品質(zhì)統(tǒng)計經(jīng)典培訓教程課件

單元(4)-A統(tǒng)計基礎及品質(zhì)統(tǒng)計資料數(shù)據(jù)基礎統(tǒng)計學生產(chǎn)製造環(huán)境品質(zhì)統(tǒng)計圖表製程能力分析SPC統(tǒng)計製程控制單元(4)-A資料數(shù)據(jù)資料及數(shù)據(jù)資料及數(shù)據(jù)你想瞭解什麼?資訊源:分組離散型名義型順序型間距型“資料本身並不能提供資訊——必須對資料加以處理以後才能得到資訊,而處理資料的工具就是統(tǒng)計學”.衡量連續(xù)型比率型●文字的(AtoZ)●圖示的●口頭的●數(shù)位的(0-9)數(shù)據(jù)你想瞭解什麼?資訊源:分組離散型名義型順序型間距型“資料本身FAILPASS計時器

NO-GOGO

數(shù)量

單價

說明

總價 1 $10.00 $10.00 3 $1.50 $4.50 10 $10.00 $10.00 2 $5.00 $10.00裝貨單

離散型資料和連續(xù)型資料電氣電路溫度溫度計連續(xù)型離散型卡尺錯誤FAILPASS計時器NO-GOGO 數(shù)量 $$連續(xù)資料的優(yōu)勢

連續(xù)的離散的信息量少信息量多$$連續(xù)資料的優(yōu)勢連續(xù)的離散的信息量少信息量多離散型資料(通常)分組/分類是/否,合格/不合格不能計算

離散型資料

分級

很少用

很難加以計算

連續(xù)型資料

最常見的尺規(guī)

計算時要很小心

連續(xù)型資料

比例關係

可應用演算法的多數(shù)公式

分類

標簽

第一、第二、第三

相對高度

字母順序

1<2<3<4溫度計

刻度盤

速度=距離/時間

直尺

衡量工具分類說明例子衡量工具分類名義型:不相關類,只代表符合條件或不符合條件個體數(shù).順序型:順序類,但沒有各類間隔的資訊.間距型:順序類,兩類之間間隔相等,但沒有絕對零點.比例型:順序類,兩

類之間間隔相等,同時存在絕對零點..離散型資料(通常)分類衡量工具分類說明例子衡量工具分類名無權(quán)使用數(shù)位相機

FredW.BillS.JohnD.SamC.BobT.JimC.JoeW.DianeA.名義型衡量工具名義尺規(guī)用於不考慮任何特性時，對各元素進行分類。

示例中的名義尺規(guī)包括魚骨圖上的“原因”,是/否,合格/不合格,等等。

設備應用環(huán)境材料油漆粘附性差應用表從每一組中選擇一項國籍

婚姻狀態(tài)

職業(yè)責任人列表有權(quán)使用數(shù)位相機無權(quán)使用數(shù)位相機FredW.BobT.名義型衡量工具名順序型衡量工具順序尺規(guī)根據(jù)特性給名義型資料排序(合格或不合格)。

順序尺規(guī)示例中包括相對高度、Pareto表、顧客滿意度調(diào)查，等等。

例1:Pareto表——油漆粘附性檢驗相對尺寸準備順序尺規(guī)原型油漆類型應用濕度操作者重要性例2:顧客調(diào)查問題:你認爲我們的服務如何?非常好很好好還好差順序型衡量工具順序尺規(guī)根據(jù)特性給名義型資料排序(合格或不合格完全同意

有點同意

既不同意也不反對有點反對

完全反對

比預期的稍差

比預期的差得多

最好

較好

中等較差

最差比預期的好得多

比預期的稍好與預期的一樣

比例尺規(guī)範圍舉例

學校裏的五分制(ABCDE)

七分制(1234567)

口頭評分(優(yōu)、好、中、可、差)

調(diào)查表問卷類型順序型衡量工具完全同意比預期的稍差比預期的好得多比例尺規(guī)範圍舉例調(diào)間距和比例衡量工具1.移動距離5040302010000.100.202.刻度盤

1009080706050403020100間距尺規(guī)(相對)通常用來表示等距類別的數(shù)位資訊，但沒有絕對零點。

刻度盤位於表座的頂端，用來作差異對比等。

比例尺規(guī)通常用來表示等距類別的數(shù)位資訊，但在測量範圍內(nèi)有絕對零點。卷尺、直尺、在恒定速度下位置相對於時間的值,等等。

間距尺規(guī)舉例:

(沒有絕對零點)比例尺規(guī)舉例:

(有絕對零點)3.相對速度1.直尺2.恒定速度下位置相對於時間的值3.將重量作爲以磚塊數(shù)量爲變數(shù)的函數(shù)值表座間距和比例衡量工具1.移動距離5040302010000基礎品質(zhì)統(tǒng)計學基礎品質(zhì)統(tǒng)計學變異(Variation)

當我們從一過程中收集數(shù)據(jù),會發(fā)現(xiàn)數(shù)據(jù)不會永遠相同,因為變異(Variation)在過程中隨時存在

製造流程Step1Step2Step3ProcessOutputOutputofProcessStepEquipmentMaterialsEnvironmentPeopleMethodsInformation變異(Variation)當我們從一過程中收集數(shù)據(jù),會發(fā)現(xiàn)變異(Process)=變異(Step1)+變異(Step2)+變異(Step3)+...

