工程质量控制的统计分析方法

第七章工程质量控制的统计分析方法第一节质量统计基本知识一、总体、样本及统计推断工作过程1．总体总体也称母体，是所研究对象的全体。个体，是组成总体的基本元素。总体中含有个体的数目通常用N表示。在对一批产品质量检验时，该批产品是总体，其中的每件产品是个体，这时N是有限的数值，则称之为有限总体。若对生产过程进行检测时，应该把整个生产过程过去、现在以及将来的产品视为总体。随着生产的进行N是无限的，称之为无限总体。实践中一般把从每件产品检测得到的某一质量数据(强度、几何尺寸、重量等)即质量特性值视为个体，产品的全部质量数据的集合即为总体。2．样本样本也称子样，是从总体中随机抽取出来，并根据对其研究结果推断总体质量特征的那部分个体。被抽中的个体称为样品，样品的数目称样本容量，用n表示。3．统计推断工作过程质量统计推断工作是运用质量统计方法在生产过程中或一批产品中，随机抽取样本，通过对样品进行检测和整理加工，从中获得样本质量数据信息，并以此为依据，以概率数理统计为理论基础，对总体的质量状况作出分析和判断。质量统计推断工作过程见教材134页图7-1。二、质量数据的收集方法(一)全数检验全数检验是对总体中的全部个体逐一观察、测量、计数、登记，从而获得对总体质量水平评价结论的方法。(二)随机抽样检验抽样检验是按照随机抽样的原则，从总体中抽取部分个体组成样本，根据对样品进行检测的结果，推断总体质量水平的方法。抽样检验抽取样品不受检验人员主观意愿的支配，每一个体被抽中的概率都相同，从而保证了样本在总体中的分布比较均匀，有充分的代表性；同时它还具有节省人力、物力、财力、时间和准确性高的优点；它又可用于破坏性检验和生产过程的质量监控，完成全数检测无法进行的检测项目，具有广泛的应用空间。抽样的具体方法有：1．简单随机抽样简单随机抽样又称纯随机抽样、完全随机抽样，是对总体不进行任何加工，直接进行随机抽样，获取样本的方法。2．分层抽样分层抽样又称分类或分组抽样，是将总体按与研究目的有关的某一特性分为若干组，然后在每组内随机抽取样品组成样本的方法。3．等距抽样等距抽样又称机械抽样、系统抽样，是将个体按某一特性排队编号后均分为n组，这时每组有K二N／n个个体，然后在第一组内随机抽取第一件样品，以后每隔一定距离(K号)抽选出其余样品组成样本的方法。如在流水作业线上每生产100件产品抽出一件产品做样品，直到抽出n件产品组成样本。4．整群抽样整群抽样一般是将总体按自然存在的状态分为若干群，并从中抽取样品群组成样本，然后在中选群内进行全数检验的方法。如对原材料质量进行检测，可按原包装的箱、盒为群随机抽取，对中选箱、盒做全数检验；每隔一定时间抽出一批产品进行全数检验等。由于随机性表现在群间，样品集中，分布不均匀，代表性差，产生的抽样误差也大，同时在有周期性变动时，也应注意避免系统偏差。5．多阶段抽样多阶段抽样又称多级抽样。上述抽样方法的共同特点是整个过程中只有一次随机抽样，因而统称为单阶段抽样。但是当总体很大时，很难一次抽样完成预定的目标。多阶段抽样是将各种单阶段抽样方法结合使用，通过多次随机抽样来实现的抽样方法。如检验钢材、水泥等质量时，可以对总体按不同批次分为R群，从中随机抽取r群，而后在中选的r群中的M个个体中随机抽取m个个体，这就是整群抽样与分层抽样相结合的二阶段抽样，它的随机性表现在群间和群内有两次。[例题]：对总体中的全部个体逐一观察、测量、计数、登记，从而获得对总体质量水平评价结论的方法是（）。A.全数检验B.随机抽样检验C.简单随机抽样D.分层抽样答案：A三、质量数据的分类质量数据是指由个体产品质量特性值组成的样本(总体)的质量数据集，在统计上称为变量；个体产品质量特性值称变量值。根据质量数据的特点，可以将其分为计量值数据和计数值数据。1．计量值数据计量值数据是可以连续取值的数据，属于连续型变量。其特点是在任意两个数值之间都可以取精度较高一级的数值。它通常由测量得到，如重量、强度、几何尺寸、标高、位移等。