资源描述
单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,第三章,现代质量控制工具,10/26/2026,1,现代质量管理需要利用大量的数据资料,在对这些数据资料的收集、整理和对有关质量管理工作进行定量分析的过程中,需要运用各种统计方法和统计工具,其中最常用的方法有七种,习惯上称之为质量管理的老七种工具,即:统计分析表、排列图、因果图、分层法、直方图、控制图、相关分析。这些方法将在下面一一介绍。,10/26/2026,2,第一节 基础知识,概率论、数理统计理论是质量管理学的基础。本节知识大部分在概率论与数理统计课程已学过,此处只介绍与质量管理相关的质量特性数据这一随机变量。,10/26/2026,3,质量特性数据,每一种产品或每一个零部件,都有其本身的质量情况。这些特性需要用量化的结果加以表示,这种表示被称为质量特性数据。以数值表示的数量化的质量特性就是质量特性值。,质量特性数据可以分为计量值与计数值两种。,计量值是指可以用量具、仪表进行测量而得出的连续型数值,如长度、直径、寿命、强度、速度等。只要使用的测量仪器有足够的精度,就可以达到小数点后的若干位。,计数值指不是用量具、仪表来度量的,它一般是用计数的方法得到的非连续性的正整数值,如废品数、次品数、合格品数、破损数、气孔数、疵点数都属于计数值。,计数值还可以分为计件值和计点值。例如,一批产品从表面光洁度看有多少件合格,这是计件值,一台机架上有多少砂眼则是计点值。,计件值又有两种表示方法,一种是直接写出的计件值,以pn表示,另一种是写出其百分率,以p表示。例如100件产品,其中有两件不合格,则这时计件值pn=2,百分率p=2%,后者虽然不是整数,但仍应将它看成计数值。,计点值是在某一件产品上或单位产品上发生的具有某种质量上的特点的数据,但从统计学的观点看来,其数据性质与计件值类似。,质量特性数据具有波动性,在没有进行观察或测量时,一般是未知的。但其又具有规律性,它是在一定的范围内波动的,所以它是随机变量。,10/26/2026,4,如不合格品分项检查表是将不合格品按其种类、原因、工序、部位或内容等情况进行分类记录,能简便、直观地反映出不合格品的分布情况,如表3-2-1所示。,10/26/2026,6,第三节 排列图,排列图也叫帕累托图,是找出影响产品质量的主要问题的一种有效方法。其形式如图3-3-1所示。,10/26/2026,7,一、排列图的概念和结构,(一)概念,排列图是根据“关键的少数,次要的多数”的原理,将数据分项目排列作图,以直观的方法来表明质量问题的主次及关键所在的一种方法,是针对各种问题按原因或状况分类,把数据从大到小排列而作出的累计柱状图。,(二)结构,排列图的结构是由两个纵坐标,一个横坐标,n个柱形条和一条曲线组成,左边的纵坐标表示频数(件数、金额、时间等),右边的纵坐标表示频率(以百分比表示)。有时,为了方便,也可把两个纵坐标都画在左边。横坐标表示影响质量的各个因素,按影响程度的大小从左至右排列,柱形条的高度表示某个因素影响的大小,曲线表示各影响因素大小的累计百分数,这条曲线称帕累托曲线(排列线)。,排列图在质量管理中的作用主要是用来抓质量的关键性问题。,10/26/2026,8,(五)画排列图中的直方图,一般画图最好用坐标纸,纵横坐标轴的标度要适当,纵轴表示评价尺度,横轴表示分类项目。,在横轴上,按给出的频数大小顺序,把分类项目从左到右排列。“其他”一项不论其数值大小,务必排在最后一项。,在纵轴上,以各项之频数为直方图高,以横轴项目为底宽,一一画出对应的直方图。图宽应相同,每个直方之间不留间隙,如果需要分开,它们之间的间隔也要相同。,(六)画排列线,为了观察各项累计占总体的百分比,可按右边纵坐标轴的标度画出排列线(又称帕累托线)。排列线的起点,可画在直方柱的中间、顶端中间或顶端右边的线上,其他各折点可按比例标注,并在折点处标上累计百分比。,(七)在排列图上标注有关事项和标题,搜集数据的期间(何时至何时),条件(检查方法、检查员等),检查个数,不合格总数等,必须详细记载,在质量管理中这些情报都非常重要。,10/26/2026,10,三、绘制排列图的注意事项,绘制排列图时应注意以下事项:,(1)一般来说,主要原因是一两个,至多不超过三个,就是说它们所占的频率必须高于50%(如果分类项目少时,则应高于70%或高于80%);否则就失去找主要问题的意义,要考虑重新进行分类。