资源描述
目 录1. 直方图 6. 回归分析 2. 柏拉图 7. 箱线图3. 因果图 8. 假设检验 4. 控制图 9. 方差分析5. 散布图 10. MSA第1页/共62页1. 直方图在工作中经常要面对许多测量数据,如果我们应用统计绘图的方法,将这些数据加以整理,则制造过程的质量散布的情况,问题所在及过程能力等均呈现在我们眼前,我们即可利用这些信息来掌握问题点以及制定改进对策。第2页/共62页序号12345678910测试值241236246238244248237237228220序号11121314151617181920测试值244245250230245226218241241245序号31323334353637383940测试值251250229249239254240243238241序号41424344454647484950测试值2432382452422352392322492362401. 直方图如下为某产品特性记录表,请使用直方图看其分布情况!例第3页/共62页1. 直方图 数据整理并选择“如下”第4页/共62页1. 直方图第5页/共62页1. 直方图第6页/共62页2.柏拉图又名:排列图,其用途如下:(1) 作为降低不合格质量的依据,解决主要矛盾/缺陷。(2)确定改善目标。(3)关键的少数,次要的多数。第7页/共62页2.柏拉图例序号不良现像不良数1不开机52撞板不回弹163开机后退84充电无负载205驱动轮异音306下视失灵227不延边28不回充电座29面盖划伤710wifi不联网13第8页/共62页2.柏拉图第9页/共62页2.柏拉图第10页/共62页2.柏拉图第11页/共62页3.因果图又名:鱼骨图、树枝图其是分析质量问题与其影响原因之间的关系的有效工具。第12页/共62页3.因果图第13页/共62页3.因果图第14页/共62页3.因果图第15页/共62页3.因果图第16页/共62页4. 控制图用途:(1) 能及时发现生产过程中的异常现象和缓慢 的变异、预防不合格产品发生(2) 能有效分析判断生产过程中的稳定性,降 低检验、测试费用(3) 可查明设备和工艺手段的实际技术状况(4) 使生产成本和质量成为可预测的参数,可 高效识别系统误差的影响程度,降低质量 差别最小,提高质量和经济效益第17页/共62页4. 控制图序号样本_1 样本_2 样本_3 样本_4 样本_5 样本_6 样本_7 样本_8 样本_9 样本_10样本_11样本_12样本_13样本_14样本_15样本_16样本_17样本_18样本_19样本_201598.93 600.63 598.67 601.15 598.22 598.35 598.66 602.07 600.96 601.55 596.64 597.66 596.18 594.62 596.71 600.82 603.63 600.94 602.34 602.68 2602.80 591.97 597.73 596.54 597.41 600.39 598.89 596.94 596.19 598.54 599.53 603.14 597.27 602.42 604.71 599.24 604.43 604.56 602.30 597.70 3597.57 598.44 600.76 601.54 599.76 596.92 605.03 594.58 597.16 595.35 604.66 600.23 601.49 604.58 602.14 598.85 601.78 601.61 602.66 595.73 4604.02 598.76 604.58 598.26 601.87 594.95 602.19 600.19 596.53 604.71 598.81 596.38 599.17 604.68 597.53 603.42 594.35 600.32 598.13 605.61 5598.84 599.83 600.57 597.04 597.84 601.40 603.70 596.02 600.67 600.29 600.15 597.73 601.41 598.77 595.10 596.73 599.22 601.85 598.32 598.38 汽车发动机组装厂,某部件的轴承长度必须为600+/-2.5mm,以满足规格,轴承长度不符合规格是个长期的问题,它引起装配时配合不良,导致废品率和返工率居高不下,你的主管要求绘制Xbar-R 控制图已监控此特征,于是你在一个月中从工厂使用的轴承收集共100个观测值(20个样本,每个样本5个轴承)例第18页/共62页4. 