§106统计的简单应用.docVIP

§10.6 统计的简单应用 预备知识 (函数的概念和平面直线方程 (正态分布的概念及其性质 重点 (工序控制图的原理及稳定区、警戒区和异常区的划分 (了解线性回归分析解决哪一类问题 (根据测试数据确定回归直线系数的计算过程 难点 (工序控制图的原理 (线性回归的含义 学习要求 (了解工序控制的原理 (对已知正态分布的具体问题，会根据总体数学期望和方差，作出 工序控制图 (了解变量之间关系有两类：确定关系(函数关系)和相关关系 (掌握根据测试值、散点图，确定回归直线系数的计算过程及计算 格式 统计在实际中几乎无处不在，在信息社会的现代更是如此．本节在两个问题上集中地介绍如何应用统计于生产实际．第一个是利用正态分布的性质实施工序控制问题；第二个是根据测试数据总结变化规律的线性回归问题． 1. 工序控制 　　由于你的工作，使厂方已经大体了解新的B型灯泡的平均使用寿命及其方差，对平均使用寿命和方差还是比较满意的．经过各方面改进，B型灯泡生产状态逐步趋向稳定，最近一次抽样统计，得到的数据为平均使用寿命=3300小时，方差s=80小时．厂方认为这样的生产状态是正常的，要求你用统计方法监控生产，防止出现不稳定状态． 新提出的课题，与前面的统计任务不同．回忆至今为止所学习的统计内容，都是在生产出一批产品后，对其品质加以检查，对总体品质作出评估，这是一种验收控制．验收控制可以对产品作出合理定位，对继续生产能起到指导作用，但不能对生产进程随时进行监控．现在提出的要求已不是简单的验收控制，而是属于工序控制—其目的是在生产进行过程中，通过跟踪检查产品品质，及时发现问题，如预告生产稳定性将破坏，废品即将出现，事故即将发生等等，并在一定程度上能指出问题所在，以便及时采取措施．这种控制是更为积极的、有预告性的动态质量控制． 如何应用统计方法来实行工序控制，达到厂方的要求呢？ 工序控制可分为个体检测控制法和样本检测控制法两种．在此先介绍个体检测控制法． 根据目前生产状况，稳定状态是：灯泡使用寿命X(N(3300,802)．作出X的密度曲线如图10-20，其中0.683等数 据得自正态分布性质(10-5-3)．从图可以看 出，在正常情况下，一个灯泡的使用寿命 落在区间[3140, 3460]之外的可能性是4.6%， 落在区间[3060,3540]之外的可能性是0.3%， 它们都是小概率事件，特别是后者，简直 就是不可能事件．现若检测一个灯泡，发 现其使用寿命少于3140(h)或多于3460(h)， 即小概率事件在一次试验中竟然发生了， 那就有理由怀疑生产可能不太正常，应提 出警告；如发现其使用寿命少于3060(h)或多于3540(h)，即发生了几乎不可能发生的事件，更有理由怀疑生产发生了异常情况，应停产检查原因． 为了便于检查，把图10-20顺时针转900，成为图10-21形式．再作水平线L1, L2, H1, H2，分别表示x=3060, 3140, 3460, 3540．在L1, H1之间是绿色稳定区，表示生产情况稳定；在L1, L2之间或H1, H2之间是黄色的警戒区，表示生产情况可能有问题；在L2以下或H2以上是红色异常区，表示生产情况极有可能发生了问题．横轴t代表以小时为单位的时间．在生产过程中每隔一定时间，例如一小时就抽取一个抽取当时生产的灯泡进行检测，据其使用寿命，在图上标出一个点(见图10-21)；再以折线连接这些点．如果折线处于稳定区，或偶尔进入警戒区后又返回到稳定区，表示生产情况正常；如果折线长期处于警戒区，就要引起警惕，应该对生产情况及时检查；如果折线进入了警戒区和异常区，且长时间不返回到稳定区(如图10-21中9h—12h)，那表示生产情况极有可能出了问题，应停产检查． 图10-21就是工序控制图．其实以它来监控生产状态，只是对正态分布的特性的直接应用，简便易行，并不需要作什么统计，乐于在生产中采用． 你可能会提出问题：折线越过H1H2，处于上警戒区或上异常区，表示灯泡使用寿命延长了不是很好吗？为什么也要检查甚至停产呢？其实出现这种情况的原因可能是好的．例如生产线上作了某种技术革新或采用了新操作方法，使灯泡寿命延长，也可能是不好的，例如检测手段出了毛病，或者寿命延长是建立在材耗增加的基础上的等等．如原因属于前者，应当及时总结推广，若属于后者，当然更要及时纠正． 以图10-21作为工序控制图，是以定时对个体作检测为基础的，每个个体的检测结果总带有随机性，因此这种监控方法误报的风险较大．更进一步的监控方法，可以采取样本检测控制法，它与个体监控的区别是以容量固定的样本均值来替代个体的测试值，且控