统计学在QC中的应用.ppt

控制图（4） 控制原理 正态性假定 3σ 准则： P{μ -3 σx μ+3σ}=99.73% 小概率原理 反证法思想 控制图（5） 控制图种类 按特性划分 计量控制图 计数控制图 按用途划分 分析用控制图 控制用控制图 控制图（6） 计量控制图（1） 均值~极差图（ X平均~R图） X平均每组~ 全距每组 主要用途及适用范围 单值~标准差控制图（X~RS图） 适用范围，要求 控制图（7） 计量控制图（2） 单值~移动极差控制图（X~RS图） 移动极差即指两个测量值之差 适用范围，要求 RS图即IR图 控制图（8） 计数数据控制图 P图 适用范围，要求 U图单位缺陷控制图 适用范围，要求 C图 适用范围，要求 样本量计算 样本量计算 计算公式： N：总样本量 α：检验水平（一般为0.05） σ：总体标准差 δ：允许误差。 谢谢观看！ SAS JMP与QC SAS JMP的简单介绍 由SAS公司出品，其计算结果的权威性等同与SAS公司的其它产品 具有强大的统计运算功能 强大的图形功能 统计运算不需要编程，界面友好 统计学在QC中的应用 发现问题 运用假设检验,检验产品是否合格 运用控制图、监测控制情况 分析问题 运用相关分析、回归分析、主成分分析分析问题发生的原因 解决问题 运用T检验、方差分析、非参检验等分析改进效果 预备知识（1） 数列的分类 品质数列 变量数列 数据的分类 连续变量 序列变量（定性资料） 无序变量（定性资料） 预备知识（2） 常用统计图 直方图 折线图 曲线图 预备知识（3） 三种常见的分布（1） 正态分布 密度曲线：f（x）=1/ e-(x-μ)(x-μ)/(2σσ) 特点非负性： f（x）≥ 0 归一性：∫ f（x）dx=1 对称性：∫ f（μ+x）=∫ f（μ-x） 预备知识（4） 三种常见的分布（2） 二项式分布： 若产品过程稳定，不合格品率p为常数，任取n个产品，令X为抽得的不合格品数，则 P=CNx(1-p)n-x μ =np； σ= 泊松分布 当产品过程稳定，单位产品的平均缺陷数λ为常数，任1个产品，令X为该产品缺陷数，则 P=e-λλ2/x! μ = λ； σ= 预备知识（4） 三种分布的特性 正态分布：计量值特性 二项式分布：不合格品数 泊松分布：缺陷数 直方图（1） 定量资料的统计描述一般过程（1） 求全距(最大数减最小数） 根据数据的大致分组数k k=1+3.22lgn(n为数据的条数） 分组太少会掩盖数据的变动，太多会使个组高度参差不齐 数据个数n 分组数k 50~100 6~10 100~250 7~12 250以上 10~20 直方图（2） 定量资料的统计描述一般过程（2） 确定各组组距 H=R/k 计算各组上下限 计算各组中心值 制作频数分布表 绘制直方图 直方图（3） 定量资料的统计分析（1） 直方图的图形分析 正常型 孤岛型 双峰型 折齿型 陡壁型 偏态型 平顶型 直方图（4） 定量资料的统计分析（2） 直方图与规格范围比较 散布在T1~TU内两边略有余量，是理想直方图。 B位于T内，一边有余量，一边重合，分布中心偏移规格中心。这时应采取措施使两者重合，否则一侧无余量，稍不注意就会超差，出现不合格品。 B与T完全一致，由于两侧无余量，很容易出现不合格品，应加强管理，设法提高过程能力。 直方图（5） 定量资料的统计分析（3） 观测值不分布不合规范的直方图的几种情况 分布中心偏移规格中心，一侧超出规格范围，出现不合格品，这时应减少偏移，使两者重合，消除不合格品。 散布范围B大于T，两侧超出规格范围，均出现不合格品，这时应缩小产品质量散布范围。 B完全不在T内，产品全部不合格，应停产检查。 直方图（6） 定量资料的统计分析（4） 频数的分布趋势：集中趋势（central tendency），离散程度（dispersion） 集中趋势的统计描述 均数（mean，average）是算术均数的简称通常用 表示 几何均数（geometric mean）：用G表示，适用于数据经过对数变换后呈正态分布的资料，也可以用于观察值之间呈倍数或近似倍数变化的资料其计算方法为 直方图（7） 定量资料的统计分析（5） 集中趋势的统计描述 中位数和百分位数 中位数（median）是一组由小到大按顺序排列的观察值中位次居中的数值，用M来表示。在全部观察值中小于和大于中位数的观察值个数相等。 百分位数（Percentile）是一种位置指标，用PX表示。一个百分位数PX 将一个组观察值分为两部分，理论上有X%的观察值比它小，有（1-X）%的观察值比它大。中位数是一个特定的百分位数 直方图（8） 定量资料的统计分析（6） 方差