《质量数据及分析、统计基本方法(ppt+20)》由会员分享，可在线阅读，更多相关《质量数据及分析、统计基本方法(ppt+20)（77页珍藏版）》请在金锄头文库上搜索。
1、SPC统计技术 Statistical Process Control 磁通品质部,一、质量数据的基本知识,1、质量数据的分类质量数据是多种多样的，按其性质和使用目的不同，可分为两大类： 计量值数据计量值数据是可以连续取值，或者说可以用测量工具具体测量出小数点以下数值的这类数据。 如长度、压力、温度等。,计数值数据计数值数据是不能连续取值，只能以个数计算的数据。如不合格品数，缺陷数等,2、总体和样本,总体：又叫“母体”是指要分析研究对象的全体。可以是一个过程，也可以是这一过程的结果即产品。组成总体的每个单元（产品）叫做个体。总体中所含的个体数叫做总体含量，也称总体大小。通常用N表示。,样本,样
2、本也叫“子样”。它是从总体中随机抽取出来，并且要对它进行详细研究分析的一部分个体。 样本中所含的样品数目，一般叫样本容量或样本大小。通常用n表示。 样本中所含的每一个个体叫样品。,3、抽样及抽样方法,抽样：抽样：是指从总体中随机抽取样本的活动。 随机性：是指要使总体中的每一个个体（即产品）都有相同机会被抽取出来组成样本的特性。 在质量管理过程中，常用抽取样本并通过样本检测所得到数据来预测总体质量状况的这种手段,常分为以下几种方法：,一般随机抽样法； 顺序抽样法； 分层抽样法； 整群抽样法。,一般随机抽样法：,抽取样品是随机 方法：将全部产品编号后可用抽签、抓阄儿、查随机数表或掷骰子等办法抽取样
3、品。 优点：抽样误差小 缺点：较复杂,顺序抽样法,又称等距抽样法、系统抽样法、或机械抽样法。 方法：先将全部产品编号，用随机抽样法产生一个抽样起点，每隔相同数据间隔而抽取的个体样本方法。 优点：操作简便 缺点：偏差性可能会很大,分层抽样法（又称类型抽样法）,方法：总体可分为不同的子总体（也称层）时，按规定的比例从不同层中随机抽取样品（子样）来组成样本时的方法。常用于产品质量的验收优点：抽样误差较小缺点：较一般随机抽样还要繁锁,整群抽样法（又称集团抽样法）,方法：将总体分成许多群，每个群由个体按一定方式结合而成，然后进行随机抽取若干群，并由这些群中所有个体组成样本。优点 ：实施方便缺点：代表性差
4、、误差大,4、几个重要的特征数,平均数：用 表示：n：数据个数：第i个数据值,中位数，用 X 表示,将一组数据按从小到大顺序排列，位于中间位置的数叫中位数。 当n为奇数时，则取顺序排列的中间数 当n为偶数时，则取顺序排列的中间两个数的平均数。极差R极差是指一组数据中最大与最小之差，用符号R表示：R=L-S L：数据的最大值 S：数据的最小值,样本方差,样本方差：是衡量统计数据分散程度的特征数字，用符号S2表示,标准偏差,国际标准化组织规定：将样本方差的平方根做为标准偏差，用S表示：标准偏差S反映了数据的离散程度： S值大，数据密集程度差，离散度大 S值小，数据密集程度高，离散度小 同时也反映平
5、均值的代表性 若S值大，则 代表性差 若S值小，则 代表性好,标准差 （Sigma）,总体标准差 =通常用样本标准差近似的估计为总体标准差标准差的意义：一组数中各单个值与总体平均数之间的平均离差，说明该组数的离散程度,5：为什么要应用SPC,在生产过程中，产品的加工尺寸/性能的波动是不可避免的。它是由人、机器、材料、方法和环境等基本因素的波动影响所致。波动分为两种：正常波动和异常波动。正常波动是偶然性原因（不可避免因素）造成的。它对产品质量影响较小，在技术上难以消除，在经济上也不值得消除。异常波动是由系统原因（异常因素）造成的。它对产品质量影响很大，但能够采取措施避免和消除。过程控制的目的就是
