CN101290517B - 对离散样本数据进行统计过程控制的方法及其装置 - Google Patents

Abstract

一种对离散样本数据进行统计过程控制的方法，包括下述步骤：收集离散样本数据，根据统计分布函数计算所收集的离散样本数据的置信区间和双控制界限；根据计算所得的双控制界限，判断新收集的离散样本数据是受控数据或是失控数据；若新收集的离散样本数据为受控数据，根据统计分布函数重新计算用于计算原来的双控制界限的离散样本数据和新收集的受控数据的置信区间和双控制界限；若新收集的离散样本数据为失控数据，对所述的失控数据进行失效分析，查找产生失控数据的因素。本发明可以节省生产过程中收集离散样本数据所需耗费的成本和时间，进而降低生产过程中的测试成本以及缩短生产过程中的测试周期。

Description

对离散样本数据进行统计过程控制的方法及其装置

技术领域

本发明涉及一种统计过程控制技术，特别是涉及一种对离散样本数据进行统计过程控制的方法及其装置。

背景技术

统计过程控制(Statistical Process Control，SPC)是目前生产过程中控制稳定产出的主要工具之一，在生产型企业的质量管理控制中应用的非常广泛。有效的实施、应用SPC可以及时发现过程中的问题，采取适当的改善措施，在发生问题之前，消除问题或降低问题带来的损失。

对半导体制造业来说，为满足半导体技术的高速发展与进步的要求以及客户对产品的性能、服务、运送、质量及可靠性等方面的期望，有必要尽早地把有缺陷的产品从生产线上鉴别出来，并采用更为有效的方法来开发、验证及监控工艺过程。传统的测试式可靠性方法，主要在生产线末端通过老化、品质管理、可靠性测试和失效分析等手段来鉴别或评估可靠性失效率，由于其测试周期长，已不再适用于现代半导体工业。内建可靠性(building-inreliability，BIR)方法正好相反，它具有迅速反馈、早期预警和循环控制等优点。因此，SPC技术被广泛应用于半导体制造业中，同时，使用SPC技术对生产过程中的产品进行质量管理控制的监测装置例如在线监测控制器(shortloop monitor)也应运而生。

统计过程控制(SPC)的含义是：“使用控制图等统计技术来分析过程或其输出，以便采取必要的措施获得且维持统计控制状态，并提高过程能力”。实施SPC分为两个阶段，一是分析阶段，二是监控阶段。分析阶段是在生产准备完成后，用生产过程收集的多组样本数据计算控制图的控制界限，作成分析用控制图、直方图、或进行过程能力分析，检验生产过程是否处于统计稳态、以及过程能力是否足够。如果任何一个不能满足，则寻找原因，进行改进，并重新准备生产及分析，直到达到了分析阶段的两个目的，则分析阶段可以宣告结束，进入SPC监控阶段，此时分析用控制图转化为控制用控制图。监控阶段的主要工作是使用控制用控制图进行监控，其中，控制图的控制界限已经根据分析阶段的结果而确定，生产过程的数据及时绘制到控制图上，并密切观察控制图，控制图中点的波动情况可以显示出过程受控或失控，如果发现失控，则寻找原因并尽快消除其影响。监控可以充分体现出SPC预防控制的作用。在工厂的实际应用中，对于每个控制项目，都必须经过以上两个阶段，并在必要时会重复进行这样从分析到监控的过程。

一般而言，按产品质量的特性分类，控制图可分为计量值控制图和计数值控制图。计量值控制图是用于产品质量特性为计量值情形，如长度、重量、时间、强度等连续数据(例如服从正态分布的数据)，常用的计量值控制图有均值—极差控制图，中位数—极差控制图，单值—移动极差控制图，均值—标准差控制图。计数值控制图是用于产品质量特性为不合格品数、不合格品率、缺陷数等离散数据(例如服从二项分布的数据)，常用的计数值控制图有不合格品率控制图，不合格品数控制图，单位缺陷数控制图，缺陷数控制图。

对于控制图中控制界限的确定方法，请参考申请号为200480037968.6的中国专利申请公开的技术方案。图1是现有技术中的一种具有单控制界限的控制图，其中，控制上限11(UCL)和控制下限12(LCL)根据下述公式计算：

