MSA知识培训（完整版）【2018】.pptx

量测系统分析Measurement Systems AnalysisMSA基础知识及运用一、正态分布基本理论基础篇一、正态分布介绍 正态分布（Normal distribution）又名高斯分布（Gaussian distribution），是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。 正态分布是应用最广泛的一种连续型分布. 德莫佛最早发现了二项概率的一个近似公式，这一公式被认为是正态分布的首次露面. 正态分布在十九世纪前叶由高斯加以推广，所以通常称为高斯分布.一、正态分布基本理论创设情境： 某钢铁加工厂生产内径为25.40mm的钢管,为了检验产品的质量,从一批产品中任取100件检测,测得它们的实际尺寸如下（单位：mm）:一、正态分布基本理论a、列出频率分布表 分组频数频率累积频率频率/组距25.235~25.26510.010.010.000925.265~25.29520.020.030.001825.295~25.32550.050.080.004525.325~25.355120.120.200.010925.355~25.385180.180.380.016425.385~25.415250.250.630.022725.415~25.445160.160.790.014525.445~25.475130.130.920.011825.475~25.50540.040.960.003625.505~25.53520.020.980.001825.535~25.56520.021.000.0018合计1001.00频率组距b、频率分布直方图100件产品尺寸的频率分布直方图0.020.0150.010.005产品内径尺寸/mmo25.23525.26525.29525.32525.35525.38525.41525.44525.47525.50525.53525.565频率组距d、样本容量增大时频率分布直方图8正态分布曲线642o产品内径尺寸/mm当样本容量无限大,分组的组距无限缩小时,这个频率直方图上面的折线就会无限接近于一条光滑曲线---正态曲线.正态分布是具有两个参数的连续分布u：正态分布的中心值，遵从正态分布随机变量的均值，在均值附近取值的机会较多;σ：正态分布的标准差，一般通过方差来计算，表示分布的离散程度;σ^2：正态分布的方差，随机变量的变异幅度;所以正态分布记作N（μ，σ^2）。服从正态分布的随机变量的概率规律为取与μ邻近的值的概率大，而取离μ越远的值的概率越小；σ越小，分布越集中在μ附近，σ越大，分布越分散 。99.73﹪95.45﹪68.26﹪-3 ?-2?-1?1 ?2?3 ?u重要特性:正态分布曲线左右两尾端和横轴渐渐接近，但不会相交是以μ为中心成对称分布。正态分布有两个反曲点( Point of Inflection)分别在标准轴一个σ的位置。由于其左右对称，曲线与横轴所围面积为1。经验法则：当分配形态接近为钟形分配时合格品率（%）在一个标准差内合格率约占68.26%在二个标准差95.45%在三个标准差99.73%描述样本分散程度的统计量介绍全距(Range)，亦称极差： – 意义：表示群体全部数据的组内变动范围，意义明确、计算简单。 – 缺点：不够灵敏，最大及最小值不变而其他值变化时，无法察觉。 标准偏差(Standard Deviation)及变异数(Variance)： – 意义：一群数值和其算术平均数的差异平方和的平均數即称为变异数，而变异数的平方根即为标准差。 过程控制中的变异介绍变异 为使变异的表示简化，通常分成偶然因素变异（机遇性原因-Chance cause or system cause ），及异常因素变异（非机遇性原因-Assignable cause or special cause ）。 偶然因素：过程固有的，始终存在，对质量的影响微小，例如机床开机时的轻微震动等，其所造成的分配与时间的关系是稳定而可重复、可预测(称为受控状态)。如製程中之變異僅由偶然因素所造成，則稱此製程是在統計控制状态中。异常因素：制程中不常发生但造成制程的变异，其所造成的分配与时间的关系不稳定且无法预期。故稱异常變異是不在統計控制狀態下，因其產品之特性沒有固定的分配。 二、实施MSA的目的和意义 在产品的质量管理中，数据的使用是极其频繁和相当广泛的，产品质量管理的成败与收益在很大程度上决定于所使用数据的质量，所有质量管理中应用的统计方法都是以数据为基础建立起来的。 为了获得高质量的数据，必须对产生数据的测量系统要有充分的理解和深入的分析。测量在质量管理体系中的地位持续改善质量管理体系顾客顾客管理职责要求满意测量、分析、改进资源管理输出输入 产品实现 产