此外，一些属于定性的质量特性，可由专家主观评分、划分等级而使之数量化，得到的数据也属于计量值数据。2．计数值数据计数值数据是只能按0，1，2，……数列取值计数的数据，属于离散型变量。它一般由计数得到。计数值数据又可分为计件值数据和计点值数据。(1)计件值数据，表示具有某一质量标准的产品个数。如总体中合格品数、一级品数。(2)计点值数据，表示个体(单件产品、单位长度、单位面积、单位体积等)上的缺陷数、质量问题点数等。如检验钢结构构件涂料涂装质量时，构件表面的焊渣、焊疤、油污、毛刺数量等。[例题]：根据质量数据的特点，可以将其分为（）。A.计量值数据B.计数值数据C.计件值数据D.计点值数据E.计价值数据答案：AB四、质量数据的特征值样本数据特征值是由样本数据计算的描述样本质量数据波动规律的指标。统计推断就是根据这些样本数据特征值来分析、判断总体的质量状况。常用的有描述数据分布集中趋势的算术平均数、中位数和描述数据分布离中趋势的极差、标准偏差、变异系数等。(一)描述数据集中趋势的特征值1．算术平均数算术平均数又称均值，是消除了个体之间个别偶然的差异，显示出所有个体共性和数据一般水平的统计指标，它由所有数据计算得到，是数据的分布中心，对数据的代表性好。其计算公式为：（1）总体算术平均数υυ=1/N（X1+X2+…+XN）=1/NΣXi式中N——总体中个体数；Xi——总体中第i个的个体质量特性值。（2）样本算术平均数2.样本中位数。样本中位数是将样本数据按数值大小有序排列后，位置居中的数值。当样本数n为奇数时，数列居中的一位数即为中位数；当样本数n为偶数时，取居中两个数的平均值作为中位数。（二）描述数据离中趋势的特征值1.极差R极差是数据中最大值与最小值之差，是用数据变动的幅度来反映其分散状况的特征值。极差计算简单、使用方便，但粗略，数值仅受两个极端值的影响，损失的质量信息多，不能反映中间数据的分布和波动规律，仅适用于小样本。其计算公式为：R=Xmax—Xmin2.标准偏差。标准偏差简称标准差或均方差，是个体数据与均值离差平方和的算术平均数的算术根，是大于0的正数。总体的标准差用σ表示；样本的标准差用S表示。标准差值小说明分布集中程度高，离散程度小，均值对总体(样本)的代表性好；标准差的平方是方差，有鲜明的数理统计特征，能确切说明数据分布的离散程度和波动规律，是最常用的反映数据变异程度的特征值。(1)总体的标准偏差σ(2)样本的标准偏差S样本的标准偏差S是总体标准差σ的无偏估计。(3)变异系数Cv变异系数又称离散系数，是用标准差除以算术平均数得到的相对数。它表示数据的相对离散波动程度。变异系数小，说明分布集中程度高，离散程度小，均值对总体(样本)的代表性好。由于消除了数据平均水平不同的影响，变异系数适用于均值有较大差异的总体之间离散程度的比较，应用更为广泛。其计算公式为：Cv=σ／μ(总体)[例题]：（）是数据中最大值与最小值之差，是用数据变动的幅度来反映其分散状况的特征值。A.极差B.标准偏差C.变异系数D.算术平均数答案：A五、质量数据的分布特征(一)质量数据的特性质量数据具有个体数值的波动性和总体(样本)分布的规律性。在实际质量检测中，我们发现即使在生产过程是稳定正常的情况下，同一总体(样本)的个体产品的质量特性值也是互不相同的。这种个体间表现形式上的差异性，反映在质量数据上即为个体数值的波动性、随机性，然而当运用统计方法对这些大量丰富的个体质量数值进行加工、整理和分析后，我们又会发现这些产品质量特性值(以计量值数据为例)大多都分布在数值变动范围的中部区域，即有向分布中心靠拢的倾向，表现为数值的集中趋势；还有一部分质量特性值在中心的两侧分布，随着逐渐远离中心，数值的个数变少，表现为数值的离中趋势。质量数据的集中趋势和离中趋势反映了总体(样本)质量变化的内在规律性。