UCL＝X+Zσ  (1)

LCL＝X-Zσ  (2)

其中，X是数据的算术平均值，σ是标准差，Z是可用作容限系数的可选乘数，一般而言，根据3^σ准则，Z的选值为3。在实际应用中，这种控制界限的计算公式适用于连续数据，也适用于离散数据。

但是，对于应用SPC技术对产品进行质量管理控制的技术人员应当熟知，要计算上述的控制界限，最初始时需要收集的样本数据的组数必须不少于足够的数量，通常为组数不能少于30。然而对于许多产品而言，例如在半导体产品制造过程中收集足够的样本数据需要耗费很大的成本和时间，因此，应用上述控制图的SPC技术在生产过程变得并不十分有效。为解决上述问题，业界提出了一种具有双控制界限的控制图，如图2所示，这种控制图具有双控制界限，包括外控制界限(Outer CL)和内控制界限(Inner CL)，其中，外控制上限21(OUCL)、外控制下限22(OLCL)、内控制上限23(IUCL)和内控制下限24(ILCL)根据下述公式计算：

OUCL＝X+Lo*^σ  (3)

OLCL＝X-Lo*^σ  (4)

IUCL＝X+Li*^σ  (5)

ILCL＝X-Li*^σ  (6)

其中，Lo和Li是控制极限因数(Control Limit Factor)，其选值分布如图3所示。用这种双控制界限方法确定的控制图可以适用于最初始时收集的样本数据的组数小于30的连续样本数据。图2所示的样本数据是表示产品使用寿命(lifetime)的连续数据，从图中可以看出，若样本数据在内控制界限，也就是在内控制上限23和内控制下限24之间，表示此时该产品的生产过程处于受控状态；若样本数据超出外控制上限21，表示该产品的生产过程处于较佳的受控状态，若样本数据超出外控制下限22，表示该产品的生产过程处于失控状态。另外，这种双控制界限方法确定的控制图也可以适用于初始时收集的样本数据的组数大于等于30的连续样本数据。

综上所述，在现有技术中还没有一种控制界限以及应用此种控制界限的SPC技术适用于最初始时收集的样本数据的组数小于30组的离散样本数据。

发明内容

本发明解决的问题是，提供一种对离散样本数据进行统计过程控制的方法及其装置，以节省生产过程中收集离散样本数据所需耗费的成本和时间，进而降低生产过程中的测试成本以及缩短生产过程中的测试周期。

为解决上述问题，本发明提供一种对离散样本数据进行统计过程控制的方法，包括下述步骤：收集离散样本数据，根据统计分布函数计算所收集的离散样本数据的置信区间和双控制界限；根据计算所得的双控制界限，判断新收集的离散样本数据是受控数据或是失控数据；以及若新收集的离散样本数据为受控数据，根据统计分布函数重新计算用于计算原来的双控制界限的离散样本数据和新收集的受控数据的置信区间和双控制界限。

上述方法还包括下述步骤：若新收集的离散样本数据为失控数据，对所述的失控数据进行失效分析，查找产生失控数据的因素；根据失效分析，判断失控数据是正确失控数据或是错误失控数据；根据错误失控数据，计算错误失控数据预警比率；以及判断错误失控数据预警比率是否大于标准的错误预警比率，若错误失控数据预警比率大于标准的错误预警比率，则重新计算离散样本数据的置信区间和双控制界限。

根据本发明的一个较佳实施例，所述的离散样本数据为失效产品比率。所述的离散样本数据的置信区间包括平均失效比率上限和平均失效比率下限。所述的离散样本数据的控制界限包括内控制界限和外控制界限，其中，内控制界限包括内控制上限和内控制下限，外控制界限包括外控制上限和外控制下限。所述的受控数据是指所述的离散样本数据小于内控制上限，所述的失控数据是指所述的离散样本数据大于等于外控制上限。

