該文章原創文章,同步發表於公眾號“品質星動力”,歡迎各位關註點贊,更希望能幫助到大傢。
也歡迎私信加我的品質群,或知識星球,一起探索。
“CPK,一般品質人剛接觸到這個概念的時候覺得晦澀,有挑戰性。有的認為:這不就是技術專業知識嗎?也碰巧大一大二學的高等數學,概率統計基礎還在,猛如虎的操作可能豁然開朗,然而一段時間後,模糊瞭,再過一段時間,好像沒印象瞭。”
一 CPK是什麼?
其實就是衡量生產過程能力高低的數據,CP,CPK,PPK,CMK因為生產工藝復雜性和取樣等不同而導致不同。我經常舉個例子:兩個短跑運動員,一個訓練最好成績9.9s,一個11s,這個類似CP,是個人能力。同樣是數控加工中心,馬紮克和北京精雕機,精度是不一樣的。一個做到+/-0.01,一個假如+/-0.02,這是設備能力。但是假如臨時比賽,大概率是9S的運動員獲勝。這裡還涉及到精度和其他比賽因素,個人心理因素,像極瞭一個生產加工的工序過程。例子就是例子,你隻要記住我有能力達到多少,但是實際上表現出多少能力,這是兩個概念幫助你理解CP和CPK。
過程能力(process capability)以往稱為工序能力,是指過程的加工水平滿 足技術標準的能力,它是衡量過程加工內在一致性的標準。過程能力與生產能 力不同,生產能力是加工方面的能力。過程能力取決於人、機、料、法、 環而與公差無關,故通常用統計控制狀態下的6倍標準差(表示過程能力)。
過程能力指數(process capability index)表示過程能力滿足技術標準(產品 規范、公差)的程度,一般記為PCI或CP。
二 過程能力分析的基礎是什麼?
依據數理統計理論,當生產過程穩定時,絕大多數計量值特性服從常態分佈。
對一個正常的過程參數(比如:尺寸)隨機抽樣,(計量值)數據應呈常態分佈(正態分佈或高斯分佈)。
依據概率理論計算,99.73%的樣本將落在+/-3σ的范圍內,隻有很小的概率(0.27%)+/-3σ的范圍內,由於小概率事件一般不會發生,可以認為不會有尺寸在規格之外。
三 與Cpk值相關的幾個重要概
USL (Upper Specification Limit): 即規格上限;
LSL (Low Specification Limit): 即規格下限;
U:規格中心值
平均值 =(x1+x2+… …+xn)/n ;(n為樣本數)
T:規格公差,即 T=規格上限一規格下限=USL-LSL;
σ(sigma):為數據的標準差
四 Cpk值的計算公式
制程能力指數(CPK):是工程精確度(Ca)和工程能力指數(Cp)的綜合評價:Cpk=Cp(1-︱Ca︱)
Cp(Capability of Precision) — 制程精密度Ca(Capability of Accuracy) — 制程準確度
K= ︱Ca︱ — 制程偏差度
註:計算Cpk時,取樣數據至少應有20組數據,方具有一定代表性。Ca (Capability of Accuracy):制程準確度;Ca 在衡量“實際平均值“與“規格中心值”之一致性;①對於單邊規格,不存在規格中心,因此也就不存在Ca;②對於雙邊規格:
Cpk值的計算公式(2)
CP=(USL-LSL)/6δ=T/6δ
CPK=Min(CPU,CPL)=Min[((USL-X平均值)/3 δ);(X平均值-LSL)/3 δ)]
五 如何運用?
兄弟們,看公式枯燥不?其實實際運用中不需要這麼麻煩,大傢會用就行,原理看瞭能懂,記住更好。誰傢的CPK不是根據設定的表格,隻需要填寫公式就OK 瞭啊。一般的是客戶特定的格式,一種就是自己用軟件比如minitable來計算。我下面貼兩個例子:
作為PQE而言,可能用第一種合適,你隻需要設計好方案和尺寸選取,並千萬註意要進行MSA分析,確保瞭量測的精準度後再去讓QC收集數據,你來分析就可以。如何評判?有參照表。如何分析,這的結合工藝,從公式入手,無非就是人機料法環的相關因素?這裡不做贅述。後續可能會直播視頻。
作為SQE而言,你要練的火眼金睛。第一選擇真正你需要的CPK尺寸,第二辨別清楚供應商量具使用的精準度,不然數據有何意義?第三準確識別出假數據和真數據。第四考慮風險。
六 實例計算
最後,來個例子去計算,加深印象。註意兩種方法啊。
某零件長度質量要求為120±0.5mm,知生產一批零件的均值為120.2mm、標準差為0.1mm,求Ppk( )計算?
出答案的可以評論區回復,嚴格套取公式即可,兩種方式均已驗證OK 。
-
扫码下载安卓APP
-
微信扫一扫关注我们微信扫一扫打开小程序手Q扫一扫打开小程序
-
返回顶部