质量统计分析Excel数据处理试验ppt课件

1、质量统计分析Excel数据处置实验马立坤.实验目的加深对质量管理根本方法的了解学习运用excel绘制陈列图、控制图等常用的质量管理图表掌握各种质量管理工具的分析和判别根据。.质量是反映实体(产品、过程或活动等)满足明确和隐含需求的才干的特征和特性总和。.质量管理运用的数据一切用数听说话，数据是质量管理活动的根底。在质量管理过程中，需求有目的地搜集有关质量数据，并对数据进展归纳、整理、加工、分析，从中获得有关产质量量或消费形状的信息，从而发现产品存在的质量问题以及产生问题的缘由，以便对产品的设计、工艺进展改良，以保证和提高产质量量。数据在质量管理中的作用在产品设计、制造和销售中，各种与产质量量有

2、关的数据可以为人们提供信息，从而协助人们认识产质量量的变化规律，为改善和保证产质量量提供采取措施的根据。 运营过程本质是数据的采集、传送和加工处置的过程，产品是数据的物质表现。 .计数值:当质量特性值只能取一组特定的数值，而不能取这些数值之间的数值时，这样的特性值称为计数值。计数值可进一步区分为计件值和计点值。对产品进展按件检查时所产生的属性(如评定合格与不合格)数据称为计件值。每件产品中质量缺陷的个数称为计点值。如棉布上的疵点数、铸件上的砂眼数等。.计量值:当质量特性值可以取给定范围内的任何一个能够的数值时，这样的特性值称为计量值。如用各种计量工具丈量的数据(长度、分量、时间、温度等)，就是

3、计量值。.总体:个体:总体又叫母体，是研讨对象的全体。一批零件、一个工序或某段时间内消费的同类产品的全部都可以称为总体。构成总体的根本单位，称为个体。每个零件、每件产品都是一个个体。质量检验常用抽样方法进展，即从总体中抽出一部分个体，并测试每个个体的有关质量特性数据，进展统计分析后，对总体作出估计和判别。总体和样本:. 在质量管理上，我们把我们所要了解和控制的对象产品全体或表示产品性质的质量特性值的全体，称为总体。 一批零件、一个工序或某段时间内消费的同类产品的全部都可以称为总体。构成总体的根本单位称为个体，它是各项统计数字的原始承当者。每个零件、每件产品都是一个个体。 .样本是按照随机原那么

4、从总体中抽出来一部分个体的集合。所谓随机原那么，就是不带任何客观倾向，完全凭偶尔性抽取样本，使每个样本都有均等时机被抽中。随机原那么是抽样技术的根本原那么，只需按照随机原那么抽取样本单位，才干得到与总体构造类似的样本。样本:.总体样本结论数据抽样分析管理测试总体、样本、数据间的关系.数据的搜集数据搜集的目的1掌握和了解消费现状。2分析质量问题，找出问题的缘由，找到问题的症结所在。3对工序进展分析、调查，判别其能否稳定，以便采取措施4调理、调整消费。5对一批产品的质量进展评价和验收。.质量特征数抽样的目的是经过样本来反映总体。在质量管理中，经常将测试的样本数据，经过整理加工，找出它们的特性，从而

5、推断总体的变化规律、趋势和性质。一批数据的分布情况，可以用中心倾向及数据的分散程度来表示，表示中心倾向的有平均值、中位值等，表示数据分散程度的有方差、规范偏向、极差等。描画总体数据离散程度的参数为方差 ，描画总体数据中心倾向的数为均值 。假设利用样本参数近似描画总体情况时，可以利用样本方差S2近似替代总体方差2，利用样本均值近似替代总体均值 。质量特征数.样本平均值样本中位值X = X1+X2+X3 .+Xnn中位值是按照数据大小顺序陈列位于中间的数值，中位值记为假设n为偶数，那么取位于中间两个数值的平均值为中位值；假设n为奇数，那么取中间数值为中位值。.样本极差样本方差和样本规范偏向样本方差

6、和样本规范偏向就是用来度量数据动摇幅度大小的一个重要特性值。样本方差是一组数据中每一个数值与平均值之差的平方和的平均值，通常记为S2；样本方差的平方根S称作样本规范偏向，它与样本方差一样，是反映一组数据分散程度的特性值。样本极差表示一组数据分布的范围，是指数据中最大值与最小值的差: R = Xmax - Xmin.样本方差规范偏向.控制图马立坤.控制图又叫管理图，是用来分析和判别工序能否处于稳定形状的，并带有控制界限的图形。控制图是判别消费过程能否处于控制形状的一种手段，利用它可以区分质量动摇是由偶尔缘由引起的还是由系统缘由引起的。1924年，由美国的休哈特首先提出用控制图进展工序控制，并起到

