质量管理之统计分析和相关图.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,宝宝,*,兰州交通大学,-,工业工程系,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,*,4.5,统计分析表法,.,不良品检查表,;,.,缺陷位置调查表,;,.,成品质量调查表,.,统计分析表法,（,调查表,）,是用于收集数据的,规范,化,表格。即把产品可能出现的情况及其分类预先列成统计调查表，检查产品,时,只需在相应分类中进行统计，并可从调查表中进行粗略的整理和简单的原因分析，为统计分析与判断质量状况创造良好条件。在设计统计调查表时应注意,便于工人记录,，把文字部分尽可能列入调查表中，工人只须简单的描点或打勾，以不影响操作为宜,。,4.5.1,不良品检查表。,不良品是指产品生产过程中,不符合图纸,、,工艺规程,和,技术标准,的不合格品和缺陷品的总称，它包括废品、返修品、回用品和退赔,品,。,不良品统计管理记录卡,；,不良项目调查表,；,不良原因调查表。,不良品统计管理记录卡。,记录前应,明确检验内容,和,抽查间隔,，由操作者、检查员、班长共同执行抽检的标准和规定，,下,表为不良品统计管理记录卡,。,不良项目调查表。,为了调查生产过程中出现了,哪些不良品,以及,各种不良品的比例,。可采用不良项目调查表，“不良品类型”的内容，可以根据各行业具体情况填入表中。,不良原因调查表。,如果不良损失的,责任工序,影响原因比较清楚，可以利用调查表进一步查明不良原因。,4.5.,2,缺陷位置调查表。,在很多产品中都会存在“,斑点,”、“,外伤,”、“,脏污,”这类外观缺陷，一般采用缺陷位置调查表比较好。此种,调查表多是画成产品示意图或展开图,。每当发生缺陷时，将其,发生位置标记在图上,。,例如电视机显象管外观检验，把显象管屏幕划分为A、B区。各种整机的机柜或装饰件都可以采用缺陷位置调查表方法,。,缺陷位置调查表是工序质量分析中常用的方法。掌握,缺陷发生之处的规律,，可以进一步分析为什么缺陷会集中在某一区域，,从,而追寻原因，采取对策，能更好地解决出现的质量问题。,应该注意，在使用缺陷位置调查表时，可以在草图上进行,划区,，,分层,研究、在分区域时,应按尺寸等分,。,4.5.3,成品质量调查表,成品质量调查项目繁多，为了不致弄错遗漏并便于记录整理，采用成品质量检查表的方法。,相关图,相,关图常称,散布图,，是进行相关分析的图形，它可以直,观,地表示出变量之间的相关程度,。,相关,客观,事,物之间常常是互相联系，,并,具有一定内部规律性，一切矛盾着的事物不但在一定条件,下,共处于一个统一体之中，而且在一定条件下互相转化：在质量控制中，众多的质量特性数据之间,也,有其内部联系、制约相转化的关系。,1.,确定性关系,所谓确定性关系，是指变量之间,可,以用数学公式确切地表示,出来，也就是曲一个自变量可以确切计,算,出唯一的一个因变量，这种关系就是确定性关系，也称函数关系，如欧姆定律就是确定性关系：,V,=IR，电路中电阻值R一定，要求该电路必须保证电压在一定范围。可以不直接测量电压,V,，而只要测量电流,I,，并加以控制就可以达到,目,的,。,一般认为，它们之间相互的关系可分为3类。,确定性关系,；,相关性关系,；,互不相关。,2.,相关性关系,所谓相关性关系，是指变量之间有关系，但,又不,能由,一,个自,变量用一个数学,公式确,切,地,求出另一个因变量，而是由一个自变量对应一个因变量的统计分布，也就是一个自变量可对应一,系列的因变量,，,这种变量之间的关系弥为,相关关系,；在质,量,管理中这种,相关关系的事例,很多,，热处理时淬火温度与工件,硬度的关,系；,炼,钢时,碳熔,比与,精炼,时间有一定的关系，如果知道,碳熔,比则可大致估计出精炼时间，但又不能精确的定出精炼时间，,这是由于炼钢过程中影响精炼时间的因素很多，互相之间构成了相当复杂的关系，变量之间既存在着密切的关系，又不能由一个(或几个)变量的数值来精确地求出另一变量的关系，则这类变量之间的关系为相关关系。