,(2)纵坐标可以用“件数”或“金额”、“时间”等来表示,原则是以更好地找到“主要原因”为准。,(3)不重要的项目很多时,为了避免横坐标过长,通常合并列入“其他”栏内,并置于最末一项。对于一些较小的问题,如果不容易分类,也可将其归为“其他”项里。如“其他”项的频数太多时,需要考虑重新分类。,(4)为作排列图而取数据时,应考虑采用不同的原因、状况和条件对数据进行分类,如按时间、设备、工序、人员等分类,以取得更有效的信息。,10/26/2026,11,除了对排列图作ABC分析外,还可以通过排列图的变化对生产、管理情况进行分析:,(1)在不同时间绘制的排列图,项目的顺序有了改变,但总的不合格品数仍没有改变时,可认为生产过程是不稳定的。,(2)排列图的各分类项目都同样减小时,则认为管理效果是好的。,(3)如果改善后的排列图,其最高项和次高项一同减少,但顺序没变,说明这两个项目是相关的。,10/26/2026,13,作图步骤:,(1)按排列图的作图要求将缺陷项目进行重新排列(见表3-3-2);,10/26/2026,15,(2)计算各排列项目所占百分比(频率);,(3)计算各排列项目所占累计百分比(累计频率);,(4)根据各缺陷项目的统计数(频数)画出排列图中的直方图(见图3-3-2);,(5)根据各排列项目所占累计百分比画出排列图中的排列线。,分析:从图中可以看出,掉砂、气孔、壁厚三项缺陷累计百分比占83.7%,为A类因素,是要解决的主要问题。,10/26/2026,16,因果图是由以下几部分组成的(见图3-4-1),(1)特性,即生产过程或工作过程中出现的结果,一般指尺寸、重量、强度等与质量有关的特性,以及工时、产量、机器的开动率、不合格率、缺陷数、事故件数、成本等与工作质量有关的特性。因果图中所提出的特性,是指要通过管理工作和技术措施予以解决并能够解决的问题。,(2)原因,即对质量特性产生影响的主要因素,一般是导致质量特性发生分散的几个主要来源。原因通常又分为大原因、中原因、小原因等。,(3)枝干,是表示特性(结果)与原因间关系或原因与原因间关系的各种箭头。其中,把全部原因同质量特性联系起来的是主干;把个别原因同主干联系起来的是大枝;把逐层细分的因素(一直细分到可以采取具体措施的程度为止)同各个原因联系起来的是中枝、小枝和细枝。,10/26/2026,18,二、因果图的作图步骤,(1)确认质量特性(结果)。质量特性是准备改善和控制的对象。应当通过有效的调查研究加以确认,也可以通过画排列图确认。,(2)画出特性(结果)与主干。,(3)选取影响特性的大原因。先找出影响质量特性的大原因,再进一步找出影响质量特性的中原因、小原因,在图上画出中枝、小枝和细枝等。注意所分析的各层次原因之间的关系必须是因果关系,分析原因直到能采取措施为止。,(4)检查各项主要因素和细分因素是否有遗漏。,(5)对特别重要的原因要附以标记,用明显的记号将其框起来。特别重要的原因,即对质量特性影响较大的因素,可通过排列图来确定。,(6)记载必要的有关事项,如因果图的标题、制图者、时间及其他备查事项。,10/26/2026,19,三、绘制因果图的注意事项,(1)主干线箭头指向的结果(要解决的问题)只能是一个,即分析的问题只能是一个。,(2)因果图中的原因是可以归类的,类与类之间的原因不发生联系,要注意避免归类不当和因果倒置的错误。,(3)在分析原因时,要设法找到主要原因,注意大原因不一定都是主要原因。,(4)要广泛而充分地汇集各方面的意见,包括技术人员、生产人员、检验人员,以至辅助人员等。因为各种问题的涉及面很广,各种可能因素不是少数人能考虑周全的。另外要特别重视有实际经验的现场人员的意见。,10/26/2026,20,四、因果图的种类,因果图大体上有三种类型,即问题分解型、原因罗列型和工序分类型。这三种类型的因果图各有利弊,应根据具体情况适当地选择应用。,(一)问题分解型,该类图的作法是沿着为什么会出现该问题的思路层层细追下去,依次作出大枝、中枝、小枝、细枝,并标上相应的大原因、中原因、小原因和更小原因等。这种图的优点是便于用箭头把原因联系起来,作图较简便;缺点是容易漏掉小原因。图3-4-2就是问题分解型的因果图。,(二)原因罗列型,该类图的作法是用卡片或黑板将想到的所有原因都罗列出来,然后再通过整理逐级分类,确定出大枝、中枝、小枝和细枝间的关系。