【正文】 可觀測數(shù)據(jù) 結(jié)果數(shù)據(jù) 流程數(shù)據(jù),2024/10/20,4,數(shù)據(jù)類型,A.計量數(shù)據(jù) 可連續(xù)取值，或可以用測量工具具體測出的數(shù)據(jù)。質(zhì)量數(shù)據(jù)即質(zhì)量特性的觀測值。,B.計數(shù)數(shù)據(jù) 不能連續(xù)取值，或者說只能用查數(shù)的方法取得的 數(shù)據(jù)。 計數(shù)數(shù)據(jù)變換成比率后的數(shù)據(jù)還是計數(shù)數(shù)據(jù)。 樣本：又稱子樣，是從總體中抽出的一部分個體的集合。 系統(tǒng)抽樣：按照一定規(guī)律，例如每過一段時間，抽取若干種產(chǎn)品為子樣的方式。 2）對數(shù)據(jù)進(jìn)行統(tǒng)計分析，來研究其規(guī)律性。如果樣本數(shù)為偶數(shù)，則取位于中間的兩個數(shù)據(jù)的平均值為中位數(shù)。常用大寫字母X，Y，Z等表示隨機變量,它們的取值 用相應(yīng)的小寫字母x，y，Z等表示。這些事件可能發(fā)生，也可能不發(fā)生，因為調(diào)取0，1，2，…等值是隨機的。 這個規(guī)律可以用分布來描述。概率密度函數(shù)p(x)有多種形式，它在以X發(fā)生概率為縱軸，X取值為橫軸的平面坐標(biāo)系上，概率密度（即單位長度上的概率或頻率）曲線不同的位置、散布程度、分布形狀，反映了質(zhì)量特性的差別。從這批產(chǎn)品中隨機抽取容量為n 的樣本，則樣本中含有c 個不合格品，c為一個隨機變量。在質(zhì)量管理實踐中，測量和分析過程產(chǎn)生了各種各樣的數(shù)據(jù)。 集中趨勢測量指標(biāo)（均值、中位數(shù)、比例） 離散測量指標(biāo)（極值、標(biāo)準(zhǔn)偏差、偏差）,2024/10/20,38,(二)統(tǒng)計推斷,統(tǒng)計推斷是一個過程，它根據(jù)從總體中抽取的數(shù)據(jù)，獲得關(guān)于總體未知特征的結(jié)論。根據(jù)樣本數(shù)據(jù)推斷關(guān)于總體的某一命題成立與否的系統(tǒng)化方法。這一技術(shù)技術(shù)能夠分清一個過程的特征并預(yù)測未來結(jié)果。又稱多重回歸分析。相關(guān)分析中所討論的變量的地位一樣，分析側(cè)重于隨機變量之間的種種相關(guān)特征。數(shù)理統(tǒng)計學(xué)的一個重要分支。相關(guān)關(guān)系是一種非確定性的關(guān)系。1時，n個點完全在一條直線上，兩個變量完全線性相關(guān)。 當(dāng)r= 0時，兩個變量負(fù)相關(guān)，當(dāng)X值增大時，Y值減小。 回歸分析是一類數(shù)學(xué)模型，特別當(dāng)因變量和自變量為線性關(guān)系時，它是一種特殊的線性模型。 世界上沒有兩個對象具有相同的特性測量值；如果兩個對象有相同的特性測量值，常常是由于測量手段的限制造成的。 當(dāng)過程的變異量能夠以一定的置信度進(jìn)行預(yù)測時，就稱過程處于統(tǒng)計控制狀態(tài)。 戴明認(rèn)同休哈特的變異的來源，并稱產(chǎn)生過程變異的原因分別為一般原因和特殊原因。 變異的一般原因持續(xù)存在，并引起可控的變異或一般原因變異。如果過程變異過大，必須改變過程。 這些外部來源不是某個過程中固有的。由特殊原因支配的過程為不穩(wěn)定過程或不受控過程。 當(dāng)控制圖失控時，應(yīng)該調(diào)查是哪些特殊原因影響了過程輸出。而許多經(jīng)理卻認(rèn)為所有的變異都是可控的，并歸咎于那些無能為力的工人。 人員能夠而且確實影響過程的結(jié)果，不加區(qū)別地消除一般變異原因 ，去“干預(yù)”過程會產(chǎn)生不必要的變異。 管理者決定在設(shè)計過程中花費多少時間和費用，將影響使用的資源和方法。變異的特殊原因是偶發(fā)性的，由外部擾動引起，通?？梢栽诮y(tǒng)計意義上進(jìn)行識別，還可以解釋和糾正。當(dāng)達(dá)到了可控變異的狀態(tài)后，質(zhì)量改進(jìn)項目就應(yīng)該通過消除長期問題，從而縮小可控變異的范圍來使質(zhì)量得到一個突破性的提高。這種情況下，干預(yù)一個穩(wěn)定的系統(tǒng)會增加系統(tǒng)的變異，從而形成長期針對一般原因進(jìn)行“瞎調(diào)整”。 