xks常用统计方法在QC中的运用.ppt

《xks常用统计方法在QC中的运用.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、常用统计方法在QC中的运用工艺质量科熊开胜主要内容数据收集的渠道和方法数据类型描述性统计的方法和特征数常用图表正交试验的基础我们做QC的目的是什么？目的决定一切！我们写QC材料的目的是什么？我们用统计工具来干什么？初识统计方法——分类描述性整理描述推断性进一步分析、解释作出推断性结论统计方法分类初识统计方法——用途提供表示数据特征的数据（平均数、标准偏差、极差等）比较两事物的差异（水平对比、假设检验等）分析事物影响变化的因素（因果图、系统图、分层法等）分析事物间相关关系（散点图、正交试验等）研究取样和试验方法，确定合理的试验

2、方案。发现质量问题，分析掌握质量数据的分布状态和动态变化（排列图、直方图、散点图等）描述质量形成过程（流程图、控制图等）数据的获取渠道1.充分利用我们现有的数据收集系统质量类数据三大数采系统MESERP系统设备类数据ERP系统设备管理工序点的工序记录维修记录能源类数据能源管理系统消耗类数据财务核算数据数据的获取渠道2.自己动手收集数据类型连续型数据（计量型数据）连续取值；能敏感地反映过程变化；信息丰富；可用较少的数据获得分析结论；获取的成本高非连续型数据（计数型数据）没有连续型数据敏感；需要较多的数据才能得出结论；对测量精度

3、要求不高；容易获取描述性统计——特征数分布的位置或者中心趋势的度量样本统计量说明公式/记号样本均值取自分布的样本的重心或质心其中：x是观测值，n是样本大小中位数有序样本中，排在中间位置的数据。数据集中的一半数据高于中位数，一半低于中位数。为有序样本众数出现最频繁的数值。如果将数据分组，众数是频数最大的组。Mod描述性统计——特征数散布程度的度量样本统计量说明公式/记号极差（全矩）样本极值之间的距离。R=最大值-最小值样本方差对围绕均值的变差的度量，单位是原始数据单位的平方样本标准差对围绕均值的变差的度量，与原始数据的单位相同

4、。描述性统计——特征数分布形状的度量样本统计量说明公式/记号偏度对称性分布的β3为零β3>0表示右偏态β3<0表示左偏态峰度峰度是分布平坦程度的度量。正态分布的峰度为β4=0描述性统计（操作）所有特征数一次搞定——图形化汇总描述性统计（案例）所有特征数一次搞定——图形化汇总描述性统计（案例）描述性统计——图形饼图柱图点图直方图箱线图正态概率曲线描绘Y时间序列图运行图排列图时间序列图运行图散点图点图直方图箱线图多变量图描绘Y与XYX连续非连续连续非连续一张好的图表胜过千言万语描述性统计——图形LSLUSL直方图频数目标值LS

5、LUSL轴的加工长度目标值箱线图Y连续非连续描述性统计——图形直方图制作步骤描述性统计——图形直方图分析描述性统计——图形箱线图制作步骤描述性统计——图形箱线图分析XY连续非连续连续非连续描述性统计——图形散点图制作步骤XY连续非连续连续非连续描述性统计——图形散点图分析XY连续非连续连续非连续描述性统计——图形时间序列图XY连续非连续连续非连续数据分析工具YX连续非连续连续非连续单样本T检验双样本T检验F检验非参数检验方差分析一般线性模型一元线性回归多元线性回归一般线性模型卡方检验二项逻辑回归二项逻辑回归数据分

6、析工具——方差分析某QC小组选择解决烟支生产过程中出现皱纹烟的问题作为QC课题。小组发现烟支的硬度与会否出现皱纹成负相关关系。为了确定不同厂家的辅料对于烟支硬度的影响，小组收集了三种辅料生产出的烟支硬度数据。作为QC小组成员，你将怎样利用这些数据进行初步分析呢？问题的提出数据分析工具——方差分析方差分析结果单因子方差分析:烟支硬度与辅料类型来源自由度SSMSFP辅料类型212.7006.35012.860.000误差9747.9120.494合计9960.612S=0.7028R-Sq=20.95%R-Sq（调整）=19.3

7、2%均值（基于合并标准差）的单组95%置信区间水平N均值标准差+---------+---------+---------+---------1313.39350.8247(------*------)2424.20520.6212(-----*-----)3273.64110.6705(-------*-------)+---------+---------+---------+---------3.153.503.854.20合并标准差=0.7028P值<0.05,说明不同辅料间的烟支硬度存在明显差异2#辅料的烟支硬度明

8、显大于其他两个数据分析工具——正交试验正确的试验方法-试验设计DesignOFExperiment20世纪20年代，英国人RonaldA.Fisher爵士首先提出了因子试验设计(FactorialDesign)的概念。简而言之就是“同时考察所有因素，用尽可能少的试验次数获取最大的试验信息”