质量策划与质量改进材料.ppt

这七种新工具是日本科学技术联盟于1972年组织一些专家运用运筹学或系统工程的原理和方法，经过多年的研究和现场实践后于1979年正式提出用于质量管理的。这新七种工具的提出不是对“老七种工具”的替代而是对它的补充和丰富。 * 同质（homogeneity）与变异（variation）严格地讲，同质是指被研究指标的影响因素完全相同。但在医学研究中，有些影响因素往往是难以控制的（如遗传、营养等），甚至是未知的。所以，在统计学中常把同质理解为对研究指标影响较大的、可以控制的主要因素尽可能相同。例如研究儿童的身高时，要求性别、年龄、民族、地区等影响身高较大的、易控制的因素要相同，而不易控制的遗传、营养等影响因素可以忽略。同质基础上的个体差异称为变异。如同性别、同年龄、同民族、同地区的健康儿童的身高、体重不尽相同。事实上，客观世界充满了变异，生物医学领域更是如此。哪里有变异，哪里就需要统计学。若所研究的同质群体中所有个体一模一样，只需观察任一个体即可，无须进行统计研究。 * DPU(单位缺陷数)：Defect Per Unit DPU=缺陷总数/生产的产品总数 注意：一个产品中可能存在多个缺陷　所以DPU可以1 如： *工厂刚生产完一批共40,000台洗衣机,其中发现100台洗衣机有缺陷。 DPU = 0.0025 DPMO = 2500 Sigma = 4.31 *工厂刚生产出一批共400台冰箱（每台冰箱有134个部件）。在生产中，发现了12,312个不良（错组装或损坏）部件。 DPU = 30.078 DPMO = 229,701 Sigma = 2.24 * 在多个已知可能特殊变异源的前提下，通过单分层进行最佳组配的选择往往会造成错误 有缺陷数最好改成：缺陷数 表中的45表示，　在40个产品中，发现了45处缺陷(一个产品可有多处缺陷，有的是铜管问题，有的是焊环问题，有的是两者都有问题)。 * 多个特殊变异源之间可能存在交差作用！ * 图中红线在统计上叫：向下累积线 * Lxy为随机变量X与Y的协方差； Lxx、Lyy分别随机变量X、Y的方差； r为相关系数。 Lxx :x的离均差平方和 (Lxx除以n，即为方差，再开根为标准差) Lyy :y的离均差平方和 Lxy :x和y的离均差积和 * 统计学意义（p值）结果的统计学意义是结果真实程度（能够代表总体）的一种估计方法。专业上，p值为结果可信程度的一个递减指标，p值越大，我们越不能认为样本中变量的关联是总体中各变量关联的可靠指标。p值是将观察结果认为有效即具有总体代表性的犯错概率。如p=0.05提示样本中变量关联有5%的可能是由于偶然性造成的。即假设总体中任意变量间均无关联，我们重复类似实验，会发现约20个实验中有一个实验，我们所研究的变量关联将等于或强于我们的实验结果。（这并不是说如果变量间存在关联，我们可得到5%或95%次数的相同结果，当总体中的变量存在关联，重复研究和发现关联的可能性与设计的统计学效力有关。）在许多研究领域，0.05的p值通常被认为是可接受错误的边界水平。如何判定结果具有真实的显著性在最后结论中判断什么样的显著性水平具有统计学意义，不可避免地带有武断性。换句话说，认为结果无效而被拒绝接受的水平的选择具有武断性。实践中，最后的决定通常依赖于数据集比较和分析过程中结果是先验性还是仅仅为均数之间的两两比较，依赖于总体数据集里结论一致的支持性证据的数量，依赖于以往该研究领域的惯例。通常，许多的科学领域中产生p值的结果≤0.05被认为是统计学意义的边界线，但是这显著性水平还包含了相当高的犯错可能性。结果0.05≥p0.01被认为是具有统计学意义，而0.01≥p≥0.001被认为具有高度统计学意义。但要注意这种分类仅仅是研究基础上非正规的判断常规。 * （1）标准型（对称型）。 数据的平均值与最大值和最小值的中间值相同或接近，平均值附近的数据的频数最多，频数在中间值向两边缓慢下降，以平均值左右对称。这种形状也是最常见的。 * （6）双峰型。靠近直方图中间值的频数较少，两侧各有一个“峰”。当有两种不同的平均值相差大的分布混在一起时，常出现这种形状。 * 5）平顶型。当几种平均值不同的分布混在一起，或过程中某种要素缓慢劣化时，常出现这种形状。 * 做频数分布时，如分组过多，会出现此种形状。另外，当测量方法有问题或读错测量数据时，也会出现这种形状。 * （4）偏峰型。 数据的平均值位于中间值的左侧（或右侧），从左至右（或从右至左），数据分布的频数增加后突然减少，形状不对称。当下限（或上限）受到公差等因素限制时，由于心理因素，往往会出现这种形状。 * 所谓工序能力是指处于稳定状态下的实际加工能力，工序能够稳定地生产出产品