优点是不至于漏掉主要原因;缺点是原因间难于用箭头正确连接,作图较麻烦。,10/26/2026,21,(三)工序分类型,该类图的作法是按工序流程画大枝,然后把对质量有影响的原因填写在相应的工序(大枝)上。优点是作图简便,易于理解;缺点是相同原因有时会出现多次,难于表现多个因素联系在一起同时影响质量的情况。图3-4-3是钢管擦伤的工序分类型因果图。,由图3-4-3可见,从下料开始到最终检验为止共七道工序,除前两道工序外,其他五道工序均有擦伤出现,直到最后使钢管擦伤成为不合格品,其擦伤原因分别用大枝干、中枝干、小枝干、细枝干画于各工序和运转线上(两工序空档处)。,由图中可以清楚地看出哪道工序或运转过程是什么原因造成的擦伤,便于采取措施。,排列图、因果图、措施表被称为“两图一表”,在质量管理活动中,以其使用的简便性和有效性成为使用最为普遍的质量管理方法(措施表将在第五章中专门介绍)。,10/26/2026,22,常用的分层法有:,(1)按不同的时间分,如按不同的班次、不同的日期进行分类;,(2)按操作人员分,如按新老工人、男工、女工,不同工龄,不同技术等级分类;,(3)按使用设备分,如按设备型号、新旧设备分类;,(4)按操作方法分,如按切削用量、温度、压力等分类;,(5)按原材料分,如按供料单位、进料时间、批次等分类;,(6)按不同检验手段、测量者、测量位置、仪器、取样方式等分类;,(7)其他分类,按不同的工艺、使用条件、气候条件等进行分类。,10/26/2026,24,【例3-5-1】某区局投递班某年上半年投递给据邮件发生差错50件。为了找出原因,明确责任,进行改进,可以对数据进行如下分类:,(1)按发生差错的时间分层,见图3-5-1。,10/26/2026,25,(2)按差错种类分层,见图3-5-2。,10/26/2026,26,通过这三种分层可以看出:分层时标志的选择十分重要。标志选择不当就不能达到“把不同质的问题划分清楚”的目的。所以分层标志的选择应使层内数据尽可能均匀,层与层之间数据差异明显。,按发生差错的时间分层时,各月差异不明显,而一月份差错稍多,可能是受业务量的影响;按差错种类分层时,误投及丢失签收卡的差错严重,应作为重点问题来解决;从按操作人员分层的情况来看,李某和赵某的差错所占比重较大。经过分层就可以有针对性地分析原因,找出解决问题的办法。,分层法必须根据所研究问题的目的加以灵活运用。事实上,分层法被广泛应用于工业企业和商业、事业单位和服务行业等。实践证明,分层法是分析处理质量问题成败的关键,使用时必须具有一定的经验和技巧才能分好层。,10/26/2026,28,第六节 直方图,第六节直方图,一、直方图的概念及作图方法,(一)直方图的概念,直方图又称频数分布图,是整理数据、描写质量特性数据分布状态的常用工具。,随着各种条件的变化,质量特性数值也在波动,造成波动的原因也就是通常所说的人、材料、设备(工具)、操作方法、操作环境和检验方法六大因素(5M1E)。由于5MlE不可能不变,所以产品质量存在差异是绝对的。由于产品质量受一系列客观因素的影响而在生产过程中不停地变化着,所以生产出一批产品中总是有的偏差大一些,有的偏差小一些,不可能完全一样,这就叫做产品质量的散差。这些条件误差,从数理统计的观点加以分类,可以分为系统误差和随机误差两大类。,10/26/2026,29,在生产过程中,偶然因素是不可避免的,所以偶然因素带来的产品质量的随机误差也是不可避免的。而系统因素由于对产品质量影响较大,同时容易鉴别,容易除去,人们在生产中都力求排除,从而消除它所带来的产品质量的系统误差。,而为了控制产品质量的波动,把质量差异控制在一定范围内是做得到的。为了掌握产品质量的分布规律,可以作出产品质量特性频数分布图,以显示产品质量特性分布状况。,10/26/2026,31,(二)直方图的作图方法,画直方图需要收集大量准确的质量特性数据,怎样取得这些数据,需要收集多少个数据都是需要明确的。,怎样取样才能使得到的数据能更有效、更准确地反映客观事物的本质呢?,由于目的不同,取样方法也不同。取样方法主要有两种:,(1)随机取样。为使由样本对总体所作的推断有效,样本必须是随机的选取。即在一批产品里(或半成品里),所有的每一个产品都能以相等的机会被抽取。,方法主要有:抽签法,即把产品混合均匀后任意抽取;按数理统计中的“乱数表”取样;其他方法。