统计过程勇控制71456.pptVIP

第4章 统计过程控制 学习目标： 主要内容： 一、统计过程控制的基本原理 二、控制图 三、工序能力测定与分析 一、统计过程控制的基本原理 沃特·阿曼德·休哈特（出生于美国伊利诺伊州的新坎顿 1918-1924 任西方电气公司工程师。 道奇 罗米格 三个根本性转变： 定性描述——定量分析 事后检验——事前控制 产品检验——过程控制 2.质量变异的性质  （1）偶然性原因：因大量的、微小的不可控制因素的作用而引起，这种波动具有随机性。如材料成分的微小差异，机床的固有振动，刀具的正常磨损，工人操作上的细微变化等。偶然性原因对工序质量的影响较小，在现有生产技术条件下难以识别和消除。因此，偶然性原因也称正常波动。工序质量控制的任务是使正常波动维持在适度的范围内。 （二）质量数据及其采集 1.质量管理角度分： 计量值数据和计数值数据 （1）总体 （2）样本 2.抽样方法 （1）随机抽样（抽签 掷骰子 抓阄 随机数表（乱数表） （2）分层抽样（按工人、车间、材料、设备等 （3）系统随机抽样 （4）整群抽样 （5）重复抽样、不重复抽样 等等。 随机数表 （三）质量变异的数字特征及其度量 1. 数据的集中性—— 平均数、中位数、众数 平均数—期望值 E(X)=∑XiPi 例：为调度车辆：300 350 350 300 340 350 380 300 340 320。 2. 数据的离散性—— 方差与标准差、极差 （四）总体分布与样本分布 1.样本均值与总体均值 2.样本标准差的变化 3.样本极差均值与总体标准差 4.样本极差标准差与总体标准差 5.样本中位数与总体标准差 6σ质量的意义 (数据源于美国) ppm——1×10-6——每100万个产品中有1个不合格品 2.两类错误  用控制图判断工序是否稳定,实际上是进行统计判断,既然是统计推断就难免出现错判。 (1) 将正常判断为异常。即工序仍处于控制状态，但由于偶然性原因的影响，使得点子超出控制界限而虚发警报。称为第一类风险，记作α。  （2）将异常判断为正常，即工序已经变化为非控制状态，但点子没有超出控制界限而漏发警报。称为第二类风险，记作β。 这两类错误不能同时避免。为了使两类错误所造成的总损失最小，惟有±3σ原理。实践证明，其检出力最强。检出力：控制图发现工序异常的能力。 控制图 n=4 查表5-3得 m3=1.092 ●绘图将打上去的点子按顺序用直线连接起来： ★出现越出控制界限的点子，就用圆圈将点子圈起来； ★发现异常排列就用大圈将异常部分圈起来，以便于研究分析。 3.单值与移动极差控制图(X—Rs控制图) (1)X—Rs控制图的应用范围 X—Rs控制图的作用与平均值极差控制图相似。 (2) P控制图的原理 运用二项分布，并且当n≥5时，不合格品数近似地服从正态分布N[(np,np(1-p)],其中np通常用平均不合格品数 来估计。 于是 (4)作P控制图的注意事项 ◆ 样本中包含1~5个不合格品,即nP=1~5； ◆各组样本数n尽可能相等，以减少误差； 关于n值的讨论： ▲由于样本数n=pn/p，可见，当不合格品率P很小时，n增大，但样本大小n在实际工作中不可能由P很小而无限制地增大； 6. C控制图(缺陷数控制图)  (1) C控制图的应用范围 C控制图用于控制对象是一定单位（如长度、面积、体积等）n上面的缺陷数。例如，一定长度的金属线上的疵点数、一种铸件表面上的气孔数等. 金属线上的疵点数、铸件表面上的气孔数等常常服从泊松分布。当工序处于稳定状态下，从大量产品中随机抽取的样本的平均缺陷数服从正态分布，有 7. u控制图(单位缺陷数控制图)  （1）u控制图的应用范围 主要用于对单位缺陷数进行控制的场合，是通过测定样本上单位数量(如面积、长度、容积等)上的缺陷数来控制产品质量，此外也用于控制事故、故障、灾害等的发生次数。n可大可小。当n不固定时，要换成标准单