所述的平均失效比率下限(p_L)和平均失效比率上限(p_U)根据下述公式计算：

${\stackrel{\‾}{p}}_L=\frac{f}{f+(N-f+1)F_1}$

${\stackrel{\‾}{p}}_U=\frac{(f+1)F_2}{(f+1)F_2+(N-f)}$

其中，F₁＝F[(1-α/2)；2(N-f+1)，2f]，F₂＝F[(1-α/2)；2(f+1)，2(N-)]，F是统计分布函数，f是失效产品总数，N是产品总数，α是显著性水平。所述的内控制上限(IUCL)、内控制下限(ILCL)、外控制上限(OUCL)和外控制下限(OLCL)根据下述公式计算：

$\mathrm{IUCL}=\stackrel{\‾}{p}+3\sqrt{\frac{{\stackrel{\‾}{p}}_L(1-{\stackrel{\‾}{p}}_L)}{n}}$

$\mathrm{ILCL}=\stackrel{\‾}{p}-3\sqrt{\frac{{\stackrel{\‾}{p}}_L(1-{\stackrel{\‾}{p}}_L)}{n}}$

$\mathrm{OUCL}=\stackrel{\‾}{p}+3\sqrt{\frac{{\stackrel{\‾}{p}}_U(1-{\stackrel{\‾}{p}}_U)}{n}}$

$\mathrm{OLCL}=\stackrel{\‾}{p}-3\sqrt{\frac{{\stackrel{\‾}{p}}_U(1-{\stackrel{\‾}{p}}_U)}{n}}$

其中，p是平均失效产品比率，n是每组样本数据中的产品总数。

为解决上述问题，本发明还提供一种对离散样本数据进行统计过程控制的装置，其包括：收集模块，用于收集离散样本数据；计算模块，用于根据统计分布函数计算收集模块所收集的离散样本数据的置信区间和双控制界限；以及判断模块，用于根据计算模块计算所得的双控制界限，判断收集模块新收集的离散样本数据是受控数据或是失控数据，若新收集的离散样本数据为受控数据，则通知计算模块根据统计分布函数重新计算用于计算原来的双控制界限的离散样本数据和新收集的受控数据的置信区间和双控制界限。其中，所述的装置是在线监测控制器。

上述装置还包括分析模块，用于对所述的失控数据进行失效分析，查找产生失控数据的因素；分析处理模块，用于根据分析模块的失效分析，判断失控数据是正确失控数据或是错误失控数据，若失控数据是错误失控数据，则计算错误失控数据预警比率，并判断错误失控数据预警比率是否大于标准的错误预警比率，若错误失控数据预警比率大于标准的错误预警比率，则通知计算模块重新计算离散样本数据的置信区间和双控制界限。

与现有技术相比，本发明具有以下优点：在现有技术中还没有一种控制界限以及应用此种控制界限的统计过程控制方法适用于组数小于30的离散样本数据。而本发明提供了一种对离散样本数据进行统计过程控制的方法及其装置，其主要是根据统计分布函数计算离散样本数据的置信区间和控制界限，然后根据计算所得的控制界限，监测和控制生产过程中收集的离散样本数据，因此，本发明可以适用于最初始时收集的样本数据的组数小于30组的离散样本数据，在生产过程中，应用本发明所提供的统计过程控制的方法可以节省收集离散样本数据所需耗费的成本和时间，进而降低生产过程中的测试成本以及缩短生产过程中的测试周期。

附图说明

图1是现有技术中一种具有单控制界限的控制图；

图2是现有技术中一种适用于连续样本数据的具有双控制界限的控制图；

图3是用于计算图2中控制界限的控制极限因数的选值分布；

图4a和4b是本发明所提供的对离散样本数据进行统计过程控制的方法的步骤示意图；

图5是根据本发明较佳实施例所作成的具有双控制界限的控制图；

图6是本发明所提供的对离散样本数据进行统计过程控制的装置的结构示意图。

具体实施方式

本发明提供了一种对离散样本数据进行统计过程控制的方法及其装置，其主要是根据统计分布函数计算离散样本数据的置信区间和控制界限。

图4a和4b是本发明所提供的一种对离散样本数据进行统计过程控制的方法的步骤示意图，图5是根据本发明较佳实施例所作成的具有双控制界限的控制图。下面结合附图和较佳实施例对本发明的具体实施方式做详细的说明。为清楚说明本发明，本实施例是以失效产品比率p(failure proportion)作为离散样本数据，失效产品比率p是根据服从二项分布的离散数据计算而得的，所述的服从二项分布的离散数据是指用有效和失效两种结果描述离散数据。