,(2)按工艺过程,每隔一定的时间,连续抽取若干产品作为样本。如研究某一工序时,可在一天中每隔两小时抽取相等数量的产品。,两种方法中,第一种方法抽取的样本是有代表性的;第二种方法严格讲只能反映抽样当时的工艺过程状况,不能代表整批产品的状况。因此,前一种方法多用于产品的验收检查,后一种方法多用于生产过程中的工序质量控制。,10/26/2026,32,那么,作直方图采用多大的样本为宜呢?,在工业生产实际中,决定样本的大小,需要考虑两方面的因素。,一方面是经济因素,即收集某一数据需要多少成本;,另一方面是所需的统计准确度因素,即所得到的分散程度与集中趋势的数据,许可有多少误差。,这两个因素对样本大小的影响完全相反,从经济上要求,采用可能允许的最小样本;而统计准确度则要求较大的样本,以使准确度得到最大保障。,10/26/2026,33,某一频数分布所应采取的样本大小,在工业上往往不是由固定的统计公式来决定的,而是根据统计准确度及经济情况的相互平衡而设计的。有时,以往的经验以及个人的判断都对此有很大影响。,因为收集数据的成本和所需的统计准确度在不同工业部门、不同企业之间的变化很大,所以决定样本大小的任何原则都因个别情况而异。一般来说,应取30-250个样本。在实际应用中,工厂多采用50个,这对大多数工业频数分布的分析是足够可靠的。在个别情况下,当收集数据的成本很低或需作准确分析时,可采用100个或者更多个。,10/26/2026,34,画直方图时,首先要整理收集的质量特性数据,把相近的值分在同一组里,再统计各组各有几个数据数,这称为频数;然后在横坐标上标出分组点,纵坐标对应为频数,以组距为底边,画出高度为频数的矩形,便得到一张直方图。,10/26/2026,35,【例3-6-1】某邮局随机地抽取100天邮件分拣处理时长。每天的分拣处理时长如表3-6-1所示。结合该实例绘制直方图。,10/26/2026,36,1.直方图的作图步骤,(1)收集数据。,针对某一产品质量特性,随机地抽取50个以上质量特性数据,并按先后顺序排列。其数据数用N表示,本例中N=100。,(2)找出数据中的最大值、最小值和极差。,数据中的最大值用xmax表示,最小值用xmin表示,极差用R表示,,R=xmax-xmin,本例中,xmax=63分钟,xmin=38分钟,R=63-38=25分钟。区间xmin,xmax称为数据的散布范围,全体数据在此范围内变动。,10/26/2026,37,(3)确定组数。,组数常用符号K表示。K与数据的多少有关系。数据多,分组多;数据少,分组少。,常用这样一个经验公式计算组数:,K=1+3.31lgN,本例中,N=100,K=1+3.31lg 100=7.628。一般由于正态分布为对称形,故取K为奇数,所以本例中取K=9。,(4)求出组距(h)。,组距即组与组之间的间隔,等于极差除以组数,即,h=(xmax-xmin)/K=R/K,本例中,组距h=(63-38)/9=2.783。,10/26/2026,38,(5)确定组界。,为了确定组界,通常从最小值开始。先把最小值放在第一组中间位置上。组界为,(xmin-h/2)-(xmin+h/2),本例中数据最小值xmin=38分钟,组距h=3,故第一组的组界为36.5-39.5。同理可以求出其他各组的组界为:39.5-42.5;42.5-45.5;45.5-48.5;48.5-51.5;51.5-54.5;54.5-57.5;57.5-60.5;60.5-63.5。,10/26/2026,39,(6)统计各组频数。统计频数的方法如表3-6-2所示。,10/26/2026,40,(7)画直方图。以分组号为横坐标,以频数为纵坐标,作成直方图,如图3-6-1所示。,10/26/2026,41,2.直方图的作用(用途),频数直方图在生产中是经常使用、简便易行且能发挥很大效果的统计方法,其主要作用是:,(1)比较直观地反映出质量特性分布状态,便于及时掌握质量分布状况,判断一批已加工完毕的产品的质量;,(2)验证产品质量的稳定性;,(3)考察工序能力,估算生产过程不合格品率,了解工序能力对产品质量的保证情况;,(4)从统计角度鉴定产品质量特性分布类型,以便针对不同分布进行管理。,10/26/2026,42,3.绘制直方图应注意以下事项,绘制直方图应注意以下事项:,(1)确定组数要恰当。