(完整版)控制图的基本原理
控制图的原理为什么原理
控制图的原理为什么原理控制图是一种用来监控过程稳定性的工具，它利用统计学原理和图表显示过程数据在时间上的变化。
控制图的原理是基于过程稳态和常法原则。
下面我将从统计学原理、过程稳态和常法原则三个方面来详细介绍控制图的原理。
首先，控制图的原理基于统计学原理。
统计学中有一个重要的概念是“过程稳态”，即过程在一定时间范围内的变异是常态变异，不是特殊因素引起的异常变异。
通过控制图的制作，可以将常态变异与特殊因素引起的异常变异区分开来。
控制图利用了统计学中的稳态过程理论，基于正态分布的概念，以及均值和标准偏差等统计指标，对过程数据进行分析和监控。
其次，控制图的原理与过程稳态密切相关。
过程稳态是指过程数据在一段时间内保持相对稳定的状态，没有特殊因素的干扰。
控制图的制作依赖于过程稳态的假设，即过程数据应该是在稳定状态下采集得到的。
在稳态下，过程数据通常服从正态分布，因此控制图的设计是基于正态分布的概念和统计指标。
通过控制限的设定，可以区分正常的过程变异和异常的过程变异，进而判断过程是否稳定。
最后，控制图的原理与常法原则紧密相关。
常法原则是指根据过程的特点和目标设定合适的控制限和判断规则，以便判断过程的稳定性。
常法原则包括以下几个方面：1. 控制限的设定：控制限是根据过程的特点和目标设定的参考线，用于判断过程是否稳定。
一般来说，控制限由平均线加减几倍标准差得到。
合适的控制限可以区分正常变异和异常变异，从而判断过程的稳定性。
2. 规则的制定：控制图需要设定一套判断规则，用于判断过程数据是否出现了异常变异。
常见的判断规则包括：连续7个点都在中心线的一侧、连续3个点都在中心线同一侧的A区（±1标准差）以外、连续2个点都在中心线同一侧的B区（±2标准差）以外等。
通过制定合适的判断规则，可以有效地检测到过程的异常变异。
3. 反应和改进：当控制图显示出异常变异时，需要及时反应和采取措施进行改进。
控制图可以帮助管理者及时发现问题和异常，从而采取相应措施，提高过程的稳定性和质量水平。
控制图的原理及应用图解
控制图的原理及应用图解1. 什么是控制图控制图是一种质量管理工具，用于监测和控制过程中的变异性。
它能够帮助我们识别过程是否处于控制状态，以及是否需要采取措施来纠正不良的变异。
2. 控制图的原理控制图的原理基于统计学中的过程稳定性原理。
通过测量过程中的关键指标，并绘制在控制图上，我们可以分析和判断过程是否出现了特殊原因的变动。
3. 控制图的应用步骤3.1 确定需要监控的指标在使用控制图之前，需要明确需要监控的关键指标是什么，例如产品的尺寸、重量等。
3.2 收集数据并绘制控制图收集一定数量的数据，并绘制控制图，一般常见的控制图有平均值图、范围图、p图和np图等。
3.3 设置控制限根据统计学原理，我们可以使用3σ法则来设置控制限。
控制限分为上限和下限，一般情况下，将上限和下限设置为±3个标准差。
3.4 监控过程并分析将新收集到的数据绘制在已有的控制图上，若数据点在控制限范围内，则认为过程处于可控制状态；若数据点超过控制限，则认为过程存在可疑现象。
及时分析出现不稳定的原因，并采取纠正措施。
3.5 持续改进控制图不仅用于监控过程的稳定性，还可以帮助我们发现过程中的变异和问题。
通过持续监控并分析数据，我们可以逐步改进过程，提高效率和质量。
4. 控制图的应用场景4.1 制造业在制造业中，控制图可以帮助企业监测生产线上的关键指标，例如产品尺寸、重量等。
通过控制图的分析，所产生的数据可以作为制造流程改进的依据。
4.2 服务业在服务业中，控制图可以用于监控服务质量。
例如餐饮行业使用控制图来监控食品加工过程中的关键环节，以确保食品质量符合标准。
4.3 医疗行业在医疗行业中，控制图可以用于监控医疗流程的关键环节。
例如手术室使用控制图来监控手术过程中的关键指标，以确保手术质量和安全。
4.4 金融行业在金融行业中，控制图可以用于监控交易过程中的关键指标，例如交易时间、成功率等。
通过控制图的应用，可以帮助金融机构提高交易效率和降低风险。
控制图的原理
控制图的原理一、定义：控制图：对过程质量特性值进行测定、记录、评估，以监察过程是否处于控制状态的一种用统计方法设计的图。
（也称休哈特控制图）二、控制图的形成σ：标准差，表分散程度σ5.0=σ=1σ2=三、控制图的基本结构1、以随时间推移而变动着的样品号为横坐标，以质量特性值或其统计量为纵坐标；2、三条具有统计意义的控制线：上控制线UCL 、中心线CL 、下控制线LCL ；3、一条质量特性值或其统计量的波动曲线。
四、控制图原理的解释第一种解释：“点出界就判异”小概率事件原理：小概率事件实际上不发生，若发生即判异常。
控制图就是统计假设检验的图上作业法。
第二种解释：“抓异因，弃偶因”控制限就是区分偶然波动与异常波动的科学界限。
休哈特控制图的实质就是区分偶然因素与异常因素的。
