过程能力指数评价浅析

过程能力指数评价浅析

1. Cpk 与Ppk 的区别

1.1 从Cpk 与Ppk 的定义谈区别

Cpk 是工序能力指数[3]，在过程处于统计控制状态时，反映设备（模具）的稳定性和可靠性，根据加工成形产品尺寸的变异，来验证设备（模具）的加工能力和改善能力。它是一种组内变异(Within)，其前提是组间的变异相对稳定，才能反映目前（短期）的过程能力[2]。以一个操作循环中获取的测量数据为基础，将这些数据用控制图分析后作为判定该过程是否在统计控制状态下运行的依据。如果没有发现特殊原因，可以计算短期能力指数Cpk。否则就要求采取解决变差的特殊原因的措施，直到排除了特殊原因造成分布的形态、分布宽度或位置的影响因素，过程处于统计控制状态后才能计算其过程能力。它是一种周期性的过程评价。Ppk 是过程能力指数，性能指数，反映的是组内和组间的总体变异(Overall)，不需要考虑过程是否统计受控。在新产品开发阶段，要求提供的是Ppk，可用于反映未来长期的过程性能能力，是对实时过程整体性能研究和初始过程能力的评估。长期能力研究是针对很长一段时间测量收集到的所有数据进行的，这些数据应能包括所有能预计到的变差的原因，其中一些变差原因可能是在短期研究时还没有观察到的。根据这些数据，便可以计算长期的能力性能指数。

1.2 从Cpk 与Ppk 公式谈区别

Cpk 是考虑到过程的能力指数，定义为CPU 与CPL 的最小值。它等于过程均值与最近 的规范界限之间的差除以过程总分布宽度的一半[1]。即：

而式中制程标准差即样本平均极差σa = R /d2 ，式中R 为子组极差的均值（在极差受控时期），d2 为随样本容量变化的常数，d2 这个常数为基于正态分布的统计经验得来，因此计算Cpk 要在过程稳定、符合正态分布的情况下进行。根据指定的样本容量的大小，从表1 中选择d2 的值：

Cpk 计算的是稳定过程的能力，稳定过程中过程变差仅由普通原因引起，公式中的标准差是通过控制图中的样本平均极差估计得出，它体现的是一组按时间顺序排列的数据内部的关系。 因此，Cpk 一般与控制图一起使用，首先利用控制图判断过程是否受控，如果过程不受控，要采取措施改善过程，使过程处于受控状态。确保过程受控后，再计算Cpk。Ppk 则是短期的一种性能指数[1]，适合于试生产过程，确定上下控制线，进行现场控制。PPK 是QS9000 提出的一个新概念，物理含义是不论分布在公差范围内任何位置，它对于上规范限都可以计算出一个上单侧过程性能指数PPU 和下单侧过程性能指数PPL，取两者之间最小的一个，就是PPK。即：

Ppk 表达的应该是一个包含引起变差的普通原因和特殊原因的过程。这样的过程其实就是一个非受控过程，而一个非受控过程在理论上应该是在过程初期和长期过程中都会遇到的。它是以整体数据为样本，体现的是所有数据之间的关系。因而Ppk 应用于直方图的绘描过程中。

1.3 Cpk 与Ppk 的整体比较总结

QS9000 的PPAP 手册谈到：“当可能得到历史的数据或有足够的初始数据来绘制控制图 时（至少100 个个体样本），可以在过程稳定时计算Cpk。对于输出满足规格要求且呈可预 测图形的长期不稳定过程，应该使用Ppk。”

所谓Ppk 是在进入大批量生产前，对一定量小批生产的能力评价，它是一种对整体数据进行预先能力测定的过程[2]，一般要求Ppk≥1.67；而Cpk 是进入大批量生产后，为保证批量生产下的产品的品质状况不至于下降，保证与之前小批生产具有同样的控制能力，所进行的生产能力的评价，此时进行控制采用的是小样本组之间数据的比较，一般要求Cpk≥1.33。 在计算Cpk 时是需要借助Ppk 的控制界限来做控制；而在计算Ppk 定控制界限时，又是需要通过控制图来排除产生变差的特殊原因。因此Cpk 与Ppk 这两种指数是不能单独地适用于所有过程，而且也没有一个给定的过程可能通过一个单独的指数完整地来描述。它们是相互配

