1、 工序質(zhì)量控制第一節(jié) 工序質(zhì)量的受控形狀第二節(jié) 工序才干指數(shù)第三節(jié) 工序質(zhì)量控制圖cnshu 精品資料網(wǎng).第一節(jié) 工序質(zhì)量的受控形狀一、工序質(zhì)量的兩種形狀一受控形狀in control二失控形狀out of control二、工序質(zhì)量形狀識別中的問題消費(fèi)制造過程是從設(shè)計質(zhì)量到實物質(zhì)量的實現(xiàn)過程，也是在產(chǎn)質(zhì)量量構(gòu)成全過程中涉及職能部門最廣及參與人員最多的重要過程。消費(fèi)制造過程控制的中心是工序質(zhì)量控制，統(tǒng)計過程控制(Statistical Process Control，簡稱SPC) 是工序質(zhì)量控制的重要內(nèi)容和方法。本章在第七章的根底上，對工序才干指數(shù)、控制圖等作較詳細(xì)的引見。cnshu 精品資料

2、網(wǎng).一、工序質(zhì)量的兩種形狀 如工序質(zhì)量特性值為X，其分布參數(shù)為和，即 ,那么工序質(zhì)量的兩種形狀可以用和的變化來判別。一受控形狀(in control) 工序質(zhì)量處于受控形狀時，質(zhì)量特性值的分布特性不隨時間而變化，一直堅持穩(wěn)定且符合質(zhì)量規(guī)格的要求。見圖8-1。 在圖8-1中，和是排除了影響工序質(zhì)量的系統(tǒng)性要素后，質(zhì)量特性值X或其統(tǒng)計量的數(shù)學(xué)期望和規(guī)范差，是工序質(zhì)量控制的目標(biāo)。黑點表示隨著時間的推移，X的觀測值x或X的統(tǒng)計量的觀測值，如樣本平均值、樣本中位數(shù)等的分布情況。這些黑點依概率分布在中心線 兩側(cè)，不應(yīng)有任何系統(tǒng)性規(guī)律，且都介于上、下控制限UCL和LCL之間。cnshu 精品資料網(wǎng).圖81

3、消費(fèi)過程的受控形狀cnshu 精品資料網(wǎng).二失控形狀out of control 可以有幾種不同的表現(xiàn)方式或兼而有之：1 堅持穩(wěn)定。這時，從外表看，過程形狀是穩(wěn)定的，但由于質(zhì)量特性值或其統(tǒng)計量的分布集中位置 已偏離控制中心 ，黑點越出控制界限某側(cè)的能夠性變大，見圖8-2。圖82 消費(fèi)過程的失控形狀變化cnshu 精品資料網(wǎng).2 堅持穩(wěn)定。這時，由于分布的分散程度 變大，導(dǎo)致黑點越出控制界限兩側(cè)的能夠性變大，見圖8-3。 圖83 消費(fèi)過程的失控形狀變化3 和都堅持穩(wěn)定。4和中至少有一個不穩(wěn)定，隨時間而變化。 不論是何種方式的失控形狀，都表示存在導(dǎo)致質(zhì)量失控的系統(tǒng)性要素。一旦發(fā)現(xiàn)工序質(zhì)量失控，就應(yīng)

4、立刻查明緣由，采取措施，使消費(fèi)過程盡快恢復(fù)受控形狀，減少因過程失控所呵斥的質(zhì)量損失。cnshu 精品資料網(wǎng).二、工序質(zhì)量形狀識別中的問題影響工序質(zhì)量的5M1E諸要素一直處于變化之中，工序質(zhì)量具有鮮明的動態(tài)特性?！笆芸睾汀笆Э厥呛涂刂颇康南嚓P(guān)聯(lián)的兩種質(zhì)量形狀，在一定條件下，它們可以相互轉(zhuǎn)化。工序質(zhì)量控制的根本過程可以圖8-4所示的循環(huán)圖來表示。從某種意義上說，工序質(zhì)量控制的勝利取決于能否及時發(fā)現(xiàn)消費(fèi)過程的質(zhì)量偏向，即質(zhì)量特性的異常表現(xiàn)。發(fā)現(xiàn)分析反響糾正圖84 工序質(zhì)量控制系統(tǒng)cnshu 精品資料網(wǎng).消費(fèi)過程中工序質(zhì)量異常動搖的發(fā)現(xiàn)及緣由的分析往往需求借助數(shù)理統(tǒng)計中的統(tǒng)計推斷方法。對于各式各樣的質(zhì)