7、直接控制消费过程，稳定消费过程的质量，到达预防为主的目的。.控制图的根本方式中心线CL样品序号(组号)上控制界限UCL下控制界限LCL X 3 3 0.% 0.% 质量特性 x三线：中心线，上控制限，下控制限；.控制界限确实定以样本平均值X为中心线，上下取3倍的规范偏向x 3 来确定控制图的控制界限。在消费过程中，仅有偶尔性误差存在时，质量特性X服从正态分布N( ， )，那么据正态分布的概率性质，有也即 3 ， 3 是的实践取值范围。P 3 3 99.73 %.控制图的用途1、分析判别消费过程的稳定性，从而使消费过程处于统计控制形状2、及时发现消费过程中的异常景象和变异，预防不合格品发生3、查

8、明消费设备和工艺配备的实践精度，以便作出正确的技术决议4、为评定产质量量提供根据.控制图的实施循环抽取样本检验绘制控制图过程能否异常过程正常过程异常缘由分析对策措施YesNo.控制图的种类数据类型分布控制图名称数据类型分布控制图名称计量正态分布均值标准差控制图计件二项分布不合格率控制图均值极差控制图不合格数控制图中位数极差控制图计点泊松分布单位缺陷控制图单值移动极差控制图缺陷数控制图.计量值控制图适用于产质量量特性为计量值的情形。例如：长度、分量、时间、强度等延续变量。常用的计量值控制图有下面几种：均值极差控制图 图。中位数极差控制图 图。单值挪动极差控制图 图。均值规范差控制图 图。.均值-

9、极差控制图 图是 图均值控制图和R图极差控制图结合运用的一种控制图。是计量值控制图中最常用的一种质量控制工具。 图主要用来控制平均值的变化 图通常在样本容量较小时运用，是一种最常用的计量值控制图；普通n = 3、4、5、6为宜；R图用来控制工序散差的变化.的期望值 的规范偏向可经过k组大小为n的样本数据求得的估计值=的估计值=控制图控制界限确实定.控制图的控制界限为.R控制图的控制界限R的期望值R的规范偏向.绘制 控制图的根本步骤1、搜集数据并加以分组 在5M1E充分固定，并规范化的情况下，从消费过程中搜集数据。对于均值极差控制图，普通取组数k=20，每组容量n取45为宜.数据表.2、计算每组

10、的样本均值和样本极差i =1,2,k.3、计算全部样本组的平均样本均值和平均样本极差.4、计算控制界限系数A(n)数值表.5、制造控制图； 在方格纸上分别作 图和R图，两张图必需画在同一页纸上，这样以便对照分析。 图在上，R图在下，纵轴在同不断线上，横轴相互平行，并且刻度对齐。极差R不能够为负值，所以R的下控制界限线可以省略。.6、描点；UCL= 49.553CL= 49.5068LCL= 49.4606 图UCL= 0.1692CL= 0.08R 图.7、记入有关事项 在控制图上，应有记载零件称号、件号、工序称号、质量特性、丈量单位、规范要求、运用设备、操作者、记录者、检验者等工程的表头，并

11、设置查明缘由的经过和处置意见。.某厂消费一种零件，其长度要求为49.500.10 ( mm ), 消费过程质量要求为过程才干指数不小于1，为对该过程实施延续监控，试设计x-R图；.1、搜集数据并加以分组 在5MIE充分固定，并规范化的情况下，从消费过程中搜集数据。 本例每隔2h，从消费过程中抽取5个零件，丈量其长度值，组成一个大小为5的样本，一共搜集25个样本. .均值极差控制图数据表.样本149.4850.06249.5160.07349.5000.06449.4960.07549.5300.11649.5060.12749.5040.10849.5020.06949.5060.121049

12、.5260.091149.5000.111249.5120.061349.4940.071449.5260.10样本1549.4900.091649.5040.051749.5100.071849.5060.061949.5100.052049.5020.082149.5160.102249.5020.062349.5020.092449.5000.052549.5240.111237.6692.00平均49.50680.080表某零件长度值数据表.2、计算每组的样本均值和样本极差i =1,2,k.3、计算全部样本组的平均样本均值和平均样本极差.4.计算控制界限上式中A2,D4,D3均从控制图

13、系数表中查得：当n=5时，A2=0.577 D3不思索 D4=2.115 .5、制造控制图； 在方格纸上分别作 图和R图，两张图必需画在同一页纸上，这样以便对照分析。 图在上，R图在下，纵轴在同不断线上，横轴相互平行，并且刻度对齐。.6、描点；UCL= 49.553CL= 49.5068LCL= 49.4606x 图UCL= 0.1692CL= 0.08R 图.控制图的察看分析与运用控制图的察看分析与判别对控制图进展察看和分析是为了判别工序是处于受控形状还是失控形状，以便决议能否有必要采取措施，消除异常要素，使消费恢复到受控形状。控制图的判别根据“小概率事件原理由准那么可知，假设服从正态分布，

