品管七大工具

1、.：.；品管七大工具质量管理七大工具运用概述表示事物特征在质量管理活动中搜集到的数据大都表现为杂乱无章的，这就需求运用统计方法计算其特征值，以显示出事物的规律性。如平均值、中位数、规范偏向、方差、极差等。比较两事物的差别在质量管理活动中，实施质量改良或运用新资料、新工艺，均需求判别所获得的结果同改良前的形状有无显著差别，这就需求用到假设检验、显著性检验、方差分析和程度对比法等。分析影响事物变化的要素为了对症下药，有效地处理质量问题，在质量管理活动中可以运用各种方法，分析影响事物变化的各种缘由。如因果图、调查表、分布图、陈列图、分层法、树图、方差分析等等。分析事物之间的相互关系在质量管理活动中，

2、经常遇到两个甚至两个以上的变量之间虽然没有确定的函数关系，但往往存在着一定的相关关系。运用统计方法确定这种关系的性质和程度，对于质量活动的有效性就显得非常重要。这里就可利用分布图、实验设计法、陈列图、树图、头脑风暴法等。研讨取样和实验方法，确定合理的实验方案用于这方面和统计技术有：抽样方法、抽样检验、实验设计、可靠性实验等。发现质量问题，分析和掌握质量数据的分布情况和动态变化用于这方面的统计技术有：频数直方图、控制图、分布图、陈列图等。描画质量构成过程用于这方面的统计技术有流程图、控制图等。产质量量动摇1、正常动摇正常动摇是由随机缘由引起的产质量量动摇。这些随机要素在消费过程中大量存在，对产质

3、量量经常发生影响，但它所呵斥的质量特性值动摇往往比较小。普通情况下这些质量动摇在消费过程中是允许存在的，所以称为正常动摇。2、异常动摇异常动摇是由系统缘由引起的产质量量动摇。这些系统要素在消费过程中并不大量存在，对产质量量也不经常发生影响，一旦存在，它对产质量量的影响就比较显著。普通说来在消费过程中是不允许存在的。质量管理的一项重要任务，就是要找出产质量量动摇规律，把正常动摇控制在合理范围内，消除系统缘由引起的异常动摇。专家的话七大工具用途调查表：搜集数据分层法：数据工程的设立陈列图：看问题的分布情况,找出主要要素。因果图：理清思绪，寻觅缘由。分布图：两个要素之间的关系。直方图：看问题的分别情

4、况，发现异常情况存在。控制图：稳定与否。口诀查检集数据层别作解析陈列抓重点鱼骨追缘由分布看相关直方显分布控制找异常一、调查表调查表是为了调查客观事物、产品和任务质量，或为了分层搜集数据而设计的图表。即把产品能够出现的情况及分类预先列成调查表，那么检查产品时只需在相应分类中进展统计。1、不良工程调查表质量管理中“良与“不良，是相对于规范、规格、公差而言的。一个零件和产品不符合规范、规格、公差的质量工程叫不良工程，也称不合格工程。缺陷调查表如1-1表。2、缺陷位置调查表大多是画成产品外形图、展开图，然后在其上对缺陷位置的分布进展调查。缺陷位置调查表宜与措施相联络，能充分反映缺陷发生的位置，便于研讨

5、缺陷为什么集中在那里，有助于进一步察看、讨论发生的缘由。除产品外形图，用言语或文字描画缺陷发生的频数也是可以的，如表1-2所示。3、频数调查表为了做直方图而需经过搜集数据、分组、统计频数、计算、绘图等步骤。假设运用频数调查表，那就在搜集数据的同时，直接进展分解和统计频数。每得到一个数据，就在频数调查表上相应的组内作一个符号，丈量和搜集数据终了，频数分布表也随之作出，便能迅速的得到直方图的草图。目前，调查表广泛运用于各行各业，调查表的方式也多种多样。为了可以获得良好的效果、可比性、全面性和准确性，调查表格设计应：简单明了，突出重点；应填写方便，符号好记；调查、加工和检查的程序与调查表填写次序应根