5、量總體，經(jīng)常可以用正態(tài)分布隨機(jī)變量來描畫或近似描畫，見圖8-5所示。正態(tài)分布是統(tǒng)計推斷中最廣泛運(yùn)用的分布方式。在沒有特殊條件的場所，總是假設(shè)所涉及的總體為正態(tài)分布隨機(jī)變量?？傮w分布的數(shù)字特征，最常用的是總體數(shù)學(xué)期望和規(guī)范差對于正態(tài)總體，其分布已被這兩個參數(shù)獨(dú)一確定?？傮w數(shù)學(xué)期望常用樣本平均值 來估計。樣本平均值 是總體數(shù)學(xué)期望的無偏估計，即 =。樣本平均值 ，計 算并不復(fù)雜。為了順應(yīng)現(xiàn)場質(zhì)量控制的要求，有時也用樣本中位數(shù) 來估計。 也是的無偏估計量，但計算更方便?？傮w規(guī)范差可用樣本規(guī)范差s來估計，也可用樣本極差R或R序列的平均值 來估計。兩者都是的無偏估計，但極差的計算要 容易得多。實踐運(yùn)用中

6、，的估計值 ，其中 是和 樣本容量n有關(guān)的參數(shù)，可查表8-1。cnshu 精品資料網(wǎng).cnshu 精品資料網(wǎng).表81 3控制限參數(shù)表n 21.128 40.8531.880/3.2671.0002.66031.692 60.8881.023/2.5751.1601.77242.058 80.8800.729/2.2821.0921.45752.325 90.8640.577/2.1151.1981.29062.534 40.8480.483/2.0041.1351.18472.704 40.8330.4190.0761.9241.2141.10982.847 20.8200.3730.1361

7、.8641.1601.05492.970 10.8080.3370.1841.8161.2241.010103.077 50.7970.3080.2231.7771.1760.975cnshu 精品資料網(wǎng).第二節(jié) 工序才干指數(shù)一、工序才干分析一工序才干的概念二工序才干的調(diào)查三工序才干的測定二、工序才干指數(shù)一工序才干指數(shù)的計算二工序才干指數(shù)和不合格率三、工序才干的判別及處置cnshu 精品資料網(wǎng).一、工序才干分析一工序才干的概念 當(dāng)影響工序質(zhì)量的各種系統(tǒng)性要素曾經(jīng)消除，由5M1E等緣由引起的偶爾性質(zhì)量動搖曾經(jīng)得到有效的管理和控制時，工序質(zhì)量處于受控形狀。這時，消費(fèi)過程中工序質(zhì)量特性值的概率分布反

8、映了工序的實踐加工才干。工序才干是受控形狀下工序?qū)庸べ|(zhì)量的保證才干，具有再現(xiàn)性或一致性的固有特性。 工序才干可用工序質(zhì)量特性值分布的分散性特征來度量。如工序質(zhì)量特性值X的數(shù)學(xué)期望為，規(guī)范差為，那么工序才干 B = 6其中， 。公式闡明，工序受控形狀下加工質(zhì)量的保證才干受5M1E諸要素的制約。 當(dāng) 時， 。所以，幾乎包括了質(zhì)量特性值X的實踐分布范圍。顯然，B越小，工序才干越強(qiáng)。工序才干的大小應(yīng)和質(zhì)量要求相順應(yīng)，過小的B值在經(jīng)濟(jì)性上往往是不適宜的。 工序才干目的的用途：選擇經(jīng)濟(jì)合理的工序方案。協(xié)調(diào)工序之間的相互關(guān)系。驗證工序質(zhì)量保證才干。cnshu 精品資料網(wǎng).二工序才干的調(diào)查 普通只對工序質(zhì)量

