能源企業(yè)過程能力分析與工序質(zhì)量控制-預覽頁
【正文】 四、正態(tài)性檢驗 五、過程能力調(diào)查 六、 正態(tài)總體假設檢驗 七 、制程能力電腦分析 一、工序質(zhì)量控制 通常要解決兩個問題 : — 一是過程狀態(tài)的穩(wěn)定 ,即過程處於統(tǒng)計控制狀態(tài) — 二是過程具有生產(chǎn)合格品的保證能力 二、過程能力的概念、度量、分析評價 1. 過程能力概念 (1). 6M 或稱 5MIE 構(gòu)成了過程的六大要 , 其 綜合效果加以量化時 ,就構(gòu)成過程能力 (2). 過程控制系統(tǒng)圖 人 機 料 法 環(huán) 量測 資源組合轉(zhuǎn)換 中間產(chǎn)品 半成品 成品 零部件 …… 行動 統(tǒng)計方法 ? 制程能力 量度 σ2. μ (3). 六大因素將各自對產(chǎn)品品質(zhì)產(chǎn)生影響 , 產(chǎn)品 / 服務量化的結(jié)果綜合反應出 : σ2 —— 變量概率分布的方差 → 標準偏差 — 過程能力大小的度量基礎 μ —— 變量之平均值 (4). 正確理解 σ、 μ 及 X、 S 試 比 較 樣 本 與 群 數(shù) Sample Population Statistic X — average S — Sample stand deviation Parameter μ — Mean σ— Standard deviation (5). 正態(tài)分布之形成過程 Sample —— Population 標準測量 : 少 → 多 → 群數(shù) X → X → X → X → X → X → X → (6). 正態(tài)分布概率密度函數(shù) : 當收集到的數(shù)據(jù)為計量數(shù)據(jù)時 ,質(zhì)量特性 X 會 是一個連續(xù)性隨機變量 ,變量的分布便是正態(tài) 分布 ,符合下式 : 概率密度函數(shù) : 其中 : π= e = Xi μ σ Z = ? (Z) 3σ 2σ σ μ σ 2σ 3σ % % % ? (Z) = e = e 1 Z2 2 √ 2π Z2 2 (7). 6 σ應用 概率正態(tài)分布之性質(zhì)在 μ177。 則 Ho 的 備擇假設 H1:μ μo 2. 設定顯著水平 α 顯著性檢驗的判斷是依據(jù)小概率事件原理的判斷 ,所謂小概率 α是判斷錯誤的概率 ( 風險度 ). 統(tǒng)計檢驗依據(jù)的是小概率原理 ,即 “在一次實驗中小概率事件實際上 (不是理論上 )是不會發(fā)生的” ,如果發(fā)生了 ,則應判定統(tǒng)計檢驗的結(jié)果存在顯著性差別 : 例 :在 1000個零件中會有 1件不合格品 ,現(xiàn)在從中隨機抽取 1件 ,則抽到不合格品的概率為 , 因此在1000件中只會有 1件不合格的假設下 , 從中抽取一件就正好抽到不合格品 , (不是理論上 )實際上是不可能的 . 根據(jù)這個原理可以得到一個推理方法 ,即如果在某假設成立的條件下 ,事件 A是一個小概率事件 ,現(xiàn)在只進行一次試驗 ,如果在這一次試驗中 ,事件 A就發(fā)生了 ,則自然有理由認為原來的假設不成立 所以 ,假設檢驗的核心問題是 選取適當?shù)慕y(tǒng)計量 ,並找出其在假設成立的前提下的概率分布 ,對于給定的顯著性水平 α提出檢驗標準 — 小概率事件發(fā)生的臨界值 ,進而對所提出的假設進行判斷 . 適常選擇 α= , , ,一般情況下若小概率事件的發(fā)生可能導致重大損失時 ,應選取數(shù)值小的 α值 ,反之可以選大一些 , 適常 α取 3. 求臨界值 在給定的顯著性水平下 , 通過查表求得臨界值 4. 判斷 將統(tǒng)計量與臨界值比較 ,作出拒絕原假設 Ho或接受原假設 Ho的判斷 ,當拒絕原假設 Ho時 ,一般應接受備擇假設 H1. 5. 結(jié)論 , 做出顯著性判斷的結(jié)論 2. 正態(tài)總體假設檢驗 : t 檢驗和 U 檢驗 設總體 X~N(μ, σ2
范文總結(jié)相關推薦
鄂ICP備17016276號-1