导图社区 统计质量控制
统计质量控制的思维导图,内容有 抽样检验、过程能力分析、统计过程控制图、正交试验设计与数据处理、参数设计、可靠性分析、测量系统分析。
编辑于2023-04-05 15:34:28 甘肃关于企业产出统计的思维导图,整理了总产值、增加值、生产净值的知识点,大家可以学起来哦。
财经应用文,广义指党政机关、社会团体、企事业单位等各种法定的社会组织在处理公务过程中形成并使用的文字材料;狭义指党政机关实施领导、履行职能、处理公务的具有特定效力和规范体式的文书。
Econometrics的思维导图,分别有: Chapter 1 The Nature of Econometrics and Economics Data Chapter 2 The Simple Regression Model Chapter 3 Multiple Regression Analysis :Estimation Chapter 4 Multiple Regression Analysis :Inference Chapter 6 Multiple Regression Analysis :Further Issues Chapter 7 Multiple Regression Analysis with Qualitative Information Chapter 8 Heteroskedasticity Chapter 10 Basic Regression Analysis with Time Series Data Chapter 12 Serial Correlation and Heteroskedasticity in T
社区模板帮助中心,点此进入>>
关于企业产出统计的思维导图,整理了总产值、增加值、生产净值的知识点,大家可以学起来哦。
财经应用文,广义指党政机关、社会团体、企事业单位等各种法定的社会组织在处理公务过程中形成并使用的文字材料;狭义指党政机关实施领导、履行职能、处理公务的具有特定效力和规范体式的文书。
Econometrics的思维导图,分别有: Chapter 1 The Nature of Econometrics and Economics Data Chapter 2 The Simple Regression Model Chapter 3 Multiple Regression Analysis :Estimation Chapter 4 Multiple Regression Analysis :Inference Chapter 6 Multiple Regression Analysis :Further Issues Chapter 7 Multiple Regression Analysis with Qualitative Information Chapter 8 Heteroskedasticity Chapter 10 Basic Regression Analysis with Time Series Data Chapter 12 Serial Correlation and Heteroskedasticity in T
统计质量控制
概述
质量管理发展史
工业时代以前的质量管理-放任管理阶段
工业化时代的质量管理(1875年-20世纪80年代)
质量检验阶段(1875-1925)质量、检验
统计质量控制阶段(1925-1960)质量、生产
全面质量管理阶段(20世纪60年代-80年代)
质量管理的国际化(20世纪80年代以后)-现代质量管理
质量管理中的统计方法
工业革命前
产品质量由各个工匠或手艺人自己控制
1875年
出现了专职的检验员和独立的检验部门
1924年
修哈特提出统计过程控制(SPC )理论-应用统计技术对生产过程进行监控
1930年
道奇和罗明提出统计抽样方法
1940年代
美军制订了最初的质量管理标准
1950年代
形成了对质量管理产生巨大影响的“戴明十四法”
1958年
质量保证
1960年初
