精选常用统计分析方法.doc

该【精选常用统计分析方法 】是由【朱老师】上传分享，文档一共【11】页，该文档可以免费在线阅读，需要了解更多关于【精选常用统计分析方法 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。常用统计分析方法1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根本方法,执行全面质量管理的根本手段,也是CAQ系统的根底,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。〔Pareto)"少数人占有社会上的大局部财富,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"(美国质量管理学家)把这个原理应用到质量管理中来,:(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)确定问题分类的工程 可按废品工程、缺陷工程、零件工程、不同操作者等进行分类。 (3)收集与整理数据 列表汇总每个工程发生的数量,即频数fi、工程按发生的数量大小,由大到小排列。最后一项为哪一项无法进一步细分或明确划分的工程统一称为“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为各工程发生频数之和。(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。 (1)确定主要因素、有影响因素和次要因素 根据排列图可以确定质量问题的主要因素:累计频率Fi在0-80%左右的假设干因素。是影响产品质量的主要因素,如图中焊缝气孔和夹渣。主要因素个数一般为1-2个,最多不超过3个。 根据排列图可以确定质量问题的有影响因素:累计频率Fi在80-95%左右的假设干因素。它们对产品质量有一定影响,称为有影响因素。 根据排列图可以确定质量问题的次要因素:累计频率Fi在95-100%左右的假设干因素,其对产品质量仅有轻徽影响,称为次要因素。 (2)抓主要因素解决质量问题 将质量影响因素分类之后,重点针对1-2项主要因素进行改进提高,以解决质量问题。实践证明,集中精力将主要因素的影响减少比消灭次要因素更加有效。 (3)检查质量改进措施的效果 采取改进措施后,为了检验其效果,可用排列图来检查。假设改进后的排列图中横坐标上因素频数矩形高度有明显降低,那么说明确有效果。因果图 在找出质量问题以后,为分析产生质量问题的原因,以确定因果关系的图表称为因果图。它由质量问题和影响因素两局部组成。图中主干箭头所指的为质量问题,主干上的大枝表示主要原因。中枝、小枝、细枝表示原因的依次展开。 (1)确定待分析的质量问题,将其写在图右侧的方框内,画出主干,箭头指向右端,见图2(a) (2)确定该问题中影响质量原因的分类方法。一般对于工序质量问题,常按其影响因素:人(Man)、设备(Machine)、原材料(Material)、方法(Method)、环境(Environment)等进行分类,简称为4M1E。对应每一类原因画出大枝、箭头方向从左到右斜指向主干,并在箭头尾端写上原因分类工程,见图2(b)。常用统计分析方法4(3)将各分类工程分别展开,每个大枝上分出假设干中枝表示各工程中造成质量问题的一个原因。中枝平行于主干箭头指向大枝。见图2(c) (4)将中枝进一步展开成小枝。小枝是造成中枝的原因,依次展开,直至细到能采取措施为止。 (5)找出主要原因,画上方框作为质量改进的重点。 (1)根据质量问题逆向追溯产生原因,由粗到细找出产生质量问题的各个层次、各种各样的原因。以及各原因的传递关系。 (2)因果图可明确原因的影响大小和主次。从而可以作为制定质量改进措施的指导依据。散布图在质量问题的原因分析中,常会接触到各个质量因素之间的关系。这些变量之间的关系往往不能进行解析描述,不能由一个〔成几个〕变量的数值精确地求出另一个变量的值,我们称之为非确定性关系。散布图就是将两个非确定性关系变量的数据对应列出,标记在坐标图上,来观察它们之间的关系的图表。 (1)收集数据所要研究的两个变量如果一个为原因,另一个为结果时,那么一般取原因变量为自变量,取结果变量为因变量。通过抽样检测得到两个变量的一组数据序列。 (2)在坐标上画点 在直角坐标系中,把上述对应的数据组序列以点的形式一一描出。注意,横轴与纵轴的长度单位选取原那么是使两个变量的散布范围大致相等,以便分析两变量之间的相关关系。 (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以下六种情形,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根本上随之线性增大,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根本上随之线性减小。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、本钱低〕的变量的控制到达对难控制〔操作复杂、本钱高〕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假设干顺序排列的矩形。