如图4a所示，本发明的离散样本数据的统计过程控制方法首先进行步骤S41。收集离散样本数据，并根据统计分布函数F(distribution function)计算所述离散样本数据的置信区间(confidence bounds)和双控制界限(controllimits)。所述的置信区间是指，当观察值在偏离理论值的一定范围内波动时被认为是正常的，这个范围就是置信区间。根据本发明所作出的控制图具有双控制界限，所述的双控制界限包括外控制界限和内控制界限，其中内控制界限包括内控制上限和内控制下限，外控制界限包括外控制上限和外控制下限。

计算置信区间包括根据下述公式计算平均失效比率下限(p_L)和平均失效比率上限(p_U)：

${\stackrel{\‾}{p}}_L=\frac{f}{f+(N-f+1)F_1}---\left(7\right)$

${\stackrel{\‾}{p}}_U=\frac{(f+1)F_2}{(f+1)F_2+(N-f)}---\left(8\right)$

其中，F₁＝F[(1-α/2)；2(N-f+1)，2f]，F²＝F[(1-α/2)；2(f+1)，2(N-f)]，F是统计分布函数，α是显著性水平(significance level)，因为统计分布函数是一个公知的函数，为使本说明书简明易懂，在此将不对统计分布函数展开说明，显著性水平α的选值通常是小于等于0.05，在本实施例中α的选值是0.05；f是失效产品总数，N是产品总数。具体来说，最初始时收集的样本数据的组数m可以小于30，每组样本数据的失效产品比率p是失效产品数量与每组样本数据中的产品总数n的比值，失效产品总数f是m组样本数据中所有失效产品数量的总和，产品总数N是每组样本数据的产品总数n与样本数据的组数m的乘积。公式(7)和(8)适用于计算所得的平均失效比率上限和平均失效比率下限低于0.5，实际上，在具有高可靠性的生产过程中平均失效比率确实是可以达到不超过0.5的。

在步骤S41中，计算离散样本数据的控制界限包括根据下述公式计算外控制上限(OUCL)、外控制下限(OLCL)、内控制上限(IUCL)和内控制下限(ILCL)：

$\mathrm{OUCL}=\stackrel{\‾}{p}+3\sqrt{\frac{{\stackrel{\‾}{p}}_U(1-{\stackrel{\‾}{p}}_U)}{n}}---\left(9\right)$

$\mathrm{OLCL}=\stackrel{\‾}{p}-3\sqrt{\frac{{\stackrel{\‾}{p}}_U(1-{\stackrel{\‾}{p}}_U)}{n}}---\left(10\right)$

$\mathrm{IUCL}=\stackrel{\‾}{p}+3\sqrt{\frac{{\stackrel{\‾}{p}}_L(1-{\stackrel{\‾}{p}}_L)}{n}}---\left(11\right)$

$\mathrm{ILCL}=\stackrel{\‾}{p}-3\sqrt{\frac{{\stackrel{\‾}{p}}_L(1-{\stackrel{\‾}{p}}_L)}{n}}---\left(12\right)$

其中，n是每组样本数据中的产品总数，p是平均失效产品比率，也就是m组样本数据的失效产品比率的平均值，平均失效比率下限p_L和平均失效比率上限p_U是根据公式(7)和公式(8)计算而得的。

接着进行步骤S42，根据计算所得的双控制界限，判断新收集的离散样本数据是受控数据或是失控数据。在本实施例中，若样本数据即失效产品比率低，所述的样本数据为受控数据，例如失效产品比率在内控制界限内时表示生产过程处于受控状态，失效产品比率小于外控制下限时表示生产过程处于较佳的受控状态；若样本数据即失效产品比率高，所述的样本数据为失控数据，如失效产品比率大于等于外控制上限表示生产过程处于失控状态。因此定义小于内控制上限的样本数据为受控数据，大于等于外控制上限的样本数据为失控数据。

