质量统计学在某批量产品故障成因分析中的应用初探
产品质量检测中的数据分析和统计方法
产品质量检测中的数据分析和统计方法产品质量是企业能否生存和发展的关键因素之一。
而在产品质量检测中，数据分析和统计方法的应用能够为企业提供重要的决策依据和质量改进方向。
本文将探讨产品质量检测中数据分析和统计方法的重要性以及其在实际应用中的具体作用。
首先，数据分析和统计方法在产品质量检测中的重要性不言而喻。
首先，通过对大量的产品质量数据进行收集和分析，企业可以了解产品的各项指标的分布情况和变化趋势，从而为产品质量的控制和改进提供依据。
其次，数据分析和统计方法能够帮助企业建立合理的质量标准和抽样方案，确保产品质量检测的科学性和可靠性。
此外，数据分析和统计方法还可以帮助企业发现产品质量问题的根本原因，从而采取相应的改进措施，提高产品质量水平。
接下来，我们将具体探讨数据分析和统计方法在产品质量检测中的应用。
首先是数据的收集和整理。
企业可以通过设立合适的质量检测指标、收集合理的样本数量以及使用专业的数据采集设备来获取高质量的数据。
然后，通过数据的整理和归类，企业可以提取出各项质量指标的数据清单，为后续的数据分析和统计提供基础。
其次是数据分析和统计方法的应用。
在产品质量检测中，常用的数据分析和统计方法包括描述性统计、抽样检验、回归分析等。
描述性统计可以通过计算均值、标准差、频率分布等统计量来对数据进行总体性描述，帮助企业了解质量指标的特征和分布情况。
抽样检验可以通过比较样本数据与总体数据的差异，判断产品质量是否符合规定标准。
而回归分析则可以通过分析各项质量指标之间的相关性，找出对产品质量影响最大的因素，为质量改进提供指导建议。
最后是数据分析和统计方法在产品质量改进中的应用。
企业可以通过数据分析和统计方法来发现产品质量问题的原因，进而采取针对性的改进措施。
例如，若某项质量指标的均值超出了设定的上限，企业可以利用数据分析和统计方法找出生产工艺存在的问题，并进行相应的调整和优化。
另外，通过对不同批次产品的质量指标进行比较和分析，企业可以了解产品质量的稳定性和一致性，从而制定完善的质量控制措施。
统计学方法在工业质检中的应用
统计学方法在工业质检中的应用引言：工业质检是确保产品质量的重要环节，但传统的手工质检容易由于人为因素而出现误判，效率低下。
为了提高质检的准确性和效率，统计学方法在工业质检中被广泛运用。
本文将探讨统计学方法在工业质检中的应用，并重点介绍了控制图和假设检验两大常用工具的原理和实践。
一、控制图的应用控制图是统计学中的一种常用工具，通过收集样本数据并分析其变异性，评估过程是否处于可控状态。
在工业质检中，我们可以利用控制图监测生产过程中的变异性，以及识别可能导致产品质量问题的特殊原因。
1.控制图的原理控制图通过绘制上下控制限和中心线来表示样本数据的变异范围。
当样本数据点超出控制限时，我们可以判定该过程存在特殊原因，需要进行进一步分析和调整。
通过实时监控控制图，工厂可以更及时地发现生产过程中的异常情况，并采取相应措施以避免产品质量问题的发生。
2.控制图的实践举例来说，某汽车制造工厂使用控制图来监测车身尺寸的变异性。
收集到的样本数据显示，车身尺寸的平均值稳定在设定的标准值附近，而上下控制限的范围也符合预期。
然而，某一样本数据点超出了上控制限，经进一步分析发现，该车辆的焊接机器发生了异常。
工厂立即对机器进行维修，避免了该异常情况进一步影响产品质量。
二、假设检验的应用假设检验是统计学中重要的方法之一，常用于对两个或多个样本数据之间的差异进行推断。
在工业质检中，我们可以通过假设检验评估产品批次之间的差异，以及验证某种新工艺对产品质量的影响。
1.假设检验的原理假设检验通过设定原始假设（H0）和备择假设（H1）来进行推断。
原始假设通常是我们要进行验证的状态，而备择假设则是我们要推翻的状态。
通过计算样本数据的统计量，并与预设的临界值进行比较，我们可以得出是否拒绝原始假设的结论。
2.假设检验的实践假设某电子产品制造商在引入新的制程工艺后，想要评估该工艺对产品性能的影响。
通过采集两个批次的样本数据，并进行假设检验，发现新工艺批次的平均性能明显优于旧工艺批次，且差异显著。
