常用的质量管理方法.pptVIP

第三讲 常用的质量管理方法 1．质量控制的统计学基础 2．排列图和因果图 3．调查表和分层法 4．直方图和散布图 5．质量管理新7种工具 3.1 质量控制的统计学基础 质量统计的观点： 质量因素的分类 （1）按不同来源分类。可以把质量因素分为操作人员（man）、设备（machine）、原材料（material）、操作方法（method）、环境（environment），简称4M1E；有的还把测量（measurement）加上，简称5M1E。 （2）按影响大小与作用性质分类 ① 随机因素。 影响微小、始终存在、逐件不同、不易消除。 ② 异常因素。 影响较大 、有时存在、一系列产品受到同一方向的影响 、易于消除或削弱。 控制图用于区分随机因素和异常因素的科学方法 数据的种类 1 计量值数据 （长度、重量、电流、温度等。测量结果的数据可以是连续的,也可以是不连续的） ２计数值数据 不能连续取值的，只能以个数计算的数为计数值数据。计数值数据还分为计件数据和计点数据。前者如不合格品数、缺勤人数等；后者如缺陷数、事故数、疵点数、每页印刷错误数等。 数据的可靠性与搜集数据的注意事项 明确搜集数据的目的与整理数据的方法。 取得数据以后，需加修正的情况很多。 字迹要写清楚，让人能看懂 抽样与测量工作应该进行标准化，一定要按照标准或规范进行操作。 总体和样本 把所研究的对象的全体称为全及总体，也叫做母体或简称为总体。 通常全及总体的单位数用N来表示，样本单位数称为样本容量，用n来表示。相对于N来说，n则是个很小的数。它可以是总体的几十分之一乃至几万分之一。 数据特征值 数据特征值是数据分布趋势的一种度量。数据特征值可以分为两类。 集中度：平均值、中位数、众数等； 离散度：极差、平均偏差、均方根偏差、标准偏差等。 1.表示数据集中趋势的特征值 (1)频数 计算各个值反复出现的次数，称之为频数。 (2)样本平均值 如果产品质量有n个测量数据xi(i=1,2,…，n)，平均值为： 如果测量数据按大小分组，则平均值为： (3)中位数 数据按大小顺序排列，排在中间的那个数称为中位数。用 表示。当数据总数为奇数时，最中间的数就是；当数据总数为偶数时，中位数为中间两个数据的平均值。 (4)众数 众数是一组测量数据中出现次数(频数)最多的那个数值，一般用M0表示。 2.表示数据离散程度的特征值 1) 极差 极差是一组测量数据中的最大值和最小值之差。通常用于表示不分组数据的离散度，用符号R表示。 2) 平均偏差 将每个数据减去平均值，并把它们的差值的绝对值相加再除以测量数据的总个数，即得到平均偏差，用AD表示。 3)均方根偏差 均方根偏差是测量数据平均值之差的平方和被总测数平均，然后再求其平均值，用σ表示。 用均方根偏差作为的度量，可以直接比较两组数据的均方根偏差的大小就可看出两组数据离散程度的大小。 4)标准偏差 测量数据分布的离散最重要的度量是标准偏差，用S表示。当把有限数量产品测量数据按标准方差的公式求得的样本方差和总体方差作一比较，会发现这个估计值将偏小。因此，必须用因子n/n-1乘上样本方差来修正，则样本标准方差S2为： 把样本标准方差开平方后，可得样本标准偏差为 当计算样本标准偏差时，随着样本大小n增大，便愈接近，则标准偏差估计值得误差将会缩小。 质量管理中常见的概率分布 1．二项分布 考虑一个包含n 个独立试验序列的过程，这里每次试验的结果或是“成功”或是“失败”。设每次试验成功的概率为常数p，则在n 次试验中成功的次数x具有下列二项分布： 式中，n 与p 为参数，n 为正整数，而0p1。二项分布的均值与方差分别为： 对于从无限总体中抽样而以p 表示总体不合格品率的情况，二项分布是适宜的概率模型。 1. 二项分布 1. 二项分布 2. 泊松分布 泊松分布的概率函数为: 泊松分布的参数λ是单位时间(或单位面积)内随机事件的平均发生率。 泊松分布适合于描述单位时间内随机事件发生的次数。 泊松分布的均值与方差分别为 μ=λ σ2=λ 在质量管理中，泊松分布的典型用途是用作单位产品上所发生的缺陷数目的数学模型。 2. 泊松分布 3. 正态分布 连续随机变量最重要的分布正态分布,表达形式 式