第6节工序质量控制.pptVIP

第6章 参数估计 第六章 工序质量控制 本章内容 6.1 统计质量控制基本原理与工具? 6.2 质量控制和工序质量状态? 6.3 工序能力分析 6.4? 工序质量控制图 6.1 SQC基本原理与工具 6.1.1 统计质量控制基本原理 6.1.2 统计质量控制常用工具 6.1.1 统计质量控制基本原理 质量管理涉及到的数据各种各样，根据数据特性可以分为两类：计量值数据、计数值数据。 根据使用目的不同，可以分为掌握质量状况的数据、分析问题原因用的数据、管理工序、活动或作业质量用的数据、判定产品质量水平的数据。 质量数据的特点：波动性和规律性。 工序质量波动 质量波动可分为 偶然性波动 不可控因素的作用引起，具有随机性 系统性波动 可控因素引起，不具有随机性 质量数据的统计规律 超几何分布 二项分布 泊松分布 正态分布 离散性随机变量 假定有一个项目，不合格率为0.05，如果从中随机抽取5个单位产品组成样本，则在样本中不合格品数为0，1，2，3，4，5的概率各为多少？ 超几何分布 当研究的对象为有限总体时，设总体中所含个体数为N，不合格品率为P，总体中不合格品数为E，则E=N*P 从N中抽取n个样本，样本不合格品数r 从E中抽取r件不合格品的所有可能组合数为 超几何分布 从(N-E)件合格品中抽取(n-r)件合格品的所有可能组合数为 所以恰好有r件不合格品的所有可能组合数为 超几何分布 从N中抽取n的所有可能组合数为 在样本中恰好有r件不合格品的概率为 例题 一批产品共50件，不合格品率为6%，随机抽取5件样品，求该样本中不合格品数为0，1，2，3件的概率。 二项分布 当研究对象为无限总体时，总体不合格品率P在抽样之后可以认为无变化，为常数。则从该无限总体中抽取大小为n的样本，样本中含不合格品数为r的概率为 其中总体合格品率q=1-P 二项分布主要由参数n与P确定 二项分布 综合n、P的相互作用，一般当nP≥ 5时，二项分布近似于正态分布，此时 泊松分布 当二项分布的nP=m为一定值，P很小，n趋向无限大时的分布可看作是泊松分布，是二项分布的一种特殊形式。其概率函数为 其中m=nP, e=2.7183 各种分布之间的关系 一批产品共N件，不合格品数为E，从N中抽取n件产品，则出现r件不合格品的概率服从超几何分布。 若总体N很大(N ≥10n)，总体不合格品率P为常数，则样本n中出现r件不合格品的概率服从二项分布。 当n或P达到一定程度(nP≥ 5)时，二项分布近似于正态分布。 当P很小(P ≤0.1)，n足够大(n ≥ 10)时，则样本中出现r件不合格品的概率服从泊松分布，取决于参数m，当m足够大(m≥ 5)时，近似于正态分布。 正态分布 正态分布频率函数的一般形式为 其中μ，σ为总体均值和总体标准差 X服从参数为μ，σ的正态分布，记为 X~N(μ,σ2 ),标准正态分布记作N(0,1) 正态分布的标准化 正态分布的积分计算 计算累计概率 查标准正态分布表可以求得。 正态分布的积分计算 计算质量数据在某一范围内的概率 例题 6.1.2统计质量控制的常用工具 制作直方图的步骤： 1.确定分组数K 原则：组距相等 一般来说选取范围在6-25之间 参考公式：K=1+3.31lgn(n为数据个数) 制作直方图的步骤 2.确定组距h 分组数确定之后，组距也就确定了 h=Xmax-Xmin/K-1 制作直方图的步骤 3.确定组的边界值 例如第一组下限：Xmin-h/2 第一组上限（第二组下限）：Xmin+h/2 第二组上限：Xmin+h/2+h… 为避免某些数据落在边界上，将分组界定在最小测量单位的1/2。 4. 统计每组的频数，画出直方图 例题 数据 确定组数：K=1+3.31lgn=1+3.31lg100=7.62—8 lg100=2 一般取奇数，所以取k=9 确定组距 h=63-38/8=3.125（3） 确定边界值 (38-h/2, 38+h/2) 统计频数，画出直方图 直方图 直方图的观察与分析 直方图的实质是反映了数据所代表的产品实施过程的分布，即实施过程的状态。 因此可以通过观察和分析直方图，对产品实施过程的稳定性加以判断。 两个原则：一个是观察图形的分布状态；另一个是直方图与公差或标准进行对比。 直方图的观察与分析 在直方图上作出标准规格的界限或公差界限，观察直方图是否都落在规格或公差范围内，是否有相当的余地以及偏离程度如何。 理想状态是数据分布范围充分地居中，分布在规格上下界限内，且具有相当余地。 6.2质量控制和工序质量状态 6.2.1 质量控制 6.2.2 工序质量状态 6.2.1 质量控制 回顾