CPK分析(工序能力分析)是我們應用SPC工具的重要分析方法之一,但是如何解讀CPK分析的數據也變得非常重要,否則即使分析出圖形結果出來了,也沒有太大的作用。以下我們就從兩方面來解釋如何對數據及圖形進行分析,首先我們需要查看數據的分布,即查看直方圖的分布,正常的分布應該如下圖所示,呈一個鐘型的分布,中間高,兩邊低。如果是其它的分布圖形,則說明數據可能出現了問題,如混入了兩批物料的雙峰型,陡峭型,離島型,這些都是異常的圖形。
第二我們需要能夠正確解讀相關的計算結果數值,如下表所示:
總樣本數:參與分析的數據的個數。
子組大小:這個與計算組內的cpk值有非常大的關系,即是分組的樣本個數,數據的分組在此處需要說明的是,必須是根據實際情況來填寫,比如每次抽樣為5個,那么子組大小就為5個,我們不能隨心所欲地任意填寫這個值,否則將沒有實際的意義。
圖表類型:說明進行分析的控制圖的類型,此處為XR控制圖。
平均值:所有樣本數據的平均值;
最大值:所有樣本數據的最大值;
最小值:所有樣本數據的最小值;
上規格:用戶錄入的上規格值;
目標值:用戶輸入的目標值,即期望達到的中心值;
下規格:用戶輸入的下規格值;
+3Sigma:正的3倍標準差線;
-3Sigma:負的3倍標準差線;
STDEV:標準差值,分為組內及整體標準差值;
CPK:工序能力指數,與規格值及上述標準差值相關聯,也分為組內及整體的標準差值;
CP:Cp值是衡量過程滿足產品品質標準的程度,也叫制程精密度,Cp值越大,表示過程變異越小,過程能力越差;
CPL:相對應于下規格值的工序能力值;
CPU:相對應于上規格值的工序能力值;
PPM<LSL:預測的低于下規格值的不合格品數(PPM - 百萬分之比);
PPM>USL:預測的超過上規格值的不合格品數(PPM - 百萬分之比);
PPM Total:預測的總的不合格品數;
CA: 制程準確度,值越小越好。
2021/1/14 16:29:57
2021/1/27 17:05:39
2021/3/10 15:48:49
2021/4/8 14:42:32
2021/1/8 16:32:33
我們不單提供專業的軟件與服務,我們同時也為客戶系統的運行提供理論與經驗支持,分享我們在質量管理領域的相關經驗與知識!