统计分析在质量控制中的应用
统计模型在产品质量控制中的应用
统计模型在产品质量控制中的应用在当今竞争激烈的市场环境中，产品质量是企业生存和发展的关键。
为了确保产品质量的稳定性和可靠性，企业需要采用有效的质量控制方法。
统计模型作为一种强大的工具，在产品质量控制中发挥着至关重要的作用。
统计模型是通过对数据的收集、整理、分析和建模，来揭示数据背后的规律和趋势的方法。
在产品质量控制中，统计模型可以帮助企业识别质量问题的根源、预测质量变化、优化生产过程以及评估质量改进措施的效果。
首先，统计模型可以用于质量数据的收集和整理。
在生产过程中，会产生大量与产品质量相关的数据，如原材料的特性、生产工艺参数、产品的检验结果等。
通过运用统计方法，如抽样调查、数据录入和分类，可以将这些杂乱无章的数据转化为有价值的信息，为后续的分析奠定基础。
在质量问题的分析方面，统计模型具有显著的优势。
例如，控制图是一种常用的统计模型，它可以监控生产过程中的关键质量特性是否处于稳定状态。
通过绘制均值极差控制图或均值标准差控制图，能够直观地观察到质量数据的波动情况。
一旦控制图上出现异常点或趋势，就表明生产过程可能出现了问题，如设备故障、原材料变异或操作人员失误等。
这时，企业可以及时采取措施进行纠正，防止不合格产品的大量产生。
统计模型还能够帮助企业预测产品质量的变化。
回归分析是一种常见的预测方法，通过建立质量特性与影响因素之间的数学关系，可以预测在不同条件下产品质量的表现。
例如，通过分析温度、压力、时间等因素对产品强度的影响，企业可以根据未来的生产条件预测产品的强度是否能够满足要求，从而提前进行调整和优化。
除了对质量问题的分析和预测，统计模型在优化生产过程中也发挥着重要作用。
实验设计是一种有效的优化方法，通过合理安排实验方案和对实验结果进行统计分析，可以确定最佳的生产工艺参数组合。
例如，在生产某种化工产品时，企业可以通过正交实验设计来研究反应温度、反应时间、原料配比等因素对产品收率和纯度的影响，从而找到最优的生产条件，提高产品质量和生产效率。
统计方法在食品质量控制中的应用
统计方法在食品质量控制中的应用在现代社会，食品安全和质量问题备受关注。
为了确保消费者能够获得安全、优质的食品，食品行业广泛采用各种质量控制措施。
其中，统计方法在食品质量控制中发挥着至关重要的作用。
统计方法可以帮助食品企业从原材料采购到生产加工，再到成品储存和销售的整个过程中，对食品质量进行有效的监测和管理。
在原材料采购环节，统计方法可以用于评估供应商的质量稳定性。
例如，通过对不同供应商提供的原材料进行多次抽样检测，并对检测数据进行统计分析，如计算均值、标准差、变异系数等，可以比较不同供应商产品质量的差异和稳定性。
从而选择质量更可靠、更稳定的供应商，降低原材料质量波动对最终产品质量的影响。
生产加工过程是食品质量控制的关键环节。
统计过程控制（SPC）是一种常用的统计方法。
通过对生产过程中的关键控制点进行实时监测和数据采集，如温度、压力、时间等参数，然后绘制控制图，如均值极差控制图、均值标准差控制图等。
控制图可以帮助企业及时发现生产过程中的异常波动，例如，当数据点超出控制界限或者呈现出明显的非随机模式时，表明生产过程可能出现了问题，如设备故障、操作不当、原材料变异等。
企业可以迅速采取措施进行调整，以确保生产过程处于稳定的受控状态，保证产品质量的一致性和稳定性。
此外，抽样检验也是食品质量控制中常用的统计方法。
由于对所有产品进行全面检测往往是不现实的，因此通过科学合理的抽样方案，可以从批量产品中抽取一定数量的样本进行检测。
在抽样过程中，需要根据产品的特点、生产批次、质量要求等因素确定抽样的数量和方法。
例如，可以采用简单随机抽样、分层抽样、系统抽样等方法。
对抽取的样本进行检测后，根据统计原理对检测结果进行推断，以评估整批产品的质量状况。
统计方法还可以用于分析食品质量问题的根本原因。