變異(ProcessStep)=

變異(Methods)+變異(Materials)+變異(Environment)+變異(People)+變異(Equipment)+變異(Information)變異(Variation)

我們觀察到的變異,是在過程中各種擾動累積起來的.變異(Process)=變異(Step1)+變異(St變異(Variation)

參數(shù)XXXXXXXXX量測值分佈多數(shù)在此少數(shù)在此Center均值Spread散佈雖然變異是隨機的,但他們的隨機性通常有模式存在,這種模式可用統(tǒng)計上的分佈(Distribution)來形容.如此變異加以統(tǒng)計分析,便可有某種程度的預測性存在並易於被理解或控制.變異(Variation)參數(shù)XXXXXXXXX量測值分佈變異(Variation)

中心Center:數(shù)據(jù)最集中在何處?散佈Spread:數(shù)據(jù)變異程度及分散狀況如何?形狀Shape:分佈是否對稱?扁平?凹凸?是否有異常區(qū)描述分佈(Distribution)Shape形狀Center中心Spread散佈變異(Variation)中心Center:數(shù)據(jù)最集中在變異(Variation)

變異可以是穩(wěn)定(Stable)或不穩(wěn)定(Unstable)的.-穩(wěn)定變異:變化的分佈較具預測性及一致性,對時間而言具可預測性-不穩(wěn)定變異:對時間而言不具可預測性PROCESS#1-StableVariation穩(wěn)定PartThicknessPROCESS#2-UnstableVariation不穩(wěn)定PartDistributionDistributionThickness變異(Variation)變異可以是穩(wěn)定(Stable)或變異(Variation)

在製造過程中,有變異都是不好.問題是我們能容忍到何種範圍.我們能容忍的變異是具有以下兩項特徵:TimeParameterSTABLE

(i.e.,consistentandpredictableovertime).

CAPABLE

(i.e.,smallvariationcomparedtotheproductspecifications.)

ProductSpecificationsParameterDistribution穩(wěn)定散佈小變異(Variation)在製造過程中,有變異都是不好.問控制變異(Variation)

1.Characterize2.Improve3.Control瞭解過程:使制程更好:保持穩(wěn)定並維持高制程能力過程由時間來看是否穩(wěn)?制程能力是否能滿足目標規(guī)格?確認並除去不穩(wěn)定原因確認並降低變異程度使?jié)M足規(guī)格持續(xù)監(jiān)視及控制過程的變異源特徵化改善控制控制變異(Variation)1.Characteriz因為用抽樣統(tǒng)計,其結(jié)果只是估計,和真實可能有差異.適當?shù)某闃涌墒菇y(tǒng)計分析更準確.Statistics分佈的數(shù)學描述與定義中心Center:數(shù)據(jù)最集中在何處?散佈Spread:數(shù)據(jù)變異程度及分散狀況如何?形狀Shape:分佈是否對稱?扁平?凹凸?是否有異常區(qū)因為用抽樣統(tǒng)計,其結(jié)果只是估計,Statistics分佈的樣本均值

=X樣本母體參數(shù)和樣本統(tǒng)計量

母體:

包含所關心特性的已經(jīng)製造或?qū)⒁u造的物件

的全體樣本:

在統(tǒng)計研究中實際測量的物件組。樣本通常爲所關心母體的子集

“母體參數(shù)”“樣本統(tǒng)計量”m=母體均值s=樣本標準偏差母體s=母體標準偏差~樣本均值=X樣本母體參數(shù)和樣本統(tǒng)計量母體:“母體參數(shù)”均值:一組值的算術平均均值:-反映所有值的影響-受極值影響嚴重

中位數(shù):反應50%的序一組數(shù)排序後居中的數(shù)

-在計算中不必包含所有值-相對於極值具有“可靠性”眾數(shù)值:-在一組資料中最常發(fā)生的值

Median(Mean平均)(Median中數(shù))眾數(shù)Center(中心)50%50%均值:一組值的算術平均均值:Median(Mean平全距:

在一組資料中，最高值和最低值間的數(shù)值距離變異(s2):

每個資料點與均值的平均平方偏差標準偏差(s):

變異數(shù)的平方根.

量化變動最常用的量

全距＝最大值－最小值Spread(散佈)6s全距:全距＝最大值－最小值Spread(散佈)6sThe"Rule"stateshowandcanbeusedtodescribetheentiredistribution:·

Roughly60-75%ofthedataarewithin1of.·

Roughly90-98%ofthedataarewithin2of.·

Roughly99-100%ofthedataarewithin3of.60-75%90-98%99-100%mm-sm-2sm+sm+2sm+3sm-3sSpread(散佈)The"Rule"stateshowandTheshapeofadistributioncanbedescribedbyskewness歪斜(denotedby1)andbykurtosis凹凸平坦(denotedby2).g1