提出全面质量管理(TQM )的概念
60年代中期
AQAP引入了设计质量控制的要求
70年代
日本质量管理学家对质量的理论和方法的发展做出了巨大贡献
1979年
美国制定了国家质量管理标准
80年代
质量运动在许多国家展开
1987年
IOS9000系列国家质量管理标准问世
1994年
IOS9000系列标准改版
90年代末
新方法层出不穷
2000年
质量管理的理论和方法将更加丰富
2000年12月15日
IOS9001:2000标准发布
有关质量的概念
QC
Quantity Control ,质量控制
TQM
Total Quality Management ,是一种由顾客的需要和期望驱动的管理哲学
ISO
International Organization for Standardization ,国际标准化组织
ISO9000 系列
是1978年国际标准组织制定颁发的国际通用的“质量管理和质量保证”系列标准
SPC
Statistical Process Control ,统计过程控制,是一种借助数理统计方法的过程控制工具
5S
整理(SEIRI )Organization
整顿(SEITON )Neatness
清扫(SEISO )Cleaning
清洁(SEIKETSU )Standardization
修养(SHISUKE )Discipline and Training
6σ
通过设计、监督每一道生产工序和业务流程,以最少的投入和损耗赢得最大的客户满意度,从而提高企业的利润
质量
一组固有特性满足明示的、通常隐含的或必须履行的需求或期望的程度
服务特性
可靠性
响应性
保证性
移情性
形性
产品质量认证标志
是认证机构为证明产品符合认证标志和技术要求而设计、发布一种专用质量标志
工业产品质量
是指工业产品的使用价值满足社会生产和消费需要的程度
等级划分
优等品
产品质量标准达到国际先进水平,且实物质量水平与国外同类产品相比达到近五年内的先进水平
一等品
产品质量标准达到国际先进水平,且实物质量水平达到国家同类产品的水平
合格品
按一般水平标准(国家标准、行业标准或企业标准)组织生产,且实物质量水平
不合格品
不符合产品质量标准技术要求的产品
A类不合格
指单位产品的极重要的质量特性不符合规定要求,我单位产品的质量特性及严重不符合规定要求
B类不合格
制单位产品的重要的质量特性不符合规定要求,或单位产品的质量特性严重不符合规定要求
C类不合格
指单位产品的一般质量特性不符合规定要求,或单位产品的质量特性轻微不符合规定要求
A类不合格品
是指有一个或一个以上A类不合格的单位产品
B类不合格品
是指有一个或一个以上B类不合格,但没有A类不合格的单位产品
C类不合格品
是指有一个或一个以上C类不合格,但没有A类和B类不合格的单位产品
工业产品质量统计指标
产品质量数据
产品质量
可以用其质量特性来衡量,常用的质量特性有计量和数量两种
批的质量
计量数据
所有该产品质量特性的平均值
标准差和变异系数
计数特性值
计点产品
不合格数(缺陷数)
计件产品
不合格率
反映产品本身质量的指标
个体
可以对其进行一系列观测的一件具体的或一般的物体,或可以对其进行一系列观测的一定数量的物质,或一个电信或定量的观测值
总体
所考虑个体的全称
批
按一定条件汇集起来的一定数量的产品
连续批
孤立批
单位产品
为了实施抽样检查而对产品划分的基本单位
样本
从批中随机抽取的一部分单位产品
批量N与样本大小n
批中所包含的单位产品个数
不合格品率
被观测的个体中不合格品数除以被观测的个数总体
产品平均技术性能指标
是通过产品的某种主要质量特性的平均值来反映
产品质量等级率
是指不同等级产品在全不合格品中所占的比重
入库产品抽查合格率
是指定期从已经检验合格入库的产品中抽查一定数量的产品按既定项目进行严格检查,计算抽查合格率,以表示入库产品的质量
反映企业生产作业质量的统计指标
企业生产作业质量
指企业为提高产品质量而进行的生产技术和组织管理工作的质量
产品合格率
在全部送检产品中合格品数量所占的比重
废品率
