控制图(control charts).doc

控制图(control charts) 又名：统计过程控制( statistical process control) 方法演变：EQ \o(\s\up5(－),\s\do2(x))(X－R控制图（又名均值极差控制图），(X－s控制图，单值控制图（又名X控制图，X-R控制图，IX-MR控制图，XmR控制图，移动极差控制图），移动均值-移动极差控制图（又名MA-MR控制图），目标偏差控制图（又名差异控制图、偏差控制图、名义值偏差控制图），CUSUM（又名累计和控制图），EWMA（又名指数加权移动平均控制图），多元控制图（又名Hotelling T2控制图）。 计数值控制图：p控制图（又名不良品率控制图），np控制图，c控制图（又名缺陷数控制图），u控制图。 两种数据都适用的控制图：短期过程控制图（又名稳定控制图或者Z控制图），组控制图（又名多属性值控制图）。 概述 控制图是一种对过程变异进行分析和控制的图形工具。数据按时间顺序绘制在图上，控制图一般有一条代表均值的中心线，一条上控制限位于中心线上方，一条下控制限位于中心线下方，这些线是根据过程数据确定的。通过当前数据和由历史数据计算所得的控制限的比较，我们可以判定当前过程变异是稳定的（受控制）还是不稳定的（不受控制，受到某个特定因素的干扰）。 控制图分为很多种，不同的过程、不同的数据，我们采用不同的控制图。计量值数据的控制图经常是成对应用，其中常绘制在上方的一张控制图监测均值，或者说过程数据的分布中心，而绘制在下方的一张控制图监测极差，或者说分布的波动程度。如果借助于练习打靶的例子来说明，那么均值就是靶子上射击集中的地方，极差是射击点的离散程度。计量值数据要成对使用控制图，计数值数据则通常只使用一张控制图就足够了。 适用场合 ·当你希望控制当前过程，问题出现时能察觉并能对其采取补救措施时； ·当你希望对过程输出的变化范围进行预测时： ·当你判断一个过程是否稳定（处于统计受控状态）时； ·当你分析过程变异来源是随机性（偶然事件）还是非随机性（过程本身固有）时； ·当你决定怎样完成一个质量改进项目时——防止特殊问题的出现，或对过程进行基础性的改变。 控制图决策树 图表5. 20是一个根据数据类型来判断应用哪种控制图的决策树，两个最大的分支是计量值数据和计数值数据。 计量值数据可以用连续的刻度衡量，例如时间、质量、距离、温度，都可以用小数或者分数衡量，对它们来说，准确性的惟一限制是测量仪器的精密程度。如果你使用的测量装置只有整数值，比如78度，或者你只需要最接近的整数值，比如5天，你仍然可以使用计量值数据，以得到更加精确的测量数据。 计数值数据统计时不会有小数或者分数值，当你只考虑某事存在或者不存在的时候你会用到计数值数据，比如：成功或者失败，接受或者拒绝，正确或者不正确。例如一份报告可以有4个或者5个错误，但不能有4.5个错误。在“计数值控制图”中有更多的关于计数值数据的讨论。 实施步骤 1根据数据类型选择合适的控制图。 2选定合适的抽样频率。 3根据后面所描述的程序收集数据、构建控制图并进行数据分析。 4寻找控制图中的失控信号。当识别出一个失控信号后，在控制图上标明，并调查产生原因。以文件形式记录调查情况、收获、产生原因以及解决方法。 ·单个点落在控制线以外。如图表5. 21中第16个点落在上控制限以外。 ·超过三分之二连续的点出现在中心线的同一侧，并距中心线超过2σ。如图表5. 21中第四个点给出这样一个信号。 ·超过五分之四连续的点出现在中心线的同一侧，并距中心线超过1σ。如图表5 21中第17个点给出这样一个信号。 ·连续八个点构成的链，或者十一分之十、十四分之十二、二十分之十六的点在中心线的一侧。如图表5. 21中第21个点就是连续第八个在中心线之上的点。 ·显然一致或者不寻常的模式可以表明过程和数据不正常。 5在控制图上继续对新得到的数据进行描点，并检查是否存在新的失控信号。 6当需要构建新控制图时，过程可能正处于失控状态。如果是这样，前20个样 本数据计算出的控制限是暂时的。当过程稳定后，再依次抽取至少20个样本，重新 计算控制限。 注意事项 失控信号 ·有些控制图有特殊的失控信号检验方法，请参阅特殊控制图的分析部分。 ·如果是不对称分布，比如是右偏态的，我们会得到更多小于的点，为了避免这种情况，第四条关于控制图失控信号的说法要修改一下，改为连续12个点构成的差小于。 ·这些信号是基于统计原理的，从一个可控过程描出的点是随机的，很多点在一起就构成了一个可预测的分布，比如一条