当出现质量问题时，通过收集相关数据，并运用统计分析工具，如因果图、排列图、直方图等，可以找出影响质量的关键因素。
例如，通过排列图可以确定导致质量问题的主要因素，从而集中精力解决这些关键问题。
数理统计方法在质量控制中的应用
数理统计方法在质量控制中的应用质量控制是现代工业生产的重要步骤之一，其目的在于保证产品的质量，减少缺陷，提高工业生产的效率。
而数理统计方法则是质量控制的重要工具之一，通过对大量数据的分析和处理，可以帮助人们更加准确地判断产品的质量，并及时发现问题，进行针对性的改善。
本文将阐述数理统计方法在质量控制中的应用，并介绍数理统计分析的基本步骤。
一、数据的收集与分类质量控制的第一步是数据的收集与分类。
在工业生产中，一般会按照工序对数据进行分类，并在各个工序中收集数据，包括工艺参数、设备状态、原材料质量等。
在数据收集时需要注意，数据要足够全面、准确，并尽量覆盖所有可能出现的情况。
二、数据的描述性分析收集到数据之后，需要对其进行描述性分析。
描述性分析是指通过简单的图表、均值、方差等方式，对数据进行简单地总结和描述，帮助快速了解数据的特征。
例如，我们可以通过平均值、标准差、极差等参数来描述数据的分布情况，从而判断数据是否符合正态分布等基本假设。
三、数据的统计分析在描述性分析的基础上，需要对数据进行进一步的统计分析。
统计分析可以帮助我们判断数据中是否存在异常值、是否符合正态分布等基本假设，从而让我们更加精确地了解数据的特征。
例如，我们可以通过t检验、方差分析等统计学工具，对数据进行假设检验，判断某个因素是否对产品的质量有显著的影响。
四、质量控制图的绘制质量控制图是指在统计分析的基础上，绘制出一些可视化的图表，帮助我们更加直观地了解数据的特征。
例如，我们可以通过控制图来观察产品的变异情况，快速发现问题，从而进行及时的改善。
控制图主要有X-Bar图、S图、P图等，不同的控制图适用于不同类型的数据。
五、质量改进在掌握了数据的特征和问题之后，需要进行质量改进。
在实践中，质量改进可以通过多种方法实现，例如对工艺参数的调整、设备的维护保养、员工培训等。
质量改进的目的是为了不断提高产品的质量和工业生产的效率，让企业取得更好的竞争优势。
质量控制中的统计分析方法
在质量控制中，主成分分析可用于减 少数据集的维度，揭示隐藏在大量数 据中的重要模式和关系。这有助于更 好地理解生产过程中的关键因素，并 优化质量控制策略。
05
统计分析方法在质量控制中的实 践案例
案例一：某制造企业的质量控制分析
总结词
通过统计分析方法，该制造企业成功地提高了产品质量和生产效率。
02
统计分析方法在质量控制中的应 用
描述性统计
描述性统计
通过收集、整理、归纳和描述数 据，提供有关数据的基本信息， 如均值、中位数、众数、标准差 等，帮助我们了解数据的分布特
征和规律。
数据可视化
利用图表、图像等形式直观展示 数据分布、趋势和异常值，有助
于发现数据中的模式和规律。
数据清洗
对数据进行预处理，如缺失值填 充、异常值处理等，以提高数据
详细描述
该制造企业采用了一系列统计分析方法，如控制图、过程能力指数和回归分析，对生产过程中的关键变量进行监 控和优化。通过这些方法，企业及时发现并解决了生产过程中的问题，显著提高了产品质量和生产效率。
案例二：某医疗器械生产企业的质量控制研究
总结词
该医疗器械生产企业通过统计分析方法，确保了产品的安全性和有效性。
施进行改进。
控制图分析
总结词
控制图分析是质量控制中常用的统计分 析方法，用于监控过程性能并识别异常 波动。
VS
详细描述
控制图通常由中心线（CL）、上控制限 （UCL）和下控制限（LCL）组成。通过 将数据点绘制在控制图上，可以监测过程 是否处于控制状态。如果数据点超出控制 限或连续上升或下降，则表明过程可能存 在异常波动。此时应及时采取措施进行调 查和纠正，以确保过程的稳定性和产品质辑 2024-01-06