在全部送检制品中经检验确定为废品的数量所占的比重
返修率
是指产品经检验需要返修的成品数量占全部检验品数量的比重
返工率
是指由于返修所损失的劳动时间,在全部检验产品消耗的劳动时间中所占的比重
质量损失率
是指企业内部损失成本和外部损失成本占工业总产值的百分比
过程平均
是指在规定时段或生产量内的平均质量水平
质量管理中常用的图表工具
老七种QC工具
分层法
排列图法或帕累托(Pareto )图
能发现或判断影响产品质量的少数关键性因素
因果图法(鱼刺图)
是分析产品产生问题的原因常用的一种方法
检查表法
是用来收集和整理质量原始数据的一种表格
直方图法
是对整体的分布特征进行统计推断的方法
散点图法
是通过分析研究两种因素的数据的关系,来控制影响产品质量的相关因素的一种有效方法
控制图
新七种QC工具
系统图
矩阵图
矢线图
关联图
KJ图
过程决策程序图(PDPC法)
头脑风暴法
抽样检验
基本概念
统计抽样
是对成批产品(包括原材料的进货检验、在制品的过程检验和成品的最终检验)进行质量检验的一种科学方法
检验
通过观察和判断,必要时结合测量、试验所进行的符合性评价
对象是产品、服务或过程
是相对于“合格”与“不合格”而言的一种符合性评价
检验的活动是“测”“比”“判”过程的活动
质量检验的方式
全数检验
又叫百分之百检验,即对一批产品逐个进行检验根据检验结果产品做出合格与否的判断
可靠,能提供较完整的数据,获得较全面的质量信息
抽样检验
是根据统计的原理所预先制定的方案,从交验的一批产品中随机抽取部分样品进行检验
分类
根据抽取一个还是多个样本
一次抽样
二次抽样
多次抽样
序贯抽样
按是否调整抽样方案
调整型抽样方案
非调整型方案
按检验特征值的属性
计数检验
计量检验
基本术语
误差
两类风险α和β
第一类风险α,生产方风险
第二类风险β,使用方风险
逐批检验和跳批检验
产品质量的表示
单位产品的质量
批的质量
产品的质量水平(过程平均)
接受质量限(AQL)
极限质量(LQ或RQL )
AOQ
平均出厂品
AOQL
平均检出质量限
ATI
平均总检验数,表示进一步筛选后所检验项的平均数
检验水平
是批量和抽样比有关的一个事先确定的指数
统计抽样标准
计数抽样标准
GB/T 13262-2008 不合格品百分数的计数标准型一次抽样检查程序及抽样表
GB/T 13264-2008
GB/T 13446-1992
GB/T 2828.1-2003
GB/T 2828.2-2008
GB/T 2828.3-2008
GB/T 2828.4-2008
GB/T 2828.11-2008
GB/T 2829-2002
GB/T 8051-2008
GB/T 8052-2002
计量抽样标准
GB/T 14900-1994
GB/T 16307-1996
GB/T 4891-2008
GB/T 6379-2002
GB/T 8053-2001
GB/T 8054-2008
GB/T 6378.4-2008
其他统计抽样标准
GB/T 10111-2008
GB/T 13732-1992
GB/T 15500-1995
GB/T 16306-2008
GB/T 13393-2008
计数抽样检验的一般原理
接受概率曲线(OC曲线)
实际的OC曲线
理想的OC曲线
不理想的OC曲线
接受概率的计算方法
一般公式
具体计算公式
超几何分布计算公式
二项分布计算公式
泊松分布计算公式
N,Ac,n对OC曲线的影响
批量N对OC曲线的影响很小
合格判定数Ac对OC曲线为正影响
样本大小n对OC曲线为负影响
计数标准型一次抽样检验方案
OC曲线
高质量产品
供需双方协商一个合格质量水平P0(可接受质量水平/AQL ),对于计件产品来讲,当不合格品率P≤P0时,认为是高质量产品
低质量产品
供需双方协商一个合格质量水平P1(可接受质量水平/AQL ),对于计件产品来讲,当不合格品率P≥P1时,认为是低质量产品
计数调整型抽样方案
AQL
概念
合格质量水平,也称可接受的质量水平
数值
可以表征“每百件产品中的不合格品”
