第六章工程质量控制的统计分析方法.pptVIP

* 它是产品质量水平，与不合格品率相反 接受概率又称批合格概率，是根据规定的抽样检验方案将检验批判为合格而接受的概率。一个既定方案的接受概率是产品质量水平，即批不合格品率p的函数，用L（p）表示，检验批的不合格品率p越小，接受概率L（p）就越大。 * 计件値数据：表示具有某一质量标准的产品数量 计点值数据：表示个体上的缺陷数、质量问题点数。 * 根据这些样本特征值来分析、判断总体的质量状况方法叫做统计推断 * 算术平均值又叫均值：是消除了个体之间个别偶然的差异，显示出所有个体共性和数据一般水平的统计指标，他有所有数据计算得到，是数据的分布中心，对数据有很好的代表性。 N----代表总体中个体数；X----个体中的某个个体特征值 * 例：现有一组数据（已经排序）：10，20，30，40，50，60，70，80，90共有9个数据，处于中间位置的是第5个数据，样本中位数即为：样本中位数= 50；如有一组数据（已经排序）：10，20，30，40，50，60，70，80，90，100共有10个数据，取中间位置的是第5，6位数据的平均值55，作为中位值，样本中位数即为：样本中位数=55； * 不能反映中间数据的分布和波动规律，是只能用在小样本中。 极差是数据中最大值与最小值之差，是用数据变动的幅度来反映其分散状况的特征值。极差计算简单、使用方便，但粗略，数值仅受两个极端值的影响，损失的质量信息多，不能反映中间数据的分布和波动规律，仅适用于小样本。 * 标准差值小说明分布集中程度高，离散程度小，均值对总体(样本)的代表性好;标准差的平方是方差，有鲜明的数理统计特征，能确切说明数据分布的离散程度和波动规律，是最常用的反映数据变异程度的特征值。 * 标准正态离差 * 它是总体标准偏差的无偏估计 * 表示数据的离散波动程度，变异系数小，说明分布集中程度高，离散程度小。均值对总体的代表性好。适用于均值有较大差异的总体之间离散成都的比较，应用很广泛。 * 众所周知，影响产品质量主要有五方面因素，即人，包括质量意识、技术水平、精神状态等;材料，包括材质均匀度、理化性能等;机械设备，包括其先进性、精度、维护保养状况等;方法，包括生产工艺、操作方法等;环境，包括时间、季节、现场温湿度、噪声干扰等;同时这些因素自身也在不断变化中。个体产品质量的表现形式的千差万别就是这些因素综合作用的结果，质量数据也因此具有了波动性。　质量特性值的变化在质量标准允许范围内波动称之为正常波动，是由偶然性原因引起的;若是超越了质量标准允许范围的波动则称之为异常波动，是由系统性原因引起的。 * 解析：实际生产中，影响因素的微小变化具有随机发生的特点，是不可避免、难以测量和控制的，或者是在经济上不值得消除，它们大量存在但对质量的影响很小，属于允许偏差、允许位移范畴，引起的是正常波动。而BCD三种原因引起的波动是系统性原因造成的。 * 对于每件产品来说，在产品质量形成的过程中，单个影响因素对其影响的程度和方向是不同的，也是在不断改变的。众多因素交织在一起，共同起作用的结果，使各因素引起的差异大多互相抵消，最终表现出来的误差具有随机性。对于在正常生产条件下的大量产品，误差接近零的产品数目要多些，具有较大正负误差的产品要相对少，偏离很大的产品就更少了，同时正负误差绝对值相等的产品数目非常接近。于是就形成了一个能反映质量数据规律性的分布，即以质量标准为中心的质量数据分布，它可用一个“中间高、两端低、左右对称”的几何图形表示，即一般服从正态分布。 实践中只要是受许多起微小作用的因素影响的质量数据，都可认为是近似服从正态分布的，如构件的几何尺寸、混凝土强度等;如果是随机抽取的样本，无论它来自的总体是何种分布，在样本容量较大时，其样本均值也将服从或近似服从正态分布。因而，正态分布最重要、最常见、应用最广泛。正态分布概率密度曲线如教材p139 图7-2所示。它是一种“座钟型”的曲线图形。  * 抽样检验又称抽样检查，是从一批产品中随机抽取少量产品(样本) 进行检验，据以判断该批产品是否合格的统计方法和理论。它与全面检验不同之处，在于后者需对整批产品逐个进行检验，把其中的不合格品拣出来，而抽样检验则根据样本中的产品的检验结果来推断整批产品的质量。如果推断结果认为该批产品符合预先规定的合格标准，就予以接收；否则就拒收。所以，经过抽样检验认为合格的一批产品中，还可能含有一些不合格品。采用抽样检验可以显著地节省工作量。在破坏性试验（如检验产品的寿命）以及散装产品（如矿产品、粮食）和连续产品（如棉布、电线）等检验中，也都只能采用抽样检验。抽样检验是统计质量管理的一个组成部分。 　　在实际问题中,常要求设计一个抽样方案,使它