348 statistical process control 控制图表.ppt

统计学概念 连续数据(也称为可变数据) 离散数据(也称为属性或类别数据) 离散数据 应用你所学到的东西 统计学术语 总体 － 全组数据，全部对象。 - 一个总体中的元素数量用N来表示 样本 －总体的一个子集 - 样本的元素数量用n 来表示 平均值 － 总体或样本的平均值 - 总体的平均值用?来表示 - 样本的平均值用X 或?来表示 方差 － 数据与其平均值之间差值的平方的平均值 。(它代表该组数据的分散程度) - 总体的方差用?? 表示 - 样本的方差用s2或??表示 均方差是方差的 (正) 平方根。 (它也代表该组数据的分散程度)。 -总体的标准差用? 来表示 -样本的标准差用s或?来表示 统计学术语和定义 统计学术语和定义 举例 课堂练习 绘制直方图 用直方图形成一个连续分布 正态分布的标准差(?) 面积和概率 使用正态表 中心极限定理 - 为什么我们得到的通常是正态分布 中心极限定理 - 为什么我们通常得到正态分布 提高工序能力 改进的焦点 稳定的运行 将坏日子变为好日子 稳定的运行会降低偏差 “稳定性因子”：Q1 / Q3 稳定操作降低偏差 关键概念： 第3部分 统计学概念 误差存在于所有过程。 连续(可变) 数据可以有意义地进一步分割，例如，长度，重量。 离散 数据是以类别形式存在的，不能进行分割。 总体就是全部对象。 样本 就是总体的一个子集。 平均值 – 分布的平均数。 标准差 – 分布的分散程度。 方差 – 标准差的平方。 正态分布 – 对称分布于平均值两边的数据，钟形曲线。 标准正态分布 – 具有平均值(m) = 0 和标准差(s) = 1 的正态分布。 关键概念： 第3部分 统计学概念 中心极限定理表明，无论单个变量是不是服从正态分布，多个变量的平均值或总和通常近似于正态分布。 Z 值是平均值与规范的上下限之间所包含的标准差个数 Y (‘响应变量’) - 因变量 X (‘因素’) - 独立变量 Y = f(X): Y 取决于X。通过确定和改进关键的X变量来改进Y。 工序能力 – 过程的偏差与其要求(规范)之间的比较。 稳定运行 - 集中于降低偏差，使坏日子变成好日子。 稳定性因子 - Q1/Q3. 第一个四等分/ 第三个四等分。 统计过程 控制 第3部分 : 统计过程控制 6个西格玛与 SPC 6 个西格玛质量的重点是将控制范围转移到工序的上游，以充分利用对工序输入变量特征（关键X）的控制 什么时候使用SPC？ 希望获悉什么信息？ —关键过程变量（X或Y）在随时间变化吗？（即该过程稳定吗？） 如何观察输出变量？ — 基于实时数据、显示过程变化的图表 控制图表包含内容 过程的稳定性 控制图表类型 存在两种控制图表类型: 变量图表－ 用于监控连续变量值X，如:一个直径或消费者满意度评分。 属性图表－ 用于监控离散变量值X，如:合格产品/次品数量，或存货水平。 X Bar西格玛 （Xbar-S)控制图 用于分析和控制连续 过程变量 能够使用Xbar－S 图 在测量阶段，通过图形显示方式将变差的特定原因与一般原因分离。 在分析和改进阶段，在完成假设检验之前检查过程的稳定性。 在控制阶段，在改进措施实行后检验过程控制。 看！！…现在出现了什么? 分析控制图 计算变差图的控制限 要确定“s”的控制限，首先计算每一个分组的“s”值。 下一步计算平均值“S” 确定控制限的上下线。 计算方法基于与平均值图相似的概念，但是较之更为复杂。幸运地是，Minitab可以计算出这些极限范围。 为什么使用 3 Sigma控制限范围? 变量控制图示例 控制图常量与控制限范围 控制图的使用 控制图表可以在测量和分析阶段用于跟踪过程的变化，分析显著的变化并记录。 控制图说明 对图表的解释与说明是在确定过程能力之前，是以持续进行的过程控制为基础，. 首先解释Sigma图表。 在初始能力分析期间，如果你能够识别那些造成“ 失控”情况的特殊原因变差，那么，在计算控制极限范围时，可以将这些数据点删除。 一般过程变差－“乏味…” 这个图表代表一个可预测的过程，在该过程中变差仅受随机变差的支配。 图中各点的上下跳动是不可预测的，但是它们都趋向于围绕着中心线（然而，不是非常接近）并且保持在控制极限范围之内。 这种型态是任何控制图的目标，它不一定表明过程的最佳能力，也不一定表明工序能满足规格要求， 但是，它显示该工序是稳定的。 特定原因改变“ 发生了什么？” 在偶然情况下，某个因 素进入过程并引起一个 突发性的短暂改变。 这个原因可在XBar图中表现为失控的一束点集，而S图通常并不会因为这些移动点而受到影响。 过程之外“啊哈