五、常规控制图分类上控制限UCL 中心线CL 下控制限LCL样本统计量数值x12始终存在，对质量影响微小，难以消除，是不可避免的如材料成分的微小变化、设备的轻微震动、刃具的正常磨损、夹具的弹性变型等偶然因素有时存在，对质量影响很大，不难消除，是可以避免的如材料成分的显著变化、设备安装不当、零件损坏、人员违反规程操作等异常因素控制图 缺陷数控制图控制图 单位缺陷数控制图 泊松分布计点型控制图 不合格品数控制图 控制图 不合格品率控制图 二项分布 计件型 计数型控制图 单值－移动极差控制图控制图 中位数－极差控制图 控制图均值－标准差控制图控制图 均值－极差控制图 正态分布计量型简记控制图 分布 数据类型 R X -S X -R X -~S R X -p np u c六、按用途分类1、分析用控制图——用于质量和过程分析，研究工序或设备状态；或者确定某一“未知的”工序是否处于控制状态；2、控制用控制图——用于实际的生产质量控制，可及时的发现生产异常情况；或者确定某一“已知的”工序是否处于控制状态。
七、控制图的应用八、Ｘ－Ｒ控制图的绘制 1、确定控制对象（统计量）一般应选择技术上最重要的、能以数字表示的、容易测定并对过程易采取措施的、大家理解并同意的关键质量特性进行控制。
第二节-控制图原理
第二节-控制图原理什么是控制图控制图是一种用于监测和控制工程过程的可视化工具。
通常用于监测质量控制过程的统计数据，以便及时识别潜在问题并采取适当措施。
控制图也可以用于监测设备可靠性、生产进度等方面。
控制图的分类控制图可分为过程控制图和直方图。
过程控制图过程控制图是一种监测过程稳定性并指导改进的可视化工具。
它可以帮助我们在过程中及时发现不正常现象，以便采取适当措施，确保过程在稳定状态下运行。
过程控制图通常包括三种类型：一种是X-控制图，一种是S-控制图，另一种是R-控制图。
1.X控制图X控制图是一种数据类型控制图，用于监测均值是否稳定。
X控制图在原理上是比较简单的，是通过标准上下限范围内连续数据点的变化情况来判断过程是否稳定的。
2.S控制图S控制图用于监测数据分布的散布状况，通过这个散布情况来判断过程的稳定性。
如果散布过于广泛，则表明过程不稳定。
3.R控制图R控制图是一种可视的数据类型控制图，用于监测组内差异的大小和组间差异的大小。
如果组内差异很大，则表明过程不稳定。
直方图直方图是一种用于描述数据分布情况的图表。
它将数据进行分段，然后把每个分段的数据条数用柱状图表示出来，以便看出数据的分布规律。
直方图通常可以用于评估数据的分布形状，以便在研究中进行比较，并检测极端值/离群值。
如何制作控制图制作控制图的步骤如下:1.收集数据并进行分析首先我们需要收集数据，可以使用过程采样或过程监控系统，或手工记录过程数据。
然后对数据进行分析，计算出均值、标准差、极差等基本统计量。
2.设定控制限根据数据的均值、标准差和其他基本统计量，我们可以计算出控制限。
控制限是用来指导控制图的范围。
一般我们会选用3倍标准差作为上下控制限，即所谓的3σ控制图。
3.绘制控制图一旦确定了控制限，我们就可以开始绘制控制图了。
绘制控制图可以手动绘制，也可以使用计算机软件自动生成。
控制图的应用控制图的应用非常广泛，特别是在工业制造中。
经常使用控制图来监控生产过程，以及检测过程中的变化。
控制图的原理及应用
常态(正态)分布
=P[Z>z]
0
z
原则常态分布右边机率值
Z
Z
Z
0.00
0.500000000
1.50
0.066807201
3.00
0.001349898
0.01
0.496010644
1.51
要永久维持制造过程很正常旳生产，不让波动旳事项发生，
几乎是不可能旳。但当波动发生时，应立即查出原因，并加
以根除，或改善。
须调查原因
“波动”
成Resul果t
控制上限
控制下限
Time
波动分类 一般原因 特殊原因
出现次数 次数多
次数甚少
影响 微小 明显
结论 不值得调查原因 值得彻底调查其原因
明显旳波动，显示有特殊原因存在。假如做得到旳话，应加 以鉴定及矫正。控制界线以经济旳方式区别了这两种波动。
平衡曲线示意图
发生机率
UCL
α
β
LCL 一.第一种错误:虚发警报 二.第二种错误:漏发警报
第一种错误
第二种错误
1δ 2δ 3δ 4δ 5δ 6δ
利用经济平衡点措施求得,两种错误旳经济点:在±3δ处是最经济旳控制界 线
五、控制图旳应用
5.1 、控制图旳作用 5.2 、控制图旳分类 5.3 、控制图旳选用原则 5.4 、控制图旳计算 5.5 、控制图旳判断
LCL
第一种错误(α):生产者冒险率
生产质量相当良好,已到达允收水平,理应判为合格,但因为 控制线设置过窄,造成合格品误判为异常,其机率称为生产 者冒险率,所以种错误使生产者蒙受损失故得名之. 此冒险率又称为第一种错误 (TYPE Ⅰ ERROR) 简称(α).