>0g1

=0g1

<0g2

>0g2

=0g2

<0歪斜凹凸平坦Shape(形狀)Theshapeofadistributionca母體均值樣本均值母體標準偏差樣本標準偏差常用計算公式~母體變異樣本變異~母體均值樣本均值母體標準偏差樣本標準偏差常用計算公式~母體變ThemostimportantandusefuldistributionshapeiscalledtheNormaldistribution,whichissymmetric(對稱),uni-modal(單峰),andfreeofoutliers(沒有特異點):NormalDistribution常態(tài)分佈“常態(tài)”分佈是具有某些一致屬性的資料的分佈這些屬性對理解基礎過程（資料從該過程中收集）的特徵非常有用.大多數(shù)自然現(xiàn)象和人爲過程都符合常態(tài)分配，可以用常態(tài)分配表示,

故大部份統(tǒng)計都假設是常態(tài)分佈。即使在資料不完全符合常態(tài)分配時，分析結(jié)果也很接近。特別不正常的分佈若假設為常態(tài)而去分析則有可能得到誤導結(jié)果。有數(shù)學技術可將其轉(zhuǎn)變成常態(tài)分佈來作分析。ThemostimportantandusefulANormalprobabilityplotisacumulativedistributionplotwheretheverticalscaleischangedinsuchawaythatdatafromaNormaldistributionwillformastraightline:

HistogramCumulativeDistribution

NormalProbabilityPlot常態(tài)概率圖NormalDistribution常態(tài)分佈ANormalprobabilityplotisa第一個屬性:只要知道下面兩項就可以完全描述常態(tài)分配:

均值標準差

常態(tài)分配的好處-簡化第一個分佈第二個分佈第三個分佈這三個分佈有什麼不同?第一個屬性:只要知道下面兩項就可以完全描述常態(tài)分配:常態(tài)常態(tài)曲線和其概率

43210-1-2-3-440%30%20%10%0%99.73%第二個屬性:曲線下方的面積可以用於估計某“事件”發(fā)生的累積概率

95%68%樣本值的概率距離均值的標準偏差數(shù)得到兩值之間的值的累積概率常態(tài)曲線和其概率43210-1-2-3-440%30%20練習練習常態(tài)概率圖

130120110100908070603002001000C2常態(tài)概率圖頻率1101009080706050403020100500C1常態(tài)概率圖頻率807060504030201003002001000C3常態(tài)概率圖頻率13012011010090807060.95.01.001平均：70標準偏差：10資料個數(shù)：500Anderson-Darling常態(tài)測試A平方:46.447P-值:0.000正偏斜分佈概率正偏斜1069686766656463626.95.01.001常態(tài)分配常態(tài)概率平均值：70標準偏差:10資料個數(shù)：500Anderson-Darling常態(tài)測試A平方:0.418P-值:0.328我們可以用常態(tài)概率圖檢驗一組給定的資料是否可以描述爲“常態(tài)”如果一個分佈接近常態(tài)分配，則常態(tài)概率圖將爲一條直線。常態(tài)概率圖130120110100908070603002神秘分佈

以寸爲的神秘變數(shù)畫的常態(tài)概率圖。

你的結(jié)論是什麼?這是常態(tài)分配嗎?

15010050.95.01.001神秘分佈常態(tài)分配A平方：27.108P-值:0.000神秘概率平均值：100標準偏差：32.3849資料個數(shù)：500神秘分佈以寸爲的神秘變數(shù)畫的常態(tài)概率圖。150100518013080301201101009080Stat>BasicStatistics>DisplayDescriptiveStatistics>Graphs>GraphicalSummaryA227.11描述性統(tǒng)計圖形分析總結(jié)變數(shù)：神秘中值的95%信賴區(qū)間

μ的95%信賴區(qū)間

Anderson-Darling常態(tài)測試P值0.00均值100.00標準偏差32.38變異數(shù)1048.78偏度0.01峰度-1.63資料量500.00最小值41.77第一象限68.69中值104.20第三象限130.81最大值162.82μ的95%信賴區(qū)間97.5102.85s的95%信賴區(qū)間30.4934.53中值的95%信賴區(qū)間82.78117.6618013080301201101009080Stat>資料收集時的重點Howthedataarecollectedaffectsthestatisticalappropriatenessandanalysisofadataset(資料如何收集可影響統(tǒng)計的適切性).Conclusionsfromproperlycollecteddatacanbeappliedmoregenerallytotheprocessandoutput.InappropriatelycollecteddataCANNOTbeusedtodrawvalidconclusionsaboutaprocess.Someaspectsofproperdatacollectionthatmustbeaccountedforare:Themanufacturingenvironment(製程環(huán)境)fromwhichthedataarecollected.Whenproductsaremanufacturedinbatchesorlots,thedatamustbecollectedfromseveralbatchesorlots.Randomization(隨機).Whenthedatacollectionisnotrandomized,statisticalanalysismayleadtofaultyconclusions.資料收集時的重點HowthedataarecolleContinuousManufacturing(連續(xù))occurswhenanoperationisperformedononeunitofproductatatime.Anassemblylineistypicalofacontinuousmanufacturingenvironment,whereeachunitofproductisworkedonindividuallyandacontinuousstreamoffinishedproductsrollofftheline.TheautomotiveindustryisoneexampleofContinuousManufacturing.Otherexamplesofcontinuouslymanufacturedproductare:·

televisionsets,·

fastfoodhamburgers,·

computers.Lot/BatchManufacturing(批次)occursoccurswhenoperationsareperformedonproductsinbatches,groups,orlots.Thefinalproductcomesoffthelineinlots,insteadofastreamofindividualparts.Productwithinthesamelotareprocessedtogether,andreceivethesametreatmentwhilein-process.Lot/BatchManufacturingistypicalofthesemiconductorindustryandmanyofitssuppliers.Otherexamplesoflot/batchmanufacturedproductinclude:·

chemicals,·

semiconductorpackages,·

cookies.ManufacturingEnvironment製造環(huán)境ContinuousManufacturing(連續(xù))oInContinuousManufacturingthemostimportantvariationisbetweenpartsInLot/BatchManufacturing,thevariationcanoccurbetweenthepartsinalotandbetweenthelots:·

Productwithinthesamelotismanufacturedtogether.·

Productfromdifferentlotsaremanufacturedseparately.

