休哈特控制图.pptVIP

图表观察结果 通过对样本均值和样本级差波动性的观察，每一个小的样本都告诉我们在这个时间点上过程的运行情况。 问题：这种运行情况是会随着时间变化吗 注意：这些范围是建立在我们希望看到的平均波动的基础上，而不是单独的个体的测量。 规格范围：关于个体测量的分布 控制范围：平均了多个个体测量的分布 如果过程能够被有规律地合理地抽样统计控制，这就意味着均值水平和波动水平能够一直保持连续。那么，样本均值将会服从正态分布，因此，几乎所有的样本均值都会在过程均值上下3倍的标准差的范围内，这样的话我们一般都会通过样本均值的均值来估计。 现在我们假定样本均值落在了控制上限的上面。由于这种情况发生的概率非常小，如果过程均值我们假定就是过程，我们必须假定一个特殊的原因使得它影响了样本均值。在特殊情况下，我们必须假定至少在这一时间点上过程的均值水平确实偏离了它正常的状态，假定的均值水平就是控制图的中心。而且，至少在这个时间点上，很有可能确实存在一个使样本均值偏离的因素发生。这就是休哈特在其控制图里采用的假设检验的解释。图5.7表示了这样一个特殊原因造成的情况。 当然，也有可能这种影响均值的因素根本就没有发生，我们只是错误地在寻找一个不并不存在的问题。但是我们知道这种错误发生的概率。这就是我们之前已经定义过的α风险。 控制图的灵敏性 事实上即使所有的点都落在3倍标准差范围内并且展示出一种随机的分布也不意味着没有异常因素的存在。我们必须接受这种事实：我们期望的过程行为也许并不能很快地反应到控制图上。换句话说，真实均值已经改变了——假设情况现在已经错误——但是此时的数据却不能显示出这样关键的情况。这就是我们在表5.7中所演示的β风险。尽管如果我们缩小范围（比如，改成2倍的标准差限制）将会使我们更快更容易地检测到这种异常因素的发生，但这种限制同样也会加大发生虚发警报的概率，如果这样的话，当过程其实处于正常状态的时候样本均值可能已经在控制范围之外了，而后我们会推断生产过程现在已经失控。 选择合适的上下限，其实上也就是选择α风险，它是个经济问题。如果放宽界限，即倍数越大，α风险越小，β风险越大，反之，严格控制界限，即倍数越小，α风险越大，β风险越小。无论如何调整上下控制线的间隔，两个风险都不可避免。控制界限的确定应该以两类总风险最小为原则。理论证明，当倍数确定为3时是最为经济的。但是3倍标准差的原则并不是神圣不可侵犯的。例如在英国99%的控制限制就用了相当长的时间。 LOGO LOGO 由NordriDesign?提供 本作品采用知识共享署名-非商业性使用 2.5 中国大陆许可协议进行许可。 专业交流 模板超市 设计服务 本作品的提供是以适用知识共享组织的公共许可（ 简称“CCPL” 或 “许可”） 条款为前提的。本作品受著作权法以及其他相关法律的保护。对本作品的使用不得超越本许可授权的范围。 如您行使本许可授予的使用本作品的权利，就表明您接受并同意遵守本许可的条款。在您接受这些条款和规定的前提下，许可人授予您本许可所包括的权利。 查看全部… NordriDesign?中国专业PowerPoint媒体设计与开发 导论 假设检验概念 均值控制图 极差控制图 休哈特控制图 ◆案例导入 ◆均值控制图原理介绍 ◆控制图灵敏度 首先，让我们假定从一个生产衬垫材料的生产过程中每隔半小时从中抽取包含5个材料的样本组。每个样本组包括5个连续的衬垫材料： R=0.0050 R=0.0030 R=0.0020 =0.0440 =0.0454 =0.0440 0.047 0.047 0.044 0.042 0.045 0.044 0.044 0.045 0.045 0.044 0.044 0.043 0.043 0.046 0.044 9:00AM 9：30AM 10：00 AM 过 程 如果过程仅仅取决于系统波动 的影响，那么均值和级差应该随 机的分布在一定可能的范围之内； 如果这个过程在均值水平和波动 量上有一定的变化，那么均值和 级差就会偏离正常的波动或者出 现一系列非随机的值。 （第四章内容） 中心极限定理 当一系列确定的样本值能够 在很好的统计控制过程中被 选择时，样本均值将会呈现 出一种正态分布。 （第三章内容） =0.0440 =0.0454 =0.0440 9:00AM 9:30AM 10:00AM 样本均值这样排列趋势还可以由图5.6直观地表示出来。我们称图5.6右的那个图中的（UCL）和（LCL）为均值控制图的控制