数值确定原则
一般在技术标准、质量标准或供需双方签订的订货合同或协议中应明确规定
不同严格程度抽样的转移规则示意图
复合抽检特性曲线
计量一次抽样检验方案
标准的适用范围
产品质量特性以计量值表示的且服从或近似服从正态分布的批检验
标准的有关规定
合格质量与极限质量
合格质量P0
极限质量P1
上限值Ku和下限值Kl
对上限规定的要求(望小值质量特性)
对下限规定的要求(望大值质量特性)
对双侧规定性的情况 (望目值)
抽样检验类型
批的标准差已知,使用“σ法”
批的标准差未知,使用“S法”
多次抽样检验和序贯抽样检验
过程能力分析
过程能力与过程能力指数
过程
使用资源将输入转化为输出的活动的系统
过程控制系统
是在过程中增加了反馈系统
过程能力(PC)
是过程固有变异的一种度量
过程能力分析
是检查过程的固有变异和分布,从而估计其产生复合规范所允许变差范围的输出能力
能否长期、稳定地生产合格或优质产品的基本条件
有足够的过程能力
过程保持稳定受控
过程能力指数(PCI)
过程能力满足质量要求的程度
Cp=顾客要求/过程能力=公差/过程能力=T/B=(USL-LSL)/6σ=T/6σ=T/6S
过程能力指数的计算
计量值数据过程能力指数
望目值质量特性
提高过程能力的途径
减小偏移量ε(首选途径)
减小质量特性值分布的标准偏差
放宽公差范围
望小值质量特性
望大值质量特性
计数数据过程能力指数
过程能力的等级评定
实际过程能力指数
单侧下限过程能力
Cpl=(μ-LSL)/3σ
单侧上限过程能力指数
Cpu=(USL-μ)/3σ
实际过程能力指数
Cpk=min{Cpl,Cpu}
过程性能指数
短期数据
是指短期内收集到的数据
长期数据
是指长期受到的数据
长期过程能力短期过程的区别
对过程的要求不同
标准差的估计不同
过程性能指数(PPI)
有目标值的过程能力指数
质量损失
产品质量要用产品给社会带来的损失大小来衡量
损失可用于质量损失函数来度量
损失函数L(Y)是随机的
有目标值的过程能力指数
过程能力分析
1、若潜在过程能力指数Cp与实际过程能力指数Cpk接近,说明过程中心μ已接近规范中心M。
2、若潜在过程能力指数 Cp,与实际过程能力指数 Cpk相差较大,说明过程中心μ与规范中心M相距较远,要设法使过程中心与规范中心接近。
3、若潜在过程能力指数 Cp与实际过程能力指数Cpk都较小,说明过程的短期波动和长期波动都较大,要设法减少过程的波动,即减少过程的标准差。
4、若潜在过程能力指数Cp与潜在过程性能指数Pp接近,说明子组间波动较小,无异常波动出现。
5、若实际过程能力指数Cp与实际过程性能指数Ppk相差较大,说明子组间波动较大,有异常波动出现。
6、若所有指数都较大,且很接近,说明过程一直处于受控状态,过程有能力生产接近零缺陷的产品。
计数质量特性过程能力分析
记点值情况下
计件值情况下
统计过程控制图
控制图概述
波动及其原因
波动
是指同一种型号的产品间所存在的质量特性的差异
类型
正常波动
异常波动
原因
定义
区分由异常或特殊原因所引起的波动和过程固有的随机波动的一种统计工具
功能
诊断:评估一个过程的稳定性
控制:决定某一过程何时需要调整,何时需要保持原有状态
确认:确认某一过程的改造效果
控制原理
3σ原理
控制限
分类
按用途可分为
分析用控制图
控制用控制图
按被控制对象的数据性质
计量值控制图
均值-标准差控制图(Xbar-s图)
均值-极差控制图(Xbar-R图)
中位数-极差控制图(Me-R图)
单值-移动极差控制图(x-Rs图)
计数值控制图
不合格品率控制图(p图)
不合格品数控制图(np图)
缺陷数控制图(c图)
单位缺陷数控制图(u图)
作用
经济、实用的预警
有效的预测
提高品质、提高效率、降低成本
区别变异的特殊原因和普通原因
比较同一过程不同生产班次的绩效
合理利用设备
控制界限的计算
使用常规控制图的几个问题
特性值的选择
能定量的特性、与生产和使用关系较大的特性、对下道工序影响较大的特性、经常出现质量问题的质量特性
