是獨立的
好
既說不是
後得不在務
因爲大家可以看一看
我們的聚類性的P值是0.6
混合性的P值0.3
我們振動性的P值0.999
是不是
那麼這些都大於0.05
但是我們趨勢性的P值是0.001
明顯小於0.05
就代表着我們需要接受備則假設
備則假設的話是什麼樣
數據不獨立
所以大家一定記得這四類
或者是這四性的P值
如果有一個P值小於0.05的話
就代表着我們數據不獨立
所以我們通過這個軟件就能去驗證
我們數據是不是相互獨立的
好
我們接下來去給大家講一下
我們的第二部分驗證
第二部分
就是如果說我們數據非不滿足正態分佈的話
我們怎麼樣去做我們的控制圖
好
我們首先其實第一點的話
還是要驗證我們數據的一個正態分佈性
或者是正態是不是滿足正態分佈的
怎麼樣去進行驗證的
我們還是通過一個案例
給大家去驗證或者是看一看
好
大家可以看一看這個案例
生產線爲對羅山扭矩進行研究
計劃做控制圖時
收集數據如下
我們需要分析一下數據是不是滿足正態分佈的
那麼其實我們還是需要把我們的數據先打開
然後接下來我們需要驗證我們的數據的一個正態性
怎麼樣進行驗證的
統計
基本統計
大家可以看看這裏也有個正態性檢驗
好
錄入我們的研究數據列
就是C1列、扭矩列
好
然後我們點擊確定就可以了
好
大家可以看看
這裏的P值是0.115
我們的原假設是什麼
數據滿足正態分佈
我們的備則假設是什麼
數據不滿足正態分佈
這個P值明顯大於0.05
所以我們沒有辦法拒絕原假設
所以我們可以認爲數據是服從正態分佈的
這個就是我們的正態性的一個檢驗
好
那麼其實剛纔給大家說
如果數據不滿足正態分佈
我們怎麼樣做控制圖
那麼我們給大家找一個其他的案例
當然講到其他案例的時候
這裏的話其實還是有一些理論前提在的
然後我們先來看一看我們的一個應用前提
應用前提是這樣
就是非正態數據
我們非正態數據怎麼樣做控制圖
這個是有一些理論
比如說如果數據是非正態的時候
我們需要通過將數據轉換
然後將其非正態數據轉換爲正態數據
然後我們就可以對我們的正態數據進行控制了
那麼這裏
大家先記着
就是我們通常使用的是密函數的一個轉換的方式
方法就是什麼
我們通過密函數轉換
然後又生成或者找到一個合適的lambda值
通過這個lambda值
我們對原來的數據進行密函數的轉換
然後生成正態的數據
接下來我們就可以對正態數據進行什麼了
我們的控制圖的應用控制了
這個就是我們非正態數據怎麼樣做密函數的轉換
將其轉換爲正態數據的一個理論前提
其實這個原理也很簡單
就是找到一個lambda值
將我們原來的數據轉換爲正態數據可以
所以這裏很重要的一點
就是需要找到一個合適的lambda值就OK了
這裏的話我們還是先看一個案例
我們通過案例來給大家進行展示
好
我們首先的話
大家先不要看C2、C3、C4或者是C5列
我們首先關注一下C1列
就是我們的雜質含量這一列
我們首先看一看這些數據是不是滿足正態分佈的
對不對
我們首先第一步是幹嘛
其實還是要看我們的質量特性
滿足不滿足我們的正態分佈怎麼做呢
其實前面給大家去演示過了
統計、基本統計、正態性檢驗
我們的質量特性是我們的C1列
雜質含量
所以輸入我們的C1
然後點擊確定
好
這裏問一下大家
這個數據服從不服從的正態分佈
各位同學把你的答案打在公屏上
數據服從不服從正態分佈
現場的同學
大家把你的答案打在公屏上
好
謝謝厚德不在乎
或者好
謝謝
海瀾不服從AD值
什麼意思
AD值的話是另一種檢測方式