画直方图确定的组数可以不同,即对一批数据来说,组数可以不是同一个值,如在上面的例题中,确定的组数是9组,如果分成10组也是可以的,但组数虽然不是唯一确定的,也是有一定标准的。除了可按确定组数的公式推算组数外,还可根据经验判断法来确定组数。一般样本数与分组数有表3-6-3所示的对应关系。,分组是否恰当,直接影响到直方图的观察分析。当分组数太少时,会掩盖各组内数据的变动情况;当分组数太多时,会使各组数据量的多少差别悬殊,有时还可能使其中一组无数据,因而看不出分布的规律。,10/26/2026,43,(2)确定组界时,注意要比数据值精确一个小数点,必要时可在算出的组界上加上或减去0.5,这样做的目的是使每个数据都能准确归组。,(3)直方图的比例尺寸一般是:频数最多的组的高度与尺寸范围,即横坐标宽的比例为1:1(或0.6:1)为好;否则画出的频数直方图会出现太“胖”或太“瘦”的现象,在对直方图分析时容易发生误解。,(4)完整的直方图不可缺少必要的标注。在直方图的左上方或右上方要标上样本数N,平均值,-,x和标准偏差s。,10/26/2026,44,二、直方图特征值的计算,为了描述一批数据的分布特征,在数理统计中定义了许多“特征数字”,其特征值大体上分成两大类:一类是表示数据集中位置的特征值,如平均值、中位数等;另一类是表示数据的离散程度的,如标准偏差、极差等。其中最主要的两个数字特征值是平均值和标准偏差。,(一)平均值的计算,1.定义计算法,设有N个测量数据:x1,x2,x3,.,xn,则平均值定义为,-x=(xi)/N,例如有5个数据:2.515,2.509,2.507,2.529,2.521,求其平均值:,-x=(xi)/N=(2.515+2.509+2.507+2.529+2.521)/5=2.516 2,显然,用这种方法计算平均值,当数据量很大时,计算麻烦。,10/26/2026,45,2.利用频数表求平均值,这种方法适用于数据多的情况,常与作直方图结合在一起进行计算。,设N个观察值:x1,x2,x3,.,xn,按其大小分为K组,每组的组距为h,第i组频数为fi。频数fi最大的一组的中心值为x0,ui为与中心值x0的那一组相差的组数,上为负,下为正,则x1,x2,x3,.,xn的平均值为,-,x=x0+h(f1u1+f2u2+f3u3+fkuk)/N,其中,N=fl+f2+f3+fk。,10/26/2026,46,例如,例3-6-1直方图给出的100个数据,利用频数表先求出(fiui),再利用公式,求出平均值。频数表如表3-6-4所示。,频数最大组是第5组,其中心值,x0=(本组上限+本组下限)/2=(48.5+51.5)/2=50,则,-,x=x0+h(f1u1+f2u2+f3u3+fkuk)/N=50+3(8/100)=50.24,显然采用这种方法求平均值,当数据量很大时,计算很方便。,10/26/2026,47,(二)标准偏差的计算,样本标准偏差常用:表示。其计算方法也有两种:一种是定义计算法;另一种频数表计算法,1.定义计算法,用这种方法计算标准偏差,当数据量很大时,计算过于繁琐。,10/26/2026,48,2.利用频数表求标准偏差,用频数表法计算平均值和标准偏差,方法简便,特别是在画直方图时,可以直接利用画图过程中的一些统计数字(h,fi,ui,N)进行计算。,10/26/2026,49,三、直方图的观察分析,直方图反映一个数列的各个数值出现的频数演变情况,以便形象地表示被观察数值的特征和分布状态,它是质量管理的统计控制方法之一。这种方法比较简单直观,图像化地帮助人们分析判断总体的变化。一个有经验的质量管理人员,往往可以凭经验,通过对直方图的直接观察来判断质量变化状况和生产过程是否稳定,并预测生产过程的不合格品率。,对直方图的观察分析,主要有两方面内容:首先是看图形本身的形状;然后用公差(标准)要求来比较,这样分析得出的结论才不会片面。,10/26/2026,50,(一)直方图的形状分析,对直方图形状的分析,是为了考察分布状态,看分布状态是否正常,如不正常,则判别其不正常的类型原因。,1.正常型,正常型直方图只有一个高峰,高峰的两边,基本上对称且快而单调地下降,图3-6-2所示。,10/26/2026,51,2.锯齿型,这种图形的形成,大都由于分组不当或者是因为测量方法或读数有问题引起的,如图3-6-3所示。