Becauseofthis,eachlothasadifferentdistribution.ThisisimportantbecauseContinuousManufacturingisabasicassumptionformanyofthestandardstatisticalmethodsfoundinmosttextbooksorQChandbooks.ThesemethodsarenotappropriateforLot/BatchManufacturing.DifferentstatisticalmethodsneedtobeusedtotakeintoaccounttheseveralsourcesofvariationinLot/BatchManufacturing.要注意:連續(xù)和批量生產(chǎn)所用的統(tǒng)計方法有些不同InContinuousManufacturingthWithLot/BatchManufacturing,eachlothasadifferentmean.Duetorandomprocessingfluctuations,theselotswillvaryeventhoughtheprocessmaybestable.Thisresultsinseveral“l(fā)evels”ofdistributions,eachlevelwithitsownvarianceandmean:·

Adistributionofunitsofproductwithinthesamelot.·

Adistributionofthemeansofdifferentlots.·

Thetotaldistributionofallunitsofproductacrossalllots.LotX12345**********DistributionofIndividualLotDistributionofLotMeansOverallDistributionofCombinedLotsVariationWithinEachLotVariationBetweenLotsTotalVariationWithLot/BatchManufacturing,ThedifferentvariancesofaLot/BatchManufacturingprocessformahierarchycallednesting.Datacollectedfromsuchprocessesusuallyhavewhatiscalledanesteddatastructure.1121234512345LOTS班2121234512345Eachofthelevelsinthenestedstructurecorrespondstoasinglevariance.Withanesteddatasetfromthisprocess,weneedtotakeeachsourceofvariationintoaccountwhencollectingdatatoensurethetotalprocessvariationisrepresentedinourdataset:生產(chǎn)線ThedifferentvariancesofaL22

22222X12X2212121

,

,

;X;X

;

XXXX+=+====總

總

總

6原則

變異數(shù)可相加,標準差則不能相加輸入變數(shù)變異數(shù)相加計算輸出中的總變異數(shù)

所以那麼引起的變異數(shù)輸入變數(shù)引起的變異數(shù)輸入變數(shù)過程輸出的變異數(shù)如果2222222X12X2212121,,;X;123456LotsWithinissmallsLotislargeprocesshassmallwithin-lotvariationandlargelot-to-lotvariation(whichisverycommon),datavaluesfromthesamelotwillbehighlycorrelated,whiledatafromdifferentlotswillbeindependent:

123456LotsWithinissmallsLot品質(zhì)統(tǒng)計圖表直方圖(Histograms)方框圖(Boxplots)柏拉圖(ParetoDiagrams)散佈圖(Scatterplots)趨勢圖(TrendCharts)品質(zhì)統(tǒng)計圖表直方圖(Histograms)品質(zhì)統(tǒng)計圖表-直方圖(Histograms)Histogramsprovideavisualdescriptionofthedistributionofasetofdata.Ahistogramshouldbeusedinconjunctionwithsummarystatisticssuchasands.

Ahistogramcanbeusedto:

·

Displaythedistributionofthedata(現(xiàn)示數(shù)據(jù)的分佈).

·

Provideagraphicalindicationofthecenter,spread,andshapeofthedatadistribution(較定性地顯示數(shù)據(jù)的均值,散佈及形狀).

·

Clarifyanynumericalsummarystatistics(whichsometimesobscureinformation).(顯示較模糊的統(tǒng)計結(jié)果).·

Lookforoutliers-datapointsthatdonotfitthedistributionoftherestofthedata.(顯示異常點)品質(zhì)統(tǒng)計圖表-直方圖(Histograms)Histogr::...:..::::::.::::.::.:...:.:.:::::::::::::::.::.::::..::.+++++加侖/分鐘

49.0049.5050.0050.5051.00點圖分佈

設想有一個泵流量爲50加侖/分鐘的計量泵。按照節(jié)拍對泵的實際流量進行了100次獨立測量。畫出各個點，每點代表一個給定值的輸出“事件”。當點聚集起來時，泵的實際性能狀況可以看作泵流量的“分佈”。

