分位數控制在高科技行業(yè)的應用

　　統計過(guò)程控制

　　在20世紀90年代，隨著(zhù)新的工藝和新材料的應用，電子元器件產(chǎn)品呈現高集成，高智能，高技術(shù)綜合化的特點(diǎn)，同時(shí)產(chǎn)品的質(zhì)量水平迅速提高。目前國際上高質(zhì)量電子元器件生產(chǎn)線(xiàn)工藝不合格率已經(jīng)降至百萬(wàn)分之幾的水平，電子元器件失效率降至非特數量級(平均失效時(shí)間109小時(shí)，即失效率10非特)。在這種情況下，統計過(guò)程控制(Statistical Process Control簡(jiǎn)稱(chēng) SPC)得到了越來(lái)越廣泛的運用。統計過(guò)程的發(fā)展可以追溯到十九世紀三十年代。1924年，美國貝爾實(shí)驗室的沃爾特.休哈特博士根據數理統計的原理提出了基于控制圖的統計過(guò)程控制理論，其主要作用是判斷生產(chǎn)過(guò)程是否處于穩定狀態(tài)并分析受控狀態(tài)，以便發(fā)現異常情況，從而及時(shí)采取有效的措施，起到防患與未然的作用。

　　常規控制圖

　　在實(shí)際生產(chǎn)中，引起產(chǎn)品質(zhì)量波動(dòng)的偶然因素和異常因素總是交織在一起的，如何加以區分并非易事。統計過(guò)程技術(shù)中的過(guò)程受控狀態(tài)分析的主要目的就是利用控制圖作為手段，從起伏變化的工藝參數數據中確定生產(chǎn)過(guò)程中是否存在異常因素，以便更好地控制和穩定產(chǎn)品質(zhì)量?？刂茍D成為實(shí)施統計過(guò)程控制的核心。工藝參數數據可分為計量型和計數型兩種，這兩種數據繪制控制圖的理論基礎相同，只是計量型數據的控制圖以正態(tài)分布為基礎，計數型數據的控制圖一般以二項分布或泊松分布為基礎。對計量型工藝參數采用的常規控制圖理論是由一定條件的。要求被分析的數據一定要服從IIND(Independently and Identically Normally Distributed)條件。即獨立的且服從正態(tài)分布。

　　非參數工藝參數

　　隨著(zhù)統計控制在各行業(yè)運用的越來(lái)越廣泛，同時(shí)也發(fā)現在很多高科技企業(yè)實(shí)際業(yè)務(wù)中也存在著(zhù)大量非參數過(guò)程，不再滿(mǎn)足休哈特控制圖的假設前提，甚至無(wú)法找到適合的分布。如果還是采用常規控制圖將會(huì )產(chǎn)生對工藝過(guò)程的“誤判”。這將引發(fā)多方面的問(wèn)題：系統產(chǎn)生的大量“報警”無(wú)法找到原因，導致用戶(hù)對控制系統失去信心，最終被唾棄;亦或為減少“報警”而控制限為被放寬，當制成出現問(wèn)題根本無(wú)法預警，系統形同虛設。在此情況下，數據的正態(tài)轉換也常常發(fā)揮不了作用。

　　分位數控制

　　非參數工藝控制的主要挑戰是如何設定合理的控制限，既能不被相對“難以捉摸”工藝波動(dòng)所干擾，又能在工藝出現異常時(shí)準確的預警?；仡檪鹘y控制限計算的方法，其實(shí)是定義±3σ的區間的界限，其中涵蓋99.73%的分布。由此如果可以通過(guò)非參數分布的99.73%的分位數，反推控制限的數值，從而達成對非參數過(guò)程的統計控制。

　　傳統正態(tài)分布統計過(guò)程控制限的推算

　　但是如何實(shí)現仍是非常挑戰的任務(wù)，因為這種方法需要大量的數據來(lái)確保得到精確的控制限。借助JMP(全球最大的統計學(xué)軟件公司SAS的產(chǎn)品)的數據計算能力與過(guò)程控制模塊便能實(shí)現這一復雜的過(guò)程控制。以一個(gè)單邊非參數分布為例，利用JMP可以方便地得到99.73%，95.45%，68.27% (相當于6σ，4σ，2σ)的控制限， 將其運用于控制圖就完成了非參數分布的統計過(guò)程控制。此方法使用了未經(jīng)變動(dòng)的原始數據，使得過(guò)程信息完整可靠，同時(shí)根據分布的特點(diǎn)，具有良好的覆蓋能力，又對過(guò)程起到了科學(xué)的監控作用。