6、本一致；填写好的调查表要定时、准时改换并保管；数据要便于加工整理，分析整理后及时反响。专家的话二、分层法分层就是把所搜集的数据进展合理的分类，把性质一样、在同一消费条件下搜集的数据归在一同，把划分的组叫做“层，经过数据分层把错综复杂的影响质量要素分析清楚。通常，我们将分层与其他质量管理中统计方法一同联用，即将性质一样、在同一消费条件下得到的数据归在一同，然后再分别用其他方法制成分层陈列图、分层直方图、分层分布图等。【例1-1】在柴油机装配中经常发生气缸垫漏气景象，为处理这一质量问题，对该工序进展现场统计。1搜集数据：n=50，漏气数f=19，漏气率p=f/n=19/50=38%2分析缘由经过分

7、析，以为呵斥漏气有两个缘由：该工序涂密封剂的工人A、B、C三人的操作方法有差别；气缸垫分别由甲、乙两厂供应，原资料有差别。因此采用分层法列成表1-3、表1-4进展分析。由表1-3和表1-4，人们似乎以为，降低气缸漏气率的方法可率非但没有降低，反而添加到来43%，这是什么缘由呢？这是由于仅单纯地分别思索操作者和原资料呵斥漏气的情况，没有进一步思索不同工人用不同工厂提供的气缸垫也会呵斥漏气。为此，需求进展更细致的综合分析，如表1-5。采用乙厂提供的气缸垫和工人B的操作方法。但实际结果阐明，这样做漏气由表1-5再次提出降低气缸漏气率的措施是：运用甲厂提供的气缸垫时，要采用工人B的操作方法。运用乙厂提

8、供的气缸垫时，要采用工人A的操作方法。实际阐明，上述的分层法及采用的措施非常有效，漏气率大大降低。三、陈列图陈列图是经过找出影响产质量量的主要问题，以便确定质量改良关键工程的图表。陈列图最早由意大利经济学家巴累特Pareto用于统计社会财富分布情况的。后来，美国质量学家朱兰把这个原理运用到质量管理中来，成为处理产质量量的主要问题的一种图形化的有效方法。陈列图的方式，普通如图1-13所示。1、陈列图的作图步骤1普通指不合格工程、废品件数、耗费工时等等。2搜集与整理数据可按废品工程、缺陷工程，不同操作者等进展分类。列表汇总每个工程发生的数量即频数fi，按大小进展陈列。3计算频数fi、频率Pi%、累

9、计频率Fi等。4画图陈列图由于两个纵坐标，一个横坐标，几个顺序陈列的矩形和一条累计频率折线组成。左边的纵坐标表示频数fi，右边的纵坐标表示频率Pi；横坐标表示质量工程，按其频数大小从左向右陈列；各矩形的底边相等，其高度表示对应工程的频数；对应于右边纵坐标频率Pi，应在各矩形的右边或右边的延伸线上打点，各点的纵坐标值表示对应工程的累计频率；以原点为起点，依次衔接上述各点，所得折线即为累计频率折线。5根据陈列图，确定主要要素、有影响要素和次要要素。主要要素累计频率Fi在0%80%左右的假设干要素。它们是影响产质量量的关键缘由，又称为A类要素。其个数为12个，最多3个。有影响要素累计频率Fi在80%

10、95%左右的假设干要素。它们对产质量量有一定的影响，又称为B类要素。次要要素累计频率Fi在95%100%左右的假设干要素。它们对产质量量仅有细微影响，又称为C类要素。【例1-3】某化工厂对十五台尿素塔焊缝缺陷所需工时进展统计分析，如表1-9。表1-9焊缝缺陷所需工时进展统计分析表按陈列图作图步骤，确定焊缝气孔和夹渣为主要要素；焊缝成型差和焊道凹陷为有影响要素。所作陈列图如图1-14。2、陈列图的用途1找出主要要素陈列图把影响产质量量的“关键的少数与次要的多数直观地表现出来，使我们明确应该从哪里着手来提高产质量量。实际证明，集中精神将主要要素的影响减半比消灭次要要素收效显著，而且容易得多。所以应

