直方图及工序能力分析重点.ppt

实际分布-直方图 直方图的概念 直方图的作图步骤 直方图常见类型分析 直方图 VS.规格的比较分析 直方图使用要点 直方图的概念 直方图 (Histogram): 直方图: SPC七个常用品质管理工具之一. 是通过对数据加工整理，从而分析和掌握数据的分布状况和估算工序能力的一种方法。 从总体中随机抽取样本， 整理从样本中获得的数据，以矩形的形式得到的频率分布图形 矩形底是单元长度 矩形面积与频率成正比。 作用: 了解生产过程的状态及质量特性值分布的情况 判断工序过程能否滿足质量要求 显示各种数值出现的相对频率，揭示数据的中心、散布及形状，快速阐明数据的潜在分布 为预测过程提供有用信息 直方图的作图步骤 数据间隔 - 组距 h 组距内的工件数 - 频数 n n/N - 频率(N为样本容量), - 频率密度或分布密度 以组距 h为横坐标, 以 n 或 g 为纵坐标做图, 即可得到实际分布图—直方图。 作直方图三步骤: 确定样本容量N及实测数据 确定组数 k、组距 h 和组界 画直方图及计算分析 确定样本容量N及实测数据 一般样本容量N应在50个以上,较容易显示出整体数据分布的情况。 确定组数 k、组距 h 和组界 适当分组 ( k ) 组数太少, 会掩盖组內的变化情况 组数太多, 会造影响数据分布的明显性, 难以看清分布的状况 组数与样本容量 N 有关, 可按下表推荐值, 或按式 k=1+3.31*lgN 确定, 本例取k=7。 组距 （h） 最大值 Xmax=21um, 最小值 Xmin=11.5um 组距 h=(Xmax-Xmin)/k =(21-11.5)/7 =1.36um 圆整为 h=1.5um (按测量量具最小分辨值的整数倍进行圆整,本例量具最小分辨值为0.5um) 组界 各组组界最好选在测量数据最后一位尾数的1/2处, 以免数据落在组界上, 如测量值尾数为0.5μm, 组界应取在0.25um上。 各组组界为 Xmin + (j-1)h ± h/2 各组的中值为 Xmin + (j-1)h (j = 1,2,3,…,k) 统计频数ｎ、频率n/N和分布密度g 画直方图及计算分析 根据表中有关数据画出直方图 用分布密度作纵坐标有两个好处, 可避免因样本容量和组距不同而使分布图形状不同 每个小矩形面积恰好等于该组距内的工件出现的频率 计算出样本均值Xbar和标准差s。 Xbar表示样本中心,s反映样本分散的程度。 分析直方图类型,画规格线,分析工序状态. 直方图常见类型分析[1] 直方图常见类型分析[2] 直方图 VS.规格的比较分析[1] 直方图 VS.规格的比较分析[2] 直方图使用要点 有规格线的直方图可用来比较过程与要求。此时应确认直方图具有合适的比例。 直方图不应该单独使用。通常在它之前先构造一张链图或控制图。 因为直方图中的数据不是按时间顺序给出的, 经常掩盖了失控的事实 评价直方图的模式以确定是否能够检测到任何形式的变化。 比较不同时间段内的直方图。 观察直方图从一个时间段到下一个时间段的模式变化,对寻找过程改进的方法非常有用。 根据数据来源的不同, 分别绘制直方图, 对数据分层。 例如, 对描述金属棒直径的直方图来说, 可单独作由不同供应商的原材料制造的直径直方图, 或由不同操作工或机器生产的棒径的直方图。 有时,这可能会揭示控制图都不能检测到的事情。 理论分布 正态分布及其性质 非正态分布 正态性判定 非正态分布数据处理 正态分布 概率论己经证明,相互独立的大量微小随机变量,其总和的分布服从正态分布。 大量的试验表明,在一次调整好的机床上,连续加工一批工件,若无变值系统误差的影响,误差是由一些相互独立的随机因素引起的,这些因素中又无明显优势者,其参数是服从正态分布的。 正态分布的概率分布密度函数表达式为 式中 g(x) --- 分布的概率密度 μ --- 总体均值 σ --- 总体标准差(均方差) 正态分布曲线即高斯曲线如图所示 正态分布的性质[1] 正态分布曲线有以下几个主要特点 曲线呈钟形, 对称于平均值μ, 即g(μ+a) = g(μ-a) 在σ不变的情况下,μ变化只能影响分布曲线的位置而不影响分布曲线的形状和分散范围, μ的变化是由常值系统误差引起的; 若μ不变而σ变化,曲线的位置不变, 但形状和分散的范围发生变化 正态分布的性质[2] 正态分布曲线有以下几个主要特点 (续） 当x→±∞时, g(x) →0, 即g(x)以x轴为渐近线; 在x=μ时, g(x)有最大值, 即 在x