14、那么的能够值超出控制界限的能够性只需0.27%。因此，普通以为不会超出控制界限。所谓小概率原理，即以为小概率事件普通是不会发生的。.1、受控形状的判别在受控形状下，消费过程只受偶尔要素的影响。判别、工序能否处于受控形状的根本原那么：1一切样本点都在控制界限内2位于中心线两侧的样本点数目大致一样3离中心线越近，样本点越多。4样本点在控制界限内的分布是独立随机的，无明显规律或倾向.因在受控形状下仍有小概率出现样本超出控制界限的情况，所以对于以下情况仍可以为消费过程处于受控形状绝大多数点子在控制界限内，即：1延续25个样本点在控制界限内；2延续35个样本点中仅一点在控制界限外；3延续100个样本点中

15、，最多有两个样本点在控制界限外。及时找出界限外点的缘由.2、失控形状的判别1样本点超出控制界限.2控制界限内的点子陈列方式有缺陷非随机陈列1相对于点子的中心线一侧，延续出现7点“链的情况.2点子在中心线一侧多次出现时，出现以下情况为失控形状延续11点中至少有10点在中心线同一侧出现；延续14点中至少有12点在中心线同一侧出现；延续17点中至少有13点在中心线同一侧出现；延续20点中至少有16点在中心线同一侧出现；.3点子有按次序延续上升或者延续下降的倾向。普通把延续7点以上的单调上升或单调下降的情况视为异常情况.4点子在接近控制线出现的情况延续3点中至少有2点不延续也可以落在二倍规范差与三倍规

16、范差控制界限之间；延续7点中至少有3点不延续也可以落在二倍规范差与三倍规范差控制界限之间。延续10点中至少有4点不延续也可以落在二倍规范差与三倍规范差控制界限之间。.5点子具有周期变动的情况. 陈列图法陈列图主次要素分析图或帕累托图。根据“关键的少数，次要的多数规律，描画出一条累计百分比曲线，以之寻觅影响质量的关键少数问题，任何改良问题都可以用陈列图指出任务的重点，并确定改良后的效果。.陈列图由两个纵坐标、一个横坐标、几个从左向右依次陈列的长方形和一条累积百分比曲线组成。左纵坐标表示频数，如不良品的件数或损失金额；右纵坐标表示累积频率以累积百分比表示；横坐标表示影响质量的各个要素，按其影响程度

17、大小从左到右顺序陈列；折线表示各影响要素大小的累积百分比，由左向右逐渐上升。不良数50100150200比率66.7%84.6%89.7%93.8%100%20406080100 A B C D 其他.通常影响质量特性的要素可分为三类：1、A类要素：也称为主要要素，它数量不多，但却是影响质量的关键要素，在陈列图中，它是累积频率在080%范围的要素。2、B类要素：或称为次要要素，它对质量的影响小于A类要素。在陈列图中，它是累积频率在80%90%范围内的要素。3、C类要素：或称为普通要素，它对质量的影响极小。在陈列图中，它是累积频率在90%100%范围的要素。.陈列图的作图方法步骤1搜集一定期间的

18、数据2将搜集的数据进展整理，并填入统计表3计算各类工程的累计频数、频率及累计频率4按一定的比例，画出两个纵坐标和一个横坐标。5按各工程不合格品数的大小，依次在横坐标上画出柱形条6按右纵坐标的比例，找出各类工程的累计频率点，画出帕累托曲线。7在柱形条的上方注明各自的频数，在累计频率点旁注明累计频率值8在陈列图的下方要注明陈列图的称号、搜集数据的时间、绘图者等。.影响质量的原因不良品数压偏19不平行22压反17尺寸超差12角度超差6其他5合计81影响质量的原因不良品数不良品率累积百分比不平行2227.1627.16压偏1923.4650.62压反1720.9971.61尺寸超差1214.8186.

19、42角度超差67.4193.83其他56.17100例：根据表中所列资料，试画出陈列图，并指出影响质量的主要要素。.22191712651020304050607080102030405060708090100个不平行压偏压反尺寸超差角度超差其他27.250.671.671.686.4影响质量的原因不良品数不良品率累积百分比不平行2227.1627.16压偏1923.4650.62压反1720.9971.61尺寸超差1214.8186.42角度超差67.4193.83其他56.17100.1、利用陈列图寻觅产质量量的改善重点；2、利用陈列图验证改善产质量量的效果；表现为横坐标上的要素陈列顺序或

20、矩形高度的变化100% 实现的改善之前 之后 陈列图的运用.3、结合分层法，利用陈列图对产质量量进展分层研讨；A B C.实验1以齿条总高为例，用excel软件绘制 控制图。设共有25组数据，样本大小为5，数据如下：.样本编号标准值测量值1测量值2测量值3测量值4测量值512.82.8012.8122.8082.8062.80422.82.8122.8082.8012.8072.80532.82.8022.8032.8042.8052.80642.82.8092.8032.8082.8042.80152.82.7992.7822.7852.7942.7962.82.82.812.8252.8122.8272.82.8232.8192.8252.8252.82582.82.8132.8152.8152.8132.81592.82.792.7992.7742.752.763102.82.8032.8052