11、中选取陈列图前12项主要要素作为质量改良的目的。假设前12项难度较大，而第3项简易可行，马上可见效果，也可先对第3项进展改良。2处理任务质量问题也可用陈列图不仅产质量量，其他任务如节约能源、减少耗费、平安消费等都可用陈列图改良任务，提高任务质量。检查质量改良措施的效果。采取质量改良措施后，为了检验其效果，可用陈列图来核对。假设确有效果，那么改良后的陈列图中，横坐标上要素陈列顺序或频数矩形高度应有变化。四、因果图因果图是表示质量特性与缘由的关系的图。主要用于寻觅质量问题产生的缘由，既分析缘由与结果之间的关系。对于主要质量问题可以采取陈列图法获得，然后根据分析问题的缘由，采取适当的措施加以处理。在

12、消费过程中，引起质量动摇主要与人员、机器、资料、工艺方法和环境等要素有关，而一个问题的发生往往有多种要素交错在一同，从外表上难以迅速找出其中主要的要素。我们可以运用搜集信息的各种方法将影响质量的各种要素反映在一张图上，比较缘由大小和主次，从而迅速找出产生问题的主要缘由；也就是根据反映出来的主要问题最终结果，找出影响它的大缘由、中缘由、小缘由、更小缘由等等。讨论质量缘由，要从大到小，从粗到细，寻根究底，然后采取措施。因果图就是经过层层深化的分析研讨来找出影响质量缘由的简便而有效的方法，从交错混杂的大量影响要素中理出头绪，逐渐地把影响质量主要、关键、详细缘由找出来，从而明确所采取的措施。把一切能想

13、到的缘由，按它们之间的相依隶属关系，用箭头归纳联络在一同箭干写缘由，箭头指向结果，绘成一张树枝状或鱼刺状的因果图。质量因果图由质量问题和影响要素两部分组成，如图1-15。主干箭头所指的为质量问题，主干上的大枝表示大缘由，中枝、小枝芽表示缘由的依此展开。1、因果图作图步骤1确定要研讨分析的质量问题和对象，既确定要处理的质量特性是什么。将分析对象用一定语气不标问号写在图的右边，最好定量表示，以便判别采取措施后的效果。画出主干，箭头指向右端的结果研讨的对象。2确定呵斥这个结果和质量问题的要素分类工程。影响工序质量的要素分为人员、设备、资料、工艺方法、环境等；再依次细分，画大枝，箭头指向主干，箭尾端记

14、上分类工程，并用方框框上。3把到会者发言、讨论、分析的意见归纳起来，按相互的相依隶属关系，由大到小，从粗到细，逐渐深化，直到可以采取处理问题的措施为止。将上述工程分别展开；中枝表示对应的工程中呵斥质量问题的一个或几个缘由；一个缘由画一个箭头，使它平行于主干而指向大枝；把讨论、意见归纳为短语，应言简意准，记在箭干的上面或下面，再展开，画小枝，小枝是呵斥中枝的缘由。如此展开下去，越详细越细致，就越好。4确定因果图中的主要、关键缘由，再去现场调查研讨，验证所确定的主要、关键缘由能否找对、找准。以此作为制定质量改良措施的重点工程。普通情况下，主要、关键缘由不应超越所提出的缘由总数的三分之一。5注明因果

