3D尺寸分析和质量控制-CSDN博客

本文链接：https://blog.csdn.net/2501_90835490/article/details/146278179

三坐标CMM尺寸数据分析系统是对三坐标尺寸数量进行质量分析比如常见的spc分析

某工厂生产一种精密电子元件，其关键质量特性是元件的电阻值，要求电阻值的规格范围为 100 ± 5 Ω（即规格上限 USL = 105 Ω，规格下限 LSL = 95 Ω）。由于生产批量较小，每小时只能抽取 1 个样品进行测量，因此无法使用传统的 X-bar 和 R 图。工厂希望通过 SPC 控制图监控生产过程的稳定性，并及时发现异常情况。

在某一时段内，工厂收集了以下数据（单位：Ω）：

小时	电阻值 (X)
1	101.2
2	100.8
3	102.1
4	99.5
5	103.5
6	104.2
7	98.7
8	99.2

请问：

如何建立个体值-移动极差（I-MR）控制图？
根据控制图判断过程是否处于统计控制状态？
如果发现异常，应采取哪些改进措施？

解决方案：

步骤 1：建立个体值-移动极差（I-MR）控制图

在 SPC 中，当样本量

n=1n = 1n = 1

时，无法计算样本平均值和样本极差，因此使用个体值-移动极差（I-MR）控制图。I 图用于监控过程均值的稳定性，MR 图用于监控过程变异性的稳定性。以下是计算控制图参数的步骤：

1.1 计算 I 图的控制限

I 图的控制限公式如下：

中心线（CL）：
Xˉ=∑Xk\bar{X} = \frac{\sum X}{k}\bar{X} = \frac{\sum X}{k}
上控制限（UCL）：
UCL=Xˉ+3⋅MRˉd2\text{UCL} = \bar{X} + 3 \cdot \frac{\bar{MR}}{d_2}\text{UCL} = \bar{X} + 3 \cdot \frac{\bar{MR}}{d_2}
下控制限（LCL）：
LCL=Xˉ−3⋅MRˉd2\text{LCL} = \bar{X} - 3 \cdot \frac{\bar{MR}}{d_2}\text{LCL} = \bar{X} - 3 \cdot \frac{\bar{MR}}{d_2}

其中：

Xˉ\bar{X}\bar{X}
是所有个体值的平均值。
MRˉ\bar{MR}\bar{MR}
是移动极差的平均值，移动极差（MR）定义为连续两个个体值之间的差的绝对值：
MRi=∣Xi−Xi−1∣MR_i = |X_i - X_{i-1}|MR_i = |X_i - X_{i-1}|
。
d2d_2d_2
是与移动极差计算相关的常数，对于移动极差的样本大小
n=2n = 2n = 2
，
d2=1.128d_2 = 1.128d_2 = 1.128
。
(k) 是数据点数量（本例中
k=8k = 8k = 8
）。

计算

Xˉ\bar{X}\bar{X}

：

Xˉ=101.2+100.8+102.1+99.5+103.5+104.2+98.7+99.28=101.15\bar{X} = \frac{101.2 + 100.8 + 102.1 + 99.5 + 103.5 + 104.2 + 98.7 + 99.2}{8} = 101.15\bar{X} = \frac{101.2 + 100.8 + 102.1 + 99.5 + 103.5 + 104.2 + 98.7 + 99.2}{8} = 101.15

计算移动极差（MR）并得到

MRˉ\bar{MR}\bar{MR}

：移动极差从第 2 个数据点开始计算：

小时	电阻值 (X)	移动极差 (MR)
1	101.2	-
2	100.8	0.4
3	102.1	1.3
4	99.5	2.6
5	103.5	4.0
6	104.2	0.7
7	98.7	5.5
8	99.2	0.5

MRˉ=0.4+1.3+2.6+4.0+0.7+5.5+0.57=2.14\bar{MR} = \frac{0.4 + 1.3 + 2.6 + 4.0 + 0.7 + 5.5 + 0.5}{7} = 2.14\bar{MR} = \frac{0.4 + 1.3 + 2.6 + 4.0 + 0.7 + 5.5 + 0.5}{7} = 2.14

计算 I 图的控制限：

过程标准差的估计：
σ=MRˉd2=2.141.128=1.897\sigma = \frac{\bar{MR}}{d_2} = \frac{2.14}{1.128} = 1.897\sigma = \frac{\bar{MR}}{d_2} = \frac{2.14}{1.128} = 1.897
UCL=Xˉ+3⋅σ=101.15+3⋅1.897=101.15+5.691=106.841\text{UCL} = \bar{X} + 3 \cdot \sigma = 101.15 + 3 \cdot 1.897 = 101.15 + 5.691 = 106.841\text{UCL} = \bar{X} + 3 \cdot \sigma = 101.15 + 3 \cdot 1.897 = 101.15 + 5.691 = 106.841
LCL=Xˉ−3⋅σ=101.15−3⋅1.897=101.15−5.691=95.459\text{LCL} = \bar{X} - 3 \cdot \sigma = 101.15 - 3 \cdot 1.897 = 101.15 - 5.691 = 95.459\text{LCL} = \bar{X} - 3 \cdot \sigma = 101.15 - 3 \cdot 1.897 = 101.15 - 5.691 = 95.459

1.2 计算 MR 图的控制限

MR 图的控制限公式如下：

中心线（CL）：
MRˉ\bar{MR}\bar{MR}
上控制限（UCL）：
UCL=D4⋅MRˉ\text{UCL} = D_4 \cdot \bar{MR}\text{UCL} = D_4 \cdot \bar{MR}
下控制限（LCL）：
LCL=D3⋅MRˉ\text{LCL} = D_3 \cdot \bar{MR}\text{LCL} = D_3 \cdot \bar{MR}