9、控制點的關(guān)鍵工序進(jìn)展，其流程見圖8-6。cnshu 精品資料網(wǎng).三工序才干的測定首先，被調(diào)查工序必需規(guī)范化，進(jìn)入管理形狀；其次，樣本容量 要足夠大，數(shù)據(jù)數(shù)目以100150為好，至少不得少于50。工序才干的測定方法，通常有以下幾種： 較正規(guī)的測定方法是利用公式 。實踐問題中， 常用樣本規(guī)范差s來近似總體規(guī)范差。 是平均極差，即一組容 量皆為n的樣本的極差的平均值。 是由n決議的參數(shù)，可以從表 8-1中查得。當(dāng)需求快速算得結(jié)果，而對結(jié)果精度要求不高時，可取一個容量 為10的樣本，得極差R。此時 3.078，故得簡化公式 SCAT法Simple Capability Acceptance Test。

10、這是一種快 速簡易判別法，運(yùn)用于不適宜大樣本測定如時間緊、破壞性檢 驗等的問題。根本方法是把預(yù)先規(guī)定的工序才干能否合格的判 斷值和由樣本得到的極差R進(jìn)展比較，以斷定工序才干能否滿足 質(zhì)量要求。cnshu 精品資料網(wǎng).二、工序才干指數(shù) 工序才干指數(shù)是工序質(zhì)量規(guī)范的范圍和工序才干的比值，用符號 表示。如工序質(zhì)量規(guī)范的范圍用公差T表示，工序才干是6，那么 經(jīng)過工序才干指數(shù)，才干調(diào)查工序才干能否滿足質(zhì)量控制的實際需求。一工序才干指數(shù)的計算 和工序才干的計算一樣，只需在工序處于受控形狀的條件下，才干計算工序才干指數(shù)。普通地，設(shè)工序質(zhì)量特性值 ，且已獲得一個隨機(jī)樣本容量n50,樣本平均值為 ，樣本規(guī)范差為

11、shu 精品資料網(wǎng).1. 工序無偏，雙向公差的情形。設(shè)工序公差為T，公差上限和下限分別為 和 ，公差中心為 那么 ，見圖8-7。在圖8-7中， 和 分別為超上差和超下差的不合格率，即 和 。此時， 圖87 工序無偏，雙向公差 cnshu 精品資料網(wǎng).2. 工序有偏，雙向公差的情形。 這時， ，見圖8-8。引入偏移量 和偏移系數(shù) : 設(shè)工序有偏時的工序才干指數(shù)為 ，那么 當(dāng)工序無偏時， 0，故此時 。普通情況下，應(yīng)有 ，故 ，因此 。圖88 工序有偏，雙向公差cnshu 精品資料網(wǎng).3. 在有些場所，只需求控制單向公差。 如對清潔度、噪聲、形位公差、有害雜質(zhì)等僅需控制公差上限這時，普通可

12、以為公差下限為零，而對強(qiáng)度、壽命等那么僅需控制公差下限這時，普通可以為公差上限為無窮大。當(dāng)只需求控制單向公差時，工序質(zhì)量特性值普通為非正態(tài)分布。由于它的真實分布較復(fù)雜，所以常用正態(tài)分布來近似。 當(dāng)只需求控制公差上限時： 當(dāng)只需求控制公差下限時：cnshu 精品資料網(wǎng).二工序才干指數(shù)和不合格率 工序處于受控形狀，且質(zhì)量特性值服從正態(tài)分布。1. 工序無偏時的不合格率p。 工序無偏時， ，見圖8-7。顯然 。由于 所以 又由于 所以 假設(shè)記合格率為q，那么 cnshu 精品資料網(wǎng).2. 工序有偏時的不合格率p。 工序有偏時， ，如圖8-8所示工序左偏。顯然， 當(dāng)工序右偏，即 時， 所以有 當(dāng)工序左偏