15、图的称号、日期、参与的人员、绘制人和参调查询事项。2、作因果图的本卷须知1要充分发扬民主，把各种意见都记录、整理入图。一定要请当事人、知情人到会并发言，引见情况，发表意见。2主要、关键缘由越详细，改良措施的针对性就越强。主要、关键缘由初步确定后，应到现场去落实、验证主要缘由，在订出真实可行的措施去处理。3不要过分的清查个人责任，而要留意从组织上、管理上找缘由。实事求是的提供质量数据和信息，不相互推托责任。4尽能够用数据反映、阐明问题。5作完因果图后，应检查以下几项：图名、应标明主要缘由是哪些等、文字能否简便通俗、编译能否明确、定性能否准确、应尽能够地定量化、改良措施不宜画在图上。6有必要时，可

16、再画出措施表。为分析图1-14上第一位主要要素“焊缝气孔缺陷缘由，作因果图，见图1-16。专家的话五、分布图分布图是经过分析研讨两种要素的数据之间的关系，来控制影响产质量量的相关要素的一种有效方法。在消费实践中，往往有些变量之间存在着相关关系，但又不能由一个变量的数值准确地求出另一个变量的数值。如棉纱的水分含量与伸长度之间的关系；喷漆时的室温与漆料粘度的关系；零件加工时切削用量与加工质量的关系；热处置时钢的淬火温度与硬度的关系如图1-9等等。从图1-9可见，数据的点子近似于一条直线，在这种情况下可以说硬度与淬火温度近似线性关系。 图1-9钢的淬火温度与硬度分布图1、分布图的察看分析根据丈量的两

17、种数据做出分布图后，察看其分布的外形和密疏程度，来判别它们关系亲密程度。分布图的五种情形如图1-10图1-10分布图的五种情形从图1-10中，我们可以看出分布图大致可分为以下五种情形：1完全正相关：x增大，y也随之增大。x与y之间可用直线y=a+bxb为正数表示。2正相关：x增大，y根本上随之增大。此时除了要素x外，能够还有其他要素影响。3负相关：x增大，y根本上随之减小。同样，此时能够还有其他要素影响。4完全负相关：x增大，y随之减小。x与y之间可用直线y=a+bxb为负数表示。5无关：即x变化不影响y的变化。制造与察看分布图时，应留意以下几种情况：应察看能否有异常点或离群点出现，即有个别点

18、子脱离总体点子较远。假设有不正常点子应剔除；假设是缘由不明的点子，就慎重处置，以防还有其他要素影响。分布图假设处置不当也会呵斥假象。如图1-11。由图可见，假设将x的范围只局限在中间的那一段，那么在此范围内看，y与x似乎并不相关，但从整体看，x与y关系还比较亲密。分布图有时要分层处置。如图1-12，x与y的相关关系似乎很亲密，但假设仔细分析一下数据，这些数据原是三种不同的条件。假设这些点子分成三个不同层次A、B、C。从每个层次中思索，x与y实践上并不相关。图1-11部分与整体的分布图图1-12应分层处置的分布图2、分布图与相关系数r为了表达两个变量之间相关关系的亲密程度，需求用一个数量目的来表

19、示，这个目的称为相关系数，通常用r表示。不同的分布图有不同的相关系数，r满足：-1r1。因此，可根据相关系数r值来判别分布图中两个变量之间的关系。见表1-8。表1-8相关系数r的取值阐明 相关系数的计算公式是式中，表示n个x数据的平均值；表示n个y数据的平均值；Lxx表示x的的离差平方之和，即x-2；Lyy表示y的离差平方之和，即y-2；Lxy表示x的离差与y的离差的乘积之和，即x-2.y-2。应留意：相关系数r所表示的两个变量之间的相关是指线性相关。因此，当r的绝对值很小甚至等于0时，并不表示x与y之间就一定不存在任何关系。如x与y之间有关系的，但经过计算相关系数的结果却为0，这是由于此时x