,10/26/2026,52,3.偏向型,直方图的高峰偏向一端分布,如图3-6-4所示。,此时有两种情况:一种是数据本身就遵从这种分布,如百分率数据就是如此;另一种是由于加工习惯造成的。由于加工者心理上想留有余量,便于返修,所以,往往加工孔时,尺寸偏小,造成高峰偏左,而加工轴时,尺寸偏大,高峰偏右。,10/26/2026,53,4.双峰型,在分布中心附近频数少,左右形成峰状,如图3-6-5所示。,这是平均值不同的两个分布混在一起时出现的情况。在工业生产中往往是两种不同条件下(两台设备、两个工人或两次调整设备等)加工生产的产品混在一起造成的。,10/26/2026,54,5.孤岛型,在直方图旁边有孤立的小直方图出现,如图3-6-6所示。,这说明出现了某种检验错误,或生产过程有某种异常。如刀具的严重磨损、对刀错误、测量仪器出现系统误差,或在短时间内由不熟练的工人替班加工等。在通信生产中,假如某投递道段的投递员由于某种原因不能上班,暂由不熟悉业务的人员顶替,造成投递时间加长,而数据分布就会部分地向右偏移,形成孤岛。,10/26/2026,55,6.平顶型,直方图没有突出的顶峰,呈平顶型,如图3-6-7所示。,此时有三种情况:一是多个总体混在一起;二是由于生产过程中某种缓慢的倾向在起作用,如工具的磨损、操作者的疲劳等影响;三是质量指标在某个区间中均匀分布。,10/26/2026,56,(二)直方图与质量标准比较,以上各种类型的直方图,除了正常型之外,其余的都属于异常型直方图。,对于异常型直方图,应当进一步利用其他质量管理的方法分析异常的原因。,对于正常型直方图,则应标上质量标准的规格界限,进一步比较分析,看看质量是否满足标准要求。,设质量标准规格上限为TU,下限为TL,规格范围为T=TL,TU,规格中心为,TM=(TU+TL)/2,质量特性观测值xi的最大值为L,最小值为S,数据范围为B=S,L,数据中心为,xm=(L+S)/2,10/26/2026,57,直方图与质量标准比较,其结果分为以下几种情形。,1.理想情形,B位于T内,TMxm,两侧略有余量(0.5-1个标准偏差),见图3-6-8。,此时产品全部合格,工序处于稳定管理状态。,10/26/2026,58,2.余量过剩的情形,B位于T内,TMxm,两侧余量均大于1个标准偏差,见图3-6-9。,此时可加严标准,缩小规格范围,提高产品质量,或者适当放宽对原料、工艺、工具、设备精度的要求,降低成本。,10/26/2026,59,3.单侧无余量的情形,B位于T内,由于TMxm,致使单侧余量太小,见图3-6-10。此时,如果工序状态稍有变化,产品就可能超差,出现不合格品。,10/26/2026,60,4.单侧超差的情形,由于TMxm,B的一侧超出T外,产生不合格品,见图3-6-11。此时,必须采取措施,使数据中心与规格中心重合。,10/26/2026,61,5.双侧无余量的情形,B大致位于T内,TMxm,由于数据的分布较分散,已出现少量废品,见图3-6-12。此时如果工序状态稍有变化,就会出现大量不合格品。,10/26/2026,62,6.双侧超差的情形,BT,TMxm或TMxm,由于数据过于分散,双侧超出公差界限,出现大量不合格品,见图3-6-13。此时,必须采取有力措施,缩小质量波动。,10/26/2026,63,事实上,在对直方图进行分析时,对于非正常型的图形多少有些参差不齐不必太注意,而应着眼于整个图形的形状。例如,在标准规格界限以内的锯齿型分布可能算做一种“良好”的分布;反之,越出界限的正态分布可能是一种坏的分布。这是因为一个平顶型、锯齿型或偏向型分布的实际效用,不一定低于一个光滑的正态分布。因为分布图形大部分属于纯理论研究方面的问题。,10/26/2026,64,这种非正常分布图形在实际中之所以适用,其理由如下:,(1)所有分布形状的图形都可用平均数和标准偏差来量度。重要的是实际分布与正态分布的近似程度。,(2)很多分布在工业上的应用并不特别强调数理统计分析,分布本身只作简单的图形分析之用。,(3)如果有些地方需要进行数理统计分析,经验证明,大量的实际分布和正态分布非常近似。,(4)当一个分布偏向得很厉害或呈其他形状时,该分布可在改进措施方面提供线索。,(5)许多工业实际情况的分析并不十分精确,因此,实际中分布的正态性并无重大关系。,(6)有些地方根本不需要用正态曲线进行分析。