:51.350.850.349.849.348.8403020100直方圖分佈

還是這些資料，現(xiàn)在設想將其分組後歸入“區(qū)間”。泵流量點落入指定區(qū)間的次數(shù)決定區(qū)間條的高度。

頻率加侖/分鐘51.350.850.349.849.348.8403020品質(zhì)統(tǒng)計圖表-直方圖(Histograms)150.7149.7154.5149.6155.3149.0160.5149.0155.3149.3149.2153.5145.5161.0151.5154.3150.9152.4150.5152.3144.5151.6151.1151.0147.5150.6147.4150.8148.3146.8148.7147.6153.0139.0153.4146.5151.4143.5149.4150.4153.1150.7149.1150.6149.6152.5145.2150.5146.4151.3151.7145.6147.1152.6147.0148.5155.0148.4151.3148.8146.7152.7155.3146.6144.8150.9149.5151.4147.3154.9151.2148.6142.5151.6151.0152.9146.9145.3150.8150.3153.6154.6150.6148.6155.1145.4148.5157.0148.9145.0147.7151.1149.7154.4149.1151.5153.3149.5152.8150.8品質(zhì)統(tǒng)計圖表-直方圖(Histograms)150.714品質(zhì)統(tǒng)計圖表-直方圖(Histograms)·

Multi-Modal

Shape(雙峰):

·

SkewedShape(偏一邊):

Datacanberight-skewedorleft-skewed.Thisdataisright-skewed–therighttailislongerthanthelefttail.

Outliers:特異點品質(zhì)統(tǒng)計圖表-直方圖(Histograms)·

練習練習品質(zhì)統(tǒng)計圖表-方框圖(Boxplots)Boxplotsareagraphicaltoolvaluableforcomparingthedistributionsoftwoormoregroups(e.g.,differentlots,shifts,operators,etc.).Eachdistributiononthischartconsistsofthefollowing:

·

A“box”representingthemiddle50%ofthedatavalues.Thelengthofthe“box”iscalledthe“InterquartileRange”(IQR).Insidethe“box”isalinerepresentingthemedian(50thpercentile)ofthedata.

·

Two“tails”whichextendouttotheminimumandmaximumdatavalues(assumingtherearenooutliersinthedata).

·

Ifthedistancebetweentheadatapointandthenearerquartileisgreaterthan1.5xIQR,thedatapointislabeledasanoutlier,andthe“tail”onthatsideoftheboxplotisshortenedtotheoutermostdatavaluewithin1.5xIQRfromthequartile.品質(zhì)統(tǒng)計圖表-方框圖(Boxplots)Boxplots品質(zhì)統(tǒng)計圖表-方框圖(Boxplots)MedianMaximumDataValue75thPercentile25thPercentileOutermostdatavalueswithin1.5xIQRofthe75thand25thPercentiles.OutlierNOOUTLIERSIQROUTLIERSMinimumDataValueOutlier1.5xIQR品質(zhì)統(tǒng)計圖表-方框圖(Boxplots)MedianMax品質(zhì)統(tǒng)計圖表-方框圖(Boxplots)EXAMPLE:CreatingaBoxplot

Thefigurebelowisaboxplotofthe100platingthicknessmeasurements.Thehistogramforthesamedatasetisdisplayedforcomparison.品質(zhì)統(tǒng)計圖表-方框圖(Boxplots)EXAMPLE:品質(zhì)統(tǒng)計圖表-方框圖(Boxplots)Lot1Lot2Lot3Lot4Lot5Lot6Lot7149.18144.78146.77167.85144.51134.96152.41151.31147.18150.66164.17144.41134.7146.76150.8145.66145.11168.23146.68135.02148.19149.06147.09145.09162.88145.4134.63143.75151.73145.86145.98163.1143.3134.87153.71148.15144.64146.77166.91146.87135.34145.13152.55143.67149.9165.78148.61134.6148.54Platingthicknessmeasurementscollectedfrom7lotsofproduct.品質(zhì)統(tǒng)計圖表-方框圖(Boxplots)Lot1Lot品質(zhì)統(tǒng)計圖表-方框圖(Boxplots)·

Multi-Modal

Shape:

·

Skewed

Shape:

Outliers:

品質(zhì)統(tǒng)計圖表-方框圖(Boxplots)·

練習練習品質(zhì)統(tǒng)計圖表-柏拉圖(ParetoDiagrams)Whilehistogramsareusedtodisplaythedistributionofasetofcontinuous(measured)data,Paretodiagramsareusedtodisplaythedistributionofdiscrete(counted)data,suchasdifferenttypesofdefects.

Paretodiagramscanalsobeusedwithcontinuous(measured)data,particularlyindisplayingvariancecomponentsanalysisresults,aswewillseelaterinthiscourse.

Paretodiagramsareausefultoolfordeterminingwhichproblemsortypesofproblemsaremostsevereoroccurmostfrequently,henceshouldbegivenhighpriorityforprocessimprovementefforts.Paretodiagramsseparatethesignificant"vitalfew"problemsfromthe"trivialmany"tohelpdeterminewhichproblemstoaddressfirst(andwhichtoaddresslater).重點中找重點!品質(zhì)統(tǒng)計圖表-柏拉圖(ParetoDiagrams)WhPareto圖分析Pareto圖根據(jù)frequency欄的內(nèi)容判斷各個缺陷影響的大小，並按從大到小的次序排列。最後一組總是標有“其他”，並以默認方式包括所有缺陷的分類計算，這幾類缺陷非常少，它們占總?cè)毕莸?%以下。該圖右側(cè)Y軸表示占總?cè)毕莸陌俜直?，左?cè)Y軸表示缺陷數(shù)。紅線(在螢幕上可以看到)表示累積百分比，而直方圖表示每類缺陷的頻率(占總量的百分比)。在圖的下方列出所有的值

百分比缺陷的Pareto圖

計數(shù)

