1-BasicStatistics--2006精选.ppt

统计学基础与各种统计图的运用 学习内容 数据的类型 数据中心的测量 平均值 中位数 重数（多见值） 数据离散的测量 范围 变异 标准偏差 生产工艺过程的可变性 正态分布及正态分布概率 数据的图形表达方式 数据的两种类型 属性数据 （定性） 多类别 名词 序列 双类别 （使用在判断情况下） Pass/Fail 可变数据 （定量） 离散型（记数）数据—某件事发生或未发生的次数，以发生的频率来表示，也可以是分类数据，如销售地区，生产线，班次和工厂。 间距细分没有实质意义 维护设备失败，光纤断裂，障碍物数量 连续型数据---以参数的形式，比如尺寸，重量或时间，说明一个产品或过程的特性。测量标准可以有意义地不断分割，使精确度提高。 十进制小数有意义 尺寸、浓度、生产周期、重量、速度等 连续性数据 连续性数据/离散性数据的比较 1。平均值（ x ):用以表明全部数据分布的中心位置. 若有一组数据x1 ,x2,x3, … , xn, 其个数为n,则 x = 2.极差 R（也叫范围):用以表明一组数据的分散程度。 R ＝ 最大值-最小值 3.标准偏差s:用以表明一批数据的分散程度的另一参数 s = 过程的可变性 任何工艺过程都存在可变性 在以下情况下，我们可以容忍过程的可变性： 工艺过程达到目标 相比过程的规格标准，总的过程变化相对较小 工艺过程表现稳定 过程的可变性/稳定性 可变性 工艺过程以最小的变化在目标附近波动吗？ 我们使用平均值来判断工艺过程是否在目标上， 使用标准偏差　 （ Standard Deviation ）s老判断离散程度。 稳定性 工艺过程表现将会怎么样？ 稳定性是通过一个稳定的平均值来表现的，在着这个基础上可以预测未来过程的表现。 数据分析的目的 判断过程是否稳定 如果过程不稳定，标识原因(X’s) ，然后去除它们 （明显是非随机变异） 判断过程平均值的位置是否在目标上 如果不是，标识哪些影响平均值因素，然后决定怎样优化这些因素的设置而达到目标值。 评估总的变异（可变性），判断其相对于客户要求（规格标准）是否可接受 如果不是，标识变异的根源，然后消除异因或降低 它们的影响。 常用数据分析图 全面分析数据 重要性 (排列图／柏拉图) 中心趋向及离散 分布图 离群数 稳定性 提供建议性的数据分析. 统计图对更进一步的分析具有直观的指导意义 作图的基本法则 作图通常包括以下几个方面： 按天 (如果可能也可以以小时或班次）抽取样本数据 特定的工位、机器 特定的工序/过程 取样者的姓名 数据点的个数 工艺过程的参考界线/标准值 当比较两组数据时，要保证使用相同的测量单位 目前在工厂通常使用的分析图有哪些呢？ 基础图表 X /Y 图 柏拉图 时间序列图 时间序列 控制图 练习 假定机器A、B和C生产某种相同的产品（）(w/ range charts in control) 假定每个产品的目标值是100 mm 试着回答以下问题： 哪台机器显得波动很大？ 每台机器的中心在哪里？ 哪些机器可以预测今后的走向？ 哪些机器有异因存在？ 你将用哪台机器来生产你的产品？ 哪台机器最容易解决问题？为什么？ 箱图 箱图的结构 分布图 We can describe the behavior of any process or system by plotting multiple data points for the same variable 随时间变化 多个产品 不同机器、生产线，等 这些聚集数据可以被看作值的分布 数据分布可以表现为： 点图 直方图 正态曲线或平滑分布图 点（分布）图 假定某个电阻的阻值平均为10欧姆 随机抽取一百个样品，测量其真实电阻 每一个阻值被打点打在点图上。作为点的累积，这种电阻真实的情况被看作是阻值的一种分布。 直方图 还是以相同数据为例，将在各个阻值区间出现的次数做成图形，可以根据直方柱的高度民主来判断各个区间发生机率。 Example: Ford vs Mazda transmissions Ford began building, needed extra capacity so had Mazda build same xmissions. Fords were not as good shifting as reported by customers. Why? Ford ripped apart and measured a number of xmissions. All found to be in spec but Mazda par