关于SPC与MSA的若干问题
SPC与MSA是TS16949的5大工具中的2个
与其他的3个最大的不的是，这两个工具是建立在数据统计基础上的
本人接触过不少公司，也进行过一定的分析，不过有些问题还是无法得到答案，希望论坛里的大侠不吝赐教
1）可能我接触的汽车行业公司比较少，但我接触到的一些汽车行业公司，这两个工具用的却非常不好，很多数据统计不全，有的公司压根没有做过MSA，工程师以上级别的人很多不知道MSA是何物。相比较而言，很多电子行业或半导体行业，这方面却做的比较好，就算很多做法不是很科学，但人家最起码有专人来负责这方面的工作，并有相应的规定、制度。当然，这也许跟我的接触面有关，不知是否有点一面盖全了，还请大侠赐教，SPC与MSA在各个行业中的应用情况。
2）说SPC，很多人就会提SPC手册，但是手册里对P或NP控制图有一个条件是NP>=5，这点就有问题了，较多的电子行业或半导体行业，良率是很高的，>=5对这个行业来讲可能需要很大的N，很多工序的ppm<1000，在这时P或NP使用是否有价值？或是怎么使用P或NP更好？
3）SPC的常规控制图的基本原则是中心极限定理，但是中心极限定理是来自与同一总体的不同样本，但是，大家认为，我们的过程能来自与同一总体吗？不同批次之间，或同一批次之内的差异有大有小，我就遇见过很多工序，大抵分为两类，第一类是批次之间的差异远大于批次内部的差异，如果算Cpk或Ppk的话，Cpk会非常高，而Ppk会非常低，由于技术上的原因，批次之间的差异会很难降低的，或是说批次之间的差异是共所周知的，属于不可控的原因，此时控制图使用是否还有效？或者说怎么使用更好？第二类是批次内部的差异远大于批次之间的差异，如果算Cpk与Ppk的话，Cpk会小于Ppk，如果使用Xbar-R/S控制图的话，将会发现，Xbar基本在中心线附近变化，远离UCL与LCL，此时控制图使用是否有效？或者说怎么使用更好？以上两种情况的过程能力该怎么计算？如何判定过程是否稳定？
4）对与MSA的GRR分析有多个指标，我们称之为研究百分比、贡献百分比、公差百分比、过程百分比，研究与贡献其差不多是一回事，我们只说研究百分比吧，我们知道研究百分比的TV=sqrt(RR^2+PV^2)=(AV^2+EV^2+PV^2)，看看这样子的公式，由于TV的大小依赖于PV，那就算我们的RR不变化的话，样品的选择会对我们的GRR有很大的影响，如果PV大，GRR会小；如果PV小，GRR就会大，因此说，我们该怎么选择样品更好呢？或许有人说选择对过程比较有代表性的样品，如果这样子的话，我们直接使用过程百分比不就行了吗？其实我发现很多人，包括一些公司的这方面负责人，他们动辄就是用研究百分比来计算，或者说他们压根就只知道研究百分比，由于跟取样有关，他们的计算结果总是千差万别都有。
先说这几个问题吧，有望有人来解答，万分感谢了
与其他的3个最大的不的是，这两个工具是建立在数据统计基础上的
本人接触过不少公司，也进行过一定的分析，不过有些问题还是无法得到答案，希望论坛里的大侠不吝赐教
1）可能我接触的汽车行业公司比较少，但我接触到的一些汽车行业公司，这两个工具用的却非常不好，很多数据统计不全，有的公司压根没有做过MSA，工程师以上级别的人很多不知道MSA是何物。相比较而言，很多电子行业或半导体行业，这方面却做的比较好，就算很多做法不是很科学，但人家最起码有专人来负责这方面的工作，并有相应的规定、制度。当然，这也许跟我的接触面有关，不知是否有点一面盖全了，还请大侠赐教，SPC与MSA在各个行业中的应用情况。