若新收集的离散样本数据是受控数据，接着进行步骤S43，根据统计分布函数重新计算用于计算原来的双控制界限的离散样本数据和新收集的受控数据的置信区间和双控制界限。其中，置信区间和控制界限同样是根据步骤S41中的公式(7)、(8)、(9)、(10)、(11)和(12)计算的。接着返回至步骤S42，根据计算所得的双控制界限，判断新收集的离散样本数据是受控数据或是失控数据。也就是说，收集新的离散样本数据和计算离散样本数据的置信区间和双控制界限可以重复交替地进行的。

另外，若新收集的离散样本数据是失控数据，接着进行步骤S44，对所述的失控数据进行失效分析(failure analysis，FA)，查找产生失控数据的因素。在本步骤中，若新收集的离散样本数据是失控数据，则发出失控预警信号并进行失效分析。接着返回至步骤S42。

上述对所述的失控数据进行失效分析的步骤S44后，还可以进一步包括根据对新收集的样本数据进行失效分析的结果，重新确定离散样本数据的置信区间和双控制界限。具体如图4b中的步骤S45至S47所示。

在步骤S45中，根据失效分析，判断失控数据是正确失控数据或是错误失控数据。本实施例中，若对所述的失控数据进行失效分析后，查找到了产生失控数据的原因，则将所述的失控数据定义为正确失控数据，也就是对样本数据的失控预警是正确的；若对所述的失控数据进行失效分析后，并没有查找到产生失控数据的原因，则将所述的失控数据定义为错误失控数据，也就是对样本数据的失控预警是错误的。若所述的失控数据是正确失控数据，则返回至步骤S42，若所述的失控数据是错误失控数据，则接着进行步骤S46。

在步骤S46中，根据错误失控数据，计算错误失控数据预警比率(falsealarm rate，FAR)。错误失控数据预警比率FAR是错误失控数据的组数与总样本数据组数的比值。

接着进行步骤S47，判断错误失控数据预警比率是否大于标准的错误预警比率，若错误失控数据预警比率大于标准的错误预警比率，则重新计算离散样本数据的置信区间和双控制界限。在本步骤中，将步骤S46计算所得的错误预警比率FAR与一个标准的错误预警比率数值进行比较，本实施例中，所述的标准的错误预警比率的经验值是0.27％。若错误预警比率FAR小于等于标准的错误预警比率数值，则返回至步骤S42。若错误预警比率FAR大于标准的错误预警比率数值，表示该生产过程发生变化，原来计算所得的控制界限不再适用于对新收集的离散样本数据进行监测控制，因此，在这种情况下，需要重新计算置信区间和双控制界限。重新计算置信区间，可以通过改变公式(7)和(8)中α的选值来实现，然后再根据重新计算所得的置信区间，重新确定控制界限。另外，公式(9)、(10)、(11)和(12)中的数值3是根据3^σ准则确定的容限系数的可选乘数，在实际应用中，这个容限系数的可选乘数的数值也可以适当改变，如选值3.5为容限系数的可选乘数，因此，通过改变容限系数的可选乘数也可以重新计算控制界限。在重新确定了双控制界限后，就可以重新作出控制图，接着返回至步骤S42，继续对生产过程中收集的样本数据进行监测和控制。

请参考图5，图5所示的具有双控制界限的控制图是根据对一种多晶硅的梳状测试结构(poly comb test structure)进行测试的测试结果所作出的。对这种多晶硅的梳状测试结构施加电压后进行测试会得到两种测试结果，即发生故障(break down)和没有发生故障(no break down)，在此，将发生故障的测试结构定义为失效产品，将没有发生故障的测试结构定义为有效产品。收集的失效产品比率p如图5中55所示，图中共显示了19组样本数据的失效产品比率p，举例来说，每组样本数据中的产品总数n是4000，第1组测试所得的失效产品数量是40，因此计算所得的失效产品比率p是0.01。各组样本数据是间隔一段时间(例如1天)对上述测试结构进行测试所得到的失效产品比率p。图5中的外控制上限51(OUCL)、外控制下限52(OLCL)、内控制上限53(IUCL)和内控制下限54(ILCL)是根据公式(9)、(10)、(11)和(12)计算而确定的。下面结合图4a和4b详细说明图5所示的控制图的作出过程。