控制图的原理
控制图的原理一.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+KσCL=μLCL=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。
控制图原理
控制图原理
控制图原理是质量管理中常用的一种工具，用于对过程进行监控和管理。
它通过收集数据并绘制图表，可以帮助我们了解过程中的变化和偏离情况，从而及时采取措施，保证产品或服务的质量可控。
控制图的原理基于统计学的概念，主要包括以下几个方面：
1. 随机变异和非随机变异：控制图的基本假设是过程的变异是随机的，即符合统计上的正态分布。
随机变异是一种正常的偶然差异，而非随机变异则是异常变异，可能是由特殊原因引起的。
控制图可以帮助我们区分这两种变异，并对非随机变异进行分析和改进。
2. 中心线和控制限：控制图通常会绘制中心线，表示过程的平均值。
同时，上下方各有两条控制限，分别代表过程的上限和下限。
控制限是根据统计学计算得出的，它们与规格限度不同，用于判断过程是否处于可控状态。
3. 规则和异常：控制图上通常会标注一些规则，用于判断数据点是否处于异常状态。
常见的规则有"一点在控制限之外"、"
连续9点在中心线的一侧"、"连续6点递增或递减"等。
当数
据点违反这些规则时，可能存在特殊原因或非随机变异，需要进行进一步的分析和改进。
通过使用控制图，我们可以实时监控过程的稳定性和能力，及时检测并纠正异常情况，从而提高产品或服务的质量和效率。
它可以帮助我们识别潜在问题或改进机会，优化过程，并支持持续改进的目标。
控制图原理介绍
第一章 SPC 与SPCD工程绪论(二）
2、什么是SPCD?（新概念） • SPCD-- Statistical Process Control and Diagnosis (统
计过程控制与诊断） • 含义--利用统计技术对过程中的各个阶段进行监控与
诊断，从而达到缩短诊断异常的时间、以便迅速采取 纠正措施、减少损失、降低成本、保证产品质量的目 的。
第一章 SPC 与SPCD工程绪论(四）
3、为什么要学习SPC和SPCD工程（二）?
• 3控制方式与6控制方式的比较：
第一章 SPC 与SPCD工程绪论(五）
4、开展SPC与SPCD工程的步骤
• 培训SPC
– 正态分布等统计基础知识 – 品管七工具：调查表、分层法、散布图、排列图、直方图、因果图、控制图 – 过程控制网图的做法 – 过程控制标准的做法
第四章 质量诊断理论（三）
• 两种质量
a、总质量（total quality）
原材料 生产线产品 产品质量 总产品质量
其特点是为用户直接感受到。 b、分质量（partial quality）
该工序本身固有的加工质量，与上道工序无关。 其特点是反映了该工序的工作质量。 分质量只与人、机、法有关。
c、两种质量的关系
• a、X bar – R控制图
（计量值、正态分布）
• b、不合格品百分率p控制图 （计件值、二项分布）
• c、不合格品数np控制图 (计件值、二项分布)
• d、缺陷率u控制图
(计点值、泊松分布）
• e、缺陷数c控制图
(计点值、泊松分布）
• f、DPMO控制图
(计点值、泊松分布）
第二章 控制图原理（十）
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
控制图的基本原理
质量特性数据具有波动性，在没有进行观察或测量时，一般是未知的，但其又具有规律性，它是在一定的范围内波动的，所以它是随机变量。
一、正态分布
如果随机变量受大量独立的偶然因素影响，而每一种因素的作用又均匀而微小，即没有一项因素起特别突出的影响，则随机变量将服从正态分布。
正态分布是连续型随机变量最常见的一种分布。
它是由高斯从误差研究中得出的一种分布，所以也称高斯分布。
随机变量服从正态分布的例子很多。
一般来说，在生产条件不变的前提下，产品的许多量度，如零件的尺寸、材料的抗拉强度、疲劳强度、邮件的内部处理时长、随机测量误差等等都是如此。
定义若随机变量的概率密度函数为：
则称的分布为正态分布，记为。
正态分布的概率密度函数如图5—1所示。
