Re: [問題] cpk判定製程能力

看板Statistics作者 (我要吃飯)時間6年前 (2018/05/21 11:57), 編輯推噓0(000)
留言0則, 0人參與, 6年前最新討論串3/3 (看更多)
※ 引述《j401f2 (我要吃飯)》之銘言: : 標題: Re: [問題] cpk判定製程能力 : 時間: Mon Apr 16 12:55:43 2018 : : ※ 引述《tony007 (小小風)》之銘言: : 2. SPC是否呈現穩定的隨機狀態? : : 量測工具必須被限制變異 以免量出來的觀測值變成垃圾 : 當量測數據可信時 看SPC才有意義 : : 再者SPC本身也要是穩定狀態 你去算Cpk才有意義 : 這點很常被大家忽略 我也不知道為什麼 : 如果SPC本身有超出管制上下限的狀況 : 或者呈現某種不隨機的趨勢 就可能產生你說的問題 : 就是一下Cpk好 一下又不好 根本不具備可預測性 : : 你再回去檢查那30筆的SPC 一定有比較怪的地方 : : 另外就是Cpk的計算是跟規格上下限比較 : 如果你的規格上下限設得很寬 那Cpk的意義也不大 : : : 另外,因為這一量測值的製程機台 因為治工具的特性問題 : : 每100筆產品 需更換調機一次,(但我抽測的頻率是每40筆抽1筆) : : 我在想如果每隔一段時間就重新調機改變製程能力 : : 是否就會造成我上面算出來的狀況 導致無參考性 : : 所以我第2個問題 如果機台在量測的區間有作過的調機 : : 那所量測到的數值是否就不適合一起算 cpk值呢??? : : 因為小弟我對統計真的不太懂 再麻煩高手大大能夠解惑 : : 小弟以100P 回給第一位幫忙解惑的大大 : : 以上~~~ : : 同一台機台一個參數就畫一張SPC : 換刀具換治具就用表格記錄在旁邊 : 這樣透過同一張SPC就能看出端倪 : 你一直換SPC讓資料失去連續性 那SPC就變成垃圾 : : -- : ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.137.19.232 : ※ 文章網址: https://www.ptt.cc/bbs/Statistics/M.1523854546.A.FCC.html : ※ 編輯: j401f2 (114.32.218.126), 04/16/2018 13:36:24 : → popo14777: 我也想請問大大一個問題,教科書上都寫說,使用管制圖 05/06 10:30 : → popo14777: 與製程能力指標時,我的品質特性數據必須服從常態分佈 05/06 10:35 : → popo14777: 那我抽樣數據不服從常態分配時,是不是在管制圖與製程 05/06 10:36 : → popo14777: 能力分析上比較沒有意義呢? 05/06 10:37 : → popo14777: 例如有些電子元件的品質特性數據是偏歪斜或非對稱分布 05/06 10:38 : → popo14777: 上述情形的平均數較為敏感,導致估計出來的管制界限還 05/06 10:40 : → popo14777: 有意義嗎? 謝謝 05/06 10:40 回在看板上比較方便 正確來說你的品質特性數據不必然需要服從常態分佈 而是品質特性數據的平均值需要服從常態分佈 這是由於中央極限定理的緣故 如果其平均值不服從常態分佈 後面的Cpk當然也就沒意義了 但管制圖本身還是有意義的 可以從X-bar R chart看出變異的變化 這些就要親自看圖才能判斷了 我個人的建議是不要動不動就看Cpk 這種製程能力指標很容易誤導人 如果要用就要先確認 1. 管制圖是否符合隨機性 是否穩定 2. 管制圖資料須服從常態分配 3. 品質特性規格須合理依照客戶需求設定 太寬的規格會過度提高Cpk TS16949 SPC manual有提到non-normal的處理方法 這部分我就沒有仔細研究了 -- 標題 [新聞] 與顏清標對戲 房祖名超緊張

03/23 17:38,
聽~海哭的聲音
03/23 17:38

03/23 17:40,
泥娃娃泥娃娃一個泥娃娃 灌進了鼻子灌滿了嘴巴 再也不說話
03/23 17:40

03/23 17:51,
而漂流的你 泡爛的心 停在哪裡~
03/23 17:51

03/23 17:52,
說 你 在 被 灌 漿 的 時 候~是~怎~樣~的~心~情~
03/23 17:52

03/23 18:23,
在沿海地帶當個消波塊 孤單也很精彩~
03/23 18:23
-- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.32.218.126 ※ 文章網址: https://www.ptt.cc/bbs/Statistics/M.1526875032.A.1A7.html
文章代碼(AID): #1R0aEO6d (Statistics)
文章代碼(AID): #1R0aEO6d (Statistics)