6、消除、避免异常波动，使过程处于正常波动状态。,6：SPC技术原理,统计过程控制（SPC）是一种借助数理统计方法的过程控制工具。它对生产过程进行分析评价，根据反馈信息及时发现系统性因素出现的征兆，并采取措施消除其影响，使过程维持在仅受随机性因素影响的受控状态，以达到控制质量的目的。当过程仅受随机因素影响时，过程处于统计控制状态（简称受控状态）；当过程中存在系统因素的影响时，过程处于统计失控状态（简称失控状态）。由于过程波动具有统计规律性，当过程受控时，过程特性一般服从稳定的随机分布；而失控时，过程分布将发生改变。SPC正是利用过程波动的统计规律性对过程进行分析控制的。因而，它强调过程在受控和有能
7、力的状态下运行，从而使产品和服务稳定地满足顾客的要求。,特殊原因 一种间断性的，不可预计的，不稳定的变差来源。有时被称为可查明原因，存在它的信号是：存在超过控制线的点或存在在控制线之内的链或其他非随机性的情形。,普通原因 造成变差的一个原因，它影响被研究过程输出的所有单值；在控制图分析中，它表现为随机过程变差的一部分。,二、质量管理七大手法,常用质量管理手法分为： 排列图法 直方图法 控制图法 调查表法 分层法 散布图法 因果图法,排列图：将质量改进项目从最重要到最次要进行排列而采用的一种简单图示技术。（见例图）,例：频数表,排列图不良率与累计不良率计算,1：不良率P=单项不良数/总不良数 2
8、：累计不良率Np=P1+P2+P3+P4,直方图：用一系列宽度相等，高度不等的矩形表示数据分布的图。,直方图统计,收集一组数据 计算数据的变化范围（极差R) 确定组数（样本大小n, 组数k） 计算组距h, h一般取整数 确定组边界 计算频数，例如唱票法 计算频率 绘制频数分布表 绘制频数直方图，纵轴为频数 绘制频率直方图，纵轴为频率 进行分析,第一步收集数据（共100个数据）,某规格变压器尾线长度，公差24.56.0mm,第二步：计算极差,R= Xmax-Xmin=30.0-17.4=12.6 第三步：设定组数，计算组距有上表，设定组数k=10，测量值最小单位为0.1 则 组距（h）=R/k=
9、12.6/10=1.261.3,第四步：计算组边界和中心值,第一组下限值=Xmin-测量最小单位的一半=17.4-.005=14.35 第二组下限值=17.35+1.3=18.65 第一组中心值=（17.35+18.65）2=18.00 以此类推,第五步：制作频数表，必要时可以制作频率表,第六步：按频数/频率画横坐标、纵坐标与直方图,直方图分析,1:对称型:质量特性分布范围B在T的中间,平均值X基本与公差中心重合,质量特性分布的两边还有一定的余地,这很理想; 2:单侧型:质量特性分布范围B虽然也落在公差范围内,但因偏向一边,故有超差的可能,应采取措施纠正; 3:双侧型:质量特性分布范围B也落在
10、公差范围内,但完全没有余地,说明总体已出现一定数量的废品,应设法使其分布集中,提高工序能力；,直方图分析,4:尖峰型:公差范围比特性分布范围大很多,此时应考虑是否可以改变工艺,以提高生产效率,降低生产成本或者缩小公差范围; 5:超差型:质量特性分布范围过分地偏离公差范围,已明显看出超差,应立限采取措施加以纠正;,直方图图形,直方图分布状态与分析,A：正常形，对称，是一般稳定生产状态的正常情况,直方图分布状态与分析,b.右偏峰型。由于某种因素使下限受到限制时多出现此型，如清洁度近于零，缺陷数近于零，孔加工尺寸偏小等。,直方图分布状态与分析,c. 左偏峰型。由于某种因素使上限受到限制时多出现此型。
11、,直方图分布状态与分析,d.双峰型。常常是两种不同的分布混合在一起时多出现此型，如两台设备或不同原料所生产的产品混在一起的情况。,直方图分布状态与分析,e.平峰型。常常是由于在生产过程中有某中缓慢的倾向在起作用时多出现此型，如刀具的磨损，操作者的疲劳等。,直方图分布状态与分析,f. 高端型。当工序能力不足时为找到适合标准的产品而做全数检查时多出现此型，也就是说用剔除不合格产品的产品数据作直方图时易出现此型。另外，在等外品超差返修时或制造假数据等情况易出现此型。,直方图分布状态与分析,g. 孤岛型。当生产条件的明显变化，如一时原料发生变化或者在短期内由不熟工人替班加工时易出现此型；另外在测量有误
