《{品质管理SPC统计}SPC统计过程控制499750》由会员分享,可在线阅读,更多相关《{品质管理SPC统计}SPC统计过程控制499750(202页珍藏版)》请在金锄头文库上搜索。
1、SPCSPC统计过程控制统计过程控制 廖俊华廖俊华 致力于管理工具培训 方之見顧問方之見顧問 KCFCONSULTING 方之見顧問方之見顧問 KCFCONSULTING 目录目录 第一章第一章 统计技术基础知识统计技术基础知识 第二章第二章 持续改进和统计过程控制持续改进和统计过程控制 第三章第三章 控制图运用步骤控制图运用步骤 第四章第四章 认识计量型数据的过程能力和过程性能认识计量型数据的过程能力和过程性能 第五章第五章 其它几个计量型控制图其它几个计量型控制图 第六章第六章 计数型控制图计数型控制图 第七章第七章 控制图注意事项控制图注意事项 方之見顧問方之見顧問 KCFCONSULT
2、ING 第一章第一章 统计技术基础知识统计技术基础知识 1 1、数据类型、数据类型 2 2、正态分布、正态分布 3 3、二项分布、二项分布 4 4、泊松分布、泊松分布 5 5、总结、总结 方之見顧問方之見顧問 KCFCONSULTING 计量数据的基本统计计量数据的基本统计数据分布数据分布 对一个相同的输出变量Y,多个数据点绘图,它们形成了一个分布。 这些数据点的堆积可以不同的图形来代表: 散点图/概率图 直方图 方之見顧問方之見顧問 KCFCONSULTING 常用统计量常用统计量 中心位置中心位置 平均值 一组数据的算术平均值数法 -均等反映了所有数据的影响 -会受极端值强烈影响 中位数
3、反映50%的那个位置 对一组排序数据点的中心数 对极端值较”坚耐” 方之見顧問方之見顧問 KCFCONSULTING 常用统计量常用统计量 变异变异 极差: 一组数据中最大值与最小值之间的差 标准偏差(s ; s) : 等于方差的平方根,在量化变异时常用会到 方差等于标准偏差的平方,通常只是为了计算的目的 方之見顧問方之見顧問 KCFCONSULTING 常用统计量常用统计量 总体与样本总体与样本 1 1、表示总体特性的统计量,称为总体特征值,如:、表示总体特性的统计量,称为总体特征值,如: 总体平均数、总体方差、总体标准差总体平均数、总体方差、总体标准差 2 2、表示样本特性的统计量,称为样
4、本统计量,如:、表示样本特性的统计量,称为样本统计量,如: 样本平均数、样本方差、样本标准差、样本极差、移动极差样本平均数、样本方差、样本标准差、样本极差、移动极差 方之見顧問方之見顧問 KCFCONSULTING 总体特征值总体特征值样本统计量样本统计量 名称名称符号符号名称名称符号符号 分布中心位置分布中心位置总体均值总体均值 样本均值样本均值 样本中位数样本中位数 数据分散程度数据分散程度总体方差总体方差 总体标准差总体标准差 2 2 样本方差样本方差 样本标准差样本标准差 样本极差样本极差 s s2 2 s s R R 方之見顧問方之見顧問 KCFCONSULTING 连续型数据连续型
5、数据了解极差了解极差 以下数据的极差是多少? 1, 2, 3, 4, 5, 6, 7, 8, 91, 2, 3, 4, 5, 6, 7, 8, 9 以下数据的极差是多少 1, 2, 3, 4, 5, 6, 7, 8, 2001, 2, 3, 4, 5, 6, 7, 8, 200 标准偏差可以用计算机来计算(EXCEL里的STDEV公式) 方之見顧問方之見顧問 KCFCONSULTING 694 696 698 700702 704 706 x 6 6 4 3 1 62+42+12+32+62 s2 = - = 24.5 = s = 4.95 4 (=n-1) Measurements 701
6、696 694 706 703 计算标准差计算标准差 方之見顧問方之見顧問 KCFCONSULTING 连续性数据连续性数据平滑平滑( (正态正态) )分布分布 假定数据符合正态分布 假设收集到无限多的数据,这些数据可能看起来像下图 我们可将这些数据看成平滑的分布 红线 757580806060656570705555 InchesInches x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x
7、x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x xx x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x xx
8、x x x 练习:概率分布图 方之見顧問方之見顧問 KCFCONSULTING 正态曲线和概率正态曲线和概率 了解了正态曲线的平均值和标准偏差有助于估计风险 Probability of sample value 43210-1-2-3-4 40% 30% 20% 10% 0% Z-axis (scale in units of s) Number of standard deviations from the mean 95.45%95.45% 68.27%68.27% 99.73%99.73% 在两个值在两个值之间可以得到一個累之间可以得到一個累 積的概率值積的概率值 方之見顧問方之見顧問