缺陷

計數(shù)2745943191018百分比64.813.94.3累積百分比％64.878.788.993.493.4100.0螺釘丟失

夾子丟失襯墊泄漏

外殼有缺陷

零件不完整

其他

4003002001000100806040200百分比（%）品質(zhì)統(tǒng)計圖表-柏拉圖(ParetoDiagrams)Pareto圖分析Pareto圖根據(jù)frequencyPareto圖分析:創(chuàng)建一個加權(quán)的Pareto圖

通過指定金額/缺陷或用其他的加權(quán)方法，可以給次數(shù)加權(quán)。列在C1中的缺陷發(fā)生次數(shù)的價格列在C3(value)中，價格乘以次數(shù)等於這類缺陷的費用(c4)。繪製費用（cost）曲線圖，而不是繪製次數(shù)（count）圖，這樣可以更好地說明每個缺陷對業(yè)務的影響。

缺陷的Pareto圖

缺陷計數(shù)2320.711653.001230.00800.00349.87155.52百分比35.725.418.9累積百分比％35.761.079.992.297.6100.0螺釘丟失螺釘丟失襯墊泄漏外殼有缺陷零件不完整其他6000500040003000200010000100806040200計數(shù)百分比（%）品質(zhì)統(tǒng)計圖表-柏拉圖(ParetoDiagrams)Pareto圖分析:創(chuàng)建一個加權(quán)的Pareto圖通過指層別Pareto圖:解釋分組資料

上圖使用了一個ByVariable（從屬變數(shù)），所有的圖都在一頁上。下圖使用同樣的命令，沒有從屬變數(shù)。當選擇每頁一張圖時，所有的圖的計數(shù)(左軸)刻度相同。右側(cè)的百分比只反映該圖占總體的百分比。這些圖表明，70%的記錄缺陷是刮傷和剝落的(下部)，約有一半的缺陷是夜班人員記錄的(上右圖)。此外，記錄缺陷是刮傷和剝落的比例，對白班和夜班的來說似乎也差不多。然而，晚班和周末班出現(xiàn)的缺陷樣式是不同的。

裂紋Pareto圖

白班

晚班

夜班

周末班

刮傷剝落其他污點

151050151050151050151050裂紋Pareto圖403020100100806040200缺陷計數(shù)151366百分比37.532.515.015.0累積百分比％35.570.085.0100.0刮傷撥落其他污點計數(shù)

計數(shù)計數(shù)計數(shù)計數(shù)百分比（%）品質(zhì)統(tǒng)計圖表-柏拉圖(ParetoDiagrams)層別Pareto圖:解釋分組資料上圖使用了一個ByV練習練習品質(zhì)統(tǒng)計圖表-散佈圖(Scatterplots)Untilnow,allthegraphicaltoolswe'vediscussedhavebeenforexaminingthedistributionofasingleprocesscharacteristic.Thescatterplotisagraphicaltoolforexaminingtherelationshipbetweentwoprocesscharacteristics.AscatterplotisanX-Yplotofonevariableversusanother.

Eachunitofproductusuallyhasmanycharacteristics,processinputvariables,etc.Oneobjectivemightbetoseewhethertwovariablesorcharacteristicsarerelatedtoeachother(i.e.,toseewhathappenstooneofthevariableswhentheothervariablechanges).Thisrelationshipbetweentwovariablesiscalledcorrelation.Scatterplotscanhelpusanswerthistypeofquestion.品質(zhì)統(tǒng)計圖表-散佈圖(Scatterplots)Until品質(zhì)統(tǒng)計圖表-散佈圖(Scatterplots)AcidAgeEtchRateAcidAgeEtchRateAcidAgeEtchRate4.0134.5134.0154.5181.5302.5233.0183.5191.0313.5195.575.044.0122.0253.5212.0241.0292.0261.0283.0205.593.0195.064.5145.095.592.5272.5251.5301.531品質(zhì)統(tǒng)計圖表-散佈圖(Scatterplots)Acid品質(zhì)統(tǒng)計圖表-散佈圖(Scatterplots)Inadditiontotellinguswhetherornottwovariablesarerelated,scatterplotscantellushowtheyarerelated,andthestrengthoftherelationship:StrongPositiveCorrelation強正相關NoCorrelation無關WeakNegativeCorrelation弱負相關WeakPositiveCorrelation弱正相關StrongNegativeCorrelation強負相關品質(zhì)統(tǒng)計圖表-散佈圖(Scatterplots)Inad品質(zhì)統(tǒng)計圖表-散佈圖(Scatterplots)Inaddition,scatterplotsareanexcellenttoolfordeterminingthetypeofrelationshipbetweenthetwovariables,aswellaslookingforoutliers:LinearRelationship線性相關Outliers特異Non-LinearRelationship非線性相關品質(zhì)統(tǒng)計圖表-散佈圖(Scatterplots)Inad品質(zhì)統(tǒng)計圖表-散佈圖(Scatterplots)CorrelationandCausationWemustalwaystakecarenottoconfusecorrelationwithcausation.Thefactthattwocharacteristicsarecorrelateddoesnotprovethatonecausestheother.Bothmayberelatedtosomeotherfactorwhichisthetruerootcause.NumberofTelevisionsNumberofTrafficAccidents19701990Butisthereacause-effectrelationshipbetweenthetwo?·

DidtheincreaseinTV’scausethenumberofaccidentstogoup?(Notlikely.)·

DidtheincreaseintrafficaccidentscausepeopletobuymoreTV’s?(Notlikely,either.)品質(zhì)統(tǒng)計圖表-散佈圖(Scatterplots)Corre練習練習品質(zhì)統(tǒng)計圖表-趨勢圖(TrendCharts)TrendCharts

Stability:Aprocessisstableifitsmeanandstandarddeviationareconstantandpredictableovertime.