13、，即 時， 所以仍有 cnshu 精品資料網(wǎng). 綜上所述，當(dāng)工序處于受控形狀，質(zhì)量特性值服從正態(tài)分布時，不合格品率p和合格品率q的計算如下： 當(dāng)工序無偏時： 當(dāng)工序有偏時： 容易知道，當(dāng)工序無偏時，k0，上述兩個公式是一致的。一般，工序有偏時的不合格率要高于無偏時的不合格率。 為了實踐運(yùn)用的方便，利用上述公式已編制了相應(yīng)的數(shù)值表，見表8-2。利用表8-2，當(dāng)工序處于受控形狀時，如k， 及p中有兩個知，那么可查得第三個的值。cnshu 精品資料網(wǎng).三、工序才干的判別及處置 工序才干判別的目的是對工序進(jìn)展預(yù)防性處置，以確保消費(fèi)過程的質(zhì)量程度。理想的工序才干既要能滿足質(zhì)量保證的要求，又要符合經(jīng)濟(jì)性的

14、要求。表8-3給出了利用工序才干指數(shù)對工序才干作出判別的普通規(guī)范。 表83 工序才干指數(shù)判別規(guī)范工序能力等級工序能力指數(shù)工序能力判斷特級過剩一級充足二級正常三級不足四級嚴(yán)重不足cnshu 精品資料網(wǎng). 表8-3列出的工序才干判別規(guī)范也適用于 、 和 。該當(dāng)指出，當(dāng)發(fā)現(xiàn)工序有偏時，原那么上應(yīng)采取措施調(diào)整分布中心，以消除或減少分布中心的偏移。思索到調(diào)整時的技術(shù)難度及本錢，工序有偏時工序調(diào)整的普通規(guī)范列于表8-4。判別工序才干后，應(yīng)采取適當(dāng)?shù)奶幹脤Σ?，使工序才干堅持在合理的程度上?表84 存在k時的判別規(guī)范偏移系數(shù)k工序能力指數(shù)采取措施0k0.25不必調(diào)整均值0.25k0.50要注意均值變化0k0

15、.25密切觀察均值0.25k0.50采取必要調(diào)整措施cnshu 精品資料網(wǎng).例1 某零件內(nèi)徑尺寸公差為 ，從一足夠大的隨機(jī)樣本 得 ，s0.004。試作工序才干分析。解 公差中心由于 ，分布中心向右偏移，偏移量和偏移系數(shù)所以，工序才干指數(shù) 。由于 ，所以不合格率 p值也可查表8-2得到。由于 1.25介于1.2和1.3之間，k0.333介于0.32和0.36之間,故用插值法，得p0.0065,與0.0042相近。根據(jù) 1.25和k0.333，對照表8-4，判別工序才干缺乏。至于終究該當(dāng)采取什么樣的處置措施，還需根據(jù)工序本身的特點來思索。cnshu 精品資料網(wǎng).第三節(jié) 工序質(zhì)量控制圖一、控制圖的

16、原理和分類一控制圖的原理二控制圖的分類二、控制圖的設(shè)計三、幾種常用的控制圖一兩種常用的計量值控制圖二兩種常用的計數(shù)值控制圖四、控制圖的分析與判別一表示受控形狀的控制圖的特點二表示失控形狀的控制圖的特點五、控制圖判別的概率論解釋cnshu 精品資料網(wǎng).一、控制圖的原理和分類一控制圖的原理 運(yùn)用控制圖control chart可以對工序過程形狀進(jìn)展分析、預(yù)測、判別、監(jiān)控和改良，實現(xiàn)預(yù)防為主的過程質(zhì)量管理?？刂茍D的根本方式見圖8-9。普通說來，控制界限不應(yīng)超出公差界限。cnshu 精品資料網(wǎng).控制界限普通根據(jù)“ 原理來確定。如中心線 ，那么 利用控制圖對消費(fèi)過程質(zhì)量形狀進(jìn)展統(tǒng)計推斷的根本原理可參見圖

