品质统计经典培训教程

6s1單元(4)-A統計基礎及品質統計資料數據基礎統計學生產製造環境品質統計圖表製程能力分析SPC統計製程控制6s2資料及數據6s3你想瞭解什麽?資訊源:分組離散型名義型順序型間距型“資料本身並不能提供資訊——必須對資料加以處理以後才能得到資訊,而處理資料的工具就是統計學”.衡量連續型比率型●文字的(AtoZ)●圖示的●口頭的●數位的(0-9)數據6s4FAILPASS計時器NO-GOGO數量單價說明總價1$10.00$10.003$1.50$4.5010$10.00$10.002$5.00$10.00裝貨單離散型資料和連續型資料電氣電路溫度溫度計連續型離散型卡尺錯誤6s5$$連續資料的優勢連續的信息量少信息量多6s6•離散型資料(通常)•分組/分類•是/否,合格/不合格•不能計算•離散型資料•分級•很少用•很難加以計算•連續型資料•最常見的尺規•計算時要很小心•連續型資料•比例關係•可應用演算法的多數公式•分類•標簽•第一、第二、第三•相對高度•字母順序•1234•溫度計•刻度盤•速度=距離/時間•直尺衡量工具分類說明例子衡量工具分類名義型:不相關類,只代表符合條件或不符合條件個體數.順序型:順序類,但沒有各類間隔的資訊.間距型:順序類,兩類之間間隔相等,但沒有絕對零點.比例型:順序類,兩類之間間隔相等,同時存在絕對零點..6s7無權使用數位相機FredW.BillS.JohnD.SamC.BobT.JimC.JoeW.DianeA.名義型衡量工具•名義尺規用於不考慮任何特性時，對各元素進行分類。•示例中的名義尺規包括魚骨圖上的“原因”,是/否,合格/不合格,等等。設備應用環境材料油漆粘附性差應用表從每一組中選擇一項國籍婚姻狀態職業責任人列表有權使用數位相機6s8順序型衡量工具順序尺規根據特性給名義型資料排序(合格或不合格)。順序尺規示例中包括相對高度、Pareto表、顧客滿意度調查，等等。例1:Pareto表——油漆粘附性檢驗相對尺寸順序尺規重要性例2:顧客調查問題:你認爲我們的服務如何?非常好很好好還好差6s9•完全同意•有點同意•既不同意也不反對•有點反對•完全反對•比預期的稍差•比預期的差得多•最好•較好•中等•較差•最差•比預期的好得多•比預期的稍好•與預期的一樣比例尺規範圍舉例學校裏的五分制(ABCDE)七分制(1234567)口頭評分(優、好、中、可、差)調查表問卷類型順序型衡量工具6s10間距和比例衡量工具1.移動距離5040302010000.100.202.刻度盤1009080706050403020100間距尺規(相對)通常用來表示等距類別的數位資訊，但沒有絕對零點。刻度盤位於表座的頂端，用來作差異對比等。比例尺規通常用來表示等距類別的數位資訊，但在測量範圍內有絕對零點。卷尺、直尺、在恒定速度下位置相對於時間的值,等等。間距尺規舉例:(沒有絕對零點)比例尺規舉例:(有絕對零點)3.相對速度1.直尺2.恒定速度下位置相對於時間的值3.將重量作爲以磚塊數量爲變數的函數值表座6s11基礎品質統計學6s12變異(Variation)當我們從一過程中收集數據,會發現數據不會永遠相同,因為變異(Variation)在過程中隨時存在製造流程Step1Step2Step3ProcessOutputOutputofProcessStepEquipmentMaterialsEnvironmentPeopleMethodsInformation6s13變異(Process)=變異(Step1)+變異(Step2)+變異(Step3)+...變異(ProcessStep)=變異(Methods)+變異(Materials)+變異(Environment)+變異(People)+變異(Equipment)+變異(Information)變異(Variation)我們觀察到的變異,是在過程中各種擾動累積起來的.6s14變異(Variation)參數XXXXXXXXX量測值分佈多數在此少數在此Center均值Spread散佈雖然變異是隨機的,但他們的隨機性通常有模式存在,這種模式可用統計上的分佈(Distribution)來形容.如此變異加以統計分析,便可有某種程度的預測性存在並易於被理解或控制.6s15變異(Variation)中心Center:數據最集中在何處?散佈Spread:數據變異程度及分散狀況如何?形狀Shape:分佈是否對稱?扁平?凹凸?是否有異常區描述分佈(Distribution)Shape形狀Center中心Spread散佈6s16變異(Variation)變異可以是穩定(Stable)或不穩定(Unstable)的.-穩定變異:變化的分佈較具預測性及一致性,對時間而言具可預測性-不穩定變異:對時間而言不具可預測性PROCESS#1-StableVariation穩定PartThicknessPROCESS#2-UnstableVariation不穩定PartDistributionDistributionThickness6s17變異(Variation)在製造過程中,有變異都是不好.問題是我們能容忍到何種範圍.我們能容忍的變異是具有以下兩項特徵:TimeParameterSTABLE(i.e.,consistentandpredictableovertime).CAPABLE(i.e.,smallvariationcomparedtotheproductspecifications.)ProductSpecificationsParameterDistribution穩定散佈小6s18控制變異(Variation)1.Characterize2.Improve3.Control瞭解過程:使制程更好:保持穩定並維持高制程能力•過程由時間來看是否穩?•制程能力是否能滿足目標規格?