Adisadvantageofhistogramsandnormalprobabilityplotsisthattheycannotbeusedtodeterminewhethertheprocessisstableovertime.Aplotofthedataintimeorderwillallowustodothat.

Thesetime-orderedplots,calledTrendchartsandControlchartsareessentialwhenexaminingthestabilityofadistributionovertime.Atrendchartoracontrolchartcandetectinstabilityifitexists.

Controlcharts,whichareaspecialkindoftrendchart,arediscussedindetailseparatelyinalatercoursemodule.可看出穩(wěn)定性及預測性品質(zhì)統(tǒng)計圖表-趨勢圖(TrendCharts)Trend品質(zhì)統(tǒng)計圖表-趨勢圖(TrendCharts)Thetablebelowcontainsaverageplatingthicknessmeasurementstakenfrom21lotsofproduct.Belowthatisatrendchartofthedata.Lot#PlatingThicknessLot#PlatingThicknessLot#PlatingThickness1151.98143.815149.22147.49152.716147.53155.810147.417151.94151.711152.718141.95149.212143.819152.76153.813137.120147.47159.914142.521157.3品質(zhì)統(tǒng)計圖表-趨勢圖(TrendCharts)Thet練習練習品質(zhì)統(tǒng)計圖表-

NoisyTheresultsofastatisticalanalysiscanbeseriouslyaffectedbythefailureofthedatatomeetcertainrequiredassumptions.OneofthemostcommonassumptionsisthatthedatavaluesareindependentandthattheycomefromaNormaldistribution.Thisassumptioncanbeviolatedinseveralways:

·

Outliers(pointsthatdonotfittherestofthedistribution)inthedata,

·

Non-Normal-shapeddistributions(multi-modalorskeweddistributions),

Datathatexhibitthesecharacteristicscanbethoughtofasnoisydata.Theproceduresinthissectionprovidetechniquesforeffectivedetectionandanalysisofnoisydata.雜訊品質(zhì)統(tǒng)計圖表-NoisyTheresultsofa品質(zhì)統(tǒng)計圖表-

NoisyBoxplotsTrendChartHistogramScatterplotNormalProb.Plot品質(zhì)統(tǒng)計圖表-NoisyBoxplotsTrendCh品質(zhì)統(tǒng)計圖表-

NoisyRecommendedstrategyforhandlingoutliers:

1.

Identifytheoutliersusingthemethodsdescribedinthefollowingpages.Ifpossible,findthecausesoftheoutliers.Removetheoutlierswithidentifiedcausesfromthedataset(找原因).

2.

Ifalltheoutlierscanbeexplained,thenanalyzethedataasusual.

3.

However,ifthereareanyoutliersthatdonothaveexplanations,analyzethedatatwice:·

includingtheoutliers,·

excludingtheoutliers.Seeifandhowtheanalysisresultsdiffer.品質(zhì)統(tǒng)計圖表-NoisyRecommendedstra製程能力分析製程能力分析當製程開始產(chǎn)生變異時,其統(tǒng)計分佈圖的形狀也開始變化。通常變化不外下面三種基本狀況的組合:整體製程數(shù)據(jù)漂移散佈變寬中心值漂移若將每日之統(tǒng)計分佈串起來一起看,則又可看到更多變異現(xiàn)象,一般可分為兩種如下:

1.突發(fā)變異:製程中有特殊或突發(fā)原因而產(chǎn)生變異,造成不穩(wěn)定。例:每日生產(chǎn)參數(shù)設定漂移。2.共同變異:製程中只有共同原因的變異此種現(xiàn)象是穩(wěn)定的”不良”。例:模具尺寸超差。當製程開始產(chǎn)生變異時,其統(tǒng)計分佈圖的形狀也開始變化。通常變化瞭解以上基本觀念後便開始加入管制的觀念。作管制時加入規(guī)格上下線,超出規(guī)格則視為不良如下圖:瞭解以上基本觀念後便開始加入管制的觀念。作管制時加入規(guī)格上下製程能力好,中心值在目標上且分佈均在規(guī)格內(nèi)製程能力尚可,中心值在目標上,分佈均在規(guī)格內(nèi)但稍微太分散製程能力尚可,中心值有漂移,但分佈尚在規(guī)格內(nèi)製程能力不好,中心值雖在目標,但分佈超出規(guī)格外製程能力不好,中心值不在目標,分佈雖集中但超出規(guī)格外製程能力最差,中心值不在目標,分佈不集中且超出規(guī)格外製程能力好,中心值在目標上且分佈均在規(guī)格內(nèi)製程能力尚可,中心計算Ca,Cp,Cpk公式規(guī)格中心mLSL+3-3製程寬度6規(guī)格寬度TUSLSuSLCa:CapabilityofAccuracy準確度:實際中心Ca-=Xm(T/2)-XmXCa只對雙邊規(guī)格適用.分級標準如下:等級