统计学方法在质量控制中的应用
统计学方法在质量控制中的应用质量控制是生产过程中至关重要的一环，它涉及到产品的各个方面，包括质量标准设定、过程监控和异常处理等。
统计学方法，作为一种科学而有效的数据分析工具，可以在质量控制中发挥重要的作用。
本文将探讨统计学方法在质量控制中的应用，并分析其优势和局限性。
一、质量标准设定质量标准设定是质量控制的首要任务之一。
统计学方法可以通过数据分析和抽样原理，帮助制定合理的质量标准。
首先，通过收集和分析历史数据，可以了解产品的质量水平和波动情况。
然后，可以运用统计学方法，如描述统计分析、变异数分析等，确定产品的质量指标和容忍度。
最后，采用抽样调查的方法，确定样本容量和检验方法。
统计学方法的应用可以使质量标准更加客观和科学。
二、过程监控质量控制的另一个重要方面是过程监控。
统计学中的控制图是过程监控中常用的工具之一。
通过实时地收集生产数据，并应用统计学方法进行分析，可以及时发现生产过程中的异常情况。
控制图能够提供可视化和直观的数据展示，通过设定控制限和警示线，可以帮助生产人员判断过程是否处于可接受的控制状态。
一旦发现过程异常，可以及时采取措施进行纠正，确保产品质量的稳定性。
三、异常处理即便在质量控制措施完善的情况下，仍然会出现一些偶然性的异常情况。
统计学方法可以帮助分析这些异常情况，并找出其根本原因。
例如，通过统计假设检验，可以判断是否因为特殊原因导致了异常情况的发生；通过方差分析等方法，可以分析不同因素对异常产生的影响。
统计学方法能够系统地分析异常情况，为问题解决提供科学依据。
统计学方法在质量控制中的应用有诸多优势，但也存在一定的局限性。
首先，统计学方法主要适用于大样本数据，在小样本数据上的可信度较低。
其次，统计学方法假设数据服从特定的分布，若数据违反该假设，结果可能有误。
此外，统计学方法需要专业人员进行分析和解释，对于非专业人员来说较为复杂。
综上所述，统计学方法在质量控制中具有广泛的应用。
它可以帮助制定质量标准、监控过程和分析异常情况。
统计学在质量控制和过程改进中的应用
统计学在质量控制和过程改进中的应用统计学是一门研究统计数据收集、分析和解释的学科，它在质量控制和过程改进中扮演着重要的角色。
通过运用统计学的方法，企业能够准确评估生产过程中的问题，进行质量控制，并最终实现过程的改进。
本文将探讨统计学在质量控制和过程改进中的应用。
一、质量控制中的统计学应用1. 数据采集质量控制的第一步是数据的采集和记录。
只有收集到准确、全面的数据，企业才能深入了解生产过程中的缺陷和问题。
统计学提供了有效的数据采集方法，例如抽样调查和实时数据监测。
这些方法可以帮助企业收集大量的数据，并从中获取有用的信息。
2. 数据分析统计学的核心是数据分析。
通过统计学的方法，企业可以对收集到的数据进行深入分析，发现问题的根源，并确定引起质量问题的关键因素。
例如，企业可以使用统计学中的方差分析、回归分析等方法，识别出对产品质量影响最大的因素，并制定相应的改进措施。
3. 过程控制统计学在质量控制中的重要应用之一是过程控制。
通过统计学方法，企业可以实时监测生产过程中的关键参数，及时发现异常并进行调整。
常用的过程控制方法包括控制图和六西格玛等。
这些方法可以帮助企业及时发现过程中的偏差，并采取措施使其重新回到标准范围内，提高产品质量的稳定性。
二、过程改进中的统计学应用1. 回顾和总结过程改进的首要任务是回顾和总结过去的经验。
统计学提供了一系列的数据分析方法，例如频率分布图、散点图等，可以帮助企业查看过去的数据并发现规律。
通过对过去的数据进行统计分析，企业可以找出存在的问题并加以改进。
2. 变异性分析在过程改进中，变异性分析是一个重要的环节。
统计学提供了多种方法来分析不同来源的变异性，例如方差分析、回归分析等。
通过分析变异性的来源，企业可以确定哪些因素对过程性能的影响较大，并制定相应的改进策略。