•確認並除去不穩定原因•確認並降低變異程度使滿足規格•持續監視及控制過程的變異源特徵化改善控制6s19因為用抽樣統計,其結果只是估計,和真實可能有差異.適當的抽樣可使統計分析更準確.Statistics分佈的數學描述與定義中心Center:數據最集中在何處?散佈Spread:數據變異程度及分散狀況如何?形狀Shape:分佈是否對稱?扁平?凹凸?是否有異常區6s20樣本均值=X样本母體參數和樣本統計量母體:包含所關心特性的已經製造或將要製造的物件的全體樣本:在統計研究中實際測量的物件組。樣本通常爲所關心母體的子集“母體參數”“樣本統計量”m=母體均值s=樣本標準偏差母體s=母體標準偏差~6s21•均值:一組值的算術平均均值:-反映所有值的影響-受極值影響嚴重•中位數:反應50%的序一組數排序後居中的數-在計算中不必包含所有值-相對於極值具有“可靠性”•眾數值:-在一組資料中最常發生的值nnnnxx1Median(Mean平均)(Median中數)眾數Center(中心)50%50%6s221n)X(Xn1i2is1n)X(Xn1i2i2s全距:在一組資料中，最高值和最低值間的數值距離變異(s2):每個資料點與均值的平均平方偏差標準偏差(s):變異數的平方根.量化變動最常用的量全距＝最大值－最小值Spread(散佈)6s6s23ThesRulestateshowmandscanbeusedtodescribetheentiredistribution:·Roughly60-75%ofthedataarewithin1sofm.·Roughly90-98%ofthedataarewithin2sofm.·Roughly99-100%ofthedataarewithin3sofm.60-75%90-98%99-100%mm-sm-2sm+sm+2sm+3sm-3sSpread(散佈)6s24Theshapeofadistributioncanbedescribedbyskewness歪斜(denotedby1)andbykurtosis凹凸平坦(denotedby2).101=010202=020歪斜凹凸平坦Shape(形狀)6s25N)(Xn1i2i2msNX=1iNimnx=xn1=iiN)(X=N1=i2ims121nxxniis母體均值樣本均值母體標準偏差樣本標準偏差常用計算公式~母體變異樣本變異1n)X(Xn1i2i2s~6s26ThemostimportantandusefuldistributionshapeiscalledtheNormaldistribution,whichissymmetric(對稱),uni-modal(單峰),andfreeofoutliers(沒有特異點):NormalDistribution常態分佈“常態”分佈是具有某些一致屬性的資料的分佈這些屬性對理解基礎過程（資料從該過程中收集）的特徵非常有用.大多數自然現象和人爲過程都符合常態分配，可以用常態分配表示,故大部份統計都假設是常態分佈。即使在資料不完全符合常態分配時，分析結果也很接近。特別不正常的分佈若假設為常態而去分析則有可能得到誤導結果。有數學技術可將其轉變成常態分佈來作分析。6s27ANormalprobabilityplotisacumulativedistributionplotwheretheverticalscaleischangedinsuchawaythatdatafromaNormaldistributionwillformastraightline:HistogramCumulativeDistributionNormalProbabilityPlot常態概率圖NormalDistribution常態分佈6s28第一個屬性:只要知道下面兩項就可以完全描述常態分配:均值標準差常態分配的好處-簡化第一個分佈第二個分佈第三個分佈這三個分佈有什麽不同?6s29常態曲線和其概率43210-1-2-3-440%30%20%10%0%99.73%第二個屬性:曲線下方的面積可以用於估計某“事件”發生的累積概率95%68%樣本值的概率距離均值的標準偏差數得到兩值之間的值的累積概率6s30練習6s31常態概率圖130120110100908070603002001000C2常態概率圖頻率1101009080706050403020100500C1常態概率圖頻率807060504030201003002001000C3常態概率圖頻率13012011010090807060.999.99.95.80.50.20.05.01.001平均：70標準偏差：10資料個數：500Anderson-Darling常態測試A平方:46.447P-值:0.000正偏斜分佈概率正偏斜1069686766656463626.999.99.95.80.50.20.05.01.001常態分配常態概率平均值：70標準偏差:10資料個數：500Anderson-Darling常態測試A平方:0.418P-值:0.328我們可以用常態概率圖檢驗一組給定的資料是否可以描述爲“常態”如果一個分佈接近常態分配，則常態概率圖將爲一條直線。80706050403020100.999.99.95.80.50.20.05.01.001負偏斜分佈負偏斜平均：70標準偏差：10資料個數：500Anderson-Darling常態測試A平方：43.953P-值:0.000概率80706050403020100.999.99.95.80.50.20.05.01.00180706050403020100.999.99.95.80.50.20.05.01.001負偏斜分佈負偏斜平均：70標準偏差：10資料個數：500Anderson-Darling常態測試A平方：43.953P-值:0.000概率6s32神秘分佈以寸爲的神秘變數畫的常態概率圖。你的結論是什麽?這是常態分配嗎?1501005