Ca值A│Ca│≦12.25%B12.25%<│Ca│≦25%C25%<│Ca│≦50%D│Ca│>50%計算Ca,Cp,Cpk公式規(guī)格中心mLSL+3-3計算Ca,Cp,Cpk公式規(guī)格中心mLSL+3-3製程寬度6規(guī)格寬度TUSLSuSLCp:CapabilityofPrecision精確度:實際中心-XmX當僅有下限時:Cp=(-SL)/(3σ)對雙邊規(guī)格:Cp=T/(6σ)當僅有上限時:Cp=(Su-)/(3σ)XX等級Cp值ACp≧1.33B1.00≦Cp<1.33C0.67≦Cp<1.00DCp<0.67分級標準如下:

計算Ca,Cp,Cpk公式規(guī)格中心mLSL+3-3計算Ca,Cp,Cpk公式Cpk:指制程能力參數(shù),是Cp和Ca的綜合.

對雙邊規(guī)格:

Cpk=(1-│Ca│)*Cp=Min[(Su-)/(3σ),(-SL)/(3σ)]

對單邊規(guī)格,可以認為T為∞,則

Ca=(-μ)/(T/2)=0Cpk=(1-│Ca│)*Cp=Cp等級Cpk值評價ACpk≧1.33理想B1.00≦Cpk<1.33正常CCpk<1.0不足

分級標準如下:XXX計算Ca,Cp,Cpk公式Cpk:指制程能力參數(shù),是C練習練習SPC統(tǒng)計製程控制SPC統(tǒng)計製程控制SPC介紹SPC是用於研究變動的一種基本工具,它使用統(tǒng)計信號監(jiān)測並改善過程績效。該工具可用於任何領域：製造業(yè)、商業(yè)，銷售業(yè)等等…SPC是統(tǒng)計程式控制（StatisticalProcessControl）的縮寫。大多數(shù)公司是將

SPC用於最終産品(Y)上,而不是用於過程特徵(X)。第一步是使用統(tǒng)計方法控制公司的輸出。然而，只有我們將重點放在控制輸入(X),而不是控制輸出(Y)時,我們才能認識到我們在提高質(zhì)量、生産率及降低成本上的努力收效有多大。SPC介紹SPC是用於研究變動的一種基本工具,它使用統(tǒng)計信號什麼是統(tǒng)計製程控制（SPC）所有過程都有固有變動（由於一般原因）和非固有變動（由於特殊原因），我們使用SPC來監(jiān)測並改善過程。

SPC的使用使我們能夠通過失控信號發(fā)現(xiàn)特殊原因。這些失控信號無法說明過程失控的原因，只能表明過程處於失控狀態(tài)?？刂茍D表是在統(tǒng)計上從時間上跟蹤過程和産品參數(shù)的方法?？刂茍D表中包括反映過程隨機變動固有限值的上下控制限值。這些限值不應與顧客規(guī)定限值相比較。什麼是統(tǒng)計製程控制（SPC）所有過程都有固有變動（由於一般原什麼是統(tǒng)計製程控制（續(xù)）基本統(tǒng)計原理，控制圖表能夠用於識別過程變數(shù)中的非固有（非隨機）型式。當控制圖表出現(xiàn)非隨機型式信號時，我們就可以知道特殊原因引起的變動改變了過程。我們採用措施修正控制圖表中非隨機型式，這是成功使用

SPC的關鍵?？刂葡拗凳且誀懞饬康腨或X建立±3σ限值爲基礎。什麼是統(tǒng)計製程控制（續(xù)）基本統(tǒng)計原理，控制圖表能夠用於識別過沒有正確訓練X或Y的SPC=牆紙警示信號用於發(fā)現(xiàn)缺陷。一旦生産成爲1#優(yōu)先度，操作者將學會忽略或切警示信號!!!實施S.O.P以發(fā)現(xiàn)缺陷。這種措施不能短期或長期保持。用經(jīng)過充分訓練的操作者對X或Y進行統(tǒng)計程式控制（SPC）。操作者已受過訓練並瞭解SPC的規(guī)定，但管理層不準許他們停下來或進行研究。第3種類型修正措施=檢查：實施短期遏制政策的措施，這種措施有可能發(fā)現(xiàn)由錯誤條件引起的缺陷。常用的遏制政策是審查或100%檢查。對遵守規(guī)定的操作者和職員進行充分訓練，用他們對X或Y進行統(tǒng)計程式控制（SPC）。一旦圖表顯示出現(xiàn)問題，每個人瞭解SPC規(guī)定，並由於識別和消除特殊原因而同意停止。第2種類型修正措施=標記：對那些錯誤條件已經(jīng)出現(xiàn)的過程進行改善。該標記使設備停工，以免缺陷繼續(xù)發(fā)展。第1種類型修正措施=防範措施：改善過程，消除錯誤條件發(fā)生的情況，缺陷永遠也不會發(fā)生。在防錯或設計變更形式上，這也可作爲長期的修正措施?？刂品椒ㄗ畈钭顑?yōu)控制方法最差最優(yōu)過程改善及控制圖過程衡量系統(tǒng)輸入輸出1.發(fā)現(xiàn)可指定的原因4.驗