过程不合格率的估算.docVIP

过程产品 不合格率的估算 质保部——张林 在我们日常生产过程中，常常需要了解过程产品的不合格率。对于已生产结束的某个批次产品的不合格率，我相信大家都会计算。如果这个批次产品的总量为N，其中的不合格品数量为n， 则不合格率F的计算公式为： 例如：某供应商提供的1500只金属面板，在生产过程中发现部分面板的表面存在缺陷，生产结束后统计不合格品有24只，则这批金属面板的不合格率为： 但是，对于生产过程中的产品如何计算其不合格率呢？很多人的做法是：从已生产好的或正在生产的产品中随机抽出批量为M的样品进行检验，若检验出的不合格品数量为n，则认为过程产品不合格率P为： 虽然这种方法简单、快速，但计算结果与真正的过程产品不合格率存在很大的差异。因为过程产品不合格率，它考虑的对象是整个产品生产过程，不是某个具体批次或阶段，无法精确计算，只能估算。笔者依据个人经验，设计了两种方法供大家参考： 第一种方法，平均抽样法，基本原理与前面的相似。假设一个过程是由N个分过程或阶段组成，其中某个阶段的产品数量为只，若其中有只不合格品数量，则该阶段的不合格率为： 这是过程中某个阶段的不合格率，由于过程是由N个分过程或阶段组成的，这样就需要抽查N次，而且每次都能算出一个阶段的不合格率，分别为 、 、……，则过程产品不合格率为： 这种方法的估算结果，虽与真实结果之间仍存在差异，但比前面的方法精确，因为它的取样没有局限于某个具体批次或阶段。在实际应用中，N的大小，也就是到底取多少个阶段，对估算的准确率有直接影响。一般情况下，我们根据过程的稳定性来确定N，若过程稳定，N可以小点，若过程不太稳定，N需大点，通常情况N在15～25之间取值。另外关于每组样品的批量的大小及取样间隔时间，需根据取样难度、检测费用、生产批量及生产速度等因素决定，一般每隔2～4小时取样80～100只。 【例1】，假设某公司的高速冲床正在生产某个零件，我们为了估算过程产品不合格率，决定每间隔2小时抽取100只样品，共25组进行检验。经过检验、统计后得到每组的不合格率分别为：2%、1%、0%、4%、4%、4%、7%、5%、9%、10%、10%、9%、1%、9%、1%、0%、0%、9%、4%、6%、0%、1%、2%、1%、3%，则可以估算该零件的生产过程产品不合格率为： 第二种方法，正态分布估算法 对于像我们公司一样的制造企业，绝大部分需要控制的项目都是定量参数，就像长度、重量、体积等。如果生产过程稳定，这些参数的分布都是正态分布，这也是正态分布估算法的前提。 在解释第二种方法前，我先介绍正态分布的两个参数：分布的均值和标准差，均值反映正态分布的分布中心，计算公式为： 标准差反映正态分布的分散程度，正常情况下我们先计算方差，然后再开平方计算标准差，方差的计算公式为： 上面两式中为正态分布的概率密度函数，具体为： 从上面的计算公式，我们可以看出是无法精确计算正态分布的均值和标准差的，这就是在现实中用样品的分布情况来推测整体分布的情况的原因之一。因此，我们用样品的均值和标准差来估算整体分布的均值和标准差。假设现有某注塑机生产某种塑料件，为了了解该塑料件重量的分布情况，现场人员相隔固定时间取一次样本，其中某个样本有只样品，每只样品重量分别为，，，，……，则该样本的样品平均重量和标准差为： 若取了个样本，则我们可以按照第一种方法的思路，计算平均重量和平均标准差为： 则整体分布的均值和标准差的估算值为： 上述的两个计算公式中，、分别为整体分布的均值和标准差的估算值；为估算值的修偏系数，它只与样品量有关，具体见附表： 2 3 4 5 6 7 8 9 10 0.798 0.886 0.921 0.940 0.952 0.959 0.965 0.969 0.973 这种估算整体分布均值和标准差的方法，要求次取样时，每次取样的数量必须相等。如果每次取样的数量不同，那么可以先估算每次取样的标准差，然后再用第一种方法----平均抽样法，用次的平均值估算整体分布的标准差，具体公式为： ，为第次取样标准差的估算值 当正态分布的均值和标准差估算好后，我们就可以知道这个正态分布的大概情况，并根据此计算过程产品不合格率。 附图：正态分布示意图 附图是一个正态分布示意图，为正态分布的均值，、分别是我们所统计参数的上下规格极限，也就是上下公差。根据概率密度函数，我们知道过程产品合格率就是上下规格极限线、横向数轴与正态分布曲线之间围成的图形的面积，也就是示意图中阴影部分的面积，记为，则过程产品不合格率为： 上式中的，我们可以利用正态分布的性质来计算： 因为一般的正态分布计算复杂、繁琐，我们可以将它转换成均值，标准差标准正态分布，利用标准正态分布函数表查得相关数据，则 上式中正态分布