统计数据全程质量管理初探
统计数据全程质量管理初探统计数据全程质量管理（SQC）是指利用统计方法和工具进行全程质量管理的一种方法，在质量控制和质量改进方面有着广泛的应用。
SQC可以帮助企业提高产品和服务的质量，从而增强竞争力和客户满意度，同时也可以提高生产效率和降低成本。
本文将对SQC 进行初步探讨。
一、SQC的基本理论SQC的理论基础包括统计学和质量管理学。
其中，统计学主要包括概率论、数理统计和抽样理论等方面的内容，而质量管理学主要包括质量控制、质量改进、质量保证等方面的内容。
SQC将这些理论结合起来，通过统计数据分析来管理和改进产品或服务质量。
二、SQC的主要工具和技术1.图表法图表法是SQC中最常用的工具。
包括直方图、控制图、箱线图、饼图等。
通过图表，可以清晰地展现数据分布特征和趋势变化，实时发现和分析质量问题。
2.抽样技术为了检验产品或服务的质量水平，需要进行检验和抽样。
质量检验可以在生产过程中进行，也可以在成品检测中进行，以确保产品或服务达到一定的标准要求。
3.质量测量技术质量测量技术包括测量尺、卡尺、衡量工具、电子称等，用于确保产品或服务的各项尺寸和规格处于可接受的范围内。
4.质量故障模式与影响分析（FMEA）FMEA是一种系统的分析方法，用于识别潜在的设计或工艺缺陷，并分析其对产品或服务的影响。
通过FMEA，可以找到并消除潜在的质量问题，提高产品或服务的可靠性和稳定性。
三、SQC的应用范围SQC可以适用于所有需要控制质量的领域，如生产制造、服务业、医疗保健等。
在每个领域，SQC的应用目标是提高质量、降低成本、增强竞争优势。
四、SQC的优势和局限性SQC可以帮助企业在产品或服务的开发、生产、交付和改进过程中，提高质量水平、降低成本、提高客户满意度、增加市场份额等。
但是，在SQC的应用过程中，要注意数据的质量、统计推断的准确性和灵敏度等局限性，以及对人力和资金投入的要求较高等问题。
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。
统计学方法在质量管理中的应用与实践
统计学方法在质量管理中的应用与实践质量管理是一种重要的商业实践，旨在确保产品和服务的高质量水平以满足客户的需求和期望。
统计学方法是质量管理中不可或缺的工具，它提供了数据分析和决策支持的可靠手段。
本文将探讨统计学方法在质量管理中的应用与实践。
一、质量管理概述质量管理是指组织通过规划、控制和持续改进来实现产品和服务质量的过程。
它涵盖了从原材料采购到生产过程再到最终产品交付的全方位管理。
二、统计学方法在质量管理中的应用1. 数据收集与分析质量管理需要收集和分析大量的数据来衡量产品质量，并找出潜在的问题和改进机会。
统计学方法提供了有效的数据收集和分析工具，如抽样技术、测量指标和图表分析等，来帮助管理者更好地了解产品的质量状况。
2. 过程控制统计过程控制（SPC）是一种运用统计学方法来监控和控制生产过程的方法。
通过收集和分析生产过程中的关键数据，SPC可以帮助企业有效减少变异性，提高生产效率和质量水平。
常用的SPC工具包括控制图、过程能力分析和因子实验设计等。
3. 六西格玛六西格玛是一种以减少缺陷和改进业务流程为目标的质量管理方法。
它是通过收集并分析大量数据，以确定造成缺陷的主要原因，并采取相应的改进措施来提高质量水平。
通过运用统计学方法，六西格玛可以帮助企业实现质量的持续改进和变革。
4. 假设检验在质量管理中，假设检验是一种常用的统计学方法，用于评估质量改进措施的有效性。
通过设计合适的实验和收集相关数据，可以通过假设检验分析来判断一个改进方案是否具有统计学显著性，并据此进行决策。
三、统计学方法在质量管理中的实践案例以下是一个统计学方法在质量管理实践中的案例：某汽车制造公司使用控制图跟踪车身表面缺陷的数目。
他们收集了每周五辆车的数据，通过统计分析发现，车辆缺陷数量的波动较大，存在着潜在的质量问题。
通过进一步的数据分析，确定了车身焊接过程中的一个关键环节存在问题。
公司采取了改进措施，通过改进焊接工艺和提升操作员培训，成功降低了缺陷数目，提高了产品质量。