20、与y的关系是曲线关系，而不是线性关系呵斥的。六、直方图直方图法是适用于对大量计量什数据进展整理加工，找出其统计规律，即分析数据分布的形状，以便对其总体的分布特征进展推断，对工序或批量产品的质量程度及其均匀程度进展分析的方法。1、作直方图的方法步骤如下1搜集数据普通搜集数据都要随机抽取50个以上质量特性数据，并按先后顺序陈列。表1-6是搜集到的某产品数据，其样本大小用n=100表示。2找出数据中的最大值，最小值和极差数据中的最大值用Xmax表示，最小值用Xmin表示，极差用R表示。【例1-2】某工程统计数据为：Xmax=63，Xmin=38，极差R=Xmax-Xmin=63-38=25。区间Xm

21、ax，Xmin称为数据的分布范围，全体数据在此范围内变动。3确定组数组数常用符号k表示。k与数据数多少有关。数据多，多分组；数据少，少分组。组数选用表4求出组距h组距即组与组之间的间隔，等于极差除以组数，即 组距 h= 5确定组界为了确定边境，通常从最小值开场。先把最小值放在第一组的中间位置上。本例中数据最小值xmin=38，组距h=3，故第一组的组界为：6计算各组的组中值wi所谓组中值，就是处于各组中心位置的数值，又叫中心值。某组的中心值wi=某组的上限+某组的下限/2第一组的中心值w1=36.5+39.5/2=38第二组的中心值w2=39.5+42.52/2=41其他各组类推，组中值如表1

22、-7中所示。7统计各组频数统计频数的方法，如表1-7所示。表1-7频数统计表8画直方图以分组号为横坐标，以频数为高度作纵坐标，作成直方图，如图1-2所示。2015105频 数2 21618231715341 2 3 4 5 6 7 8 9组 号2、直方图的用途直方图是经常运用的且能发扬很大作用的统计方法。其主要作用是：1察看与判别产质量量特性分布情况。2判别工序能否稳定。3计算工序才干，估算并了解工序才干对产质量量保证情况。3、直方图的察看与分析察看主要有两个方面：一是分析直方图的全图外形，可以发现消费过程的一些质量问题；二是把直方图和质量目的比较，察看质量能否满足要求。假设我们把直方图分为正

23、常和非正常型的话，它们的外形如图1-3。b偏向型左c偏向型右d双峰型g孤岛型a正常型f平顶型e锯齿型e锯齿型1正常型图1-3a图形中央有一顶峰，左右大致对称，这时工序处于稳定形状。其他都属非正常型。2非正常型图1-3b，c图形有偏左、偏右两种情形，缘由是：一些形位公差要求的特性值是偏向分布。加工者担忧出现不合格品，在加工孔时往往偏小，加工轴时往往偏大呵斥。3双峰型图1-3d图形出现两个顶峰极能够是由于把不同加工者或不同资料、不同加工方法、不同设备消费的两批产品混在一同构成的。4锯齿型图1-3e图形呈锯齿状参差不齐，多半是由于分组不当或检测数据不准而呵斥。5平顶型图1-3f无突出顶峰，通常由于消

24、费过程中缓慢变化要素影响如刀具磨损呵斥。6孤岛型图1-3g由于丈量有误或消费中出现异常原资料变化、刀具严重磨损等。4、直方图与规范界限比较统计分布符合规范的直方图有以下几种情况：1理想直方图：分布范围B在规范界限T=Tl，Tu内，两过有余量，如图1-4。2B位于T内，一边有余量，一边重合，分布中心偏移规范中心，应采取措施使分布中心与规范中心接近或重合，否那么一侧无余量易出现不合格品，如图1-5a和b。图1-4 图1-53B与T完全一致，两过无余量，易出现不合格品。如图1-6。统计分布不符合规范的直方图有以下几种情况：分布中心偏移规范中心，一侧超出规范界限，出现不合格品，如图1-7。分布范围B大