合使用的，Cpk 需要来Ppk 保证其受控状态，提供控制界限。 综上所述， Cpk 与Ppk 各方面的比较结果如表2 所示：

2. Cpk 与Ppk 在SPC 软件中的应用

传统的SPC 系统中，原始数据是手工抄录，然后人工计算、打点描图，或者采用人工输入计算机，然后再利用计算机进行统计分析。随着生产率的提高，在高速度、大规模、重复性生产的制造型企业里，海量数据的处理已远远不是人力能及的了，而且如未能及时计算出来结果，作相应的统计图，就会错过最佳改进时机，及时对问题进行处理会为企业赢得更多的时间，节省更大的开支。在实施过程中，如果能借助专业的SPC 软件，这些问题就迎刃而解了，通过计算机，实时性与海量数据处理得到了保障。

本SPC 软件前台开发工具采用比较流行的Delphi7，后台数据库采用Oracle 9i，两者的 结合，完全可以满足系统的需要。

2.1 利用控制图的判断进行Cpk 计算

控制图较直方图最大的特点是引入了时间序列和样本序列，通过观察样本点相关统计值是否在控制限内以判断过程是否受控，通过观察样本点排列是否随机从而及时发现异常。当确定了加工过程属于受控状态后进行Cpk 计算。控制图如图1 所示：

图1 控制图运行示例从图1 可以看出在第12 组数据中处于超控制限数据，此计算点为非受控

状态，需要经过调整后才能计算Cpk。在进行Cpk 的计算时，可以看到，将录入的数据依照时间顺序依次排列，每产生一个新的测量值则其它所有的历史数据以组数为单位均向前移组数位，保证了数据的不断更新及考察期内小组数据的相对固定，使得提取的数据是样本范围内的最新值，体现了实时控制；将五个连续的数据分为一组，进行R 的计算，最终得到Cpk。这样可以明显地观察到它是一个组内数据的计算，只要样本容量达到设置要求，便与总体样本数无关了。数据排列计算方式截选部分如图2 所示。

2.2 直方图与Ppk 的计算

直方图用来观察与判断产品质量特性分布状况[3]。通过直方图形状，判断生产过程是否正常，判断工序是否稳定，并找出产生异常的原因；计算工序能力，估算生产过程不合格品率。在生产过程是否正常的判断上，通过直方图的典型形状就可判断，通过已总结出的不同形状产生的常见质量原因，这为迅速发现和解决质量问题提供了重要途径。对正常型直方图再进一步与公差限的结合，可直观快速的判断工序能力和质量状况，直观发现工序异常。它是对长时间测量收集到的所有数据进行的，这些数据应能包括所有能预计到的变差的原因，其中一

些变差原因可能是在短期研究时还没有观察到的，通过图形判断工序能力和质量状况，直观发现工序异常。Ppk 则仅仅是选择一定时间段的历史数据进行整体数据上的计算，不需要进行分组，体现的是一个整体的过程能力情况。

2.3 Cpk 与Ppk 在过程能力分析中的应用

从上面的分析可以看出，Cpk 可以看出短期的工序能力情况，而Ppk 则是反应的长期水 平；通过控制图可以判断当前的加工过程是否受控，直方图则用来判断整体工序是否稳定， 排除异常。这四种统计方式是贯穿SPC 统计控制始末的工具，对制造全过程进行了控制。 传统的SPC 软件显示的是控制图和直方图，以及Cpk 与Ppk 的当前计算值这四部分孤 立的信息。通过控制图的在线检测功能控制当前生产过程处于受控状态，如果受控则计算 Cpk 的值，通过表3 所列的 …… 此处隐藏：2787字，全部文档内容请下载后查看。喜欢就下载吧 ……