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。
产品质检中的统计分析与数据报告
产品质检中的统计分析与数据报告在现代经济发展中，保证产品质量是企业赖以生存的关键。
通过进行产品质检，企业可以及时发现和解决产品存在的问题，提高产品的质量和竞争力。
而在质检中，统计分析与数据报告的使用成为了不可或缺的工具。
本文将探讨产品质检中统计分析与数据报告的重要性，并介绍其应用。
一、统计分析在产品质检中的重要性1.1 问题定位与分析统计分析可以帮助企业在产品质检中准确地定位问题，并深入分析问题的原因。
通过统计分析，可以对产品质量数据进行整合和比较，找出异常数据和规律性变化，从而确定问题的根源。
例如，通过统计分析发现产品的次品率在某个时间段内呈上升趋势，可以进一步分析原料供应商的质量稳定性或者生产工艺的变化等因素，为企业解决问题提供依据。
1.2 支持决策制定统计分析为企业在产品质检中的决策制定提供科学依据。
通过统计方法，可以对产品质量数据进行有针对性的分析，得出相关指标和质量趋势，并提供相应的建议。
例如，通过统计分析得出产品的不合格品率已经超过预期指标，可以提醒企业采取相应的控制措施，调整生产工艺或者加强培训，从而提高产品质量。
二、数据报告在产品质检中的应用2.1 数据整理与汇总数据报告是将产品质检中收集到的数据进行整理和汇总的工具。
通过数据报告，可以将大量的原始数据进行分类整理，形成清晰的报表和图表，使得数据更易于理解和分析。
例如，可以通过数据报告直观地展示产品的合格率、不合格品数量以及质量趋势等关键指标，帮助企业更好地了解产品的质量状况。
2.2 异常检测与预警数据报告还可以帮助企业在产品质检中及时发现异常情况，并进行预警。
通过对历史数据和实时数据进行比较分析，可以判断当前的数据是否偏离了正常范围，从而及时采取措施进行调整。
例如，通过数据报告发现某一批次产品的质量指标明显低于平均水平，可以立即采取措施追踪原因并进行及时的整改，以避免进一步的损失。
三、产品质检中数据报告的要求3.1 准确性和可靠性数据报告在产品质检中的应用必须具有准确性和可靠性。
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。
应用性统计分析在产品质量管理的应用
应用性统计分析在产品质量管理的应用随着科技的迅速发展和人们对生活质量的要求越来越高，各行各业对产品质量提出了更高的要求，产品质量管理也成为企业不可缺少的一部分。
统计学和数据分析技术在产品质量管理中的应用越来越广泛，其中应用性统计分析是非常重要的一种手段。
一、应用性统计分析在质量控制中的应用在生产制造过程中，企业需要进行质量控制，应用性统计分析可以为企业提供帮助，通过对生产数据进行分析，及时发现和定位生产过程中的缺陷和问题。
例如，企业可以对生产过程中的关键参数进行监控和分析，发现异常情况并及时进行调整。
在传统的质量控制中，趋势图是一种非常常用的工具，可以通过统计数据的变化趋势，及时发现问题并进行改进。
另外，控制图也是一种非常重要的工具，可以通过图表的形式清晰展示数据的分布和趋势，对生产数据进行有效的控制。
二、应用性统计分析在质量改善中的应用除了质量控制，企业还需要进行质量改善。
应用性统计分析可以为企业提供支持，帮助企业快速发现问题，找到问题的根本原因，并提出有效的改进措施。
首先，企业可以采用典型分析的方法，通过对 problem-solution tree 的构建，找到问题的源头和解决方法。
其次，企业可以采用因果关系分析的方法，找出影响质量问题的主要因素，并制定相应的改进计划。
最后，企业可以采用六西格玛（Six Sigma）方法，通过数据分析和改进过程，降低制造缺陷和过程变异性，提高产品质量。
三、应用性统计分析在质量优化中的应用产品质量的提高是企业的核心目标之一，应用性统计分析可以为企业提供有效的方法，优化产品质量。
一方面，企业可以采用挖掘深层次的因素分析方法，探究产品质量的潜在因素，发现产品的瓶颈，及时进行调整和提升。
另一方面，企业可以采用多元统计分析方法，对产品的各项参数进行分析，发现优化产品质量的最佳参数组合，提高产品质量水平。
