常用统计分析方法.docVIP

常用统计分析方法

PAGE

PAGE4

常用统计分析方法

排列图

因果图

散布图

直方图

控制图

控制图的重要性

控制图原理

控制图种类及选用

统计质量控制是质量控制的基本方法，执行全面质量管理的基本手段，也是CAQ系统的基础，这里简要介绍制造企业应用最广的统计质量控制方法。

常用统计分析方法与控制图

获得有效的质量数据之后,就可以利用各种统计分析方法和控制图对质量数据进行加工处理,从中提取出有价值的信息成分。

常用统计分析方法

此处介绍的方法是生产现场经常使用,易于掌握的统计方法,包括排列图、因果图、散布图、直方图等。

排列图

排列图是找出影响产品质量主要因素的图表工具.它是由意大利经济学家巴洛特（Pareto)提出的.巴洛特发现人类经济领域中少数人占有社会上的大部分财富,而绝大多数人处于贫困状况的现象是一种相当普遍的社会现象,即所谓关键的少数与次要的多数原理.朱兰(美国质量管理学家)把这个原理应用到质量管理中来,成为在质量管理中发现主要质量问题和确定质量改进方向的有力工具.

1.排列图的画法

排列图制作可分为5步:

(1)确定分析的对象

排列图一般用来分析产品或零件的废品件数、吨数、损失金额、消耗工时及不合格项数等.

(2)确定问题分类的项目

可按废品项目、缺陷项目、零件项目、不同操作者等进行分类。

(3)收集与整理数据

列表汇总每个项目发生的数量，即频数fi、项目按发生的数量大小，由大到小排列。最后一项是无法进一步细分或明确划分的项目统一称为“其它”。

(4)计算频数fi、频率Pi和累计频率Fi

首先统计频数fi，然后按(1)、(2)式分别计算频率Pi和累计频率Fi

(1)

式中，f为各项目发生频数之和。

(2)

(5)画排列图

排列图由两个纵坐标，一个横坐标，几个顺序排列的矩形和一条累计频率折线组成。如图1所示为一排列图实例。

2.排列图用途

(1)确定两变量（因素）之间的相关性

两变量之间的散布图大致可分下列六种情形，如图3所示。

1)强正相关。x增大，y也随之线性增大。x与y之间可用直线y=a+bx(b为正数)表示。此时，只要控制住x，y也随之被控制住了，图3(a)就属这种情况。

2)弱正相关。图3(b)所示，点分布在一条直线附近，且x增大，y基本上随之线性增大，此时除了因素x外可能还有其它因素影响y。

3)无关。图3(c)所示，x和y两变量之间没有任何一种明确的趋势关系。说明两因素互不相关。

4)弱负相关。图3(d)所示，x增大，y基本上随之线性减小。此时除x之外，可能还有其它因素影响y。

5)强负相关。图3(e)所示，x与y之间可用直线y=a+bx(b为负数)表示。y随x的增大而减小。此时，可以通过控制x而控制y的变化。

6)非线性相关。图3(f)所示，x、y之间可用曲线方程进行拟合，根据两变量之间的曲线关系，可以利用x的控制调整实现对y的控制。

(2)变量控制。通过分析各变量之间的相互关系。确定出各变量之间的关联性类型及其强弱。当两变量之间的关联性很强时，可以通过对容易控制（操作简单、成本低）的变量的控制达到对难控制（操作复杂、成本高）的变量的间接控制。

(3)可以把质量问题作为因变量，确定各种因素对产品质量的影响程度。当同时分析各种因素对某一质量指标的作用关系时，或某一质量现状的引发因素包含多种因素时，应尽可能将质量数据按照各种可能因素类型进行分层，如：按操作人员分层、按使用设备分层、按工作时间分层、按使用原材料分层、按工艺方法分层或按工作环境分层等等。图4所示为将因素分层之后使原来无关的数据得以进一步细分。从而提示出更准确的内在联系。

直方图

直方图是适用于对大量计量值数据进行整理加工、找出其统计规律。即分析数据分布的形态，以便对其总体分布特征进行推断的方法。主要图形为直角坐标系中若干顺序排列的矩形。各矩形底边相等，为数据区间。矩形的高为数据落入各相应区间的频数。

1.直方图画法

(1)收集数据。数据个数一般在100个左右，至少不少于50个。理论上讲数据越多越好，但因收集数据需要耗费时间和人力、费用，所以收集的数据有限。

(2)找出最大值L，最小值S和极差R。找出全体数据的最大值L和最小值S，计算出极差R=L-S。

(3)确定数据分组数k及组矩h。通常分组数k取4-20。设数据个数为n，可近似取。通常取等组距，h=R/k。

(4)确定各组上、下界.只需确定第一组下界值即可根据组距h确定出各组的上、下界取值。注意一个原则：应使数据的全体落在第一组的下界值与最后一组（第k组）的上界值所组成的开区间之内。

(5)累计频率画直方图。累计各组中数据频数fi，并以组距为底边，fi为高，画出一系列矩形，得到直方