控制图第19页/共62页4. 控制图第20页/共62页4. 控制图控制图的判异标准: (1)一点落在A区以外 (2)连续9点落在中心线同一侧 (3)连续6点递增或递降 (4)连续14点中相邻点上下交替 (5)连续3点有2点落在中心线同一侧的B区以外 (6)连续5点中有4点落在中心线同一侧的C区以外 (7)连续15点在C区中心线上下 (8)连续8点在中心线两侧但无一在C区中第21页/共62页5. 散布图散点图又称散布图、相关图,他研究的是两个变量是否具有相关性。1.正强相关(X 增大, Y也增大)2.正弱相关(X 增大, Y增大不明显)说明还有其他不可忽视的因素3.不相关4.曲线相关(X 增大, Y以某种曲线的形式变化)5.弱负相关(X 增大, Y有减小的趋势)6.强负相关(X 增大, Y随之减小)第22页/共62页5. 散布图第23页/共62页5. 散布图第24页/共62页5. 散布图第25页/共62页5. 散布图第26页/共62页5. 散布图正强相关(X 增大, Y也增大)第27页/共62页6. 回归分析在生产实际的过程中,有时需要知道一个变量与另一个变更的具体关系,回归分析就是找出合适的回归方程,从而用一个变量来预测另一个变量。一元线性回归方程是最简单的 y=f(x)X为自变更,Y 为因变量。第28页/共62页6. 回归分析例在某合金厂的一次质量改进活动中,合金的强度值y不稳定,经过6SIGMA小组分析合金中的碳含量x是主要原因。6SIGMA小组经过试验,取得数据如下:10.10 42.0 20.11 43.5 30.12 45.0 40.13 45.5 50.14 45.0 60.15 47.5 70.16 49.0 80.17 53.0 90.18 50.0 100.20 55.0 110.21 55.0 120.23 60.0 第29页/共62页6. 回归分析第30页/共62页6. 回归分析第31页/共62页6. 回归分析第32页/共62页6. 回归分析重点考察图中是否保持等方差,若有“漏斗形”或“喇叭形”即为为异常,此图正常重点是否随机在水平轴上下随机波动,若随机波动说明残差值相互独立重点看残值是否服从正态分布红色线代表正态回归线H0重点看残值的分布情况第33页/共62页7. 箱线图是一种用作显示一组数据分散情况资料的统计图。因形状如箱子而得名。1. 识别数据异常值; 2. 判断数据偏态和尾重; 3.比较几批数据的形状其形状和位置由最小值、第一四分位数Q1、第三分位数Q3、中位数、最大值这五个统计量决定的第34页/共62页7. 箱线图Q3 or UQ,第三四分位点Q1 or LQ,第一四分位点中位数Q3+1.5*IQRIQR=Q3-Q1Q1-1.5*IQRIQR=Q3-Q1*异常值Q准确计算公式,首先将样品本数据从小到大排序,记其中的第i者为Xi 对于给定的n,先给出(n+1)/4,其整数部分记为k ,其小数部分记为f(当然0f0.05, 无法拒绝原假设,因此接受原假设,即包装机正常工作。通过上述输出信息,我们可以知道样本N=10,样本平均值为501.30,标准差5.62基本信息外,可以通过3种方法对原假设是否成立进行判断:第45页/共62页8. 假设检验未知 第46页/共62页8. 假设检验第47页/共62页8. 假设检验与上面已知的结论相同第48页/共62页9. 方差分析 ANOVA在质量改进中,若需要考察设备对质量的影响,车间有4台车床,需要知道车床对质量的影响是否具有显著性,本质是4台车床的均值检验的问题,按照经验应该采取两个总体之间互相进行检验,我们就要检验C(2,4)=6次,这样每次置信水平是0.95,经过6次后只有0.735置性水平,这样检验就没有实际意义。因此:我们需要采用更稳妥的方法来解决这类多总体(2个以上的)均值检验的问题,这就是方差分析第49页/共62页9. 方差分析 ANOVA第50页/共62页9. 方差分析 ANOVA第51页/共62页9. 方差分析 ANOVAP=0.0339% 2. %研究的变异=33.56% %公差=40.56% 两者均大于30% ,故重复性和再现性不足3. 可区分的类别数=35 分辨率达不到要求因此,测量系统不合格,需要对测量系统进行改进,改进后再次进行测量系统分析,合格后方可使用。第57页/共62页10. MSA第58页/共62页10. MSA第59页/共62页10. MSA测量系统评价指标第60页/共62页结结 束束第61页/共62页感谢您的观看!第62页/共62页
展开阅读全文