,3.,互不相关。,互不相关的质量特性是互相独立的变量，它们之间的关系,不能用数学关系式表达,。如加工零件的尺寸精度与零件材料之间常常是互不相关的。因为一般来讲，尺寸精度常常取决于机床的精度、操作者的技术水平和工作态度等。,相关图的作法,相关图,（,散布图,）,的概念,：,是分析研究两种质量特性值之间相关性的方法。两种质量特性值或者两种数据之间有无相关性、相关关系如何只从数据表中观察则很难判断，如果把数据作出散布图则比较容易得出其相关与否的结论。,相关图的作法。,收集30100组相对应的数据,。作散布图是为研究相关性，所以收集数据必须一一对应，没有对应关系的两种数据不能用来作散布图。,画出横坐标和纵坐标轴,。在进行因果分析时，一般横轴表示自变量，纵轴表示因变量。须注意的是坐标轴的标度，原则上应,使横轴数据最小值到最大值的距离大致等于纵轴数据最小值到最大值的尺度距离,，如果标度取得不当会影响观察效果。,按数据,画出坐标点,。根据每一组数据的数值逐个画出各组数据的坐,标,点。当两组或多组数据完全相同时，可用,小同心圆,来表示重合点。,填上有关事项,。如标题、调查日期、制图者、数据个数及其他参考事项。,相关图的直观察,观察相关图,主要是看点的分布状态,，判断自变量,x,与因变量,y,有无,相关性,，,相关的状态,和,密切程度,。相关图的形态很多，但常见的有如图所示的几种。,(a),为,强正相关,(,即,x,变大，,y,也显著变大,),；,(b),为,弱正相关,(,即,x,变：大，,y,也大致变大,),；,(c),为,不相关,(,即,x,和,y,之间没有相关关系,),；,(d),为,强负相关,(,即,x,变大，,y,显著变小,),；,(e),为,弱负相关,(,即,x,变大，,y,大致变小,),；,(f),为,非线性相关,(x,变大，,y,与,x,不成线性变化,),。,观察分析相关图应注意以下事项；,要有,足够大的试样,。如果取样太小(如低于20个)，实际上即使相关，作出的相关图也可能零落分散，形不成趋势，这样在图上看上去似乎没有相关关系，不能从相关图上作出正确的判断，为此，应取足够大的试,样,来作图；否则要用下面将介绍的相关系数方法来确定其相,性。,异常点的处理,-相关,图上,如果出现远离总体的异常点如图所示，可能是由,于,：,测量错误,、,记录错误,或,作业条件发生变化,等特殊原,因,造成的,，,此,时应,该很,好,地分,析,研究，查明原因，除掉这些异常点,后,才能估计x和y之间的相关关系；并且要注意如果原因下明，,可,不,能随意除掉这些点,。,要注意,分层观察,，如图所示的情况，从整体观察时似乎没有相关性，,若分层观察时则有明显的相关性,。相反如图84所示的情况，从整体看似乎相,关,但分层后就不相关,了,，所以作相关图,时,，如果能根据某些因素或特性分层，用记号或颜色把不同层分开来，更可以清晰地分析变量之间关系，,1作中值线,在相关图上分别作出,X,、Y的中值线,，,使,得中值,线,的上下、,左右两侧的点数相同，中值线在相关图上所划分的四个区间自右上角起沿逆时针方向分别为第,、,象限,。,相关图的相关检定,利,用,相关,图,分析两类数据的相关性时，在实际生产和工作中为,了,能够迅速判断其是否相关，常常采用,中值法,，,中值法的作法如,下,2.,数点,数出各象限内的点数n及位于线上的点数，分别记入表中。,象限,线上,合计,点数,19,4,20,5,2,50,3.,计算,+=,+=,N=,式中n,为,象限的点数，n,为象限的点数，n,为象限的点数，n为象极限的点数，,N,为相关图的总点数，n线为落在中值线上的点数。,取,和,中之小值作为判定值。,对于表中数据有：,则应取9作为判定值。,n,+n=19+20=39,n+n=4+5=9,N=,n-n线=50-2=48,4.,判定。,将计算所得结果与检定表比较，如果,点,数界限大于判定值，则应判定为相关，否则为无关。,检定表如表,下,所示，其中5、,1,为危险率。,上例中由N=48，查点数界限(,1,)为14，大于,n,+n=9，,则判定有相关关系。,