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,11 十一月 2026,统计质量控制的基本原理和常用工具,学习目标,1认识统计质量控制的基本原理;,2熟悉统计质量控制中常用的几个随机变量的,定义、特点、计算和相互关系;,3了解统计过程控制中常用的几种工具的概念,和使用方法。,第一节 统计质量控制的基本原理,一、质量波动及其统计规律,质量差异,是生产制造过程的固有本性,质量的波动具有客观必然性;,从引起质量波动的原因来看,质量波动可分为:,偶然性波动,和,系统性波动,两类。,1.,偶然性波动,大量的、微小的不可控因素的作,用而引起,这种波动具有随机性。,其特点,:偶然性波动对工序质量的影响比较小,,在现有生产技术条件下也难以识别和消除。,因此,偶然性波动也称为正常波动。,工序质量控,制的任务,是使正常波动维持在适度的范围内。,2.,系统性波动,由少量的、但较显著的可控因,素的作用而引起,这种波动不具有随机性。,其特点,:,(1),系统性波动也称为异常波动。,(2)系统性波动在未查明原因、采取纠正措施,前始终具有系统性,往往导致生产过程的,失控,对工序质量的影响十分显著,甚至,是破坏性的。,(3)系统性波动虽然常由突发性因素引起,但,在现有生产技术条件下一般易于识别和消,除。,工序质量控制的任务,是及时发现异常波动,查明,原因,采取有效的技术组织措施消除系统性波,动,使生产过程重新回到受控状态。,偶然性和系统性、正常和异常之间的关系是相对而,言的:,1.对微小的、不可控的随机性因素缺少有效的控,制,常会累积成或诱发出系统性因素,导致异,常波动,使生产过程失控。,2.由于技术和管理的进步,使原来难以识别和消,除的正常波动变得可以识别并消除。这时,原,来的正常波动在新的生产技术条件下将被转化,为异常波动。,为了不断提高生产过程质量控制的水平,在有效控制,正常波动,及时消除异常波动的基础上,应当通过质,量改进,使一些不可控随机性因素逐渐成为可控的系,统性因素,不断推进质量管理的水平。,生产制造质量,是产品设计、工艺选择、计划调度、,人员培训、工装设备、物资供应、计量检验、安全,文明、人际关系、劳动纪律等工作在生产现场的综,合反映,工序质量是诸多因素的综合作用。,常将影响工序质量的因素归纳为“5M1E”,即:,1.操作者(man);,2.机器设备(machine);,3.材料(material);,4.工艺方法(method);,5.测试手段(measure);,6.环境条件(environment)。,工序质量控制常表现为对“5M1E”这六大因素的控制。,在工序质量控制中,由于产品及工艺的不同,工序质,量取决于:,1.,有时是产品质量特性,。如尺寸、重量、精度、,纯度、强度、额定电流或电压等;,2.,有时是工艺质量特性,。如生产装置的温度、压,力、浓度、时间等;,3.,有时也可表现为物耗或效率等,。,因此,,工序质量波动,的具体表现就是生产过程中这,些,质量特性的波动,。,质量特性值的波动,具有统计规律性。,所谓,统计规律,,是指对于随机现象应用分布,(distribution)来进行描述,从分布中可以知道波动,的范围,以及出现大波动的可能性(概率,,probability)有多大;,在,受控状态下,的大量观测结果必然呈现某种统计意,义上的规律性。这种,统计规律性是统计质量控制的,必要前提和客观基础,。,统计质量控制,就是对生产过程中工序质量特性值,总体,进行随机抽样,通过,所得样本,对,总体,作出统计推,断,采取相应对策,保持或恢复工序质量的受控状态。,在统计质量控制中,工序质量特性值的观测数据是工,序质量的表现,不仅反映了工序质量的波动性,也反,映了这种波动的规律性。,根据质量特性值的属性,质量数据可分成:,1.计数值(计件值、计点值)离散型;,2.