9、 KCFCONSULTING 正态分布的应用正态分布的应用 43210- 1- 2- 3- 4 40% 30% 20% 10% 0% Probability of sample value 95.45%95.45% 68.27%68.27% 99.73%99.73% 240255270285225210195 Time (minutes) Z-axis X-axis 如果我们货物交付给顾客的平均时间是240分钟,这一过程的标准偏差是15分 钟,那么在270分钟后到货的概率为多少? 方之見顧問方之見顧問 KCFCONSULTING 正态分布的应用正态分布的应用2 2 中国成年男子身高均为168c
10、m,标准差为5.5cm.试计算: 1、身高小于160cm的概率。 2、身高高于180cm的概率。 3、身高介于160-180cm的概率。 方之見顧問方之見顧問 KCFCONSULTING 二项分布二项分布 例:从一批产品中随机抽取进行检测,根据历史数据而知,产品的不 合格率为10%。假设要求产品检测人员每抽取一件产品,检测完毕后, 要放回这批产品中(又称为有放回抽样),检验人员共检测了6件产 品,问检测到的不合格品数分别为0,1,2,3,4,5,6的概率? X XP P 0 00.5314410.531441 1 10.3542940.354294 2 20.0984150.098415 3
11、30.0145800.014580 4 40.0012150.001215 5 50.0000540.000054 6 60.0000010.000001 方之見顧問方之見顧問 KCFCONSULTING 二项分布的均值、方差与标准差二项分布的均值、方差与标准差 E(X)=npE(X)=np Var(X)=np(1-p)Var(X)=np(1-p) 方之見顧問方之見顧問 KCFCONSULTING 泊松分布泊松分布 质量控制中常遇到这样的情况: 不仅要关注不合格品,而且要关注每件不合格品所包含的不合格项的情况。 1.1.定义定义 设随机变量设随机变量 X X 的可能取值是一切非负整数,的可能取
12、值是一切非负整数,而概率函数是而概率函数是 其中其中常数常数 0, 泊松分布含有一个参数泊松分布含有一个参数 , 通常记作通常记作 P ( ) . 如果如果 X服从服从泊松分布泊松分布 P ( ), 则记为则记为 泊松分布的均值与方差相等,均入泊松分布的均值与方差相等,均入 方之見顧問方之見顧問 KCFCONSULTING 泊松分布泊松分布 在大量试验中,小概率事件发生的次数可以近似地看作服从在大量试验中,小概率事件发生的次数可以近似地看作服从 PoissonPoisson分布。分布。 如:一段时间内电话用户对电话站的呼叫次数如:一段时间内电话用户对电话站的呼叫次数 铸件上的疵点数铸件上的疵点
13、数候车的旅客数候车的旅客数原子放射粒子数等原子放射粒子数等 方之見顧問方之見顧問 KCFCONSULTING 总结总结 连续型数据能有很多可能的数值,计数型数据是不连续的 连续型数据的信息比较丰富,计数型的就要少得多 对位置的测量是平均值和中位数 对离散的测量:标准偏差和极差 图表出来的信息会多于数据 正态曲线可用来估计缺陷的风险 方之見顧問方之見顧問 KCFCONSULTING 第二章第二章 持续改进和统计过程控制持续改进和统计过程控制 1 1、什么是、什么是SPCSPC 2 2、SPCSPC是发展是发展 3 3、控制图的种类、控制图的种类 4 4、控制图的选择、控制图的选择 5 5、中央极
14、限定理、中央极限定理 6 6、 “”及及“”风险风险 7 7、抽样方法、抽样方法 8 8、普通原因和特殊原因、普通原因和特殊原因 方之見顧問方之見顧問 KCFCONSULTING WHAT IS SPC WHAT IS SPC ? SPC是一种方法论。对过程数据进行收集,利用基本图形、统计工具基本图形、统计工具加 以分析,从分析中发现影响过程的变异变异,通过问题分析找出异常原异常原 因因,立即采取改善措施改善措施,使过程恢复正常。并借助过程能力分析过程能力分析与 标准化,以不断提升过程能力提升过程能力。 当控制图失控时,不能指出为什幺失控。 当过程能力不足时,不能指出为什幺不足。 方之見顧問方
15、之見顧問 KCFCONSULTING Shewhart : 控制图控制图之创始人之创始人 控制图是1924年由美国品管大师 W.A. Shewhart博士发明。当时 称为(Statistical Quality Control)。 方之見顧問方之見顧問 KCFCONSULTING 控制图在英国及日本历史控制图在英国及日本历史 英国在1932年,邀请W.A. Shewhart博士到伦敦,主讲统计品 质管制,而提高了英国人将统计方 法应用到工业方面之气氛。 就控制图在工厂中实施来说,英国 比美国为早。 日本在1950年由W.E. Deming博士引到日 本。 同年日本规格协会成立了品质管制委员会,
16、 制定了相关的JIS标准。 从19501980年,经过30年的努力,日本跃居世界质量与生产率的领先地位。 美国著名质量管理专家伯格(Roger W. Berger)教授指出,日本成功的基石之一就是SPC。 方之見顧問方之見顧問 KCFCONSULTING 产品质量的统计观点产品质量的统计观点 产品质量的统计观点是现代质量管理的基本观点之一: 1、产品的质量具有变异性 2、产品质量的变异性具有统计规律性 (不是通常的确定性现象的确定性规律,而是随机现象的统计规律) 方之見顧問方之見顧問 KCFCONSULTING SPC的的精神精神 识别关键特性 多收集数据 以了解制程 状况 分析特性 了解其正常 波动的范围 控制特性 运用控制限 来探测过程 是否异常 改进特性 不断改进过 程的波动范 围降低COPQ 方之見顧問方之見顧問 KCFCONSULTI