17、8-10，按“ 原理，其中 。cnshu 精品資料網(wǎng).利用控制圖對消費(fèi)過程質(zhì)量形狀進(jìn)展統(tǒng)計推斷也能夠犯錯誤。稱因虛發(fā)信號而呵斥的錯誤判別為控制圖的第一類錯誤。與此相反，當(dāng)系統(tǒng)性質(zhì)量要素影響消費(fèi)過程而使工序質(zhì)量失控時，由于樣本的隨機(jī)性，仍會有一定比例的觀測數(shù)據(jù)點落在控制界限內(nèi)。當(dāng)這種情況發(fā)生時，將會導(dǎo)致“消費(fèi)過程正常的錯誤判別。稱這一類錯誤為控制圖的第二類錯誤?？刂茍D的第一類錯誤概率用表示，控制圖的第二類錯誤概率用表示，見圖8-10?？刂茍D的兩類錯誤都將呵斥消費(fèi)過程的混亂和經(jīng)濟(jì)損失。顯然，1是過程失控得到正確判別的概率，普通稱之為檢出力。改動控制界限可以改動兩類錯誤的概率，但此消彼長，無法完全防

18、止，也無法同時減少?？刂茍D的作用大致表達(dá)在以下幾個方面：1運(yùn)用于質(zhì)量診斷，可以用來度量過程的穩(wěn)定性，即過程能否 處于統(tǒng)計控制形狀；2運(yùn)用于質(zhì)量控制，可以用來確定什么時候需求對過程進(jìn)展調(diào) 整，什么時候需求使過程堅持相應(yīng)的穩(wěn)定形狀；3運(yùn)用于質(zhì)量改良，可以用來確認(rèn)某過程能否得到了改良，以 及改良到何種程度。cnshu 精品資料網(wǎng).二控制圖的分類名稱和符號中心線上下控制線特點適用場合計量值控制圖平均值極差控制圖常用，效果好，計算量大批量較大的工序中位數(shù)極差控制圖計算簡便，但效果略差批量較大的工序單值移動極差控制圖簡單省事，能及時判斷工序狀態(tài)。但不易發(fā)現(xiàn)工序分布中心的變化每次只能得到一個數(shù)據(jù)或希望盡快發(fā)

19、現(xiàn)異常因素計數(shù)值控制圖不合格品數(shù)控制圖較常用，計算簡單，操作工人易于理解樣本大小相等不合格品率控制圖計算量大，控制線凹凸不平樣本大小可以不等缺陷數(shù)控制圖較常用，計算簡單，操作工人易于理解樣本大小相等單位缺陷數(shù)控制圖計算量大，控制線凹凸不平樣本大小可以不等cnshu 精品資料網(wǎng).二、控制圖的設(shè)計搜集數(shù)據(jù)。在工序才干充足的條件下，延續(xù)采集工序近期數(shù)據(jù)。普通按采集的時間順序?qū)?shù)據(jù)分為假設(shè)干組，每組樣本容量一樣通常是4或5，數(shù)據(jù)總數(shù)不少于100。確定控制界限?？刂平缦薜挠嬎阋姳?-5所示，其中控制界限參數(shù)可查表8-1。繪制控制圖。在實踐運(yùn)用中，常為運(yùn)用控制圖的工位預(yù)先設(shè)計好規(guī)范的控制圖表格，以便于現(xiàn)場