控制图的选择
计量值同时用两张图
计数值只用一张图
抽样间隔
取决于实际条件:过程稳定时,时间间隔长;过程不稳定时,时间间隔短
样本大小
既要根据实际条件又要根据控制图的类型
计量特性值每个样本容量n相同,分组条件下n=5不分组n=1
正交试验设计与数据处理
试验设计
概念
也称实验设计,是以概率论和数理统计为理论基础,经济地、科学地安排试验的一项技术
作用
提高产量
减少质量的波动,提高产品质量水准
大大缩短新产品试验周期
降低成本
试验设计延长产品寿命
阶段
试验
设计
分析
基本原理
重复
随机化
曲组化
正交试验设计方法概述
正交试验设计
是利用“正交表”进行科学的安排与分析多因素试验的方法
用途
调查复杂系统的某些特性或多个因素对系统有些特性的影响
识别系统中更有影响的因素、其影响的大小
因素间可能存在的相互关系
以促进产品的设计开发和过程的优化、控制或改进现有的产品
正交表
各列水平数均相同的正交表
子主题
混合水平正交表
6、若所有指数都较大,且很接近,说明过程一直处于受控状态,过程有能力生产接近零缺陷的产品。
格式
一般式
表头设计
若是不考虑交互作用,则表头设计可以是任意的
有交互作用时表头设计,则必须严格地按规定办事
这时避免混杂现象
混杂现象就是在进行表头设计时,若一列上出现两个因子或两个交互作用,或一个因子一个交互作用
交互作用:一个因子的水平的好坏或好坏的程度受另一个因子水平的制约
正交设计与数据分析
试验的设计
明确试验目的
明确试验指标
确定因子与水平
选择合适的正交表,设计表头,列出试验计划
数据分析
数据的直观分析
寻找最好的试验条件
各因子对指标影响程度大小的分析
各因子不同水平对指标的影响图
数据的方差分析
统计模型
平方和分解
F比
最佳条件的选择与对应条件下指标均值的估计
参数设计
参数设计的基本思想
基本概念
望目特性
存在固定目标值,希望质量特性围绕目标值波动且波动越小越好
望小特性
不取负值,希望质量特性越小越好(理想值为0)且波动越小越好
望大特性
不取负值,希望质量特性越大越好(理想值为∞)且波动越小越好
动态特性和静态特性
目标值可变的特性称为动态特性
目标值不变的望目特性、望小特性、望大特性通称为静态特性
噪声因子
在生产中水平不能被试验者控制,或要花昂贵价格才能控制的因素
外部噪声(外干扰)
由于使用条件及环境条件的波动或变化,引起产品质量特性值的波动
内部噪声(内干扰)
产品在储存或使用过程中,随着时间的推移,发生材料变质等老化、劣化现象,从而引起产品质量特性值的波动
零件间噪声
在相同生产条件下,生产制造出来的一批产品由于机器、材料、加工方法、操作者、测量误差和生产环境等生产条件的变化,引起产品质量特性值的波动
可控因子
在试验中水平可以人为加入控制的因素
标示因子
在试验中水平可以指定,但使用时不能加以挑选和控制的因素
误差因子
引起产品质量特性值波动的外干扰、内干扰、产品间干扰通称为误差因素
稳健因子
对信噪比有显著影响的可控因子
调整因子
对信噪比无显著影响但对灵敏度有显著影响的因子
次要因子
对信噪比和灵敏度均无显著影响的可控因子
信号因子
在动态特性的稳健设计中,为实现人变动者的意志和赋予不同目标侄儿选取的因素
稳健性
指质量特性的波动小,抗干扰能力强
信噪比
稳健设计中用度量产品质量特性的稳健程度的指标,是信号的功率和噪声的功率的比值
稳健设计
以信噪比为指标,以优化稳健性为目的的设计方法体系
灵敏度
稳健设计中用于表征质量特性快速调整的指标
内(表)设计
在稳健设计中,可控因素已标示因素安排在同一张正交表内进行试验方案的设计。相应的正交表称为内表,所对应的设计称为内设计
外(表)设计
在文件设计终将误差因素与信号因素安排在一张正交表内进行试验方案的设计。相对应的正交表称为外表,所对应的设计称为外设计
稳健设计
是以追求产品质量特性的稳健性、抗干扰性为目的的一种新的优化设计方法
灵敏度设计
是在望目特性下,如何通过寻找调节因子将均值调节到目标值,从而减少偏差,降低损失的一种设计
步骤
确定灵敏度
对灵敏度进行统计分析
