統(tǒng)計(jì)基礎(chǔ)及質(zhì)量統(tǒng)計(jì)-wenkub

　

【正文】 cations Parameter Distribution 穩(wěn)定 散佈小 6s 18 控制 變異 (Variation) 1. Characterize 2. Improve 3. Control 瞭解過程 : 使制程更好 : 保持穩(wěn)定並維持高制程能力 ?過程由時間來看是否穩(wěn) ? ?制程能力是否能滿足目標(biāo)規(guī)格 ? ? 確認(rèn)並除去不穩(wěn)定原因 ? 確認(rèn)並降低變異程度使?jié)M足規(guī)格 ? 持續(xù)監(jiān)視及控制過程的變異源 特徵化 改善 控制 6s 19 因?yàn)橛贸闃咏y(tǒng)計(jì) ,其結(jié)果只是估計(jì) , 和真實(shí)可能有差異 . 適當(dāng)?shù)某闃涌墒菇y(tǒng)計(jì)分析更準(zhǔn)確 . Statistics 分佈的數(shù)學(xué)描述與定義 中心 Center: 數(shù)據(jù)最集中在何處 ? 散佈 Spread:數(shù)據(jù)變異程度及分散狀況如何 ? 形狀 Shape:分佈是否對稱 ?扁平 ?凹擊 ? 是否有異常區(qū) 6s 20 樣本均值 = X 樣本 母體參數(shù)和樣本統(tǒng)計(jì)量 母體 : 包含所關(guān)心特性的已經(jīng)製造或?qū)⒁u造的物件 的全體 樣本 : 在統(tǒng)計(jì)研究中實(shí)際測量的物件組 。 有 數(shù)學(xué) 技術(shù)可 將 其 轉(zhuǎn)變成常態(tài)分佈 來作分析 。的 95%信賴區(qū)間 AndersonDarling常態(tài)測試 P值 均 值 標(biāo)準(zhǔn)偏差 變異數(shù) 偏度 峰度 資料量 最小值 第一象限 中值 第三象限 最大值 181。 X X X X s + = + = = = = 總總 總 6s原則 變異數(shù)可相加 , 標(biāo)準(zhǔn)差則不能相加 輸入變數(shù)變異數(shù)相加計(jì)算輸出中的總變異數(shù) 所以 那麼 引起的變異數(shù)輸入變數(shù) 引起的變異數(shù)輸入變數(shù) 過程輸出的變異數(shù) 如果 s s s s s s s s 6s 40 1 2 3 4 5 6 Lot sWithin is small sLot is large process has small withinlot variation and large lottolot variation (which is very mon), data values from the same lot will be highly correlated, while data from different lots will be independent: 6s 41 品質(zhì)統(tǒng)計(jì)圖表 直方圖 (Histograms) 方框圖 (Boxplots) 柏拉圖 (Pareto Diagrams) 散佈圖 (Scatterplots) 趨勢圖 (Trend Charts) 6s 42 品質(zhì)統(tǒng)計(jì)圖表 直方圖 (Histograms) Histograms provide a visual description of the distribution of a set of data. A histogram should be used in conjunction with summary statistics such as and s. A histogram can be used to: ? Display the distribution of the data(現(xiàn)示數(shù)據(jù)的分佈 ). ? Provide a graphical indication of the center, spread, and shape of the data distribution (較定性地顯示數(shù)據(jù)的均值 ,散佈及形狀 ). ? Clarify any numerical summary statistics (which sometimes obscure information). (顯示較模糊的統(tǒng)計(jì)結(jié)果 ). ? Look for outliers data points that do not fit the distribution of the rest of the data. (顯示異常點(diǎn) ) x6s 43 : : . . . : . . :: : :::.:: :: . :: . : .. .:.:.:::::::::::::::.::.::::..: : . +++++加侖 /分鐘 點(diǎn)圖分佈 設(shè)想有一個泵流量爲(wèi) 50加侖 /分鐘的計(jì)量泵 。 6s 44 5 1 .3 5 0 . 8 5 0 . 3 4 9 . 8 4 9 . 3 4 8 . 8 4 0 3 0 2 0 1 0 0 直方圖分佈 還是這些資料，現(xiàn)在設(shè)想將其分組後歸入“區(qū)間”。 該圖右側(cè) Y 軸表示占總?cè)毕莸陌俜直?，左側(cè) Y 軸表示缺陷數(shù) 。 繪製費(fèi)用（ cost） 曲線圖，而不是繪製次數(shù)（ count） 圖， 這樣可以更好地說明每個缺陷對業(yè)務(wù)的影響。 