3. 实验设计在过程改进中，实验设计是一种常用的方法。
通过合理设计实验，企业可以测试不同因素对过程性能的影响，并找出最优的操作条件。
应用统计学研究在质量管理中的应用分析
应用统计学研究在质量管理中的应用分析统计学是一门重要的学科，可以用于描述、分析和解释任何类型的数据。
也就是说，统计学可以用于理解各行各业中的概念和现象，包括质量管理领域。
在质量管理中，统计学可以用于收集、分析和诠释各种数据，从而帮助企业持续改进产品和服务的质量水平。
本文将就应用统计学研究在质量管理中的应用分析进行探讨。
第一部分：质量控制图质量控制图是一种重要的统计工具，可以用于监控过程和结果数据。
质量控制图的核心原则是以统计界限为基础，当数据点超出限制时，可以表明可能有过程控制问题或质量问题。
质量控制图的类型包括X-bar图和R图，这两个图通常一起使用。
X-bar图是用于控制过程平均值的图，图中每个数据点代表了平均值。
R图是用于控制过程变异性的图，图中每个数据点代表了取样值的范围。
在质量管理中，X-bar和R图通常用于对生产过程进行监督，以确保生产过程符合预期标准。
举例来说，假设某企业生产玻璃杯，通过生产过程，连续100个玻璃杯的尺寸进行测试。
这些尺寸数据就可以用于生成X-bar图和R图，如果图中的数据点超出了统计界限，那么就可以说明生产过程存在问题，需要采取纠正措施以改善质量。
第二部分：假设检验假设检验是一种用于决定两组数据是否存在显著性差异的统计工具。
在质量管理中，假设检验可以用于确定某种方法或产品是否优于其他，以及测试某种变化是否能显著地改善质量。
假设检验可分为单样本检验和两个样本检验。
在单样本检验中，我们将数据与已知的总体参数进行比较，以确定样本数据是否符合总体分布。
在两个样本检验中，比较两组数据之间的差异，以确定这些差异是否有显著性。
例如，某医院想要检验不同治疗方法对疾病病情改善的影响。
该医院将100名患者随机分为两组，分别采用不同的治疗方法。
治疗结束后，通过统计患者身体指标的数据进行假设检验。
检验结果显示，一组数据的差异显著，可以得出结论此治疗方法更为有效。
第三部分：散点图散点图是一种用于探索两个变量之间关系的统计工具。
统计学方法在质量控制中的应用研究
统计学方法在质量控制中的应用研究质量控制是生产和制造过程中的一项重要工作，旨在确保产品达到一定的质量标准。
统计学方法在质量控制中起着关键性的作用，可以通过收集和分析质量数据，帮助企业改进生产过程，提高产品质量。
本文将探讨统计学方法在质量控制中的应用研究，并重点介绍几种常见的统计学方法。
一、控制图法控制图法是统计学方法中最常见的一种应用，用于监控质量数据的变化。
通过绘制控制图，可以及时发现和纠正生产过程中的异常，并保持生产过程处于稳定状态。
控制图通常包括均值图和范围图，均值图用于监控过程的中心值，范围图用于监控过程的变异程度。
控制图法对于实时监控并分析质量数据，从而帮助企业实现质量改进至关重要。
二、假设检验假设检验是统计学的一种基本方法，用于验证关于总体参数的假设。
在质量控制中，假设检验可以用于判断生产过程是否符合标准要求。
例如，可以通过假设检验来判断一个生产线的平均产量是否达到预期值，从而确定是否需要进行调整和改进。
假设检验的结果可以帮助企业做出决策，以保证产品质量。
三、回归分析回归分析是一种用于探索和建立因果关系的统计方法，可以通过分析变量之间的关系来预测和优化生产过程。
在质量控制中，回归分析可以用于确定生产中的主要影响因素，并建立关于质量特征和生产参数之间的数学模型。
这可以帮助企业找到优化生产过程的方法，提高产品的稳定性和一致性。
四、抽样方法抽样方法在质量控制中具有广泛的应用。
通过抽样，可以在不损害整个生产过程的情况下，从样本中获取代表性的数据，并对总体进行推断。
抽样方法可以帮助企业降低数据分析成本，加快数据收集和处理的速度。
在质量控制中，常用的抽样方法包括随机抽样、分层抽样和整群抽样等。
