SPC统计过程控制499750 .pptxVIP

方之見顧問?KCF CONSULTING致力于管理工具培训SPC统计过程控制廖俊华目录第一章 统计技术基础知识 第二章 持续改进和统计过程控制 第三章 控制图运用步骤 第四章 认识计量型数据的过程能力和过程性能 第五章 其它几个计量型控制图第六章 计数型控制图第七章 控制图注意事项第一章 统计技术基础知识 1、数据类型2、正态分布3、二项分布4、泊松分布5、总结计量数据的基本统计—数据分布对一个相同的输出变量Y，多个数据点绘图，它们形成了一个分布。这些数据点的堆积可以不同的图形来代表：散点图/概率图直方图常用统计量中心位置平均值一组数据的算术平均值数法均等反映了所有数据的影响会受极端值强烈影响中位数反映50%的那个位置对一组排序数据点的中心数对极端值较”坚耐”常用统计量变异极差:一组数据中最大值与最小值之间的差标准偏差(s ; s) :等于方差的平方根，在量化变异时常用会到方差等于标准偏差的平方，通常只是为了计算的目的常用统计量总体与样本1、表示总体特性的统计量，称为总体特征值，如： 总体平均数、总体方差、总体标准差2、表示样本特性的统计量，称为样本统计量，如： 样本平均数、样本方差、样本标准差、样本极差、移动极差总体特征值样本统计量名称符号名称符号分布中心位置总体均值μ样本均值样本中位数数据分散程度总体方差总体标准差σ2σ样本方差样本标准差样本极差s2sR连续型数据─了解极差以下数据的极差是多少？ 1, 2, 3, 4, 5, 6, 7, 8, 9以下数据的极差是多少 1, 2, 3, 4, 5, 6, 7, 8, 200标准偏差可以用计算机来计算（EXCEL里的STDEV公式）14366x694 696 698 700702 704 706计算标准差 62+42+12+32+62s2 = ----------------------- = 24.5 == s = 4.95 4 (=n-1)Measurements701696694706703xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx556065707580Inches连续性数据─平滑(正态)分布假定数据符合正态分布假设收集到无限多的数据，这些数据可能看起来像下图我们可将这些数据看成平滑的分布红线练习：概率分布图在两个值之间可以得到一個累積的概率值40%30%99.73%20%95.45%10%68.27% 0%-4-3-2-101234Z-axis (scale in units of ‘s’)Number of standard deviations from the mean正态曲线和概率了解了正态曲线的平均值和标准偏差有助于估计风险Probability of sample value40%30%99.73%20%Probability of sample value95.45%10%68.27% 0%Z-axis-4-3-2-101234240255285195210225270X-axisTime (minutes)正态分布的应用 如果我们货物交付给顾客的平均时间是240分钟，这一过程的标准偏差是15分钟，那么在270分钟后到货的概率为多少？正态分布的应用2中国成年男子身高均为168cm,标准差为5.5cm.试计算：1、身高小于160cm的概率。2、身高高于180cm的概率。3、身高介于160-180cm的概率。二项分布例：从一批产品中随机抽取进行检测，根据历史数据而知，产品的不合格率为10%。假设要求产品检测人员每抽取一件产品，检测完毕后，要放回这批产品中（又称为有放回抽样），检验人员共检测了6件产品，问检测到的不合格品数分别为0，1，2，3，4，5，6的概率？X P0 0.5314411 0.3542942 0.0984153 0.0145804 0.0012155 0.0000546 0.000001二项分布的均值、方差与标准差E(X)=npVar(X)=np(1-p)泊松分布含有一个参数 ? , 通常记作 P (?) .如果 X服从泊松分布 P (?), 则记为泊松分布质量控制中常遇到这样的情况： 不仅要关注不合格品，而且要关注每件不合格品所包含的不合格项的情况。1.定义 设随机变量