一个有经验的人只要看一下图形的形状,就可以采取各种改正方法。,10/26/2026,65,在工业上应用统计方法,重要的是所用的数据是否精确。即使所用数据是正确的,它所代表的情况也会随着时间的推移而有所改变。因此,质量分布的数学分析大部分是作为工业生产的指导,而绝非精确的、最终的计算。,如果一项分析作得不恰当,很快就会在生产中发现。而且这些方法经过一段时间的使用后,就可逐渐接近具体情况,所用公式将可适合于非正态形状的特殊分布。在这种情况下,正态分析只是作为应用数学分析的初期指引。,10/26/2026,66,第七节 质量因素相关分析,在自然界和社会现象中,任何现象都不是孤立的,而是普遍联系和相互制约的。现象间的普遍联系、相互制约往往表现为相互依存的关系,这种依存关系通常有两种类型,即函数关系和相关关系。,一、相关与回归的概念,函数关系是指现象间存在的一种十分严格的数量依存关系。某个现象的数值发生变化,另一个现象都有确定的值与它相对应,在这种关系中,这种关系可以用数学函数式反映出来。例如,在电路分析中,对于给定的电路,电压与电流呈反比变化;圆的面积随半径的变化而变化。,相关关系是指现象间存在的非严格的依存关系,这种关系的特征是:一种现象发生变化,会引起另一种现象的变化,但这种变动关系不是唯一确定的,它可以有多种不同的数量表现。如子女的身高和父母的身高之间存在着一定的依存关系,即随着父母身高的增加,子女的身高一般也会相应地增加,但子女身高的变化同时还受营养、疾病、体育锻炼、睡眠、日照等因素的影响,不是唯一确定的,这种关系就是相关关系。在许多社会经济现象中都存在着这种相关关系。如提高劳动生产率会使成本降低、利润增加等。,10/26/2026,67,函数关系与相关关系虽然有明显的区别,但两者之间并无严格的界限。由于存在测算误差等原因,函数关系在实际中往往通过相关关系表现出来。而在研究相关关系时,为了找出现象间数量关系的内在联系和表现形式,又常需要借助于函数关系的形式加以描述。从这个角度可以说,相关关系是相关分析的研究对象,函数关系是相关分析的工具。,相关分析就是要通过对大量数字资料的观察,消除偶然因素的影响,探求现象之间相关关系的密切程度和表现形式。因此将研究现象之间相关关系的理论和方法称为相关分析法。,相关分析与回归分析的区别在于:相关分析所研究的两个变量是对等关系;回归分析所研究的两个变量不是对等关系,必须根据研究目的,先确定其中一个是自变量,另一个是因变量。,10/26/2026,68,相关分析在质量管理中有如下用途:,(1)掌握代用质量特性与真正质量特性之间的相关程度,可以通过控制代用特性间接地控制真正质量特性。,(2)明确质量指标与某些因素间的相关关系,这对作因果图、关联图等列举原因和找出主因是非常有用的。,(3)了解因素之间的相关关系,即当两因素同时作用于某质量特性时,两因素之间是否还有相关关系,必须予以考虑。,(4)弄清用简单方法测定的观测值与用精密方法测定的观测值之间的关系,以便确定是否能用简单方法代替精确方法来测量质量特性。,(5)利用所求得的相关关系配置回归直线,对质量进行预测和控制。,10/26/2026,69,二、相关图及回归方程,(一)相关图(散布图),下面先考察两个变量。如果其中某个变量的值在某种程度上是随另一个变量值的变化而变化的,则称两个变量之间存在着相关关系。对于一组从生产实际中获得的两个变量的测量数据,要判断它们之间是否存在相关关系,简单而直观的办法是作图。,在相关分析中,若相关现象之间存在着一定的因果关系,通常把起决定作用的变量作为自变量,一般用x表示,把受自变量影响而相应变化的变量作为因变量,一般用y表示。例如,研究劳动生产率与利润之间的关系时,劳动生产率为自变量,利润为因变量。若现象间只存在相关关系并不存在明显的因果关系,如每万元产值耗电量与产值之间的关系,在这种情况下,究竟以哪种现象为自变量,哪种现象为因变量,则要根据研究的目的来决定。,10/26/2026,70,【例3-7-1】有两个相关随机变量x,y的数值如表3-7-1所示。试分析两个变量之间是否存在着相关关系。,10/26/2026,71,为了分析x变量与y变量之间的关系,可将x变量与y变量在x-y平面上作图,每组(xi,yi)数据在图中以一个点表示。如图3-7-1所示,这种图就叫相关图,也叫散点图。