2）说SPC，很多人就会提SPC手册，但是手册里对P或NP控制图有一个条件是NP>=5，这点就有问题了，较多的电子行业或半导体行业，良率是很高的，>=5对这个行业来讲可能需要很大的N，很多工序的ppm<1000，在这时P或NP使用是否有价值？或是怎么使用P或NP更好？
3）SPC的常规控制图的基本原则是中心极限定理，但是中心极限定理是来自与同一总体的不同样本，但是，大家认为，我们的过程能来自与同一总体吗？不同批次之间，或同一批次之内的差异有大有小，我就遇见过很多工序，大抵分为两类，第一类是批次之间的差异远大于批次内部的差异，如果算Cpk或Ppk的话，Cpk会非常高，而Ppk会非常低，由于技术上的原因，批次之间的差异会很难降低的，或是说批次之间的差异是共所周知的，属于不可控的原因，此时控制图使用是否还有效？或者说怎么使用更好？第二类是批次内部的差异远大于批次之间的差异，如果算Cpk与Ppk的话，Cpk会小于Ppk，如果使用Xbar-R/S控制图的话，将会发现，Xbar基本在中心线附近变化，远离UCL与LCL，此时控制图使用是否有效？或者说怎么使用更好？以上两种情况的过程能力该怎么计算？如何判定过程是否稳定？
4）对与MSA的GRR分析有多个指标，我们称之为研究百分比、贡献百分比、公差百分比、过程百分比，研究与贡献其差不多是一回事，我们只说研究百分比吧，我们知道研究百分比的TV=sqrt(RR^2+PV^2)=(AV^2+EV^2+PV^2)，看看这样子的公式，由于TV的大小依赖于PV，那就算我们的RR不变化的话，样品的选择会对我们的GRR有很大的影响，如果PV大，GRR会小；如果PV小，GRR就会大，因此说，我们该怎么选择样品更好呢？或许有人说选择对过程比较有代表性的样品，如果这样子的话，我们直接使用过程百分比不就行了吗？其实我发现很多人，包括一些公司的这方面负责人，他们动辄就是用研究百分比来计算，或者说他们压根就只知道研究百分比，由于跟取样有关，他们的计算结果总是千差万别都有。
先说这几个问题吧，有望有人来解答，万分感谢了
没有找到相关结果
已邀请:
RSS Feed
56 个回复
afraidfuture (威望:0) (北京 大兴区) 机械制造 员工 - 善于思考
赞同来自:
3）SPC的常规控制图的基本原则是中心极限定理，但是中心极限定理是来自与同一总体的不同样本，但是，大家认为，我们的过程能来自与同一总体吗？不同批次之间，或同一批次之内的差异有大有小，我就遇见过很多工序，大抵分为两类，第一类是批次之间的差异远大于批次内部的差异，如果算Cpk或Ppk的话，Cpk会非常高，而Ppk会非常低，由于技术上的原因，批次之间的差异会很难降低的，或是说批次之间的差异是共所周知的，属于不可控的原因，此时控制图使用是否还有效？或者说怎么使用更好？第二类是批次内部的差异远大于批次之间的差异，如果算Cpk与Ppk的话，Cpk会小于Ppk，如果使用Xbar-R/S控制图的话，将会发现，Xbar基本在中心线附近变化，远离UCL与LCL，此时控制图使用是否有效？或者说怎么使用更好？以上两种情况的过程能力该怎么计算？如何判定过程是否稳定？
如果组间变异远远大于组内变异， 这代表有特殊原因导致， 例如白天/夜晚， 原料A/原料B, 或是保养前/保养后，AKA: Run to Run Viaration, 如果只取两个run-批次，极有可能2 independent sample t test 会有P<0.05， 这确实会导出否定两个批次是同一个分布， 但如果此时， 选取足够多批次， 即使特殊原因仍然存在， 这时你拿出一个批次跟足够多次批次做2 indenpendent sample t-test, 你会发现P value >0.05, 希望可以帮到你。