02 统计过程控制.ppt

1. 控制图原理 统计规律 变异性 统计规律性 质量的统计观点 对于随机现象通常应用分布(distribution)来描述，分布可以告诉我们：变异的幅度有多大，出现这么大幅度变异的可能性(概率，probability)有多大，这就是统计规律。 正态分布，最简单的莫过于用其两个参数：平均值(?)与标准差(?)来表示。 均值(?)对正态分布的影响 若平均值(?)增大为?’，则曲线向右移动，分布中心发生变化。 标准差(?) 对正态分布的影响 若标准差(?)越大，则加工质量越分散。 标准差(?)与质量有着密切的关系，反映了质量的波动情况。 正态分布的两个参数平均值(?)与标准差(?)是相互独立的。 不论平均值(?)如何变化都不会改变曲线的形状，即不会改变标准差(?)。 不论正态分布的形状，即标准差(?)如何变化，都不会影响数据的分布中心，即平均值(?) 。 注意： 二项分布与泊松分布就不具备上述特点，它们的平均值(?)与标准差(?)是不独立的。 不论?与?如何取值, 落在[?－3?，? + 3?]范围内的概率为99.73%。 控制图原理的第一种解释 对第4个点子应作怎样的判断？ 若过程正常，即分布不变，则点子超过UCL的概率只有1.35‰。 若过程异常，譬如异常原因为车刀磨损，即随着车刀的磨损，加工的螺丝将逐渐变粗，?逐渐增大，于是分布曲线上移，点子超过UCL的概率将大为增加，可能为1.35‰的几十、几百倍。 结论 点出界就判异，并作为一条判异准则来使用。 用数学语言来说，这是小概率事件原理：小概率事件实际上不发生，若发生即判断异常。 控制图就是统计假设检验的图上作业法。 控制图原理的第二种解释 根据来源的不同,质量因素分为: 人(Man) 机(Machine) 料(Material) 质量因素(5M1E) 法(Method) 环(Environment) 测(Measurement) 从对质量影响的大小来分: 偶然因素(简称偶因，又称偶然原因/一 般原因) 质量因素 异常因素(简称异因，又称可查明原因) 结论 控制图上的控制界限就是区分偶波与异波的科学界限。 常规控制图（即休图）的实质就是区分偶然因素与异常因素这两类因素。 控制图原理的第三种解释 稳态 稳态，也称统计控制状态(state in statistical control)，即过程中只有偶因没有异因的状态。 稳态是生产追求的目标。 使用SPC，实现预防 （1） (2) 对同样异因再次出现的预防 查出异因 采取措施 保证消除 纳入标准 不再出现 实现稳态的途径 2. 常规控制图的设计思想 两种错误 第一种错误：虚发警报的错误。 第二种错误：漏发警报的错误。 减少两种错误造成损失的方法 解决办法：根据使两种错误造成的总损失最小这一点来确定控制图的最优间距。 因而，根据“点出界就判异”作出判断，即使有时判断错误虚发警报，从长远来看仍是经济的。 经验证明休哈特所提出的3?方式较好。 常规控制图的设计思想 先定?，再看?。 按照3?方式确定UCL、LCL就等于确定了虚发警报的概率?0=0.27% 。 为了增强使用者的信心，常规控制图的?取得特别小，但缺点是?大。 常规控制图并非依据使两种错误造成的总损失最小为原则来设计。 3?方式 UCL = ? + 3? CL = ? LCL = ? - 3? 式中，?、?为统计量的总体参数。 注意： 这是常规控制图的总公式，具体应用时需要经过下列两个步骤： (1) 将3?方式的公式具体化到所用的具体控制图， (2) 常规控制图有标准值给定（参数已知）和标准值未给定（参数未知）两种情况。 3. 判异准则与判稳准则 判异准则（三种类型） 点出界就判异。 界内点排列不随机判异。 数据分层不够造成的异常。 1：1个点落在A区以外 One point beyond zone A. 2：连续9点落在中心线同一侧Nine points in a row in zone C or beyond on one side of central