图5-l正态分布概率密度曲线
从图中我们叫以看出正态分布有如下性质：
(1)曲线是对称的，对称轴是x=μ；
(2)曲线是单峰函数，当x=μ时取得最大值；
(3)当曲时，曲线以x轴为渐近线；
(4)在处，为正态分布曲线的拐点；
(5)曲线与x轴围成的面积为1。
另外，正态分布的数字特征值为：
平均值
标准偏差
数字特征值的意义：平均值μ规定了图形所在的位置。
根据正态分布的性质，在x=μ处，曲线左右对称且为其峰值点。
标准偏差，规定了图形的形状。
图5-2给出了3个不同的值时正态分布密度曲线。
当小时，各数据较多地集中于μ值附近，曲线就较“高”和“瘦”；当大时，数据向μ值附近集中的程度就差，曲线的形状就比较“矮”和“胖”。
这说明正态分布的形状由的大小来决
定。
在质量管理中，反映了质量的好坏，越小，质量的一致性越好。
图5-2大小不同时的正态分布
在正态分布概率密度函数曲线下，介于坐标
,,,间的面积，分别占总面积的58.26%，95.45%，99.73%和99.99%。
它们相应的几何意义如图5-3听示。
图5-3各种概率分布的几何意义
二、控制图的轮廓线
控制图是画有控制界限的一种图表。
如图5-4所示。
通过它可以看出质量变动的情况及趋势，以便找出影响质量变动的原因，然后
予以解决。
图5-4控制图
我们已经知道：在正态分布的基本性质中，质量特性数据落在[μ±3]范围内的概率为99.73%，落在界外的概率只有0.27%，超过一侧的概率只有0.135%，这是一个小概率事件。
这个结论非常重要，控制图正是基于这个结论而产生出来的。
现在把带有μ±3线的正态分布曲线旋转到一定的位置(即正态
分布曲线向右旋转9，再翻转)，即得到了控制图的基本形式，再去掉正态分布的概率密度曲线，就得到了控制图的轮廓线，其演
变过程如图5-5所示。
图5—5控制图轮廓线的演变过程
通常，我们把上临界线(图中的μ+3线)称为控制上界，记为
U C L(U p p e r C o n t r o l L i m i t)，平均数(图中的μ线)称为中心线，记为C L(C e n t r a l L i n e)，下临界线(图中μ-3线)称为控制下界，记为
L C L(L o w e r C o n t r o l L i m i t)。
控制上界与控制下界统称为控制界限。
按规定抽取的样本值用点子按时间或批号顺序标在控制图中，称为描点或打点。
各个点子之间用实线段连接起来，以便看出生产过程的变化趋势。
若点子超出控制界限，我们认为生产过程有变化，就要告警。
三、两种错误和3方式
从前面的论述中我们已知，如果产品质量波动服从正态分布，那么产品质量特性值落在μ土3控制界限外的可能性是0.27%，而落在一侧界限外的概率仅为0.135%。
根据小概率事件在一次实验中不会发生的原理，若点子出界就可以判断生产有异常。
可是0.27%这个概率数值虽然很小，但这类事件总还不是绝对不可能发生的。
当生产过程正常时，在纯粹出于偶然原因使点子出界的场合，我们根据点子出界而判断生产过程异常，就犯了错发警报的错误，或
称第一种错误。
这种错误将造成虚惊一场、停机检查劳而无功、延
误生产等损失。
为了减少第一种错误，可以把控制图的界限扩大。
如果把控制界限扩大到μ±4，则第一种错误发生的概率为0.006%，这就可使由
错发警报错误造成的损失减小。
可是，由于把控制界限扩大，会增
大另一种错误发生的可能性，即生产过程已经有了异常，产品质量
分布偏离了原有的典型分布，但是总还有一部分产品的质量特性值
在上下控制界限之内，参见图5-6。
如果我们抽取到这样的产品进行检查，那么这时由于点子未出界而判断生产过程正常，就犯了漏发警报的错误，或称第二种错误。
这种错误将造成不良品增加等损失。
图5-6控制图的两种错误
要完全避免这两种错误是不可能的，一种错误减小，另一种错误就要增大，但是可以设法把两种错误造成的总损失降低到最低限度。
也就是说，将两项损失之和是最小的地方，取为控制界限之所在。
以μ±3为控制界限，在实际生产中广泛应用时，两种错误造成的
总损失为最小。
如图5-7所示。
这就是大多数控制图的控制界限都采用μ±3方式的理由。
图5—7两种错误总损失最小点。