大家不需要去理解AD值
我們只需要記得這一個P值就可以了
AD值屬於我們檢測方法
不同的檢測方法有不同的數值
我們一開始選擇的是AD方法
你不需要記得就可以
你先不需要理解
你只需要記得P值就可以了
好
其實是不服從正態分佈的
因爲我們P值小於0.05了
肯定不滿足正態分佈的一個要求
那麼接下來我們就需要將我們的非正態數據
也就是我們的C1列轉化成正態數據
對不對
那麼我們通過什麼方式進行轉化呢
這裏我給大家舉一個
我給大家操作演示一下
將我們的C1列非正態數據轉化爲正態數據
其實我們前面給大家講到了一個理論
對不對
我們需要選擇一個合適的Lambda值
我們先要找到一個Lambda值
這個值很重要
那麼這個Lambda值是多少呢
這裏我給大家進行一個操作和演示
在統計
控制圖
大家選擇密函數轉換
先選擇密函數變換就可以
好
我們還是錄入我們的C1列雜質含量
大家可以看一看
我們雜質含量其實是五個爲一組的
我們在抽樣時
我們在抽樣時是五個爲一組的
所以我們組織大家選擇5
好
我們點擊確定就可以
然後這裏看
它推薦了一個Lambda值是什麼
Lambda值是不是0
對不對
它推薦了一個Lambda值是0
所以我們需要對我們的原數據進行轉化
而轉化的公式
Lambda0是在這裏
對不對
所以我們需要對原來的質量特性
進行long y的一個轉換就可以了
好
然後接下來我們對原數據進行轉換
這裏怎麼轉換呢
大家可以啊
我使用minitab給大家去操作一下吧
我使用minitab給大家去操作一下
大家可以看一看
好
我們原始的數據
也就是我們的C1列
因爲C1列是我們的原始數據
去進行轉換
轉換生成我們的long y
對不對
是將我們的原始數據轉換成long C1
這些數據
對不對
怎麼樣做呢
然後這裏我給大家去演示一下
我去給大家演示一下
大家根據我的操作演示來
在我們的計算計算器裏
這裏我可以快速的給大家去演示一下
比如說我們將我們的結果存在我們的C7列
我們就輸入C7
然後這裏的話
我們選擇對數
好
我們選擇自然對數
因爲long y的話就是屬於我們的自然對數
好
我們點擊自然對數
然後在數字這一列
我們輸入我們的C1
點擊確定就可以了
好
大家可以看看
這個就是將我們的C1列
然後去自然對數
就是我們的long C1
我們給這裏標識一下
對不對
那麼接下來
其實我們去驗證一下
我們把我們的原來C1列取了一個自然對數
是不是
那麼是不是滿足正態分佈的
我們快速的進行一下驗證
統計
基本統計
正態性檢驗
好
我們驗證我們的C7列
好
我們確定
大家可以看看
我們將原始數據轉化完之後
我們的P值明顯已經是0.796了
對不對
那麼肯定是大於0.05的
也就是說我們沒有辦法拒絕數據不正態
所以我們已經滿足了正態這一項要求
好
我們把原來的非正態數據C1列轉化爲成C7列
已經將非正態數據轉化爲正態數據
接下來我們怎麼做呢
對不對
接下來其實我們可以對C7列生成我們的控制圖
好
我們接下來把我們的C7列生成我們的均值極差控制圖
這裏快速的給大家演示一下
統計
質量工具
統計
sorry
控制圖
子組變量控制圖
均值極差控制圖
好
我們輸入我們的C7列
子組大小的話
其實還是前面我們所說的五個位一組
這個是沒有變的
好
我們點擊確定就可以了
大家可以看一看
這個就是我們轉化爲正態數據之後的一個均值極差控制圖
對不對
那麼接下來我們還需要怎麼應用呢
我們迴歸到我們的PPT裏
這個我也給這一或者是這個控制圖