20、統(tǒng)計填寫和繪圖?？刂平缦薜男拚?。在實踐采集數(shù)據(jù)構(gòu)造樣本時，消費(fèi)過程的受控形狀能夠會有所變化，個別數(shù)據(jù)的測試和記錄也能夠會有過失。因此，需求找出異常點如超出控制限的點，分析緣由。如確系某種系統(tǒng)性緣由呵斥的，那么將其剔除。然后，根據(jù)剩下的那些樣本統(tǒng)計量觀測值，重新計算控制界限，繪制控制圖?？刂茍D的運(yùn)用和改良。對于修正后的控制圖，在實踐運(yùn)用中該當(dāng)繼續(xù)改良，以更好地保證和提高質(zhì)量控制的才干和程度。cnshu 精品資料網(wǎng).三、幾種常用的控制圖一兩種常用的計量值控制圖 某工序的質(zhì)量規(guī)范是直徑6.46mm6.50mm。開場加工時，先每隔半小時抽取五個樣品，測得直徑數(shù)據(jù)。共采取了20個樣本。為了便于計算，作數(shù)

21、據(jù)變換 變換后的數(shù)據(jù) 列于表8-6。cnshu 精品資料網(wǎng).例2 利用表8-6數(shù)據(jù)設(shè)計 控制圖。解 由表8-6算得，20組數(shù)據(jù)的總平均值 ，平均極差 。 由于樣本容量n5，查表8-1知，參數(shù) , ， 。所以， 控制圖的設(shè)計如下公式見表8-5: 對于 圖： 對于R圖： 經(jīng)數(shù)據(jù)復(fù)原， 圖的中心線為6.478，控制上限為6.487,控制下限為6.470；R圖的中心線為0.0145，控制上限為0.0307，控制下限仍為0。 實測數(shù)據(jù)的 控制圖見圖8-11。從圖8-11可見，第13號數(shù)據(jù)樣本點跳出 圖控制上限，該當(dāng)查明緣由。如確系系統(tǒng)性緣由呵斥的，那么應(yīng)將該樣本點剔除。然后，根據(jù)剩下的19個樣本數(shù)據(jù)重新

22、設(shè)計 控制圖。cnshu 精品資料網(wǎng).cnshu 精品資料網(wǎng).例3 利用表8-6數(shù)據(jù)設(shè)計 控制圖。解 由表8-6知，中位數(shù)平均值 ，平均極差 由于樣本容量n5，查表8-1知，參數(shù) ， ， 同例10。 所以， 控制圖的設(shè)計如下公式見表8-5: 對于圖: R圖同例2，從略。 和例2比較， 圖中上、下控制限的間距略大于 圖中的上、下限 間距。闡明 圖的檢出力比 圖的稍遜，但運(yùn)用方便是其優(yōu)點。cnshu 精品資料網(wǎng).例4 利用表8-6數(shù)據(jù)設(shè)計單值-挪動極差控制圖( 圖)。解 挪動極差是指按時間順序相鄰兩質(zhì)量特性值觀測數(shù)據(jù)的差別，因此，可看作容量為2的樣本的極差。從表8-1查得：E=2.66 , =3.

23、267 , =0。 根據(jù)表8-6所列個100數(shù)據(jù)，可求得99個挪動極差從略。99個 極差的平均值 。所以， 控制圖的設(shè)計如下公 式見表8-5： 對于x圖： 對于 圖： 數(shù)據(jù)復(fù)原及繪圖從略。 cnshu 精品資料網(wǎng).二兩種常用的計數(shù)值控制圖計數(shù)值控制圖可以利用常規(guī)的質(zhì)量記錄、統(tǒng)計報表提供的信息，不用在消費(fèi)現(xiàn)場專門采集即時數(shù)據(jù)，運(yùn)用簡一方便，能為管理決策提供直接、及時的信息。但是，計數(shù)值控制圖對消費(fèi)過程質(zhì)量動搖的敏感性較差，對質(zhì)量形狀失控的緣由也較難直接提示。計數(shù)值控制圖普通是單圖運(yùn)用。1. 不合格率和不合格數(shù)控制圖p圖和np圖。不合格率控制圖以消費(fèi)過程不合格率為控制對象，可以用于樣本大小不等的場

