达人篇:5)公差的正态分布与CPK与制程能力(重要)
本章目的:明确公差分布(Tolerance Distribution)也有自己的形状,了解CPK概念。
1.正态分布(常态分布)normal distribution的概念
统计分析常基于这样的假设:零件在大批量生产时,其尺寸在其公差范围内呈正态分布(常态分布)normal distribution。
事实也是如此,针对一个零件尺寸,在一定制造条件下制造并测量无数个零件,并记录相同尺寸出现的频率,可以绘制出一张尺寸大小的频率图,这张图纸就是正态分布图。如下面两张图所示(一简一繁)。
多数的零件尺寸值会向着图形的中心,即尺寸的平均值聚集,离平均值越远,该尺寸出现的可能性就越小。
这里就有两个重要值,中间值μ与标准差σ。即公差形状的中心和范围,各本书中关于这两个值的解释和标注都有所不同,但工程师要注意其本质。
中间值μ:曲线对称轴的位置,这决定了整条曲线的位置。
标准差σ:由中间值到曲线的曲率正负号改变点的距离,这决定了曲线的分散或集中程度。
补充解释如下图(spc手册):
正态分布,即是公差的形状,需要熟记于心。
从正态分布的概念看出,图纸公差标注只代表的是范围值,却不能规定制造零件的合格率形状。
所以我们在图纸绘制时,标注的公差并不能约束它的分布形态。但标注时就需要了解统计分析,遵守基本的公差分布情况。
比如单边公差标注,如1(+0.5/0)等,并不能约束所有制造的零件尺寸又在你的公差范围内,同时又偏向一边,不合理的。如下图:
很多供应商声明它们在制作零件时既能保证尺寸在[a,b]范围以内,又能保证大部分的零件靠近a值。这并不符合正态分布的概念。
供应商会告诉你他能做到很多事情,却常常隐瞒你要付出的代价。
1.1 各种公差分布(Tolerance Distribution)的形态
公差分布型态(Tolerance Distribution)不只是一种。如下图所示:
图1为正态分布(或称之为常态分布),这是大多数零件生产时候会出现的情况。但这种情况并不是唯一的,极端情况下也会出现其他的公差分布形态。我们很多时候进行统计分析时都是运用正态分布图,但也不要忘记其他公差分布的情况。
就作者的理解,其他有规律的公差形状,如倒钟形或双峰形等,也可以算是正态分布的变种。所以应该也能进行统计分析的计算(这些知识作者就没有研究这么深了)。
2.理解正态分布存在的价值
有些机械设计师不明白,我为什么要理解公差的分布形状,制造方不是只要制造尺寸公差合格的零件就行了么,尺寸不合格的零件,当然不要了。
这个概念其实不算错,但现实不会如此简单。
假如量产100万件产品,成本是10元,合格率100%。但当成本降低至8元时,而合格率为99.9999%。你是老板,你会怎么选?
一般人当然会选后者。
而大幅度降低成本,却只会小幅度增加不良率的依据,正是正态分布图。(cpk是要和正态分布要一起讲的概念)
又但是,这件事不绝对,有些产品的正太分布是水平线的形状或倒V字,这时候降低生产精度和成本,会大幅度提高不良率,就不合适了。
而如何正确控制不良率和成本,就是质量管理的作用。设计也要参与其中,产品设计就是在成本与质量的之间衡量,而且也是性价比最好的手段(虽然不敢称之为最快或最好的手段,但设计绝对是性价比最高的手段)
设计者为什么可以敢于设计一个可能有错误的产品,制造方为什么有理由制造错误的产品,检测人员为什么能放过错误的产品。
请看所有万恶之源:正态分布与cpk。
3.cpk是基于正态分布原理
cpk的统计是基于零件的公差分布是正态分布(Tolerance Distribution)。
对于非正态分布的统计分析,是否能用cpk,作者也不能肯定。(没有对应的中文资料,统计技术也是在发展的)
4.CPK的基础知识点
1)Cpk (Complex Process Capability index .)的中文定义为:制程能力指数,是某个工程或制程水准的量化反应,也是工程评估的一类指标。
2)同Cpk息息相关的两个参数:Ca , Cp.
