从直方图数据中寻找规律.ppt

* * * * 从数据中寻找规律 直方图 一个实例： 某工厂接收了一批外协厂制造的青铜轴承用于生产一种重要的仪器。但该厂不能信任生产这些轴承厂家的工作，决定对供应商提供的轴承进行分析。 这些轴承的关键特性是它们的内径，其规格为1.376±0.010英寸。 现抽取了100个青铜轴承，对它们的内径进行仔细的测量，并记录了测量结果。 100个青铜轴承内径的测量值如下表： 数据会告诉您什么呢？ 回答 数据列表不能表达出任何有实际意义的东西(Virtually Nothing)！ 必须对数据进行进一步分析。 图形可以帮助我们将数据转换成信息。 数据 列表 能否接受这批产品？ 与目标值相比较： 平均值：1.3773 与规格界限相比较： 极差（最大值-最小值） =1.383-1.370=0.013 数据分布的更进一步的信息： 数据分成10组后，落在每个区间 内的数据个数： 数据量 分组数 50-100 6-10 100-250 7-12 250个以上 10-25 1.376 ±0.010 制作频数分布表 绘制直方图 LSL USL 分析直方图 与规格限1.366~1.386进行比较，所有的测量值都在其范围内（而且在+/-3S的范围内）。 分布基本上是对称的，有一点点向右偏斜，但不严重。 所以该厂决定接收这批青铜轴承。 建议：轴承的加工中心应该左移； 建立一个直方图 收集整理数据 定组数 N 算极差 R 定组距 I 确定组的中心点和各组界限 制作频数分布表 绘制直方图 分析 数据量 分组数 50-100 6-10 100-250 7-12 250个以上 10-25 直方图告诉我们 数据分布的中心位置(Average)在哪里？ 数据分散程度(Spread)如何？ 数据分布的形状(Shape)怎样？ 经验之谈： 对大多数工业用的分析来说，50个数值具备足够的可靠性。 但单个测量值的费用比较低时，或是当需要准确分析时，可以采用100个或更多的数据。 N ( μ, σ2)- μ: 总体平均值，描述数据的集中位置。 σ :总体标准差，描述数据的分散程度。 x μ N（μ，σ2） 理想情况：正态曲线 μ不同(均值) σ不同(标准差 ) 正态曲线的特征 曲线关于μ对称； 当x=μ时取到最大值； X离μ越远，f（x）的值越小； μ 正态曲线 68% 95% 99.7% 现实状况：一些异常 双峰 峭壁 分析直方图举例： USL LSL AA图 LSL USL LSL USL LSL USL 直方图的峰度和对称度 对称度（Skewness）:直方图数据分布的对称性； 峰度（Kurtosis）:直方图数据分布的陡峭度； 直方图为对称分布的，则s=0; 直方图为正态分布的，则s=0,k=0。 直方图的作用 显示数据的分布特征 指出采取措施的必要 观察采取措施后的效果 比较和评估设备、供应商、物料等 评估过程的能力 * * * * * * 一个点出现在某个区间的概率为； 整体中 %落在这个范围内； 双峰性，它的数据具有两个甚至更多的不同的来源，也可能是由于数据来源于生产条件发生变化的同一台机器或同一工序引起的。 峭壁，通常由于刀具磨损、设备老化等趋势性变化因素影响，而导致过程异常的 。 中心位于目标值,而且分布尽量集中; *