[从业资格考试]质量理论与实务.ppt

质量专业理论与实务 6Sigma简介 起源和发展： 在70年代，Motorola面对日本严峻的挑战，其主席决定在品质上改善；在1981年，他要求其产品必须在五年内有10倍的改善；于1987年，Motorola建立了“6 Sigma”的概念。 之后，许多著名的跨国公司开始实施6Sigma品质管理，特别是从1995年以来，实施a的企业数呈指数增长。 6Sigma简介 6Sigma简介 6Sigma简介 “Sigma”的定义是根据俄国一数学家的理论，如果有68%的合格率，便是±1 δ ，±2 δ有95%的合格率，±3 δ便达至99.73%的合格率。 ±6 δ便达至99.99966%的合格率。 培训内容 课程安排 概率论基础 目标： 了解现象、事件、变量的概念 掌握概率的计算 理解密度函数、分布函数的含义 掌握几种常见的密度函数 了解可靠性设计原理 了解抽样技术原理 重点： 概率的计算 密度函数及分布函数的含义 几种常见密度函数的应用 概率论 概念：是研究大量随机现象的统计规律性的一门科学。 研究对象：事件及其概率，随机变量及其概率分布和数字特征。 意义：是统计学的基础。 现象 现象的分类： 事件 概念：随机现象的某些样本点组成的集合。 样本点的含义：在随机现象中一切可能发生的基本结果。 样本空间的含义：所有样本点的全体。注意，不是集合。 特征：P182 关系：包含、互不相容、相等; 运算：和（并）、差、交（积）、逆； 与集合的关系。 概率 概念：在一随机现象中，用来表示任意随机事件发生可能性大小的实数。（数值度量） 三个公理：非负性、正则性、可加性。 概率确定的几种方法：古典概率、几何概率、用频率估计概率。 条件概率：在事件B已发生的条件下，事件A再发生的概率。 古典概率 应用要点：样本点数量的有限性、等可能性。 计算公式： 回忆 乘法原理、加法原理的 排列组合知识的回忆 概率的性质 见P192 不可能事件的概率为0； 对立事件的概率：P(A’)=1-P(A); 概率的减法：P(A-B)=P(A)-P(AB) 特别地：当BA时，P(A-B)=P(A)-P(B) 概率的加法：P(A+B)=P(A)+P(B)-P(AB) 特别地：当A,B互不相容时， P(A+B)=P(A)+P(B) 概率的乘法：P(AB)=P(A/B)*P(B) 特别地：当A,B相互独立时， P(AB)=P(A)*P(B) 随机变量 概念：用来表示随机现象结果的变量。 分类： 概率分布和分布函数 概率分布的概念：指概率在随机变量值域内的分布，即一切可能值的集合以及取它可能值的概率的表示。 概率分布的表示： 概率分布和分布函数 分布函数：简而言之，就是累计概率，即从值域的最小点（又可能是负无穷大）到某一点的概率的累计。 分布函数和概率密度之间的关系：积分和求导的关系。 联合概率： 随机变量的特征值 特征值的运算法则 均值：EC=C,EλX= λ EX(C, λ为常数) E(X+Y)=EX+EY,E(X*Y)=EX*EY 方差：Var λ X= λ2VarX (λ为常数) Var(X+Y)= VarX+ VarY(X,Y相互独立) VarX=E(X-EX)2≤E(X-C) 2(C为任意常数) 二项分布 那些分布属于二项分布？ 二项分布的表达式及求解 二项分布的应用 超几何分布 那些分布属于超几何分布？ 超几何分布的表达式及求解 超几何分布的应用 泊松分布 那些分布属于泊松分布？ 泊松分布的表达式及求解 泊松分布的应用 （标准）正态分布 那些分布属于正态分布？ 正态分布的表达式及求解 正态分布的应用 正态分布向标准正态分布的转化 标准正态分布的分位数 指数分布 那些分布属于指数分布？ 指数分布的表达式及求解 指数分布的应用 抽样检验基础 抽样检验的理论基础：基于二项分布、超几何分布和泊松分布的概率分布理论。 OC曲线 当抽样方案确定时，批产品中固有的合格率对该批接收概率的影响： OC曲线 百分比抽样不合理的解释 百分比抽样 抽样检验类型 计数标准型 计数挑选型 计数调整型 计数周期型 计数标准型抽样检验 含义：就是同时规定对生产方的质量要求和对使用（即顾客）的质量保护的抽样检验过程。（GB/T13262-91） 计数标准型抽样检验 有关指标： p0：生产方风险质量 p1：使用方风险质量 α：生产方风险 β：使用方风险 A：生产方风险 B：使用方风险 计数标准型抽样检验 执行步骤： 确定质量标准； 确定P0、P1值； 批的组成 检索抽样方案 样本的抽取、检验 批的判断和处置 计数挑选型抽样检验 含义：是指