Ca: 制程准确度。 在衡量「实际平均值」与「规格中心值」之一致性。对於单边规格,因不存在规格中心,因此不存在Ca;对於双边规格,Ca=(ˉx-U)/(T/2)。
Cp: 制程精密度。 在衡量「规格公差宽度」与「制程变异宽度」之比例。对於单边规格,
只有上限和中心值,Cpu = | USL-ˉx | / 3σ。
只有下限和中心值,Cpl = | ˉx -LSL | / 3σ
对於双边规格:Cp=(USL-LSL) / 6σ
3)Cpk, Ca, Cp三者的关系: Cpk = Cp * ( 1 - |Ca|),Cpk是Ca及Cp两者的中和反应,Ca反应的是位置关系(集中趋势),Cp反应的是散布关系(离散趋势)。
//也就是说,中心值μ越是接近于理论值,Ca越小。越是集中,Cp越大。这样的趋势,也就是cpk是越好的。
4)当选择制程能力Cpk来作管控时,应以成本做考量的首要因素?还有是其品质特性对后制程的影响度。
5)计算取样数据至少应有20~25组数据,方具有一定代表性。
6)计算Cpk除收集取样数据外,还应知晓该品质特性的规格上下限(USL,LSL),才可顺利计算其值。
7)首先可用Excel的“STDEVP”函数(注:应该是“STDEV”,可参考minitab计算出的数据。excel2007及早期版本与STDEV.P计算值相同)
自动计算所取样数据的标准差(σ),再计算出规格公差(T),及规格中心值(U). 规格公差T=规格上限-规格下限;规格中心值U=(规格上限+规格下限)/2;
5.cpk评级标准及处理
1)依据公式:Ca=(X-U)/(T/2) , 计算出制程准确度:Ca值 (X为所有取样数据的平均值)
Ca的评级标准及处理:
等级 | Ca值 | 处理原则 |
A | |Ca|≤12.5% | 作业员遵守作业标准操作并达到要求,需继续保持。 |
B | 12.5%≤|Ca|≤25% | 有必要将其改进为A级。 |
C | 25%≤|Ca|≤50% | 作业员可能看错规格或不按作业标准操作。须检讨规格及作业标准。 |
D | 50%≤|Ca| | 应采取紧急措施全面检讨所有可能影响之因素,必要时得停止生产。 |
2)依据公式:Cp =T/6σ , 计算出制程精密度:Cp值
Cp的评级标准及处理:
等级 | Cp值 | 处理原则 |
A+ | Cp≥1.67 | 无缺点。可考虑降低成本。 |
A | 1.33≤Cp≤1.67 | 状态良好维持现状。 |
B | 1.00≤Cp≤1.33 | 改进为A级。 |
C | 0.67≤Cp≤1.00 | 制程不良较多,须提升能力。 |
D | Cp≤0.67 | 制程能力歹差,应考虑重新整改设计程程。 |
3) 依据公式:Cpk=Cp(1-|Ca|) , 计算出制程能力指数:Cpk值
4)Cpk的评级标准:(可据此标准对计算出之制程能力指数做相应对策)
等级 | Cpk值 | 处理原则 |
A++ | Cpk≥2.0 | 特优,可考虑成本的降低 |
A+ | 2.0 > Cpk ≥ 1.67 | 优,应当保持之 |
A | 1.67 > Cpk ≥ 1.33 | 良,能力良好,状态稳定,但应尽力提升为A+级 |
B | 1.33 > Cpk ≥ 1.0 | 一般,制程因素稍有变异即有产生不良的危险,应利用各种资源及方法将其提升为 A级 |
C | 1.0 > Cpk ≥ 0.67 | 差,制程不良较多,必须提升其能力 |
D | 0.67 > Cpk | 不可接受,其能力太差,应考虑重新整改设计制程。 |
5) Cpk、西格玛σ,PPM,(parts per million 百万分之),合格率。
作者看过很多资料,总感觉这些换算的表格不一致?不知道是不是因为中间值u的1.5σ偏移的问题。
下面这份表格是作者现在最认同的,毕竟6σ表示百万分之3.4件不合格。
西格玛与PPM换算表
CPK与PPK都是表示制程能力的参数,PPK中添加了对过程特殊原因的关注,是描述过程性能的指标,两者的不同在于取标准差的算法不同σ,其余计算方法实际上是一样的。现实中也常常用cpk代替PPK的运算。6)CPK与PPK的不同
5.cpk是针对特征而言的
有些质量管理人员讲解cpk单指尺寸,但实际上cpk与正态分布图的应用范围是很广的。比如材料的某些特性也是呈正态分布的,再比如大多数产品的合格率也是呈正态分布的。
6.cpk统计表格的运用
现在cpk统计并非需要手工计算,简单的方法可以运用cpk统计的表格(网上可以简单地找到,作者分享里也有),如下图所示:
7.cpk章节对应的资料汇总
转载于:https://www.cnblogs.com/zjc9915/p/9241015.html
达人篇:5)公差的正态分布与CPK与制程能力(重要)相关推荐
- 达人篇:1)简单易懂的质量管理-写在达人篇开篇
本章目的:质量管理需要简单易懂,平易见人,为设计者所接受. 1.误区:高高在上的质量管理 这是一件很常见的事情,很多公司的习以为常.在谈论以统计分析和以正态分布概念基础的质量管理的时,颇有一种在谈论玄 ...