在本实施例中，最初始时收集的样本数据的组数是6组，首先如步骤S41所述，根据统计分布函数F计算所收集的6组离散样本数据的置信区间和双控制界限。

接着如步骤S42所述，根据计算所得的6组离散样本数据的双控制界限，判断新收集的第7组离散样本数据是受控数据或是失控数据，如图5所示，第7组离散样本数据是受控数据。

接着如步骤S43所述，根据统计分布函数重新计算用于计算原来的双控制界限的离散样本数据和新收集的受控数据的置信区间和双控制界限，在本实施例中，用于计算原来的双控制界限的离散样本数据是指前6组离散样本数据，因此，在本步骤中，是根据统计分布函数计算前6组离散样本数据和新收集的第7组离散样本数据的置信区间和双控制界限。

接着如步骤S42所述，根据计算所得的7组离散样本数据的双控制界限，判断新收集的第8组离散样本数据是受控数据或是失控数据，如图5所示，第8组离散样本数据是失控数据。

接着如步骤S44所述，对第8组离散样本数据进行失效分析，查找导致失效产品比率p增加的因素。举例来说，造成第8组失控数据的失效产品比率p超出外控制上限的因素是多晶硅的有源区(AA)有多余残留物，这些多余残留物是由于使用浅沟槽隔离技术(Shallow Trench Isolation，STI)形成的锥形沟槽而引起的缺陷，因此针对这个因素可以对沟槽形成过程进行有效的改进，这样就可以降低第8组样本数据的失效产品比率p并将其控制在前7组离散样本数据的双控制界限。

接着如步骤S42所述，根据计算所得的前7组离散样本数据的双控制界限，判断新收集的第9组离散样本数据是受控数据或是失控数据，如图5所示，第9组离散样本数据是受控数据。

接着如步骤S43所述，根据统计分布函数重新计算用于计算原来的双控制界限的离散样本数据和新收集的受控数据的置信区间和双控制界限，在本实施例中，用于计算原来的双控制界限的离散样本数据是指前7组离散样本数据，因此，在本步骤中，是根据统计分布函数计算前7组离散样本数据和新收集的第9组离散样本数据的置信区间和双控制界限。

因此，图5所示的双控制界限即外控制上限51(OUCL)、外控制下限52(OLCL)、内控制上限53(IUCL)和内控制下限54(ILCL)是根据收集的19组离散样本数据中的受控数据计算而得的，所述的受控数据包括第1至7组，第9组以及第11至16组。而第8、10、17、18和19组离散样本数据是失控数据，因此，需要对这5组失控数据进行失效分析，本实施例中，对这5组失控数据进行失效分析后都查找到了导致失效产品比率p增加的因素，根据步骤S45所述，这5组失控数据是正确失控数据。

接着如步骤S42所述，根据计算所得的第1至7组，第9组以及第11至16组离散样本数据的双控制界限，判断新收集的第20组离散样本数据是受控数据或是失控数据。在本实施例中，第20组离散样本数据是失控数据，并且如步骤S44所述，对第20组离散样本数据进行失效分析后，并没有查找到导致失效产品比率p增加的因素，因此，根据步骤S45所述，第20组失控数据是错误失控数据。

接着如步骤S46所述，计算错误失控数据预警比率，即错误失控数据的组数与总样本数据组数的比值，本实施例中计算所得的错误失控数据预警比率是1/20，即5％。

接着如步骤S47所述，判断错误失控数据预警比率是否大于标准的错误预警比率，若错误失控数据预警比率大于标准的错误预警比率，则重新计算离散样本数据的置信区间和双控制界限。在本实施例中，步骤S46计算所得的错误预警比率5％大于标准的错误预警比率0.27％，因此，可以通过改变公式(7)和(8)中显著性水平α的选值来重新计算置信区间，再根据公式(9)、(10)、(11)和(12)计算双控制界限。接着返回至步骤S42。