我也給大家複製到了我們的PPT裏
比如說這個就是我們的右半部分
對不對
剛纔給大家看到的
將數據轉化爲正態數據之後的一個均值極差控制圖了
那麼接下來我們需要怎麼做呢
好
城市農人鼓勵說再講一下如何轉化數據
好
怎麼樣轉換
其實我們前面給大家說了一個理論
是不是
我們需要選擇一個合適的欄目的值
因爲只有找到合適的欄目的值
我們才能對我們原始的數據進行一個對應的公式轉化
這個欄目的值在哪裏可以得到呢
我這裏再給大家去重複一下
重複一下
好
這個是我們原始數據
我再給大家去演示一下
在統計控制圖在密函數變換這裏
好
我們輸入我們雜質含量
好
然後點擊確定就可以了
這個他會推薦一個欄目的值
這裏欄目的值是0
所以我們取了一個以億爲底數的一個自然對數
就是lnC1
是這樣
這個就是我們在公式來源以及欄目的值的在哪裏選取
好不好
城市農人鼓勵
這個的話應該沒有問題了吧
好
然後我們對原始的數據轉化爲正態分佈以後
我們生成了我們的一個控制圖
也就是我們這裏說的
第四部分
對
但是其實大家可以去想一想
如果我們生產現場
生產現場
通常來說
這個控制圖如果留在我們的生產現場
那麼有一操作人員
對不對
然後五個爲一組進行了五個數據的測量
那麼操作人員還需要將這五個爲一組數據進行一個公式的轉換
拿我們這個案例來說
對不對
那麼對於操作人員其實是非常非常不方便的
那麼怎麼樣做呢
那麼怎麼樣做可以使我們的生產現場更加的方便呢
其實我們接下來還有一個步驟
我們這裏一定要記得
先這裏啊
這裏一定要記得這三個數據
我這裏給大家畫框
那麼我們其實已經把我們的數據取了一個以億爲底數的一個自然對數
對不對
如果我們需要把這三個數據轉化爲原來的原始數據
那麼其實進行一個反函數的變化就可以了
那麼反函數的變化是多少呢
是不是就是以億爲底數的一個自然對數了
所以這個就是我們下一步的一個轉化
繪製原變量的一個控制圖
原變量的控制圖這裏怎麼講呢
大家可以看看
我們其實從前面已經把控制上限
控制下限
以及我們的X88這三個數據
在這裏給大家錄入到了這裏
或者給大家記到了這裏
接下來這個是我們轉化的數據
而原數據的話
我們幹嘛呀
進行一個反函數的變化不就可以了嗎
對不對
比如說我們的UCL
我們原數據應該是多少呢
其實就是億的3.032次方
那麼原數據的一個控制上限就是20.73
同理控制中限以及控制下限也就得到了
我們這樣就得到了原數據的控制上限
控制中限以及控制下限
接下來我們在繪製控制圖的時候
是不是也會更加的方便
以及很好的給我們的操作
或者是更好的給我們的生產現場具有指導意義
這個就是我們非正態數據
怎麼樣做常規控制圖的一個應用了
好這裏大家有疑問嗎
有疑問的話
大家把你的疑問打在公屏上
因爲我們今天所講的部分的話
可能稍微有一點點深
現在大家有疑問嗎
有疑問的同學
大家把你的疑問打在公屏上
有人說反
有人說反函數怎麼計算
億的3.032次方
你拍計算器就可以
你用電腦計算就可以
好吧
今天講的部分的話
其實可能知識有點高深
但是的話
其實關於非正態的數據
是一個很好的一個指導思路
當然還是那句話
我今天講的
可能是關於SPC控制圖的一個深度應用
所以的話
聽起來還是有一些難度的
但我是覺得
幫助大家去更好的拓寬一下思路
也能更好的幫助你去真正的應用
或者是真正的去對待你的生產現場
不滿足
正態分佈或者一些其他的條件
你需要怎麼做
還是比較靠譜
或者是比較能讓你更多的應用的
好
由於時間關係的話
我們今天的直播課就到這裏
好
謝謝大家
