【正文】 時間 時間 :製程中有特殊或突發(fā)原因而產(chǎn)生變異 , 造成不穩(wěn)定 。 此外，記錄缺陷是刮傷和剝落的比例，對白班和夜班的 來說似乎也差不多。 下圖使用同樣的命令，沒有從屬變數(shù)。 最後一組總是標有 “ 其他 ” ， 並以默認方式包括所有缺陷的分類計算 ， 這幾類缺陷非常少 ， 它們占總?cè)毕莸? 5% 以下 。當點聚集起來時，泵的實際性能狀況可以看作泵流量的“分佈”。 X 。 有 數(shù)學 技術(shù)可 將 其 轉(zhuǎn)變成常態(tài)分佈 來作分析 。1 統(tǒng)計運用及品管實務工具 資料數(shù)據(jù) 基礎統(tǒng)計運用概念 生產(chǎn)製造環(huán)境 實用品質(zhì)統(tǒng)計工具 製程能力分析 與 SPC統(tǒng)計 製程 控制 2 資料及數(shù)據(jù) 3 你想瞭解什麼 ? 資訊源 : 分組 離散型 名義型 順序型 間距型 “ 資料本身並不能提供資訊 —— 必頇對資料加以處理以後才能得到資訊 , 而處理資料的工具就是統(tǒng)計學 ” . 衡量 連續(xù)型 比率型 ● 文字的 (A to Z) ● 圖示的 ● 口頭的 ● 數(shù)位的 (09) 數(shù)據(jù) 4 FAIL PASS 計時器 NOGO GO 數(shù)量 單價 說明 總價 1 $ $ 3 $ $ 10 $ $ 2 $ $ 裝貨單 離散型資料和連續(xù)型資料 電氣電路 溫度 溫度計 連續(xù)型 離散型 卡尺 錯誤 5 ? 離散型資料 (通常 ) ? 分組 / 分類 ? 是 /否 , 合格 / 不合格 ? 不能計算 ? 離散型資料 ? 分級 ? 很少用 ? 很難加以計算 ? 連續(xù)型資料 ? 最常見的尺規(guī) ? 計算時要很小心 ? 連續(xù)型資料 ? 比例關(guān)係 ? 可應用演算法的多數(shù)公式 ? 分類 ? 標簽 ? 第一、第二、第三 ? 相對高度 ? 字母順序 ? 1234 ? 溫度計 ? 刻度盤 ? 速度 = 距離 /時間 ? 直尺 衡量工具 分類 說明 例子 衡量工具 分類 名義型 :不相關(guān)類 , 只代表符合條件或不符合條件個體數(shù) . 順序型 :順序類 ,但沒有各類間隔的資訊 . 間距型 :順序類 ,兩類之間間隔相等 ,但沒有絕對零點 . 比例型 :順序類 ,兩 類之間間隔相等 , 同時存在絕對零點 . . 離 散 型 連 續(xù) 型 6 $ $ 連續(xù)資料的優(yōu)勢 連續(xù)的 信息量少 信息量多 7 基礎統(tǒng)計運用概念 8 變異 (Variation) 當我們從一過程中收集數(shù)據(jù) ,會發(fā)現(xiàn)數(shù)據(jù)不會永遠相同 ,因為變異 (Variation)在過程中隨時存在 製造流程 Step 1 Step 2 Step 3 Process Output Output of Process Step Equipment Materials Environment People Methods Information 9 變異 (Process) =變異 (Step 1) +變異 (Step 2) +變異 (Step 3) + . . . 變異 ( Process Step) = 變異 (Methods) +變異 (Materials) +變異 (Environment) +變異 (People) +變異 (Equipment) +變異 (Information) 變異 (Variation) 我們觀察到的變異 ,是在過程中各種擾動累積起來的 . 10 變異 (Variation) 參數(shù) X X X X X X X X X 量測值 分佈 多數(shù)在此 少數(shù)在此 Center均值 Spread散佈 雖然變異是隨機的 ,但他們的隨機性通常有模式存在 ,這種模式可用統(tǒng)計上的分佈 (Distribution)來形容 .如此變異加以統(tǒng)計分析 ,便可有某種程度的預測性存在並易於被理解或控制 . 11 變異 (Variation) 中心 Center: 數(shù)據(jù)最集中在何處 ? 散佈 Spread:數(shù)據(jù)變異程度及分散狀況如何 ? 形狀 Shape:分佈是否對稱 ?扁平 ?凹擊 ? 是否有異常區(qū) 描述 分佈 (Distribution) Shape形狀 Center中心 Spread散佈 12 變異 (Variation) 變異可以是穩(wěn)定 (Stable)或 不 穩(wěn)定 (Unstable)的 . 穩(wěn)定變異 :變化的分佈較具預測性及一致性 ,對時間而言具可預測性 不穩(wěn)定變異 :對時間而言不具可預測性 PROCESS 1 Stable Variation穩(wěn)定 Part T h i c k n e s s PROCESS 2 Unstable Variation不 穩(wěn)定 Part Distribution Distribution T h i c k n e s s 13 變異 (Variation) 在製造過程中 ,有變異都是不好 .