对应于上述的方法，本发明还提供一种对离散样本数据进行统计过程控制的装置，所述的装置是一种对产品进行质量管理控制的在线监测控制器(short loop monitor)，也就是说，所述的在线监测控制器是应用统计过程控制(SPC)技术对产品的生产过程进行质量监测、管理和控制的。

请参考第6图，其是本发明所提供的对离散样本数据进行统计过程控制的装置的结构示意图。如图所示，所述的装置包括收集模块61、计算模块62、以及判断模块63。

收集模块61，用于收集离散样本数据，并将所收集的离散样本数据传送至计算模块62和判断模块63。

计算模块62，用于根据统计分布函数计算收集模块61所收集的离散样本数据的置信区间和双控制界限。其中，置信区间是根据上述公式(7)和(8)计算的，双控制界限是根据公式(9)、(10)、(11)和(12)计算的。

判断模块63，用于根据计算模块62计算所得的双控制界限，判断收集模块61新收集的离散样本数据是受控数据或是失控数据，若新收集的离散样本数据为受控数据，则通知计算模块62根据统计分布函数重新计算用于计算原来的双控制界限的离散样本数据和新收集的受控数据的置信区间和双控制界限。

本发明所述的装置还包括分析模块64，用于对所述的失控数据进行失效分析，查找产生失控数据的因素。另外，所述的装置还包括分析处理模块65，用于根据分析模块64的失效分析，判断失控数据是正确失控数据或是错误失控数据，若失控数据是错误失控数据，则计算错误失控数据预警比率，并判断错误失控数据预警比率是否大于标准的错误预警比率，若错误失控数据预警比率大于标准的错误预警比率，则通知计算模块62重新计算离散样本数据的置信区间和双控制界限。

上述对离散样本数据进行统计过程控制的装置的工作过程如下所述：首先由收集模块61收集离散样本数据，所收集的离散样本数据的组数可以小于30组；接着由计算模块62根据统计分布函数计算所收集的离散样本数据的置信区间和双控制界限；接着由收集模块61收集1组新的离散样本数据，并由判断模块63判断该组离散样本数据是受控数据或是失控数据；若该组离散样本数据是受控数据，则由计算模块62根据统计分布函数重新计算离散样本数据的置信区间和双控制界限；若该组离散样本数据是失控数据，则由分析模块64对失控数据进行失效分析，查找产生失控数据的因素，若没有查找到产生失控数据的因素，则由分析处理模块65计算错误失控数据预警比率，若错误失控数据预警比率大于标准的错误预警比率，则由计算模块62重新计算离散样本数据的置信区间和双控制界限。所述的收集模块61连续地收集新的离散样本数据，所述的判断模块63、计算模块62和分析模块64则根据收集模块61所收集的离散样本数据执行判断、计算和分析步骤。

综上所述，本发明提供了一种对离散样本数据进行统计过程控制的方法及其装置，其主要是根据统计分布函数计算离散样本数据的置信区间和控制界限，然后根据计算所得的控制界限，监测和控制生产过程获取的离散样本数据，因此，本发明适用于样本数据的组数小于30组的离散样本数据，其解决了现有技术中存在的问题，节省了生产过程中收集离散样本数据所需耗费的成本和时间，进而降低生产过程中的测试成本以及缩短生产过程中的测试周期。

另外，对于本领域的技术人员而言，本发明同样也适用于样本数据的组数大于等于30组的离散样本数据。实际上，当离散样本数据组数大于30，根据本发明计算所得的内控制界限与外控制界限是非常接近的，当离散样本数据组数足够多时，双控制界限可以转化为单控制界限。

本发明虽然以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以做出可能的变动和修改，因此本发明的保护范围应当以本发明权利要求所界定的范围为准。

Claims (13)