结语应用性统计分析在产品质量管理中扮演着重要的角色，可以帮助企业及时发现问题，及时解决问题，快速进行质量改进，提高产品质量水平。
统计师在质量改进中的应用和挑战
统计师在质量改进中的应用和挑战统计学作为一门重要的学科，对于质量改进领域具有重大的应用价值。
统计师在质量改进过程中，可以利用各种统计方法和工具来帮助企业提高产品和服务的质量。
然而，统计师在实际应用中也会面临一些挑战和困难。
本文将探讨统计师在质量改进中的应用和挑战。
一、统计师在质量改进中的应用1. 数据收集与分析统计师在质量改进中的首要任务是收集和分析相关数据。
他们需要确定哪些数据应该收集，如何收集数据以及如何对数据进行分析。
统计师可以使用各种统计方法，例如抽样调查、实验设计和回归分析等，来获取有效的数据并进行分析。
2. 过程改进统计师可以通过对生产过程进行统计分析，发现潜在的问题和瓶颈，并提出相应的改进措施。
他们可以使用控制图来监控过程的稳定性和可控性，帮助企业实现质量的持续改进。
3. 质量测量和评估统计师可以帮助企业确定适当的质量指标，并建立相应的测量方法和评估标准。
他们可以使用六西格玛方法和指标体系来评估质量绩效，并提供有针对性的改进建议。
4. 故障分析与问题解决当产品或服务出现故障或问题时，统计师可以通过统计分析方法来识别潜在的原因，并提供解决方案。
他们可以使用因果分析、质量控制工具和假设检验等方法来找出问题的根源，并采取相应的纠正和预防措施。
二、统计师在质量改进中面临的挑战1. 数据质量问题统计师在进行数据分析时，需要确保所使用的数据质量高，准确性和完整性得到保证。
然而，在实际操作中，数据质量问题常常会对分析结果产生影响。
因此，统计师需要花费大量的时间和精力来处理和清洗数据。
2. 与其他部门的协调与沟通质量改进通常涉及多个部门和多个业务流程，因此，统计师需要与其他部门进行密切的协调与沟通。
然而，不同部门之间往往存在信息不对称和沟通障碍，统计师需要具备良好的沟通能力和团队合作精神来推动质量改进的实施。
3. 技术和工具的应用统计师需要熟练掌握各种统计方法和工具，并能够灵活运用于实际问题中。
然而，新的统计方法和工具不断涌现，统计师需要不断更新知识和技能，以应对不同的质量改进需求。
- 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)。
电子质量2018年第07期(总第376期)
质量统计学在某批量产品故障成因分析中的应用初探InitialExplorationoftheApplicationforQualityStatisticalAnalysisinFailureAnalysis
曲凯,吕素,刘钦（中国电子科技集团公司第二十七研究所,河南郑州450047）QuKai,LvSu,LiuQin(The27thresearchinstituteofchinaelectronicstechnologygroupcorporation,HenanZhengzhou450047）
摘要：该文以柏拉图为工具，对某产品多个批次的全部故障数据进行归纳、分析，找出导致该产品故障率的主要成因。该示例旨在体现质量统计学在现代质量管理中的重要性，其可充分利用相关质量数据，并对其进行深入的挖掘，为质量管理者的决策提供方向和依据。关键词：质量管理；数理统计；柏拉图；故障成因分析中图分类号：C81;F273.2文献标识码：A文章编号：1003-0107(2018)07-0069-04Abstract:BasedontheParetoDiagram,itdesignsthathowtofindoutthekeypointsofthestatisticalprocesscontrolinqualityanalysistechnology.Theaimofthepaperistoillustrateimportanceofstatisticsinthequalityanalysis,whichcouldprovideeffectivetechnicalsupportfortheenterpriseproductquality.Keywords:qualitymanagrment;statistics;ParetoDiagram;faultanalysisCLCnumber:C81;F273.2Documentcode:AArticleID：1003-0107(2018)07-0069-04
