CPK值计算公式课件.ppt

1、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。这个表格是不是很熟悉，对，它就是EXCEL格式的数据文件。 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 越高表示制造能力越强。下面我们看看CP和CPK是如何计算的。Cp =T6Cpk = (1-K) CpCP: Capa

2、bility of Process 制程能力 : Standard Deviation 标准偏差T : USLLSL 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-1i = 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CPKK= 2 MX 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、KCPK159165165176168174168159171177168169179162182181168171165162174172171182例：表格中的数据

3、是某班测量锡膏厚度的值，工艺允许的范围是130220，求该组数据的CPK。计算平均值X和 X（159168179165+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。同样=STDEV(A1:F4)可以计算它们的标准偏差。计算TTUSLLSL22013090 220130 2得出CPCp = = = 2.20T6906 6.831计算M、KM= = = 175 USLLSL 2 2 175-170.33 90K= = = 0.103 2 M-X T（159170.33) +(168-170

4、.33) +(171-170.33)+(182-170.33)22224-1= 6.8312CPKCPK=(1-K) CP = (1-0.103) 2.20 = 1.97CPK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习题一2182172172172182172172172212182172182202182172182212212172212212202192192182202182202202211、某生产线录得烘炉最高温度如下，工艺许可范围是215225，用两种方法求该

5、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.) 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。2 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 LINE2.1 让帮助文件告诉我们FIRST: 寻找帮助,点击术语表SECON

6、D: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oyes2.2 This is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

7、分布的。1.1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:平均值和标准偏差。图上的曲线是概率密度曲线，在X=+ 、X=- 以及曲线所组成的面积 （即阴影部分） 称为数据分布在( - , + )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% 2界限范围内的概率是 95.46% 3界限范围内的概率是 99.73% 6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= 6，LSL 6。11 (平均) +3331.2正态分布图（续）规格下限(LSL)-6-5-4-3-2-1+1+2+3+

8、4+5+6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= 6，LSL 6 ;=(USL-LSL)/12 当我们制程改进，工序水平达到7sigma时 USL= 7，LSL 7 ; =(USL-LSL)/14 , 从公式可以推出制程改进后的标准偏差是比改进前的小。 小就说明数据变动范围小，从而说明制程更稳定。规格下限(LSL)-6-5-4-3-2-1+1+2+3+4+5+6规格上限(USL)规格下限(LSL)规格上限(USL)-6-5-4-3 -2 -1 +1+2 +3+4 +5 +6+7-7改进前 6改进后 7 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。1.3 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。