第五章质量数据的统计处理.ppt

产品合格率达到99.99%;第五章 质量数据的统计处理 ;;1.用于控制现场的数据 例如，产品尺寸的波动有多大，在装配过程中出现了多少不合格品，以及机器出现多少次故障，打字员出现多少差错等等。;2.用于分析数据 例如，为了调查纱线的不均匀度与纺织机器的测量仪表有什么关系，需要制定试验设计进行实验，对取得的数据加以分析，然后，将分析的结果写入操作规范和管理规章制度中。;3.用于调节的数据 例如，对干燥室的温度进行观测，“温度高调低一些，过低则调高一些”。这些就是进行温度调节的数据。规定的数据有测定时间、调节界限、调节量等，通常都订在操作规范和管理规章制度中。;4.用于检查的数据 例如，逐个测量产品的特征值，把测量结果与规格对比，判定产品中的合格品和不合格品，这就是用于检查的数据。此外，为了判定批量产品合格与不合格，可从批量产品中随机抽取样本，再对样本进行测定，这就是抽样检查的数据。这类检查数据可以反馈给有关部门进行分析和管理。;二、质量数据的分类;;;计件值数据：对产品按件检查时得到的数据。 如：批产品中的不合格品数、事故件数等;计点值数据：检查单件产品上质量缺陷时得到的数据。 如：单位棉织品上的瑕疵点数、铸件上的砂眼数，收音机底版焊点数等。 ; 另外，对于一些特殊的场合，还可以把质量数据分为顺序数据、点数数据和优劣数据等。 1、顺序数据： 例如把10类产品按评审标准顺序排成1，2，3，…，10，这样的数据就是顺序数据。在对产品进行综合评审而又无适当仪表进行测量的场合常用这类数据。比如我们经常见到在竞赛中的排名（第一名、第二名……）。如：按外观美观程度对10种手机的排序得到的一组排序值。 2、点数数据： 这是以100点或10点计为满分点进行评分的数据。在评比的场合常用这类数据。比如体育比赛的时候就经常用点数数据进行评分。 3、优劣数据： 例如有甲、乙两种纺织品，比较哪种手感好而得出的结果就是优劣数据。如0－1强制打分法中数据。1表示好，0表示差。;三、质量统计数据的取样;统计推断---总体、样本、数据间的关系;在统计推断中，???及一些名词;（4）样本：;;简单随机抽样;简单随机抽样;* 优点：方法简单直观，由于总体中每个个体抽取的概率相等，计算抽样误差及对总体参数加以推断比较方便。 * 缺点：抽样顺序比较复杂，在实际工作中，真正做到总体中每个个体被抽到机会完全一样是不容易的。;系统抽样;* 优点：实施方便，同时能够保证样本对总体的代表性。 * 缺点：总体单位排序后呈现一定的规律性甚至周期性，而抽样间隔的周期正好与之吻合，依赖于这样排列的系统抽样就因而会产生系统性的偏差。;分层抽样; * 优点：样本代表性好，抽样误差小。 * 缺点：抽样手续比较繁琐。;整群抽样; * 优点：抽样实施比较方便。 * 缺点：由于抽样来自个别几个群，而不能均匀分布在总体中，因而代表性差，抽样误差大。;抽样的目的是通过样本来反映总体。 在质量管理中，常常将测试的样本数据，通过整理加工，找出它们的特性，从而推断总体的变化规律、趋势和性质。 一批数据的分布情况，可以用中心倾向及数据的分散程度来表示，表示中心倾向的有平均值、中位值等，表示数据分散程度的有方差、标准偏差、极差等。;四、质量数据统计特征的描述 ;1、表示样本集中程度的特征量;注意：在数学上，均值有两个非常重要的数学性质 ; 适用情况：当样本数据中存在极端数据时（个别数据特别大或者特别小），样本均值组为数据集中趋势的代表不合适，从而引入另一个特征量――样本中位数，它是将样本数据从小到大排列后处在中间位置上的数据，当样本容量为奇数时，它恰为中间的一个数，当n为偶数时它是中间两个数据的平均值。; 注意： 在实际应用中，要根据不同的研究目的和不同的数据分布特征来选择均值或中位数作为集中趋势的代表值。 一般的，当数据呈现对称分布或近似对称钟形分布时，均值与中位数时一致的，应当选择均值作为数据集中趋势的代表值。 但当数据分布的偏斜度较大（出现极端值情况）时，均值容易受到极端数据的影响，不能很好地反映样本数据地集中趋势，应该选择中位数作为集中趋势地代表值。; 在一批数据中，出现次数最多的那个数称为众数，记做M0 如，某厂先后对本厂的某型号的一批产品的不合格数进行统计，得到如下表所示的数据。;2、表示样本数据离散程度的特征数;当样本容量增大的时候，数据中出现最大或最小异常值的可能性也将随之增大，这时用样本极差表示数据的波动程度的可靠性随之下降。为了充分利用样本数据，常用样本方差来表示数据的波动。 它是样本数据集中所有观测值的离差平方和的“平均值”。记为 ; 样本方差的纲量与原始数据的纲量不同，它是原始纲量的平方，所以在实际的应用中我们常用其算术平方根，称为样本标准