五、六西格玛方法六西格玛方法是一种用于改进质量和生产过程的管理策略，旨在将缺陷率降低到每百万个单位中的不足3.4个。
六西格玛方法结合了统计学和质量管理的理念，以及一系列工具和技术，例如数据收集、数据分析和过程优化等。
- 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)。
1. 2. 1 排列图 1) 排列图的应用 排列图是用来寻找影响产品质量主要因素的一
种统计方法 ,通常多用于不合格品的原因分析 ,可与 因果图对比结合使用 ,可以有效比对采取措施的效 果 。它能直观地表示各种质量缺陷与它们带来的经 济损失之间的关系 ,突出经济损失最大的主要质量 缺陷 ,指出解决问题的主次方向 ,这对于有重点地加 强质量控制 ,最大限度地减少经济损失和提高产品 质量 ,具有事半功倍的效果 。
图 8 产品检验数量与时间的关系
出它们之间内在的相关规律 ,将复杂 、隐晦的相关关 系明朗化 、图形化 ,从而有效利用相关规律实施质量 控制 ,提高产品质量 。
2 工序质量控制分析
工序质量控制是根据数理统计的原理和方法 , 运用统计图表 ,分析并掌握工序质量波动状态 ,判明 和控制工序中系统性原因所造成的质量变异 ,从而 采取措施 、调整工艺 ,使工序处于稳定受控状态 ,确 保产品质量 。在工序质量管理中通常使用的统计方 法是直方图和控制图 。 2. 1 直方图 2. 1. 1 直方图的应用
建材世界 2009 年 第 30 卷 第 2 期
统计分析在工序质量控制中的应用
何旭远
(上海琉璃工房琉璃艺术品有限公司 ,太仓 215414)
摘 要 : 产品的制造过程也是产品质量的形成过程 ,如何将产品质量控制在预期的范围内 ,是质量管理工作的重
点和难点 。本文详细介绍了在工序质量管理中运用质量统计手段对工序质量状态进行识别和分析 ,并对其进行有效 控制及工序能力和工序能力指数的分析与处置方法 。
Key words : process quality ; capability index ; quality defect
1 工序质量状态分析
1. 1 工序质量状态 1. 1. 1 受控状态
质量波动的综合体现是工序质量特性值的波 动 。受控状态下的波动不随时间而变化 ,始终保持 稳定且符合预期质量要求 (见图 1) 。
直方图又叫质量分布图 ,是反映产品质量数据 分布状态和波动规律的统计图表 。常用于判断工序 的稳定性 、推断工序质量规格公差的满足程度 、分析 不同因素对质量的影响和计算工序能力等方面 。 2. 1. 2 直方图的绘制
将抽样检验得到的一批质量数据按大小分成若 干组 ,在坐标图上画出以组距为底 、以每组频数为高 的一系列矩形图形 。频数就是质量特性值出现的次 数或个数 ,组数一般取 K = 10 。直方图模型见图 9 。
Abstract : Product manufacturing process is also t he forming process of product quality , so keystones & difficulties of
quality management work are how to control product quality in a prospective range. Through applying quality statistics , t his paper expounds recognition , analysis & effective control of process quality status , and analysis & treatment of process capaci2 ty & process capacity index in process quality management .