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)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,但因收集数据需要消耗时间和人力、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、、下界取值。注意一个原那么: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,得到直方图。见图5所示。常用统计分析方法6 图5直方图 (1)计算均值和标准差S 均值表示样本数据的“质量中心〞,可以按下式计算,(3)式中,n为数据个数。 样本数据的分散或变异程度可用以下样本标准差进行度量:(4) (2)从直方图可以直观地看出产品质量特性的分布形态,便于判断工序是否处于统计控制状态,以决定是否采取相应处理措施。 至此为止,我们介绍了质量控制中常用的统计分析方法。这些方法都是现场中经常用到的,实现方便、简单有效的统计质量控制方法。各种方法可以单独使用,也可以综合使用,如何结合生产实际情况,选择一种适宜的方法,到达预期的控制效果,仍需要广阔工程技术人员在实践中不断摸索并总结经验。常用统计分析方法7控制图 现在将介绍过程控制中常用的控制图方法。包括控制图的重要性,控制图原理,控制图种类及选用。控制图的重要性 控制图是对生产过程或效劳过程质量加以测定、记录从而进行控制管理的一种图形方法。图9-6所示为一控制图图例。图上有中心线CL、上控制界限UCL和下控制界限LCL,并有按时间顺序抽取的样本统计量数值的描点序列。 统计过程控制(SPC)作为统计质量控制(SQC)的核心技术受到普遍的重视。目前,工业兴旺国家都将统计过程控制列为高技术工程,认为SPC是实现以预测为主的质量控制的有效手段。 控制图所以能获得广泛应用,主要是由于它能起到以下作用: 。应用控制图有助于保持过程处于控制状态,从而起到保证质量防患于未然的作用。 。应用控制图可以减少废品和返工,从而提高生产率、降低本钱和增加生产能力。 。控制图可用以区分质量的偶然波动与异常波动,从而使操作者减少不必要的过程调整。 。控制图可以提供重要的过程参数数据以及它们的时间稳定性,这些对于产品设计和过程设计都是十分重要的。控制图原理 任何一个生产过程,不管它是如何精确设计和精心维护,总存在着一定量的固有的或自然的变化。它是由许多偶然因素形成的偶然波动的累积效果。由于这种波动比较小,所以我们认为这时生产过程处于受控状态或称为稳态。 此外,在生产过程中有时也发生由异常因素造成的异常波动。如:由于设备调整不当、人为过失或原材料的缺陷而导致的质量波动。与偶然波动相比这种异常变化要大得多,而且往往表现一定的趋势和规律,此时,我们认为生产过程处于失控状态。 受控状态是生产过程追求的目标,此时,对产品的质量是有把握的。控制图即是用来监测生产过程状态的一种有效工具。 令W为度量某个质量特性的统计样本。假定W的均值为,而W的标准差为。于是,中心线、上控制限和下控制限分别为(5)(6)(7)式中,K为中心线与控制界限之间的用标准差为单位所表示的间隔宽度。 图7说明了控制图的控制原理。对于每一个控制点来讲,只要点子是在控制界限之间,我们就认为过程处于控制状态,不需要任何措施;但如果点子落在控制界限之外,就认为过程失控,必须找出异常因素。采取措施加以消除。 正常情况下点子分布是正态的,落在控制界限之内的概率远大于落在控制界限之外的概率。反之,假设点子落在控制界限之外,可能是属于正常情况下的小概率事件发生,也可能是过程异常发生,相对来讲,后者发生的概率要大得多。因此,我们宁可以为后者情况发生,这正是控制图的统计学原理。 点子落在控制界限之内是否一定处于稳态?点子落在控制界线之外是否一定出现异常?这两个问题的因答都是否认的。 更为科学的判断应根据概率统计方法对过程进行定量分析,精确计算出状态的概率值之后再进行过程状态判断。 以K取3为例(上、下界限距中心线距离为3倍的标准差)可计算出各种模式控制图的概率值,如表1所示。 〔〕 连续7点中在区间〔〕 连续10点中在区间〔〕 连续10点集中在区间〔〕 连续11点集中在区间〔〕 连续12点集中在区间〔〕 表1各种模式控制图的概率值 可见,根据不同的控制严格性要求应选用概率水平相应的控制图判断模式,如:当控制严格性要求为1%时,可选用概率水平接近或略低于1%的模式实例作为判断过程异常的准那么。各种模式都应选择确定出一个恰当的实例情况作为判稳准那么,所谓“恰当的〞是指其概率水平在同类模式中最接近控制严格性要求。否那么,概率水平过大不能满足质量控制要求;概率水平过小会造成误判次数增多从而降低生产效率、提高生产本钱。控制图种类及选用 控制图根据质量数据的类型可分为:计量值控制图、计件值控制图和计点值控制图。这些控制图各有各的用途,应根据所控制质量指标的情况和数据性质分别加以选择。数据类型分布形态控制图名称简记计量值正态分布均值-极差控制图R控制图 均值-标准差控制图S控制图 中位数-极差控制图-R控制图 单值-移动极差控制图RS控制图计件值二项分布