计量值 连续型;,在统计质量控制(SPC)中常见的:,离散型随机变量:,超几何分布、二项分布、泊松分布;,连续型随机变量,:正态分布;,*对于,连续型,计量,特征值,,如长度、重量、时间、强,度、纯度等,最常用的是,正态分布,;,*对于测量结果只有合格与不合格的,离散型,计件,特征值,最常用的是二项分布;,*对于,离散型的,计点,特征值,,如铸件上的沙眼数、布上的疵点数等数据,最常用的是,泊松分布,;,二、几个常用的随机变量(服从的分布),(一)超几何分布,(hypergeometric distribution),设有限总体由N个产品组成,其中有D个不合格品。对该总体作不放回随机抽样,样本容量为n。样本中不合格品数X为一离散型随机变量,服从,超几何分布,其恰为d的概率:,容易知道,d0,1,2,min(n,D)。,数学期望,和,方差,分别为:,其中,为总体不合格品率,,为总体合格品率。,超几何分布随机变量源于,有限总体,和,不放回抽样,模型,适用于,计件型质量特性值,的控制和检验问,题。,例1 某批产品共40件,其中不合格品有12件。现从中,任意取9件,以X表示其中不合格品的件数。求X,的概率分布及其数字特征。,解:9件样品中不合格品的件数为,超几何分布随机变量,(d=0,1,2,.,9),该批产品总体不合格品率 ,合格品率,所以,抽取的9件样品中合格品的件数平均值(即数学期望):,方差,标准差,(二)二项分布,(binomial probability distribution),设无限总体不合格品率为p(合格品率q1p)。,对其作随机抽样,样本容量为n。样本中不合格品,数X为一离散型随机变量,服从,二项分布,,其恰为d,的概率:,其中,d0,1,2,n。,它的,数学期望,和,方差,分别为,二项分布随机变量,源于,n重贝奴利试验,或源于,某有限总体的n次还原抽样,,适用于,计件型质,量特性值,的控制和检验问题;,二项分布是一种简单又非常重要的分布。,“简单”因为它描述的结果只有“非此即彼”,(合格或不合格、成功或失败);,“重要”因为这种模型在产品抽样检验中用,得最多;,贝奴利试验,:将试验E独立地重复进行n次,,如果每次都只有两种可能的结果A和,,且,P(A)=p,P(,)=1-p=q(0,p,0.463,故判定变量x与y在,=0.01,水平上存在较显著的负相关关系。,(5)在散布图上画回归直线,计算平均值:,计算回归系数:,回归直线方程:=30.34-0.33x,在散布图上画出回归直线,见图77。,计算回归直线的标准偏差s:,s=0.093,计算控制界限(选用2倍标准偏差):,控制上限y,U,=a+2s+bx=30.526-0.33x,控制下限y,L,=a-2s+bx=30.154-0.33x,在散布图上画出上、下控制界限见图77。,(6)预测,当检测的煤气中 CO,2,含量 x,0,=6.6%时,,从图77中可以推测:,输出煤气中的CO含量y在27.97%-28.34%,范围内。,六、直方图,直方图,适用于分析观测值分布的状态,以便对总体的分布特征进行推断。,直方图,是由直角坐标系中若干顺序排列的长方形组成。,各长方形的底边相等,为观测值区间,长方形的高为,观测值落入相应区间的频数。,在应用中,分析直方图的形状并规范界限比较可以判,断总体正常或异常,进而寻找发生异常的原因。常见,的直方图有:对称型分布、偏向型分布、双峰型分布、,锯齿型分布、平顶型分布、孤岛型分布分布等。分析,时要着眼于形状的整体。,绘图步骤一般如下:,(1)收集n个观测值(n50),(2)找出观测值中的最大值 X,L,,最小值 X,S,。,(3)确定观测值大约的分组数k。,(4)确定各组组距h=(x,L,x,S,)/k;,(5)确定各组组界。首先确定第一组下组界,然后,依次加入组距h,即可得到各组组界。观测值不,能落在组界上。,(6)作频数表。计算频数f。,
展开阅读全文