乡亲们
C图表 是 控制图 ,用于追踪 属性数据。例如,假设您正在表面贴装技术 的装配过程末端追踪缺陷 。管理层表示,他们希望了解每10,000个装配件中存在多少缺陷 。 因此,对于每生产10,000个组件,你需要追踪缺陷 的数量。假设作为首席工艺工程师,你已经收集了6个月的这些属性数据。为了简化分析,我们还假设每天生产的组件数量就是这个数。图1展示了该数据的C图。该 休哈特 规则1 的违规情况,几乎可以肯定是由 共同原因变异所致。

图1.包含10,000条数据的数据集的C图数据。
你外出度假两周,几位工作过度的同事同意负责监控生产线并收集属性数据。遗憾的是,由于你不在,装配线上出现了一些工艺问题。因此,每天仅能生产5,000个组件。 管理层希望将新数据与旧数据进行比较,但两者的样本量不同。合理的做法是直接将每5,000个缺陷 的数量乘以样本量之比,本例中该比率为2(10,000/5,000)。将这些经过调整的新数据与旧数据合并后,即可绘制更新的C图。 在本例中,缺陷 前3天的数据分别为每5,000个装配件中出现31、23和21个缺陷 。乘以2后,这些数据点分别变为62、46和42。对这两周的数据进行此简单运算并将其添加到旧的C图中,即可得到图2所示的新C图。

图2。通过将 新数据集中每项的失效次数乘以2,我们可以将新数据与旧数据合并,并生成一张新的C图。请注意,新数据的缺陷 率更高,这从大量违反休哈特第一法则的情况中可以看出。
请注意,新数据清楚地表明故障率有所上升,这从大量违反休哈特第一法则的情况中可以看出。这些结果有力地证明了您在支持装配过程中所做的出色工作。在您缺席期间,产量不仅下降了50%,而且缺陷 率也显著上升。
我开发了一个Excel电子表格来完成这些数据转换。如果您感兴趣,请给我发一封电子邮件, 我会将该电子表格发送给您。
干杯
罗恩博士