1.一种对离散样本数据进行统计过程控制的装置，所述离散样本数据为生产过程中的产品的质量特性值，其特征在于，所述的装置包括：

收集模块，用于收集离散样本数据；

计算模块，用于根据统计分布函数计算收集模块所收集的离散样本数据的置信区间和双控制界限；

以及判断模块，用于根据计算模块计算所得的双控制界限，判断收集模块新收集的离散样本数据是受控数据或是失控数据，若新收集的离散样本数据为受控数据，则通知计算模块，由计算模块根据统计分布函数重新计算收集模块所收集的离散样本数据的置信区间和双控制界限，其中，所述离散样本数据包括用于计算原来的双控制界限的离散样本数据和新收集的受控数据。

2.根据权利要求1所述的装置，其特征在于，所述的装置还包括：分析模块，用于对所述的失控数据进行失效分析，查找产生失控数据的因素。

3.根据权利要求2所述的装置，其特征在于，所述的装置还包括：分析处理模块，用于根据分析模块的失效分析，判断失控数据是正确失控数据或是错误失控数据，若失控数据是错误失控数据，则计算错误失控数据预警比率，并判断错误失控数据预警比率是否大于标准的错误预警比率，若错误失控数据预警比率大于标准的错误预警比率，则改变统计分布函数中的显著性水平或容限系数的可选乘数并通知计算模块，由计算模块重新计算离散样本数据的置信区间和双控制界限。

4.根据权利要求1所述的装置，其特征在于，所述的离散样本数据为失效产品比率。

5.根据权利要求4所述的装置，其特征在于，所述的离散样本数据的置信区间包括平均失效比率上限和平均失效比率下限。

6.根据权利要求5所述的装置，其特征在于，所述的平均失效比率上限根据下述公式计算：

${\stackrel{\‾}{p}}_U=\frac{(f+1)F_2}{(f+1)F_2+(N-f)}$

其中，F₂＝F[(1-α/2)；2(f+1)，2(N-f)]，f是失效产品总数，N是产品总数，F是统计分布函数，α是显著性水平。

7.根据权利要求6所述的装置，其特征在于，所述的平均失效比率下限根据下述公式计算：

${\stackrel{\‾}{p}}_L=\frac{f}{f+(N-f+1)F_1}$

其中，F₁＝F[(1-α/2)；2(N-f+1)，2f]，f是失效产品总数，N是产品总数，F是统计分布函数，α是显著性水平。

8.根据权利要求7所述的装置，其特征在于，所述的离散样本数据的双控制界限包括内控制界限和外控制界限，其中，内控制界限包括内控制上限和内控制下限，外控制界限包括外控制上限和外控制下限。

9.根据权利要求8所述的装置，其特征在于，所述的内控制上限根据下述公式计算：

$\mathrm{IUCL}=\stackrel{\‾}{p}+3\sqrt{\frac{{\stackrel{\‾}{p}}_L(1-{\stackrel{\‾}{p}}_L)}{n}}$

其中，p是平均失效产品比率，n是每组样本数据中的产品总数。

10.根据权利要求8所述的装置，其特征在于，所述的内控制下限根据下述公式计算：

$\mathrm{ILCL}=\stackrel{\‾}{p}-3\sqrt{\frac{{\stackrel{\‾}{p}}_L(1-{\stackrel{\‾}{p}}_L)}{n}}$

其中，p是平均失效产品比率，n是每组样本数据中的产品总数。

11.根据权利要求8所述的装置，其特征在于，所述的外控制上限根据下述公式计算：

$\mathrm{OUCL}=\stackrel{\‾}{p}+3\sqrt{\frac{{\stackrel{\‾}{p}}_U(1-{\stackrel{\‾}{p}}_U)}{n}}$

其中，p是平均失效产品比率，n是每组样本数据中的产品总数。

12.根据权利要求8所述的装置，其特征在于，所述的外控制下限根据下述公式计算：

$\mathrm{OLCL}=\stackrel{\‾}{p}-3\sqrt{\frac{{\stackrel{\‾}{p}}_U(1-{\stackrel{\‾}{p}}_U)}{n}}$

其中，p是平均失效产品比率，n是每组样本数据中的产品总数。

13.根据权利要求8所述的装置，其特征在于，所述的受控数据是指所述的离散样本数据小于内控制上限，所述的失控数据是指所述的离散样本数据大于等于外控制上限。

Images