12、时易出现此型。,直方图分布状态与分析,h.栉齿型。如分组不当，级的宽度没有取为测量单位的整数倍时多出现此型。另外，测量方法或测量用表读数有问题时也容易出现此型。,与公差界限比较分析,理想型：直方图的分布中心与公差中心重合，其分布在公差范围内，且两边有余量 偏向型：直方图的分布在公差范围内，但分布中心和公差中心有较大偏移工序稍微变化都易出现不合格 无富余型：直方图的分布在公差范围内，两边的分布均没有余地工序稍微变化都易出现不合格 能力富余型：直方图的分布在公差范围内，两边有过大的余地不经济 能力不足型：实际分布超出公差范围已出现不合格 陡壁型：实际分布中心严重偏离公差中心，但作图时已剔除了不合格
13、,直方图总结,利用正态分布的原理 作用 解析看似杂乱无章数据的规律性 一目了然的了解数据的中心值/分布 与柱形图（柱状图）的区别 柱形图利用推移的原理只反映过去每期或每类别项目的状态比较 直方图利用正态分布原理，反映整个时期的质量分布状况，从中找出可能存在的问题,控制图：将一个过程定期收集的样本数据按顺序点绘成的一种图形技术，用于判断过程正常或异常的一种工具。（见例图）,控制图的原理,当质量特性的随机变量x服从正态分布时，则x落在3 的概率是99.73%。 根据小概率事件可以“忽略”的原则：如果出现超出3 范围的x值，则认为过程存在异常 所以，在过程正常情况下约有99.73%的点落在在此控制线
14、内。 观察控制图的数据位置，可以了解过程情况有无改变。,控制图的控制线,中心线（CL): X 上控制线/限（UCL): X+ 3 下控制线/限（LCL): X- 3 右转90度,3 ,3 ,x+ 3 ,x- 3 ,x,99.73%,公差界限与控制界限的区别,公差界限：区分合格品与不合格品 控制界限：区分正常波动与异常波动,两类错误,第类错误（）：虚发警报 第类错误（）：漏发警报,UCL,LCL,两类错误,两类错误都会造成损失 上下控制限间距变大： 减小， 增大 上下控制限间距变小： 增大， 减小 间距的设定寻求二者的均衡点（ 3 ）,计数型数据控制图,P管制图P图是用来测量在一批检验项目中不合
15、格品（缺陷）项目的百分数。 收集数据 选择子组的容量、频率和数量子组容量：子组容量足够大（最好能恒定），并包括几个不合格品。分组频率：根据实际情况，兼大容量和信息反馈快的要求。子组数量：收集的时间足够长，使得可以找到所有可能影响过程的变差源。一般为25组。 计算每个子组内的不合格品率（P） P=np /n,n为每组检验的产品的数量；np为每组发现的不良品的数量。 选择控制图的坐标刻度 选择控制图的坐标刻度一般不良品率为纵坐标，子组别（小时/天）作为横坐标,纵坐标的刻度应从0到初步研究数据读读数中最大的不合格率值的1.5到2倍。 将不合格品率描绘在控制图上 a 描点，连成线来发现异常图形和趋势。
16、b 在控制图的“备注”部分记录过程的变化和可能影响过程的异常情况。 计算控制限 计算过程平均不合格品率（P） P=（n1p1+n2p2+nkpk）/ (n1+n2+nk),式中： n1p1；nkpk 分别为每个子组内的不合格的数目 n1；nk为每个子组的检验总数 计算上下控制限（UCL；LCL） UCLp = P + 3 P ( 1 P ) / n LCLp = P 3 P ( 1 P ) / nP 为平均不良率；n 为样本容量注： 1、从上述公式看出，凡是各组容量不一样，控制限随之变化。2、在实际运用中，当各组容量不超过其平均容量25%时，,可用平均样本容量 n 代替 n 来计算控制限UCL；LCL。方法如下：A、确定可能超出其平均值 25%的样本容量范围。B、分别找出样本容量超出该范围的所有子组和没有超出该范围的子组。C、按上式分别计算样本容量为 n 和 n 时的点的控制限.UCL,LCL = P 3 P ( 1 P ) / n = P 3 p ( 1 p) / n 画线并标注过程平均（P）为水平实线，控制限（UCL；LCL）为虚线。(初始研究时，这些被认为是试验控制限。）,