关键词 : 工序质量 ; 能力指数 ; 质量缺陷
Application of Statistical Analysis to Process Quality Control
H E X u2y uan
(Shanghai Azure Stone Workshop & Art Co. , Ltd , Taicang 215414 ,China)
可能会有差错 ,以致所得样本不能正确的表现质量
总体的分布特征 。因此需要找出异常点 ,分析原因 ,
c 偏峰型 :表示对只有单侧标准的产品是正常 分布 ,有双侧标准的产品则属不正常分布 。常常是 操作者主观因素造成 。
d 双峰型 :表示取样时混批所致 。 e 锯齿形 :表示数据的测量方法有问题或读数 错误或频数表分组过多 。 f 陡壁型 :表示当工序能力不足 ,为找出符合要 求的产品经过全数检查或过程中存在自动反馈调 整。 g 平顶型 :表示几种平均值不同的分布混在一 起 ,或过程中某种要素缓慢劣化时常出现这种形状 。 从直方图类型中我们可以看到 ,除了“标准型” 外 ,其它的几种分布都是非正态分布 ,表明工艺过程 存在异常 ,工序处于失控状态 ,应该及时查明原因 , 采取措施 ,使工序处于稳定受控状态 。 2. 2 控制图 2. 2. 1 控制图的应用 控制图是对过程质量特性进行测定 、记录 、评 估 ,从而监察过程是否处于控制状态的一种用统计 方法 设 计 的 图 。图 上 有 中 心 线 ( CL ) 、上 控 制 限 (UCL) 和下控制限 (L CL ) ,并有按时间顺序抽取的 样本统计量数值的描点序列 。在图 11 中可以将所 描绘的点子与控制界限或规范界限相比较 ,从而能 够直观地看到被控对象的变化 。 质量控制图可以直接控制生产过程 ,起到预防 为主 、稳定生产 、保证质量的作用 。具体体现在如下
16
几个方面 :
图 11 控制图实例
质量诊断 :度量过程是否处于控制状态 。
质量控制 :确定对过进 :确认何种过程是否被改善及改善程
度。
2. 2. 2 控制图的绘制
1) 收集数据
按时间顺序采集在工序能力充足的条件下的近
期数据 ,数据总数不少于 100 ,每组样本量为 4 或 5 。
2) 排列图的绘制 排列图可以运用电脑统计软件进行绘制 ,绘制 过程中涉及数据有各种缺陷不合格数 、累计不合格 数 、各项不合格所占百分比及累计百分比 。左边纵 轴为频数 ,右边纵轴为频率 ,横轴为缺陷类型 (见图 6) 。 3) 排列图的质量缺陷分类 为了定量的凸显主要缺陷 ,集中精力解决主要 质量问题 ,将质量特性分为 A 、B 、C 3 类 ,见表 1 。 4) 排列图使用要点 (1) 抓住“关键的少数”; (2) 确定采取措施的顺序 ; 14
图 9 直方图实例
2. 1. 3 直方图类型与总体分布
15
建材世界 2009 年 第 30 卷 第 2 期
直方图常见类型如下 :
图 10 直方图的类型
a 标准型 :基本符合正态分布规律 ,表示工序只 存在随机误差 ,工序处于稳定状态 。
b 孤岛型 :孤岛一般都在公差范围之外 ,表示有 某种异常情况 。
建材世界 2009 年 第 30 卷 第 2 期
图 7 结石缺陷分析因果图
布形态对结石的形成有何关系 ? 如何去有效控制它 们 ? 有没有什么明确的标准来界定它 ? 提出的改善 措施是否具有可操作性 ?
