qc(旧)七大手法a之六——散布图.docxVIP

QC（旧）七大手法之六——散布图(scatter diagram)第一小节 散布图的观察分析一．定义 散布图，也称散点图、相关图，散布图法又称为相关图法，QC要掌握的是平面散布图，是指通过分析研究两种因素的数据（成对出现）之间的关系，来控制影响产品质量的相关因素的一种有效方法（图示技术）。 散布图是研究成对出现的两组数据之间关系的图示技术。在生产实际中，往往是一些变量共处于一个统一体中，它们相互联系、相互制约，在一定条件下又相互转化。有些变量之间存在着确定性的关系，它们之间的关系，可以用函数关系来表达，如圆的面积S=πr2，有些变量之间却存在相关关系（即统计关系），即这些变量之间既有关系，但又不能由一个变量的数值精确地求出另一个变量的数值，如钢铁材料强度与含碳量之间的关系，车间的照明度与IPQC的测量误差之间的关系，人的身高与体重之间的关系等，这种统计关系只能用统计技术去研究，即将这两种有关的数据列出，用点子打在坐标图上，然后观察这两种因素之间的关系，这种图就是散布图或相关图，对散布图的分析称为相关分析。散布图中所分析的两种数据之间的关系，一般有三种：可以是特性与原因的关系，即特性——原因（结果——原因）；也可以是某一特性与另一特性的关系，即特性——特性（结果——结果）；还可以是同一特性的两个原因之间的关系，即原因——原因。 散布图分析法，是适用范围较广的一种数理统计方法。只要生产或试验中，存在着一些变量共处于一个共同体中，并且它们的关系又是不能用函数表示的非确定性关系，就可以运用散布图法来分析其是否具有相关关系以及这种关系的密切程度（即相关系数大小）。 若同时存在的不只是两个变量，而是多个变量，则可以两两分别作散布图来加以分析。当然，也可用正交试验设计方法来对多变量（因素）之间的关系进行分析，并求得它们之间的最优配合。 注：用相关图法，可以应用相关系数r、回归分析等进行定量的分析处理，确定各种因素对产品质量的影响程度。如果两个数据之间的相关程度很大，那么可以通过一个变量的控制来间接控制另外一个变量。 一般两组变量之间可能存在的关系有函数关系、相关关系和不相关三种情况。相关关系是普通存在的，而函数关系仅是相关关系的特例。 质量是一种随机现象，在产品实现的过程中，存在两类因素影响产品质量的特性，其一是随机性因素（偶然性因素），其二是系统性因素（非随机性因素即确定性因素）。在一定生产力水平下，随机性因素是不可观测和不可控无须控制的因素，在这种因素作用下产品质量特性的变化不会超出允许的界限（公差），产品质量符合要求。而系统性因素是确定性因素，是构成生产过程的必要条件，可观测可控制，发生异常变化，产品质量特性则会超出允许的界限，产品质量将不会符合要求。因此，在质量管理中，观测和控制这些决定产品质量特性是否符合要求的系统性因素，是一项重要的控制活动。 产品质量特性与影响因素的关系，可能没有确定的函数关系，但却具有某种关联，即原因和结果的关系。如何确定影响产品质量特性的因素之间存在的相关关系？能否通过控制相关因素达到控制产品质量的目的？这就是散布图要回答的关键问题。二．散布图的作图过程 第一步：将需要研究是否有关系的两种数据收集30组或对(至少30对)以上，并一一对应地填入数据表：切割机皮带速度如何影响切割长度的数据表序号皮带速度（cm/s）切割长度(mm)序号皮带速度（cm/s）切割长度(mm)180104027......0102057......1103586..010529711021108.01010395.................31026第二步：在坐标纸上画出纵坐标轴Y和横坐标轴X，并找出X轴和Y轴的最大值和最小值，分别给予适当的标度(定)；纵坐标越往上取值越大，横坐标越往右取值越大，横坐标上数据的最大值和最小值之间的宽度,应与纵坐标上数据的最大值和最小值之间的长度基本相等（不可相差太大），以便于分析相关关系。若所分析的两种数据之间的关系是特性和原因的关系，则通常以X轴表示原因数据（或称为自变量），以Y轴表示特性数据（或称为因变量）；若两种数据之间是两种特性的关系，或同一特性的两种原因之间关系，则通常以X轴表示较易测定的那种特性或原因的数据，以Y轴表示较难测定的特性或原因的数据。第三步：将一一对应的数据，用坐标点在图上表示出来（即描点）。若有两组数据完全相同，则可用两重圈⊙表示；若有三组数据完全相同，可用三重圈◎表示或⊙3，依此类推。 皮帶速度X9.0切割長度Y010.06.07.08.0············⊙⊙··工程別：製品名：日