25、于T，两侧超出规范界限，均出现不合格品，如图1-8。虽然直方图可以很好地反映出产质量量的分布特征，但由于统计数据是样本的频数分布，它不能反映产品随时间的过程特性变化，有时消费过程已有趋向性变化，而直方图却属于正常型，这也是直方图的局限性。图1-6 图1-7 图1-8专家的话七、控制图控制图是判别和预告消费过程中质量情况能否发生动摇的一种有效方法。现有控制造为质量控制的有力武器已广泛运用于各行各业。例如美国某电气公司的一个工厂有3000人，制定了5000张控制图；美国柯达彩卷公司有5000人，制定控制图有35000张，平均每人7张。我国航空飞机制造厂中的先进质量体系AQS中，要求一些工序必需作控

26、制图。所谓控制图的根本思想就是把要控制的质量特性值用点子描在图上，假设点子全部落在上、下控制界限内，且没有什么异常情况时，就可判别消费过程是处于控制形状。否那么，就应根据异常情况查明并设法排除。通常，点子越过控制线就是报警的一种方式，如图1-17中的第六点。控制图作为一种管理图，在工业消费中，根据所要控制的质量目的的情况和数据性质分别加以选择。如表1-10。表1-10各种控制图计算公式一览表2、常用控制图的种类常用质量控制图可分为两大类。1计量值控制图包括：单值控制图、单值-挪动极差控制图、平均值-极差控制图、中位数控制图。2计数值控制图包括：不良品数控制图、不良品率控制图、缺陷数控制图、单位

27、缺陷数控制图。根据所要控制的质量特性和数据的种类、条件等，按图1-18中的箭头方向便可作出正确的选用。计量值控制图普通适用于以计量值为控制对象的场所。所谓计量值表现为数轴上的一切点，是延续的数值。比如，长度、强度等，只需丈量精度可以到达，那么其特征值可以恣意的精度表示。计量值控制图对工序中存在的系统性缘由反响敏感，所以具有及时查明并消除异常的明显作用，其效果比计数值控制图显著。计量值控制图经常用来预防、分析和控制工序加工质量，特别是几种控制图的结合运用。计数值控制图那么用于以计数值为控制对象的场所。所谓计数值表现为数轴上的整数方式，是离散型的数值。比如，一个产品批的不合格品件数。计数值控制图的

28、作用与计量值控制图类似，其目的也是为了分析和控制消费工序的稳定性，预防不合格品的发生，保证产质量量。3、控制界限的原理控制图中的上、下控制界限，普通是用“三倍规范偏向法又称3法。而把中心线确定在被控制对象如平均值、极差、中位数等的平均值上。再以中心线为基准向上或向下量3倍规范偏向，就确定了上、下控制界限。另外，在求各种控制图时，3倍规范偏向并不容易求到，故按统计实际计算出一些近似系数用于各种控制图的计算信息输入表1-11。例如，要求平均值控制图，那么平均值的x中心线值为x，上下控制界限值为：UCL=+3=x+A2RLCL=-3=x-A2R由于实践任务中正态分布经常出现，即不论和是什么数值，产质

29、量量计量值在+3与-3上下界限之间出现的能够性大小即概率为99.73%，如图1-19所示。这样，根据正态分布的特点，在只需偶尔性要素的消费过程中，1000个数据中最多有3个数据点子能够超出控制界限。一旦发现某点子在界外，就可判别消费过程发生了异常，需立刻查明。这种判别的错判率只是千分之三。图1-19正态分布在3间的概率表1-11计量值控制图计算公式中的系数值表【例1-4】某厂消费100.20mm的圆柱销，每隔一定时间随机抽取5个样品，共取20组，所得数据如表1-12。解：1平均值的中心值x=10.001，R=0.2根据表1-15的计算公式求出：UCL=x+A2R=10.001+(0.580.)