其中：

D3D_3D_3
和
D4D_4D_4
是与移动极差计算相关的常数，对于
n=2n = 2n = 2
，
D3=0D_3 = 0D_3 = 0
，
D4=3.267D_4 = 3.267D_4 = 3.267
。

计算 MR 图的控制限：

UCL=3.267⋅2.14=6.991\text{UCL} = 3.267 \cdot 2.14 = 6.991\text{UCL} = 3.267 \cdot 2.14 = 6.991
LCL=0⋅2.14=0\text{LCL} = 0 \cdot 2.14 = 0\text{LCL} = 0 \cdot 2.14 = 0

1.3 绘制控制图

根据计算结果，绘制 I 和 MR 控制图如下：

I 图：

中心线（CL）= 101.15
上控制限（UCL）= 106.841
下控制限（LCL）= 95.459
绘制数据点：101.2, 100.8, 102.1, 99.5, 103.5, 104.2, 98.7, 99.2

MR 图：

中心线（CL）= 2.14
上控制限（UCL）= 6.991
下控制限（LCL）= 0
绘制数据点：0.4, 1.3, 2.6, 4.0, 0.7, 5.5, 0.5

步骤 2：判断过程是否处于统计控制状态

根据 SPC 的控制图规则，判断过程是否失控需要检查以下常见异常模式：

任一点超出控制限（UCL 或 LCL）。
连续 7 点在中心线同一侧。
连续 7 点递增或递减。
其他非随机模式（如周期性波动）。

2.1 检查 I 图

数据点：101.2, 100.8, 102.1, 99.5, 103.5, 104.2, 98.7, 99.2
控制限：UCL = 106.841，LCL = 95.459

观察：

所有数据点均在控制限内，未超出 UCL 或 LCL。
数据点在中心线两侧随机波动，未出现连续 7 点在中心线同一侧或连续递增/递减的情况。

2.2 检查 MR 图

数据点：0.4, 1.3, 2.6, 4.0, 0.7, 5.5, 0.5
控制限：UCL = 6.991，LCL = 0

观察：

所有数据点均在控制限内，未超出 UCL 或 LCL。
数据点在中心线两侧随机波动，未显示明显的非随机模式。

2.3 结论

I 图和 MR 图均未显示异常，过程处于统计控制状态。
过程均值和变异性均稳定，可以进一步分析过程能力或继续监控。

步骤 3：改进措施

虽然当前数据表明过程处于统计控制状态，但为了确保长期质量稳定性并进一步优化生产过程，可以采取以下预防性改进措施：

评估过程能力：
- 虽然过程稳定，但需要计算过程能力指数（Cp 和 Cpk）以确保过程满足规格要求。过程标准差
  σ\sigma\sigma
  已估算为 1.897 Ω，可以计算：
  - Cp=USL−LSL6σ=105−956⋅1.897=1011.382=0.88\text{Cp} = \frac{\text{USL} - \text{LSL}}{6\sigma} = \frac{105 - 95}{6 \cdot 1.897} = \frac{10}{11.382} = 0.88\text{Cp} = \frac{\text{USL} - \text{LSL}}{6\sigma} = \frac{105 - 95}{6 \cdot 1.897} = \frac{10}{11.382} = 0.88
  - Cpk=min⁡(USL−Xˉ3σ,Xˉ−LSL3σ)=min⁡(105−101.153⋅1.897,101.15−953⋅1.897)=min⁡(3.855.691,6.155.691)=min⁡(0.68,1.08)=0.68\text{Cpk} = \min\left(\frac{\text{USL} - \bar{X}}{3\sigma}, \frac{\bar{X} - \text{LSL}}{3\sigma}\right) = \min\left(\frac{105 - 101.15}{3 \cdot 1.897}, \frac{101.15 - 95}{3 \cdot 1.897}\right) = \min\left(\frac{3.85}{5.691}, \frac{6.15}{5.691}\right) = \min(0.68, 1.08) = 0.68\text{Cpk} = \min\left(\frac{\text{USL} - \bar{X}}{3\sigma}, \frac{\bar{X} - \text{LSL}}{3\sigma}\right) = \min\left(\frac{105 - 101.15}{3 \cdot 1.897}, \frac{101.15 - 95}{3 \cdot 1.897}\right) = \min\left(\frac{3.85}{5.691}, \frac{6.15}{5.691}\right) = \min(0.68, 1.08) = 0.68
- 结果显示 Cp = 0.88 和 Cpk = 0.68，均小于 1.0，表明过程能力不足，无法满足规格要求。
减少过程变异：
- 当前过程标准差
  σ=1.897\sigma = 1.897\sigma = 1.897
  过大，导致 Cp 和 Cpk 较低。可以通过以下措施减少变异：
  - 检查设备稳定性，实施预防性维护，减少机器波动。
  - 优化原材料质量，减少批次间差异。
  - 改进操作流程，减少人为误差（如加强操作员培训或引入自动化设备）。
调整过程均值：
- 当前过程均值
  Xˉ=101.15\bar{X} = 101.15\bar{X} = 101.15
  偏离规格中心（100 Ω）。应调整工艺参数（如设备设置），将均值调整到规格中心 100 Ω。
- 调整后重新收集数据并验证 Cp 和 Cpk 是否提高。
增加抽样频率：
- 当前每小时只抽取 1 个样品，数据量较少，可能无法及时发现潜在问题。可以在生产条件允许的情况下，增加抽样频率（例如每半小时抽取 1 个样品），以提高控制图的敏感性。
持续监控：
- 继续使用 I-MR 控制图监控过程，确保改进措施有效且过程保持稳定。
- 如果过程能力仍无法满足要求（Cp 和 Cpk 均 ≥ 1.33），考虑更换设备或重新设计工艺。