【正文】 ple) +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(yù)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(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 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(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 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(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 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(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) 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 。 樣本通常爲(wèi)所關(guān)心母體的子集 “ 母體參數(shù) ” “ 樣本統(tǒng)計量 ” m = 母體均值 s = 樣本標(biāo)準(zhǔn)偏差 母體 s = 母體標(biāo)準(zhǔn)偏差 ~ 17 抽樣方法 抽樣方法 上面介紹了幾種從母體中抽樣的方式 隨機性 從母體中抽取的樣本設(shè)計應(yīng)使母體中每一個都有同等機會抽中 . 代表性 作為同一母體中其他樣本的實例 . 系統(tǒng)隨機抽樣 分組抽樣 每一小時在該點 抽 3個樣本 隨機抽樣 每個均有被選上的相等機會 層別式抽樣 母體被“層別”成幾個組 ,在每個組內(nèi)隨機選擇 . 行進中的過程 每隔 n個柚樣 18 一般準(zhǔn)則 計數(shù)數(shù)據(jù) :50100 計量數(shù)據(jù) :每個分組最少是 30 19 ? 均值 : 一 組 值的算 術(shù) 平均 均值 : 反映所有值的影響 受極值影響嚴(yán)重 ? 中位數(shù) : 反應(yīng) 50% 的序一組數(shù)排序後居中的數(shù) 在計算中不必包含所有值 相對於極值具有 “可靠性 ” ? 眾數(shù)值 : 在一組資料中最常發(fā)生的值 nnn nxx??? 1Median (Mean平均 ) (Median中數(shù) ) 眾數(shù) Center(中心 ) 50% 50% 20 1n)X(Xn1i2i?????s1n)X(Xn1i2i2?????全距 : 在一組資料中，最高值和最低值 間的數(shù)值距離 變異 (s2): 每個資料點與均值的平均平方偏差 標(biāo)準(zhǔn)偏差 (s): 變異數(shù)的平方根 . 量化變動最常用的量 全距＝最大值－最小值 Spread(散佈 ) 6s 21 The s Rule states how m and s can be used to describe the entire distribution: ? Roughly 6075% of the data are within ?1s of m. ? Roughly 9098% of the data are within ?2s of m. ? Roughly 99100% of the data are within ?3s of m. 6075% 9098% 99100% m m s m 2 s m + s m + 2 s m + 3 s m 3 s Spread(散佈 ) 22 The shape of a distribution can be described by skewness 歪斜 (denoted by ?1) and by kurtosis凹擊平坦 (denoted by ?2). ?1 0 ?1 = 0 ?1 0 ?2 0 ?2 = 0 ?2 0 歪斜 凹擊平坦 Shape (形狀 ) 23 N)(Xn1i2i2????msNX= 1i??Nimnx=xn1=ii?N) (X= N1=i2i??ms ? ?1 21?????nxxniis母體均值 樣本均值 母體標(biāo)準(zhǔn)偏差 樣本標(biāo)準(zhǔn)偏差 常用 計算公式 ~ 母體 變異 樣本 變異 1n)X(Xn1i2i2?????s~ 24 The most important and useful distribution shape is called the Normal distribution, which is symmetric(對稱 ), unimodal(單峰 ), and free of outliers (沒有特異點 ): Normal Distribution常態(tài)分佈 “ 常態(tài) ” 分佈是具有某些一致屬性的資料的分佈 這些屬性對理解基礎(chǔ)過程 （ 資料從該過程中收集 ） 的特徵非常有用 . 大多數(shù)自然現(xiàn)象和人爲(wèi)過程都符合常態(tài)分配 ， 可以用常態(tài)分配表示 , 故大部份統(tǒng)計都假設(shè)是常態(tài)分佈 。 特別不正常的分佈若假設(shè)為常態(tài)而去分析則有可能得到誤導(dǎo)結(jié)果 。 25 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 26 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 ? 27 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 28 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。 X 。 X X X X s + = + = = = = 總總 總 6s原則 變異數(shù)可相加 , 標(biāo)準(zhǔn)差則不能相加 輸入變數(shù)變異數(shù)相加計算輸出中的總變異數(shù) 所以 那麼 引起的變異數(shù)輸入變數(shù) 引起的變異數(shù)輸入變數(shù) 過程輸出的變異數(shù) 如果 s s s s s s s s 34 1 2 3 4 5 6 Lot sWithin is small sLot is large process has small withinlot variation and large lottolot variation (which is very mon), data values from the same lot will be highly correlated, while data from different lots will be independent: 35 實用品質(zhì)統(tǒng)計工具