基础统计与质量工具.ppt

Inserted slide to show the big picture Red circle is animated Rev H – Changed wording in text box Rev D – Increased font size in upper graph Added the Identical question – The notion is that we treat two points very far apart as though they are the same, yet treat two similar points as though they’re different. Added the Which pair will perform… question. Rev D – Replaced # of Units shipped w/ # of defects Rev D – Replaced original slide w/ this from BB Rev D – Added animation Don’t get into the MR part right now. Just get them in the habit of using I-MR instead of just Individuals Rev D – Reworded last bullet 特征1: 正态分布可只知道如下值时就可完全描述: 含义 和 标准差 正态分布 分布1 分布2 分布3 这3个正态分布有何不同? 概率与正态分布 特征2: 曲线下部的面积可用于估算某种发生的事件的累计概率 在2个值中获得1个值的概率 95% 99.73% 68% 标准差的经验主义规则 先前的概率规则适用于甚至不是很完美的正态分布的一集数据 让我们比较一下理论（完美）的正态分布与经验主义（现实世界）的分布的数值 平滑（正常）分布 我们可看到作为平滑分布的数据（红线）假定用“正态分布”.它揭示了如果我们用无数个数据点所呈现出来的形状. 用常规曲线创建直方图 要作表: 油漆 正常概率点 测试一个数据集能否描述为“正常” 如果分布接近正常，正常概率点将会接近成一条直线 正常概率点 Worksheet: Coating 示例概率点 时间系列 到目前为止我们看到这个数据“隆起来一块” 另一个检查数据的方法是时间 通常用于时间系列的方法: 运营图表 独立图表 运营图表 运营图表运用于一些对这种系列的原始统计诊断测试 Worksheet: Coating 运营图表 单独图表 单独图表看起来很象运营图表只是含有适用于这些数据的过程控制界限 工作表: Coating 单独图表 数据分折初步 到目前为止我们看到所有一起的数据 用点阵图，直方图，正常概率点，营运图表和单独图表 展示了全局形状和时间趋势 但是这些没能解悉为何这些数据呈如此形状 现在我们将讨论其他可以揭示为什么的图表技术 箱形图 标识分布的不同 显示数据的中心和传播 箱阵图的中心是中线而不是含义 Worksheet: Coating 箱形图 Max 75% 50% 25% Min 我们也可创建箱形图来研究因特殊变量引起的变化 Outlier Worksheet: Coating 帕累托 表 帮助优先改进目标的必要工具 允许关注引起80%糟糕现象的20%的问题 帕累托 图表 帕累托 图表 缺陷 数目 遗漏锣丝 274 遗漏夹子 59 有缺陷的房子 19 泄漏的胶垫 43 碎片 4 线未接好 8 遗漏钉子 6 未完成的部件 10 散布图 研究两个不同变量之间的关系 示例: 一个客户和QC实验员一同测量设置为350度时的炉的温度 数据在工作表, 温度 散布图 集合图表 图表数据的收集/分折方法 提供一种可视化地表达事件趋势的方法 画图代表通常使用的产品 事件被标记于图上显眼的位置 x X = 1 次装运 x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x 装运发生问题的地方 鱼骨图表 基本上与起因与影响模子一样的思路 数据分折初步 所有介绍的方法均可图示化表达数据 数据分折应该遵从如下几个基本步骤: 总是检查原始数据以识别异常（错误，非预计值） 图示化的分折数据以感性认识全局形状和时间趋势 使用其他方法分折为什么数据会这样的 总结 介绍了过程变化性和稳定性的概念 讨论形状，中心，和分布的传播的方法 介绍正态分布的属性 介绍了一些图表和分折工具 数据表达 (点阵图, 直方图, 箱形图, 描述性统计) 时间系列方法 (单独图表, 运营图表) 相关的图表技术（散布图） 图示