-数据的统计处理.pptVIP

第二章 本章主要内容 §2.1数据的取得与整理 一、搜集数据的目的 为了取得高质量的数据，首先要有明确的目的。搜集数据的目的主要包括： 用于控制现场 用于质量分析 用于质量调节 用于质量检查 二、数据的分类 不同种类的数据，其统计性质不同。相应地，处理方法也就不同。 三、搜集数据的注意事项 明确搜集数据的目的与数据整理的方法； 详细记录搜集信息； 搜集人员 搜集时间 搜集地点 搜集方法 使用工具 数据处理 字迹清楚——尤其要注意1、7和3、5、8的书写； 标准化作业——严格按照标准或规范进行操作。 四、数据的修整——修整方法 传统方法的缺点 测量时所的数据，往往需要修整至某一规定的位数，人们常采用 “ 四舍五入法 ”进行修整。但由于这种方法舍少进多，即有可能产生不大的正偏差。（见例表） 数值修整法的比较 四、数据的修整——位数确定 修整数据时，往往需要计算平均数或标准差。由于求平均数后测量误差变小，故求得均值的位数可比原来数据的位数多取几位，其参考标准如下。 §2.2质量变异的描述与模型 一、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一个基本观点。它包括下列内容： 认识到产品质量的变异性 产品质量是在一定的4M1E（或简称人、机、料、法、环）的条件下制造出来的。由于这些质量因素在生产过程中不可能保持不变，故产品质量由于受到一系列客观存在的因素的影响而在生产过程中不停地变化着。这就是产品质量的变异性。 可以掌握质量变异的统计规律 产品质量的变异是具有统计规律性的。在生产正常的情况下，对产品质量的变异经过大量调查与分析后，可以应用概率论与数理统计方法，来精确地找出产品质量变异的幅度，以及不同大小的变异幅度出现的可能性，即找出产品质量的分布。这就是产品质量变异的统计规律。 二、质量因素的分类 影响质量的因素称为质量因素。根据不同的划分方法，质量因素可以分类如下： 1．按不同来源分类，可分为：操作人员，设备，原材料，操作方法，环境，简称4M1E；有的还把测量（Measurement）加上，简称5M1E。国际标准ISO9000则分得更细，除去上述因素外还加上计算机软件，辅助材料与水、电公用设施等，反映了时代的进步。 2．按影响大小与作用性质分类，可分成以下两类： （1）偶然因素； （2）异常因素。 （1）偶然因素 偶然因素具有四个特点： （a）影响微小。即对产品质量的影响微小。 （b）始终存在。就是说，只要一生产，这些因素就始终在起作用。 （c）逐件不同。由于偶然因素是随机变化的，所以每件产品受到偶然因素的影响是不同的。 （d）难以除去。指在技术上有困难或在经济上不允许。 偶然因素的例子很多，例如:机床开动时的轻微振动，原材料的微小差异，操作的微小差别等等。 随着科学的进步，有些偶然因素的影响可以设法减少，甚至基本消除。但从偶然因素的全体来看是不可能完全消除的，因此，偶然因素引起产品质量的偶然波动也是不可避免的。 必须承认这一客观事实：产品质量的偶然波动是影响微小的而同时又是不可避免的。故对于偶然因素可以听之任之，不必予以特别处理。 （2）异常因素 异常因素又称系统因素。异常因素也有四个特点： （a）影响较大。即对产品质量的影响大。 （b）有时存在。就是说，它是由某种原因所产生的，不是在生产过程中始终存在的。 （C）一系列产品受到同一方向的影响。指加工件质量指标受到的影响是都变大或都变小。 （d）不难除去。指这类因素在技术上不难识别和消除，而在经济上也往往是允许的。 异常因素的例子也很多，例如:由于固定螺母松动造成机床的较大振动，刀具的严重磨损，违反规程的错误操作等。 异常因素对于产品质量影响较大，可造成产品质量过大的异常波动，以致产品质量不合格，同时它也不难加以消除。因此，在生产过程中异常因素是注意的对象。 一旦发现产品质量有异常波动，就应尽快找出其异常因素，加以排除，并采取措施使之不再出现。 在实际生产中，产品质量的偶然波动与异常波动总是交织在一起的，如何加以区分并非易事。控制图就是区分这两类产品质量波动的重要科学方法。 三、质量管理中常见的概率分布 （一）二项分布 设每次试验成功的概率为常数 P，则在 n 次试验中成功的次数 x 具有下列二项分布 式中，n与P为参数，n为正整数，0 P 1。其均值和方差分别为μ= nP, σ2 = nP(1-P)。 在质量管理中，二项分布是常见的。对于从无限总体中抽样而以P表示总体不合格品率的情况，二项分布是适宜的概率模型。 （二）帕松分布 帕松分布的概率函数为 由图可以看出，当?充分大时，帕松分布趋于对称，趋于正态分布。 在质量管理中，帕松分布的典型用途是用作单位产品上所发生的缺陷数目的数学模型。事实上，任何发生在每个单位上（如每单位长度、每