什么是统计过程?
- 统计处理代表统计过程控制。统计处理不涉及特定的技术,算法或过程。统计处理是与连续过程改进相关的优化哲学,它使用了用于以下方面的工具(统计信息):
a-数据和过程分析
b-关于过程行为的推论
c-决策。
- 统计处理是整体质量计划的关键组成部分,最终,统计过程旨在通过提高产品质量,提高生产率,简化过程,减少浪费,减少排放,改善客户服务等来最大化利润。
统计过程的工具
统计处理中常用的工具包括
- 流程图性能图帕累托图和分析因果图频率直方图控制图过程能力研究验收抽样计划散点图每个工具都易于实现这些工具通常相互补充而不是独立使用
组织结构图
- 没有统计依据是出色的可视化工具流程图的演示工作进度材料或信息的流程以及一系列操作流程图在初始过程分析中很有用流程图应以过程流程图或流程图作为补充流程(详细)(如果可用)项目中的每个参与者都应绘制流程流程图,并对其进行研究以揭示流程工作方式的各种观点。
确保数据质量的过程示例流程图。
操作图
性能图只是过程特征相对于时间或按时间顺序排列的图表。它们没有统计依据,但有助于揭示
- 趋势变量之间的关系
性能图可用于研究变量之间的关系。例如,在上图中,很难辨别两个变量之间的关系。为方便起见,必须为图表选择适当的比例。如果每个映射变量都有自己的y轴比例,则上述效果图将变为:
现在,两者之间的关系变得很有启发性。当变量多于两个时,此方法显然将失败。但是,如果在绘制之前对变量进行了标准化,则仅需要一个公共轴,结果与上述结果一样清晰。
Vilfredo Pareto(1848-1923)发现:
- 意大利有80%的人口是由20%的人口完成的; 20%的客户认为销售额的80%; 20%的零件认为成本是80%,依此类推。 Juran(1960)提出了所谓的帕累托原理。
帕累托原理表明:
»并非所有导致特定现象的原因都以相同的频率或相同的影响发生»
这些特征可以使用帕累托图突出显示。
帕累托图和分析
- 帕累托图显示出最频繁发生的因素帕累托图分析通过指出最重要的问题来解决,从而有助于充分利用有限的资源
例如:
- 产品可能会遭受各种缺陷的影响,但是缺陷发生的频率却不同,只有少数几种缺陷存在,各种缺陷会导致不同的成本
因此,产品线可能会遇到一系列缺陷(A,B,C…
J)。绘制每种类型的贡献百分比以求和失败次数的总和,在下图中给出条形图。然后,如果依次添加这些贡献中的每一个,则将获得累积折线图,这两个图共同构成了帕累托图。
帕累托图示例
根据图表上的信息,制造商可以例如
- 专注于减少缺陷A,B和C,因为它们占所有缺陷的75%,如果缺陷E导致40%的金钱损失,则专注于消除缺陷E
因果图:
它们也称为:
- 石川图(石川薰)(1943年)鱼骨图因果图没有统计依据,但是对于解决问题和解决问题提供了极好的帮助。因果图可以揭示两者之间的重要关系。几个可能的变量和原因可提供对过程行为的更多了解
因果图示例
频率直方图
频率直方图是用于汇总数据的非常有效的图形方式,易于解释。频率直方图是统计过程的基本统计工具,它
提供以下信息:
- 数据的平均值(均值)数据中存在的变化变化的模式
如果过程符合规范
频率图直方图
在绘制频率直方图时,请考虑以下规则:
- 间隔必须等距间隔为方便的值选择间隔间隔数通常在6到20之间少量数据需要很少的间隔
- 10个间隔足以读取50至200个读数
未处于统计控制状态的流程:
- 显示过多的变化,显示随时间变化的变化
控制图
它们用于检测过程是否在统计上稳定。控制图区分变化
- 通常,这是由于适当的原因或可预见的原因导致的,随着时间的流逝而变化的正当程序时机或常见原因。
由于常见原因造成的差异
- 对过程的影响很小,这是过程所固有的,原因如下:系统的性质系统的管理方式组织和操作过程的方式只有通过对过程进行修改才能删除改变过程是高级管理层的责任
由于特殊原因造成的防滑钉变化有:
- 本质上是本地化的系统异常正常的现象通常特定于:某些操作员某些机器某些批次的材料等。因特殊原因而导致的变化的调查和消除是工艺改进的关键。
注意:有时,常见原因和特殊原因之间的区分可能不是很清楚
使用控制图的原理非常简单,并且基于以下两种情况的组合使用:
- 性能图假设检验
过程是:
- 定期对过程进行采样绘制统计数据(或某种性能指标),例如中等范围变量缺陷数等。(以图形方式)检查过程是否受统计控制如果过程不受统计控制,请对其进行处理
根据常用计划数据图表的性质,使用了各种图表:
- 对于(变量的)连续数据:Shewhart样本均值(c-图)Shewhart样本范围(R-图)Shewhart样本(X-图)累积和(CUSUM)平均加载指数图移动(EWMA)图表移动平均值和范围对于(属性和可数)描述的数据:缺陷样品的比例(p-图)缺陷样品的数量(np-图)缺陷样品的数量(c-图)单位缺陷样本数(u-图s-图)
控制图卡尺对绘制的统计量进行假设,即
- 是独立的。一个值不受其最后一个值的影响,也不会影响未来的值。它是正态分布的,即数据具有概率密度的正态函数
正态概率密度函数
正常性和独立性的假设允许对数据进行预测。
正态分布N(m,s 2)具有几个不同的特征:
- 正态分布呈喇叭形且对称。中间点m位于中心。点x位于中间点以外的距离的概率是:频带(x> m + 1.96 s)=频带(x> m -1.96s)= 0.025频段(x> m + 3.09 s)=频段(x> m 3.09s)= 0.001
S是数据的标准偏差
控制图:解释
- 控制图是具有时间维度的正态分布。
- 控制图是具有叠加正态分布的性能图
汽车
检验假设的图表
控制图提供了图形化的方法来测试有关监视数据的假设。
以Shewhart的常用图表为例。
带有控制和警告限制的Shewhart X图表
具有特定值的样本的概率由其在图形上的位置给出。假设绘制的统计量是正态分布的,则值的概率超出:
- 警告极限的可能性约为0.025或2.5%,控制极限的可能性约为0.001或0.1%,这很少见,表明变化是由于可指定的原因引起的,过程不在统计控制范围内
操作规则
它们是用于指示统计控制之外的情况的规则。
具有警告和控制限制的Shewhart X图表的典型操作规则是:
- 超出控制限制的一个点超出警告限制的两个连续点(0.025×0.025×100 = 0.06%发生的机会)位于中间一侧的7个或更多连续点( 0.5 7×100 = 0.8%的机会发生,并指示过程的中间发生变化。5个或6个连续的点朝相同的方向(指示趋势)可以使用类似的原理制定其他操作规则
习惯图
它们非常适合检测媒体变化。CUSUM图只是一个特定过程的总和与时间的关系图。
控制图示例:
参考书目