3) 因果图绘制与使用注意事项 (1) 绘制注意事项 实现两个要求 :重要因素不要遗漏 ,不重要因素 不要绘制 。 防止疏漏要因 :采用“头脑风暴法”模式 ,集思广 益 、充分发扬民主 ; 防止确定原因时质量特性抽象化 ; 对症下药 :有多少质量特性就画多少因果图 ; 验证 :分析原因采取的措施要具有可操作性 ; (2) 使用注意事项 用数据客观评价因素的重要性 ; 使用中需要不断地改进因果图 。 1. 2. 3 相关图 1) 相关图的应用 相关图又称散布图 ,是观察分析两个变量之间 相关关系的统计图 。在生产工序中 ,质量特性与影 响因素都是变量 ,这些变量之间有的存在确定性的 关系 ,即能根据一种变量准确地算出另一种变量之 值 。如配合料均匀度与搅拌时间的关系 。掌握它们 之间的相关规律 ,预测和推断某种因素变化时对质 量特性变化的影响 ,从而通过控制某种因素来控制 质量特性 ,使质量特性处于受控状态 。 2) 相关图的绘制 从工序中随机收集两种相关变量的对应数据 , 然后将这些点描绘在直角坐标图上 ,就得到相关图 。 其变量可以是质量特性 ,也可以是影响因素 。如产 品的品检数量与时间的相关性 (见图 8) 。 3) 相关图的类型 相关图的分布形式有多种 ,强正相关 、若正相 关 、不相关 、强负相关 、若负相关 、非线性相关等形 式 ,通过对相关图的分析 ,能从杂乱无章的变量中找
无论是何种形式的失控状态 ,都表示存在导致 质量失控的系统性因素 , 这些因素被归纳为 “5M1 E”,一旦发现 ,应立即查明原因 ,采取措施 ,使 生产过程尽快恢复到受控状态 ,尽可能减少因过程
13
建材世界 2009 年 第 30 卷 第 2 期
图 4 失控状态下质量特性值波动 (μ变大)
表现方式 (见图 2 、图 3 、图 4) 。
图 2 失控状态下质量特性波动 (μ变化)
图 1 受控状态下质量特性值的波动
1. 1. 2 失控状态 当工序质量控制处于失控状态时 ,质量特性值
的分布特性发生变化 ,产品质量将无法满足预期质 量要求 。失控状态下质量特性值的分布特性有如下
图 3 失控状态下质量特性波动 (σ变化)
图 6 产品缺陷排列图
(3) 对措施效果的验证 ; (4) 与因果图结合使用 ;
表 1 质量特性分类
累计频率 0～80 % 80 %～90 % 90 %～100 %
因素类型
A 类因素 (主要因素) B 类因素 (次要因素) C 类因素 (一般因素)
说明 加强控制 、重点管理对象
可按常规管理 可放宽管理
失控造成的质量损失 。 1. 2 工序质量状态分析
影响工序质量的“5M1 E”因素的动态变化使得 工序质量具有明显的动态特性 “, 失控”与“受控”在 一定条件下可以相互转化 。因此 ,工序质量控制过 程也处在一个发现问题 、分析问题 、反馈问题 、纠正 问题的一个动态过程之中 (见图 5) 。为了及时发现 工序质量特性值的异常波动 ,实施工序质量有效控 制 ,我们常常借用数理统计手段对工序质量特性值 进行分析 。