统计技术课件.pptx

2000年8月 附录1.1; 中心极限定理 如果总体变量存在有限的平均数和方差，那么， 不论这个总体的分布如何，随着样本容量的增加 ，抽样平均数的分布便趋向正态分布。 2000年8月 附录1.2; 中心极限定理的重要性 这个定理构成流程控制的基础——我们能 利用计算平均数来找出变化的原因，并在 样本平均数超出控制范围时适当行动。 无论总体分布如何，我们都能观察到偏离或 失去控制的情况。 2000年8月 附录1.3; 那又怎么样？ 许多分布不是完全正态分布的……正如著名统计学家 George Box 所说：“全部模型都是错误的，一些是有用。” 不论流程模型是否为正态分布，从操作过程中抽取的样 本平均数分布服从正态分布。控制图表就是建立在正态 分布这个特性的基础上的。 2000年8月 附录1.4;变异程度 分布差异程度 全距（Range)和标准偏差 全距是总体各单位标志值中最大值和最小值之差 2000年8月 附录1 .5;变异 了解了标准偏差后，就确立了质量统计 工作基础的大部分，包括： 控制表 6 Sigma 质量 性能指数 （Cp和Cpk)命名小部分 2000年8月 附录1.6;计算标准偏差 假定我们有10，000个电阻，想知道这10，000 个单元的质量水平。 我们可以测量并记录所有这10，000个电阻的电阻值 或抽取少数当样品并做抽样估计。 2000年8月 附录1.7;抽样统计 使用抽样统计，我们可以通过计算、求平均（或平均数）、 全距及标准偏差等等来计算有关这30个电阻样本的指标。 如果我们知道具体的规格限制，就可以估计该程序会生产 多少不良空电阻。 2000年8月 附录1.8;从样本数据开始;创建一个数据直方图;例子;计算标准偏差 你能用Excel或科学的计数器计算出标准偏差 我们30个电阻样本数据的的标准偏差是0.204 。 2000年8月 附录1.12;变异;标准偏差 我们先前讨论过在正态分布曲线中大概： 68.25%的群体（10，000个电阻）将 落在+/-1标准偏差之间。 95.4%将在+/-2标准偏差之间。 99.73%将在+/-3标准偏差之间。 2000年8月 附录1.14;达到99%足够吗？ 以前在许多公司的生产程序中，达到规格的99%就 已是足够，也被认为是达到技术发展水平。 99%的意思是： ——每小时会失去20，000件邮件 ——每天有15分钟不洁净水供应 ——每周有5，000例手术失误 ——每天在国际性机场会出现2次飞机在跑道上失误 ——每年会开错200，000处方 ——每月有7个小时停电 2000年8月 附录1.15;3 Sigma 质量 世界已经改变得更好！ ——客户急需更好的质量 ——公司不能容忍因不良品质引起的浪费 时下，世界级6Sigma质量是： ——总体（10，000电阻）的 99.9937% 落在 +4标准偏差之间 ——99.99943%落在+5标准偏差之间。 ——99.9999998%落在+6标准偏差之间。 2000年8月 附录1.16;　　　　6 Sigma 质量 即使平均数偏移1.5个标准差，6 Sigma 质量也 只会在每100万配件（DPPM)出现3.4个 的缺陷的。 2000年8月 附录1.17;生产流程性能 如果我们知道电阻的规格限制，就可以测定我们的生产 过程操作性能。 2000年8月 附录1.18;;如果我们的规格是10+1 ohm 那CP就是：;计算CP 什么是1.633? ——它意味着你的设计规定公差为是你的生产过 程分布的163.3%（越高越好）…这是你的基本生 产流程性能。 这好吗？ ——1.33的CP是临界值，1.633是更好，世界级是2.0以上… ——1.33是4Sigma 质量，2.0是6Sigma 质量 2000年8月 附录1.21;计算CP CP不能告诉你什么… 它不能告诉你关于设计的名义值，你的操作过程 微小值侧重在哪里。 换句话说，CP能告诉你的生产过程执行得多精确 但不能告诉你执行得多准确。 2000年8月 附录1.22;准确　对　精确;准确和精确;计算Cpk 我们要算出Cpk来测定数据的准确度。 像 Cp，Cpk也是个性能指标，它能用来进一步 告诉我们某一生产过程制造的产品是否控制在 公差范围以内。 如果工序居中在名义值（在我们电阻例子中 是10.0），则Cp