0引言全面质量控制之父、质量大师阿曼德·费根堡姆(A.V.Feigenbaum)曾这样论述道："无论何时、何处都会用到数理统计方法"、"这些统计方法所表达的观点对于全面质量管理的整个领域都有深刻影响"[1]。统计学之于现代产品质量控制和评估的作用十分显著，是现代产品质量控制和评估中不可缺少的工具。质量统计结果能为质量管理者对产品质量评估提供依据，同时管理者也能依据质量统计结果来对产品的设计、加工工艺进行改良和完善。如果将现代质量管理流程视为一个层层向上反馈的过程，那么无疑质量统计在质量管理中扮演着"承上启下"的角色。整个质量管理工作从数据角度来看，可以近似为一个有目的地收集产品相关质量数据，并对其进行有序的归纳、整合、提炼、分析的过程。然而目前国内工业界，或受限于品控管理人员的素质，或受限于企业管理者的重视程度，或受限于人力、物力投入的限制，未将质量相关数据进行充分地挖掘和分析，质量工作往往终止于"归纳、整合"环节，而忽视了"提炼、分析"环节。笔者将
在正文中采用工业品控七大工具之一———柏拉图来展现提炼、分析环节的重要性。
1柏拉图(ParetoDiagram)分析与柏拉图柏拉图———意大利经济学家，其最早提出"社会上大部分的财富均操纵在少数人手中"的论断。柏拉图在解决问题流程时提出，在完成鱼骨图以及资料搜集后，要使用次数分布技术，区分"少数重点因素"和"大量微细因素"。该分析法即为柏拉图分析法。其目的是把一大堆数据重组，排列成有意义的图表，从而指出问题的原因所在和优次关系[2]。在现代工业品质控制管理中，美国质量控制专家Juran提出"造成约80%质量的问题是源于约20%的因素"理论。该理论在质量统计分析中得到广泛应用，依据此原理可有效地找出造成多数问题的少数几个重要成因，并将以此原理绘制的分析图表称为柏拉图(ParetoDiagram)。柏拉图用可视化的数据格式，帮助建立优先级解决对象，为决策者直观的展示出影响最终结果所有成因的影响比重。
作者简介院曲凯(1986-)，男，硕士研究生，工程师，主要研究方向为质量管理与产品检验。
69柏拉图分析的一般过程：(1)质量决策者选取需进行质量分析的目标项目；(2)分析该目标项目的评价方法是否适用柏拉图，若该项目的分析目标是"有效地找出造成多数问题的少数几个重要成因"，则可采用柏拉图分析；(3)针对分析目标，大量搜集相关质量问题数据；(4)分析收集到的质量问题数据，当数据表象呈现多样化时，应对数据进行二次提炼；(5)当影响因素较多或影响比重明显不大的因素太多时，将此类因素进行合并，通常列入"其它"；(6)根据上一步的处理结果，绘制相应的柏拉图；(7)根据柏拉图，确定主要影响因素，即优先解决目标；(8)结束。然而，通常制作柏拉图的目的，是找出产品质量问题的主要原因所在。因此后续的质量工作中，通常涵盖进一步地对主要成因采取相应的整改措施，实现改善产品质量的最终目的。为了检验"整改措施效果"，实现一个分析--改善--分析的一个质量分析的循环，采用的措施通常是在后续的质量跟踪环节中，收集已改善后的产品质量数据，利用其它的产品质量分析方法，重新画出一幅排列图来评估最终改善效果。
1.1绘制柏拉图本文中以某定型产品多个批次生产、调试、检验过程中出现的全部故障作为柏拉图分析的数据源，旨在通过柏拉图分析出该型产品主要故障因素。从而为后续人力、物力资源有限的条件下，如何显著降低该型批量产品的故障率提供解决依据。表1所示为某定型产品多个批次生产、调试、检验过程中出现的全部故障现象数据。
表1故障现象数据统计序号 故障现象 发生次数 1 光学透镜松动，频繁撞击探测器端面造成损坏 1 2 装配人员粗心导致光纤受挤压损坏 1 3 底板和转接板接口松动，产品通讯不正常 2 4 元器件振动试验中脱落 1 5 插座插针振动试验中弯曲导致接触不良，产品通讯不正常 1 6 光纤支架在交变湿热试验后生锈 2 7 产品在交变湿热试验后内壁出现霉菌 1 8 装配人员粗心导致光纤通道安装错误，功能故障 2 9 产品在砂尘试验后外壳出现大面积掉漆 2 10 产品出现自击现象 1 11 设备周转过程中磕碰造成天线表面涂覆层漆面有剥落现象发生 1
