【正文】 非固有（非隨機）型式。 第一步是使用統(tǒng)計方法控制公司的輸出。 通常變化不外下面三種基本狀況的組合 : 整體製程數(shù)據(jù)漂移 散佈變寬 中心值漂移 若將每日之統(tǒng)計分佈串起來一起看 ,則又可看到更多變異現(xiàn)象 ,一般可分為兩種如下 : 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 。 下圖使用同樣的命令，沒有從屬變數(shù)。當(dāng)點聚集起來時，泵的實際性能狀況可以看作泵流量的 “ 分佈 ” 。 有 數(shù)學(xué) 技術(shù)可 將 其 轉(zhuǎn)變成常態(tài)分佈 來作分析 。 卷尺、直尺、在恒定速度下位置相對於時間的值 ,等等。統(tǒng)計 1 Jason Lee 2023/07/04 概率統(tǒng)計及 SPC基礎(chǔ) 資料數(shù)據(jù) 基礎(chǔ)統(tǒng)計運用概念 及 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 統(tǒng)計 2 Jason Lee 2023/07/04 資料及數(shù)據(jù) 統(tǒng)計 3 Jason Lee 2023/07/04 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(xué) ” . 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) 統(tǒng)計 4 Jason Lee 2023/07/04 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 統(tǒng)計 5 Jason Lee 2023/07/04 $ $ 連續(xù)資料的優(yōu)勢 連續(xù)的 信息量少 信息量多 統(tǒng)計 6 Jason Lee 2023/07/04 ? 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(yīng)用演算法的多數(shù)公式 ? 分類 ? 標(biāo)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 . . 統(tǒng)計 7 Jason Lee 2023/07/04 無權(quán)使用數(shù)位相機 Fred W. Bill S. John D. Sam C. Bob T. Jim C. Joe W. Diane A. 名義 型衡量工具 ? 名義尺規(guī)用於不考慮任何特性時，對各元素進行分類。 間距尺規(guī)舉例 : (沒有絕對零點 ) 比例尺規(guī)舉例 : (有絕對零點 ) 3. 相對速度 1. 直尺 2. 恒定速度下位置 相對於時間的值 爲(wèi)變數(shù)的函數(shù)值 表座 統(tǒng)計 11 Jason Lee 2023/07/04 基礎(chǔ)統(tǒng)計運用概念 統(tǒng)計 12 Jason Lee 2023/07/04 變異 (Variation) 當(dāng)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 統(tǒng)計 13 Jason Lee 2023/07/04 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 . 統(tǒng)計 14 Jason Lee 2023/07/04 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(yù)測性存在並易於被理解或控制 . 統(tǒng)計 15 Jason Lee 2023/07/04 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 統(tǒng)計 16 Jason Lee 2023/07/04 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(yù)測性及一致性 ,對時間而言具可預(yù)測性 不穩(wěn)定變異 :對時間而言不具可預(yù)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 統(tǒng)計 17 Jason Lee 2023/07/04 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(fàn)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 統(tǒng)計 18 Jason Lee 2023/07/04 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(biāo)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 統(tǒng)計 19 Jason Lee 2023/07/04 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(dāng)?shù)某闃涌墒菇y(tǒng)計分析更準(zhǔn)確 . Statistics 分佈的數(shù)學(xué)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) 統(tǒng)計 20 Jason Lee 2023/07/04 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 。 統(tǒng)計 29 Jason Lee 2023/07/04 A Normal probability plot is a cumulative distribution plot where the vertical scale is changed in such a way that data from a Normal distribution will form a straight line: Histogram Cumulative Distribution Normal Probability Plot 常態(tài)概率圖 Normal Distribution常態(tài)分佈 統(tǒng)計 30 Jason Lee 2023/07/04 第一個屬性 : 只要知道下面兩項就可以完全描述常態(tài)分配 : 均值 標(biāo)準(zhǔn)差 常態(tài)分配 的好處 簡化 第一個分佈 第二個分佈 第三個分佈 這三個分佈有什麼不同 ? 統(tǒng)計 31 Jason Lee 2023/07/04 常態(tài)曲線和其概率 4 3 2 1 0 1 2 3 4 40% 30% 20% 10% 0% % 第二個屬性 : 曲線下方的面積可以用於估計某“事件”發(fā)生的累積概率 95% 68% 樣本值的概率 距離均值的標(biāo)準(zhǔn)偏差數(shù) 得到兩值之間的值的累積概率 統(tǒng)計 32 Jason Lee 2023/07/04 常態(tài)概率圖 1 3 0 1 2 0 1 1 0 1 0 0 9 0 8 0 7 0 6 0 3 0 0 2 0 0 1 0 0 0 C 2 常態(tài)概率圖 頻率 1 1 0 1 0 0 9 0 8 0 7 0 6 0 5 0 4 0 3 0 2 0 1 0 0 5 0 0 C 1 常態(tài)概率圖 頻率 8 0 7 0 6 0 5 0 4 0 3 0 2 0 1 0 0 3 0 0 2 0 0 1 0 0 0 C 3 常態(tài)概率圖 頻率 1 3 0 1 2 0 1 1 0 1 0 0 9 0 8 0 7 0 6 0 . 9 9 9 . 9 9 . 9 5 . 8 0 . 5 0 . 2 0 . 0 5 . 0 1 . 0 0 1 平均： 70 標(biāo)準(zhǔn)偏差： 10 資料個數(shù)： 500 AndersonDarling常態(tài)測試 A平方 : P值 : 正偏斜分佈 概率 正偏斜 1 0 6 9 6 8 6 7 6 6 6 5 6 4 6 3 6 2 6 . 9 9 9 . 9 9 . 9 5 . 8 0 . 5 0 . 2 0 . 0 5 . 0 1 . 0 0 1 常態(tài)分配 常態(tài) 概率 平均值： 70 標(biāo)準(zhǔn)偏差 :10 資料個數(shù)： 500 AndersonDarling常態(tài)測試 A平方 : P值 : 我們可以用常態(tài)概率圖檢驗一組給定的資料是否可以描述爲(wèi)“常態(tài)” 如果一個分佈接近常態(tài)分配，則常態(tài)概率圖將爲(wèi)一條直線。 統(tǒng)計 43 Jason Lee 2023/07/04 5 1 .3 5 0 . 8 5 0 . 3 4 9 . 8 4 9 . 3 4 8 . 8 4 0 3 0 2 0 1 0 0 直方圖分佈 還是這些資料，現(xiàn)在設(shè)想將其分組後歸入“區(qū)間”。 當(dāng)選擇每頁一張圖時 ， 所有的圖的計數(shù) (左軸 )刻度相同 。 例 :每日生產(chǎn)參數(shù)設(shè)定漂移 。然而，只有我們將重點放在控制輸入 (X),而不是控制輸出 (Y)時 , 我們才能認識到我們在提高質(zhì)量、生産率及降低成本上的努力收效有多大 。當(dāng)控制圖表出現(xiàn)非隨機型式信號時，我們就可以知道特殊原因引起的變動改變了過程。 控制限值是以爲(wèi)衡量的 Y或 X建立 177。 SPC的使用使我們能夠通過失控信號發(fā)現(xiàn)特殊原因。 例 :模具尺寸超差。 這些圖表明 ， 70%的記錄缺陷是刮傷和剝落的 (下部 )， 約有一半的缺陷