,从图中可以看出两个变量间的关系:随x的增大,y有增大的倾向,因此x与y之间有相关关系。,10/26/2026,72,一般在分析两个变量之间的相关关系时,作出的相关图可以有图3-7-2所示的几种情况。其中,(a)表示x变量增大时,y变量明显地增大,叫做强线性正相关;,(b)表示y变量随x变量增大有增大的趋势,但不很明显,称为弱线性正相关;,(c)表示x变量与y变量之间没有相关关系;,(d)的情况与(a)相反,称为强线性负相关;,(e)称为弱线性负相关;,(f)表示变量y随变量x的变化没有单一的增大或减小的趋向,但两变量的量值变化呈曲线式的对应关系,即存在着非线性的相关关系。,10/26/2026,73,对于任意一对被考察的变量,可以根据积累的试验数据作它们的相关图。从相关图可以判断两变量之间是否存在着相关关系。,如果两变量之间大致是线性关系,则可以考虑用一条直线来拟合两者之间的关系,即y=a+bx。,这条直线叫做y变量对x变量的回归直线;这个方程式称为变量y对变量x的回归方程。回归直线的斜率b称为回归系数,它表示x变量增加一个单位时,y的平均变化量。式中a为常数项,等于回归直线在y轴上的截距,如图3-7-3所示。,10/26/2026,74,设所考察的两个变量x,y有N组观测数据(xi,yi)(i=1,2,3,N),标在相关图上就是N个观测点,如何配置回归直线呢?,在平面上可以作任意多条直线,回归直线应该是所有线中最接近所有观测点的直线。也就是说,回归直线与观测点的误差应比任何其他直线都小。,对上述回归方程的某个xi可用yi来代表实际观测值。于是误差为:,显然总误差不能用的代数和表示。因为有正有负,其代数和将互相抵消,不能代表总误差,所以常用误差的平方和。设总误差为:,10/26/2026,75,可以通过使误差平方和达到最小的办法来确定系数a,b,这种方法叫做最小二乘法。利用数学中的求极值的方法可以推得系数a,b的计算公式。,将总误差Q分别对a,b求偏导,并令偏导数等于0,求得,10/26/2026,76,【例3-7-2】仍用表3-7-1中的数据,求回归方程。,经计算得到表3-7-2。,10/26/2026,77,(三)相关系数和相关性检验,在回归方程的具体计算中,并不要求事先判断两变量之间是否有相关关系,即如图3-7-2(c)所示的两变量,尽管不存在相关关系,也可以配置回归直线,只是这种回归直线毫无实际意义,只有当所考察的变量之间大体上相关时,才有意义。,1.相关系数,判断相关与否主要依据物理分析及有关人员的经验。数学上有一种辅助办法:引进一个称为相关系数的量。相关系数说明两个变量之间相关关系密切程度的统计分析指标,通常用r表示。它比相关表和相关图更能概括表现相关的形式和程度。,相关系数的计算公式为,10/26/2026,78,r的值域为-1r1。,从理论上讲,当|r|0.3时,两变量不存在相关关系,如图3-7-2(c)所示。,当|r|接近于1时,x,y两变量近似线性关系,如图3-7-2(a),(d)所示。,当|r|=1时,x,y间为精确的线性关系或称为完全线性相关,如图3-7-4所示。,10/26/2026,79,2.相关性检验表,值得注意的是,当观察点组数N较少时,为了判断两变量之间是否相关,需要利用相关系数检验表(见本书附表2)。,表中给出了在两种不同的显著水平=0.05和=0.01情况下,对不同的样本容量N(注意表中给的第一列数字为N-2)判断相关性的临界值r0,当根据实际数据算得的|r|r0时,则认为在显著性水平下,两变量相关。,10/26/2026,80,就例3-7-2中的数据而言,可计算出,因为N=10,所以N-2=8,查得当显著水平=0.05时,r0=0.632;显著水平=0.01时,r0=0.765。因为|r|r0,所以可认为两变量相关可信,所配置直线方程有意义。,10/26/2026,81,(四)曲线回归方程的配置,在实际问题中,有时两个变量之间并不一定是线性关系,而可能是某种曲线的关系。如变量x,y呈幂函数的关系:y=Ax,B,;或呈指数关系:y=AB,x,。,这时,一般先将曲线方程转化为直线方程,其方法是进行变量代换。然后用直线回归方程的方法配置。,10/26/2026,82,【作业】,1.分层法的主要作用是什么?,2.实验喷漆新工艺,得到如下表的观察数据,试求Y与X之间的回归方程(保留2位小数)。,10/26/2026,83,
展开阅读全文