品质管理中的统计思考.pptVIP

平均数 平均数是一列数据的 “算术平均” 它是一种居中倾向的方法，并不是一种发散方法。然而，它要求考虑一些变动的统计方法 式中： x = 样本平均值 xi = 数据点I n = 样本组的大小 N = 总总体 ? = 总体平均数 标准差 标准差定义如下： 更直觉的定义，可想作为 “每个数据点到平均值的平均距离” 标准偏差例子 例如，有10个学生的样本 32, 33, 34, 34, 35, 37, 37, 39, 41, 44 从以上的样本部数据可以计算样本的平均数为，X=36.6 求出样本的标准差? 变动(方差） 变动定义如下： 它是总体及样本标准差的平方。这是很有用的，因为我们不能加标准差，但能加变动。 和咨询才%RR 对过程能力的影响 探试法 问题: 当前的耗油量是20英里/加仑 想要达到 30英里/加仑 我们可以尝试: 改用汽油的品牌 改变辛烷值 慢点开 调整发动机 清洗并打蜡 购买新轮胎 改变轮胎冲气压 如果起作用如何？ 如果不起作用如何？ 单因子法 实验的类型 探试法（ Trial and Error ） 单因子法（ One-Factor-at-a-Time ） (OFAT) 部分因子组合法（ Fractional Factorials ） 全因子组合法（ Full Factorials ） 反应表面法（ Response Surface Methods ） 其他方法 品质预防管理 20世纪20年代-Western Electric 公司的Walter Shewhart博士 用于鉴别可控和不可控的散布 可控: a.k.a. 一般要因或固有的（噪声） 不可控: a.k.a 特殊要因或可归属的（信号） 尽力在所有的噪声中寻找工程信号 依Deming看法，85%~90%的变动是一般原因，5%~15%的变动是特殊因素 有特殊因素的变动并不是随意和经常改变的。如果是现场作业人员的问题，使用适当工具在现场是可能解决的 一般原因的变动是随机，稳定和持续的。它是一个系统问题，管理层负有责任。管理层有且能制定这一系统，仅管理层能去修改系统 统计过程控制（SPC） UCL = 控制上限 中心线 LCL = 控制下限 画的数据 工程的控制线是基于来自工程本身的数据而计算出来的 他们基于 +/- 3s (预期99.73% 的工程散布落在控制线之间 ) 管理图上没有产品规格限 被监控的特性 非时序数 时间序列数 特殊原因 我们断定：一定发生了某种特殊原因的变化，去把它找出来！ 一般原因 然而，我们的判定可能会犯错误！第一类错误和第二类错误 两类错误 第一类错误：如果因抽样关系有点子落在三个标准差之外，我们判定为不正常，而事实上并非不正常，系属于0.27%的情况，因为机遇原因而落到外面而以。亦即制造程序未发生本质上的改变。这种错误发生的概率通常以α来表示。 第二类错误： 相反地，原来之群体平均值μ1因为某种原因而转变为μ2，但是因为μ2的一部分仍然在μ1的三倍标准差范围内，因而被错误地判定为正常，即制造程序已发生本质上的改变，而样本因波动原因落在管制界限以内。这种错误发生的概率通常以β来表示。 在实际问题中，一般总是控制犯第一类错误的概率， α大小通常取为0.01，0.05等值，并称之为显著性水平。 我们说过程发生了变化（均值），然而那可能只是正常波动的一部分（虽然机率只有0.27%， α风险)。 我们说过程没有发生变化（均值），然而那可能已经属于变化了的另外一个波动的构成部分（β风险)。 μ 1 μ 2 LCL UCL ?2? ?3? ?1? ?4? ?5? ?6? 两种错误总合 第二类错误 第一类错误 损失 控制界限 休哈特研究指出，采用3?作控制界限，可使第一类和第二类错误的总合最小，所以3?界限称为最经济之控制界限 0.00005% ?4? 0.27% ?3? 4.56% ?2? 31.74% α值 ?1? 控制界限 84.13% 50% 15.87% 2.28% 1-β值 15.87% ?4? 50% ?3? 84.13% ?2? 97.72% β值 ?1? 均值移动 α 、β取值参考表 计数型 计量型 什么类型的数据 ? 按群还是按个 体收集的数据 ? 数特定缺陷 或缺陷性项目? 群 (平均值) (n1) 个体数值 (n=1) X-Bar R X-Bar S 个体移动范围 （ I-MR ） 特殊类型的“缺陷” 缺陷性项目 缺陷的概率低吗? 如果你知道坏的数， 你知道好的数吗？ 泊松分布 二项分布 个体移动范围 （I-MR） 否 是 是 每个样本数 的几率面积不变 ? 是 否 c 图 u 图 不变的样本数 ? np 图 否 是 p 图