問題是我們能容忍到何種範圍 .我們能容忍的變異是具有以下兩項特徵 : Time P a r a m e t e r STABLE (., consistent and predictable over time). CAPABLE (., small variation pared to the product specifications.) Product Specifications Parameter Distribution 穩(wěn)定 散佈小 14 控制 變異 (Variation) 1. Characterize 2. Improve 3. Control 瞭解過程 : 使制程更好 : 保持穩(wěn)定並維持高制程能力 ?過程由時間來看是否穩(wěn) ? ?制程能力是否能滿足目標規(guī)格 ? ? 確認並除去不穩(wěn)定原因 ? 確認並降低變異程度使?jié)M足規(guī)格 ? 持續(xù)監(jiān)視及控制過程的變異源 特徵化 改善 控制 15 因為用抽樣統(tǒng)計 ,其結(jié)果只是估計 , 和真實可能有差異 . 適當?shù)某闃涌墒菇y(tǒng)計分析更準確 . Statistics 分佈的數(shù)學描述與定義 中心 Center: 數(shù)據(jù)最集中在何處 ? 散佈 Spread:數(shù)據(jù)變異程度及分散狀況如何 ? 形狀 Shape:分佈是否對稱 ?扁平 ?凹擊 ? 是否有異常區(qū) 16 樣本均值 = X 樣本 抽樣概念 母體參數(shù)和樣本統(tǒng)計量 母體 : 包含所關(guān)心特性的已經(jīng)製造或?qū)⒁u造的物件 的全體 樣本 : 在統(tǒng)計研究中實際測量的物件組 。 特別不正常的分佈若假設為常態(tài)而去分析則有可能得到誤導結(jié)果 。 X 。 畫出各個點，每點代表一個給定值的輸出 “ 事件 ” 。 頻率 加侖 /分鐘 39 品質(zhì)統(tǒng)計圖表 直方圖 (Histograms) 140 145 150 155 16040 品質(zhì)統(tǒng)計圖表 直方圖 (Histograms) . 0 4 0 . 0 4 5 . 0 5 0 . 0 5 5 . 0 6 0 . 0 6 5 . 0 7 0 . 0 7 50 2 4 6 8 10. 0 0 0 . 0 2 5 . 0 5 0 . 0 7 5 . 1 0 0 . 1 2 5? MultiModal Shape(雙峰 ): ? Skewed Shape(偏一邊 ): Data can be rightskewed or leftskewed. This data is rightskewed – the right tail is longer than the left tail. Outliers:特異點 41 品質(zhì)統(tǒng)計圖表 柏拉圖 (Pareto Diagrams) While histograms are used to display the distribution of a set of continuous (measured) data, Pareto diagrams are used to display the distribution of discrete (counted) data, such as different types of defects. Pareto diagrams can also be used with continuous (measured) data, particularly in displaying variance ponents analysis results, as we will see later in this course. Pareto diagrams are a useful tool for determining which problems or types of problems are most severe or occur most frequently, hence should be given high priority for process improvement efforts. Pareto diagrams separate the significant vital few problems from the trivial many to help determine which problems to address first (and which to address later). 重點中找重點 ! 42 Pareto圖分析 Pareto 圖 根據(jù) frequency 欄的內(nèi)容判斷各個缺陷影響的大小，並按從大到小的次序排列。在圖的下方列出所有的值 百分比 缺陷的 Pareto圖 缺陷 計數(shù) 274 59 43 19 10 18 百分比 累積百分比％