12 在信号处理板中发现焊锡颗粒，振动试验时这块焊锡将FPGA的电源和地管脚搭接到一起引起了短路，造成FPGA芯片损坏，故设备无法正常工作 1 13 试验箱出沙口出沙不均匀，造成砂尘试验后涂覆层磨蚀 1 14 母板插针与通讯板间接触不充分，振动试验后通讯不正常 1
从表1中故障现象数据中可以看出，该型产品总共包含14类不同现象的故障。为了贯彻Juran"Majorfew，trivialmany"的思想，现将表1中故障现象按成因进行归类，实现对故障数据的整合和分析对象的精简。整合后的故障数据统计表如表2所示。
70电子质量2018年第07期(总第376期)
根据表2的统计结果绘制柏拉图。目前，常用统计计算软件多种多样，如：minitab等。此处使用EXCEL2007完成了柏拉图的绘制，如图1所示。表2整合后的故障数据统计序号 故障原因 发生次数 比重 1 材料、工艺问题 5 28%
2 装配人员责任心不足(装配错误、设备周转过程中外壳保护不到位、安装时将多余物留存至机箱内) 5 28% 3 器件强度不足、零件安装松动、焊接不牢固 3 17% 4 电路板、接插件间接触不良 3 17% 5 偶然故障 1 5% 6 其它原因 1 5%
图1故障统计的柏拉图柏拉图的绘制理念是把数据按次序排列，来展示各个分析对象的重要程度[2]。柏拉图的左方垂直轴为故障发生次数，右方垂直轴为累加百分比，红色曲线为肩型图，代表了故障累计百分比。1.280/20法则和降低故障率的优先解决目标美国质量控制专家Juran最早提出"Majorfew，tri-vialmany"的理论，其含义为"造成约80%质量的问题是源于约20%的因素"，故如能找出这20%的因素就能有效地改善产品质量，此为80/20法则。做出柏拉图后，找出红色肩型图中位于80%处的拐点，则该拐点前的影响因素即为该统计结果事后改善的关键项。在本案例中，故障原因"电路板、接插件间接触不良"处为肩型图80%点，则该拐点前的4个故障原因--"材料、工艺问题"、"装配人员责任心不足"、"器件强度不足、零件安装松动、焊接不牢固"、"电路板、接插件间接触不良"即为该型产品的故障关键项。在该产品后续的批量生产中，如果人力、物力条件允许，我们可以针对所有已发生的故障成因均采取相应的防治措施，来降低产品故障率。然而通常情况下，有限的人力、物力条件不足以完成全部的防治措施。但是通过图1中的柏拉图，我们可以清楚地看到，只需针对"材料、工艺问题"、"装配人员责任心不足"、"器件强度不足、零件安装松动、焊接不牢固"、"电路板、接插件间接触不良"共计四个故障成因进行故障重点整治防范，就可将该产品的故障率降低至现有水准的20%以下。
712结论从上述分析中可看出，尽管在该产品多个批次的生产、验收中出现了多个故障问题，但采用柏拉图对出现的全部故障数据进行归纳、分析，可以找出导致产品80%故障率的问题症结。在该产品后续批次生产、交付中，如果人力、物力条件有限，可以只针对柏拉图中80%拐点前的故障成因进行重点防治、排查，就可将该批次产品的理论故障率降低至20%以下。本篇详述的柏拉图只是质量统计学中的基本常用方法之一，在不同的质量
需求中，质量统计学还具备其它的统计方法、评估检验水平的方法等，可充分利用相关质量数据，并对其进行深入的挖掘，为质量管理者的决策提供方向和依据。
参考文献：[1]图布新.质量统计过程控制技术SPC的应用及实现方法[J].科技展望,2016,(9):141-141,143.[2]李志军.排列图和因果图在设计更改原因分析中的应用[J].中国电力教育,2010,(s2):584-585.
什么是射频功率放大器射频功率放大器(RFPA)是各种无线发射机的重要组成部分。在发射机的前级电路中，调制振荡电路所产生的射频信号功率很小，需要经过一系列的放大一缓冲级、中间放大级、末级功率放大级，获得足够的射频功率以后，才能馈送到天线上辐射出去。为了获得足够大的射频输出功率，必须采用射频功率放大器。
小知识
72