（二）质量数据波动的原因众所周知，影响产品质量主要有五方面因素，即人，包括质量意识、技术水平、精神状态等；材料，包括材质均匀度、理化性能等；机械设备，包括其先进性、精度、维护保养状况等；方法，包括生产工艺、操作方法等；环境，包括时间、季节、现场温湿度、噪声干扰等；同时这些因素自身也在不断变化中。个体产品质量的表现形式的千差万别就是这些因素综合作用的结果，质量数据也因此具有了波动性。质量特性值的变化在质量标准允许范围内波动称之为正常波动，是由偶然性原因引起的；若是超越了质量标准允许范围的波动则称之为异常波动，是由系统性原因引起的。[例题]：质量特性值的变化在质量标准允许范围内波动称之为正常波动，是由（）原因引起的。A.系统性B.偶然性C.特殊D.一般答案：B1．偶然性原因在实际生产中，影响因素的微小变化具有随机发生的特点，是不可避免、难以测量和控制的，或者是在经济上不值得消除，它们大量存在但对质量的影响很小，属于允许偏差、允许位移范畴，引起的是正常波动，一般不会因此造成废品，生产过程正常稳定。通常把4M1E因素的这类微小变化归为影响质量的偶然性原因、不可避免原因或正常原因。2．系统性原因当影响质量的4M1E因素发生了较大变化，如工人未遵守操作规程、机械设备发生故障或过度磨损、原材料质量规格有显著差异等情况发生时，没有及时排除，生产过程则不正常，产品质量数据就会离散过大或与质量标准有较大偏离，表现为异常波动，次品、废品产生。这就是产生质量问题的系统性原因或异常原因。由于异常波动特征明显，容易识别和避免，特别是对质量的负面影响不可忽视，生产中应该随时监控，及时识别和处理。(三)质量数据分布的规律性对于每件产品来说，在产品质量形成的过程中，单个影响因素对其影响的程度和方向是不同的，也是在不断改变的。众多因素交织在一起，共同起作用的结果，使各因素引起的差异大多互相抵消，最终表现出来的误差具有随机性。对于在正常生产条件下的大量产品，误差接近零的产品数目要多些，具有较大正负误差的产品要相对少，偏离很大的产品就更少了，同时正负误差绝对值相等的产品数目非常接近。于是就形成了一个能反映质量数据规律性的分布，即以质量标准为中心的质量数据分布，它可用一个“中间高、两端低、左右对称”的几何图形表示，即一般服从正态分布。概率数理统计在对大量统计数据研究中，归纳总结出许多分布类型，如一般计量值数据服从正态分布，计件值数据服从二项分布，计点值数据服从泊松分布等。实践中只要是受许多起微小作用的因素影响的质量数据，都可认为是近似服从正态分布的，如构件的几何尺寸、混凝土强度等；如果是随机抽取的样本，无论它来自的总体是何种分布，在样本容量较大时，其样本均值也将服从或近似服从正态分布。因而，正态分布最重要、最常见、应用最广泛。正态分布概率密度曲线如下图所示。第二节调查表法、分层法、排列图法与因果图法一、统计调查表法统计调查表法又称统计调查分析法，它是利用专门设计的统计表对质量数据进行收集、整理和粗略分析质量状态的一种方法。在质量控制活动中，利用统计调查表收集数据，简便灵活，便于整理，实用有效。它没有固定格式，可根据需要和具体情况，设计出不同统计调查表。常用的有：(1)分项工程作业质量分布调查表；(2)不合格项目调查表；(3)不合格原因调查表；(4)施工质量检查评定用调查表等。混凝土空心板外观质量问题调查表表7-1应当指出，统计调查表往往同分层法结合起来应用，可以更好、更快地找出问题的原因，以便采取改进的措施。二、分层法分层法又叫分类法，是将调查收集的原始数据，根据不同的目的和要求，按某一性质进行分组、整理的分析方法。分层的结果使数据各层间的差异突出地显示出来，层内的数据差异减少了。在此基础上再进行层间、层内的比较分析，可以更深入地发现和认识质量问题的原因。由于产品质量是多方面因素共同作用的结果，因而对同一批数据，可以按不同性质分层，使我们能从不同角度来考虑、分析产品存在的质量问题和影响因素。常用的分层标志有：(1)按操作班组或操作者分层；(2)按使用机械设备型号分层；(3)按操作方法分层；(4)按原材料供应单位、供应时间或等