在過程層次上，統(tǒng)計思想可以激勵管理人員開發(fā)和評估標(biāo)準(zhǔn)化的項目管理系統(tǒng)，設(shè)置現(xiàn)實的目標(biāo)，針對變異性質(zhì)，以過程為關(guān)注焦點而不是去責(zé)備員工。 從定量的角度看，它是在諸因素受控的情況下，過程所加工產(chǎn)品的質(zhì)量特性的波動幅度(分散程度)。即： Cp = T/6σ ≈ T/6S =（TU — T L ）/6S 其中，T為產(chǎn)品規(guī)范確定的容差范圍，S標(biāo)準(zhǔn)偏差 ,2024/10/20,61,過程能力指數(shù)的應(yīng)用,各種情況下過程能力指數(shù)的計算 過程能力指數(shù)與不合格品率 過程能力判斷 改善過程能力的途徑,2024/10/20,62,提高過程能力的途徑,減少中心偏移量 減少標(biāo)準(zhǔn)偏差S 增大容差范圍T,2024/10/20,63,（三）SPC與控制圖,SPC 控制圖,2024/10/20,64,1.統(tǒng)計過程控制,統(tǒng)計過程控制（Statistical Process Control，SPC），是應(yīng)用統(tǒng)計技術(shù)對過程中的各個階段進(jìn)行監(jiān)控，從而達(dá)到改進(jìn)和保證質(zhì)量的目的。 SPC的基本觀點是:如果過程變異只是由于一般原因引起，則認(rèn)為過程是受控的。 概率原理:小概率事件在一次試驗中是不會發(fā)生的，如果發(fā)生，則可判斷出現(xiàn)異常。,2024/10/20,75,因此我們可以認(rèn)為：當(dāng)區(qū)間定為?177。 在現(xiàn)場要貫徹“查處異因，采取措施，保證消除，不再出現(xiàn)，納入標(biāo)準(zhǔn)”,2024/10/20,77,兩類錯誤,第一類錯誤：虛發(fā)警報的錯誤，計為? ?=0.0027 第二類錯誤：漏發(fā)警報的錯誤，計為? 控制界限的合理確定: 兩類錯誤造成的總損失最小,2024/10/20,78,4.控制圖的分類,按照用途分為 1)分析用控制圖（分析生產(chǎn)過程是否處于穩(wěn)態(tài)，也叫做統(tǒng)計穩(wěn)態(tài)；分析生產(chǎn)過程的工序能力是否滿足技術(shù)要求，也叫做技術(shù)穩(wěn)態(tài)。 狀態(tài)Ⅳ：統(tǒng)計穩(wěn)態(tài)和技術(shù)穩(wěn)態(tài)都未達(dá)到，這是最不理想的情況,2024/10/20,79,控制圖的分類,2）控制用控制圖 當(dāng)我們把狀態(tài)調(diào)整到所確定的目標(biāo)以后，我們就可以把分析用控制圖延長作為控制用控制圖。在樣本組內(nèi)，假定波動只由偶然原因所引起。 畫控制圖并標(biāo)出各組的統(tǒng)計量。 根據(jù)已知的均值和標(biāo)準(zhǔn)差，按照3 ?方式控制圖建立控制界限的要求，來直接得到控制圖的中心線和上下控制界限。,2024/10/20,85,順序號,TU UCL CL LCL TL,+T/2 +3 ?,3 ? T/2,其中，X表示質(zhì)量特性值，T表示公差范圍,X,2024/10/20,86,例.已知某零件的標(biāo)準(zhǔn)尺寸要求為12?0.1 ，使用隨機抽樣方法確定X控制圖的中心線及上下控制界限。 (2)判異準(zhǔn)則——控制圖的點子出現(xiàn)點子超出，或者處于控制線上或控制界限內(nèi)點子的排列出現(xiàn)非隨機狀態(tài)，即判生產(chǎn)過程異常，則需要分析原因，有針對性地采取措施。,2024/10/20,陳運濤 chenyy_tcstom.com,93,控制圖的觀察和分析,控制圖上點子及其排列狀況，反映出生產(chǎn)過程的穩(wěn)定程度，以便決定是否采取措施。根據(jù)控制圖判定過程異常，是一項專業(yè)性較強的工作，需要進(jìn)一步的知識和技巧。 在5M1E因素未加控制，過程處于不穩(wěn)定狀態(tài)時就使用控制圖管理過程。 不及時打“點”因而不能及時發(fā)現(xiàn)過程異常 當(dāng)5M1E發(fā)生變化時，而未及時調(diào)整控制線。24.10.2024.10.20Sunday, October 20, 2024 人生得意須盡歡，莫使金樽空對月。24.10.2024.10.2023:26:2523:26:25October 20, 2024 加強自身建設(shè)，增強個人的休養(yǎng)。2024年10月20日星期日11時26分25秒23:26:2520 October 2024 科學(xué)，你是國力的靈魂；同時又是社會發(fā)展的標(biāo)志。24.10.202024年10月20日星期日11時26分25秒24.10.20,謝謝大家