质量数据及分析、统计基本方法(20)

SPC统计技术StatisticalProcessControl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。b.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a.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。b.样本样本也叫“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a.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。b.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品。优点：抽样误差小缺点：较复杂c.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d.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e.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、误差大4、几个重要的特征数a.平均数：用表示：n：数据个数：第i个数据值XniinXnnXXXX1211iXb.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。c.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d.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1)(122nXXSnnie.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均值的代表性若S值大，则代表性差若S值小，则代表性好XXniiXXnS12)(11标准差σ（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。变差（波动）的普通原因与特殊原因的区别普通原因（随机原因、非偶然原因）特殊原因（可查明原因）是由许多单独的原因所构成是由一个或只有少数几个单独的原因所构成任何一个普通原因只会产生微小的变差，但许多普通原因一起作用，其产生的总变差是可观的任何一个特殊原因都会造成较大的变差例子：在调整控制刻盘时人为的变差，机器的轻微震动；原材料的微小变化例子：操作人员做错；一个错误的装置；一批不合格的原材料普通原因的变差（正常变差）无法从工序中以较少代价消除之特殊原因的变差（异常变差）能被检测出来，采取措施，消灭其原因，所花的代价通常是合算的如果仅仅只有普通原因的变差出现，则说明工序是最良好的运行；如果在这种情况下生产出不合格品，就说明工序必须进行根本性的改变（改造），或者必须修改公差，以期减少不合格品如果出现特殊原因的变差，则说明该工序并不是最良好的运行如果一个观察值落在普通原因变差的控制限之内，说明该工序不必进行调整如果一个观察值落在普通原因变差的控制限之外，通常说明该工序必须进行检查并加以纠正如果只有普通原因变差存在，说明该工序很稳定，可以运用抽样程序来预测全部生产的质量，或进行工序的优选研究（如调优运算）如果出现特殊原因变差，说明该工序不够稳定，不足以运用抽样程序进行预测说明方面解释方面二、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：频数表不良项目不良数不良率累计不良率沾锡渣3142.5%42.5%骨架破1822.7%67.2%磁芯破损1317.8%85%胶带破79.6%94.6%焊点高22.7%97.3%其它22.7%100%合计73100%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：累计不良率Np=P1+P2+P3+P4…b.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24.5±6.0mm1234567891022.123.422.627.722.923.724.521.324.721.225.824.523.221.321.624.124.817.421.920.323.924.624.322.724.626.730.026.023.124.622.821.822.624.025.122.419.323.923.621.525.023.624.924.826.423.926.618.323.225.321.725.023.521.724.327.229.025.023.822.322.228.024.621.625.224.826.727.628.525.824.625.322.527.525.524.824.623.818.819.925.124.822.626.624.125.023.420.621.326.322.924.421.523.123.428.922.420.126.226.4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=12.6/10=1.26≈1.3数据个数（n）组数（k）50以内5~750-1006~10100-2507~12250以上10~12确定组数（k）表第四步：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组别组距上下限制中心值频数117.35~18.6518.002218.65~19.9519.303319.95~21.2520.605421.25~22.5521.9016522.55~23.8523.2020623.85~25.1524.5029725.15~26.4525.8012826.45~27.7527.108927.75~29.0528.4041029.05~30.3529.701第六步：按频数/频率画横坐标、纵坐标与直方图17.3518.6519.9521.2522.5523.8525.1526.4527.7529.0030.3030.5010USLLSL3020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17.3518.6519.9521.2522.5523.8525.1526.4527.7529.0030.3030.5010USLLSL3020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。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