30、=10.080LCL=x-A2R=10.001-(0.580.)=9.9223根据R图的计算公式式求出：R图的CL=R=0.UCL=D4R=2.110.=0.287LCL，不用要4根据以上数据作图并打点，见图1-20。图1-20某圆柱销的x-R图4、控制图的分析与判别用控制图识别消费过程的形状，主要是根据样本数据构成的样本点位置以及变化趋势进展分析和判别，判别工序是处于受控形状还是失控形状。1受控形状的判别工序能否处于受控形状，也就是工序能否处于统计控制形状或稳定形状，其判别条件有两个：第一个判别条件是在控制界限内的点子陈列无缺陷；第二个判别条件是控制图上的一切样本点全部落在控制界限之内。在满

31、足了第一个条件的情况下，对于第二个条件，假设点子的陈列是随机地处于以下情况，那么可以为工序处于受控形状。延续25个点子没有一点在控制界限以外；延续35个点子中最多有一点在控制界限以外；延续100个点子中最多有两点在控制界限以外。由于用少量数据做控制图容易产生错误的判别，所以致少25点才干作判别。从概率实际可知，延续35个点子中，最多一点超出控制界限的概率为0.9959，至少有一点在界限外的概率为0.0041，即不超越1%，是个小概率事件。延续100个点子中，最多两点超出控制界限的概率为0.9974，而至少有两点在界限外的概率为0.0026，也不超越1%，也是小概率事件。2失控形状的判别只需控制

32、图上的点子出现以下情况时，就可判别工序为失控形状：首先，控制图上的点子超出控制界限外或恰好在界限上；其次，控制界限内的点子陈列方式有缺陷，呈现非随机陈列。在3界限控制图中，正常条件下，点子越出界限的概率只需0.27%，这是一个小概率事件，假设不是异常形状，点子是不会超出控制界限以外的。另外，即使一切点子落在界限内，但假设有以下陈列异常的情况发生，仍有能够判别处于失控形状。同理可以计算以下情况的发生概率，它们也是小概率事件。控制图有缺陷的形状大致有以下几种：点子越出控制界限。点子在控制界限附近，即在23之间。称为警戒区间延续3点中有2点在警戒区内如图1-21；延续7点中有3点在警戒区内；延续10

33、点中有4点在警戒区内。图1-213点中有2点在控制界限附近表示图点子在中心线一侧延续出现。延续7点在中心线一侧，如图1-22。延续11点中有10点在中心线一侧；延续14点中有12点在中心线一侧；延续17点中有14点在中心线一侧；延续20点中有17点在中心线一侧；如图1-23。点子有延续上升或下降趋向，如点数7，那么判别有系统性要素影响。如图1-24。点子在动摇呈现周期性变化，阐明消费过程有系统性要素发生图1-22点链 图1-23多点在中心线一侧出现表示图图1-24出现7点倾向的表示图无论是控制图上的点子超出控制界限外或恰好在界限上，还是控制界限内的点子陈列方式有缺陷，呈现非随机陈列，这两种情况

34、都阐明消费过程中存在系统性的要素，对某个质量特征值的平均值和规范差产生影响，应查明情况以便及时采取措施。在运用控制图对质量进展分析和控制时，最重要的步骤是选择控制工程及其质量特征。普通可以选技术复杂、加工精度要求严厉、对后续工序的质量产生较大影响、质量不稳定或用户反响意见较多的工序中的关键特征值作为控制对象。为什么上述各种情况有些是正常的有些不是正常的，这涉及到控制图缺陷的概率计算。在统计假设检验中，小概率数值常取0.05与0.01。而判别控制图中点子陈列有缺陷的小概率数值规范常取0.01。常见的概率计算公式为：Px=k=Cnpk1-pn-kk=1，2，n0p1这是二项式分布概率的计算公式。它的运用条件是：每次实验只需两种结果，即胜利或失败；每次实验是相互独立的。控制图中“7点链等四种景象，根本上是满足这两个条件的。如，一个点子不是落在中心线这