一.控制图的原理-波动分布
控制图观点认为:
(1)当过程仅受随机因素影响时,过程处于统计控制状态(简称受控状态);由于过程波动具有统计规律性,当过程受控时,过程特性一般服从稳定的随机分布;
(2)当过程中存在系统因素的影响时,过程处于统计失控状态(简称失控状态)。而失控时,过程分布将发生改变。
spc正是利用过程波动的统计规律性对过程进行分析控制的。因而,它强调过程在受控和有能力的状态下运行,从而使产品和服务稳定地满足顾客的要求。
二.控制图的原理-统计
受控状态是生产过程追求的目标,此时,对产品的质量是有把握的。控制图即是用来监测生产过程状态的一种有效工具。
控制图的统计学原理,令w为度量某个质量特性的统计样本。假定w的均值为μ,而w的标准差为σ。于是,中心线、上控制限和下控制限分别为
ucl =μ kσ
cl =μ
lcl =μ -kσ
式中,k为中心线与控制界限之间的标准差倍数 , kσ表示间隔宽度。
正常情况下点子分布是正态的,落在控制界限之内的概率远大于落在控制界限之外的概率。反之,若点子落在控制界限之外,可能是属于正常情况下的小概率事件发生,也可能是过程异常发生,相对来讲,后者发生的概率要大得多。因此,我们宁可以为后者情况发生,这正是控制图的统计学原理。
点子落在控制界限之内是否一定处于稳态?点子落在控制界线之外是否一定出现异常?这两个问题的回答都是否定的。
更为科学的判断应根据概率统计方法对过程进行定量分析,精确计处出状态的概率值之后再进行过程状态判断。
三.控制图的原理-分类1
各控制图用途:
均值-极差控制图: 是最常用、最基本的控制图,它用于控制对象为长度、重量、强度、纯度、时间和生产量等计量值的场合。
均值-标准差控制图: 次图与上图类似,极差计算简便,故r图得到广泛应用,但当样本大小或0>10或12时,应用极差估计总体标准差的效率减低,最好应用s图代替r图。
中位数-极差控制图: 由于中位数的计算比均值简单,所以多用于现场需要把测定数据直接记入控制图进行管理的场合。
均值-移动极差控制图: 多用于下列场合, (1)采用自动化检查和测量对每一个产品都进行检验的场合; (2)取样费时、昂贵的场合; (3)如化工等过程,样品均匀,多抽样也无太大意义的场合。由于它不像前三种控制图那样能取得较多的信息,所以它判断过程变化的灵敏度也要差一些。
p控制图:用于控制对象为不合格品率等计数值质量指标的场合。这里需要注意的是,在根据多种检查项目总起来确定不合格品率的场合,当控制图显示异常后难于找出异常的原因。因此,使用p图时应选择重要的检查项目作为判断不合格品的依据。
(1)连续25个点都在控制限内(显著性水平为:0.0654)。
(2)连续35个点至多一个点落在控制限外(显著性水平为:0.0041) 。
(3)连续100个点至多两个点落在控制限外(显著性水平为:0.0026) 。
pn控制图:用于控制对象为不合格品数的场合。设n为样本大小,p为不合格品率,则pn为不合格品个数。由于计算不合格品率需要进行除法,比较麻烦。所以在样本大小相同的情况下,用此图比较方便。
c控制图:用于控制一部机器、一个部件、一定的长度、一定的面积或任何一定的单位中所出现的缺陷数目。例如,铸件上的砂眼数,机器设备的故障数等等。
u控制图:当样品的大小变化时应换算成每单位的缺陷数并用u控制图。
通用控制图:
四.控制图的原理-判稳准则
(1)连续25个点都在控制限内(显著性水平为:0.0654)。
(2)连续35个点至多一个点落在控制限外(显著性水平为:0.0041) 。
(3)连续100个点至多两个点落在控制限外(显著性水平为:0.0026) 。
五.控制图的原理-计量型稳定
六.控制图的原理-计数型不稳定
七.控制图的原理-多变量型
八.控制图的原理-分类2
分析用控制图(判稳)。
控制用控制图(判异)。
联系:分析用控制图通过判稳准则分析过程的稳定性,并得出过程的控制限应用到控制用控制图,通过判异准则判断/预测过程的稳定性。
九.控制图的原理-判异准则
1.点在控制界限外或界限上。
2.排列不随机:
十.控制图的原理-判异准则程序实现示例