new工程中及不确定性2.ppt

统计过程控制的概念 在生产过程中，产品的加工尺寸的波动是不可避免的。它是由人、机器、材料、方法和环境等基本因素的波动影响所致。 波动分为两种：正常波动和异常波动。正常波动是偶然性原因（不可避免因素）造成的。它对产品质量影响较小，在技术上难以消除，在经济上也不值得消除。异常波动是由系统原因（异常因素）造成的。它对产品质量影响很大，但能够采取措施避免和消除。 过程控制的目的就是消除、避免异常波动，使过程处于正常波动状态。 统计过程控制非常适合于重复性生产过程 它能够帮助我们对过程作出可靠地评估； 确定过程的统计控制界限，判断过程是否失控； 为过程提供一个早期警报系统，及时控制过程情况，防止废品发生； 减少对常规检测的依赖性，定时的观察以及系统的测量方法替代了大量的检测和验证工作。 实施统计过程控制一般分为两大步骤： 首先是利用统计过程控制工具进行分析 第二步是用控制图对过程进行监控 图中的均值由以往测量数据进行估计得到 控制极限到均值的距离为标准偏差的三倍 这意味着一个数据落在控制极限外面的概率为0.003。这是一个非常小的概率。 图示的控制图中，测量值离均值线越来越远，说明整个过程缺少控制。 图示的控制图中，测量值呈现周期性变化，体现出了操作者或者环境因素的影响。 概率基础及其工程应用 当我们已经建立好某个加工过程或系统的统计属性，如高度分布、人体重量分布、加工表面的表面粗糙度分布等，我们就可以运用这些分布规律来进行预测。 如：不适合飞机座椅的乘客比例，机加工零件中尺寸不符合要求的零件比例等。 当单个事件发生的概率确定后，就可以计算多重事件发生的概率。 为了计算多重事件发生的概率，需要了解这些事件是否是互斥事件或独立事件。 互斥事件 一个事件发生，另外一个就不会发生，则称这两个事件为互斥事件。 例如，投掷硬币时出现正面与出现反面这两个事件即为互斥事件。 独立事件 一个事件是否发生，与另外一个事件的发生与否没有关系，则称这两个事件为独立事件。 例如，投掷两次硬币时，第一个硬币出现正面与第二个硬币出现正面是完全独立的，因此这两个事件为独立事件。 一元线性回归 回归分析按照涉及的自变量的多少，可分为一元回归分析和多元回归分析； 按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析； 在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。 团队活动，准备答辩 符号: P(E1): 事件 E1发生的概率 P(E2): 事件 E2发生的概率 P(E1+E2):事件 E1或E2发生的概率 P(E1 E2): 事件 E1和E2都发生的概率 概率 特别情形: P(E1+E2)=P(E1)+P(E2) 互斥事件 P(E1 E2)=P(E1)*P(E2) 独立事件 一般情况下: P(E1+E2)=P(E1)+P(E2)-P(E1 E2) P(E1) P(E2) P(E1 E2) 互斥事件: 一个事件发生，另外一个就不会发生. 独立事件: 一个事件是否发生，与另外一个事件 的发生与否没有关系。 概率 (1-P(E1))* (1-P(E2)) = E1 E2 F F T F F T T T T 事件发生 F 事件不发生 事件 E1和E2都发生 P(E1)*P(E2) 事件 E1和E2都不发生 1- P(E1)- P(E2)+ P(E1)*P(E2) 概率 事件E1或事件E2发生 E1 E2 F F T F F T T T T 事件发生 F 事件不发生 1-both fail = 1-(1-P(E1))*(1-P(E2)) = P(E1)+P(E2)-P(E1)*P(E2) 概率 例-V 例-V 将两个可靠性为0.9的零件串行连接，则当两个零件都正常运行时，系统正常运行。 0.9 0.9 系统能够运行的概率为： P(E1 E2)=0.9*0.9=0.81 例-V 例-VI 例-VI 若两个零件并行连接，系统能够运行的概率是多大？ （并行连接时，两个零件都失效了，系统才失效。） 0.9 0.9 系统能够运行的概率为: P(E1+E2)=1-both fail=1-(1-0.9)*(1-0.9)=0.99 例-VI 例-VII 例-VII 现有一种非常廉价但不太可靠的产品，其可靠度为0.3。现欲将这种产品并行连接，问：需要多少个零件并行连接才能使系统达到0.99的可靠度？ 例-VII P(works)=1-P(all fail)=1-(1-0.3)n= 1-0.7n=0.99 于是: 1-0.99=0