- 达人篇:2.1)零缺陷管理法;
本章目的:了解零缺陷,思考其对设计的影响. 1.什么是零缺陷管理 零缺陷管理简称ZD.亦称"缺点预防",零缺陷管理的思想主张企业发挥人的主观能动性来进行经营管理,生产者.工作者要努 ...
- 统计公差分析--正态分布基本概念(MarkDown编辑器)
TOC 正态分布 X∼N(μ,σ)X\sim N(\mu ,\sigma ) X∼N(μ,σ) fX(x)=12πσe−(x−μ)2/2σ2f_{X}(x)=\frac{1}{\sqrt{2\pi}\ ...
- R语言实战应用精讲50篇(九)-正态分布的检验
前言 关于Excel数据指标分析,已经上传到个人资源,以下是链接,需要的小伙伴可自取. Excel数据分析工具库(t检验.Z检验.方差分析.回归.协方差.相关系数.双样本方差分析) https://d ...
- 达人篇:3.3)六西格玛
本章目的:了解六西格玛,但不要忘记自己的目标和要做的事情. 1.时代的旋律 1.1 认识时代的旋律和自己的目的 作者已经介绍了很多关于质量管理的概念和方法,并且以后会陆陆续续介绍更多.因为我们生活在一 ...
- 工程制图篇:公差原则与要求
目录 1.尺寸与几何公差 2.公差原则 3.公差要求 4.关键名词解释 5.常用通用量具 1.尺寸与几何公差 1)尺寸公差1:上极限尺寸减去下极限尺寸之差,或上极限偏差减去下极限偏差只差.它是允许尺寸 ...
- 达人篇:6.3)试验设计DOE,Design of Experiments
本章目的:了解DOE,结构工程师为什么学习DOE. 1.前言:结构工程师为什么要学DOE 作者作为一名结构工程师,为什么要学习DOE. 很简单,在第四版FMEA手册中,DOE是重要的探测控制手段.如图 ...
- 【Unity 框架】QFramework v1.0 使用指南 架构篇:11. 光速实现 EditorCounterApp 和 给主程看的开发模式 | Unity 游戏框架 | Unity 游戏开发
首先,我们来实现一个好玩的事情,就是在前边已经实现好的 CounterApp 的基础上,光速实现一个编辑器版本的 CounterApp. 代码非常简单,如下: #if UNITY_EDITOR usi ...
- 【Python零基础入门篇 · 3】:掌握数值类型、进制的转换
文章目录 数值类型 整数类型 浮点类型 布尔类型 进制的转换 进制间的转换规则 进制转换的函数 数值类型 名称 中文名称 作用 举例 int 整型 整数 1, 2, 3, 4, - float 浮点型 ...
最新文章
- linux6下kdump的配置
- springboot集成redis使用redis作为session报错ClassNotFoundException类RememberMeServices
- C语言笔记:格式化输入输出(fprintf、fscanf、sscanf...)
- 图解算法学习笔记(二): 选择排序
- 中值滤波去除图像噪声的matlab程序
- 队列模拟约瑟夫问题(洛谷P1996题题解,Java语言描述)
- 软件工程结对项目:四则运算web
- linux epoll用法之二
- tf.train.slice_input_producer(转)
- 发言倒计时器_演讲稿之演讲比赛专用倒计时器
- spring5-介绍Spring框架
- 博弈论学习笔记——拍卖原理
- Linux下禁用笔记本触摸板
- java构造方法中this_Java中this关键字在构造方法中的使用
- 【ImportError: cannot import name ‘json‘ from ‘itsdangerous‘】
- 2019年组装的一台计算机
- ​英伟达 CEO 黄仁勋:摩尔定律结束了;苹果新专利:折叠式iPhone可自行修复折痕;Rust 1.64.0 发布|极客头条...
- outlook你的邮件服务器证书无效,IMAP提示由于证书无效或不可信,无法连接到服务器...
- 中国石油大学《大学语文》第二阶段在线作业
- java 连接 Pi数据库——piapi方式