将可控因子进行分类,选出调节因子
综合噪声因子
是指在一定条件下把几个噪声因子综合成一个二水平的“综合噪声因子”
缺点
实验次数太多,浪费经费和时间,从而导致放弃参数设计
措施
不考虑可控因子间的交互作用,以缩小那内表
在一定条件下把诸噪声因子综合成一个二水平的“综合噪声因子”
可靠性分析
产品的可靠性与失效分布
可靠性的定义
侠义:是产品的另一项质量指标的总称,是指保持性能指标能力的指标
广义:“产品在规定条件下,在整个寿命周期内完成规定功能的的可能性”
可靠性研究的内容
可靠性数学
可靠性物理
可靠性工程
可靠性研究的作用及意义
作用
生产过程的现代化水平不断提高
适应现代产品日趋复杂化的需要
意义
提高经济效益
提高市场竞争能力
可靠性的特征量
可靠度R(t)
零件在规定的运行条件下,在规定工作时间内能正常工作的概率,又称可靠度函数
包含五大基本要素
对象
规定的工作条件
规定的工作时间
正常工作
概率
累积失效概率F(t)
是指产品在规定条件和规定时间内失效的概率
失效概率密度f(t)
是产品累积失效概率对时间的变化率
失效率函数λ(t)
也称故障率或瞬时故障率,是指产品工作到某个时刻尚未出现故障,在该时刻之后单位时间Δt内发生故障的概率
失效分布
是失效分布函数与失效密度函数的统称
产品的寿命
是指产品从开始工作到首次发生失效的一段时间
期望寿命E(t)
又称平均寿命,表示产品从投入运行到发生失效的平均无故障工作时间
系统的可靠度
系统的概念
是由若干个工作单位组合的能完成特定功能的有机整体
几种典型的可靠度模型
串联模型
并联模型
混联模型
系统的失效规律(产品的失效曲线)
三个时期
早期失效期
偶然失效期
耗损失效期
失效的基本形式
常用的失效分布函数
指数分布
威布尔分布
寿命实验
含义
抽取样本
进行试验
获得总体的可靠性指标
类型
按实验场所划分
现场寿命试验
模拟寿命试验
按样品的失效情况分
完全寿命试验
结尾寿命试验
按试验时的应力水平
一般寿命试验
加速寿命试验
有关指数分布的统计方法
总试验时间
测量系统分析
测量系统
测量
是指对某具体实物赋予数值,以表示它们对于特定特性之间的关系
测量系统
是指在测量系统中,由人员、仪器或量具、测量对象、操作方法和环境所构成的整体
测量系统分析
是指运用统计学的方法对测量系统进行评估,在合适的特性位置测量正确的参数,了解影响测量结果的波动来源及其分布,并确认测量系统是否符合工程需求。
目的
是为了更好地了解变异的来源,这些变异会影响测量系统所产生的测量结果。
位置
偏差、稳定性和线性度标准
分散程度
重复性和再现性
测量系统评估项目
稳定性(stability )
是指测量系统的各个计量特性(主要是偏倚和精度)在时间范围内保持恒定的能力
偏倚(bias)
是测量系统精确度的度量,用来描述测量结果的位置方面的状况,反映的是测量结果平均值与真值的差异程度
线性(linearity)
是指在测量系统预期的量程范围内各点处的偏倚与参考值呈线性关系
分辨力(discrimination)
是指测量系统识别并显示被测量最微小变化的能力
重复性(repeatability)
是指同一个测量人员,用同一台测量仪器几次测量同一个部件的相同特性时,所观测到的测量值变化(即“同人同仪多测同位同特性”)
再现性(reproducibility)
是指由不同的测量人员,用同一台测量仪器同一个部件的相同特性时,所得到的平均测量结果的变化(即“同人同仪同测同特性”)
Gauge R&R
偏倚
变差
子主题
测量系统的基本要求
测量系统要有足够的分辨力
测量系统在规定时间内要保持统计稳定性
测量系统要具有线性性
在其量程范围内,偏倚应是基准值的线性函数
测量系统的波动
重复性
再现性
子主题
零件间的变差
测量系统的均值极差分析法
属性数据的测量系统分析
Kappa系数
K≥0.9,则测量系统一致性很好,可放心使用
0.7≤K≤0.9,则测量系统可接受
0.4≤K≤0.7,则测量系统不可接受,需要改进
K<0.4,则测量系统一致性很差,不能使用
经验法则