QC七大手法应用讲义.ppt

直方图-高原形 说明：平顶且高。 结论：不同平均值的分配混在一起。 直方图课堂练习 某工程师测得一批产品尺寸长度如下，请绘制直方图。 75 80 75 60 70 85 70 70 85 70 60 80 80 80 65 80 75 75 70 85 70 75 75 75 85 80 55 70 70 85 65 70 80 75 65 75 85 90 80 65 70 75 75 80 80 75 95 90 80 65 六、散布图 为研究两个变量之间的相关性，而搜集成对两组 数据，在坐标上用点来表示出两个特性值之间相关情 形的图形，称之为散布图。其主要作用：知道两组数 据(原因与结果)之间是否相关及其相关程度。 散布图制作 某产品的烧熔温度及硬度之间是否存在有相关性，今收集30组数据，请予以分析。 步骤1：收集30组以上的相对数据,整理到数据 表上。 (数据不能太少，否则易生误判) 步骤2：找出数据 X、Y的最大值及最小值。 步骤3：画出纵轴与横轴(若是判断要因与结果的关系，則横轴代表要因纵轴代表结果)； 步骤4：将各组成对数据标记在座标上； 横轴与纵轴的数据交会处点上“ ˙ ”； 两组数据重复在同一点上时，划双重圆记号◎； 三组数据重复在同一点上时，划三重圆记号。 步骤５：记下必要事项：数据、采取時间、目的、产品名、工程名、绘图者、绘制日期等。 产品名：SI-083 单位：压延课 绘制：××× 日期：99.12.31 N=30 时间段：99.12.20--99.12.30 硬 度 Y 烧熔溫度X 正相关 X增大时，Y也隨之增大，称为正相关。 完全的正相关 有正相关 非显著性正相关 X增大时，Y也隨之增大，但增大的幅度不显著。此时宜再考虑其他 可能影响的要因。 似有正相关 负相关 X增大时，Y反而減少，称为负相关。 有负相关 完全的有负相关 非显著性负相关 X增大时，Y反而減少，但幅度并不显著。此时宜再考虑其他可能影响的要因。 无相关 (1) X与Y之间看不出有何相关关系；(2) X增大时，Y并不改变。 曲线相关 X开始增大时，Y也隨之增大，但达到某一值后，当X增大时，Y却減小。 回归模型： 1、线性模型：Y=m*X+b 2、对数模型：Y=m*logX+b 3、指数模型：Y=b*m^X 4、乘幂模型：Y=b*X^m 5、多项式模型：视线形由上 述1~4进行组合 6、移均模型：视线形由线性 模型组合而成。 回归模型的测算 1、在描出的趋势线上，确定几个典型的点来进行常数项(m，b，…)的试算。点的数量 不得小于拟定模型中的常数项的个数。点应具有代表性，如直线的端点和中点， 曲线段的端点、凸点、凹点，复合线段的折点等。 2、测定每个点的成对数值(x,y), 再将这些成对数值代入拟定的模型中，得到一组 方程式，对其求解后即可获得模型。也可通过EXCEL中的函数功能和“规划求解” 功能计算出常出项。 相关系数是衡量变量之间相关性的特定指标，其取值为：-1 r +1 .在Excel中先将数据按性质分组，再调用函数CORREL求出两组数据间的相关系数。相关系数绝对值越大表明相关程度越高，正/负号表示正向/负向相关。相关系数表征两组数据的关联关系，但并不能说明存在因果关系。 相关性检定 相关程度的检定： 当得出的相关系数的绝对值大于或等于如下《相关系数检定表》中对应数值时(即|r|≥rα),才能确认相关关系成立。 表中的α指错判风险大小，取值5%,或1%。n指的是数据的组数， 即点子的数量。 散布图课堂练习 某工程师测得一批热处理产品温度与硬度参数如下，请绘制散布图。 1 600 50 11 580 47 22 640 60 2 620 55 12 600 50 23 600 51 3 610 52 13 620 56 24 580 46 4 580 47