右側(cè)的百分比只反映該圖占總體的百分比 。 裂紋 Pareto圖 白班 晚班 夜班 周末班 刮傷 剝落 其他 污點(diǎn) 15 10 5 0 15 10 5 0 15 10 5 0 15 10 5 0 裂紋 Pareto圖 40 30 20 10 0 100 80 60 40 20 0 缺陷 計(jì)數(shù) 15 13 6 6 百分比 累積百分比％ 品質(zhì)統(tǒng)計(jì)圖表 柏拉圖 (Pareto Diagrams) 6s 58 練習(xí) 6s 59 品質(zhì)統(tǒng)計(jì)圖表 散佈圖 (Scatterplots) Until now, all the graphical tools we39。 :製程中只有共同原因的變異 此種現(xiàn)象是穩(wěn)定的 ” 不良 ” 。該工具可用於任何領(lǐng)域：製造業(yè)、商業(yè)，銷售業(yè)等等 … SPC是統(tǒng)計(jì)程式控制 （ Statistical Process Control） 的縮寫。 6s 81 什麼是 統(tǒng)計(jì) 製程 控制 （ SPC） 所有過程都有固有變動（由於一般原因）和非固有變動（由於特殊原因）， 我們使用 SPC來監(jiān)測並改善過程 。控制圖表中包括反映過程隨機(jī)變動固有限值的上下 控制限值 。我們採用措施修正控制圖表中非隨機(jī)型式，這是成功使用 SPC的關(guān)鍵 。一旦生産成爲(wèi) 1優(yōu)先度，操作者將學(xué)會忽略或切 警示信 號 !!! 實(shí)施 。 第 3種類型修正措施 =檢查 ： 實(shí)施短期遏制政策的措施，這種措施有可能發(fā)現(xiàn)由錯誤條件引起的缺陷。 第 2種類型修正措施 =標(biāo)記 ： 對那些錯誤條件已經(jīng)出現(xiàn)的過程進(jìn)行改善。 控制方法 最差 最優(yōu) 6s 84 過程改善及控制圖 過程 衡量系統(tǒng) 輸入 輸出 1. 發(fā)現(xiàn)可指定的原因 4. 驗(yàn)證結(jié)果 2. 確定根本原因 6s 85 控制圖的益處 用於提高生産率的已證實(shí)的技術(shù) 有效防範(fàn)缺陷 防止不必要的過程調(diào)整 提供診斷資訊 提 供 關(guān)於過程能力的資訊 6s 86 控制圖類型 控制圖有許多類型，但是它們的根本原理是相同的 利用 SPC和過程目標(biāo)方面的知識選擇正確的類型 根據(jù)以下幾方面選擇控制圖類型 ： 資料類型 : 屬性還是變數(shù) ? 採樣容易：樣本同質(zhì)性 資料分佈 : 正常或非正常 ? 分組大小 : 不變的或變化的 ? 其他考慮 6s 87 控制圖的組成 KVOP的 X均值圖 2 0 1 0 0 6 1 5 6 0 5 5 9 5 5 8 5 樣本數(shù) X = 5 9 9 . 1 U C L = 6 1 3 . 6 L C L = 5 8 4 . 6 控制下限 UCL = m +ks 中線 = m LCL = m k s 其中 m = 樣本均值 s = 樣本標(biāo)準(zhǔn)偏差 k = 控制限制距中線的差值 (通常爲(wèi) 177。 第 1種類型修正措施 =防範(fàn)措施 ： 改善過程，消除錯誤條件發(fā)生的情況，缺陷永遠(yuǎn)也不會發(fā)生。 對遵守規(guī)定的操作者和職員進(jìn)行充分訓(xùn)練 ， 用他們對 X或 Y進(jìn)行統(tǒng)計(jì)程式控制 （ SPC） 。 用經(jīng)過充分訓(xùn)練的操作者 對 X或 Y進(jìn)行 統(tǒng)計(jì)程式控制 （ SPC） 。 3σ限值爲(wèi)基礎(chǔ) 。 6s 82 什麼是 統(tǒng)計(jì) 製程 控制 （續(xù)） 基本統(tǒng)計(jì)原理，控制圖表能夠用於識別過程變數(shù)中的非固有（非隨機(jī)）型式。這些失控信號無法說明過程失控的原因，只能表明過程處於失控狀態(tài) 。 第一步是使用統(tǒng)計(jì)方法控制公司的輸出。 6s 73 管制上限 管制下限 不合格 , 予以篩除 瞭解以上基本觀念後便開始加入管制的觀念 。 通常變化不外下面三種基本狀況的組合 : 整體製程數(shù)據(jù)漂移 散佈變寬 中心值漂移 若將每日之統(tǒng)計(jì)分佈串起來一起看 ,則又可看到更多變異現(xiàn)象 ,一般可分為兩種如下 : 時間 時間 :製程中有特殊或突發(fā)原因而產(chǎn)生變異 , 造成不穩(wěn)定 。 此外，記錄缺陷是刮傷和剝落的比例，對白班和夜班的 來說似乎也差不多。 下圖使用同樣的命令，沒有從屬變數(shù)。在圖的下方列出所有的值 百分比 缺陷的 Pareto圖 缺陷 計(jì)數(shù) 274 59 43 19 10 18 百分比 累積百分比％ 400 300 200 100 0 100 80 60 40 20 0 品質(zhì)統(tǒng)計(jì)圖表 柏拉圖 (Pareto Diagrams) 6s 56 Pareto圖分析 : 創(chuàng)建一個加權(quán)的 Pareto圖 通過指定金額 /缺陷或用其他的加權(quán)方法，可以給次數(shù)加權(quán)。 頻率 加侖 /分鐘 6s 45 品質(zhì)統(tǒng)計(jì)圖表 直方圖 (Histograms) 140 145 150 155 1606s 46 品質(zhì)統(tǒng)計(jì)圖表 直方圖 (Histograms)