休哈特控制图.pptVIP

LOGO LOGO 由NordriDesign?提供 LOGO LOGO LOGO 休哈特控制图 第1页，共13页。 导论 5.1 假设检验概念 5.2 均值控制图 5.4 极差控制图 5.5 休哈特控制图 5.3 第2页，共13页。 ◆案例导入 ◆均值控制图原理介绍 ◆控制图灵敏度 内容概要 第3页，共13页。 5.4 均值控制图 首先，让我们假定从一个生产衬垫材料的生产过程中每隔半小时从中抽取包含5个材料的样本组。每个样本组包括5个连续的衬垫材料： 过 程 10：00 AM 9：30AM 9:00AM 0.044 0.046 0.043 0.043 0.044 0.044 0.045 0.045 0.044 0.044 0.045 0.042 0.044 0.047 0.047 =0.0440 =0.0454 =0.0440 R=0.0020 R=0.0030 R=0.0050 第4页，共13页。 图表观察结果 通过对样本均值和样本级差波动性的观察，每一个小的样本都告诉我们在这个时间点上过程的运行情况。 问题：这种运行情况是会随着时间变化吗 第5页，共13页。 如果过程仅仅取决于系统波动 的影响，那么均值和级差应该随 机的分布在一定可能的范围之内； 如果这个过程在均值水平和波动 量上有一定的变化，那么均值和 级差就会偏离正常的波动或者出 现一系列非随机的值。 （第四章内容） 内容回顾 中心极限定理 当一系列确定的样本值能够 在很好的统计控制过程中被 选择时，样本均值将会呈现 出一种正态分布。 （第三章内容） 第6页，共13页。 10:00AM 9:30AM 9:00AM =0.0440 =0.0454 =0.0440 样本均值这样排列趋势还可以由图5.6直观地表示出来。我们称图5.6右的那个图中的（UCL）和（LCL）为均值控制图的控制上限和控制下限。对于容量为n的样本组的均值，其会随着一个固定的 变化，其范围可以定为： ,精确一点说，如果仅仅受一般波动影响的话，样本均值将以（1—α）100%的概率落入这个范围。传统上，我们习惯把它定义在离均值3倍标准差的范围之内。因此当均值的过程能够合理统计控制的话，样本均值有99.73%的概率将会落入这个范围。 第7页，共13页。 控制上限 控制下限 99.73%的概率将会落入这个范围 Figure 5.6 Statistical Basis for the Control Limits on the Chart 第8页，共13页。 注意：这些范围是建立在我们希望看到的平均波动的基础上，而不是单独的个体的测量。 规格范围：关于个体测量的分布 控制范围：平均了多个个体测量的分布 如果过程能够被有规律地合理地抽样统计控制，这就意味着均值水平和波动水平能够一直保持连续。那么，样本均值将会服从正态分布，因此，几乎所有的样本均值都会在过程均值上下3倍的标准差的范围内，这样的话我们一般都会通过样本均值的均值来估计。 第9页，共13页。 现在我们假定样本均值落在了控制上限的上面。由于这种情况发生的概率非常小，如果过程均值我们假定就是过程，我们必须假定一个特殊的原因使得它影响了样本均值。在特殊情况下，我们必须假定至少在这一时间点上过程的均值水平确实偏离了它正常的状态，假定的均值水平就是控制图的中心。而且，至少在这个时间点上，很有可能确实存在一个使样本均值偏离的因素发生。这就是休哈特在其控制图里采用的假设检验的解释。图5.7表示了这样一个特殊原因造成的情况。 当然，也有可能这种影响均值的因素根本就没有发生，我们只是错误地在寻找一个不并不存在的问题。但是我们知道这种错误发生的概率。这就是我们之前已经定义过的α风险。 第10页，共13页。 LOGO LOGO 由NordriDesign?提供 LOGO LOGO LOGO