统计过程控制详解.ppt

蒙特卡洛模拟 蒙特卡洛(Monte Carlo)模拟是一种通过设定随机过程，反复生成时间序列，计算参数估计量和统计量，进而研究其分布特征的方法。具体的，当系统中各个单元的可靠性特征量已知，但系统的可靠性过于复杂，难以建立可靠性预计的精确数学模型或模型太复杂而不便应用时，可用随机模拟法近似计算出系统可靠性的预计值；随着模拟次数的增多，其预计精度也逐渐增高。由于涉及到时间序列的反复生成，蒙特卡洛模拟法是以高容量和高速度的计算机为前提条件的，因此只是在近些年才得到广泛推广。 这个术语是二战时期美国物理学家Metropolis执行曼哈顿计划的过程中提出来的。 蒙特卡洛模拟方法的原理是当问题或对象本身具有概率特征时，可以用计算机模拟的方法产生抽样结果，根据抽样计算统计量或者参数的值；随着模拟次数的增多，可以通过对各次统计量或参数的估计值求平均的方法得到稳定结论。 * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 第六节 标准化控制图 一、标准化控制图的提出 二、标准变换 三、控制图的简化与统一 四、多品种、小批量生产的控制 而一般的正态分布的分布函数F(x)同标准正态分布的分布函数存在如下关系： 一、标准化控制图的提出 计数控制图的UCL、LCL随着样本量n变化而变，不但作图不便，且无法对界内的点进行判稳于判异。 由数理统计可知，不同均值、方差的随机变量，可通过标准变换： 成为均值为0、方差等于1的标准化随机变量。此时，UCL、CL及LCL计算公式统一成： 不但克服UCL、LCL随着样本量n变化而变的缺点，而且无需计算中心线及上、下控制限。 二、标准变换 在 控制图中，采用的是变量 ，可引入以下标准变换 对中位数-极差控制图（ 图），统计量中位数的标准变换是 在不合格品率控制图与不合格数控制图中 对统计量——缺陷数c作标准变换 三、控制图的简化与统一 利用标准变换，可使变量 成为均值为0、方差等于1的标准化随机变量，因此可将基于3σ原则的 控制图的控制限，统一成为： 由此得到的控制图为标准图，亦称通用控制图（Universal Control Chart）。 其优点是：所有的休哈特图均统一成一种图，可以时先印制好，而节约费用。由于控制线为直线，作图方便，有利于判稳或判异。 [例7.6.1] [例7.6.1] 某半导体器件厂，2月份对某种产品的数据如表7.6.1所示。根据以往纪录，在稳态下过程平均不合格率为0.0389，试作图、图对过程进行控制。 组号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 样本量 85 83 63 60 90 80 97 91 94 85 55 92 94 95 不合格数 2 5 1 3 2 1 3 1 2 1 0 1 0 3 组号 15 16 17 18 19 20 21 22 23 24 25 26 27 28 样本量 81 82 75 57 91 67 86 99 76 93 72 97 99 76 不合格数 0 7 3 1 6 2 3 8 1 8 5 9 10 2 0.00 0.02 0.04 0.06 0.08 0.10 0.12 0.14 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 LC=0.0389 ULC p 图 -4 -3 -2 -1 0 1 2 3 4 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 ULC=3 CLC=-3 LC=0 pT 图 四、多品种、小批量生产的控制 1969年，美国希利尔（F.S.Hilier）与新加坡杨中浩提出小样本 控制图。 久森伯瑞（C.P.Quesenberry）又将希利尔的成果推广到 图，并将各种控制图标准化。 1997年，卜祥民博士提出基于贝叶斯（Bayes）方法与序贯分析（sequential analysis）的利用当前小样本和历史数据得到产品质量特性值分布参数的