休哈特控制图.docVIP

休哈特控制图是由美国的贝尔电话实验所的 \o 休哈特 休哈特( \o W.A.Shewhart W.A.Shewhart)博士在1924年首先提出管制图使用后，管制图就一直成为科学管理的一个重要工具，特别在 \o 质量管理 质量管理方面成了一个不可或缺的管理工具。它是一种有控制界限的图，用来区分引起质量波动的原因是偶然的还是系统的，可以提供系统原因存在的信息，从而判断 \o 生产过程 生产过程是否处于受控状态。 \o 控制图 控制图按其用途可分为两类，一类是供分析用的 \o 控制图 控制图，用控制图分析生产过程中有关质量特性值的变化情况，看工序是否处于稳定受控状；再一类是供管理用的控制图，主要用于发现 \o 生产过程 生产过程是否出现了异常情况，以预防产生 \o 不合格品 不合格品。 　　控制图画在平面直角坐标系中，横坐标表示检测时间，纵坐标表示测得的目标特征值。按控制对象（目标特征值）的变化情况，控制图又分为两种：一种是稳值控制图，一种是变值控制图。 　　1、 \o 稳值控制图 稳值控制图。稳值控制图一般用于对 \o 产品质量 产品质量或 \o 目标值 目标值恒定不变的目标实施状态进行控制，如下图所示，图中中心线表示计划目标值，虚线表示控制上下限。 　　 　　2、 \o 变值控制图 变值控制图。变值控制图用于对 \o 目标值 目标值随时间变化的目标实施状态进行控制。从计划线与实际线的对比，可看出目标实施状态，对于超出计划线的情况，查清超出的原因，采取措施，将其控制在计划线以下。 [ \o 编辑段落: 控制图原理 编辑] 控制图原理 　　控制图是对 \o 过程质量 过程质量加以测定、记录从而进行控制的一种科学方法。图上有中心线、上只存在偶然波动时， \o 产品质量 产品质量将形成某种典型分布。例如，在车制螺丝的例子中形成 \o 正态分布 正态分布。如果除去偶然波动外还有异常波动，则产品质量的分布必将偏离原来的典型分布。因此，根据典型分布是否偏离就能判断异常因素是否发生，而典型分布的偏离可由控制图检出。在上述车制螺丝的例子中，由于发生了车刀磨损的异常因素，螺丝直径的分布偏离了原来的 \o 正态分布 正态分布而向上移动，于是点子超出上控制界的概率大为增加，从而点子频频出界，表明在异常波动。控制图上的控制界限就是区分偶然波动与异常波动的科学界限，休哈特控制图的实质是区分偶然因素与异常因素两类因素。 　　1．控制图的预防原理 　　控制图是如何贯彻预防原则的呢？这可以由以下两点看出： 　　（1）应用控制图对 \o 生产过程 生产过程不断监控，当异常因素刚一露出苗头，甚至在未造成不合格品之前就能及时被发现，在这种趋势造成不合格品之前就采取措施加以消除，起到预防的作用。 　　（2）在现场，更多的情况是控制图显示异常，表明异常原因已经发生，这时一定要贯彻“查出异因，采取措施，保证消除，不再出现，纳人标准。” 否则，控制图就形同虚设，不如不搞。每贯彻一次（即经过一次这样的循环）就消除一个异常因素，使它不再出现，从而起到预防的作用。 　　2． \o 统计过程控制 统计过程控制的实质 　　要精确地获得总体的具体数值，需要收集总体的每一个样品的数值。这对于一个无限总体或一个数量很大的有限总体来说往往是不可能的，或者是不必要的。在实际工作中，一般是从总体中随机地抽取样本，对 \o 总体参数 总体参数进行 \o 统计推断 统计推断。样本中含有总体的各种信息，因此样本是很宝贵的。但是如果不对样本进一步提炼、加工、整理，则总体的各种信息仍分散在样本的每个样品中。为了充分利用样本所含的各种信息，常常把样本加工成它的函数，一般将这个（或若干个）不含未知参数的样本函数称为 \o 统计量 统计量。 　　 \o 过程控制 过程控制的实质，就是这样一个 \o 统计推断 统计推断过程，所依据的统计量的形式应根据计推断的目的和应用的条件不同而有所不同。从实用和简化计算的角度来看，往往是利用样本的平均值和极差R来进行。 　　值得注意的是，利用样本的平均值及极差R推断总体的μ和σ时，由于总体构成的不均匀性以及 \o 抽样误差 抽样误差的存在，及R的变化同μ及σ的变化并不完全一样，即使在工序处于稳定状态下，μ及σ本身并无异常变化，但从工序中抽取样本的及R也是有所变化的也就是说，及R 都是 \o 随机变量 随机变量，都有其特定的概率分布。它们各自的概率分布与总体分布既有一定的内在联系，又与总体分布不完全相同。在 \o 过程控制 过程控制中，虽然通常依据一次 \o 抽样 抽样的结果进行一次 \o 统计推断 统计推断，但由此所得出的结论却是建立在大量观测结果所遵循的统计规律的基础上的，是依 \o