24、所。不合格數(shù)控制圖以消費(fèi)過程不合格數(shù)為控制對象，常用于樣本大小一樣的場所。如產(chǎn)品或加工對象的質(zhì)量合格與否必需由多種檢查工程綜合判別，那么當(dāng)控制圖告警時，往往難以判別引起質(zhì)量問題的緣由。在這種情況下，需求對消費(fèi)過程作進(jìn)一步的分析和檢定。但是，如在控制圖設(shè)計時，能突出影響合格性的重要檢查工程，放棄一些次要檢查工程，也不失為一種明智之舉。如樣本容量為n，不合格率為p，那么不合格數(shù)為np。因此，不合格率控制圖和不合格數(shù)控制圖存在親密的內(nèi)在聯(lián)絡(luò)。當(dāng)樣本容量不變時，兩者可簡單地轉(zhuǎn)化。cnshu 精品資料網(wǎng).例5 工序產(chǎn)品檢測數(shù)據(jù)見表8-7。試作np控制圖及p控制圖。解 共有k25個檢驗批，每批容量 和不合

25、格數(shù) 均知表8-7。算得：平均批不合格數(shù) ， 平均批容量 ，平均不合格率 進(jìn)一步可算得： 所以，根據(jù)表8-1，對于p控制圖： cnshu 精品資料網(wǎng).對于np控制圖： 在np圖和p圖中，如控制下限為負(fù)數(shù)，那么改取零，即不作限制。圖812 例5的np控制圖cnshu 精品資料網(wǎng).2. 缺陷數(shù)控制圖和單位缺陷數(shù)控制圖(c圖和u圖)。 缺陷數(shù)控制圖和單位缺陷數(shù)控制圖是計點值類型的控制圖。C圖適用于檢測對象大小一樣或近似的缺陷數(shù)控制問題，而當(dāng)檢測對象大小差別較大時最好運(yùn)用u圖。例6 對某產(chǎn)品的同一部位外表進(jìn)展檢驗，共檢驗了25個產(chǎn)品。25 個產(chǎn)品的該部位缺陷數(shù)見表8-8。試作c控制圖和u控制圖。解 樣

26、本數(shù)k25，每個樣本的容量 ，缺陷數(shù) 均知。 平均樣本容量 平均缺陷數(shù) 平均單位缺陷數(shù) 因此，對于c控制圖：cnshu 精品資料網(wǎng).由于缺陷數(shù)不能為負(fù)數(shù)，且必需為整數(shù)，故c控制圖須作如下調(diào)整：c控制圖見圖8-13。從圖8-13可見，有三個點在控制界限之外，如確是由系統(tǒng)性緣由呵斥的，那么應(yīng)將它們剔除，然后重新設(shè)計控制圖從略。圖813 例6的c控制圖cnshu 精品資料網(wǎng).對于u控制圖： 單位缺陷數(shù)不能為負(fù)值，故u控制圖須作如下調(diào)整： u控制圖從略。cnshu 精品資料網(wǎng).四、控制圖的分析與判別用控制圖監(jiān)視和識別消費(fèi)過程的質(zhì)量形狀，就是根據(jù)樣本數(shù)據(jù)構(gòu)成的樣本點的位置及變化趨勢對工序質(zhì)量進(jìn)展分析和判

27、別?？刂茍D是在消費(fèi)過程中，對工序質(zhì)量進(jìn)展預(yù)防為主的、面向消費(fèi)現(xiàn)場的重要監(jiān)控工具。消費(fèi)過程受控形狀的典型表現(xiàn)是同時符合以下兩方面的要求：樣本點全部處在控制界限內(nèi)；樣本點在控制界限內(nèi)陳列無異常。原那么上，如不符合上述任何一方面的要求，就表示消費(fèi)過程已處于失控形狀。但是，由于控制圖的兩類錯誤的客觀存在，使得在利用控制圖對過程質(zhì)量形狀進(jìn)展實踐分析與判別時難以運(yùn)用這些普通原那么。為了提高可操作性，需求對這些普通原那么進(jìn)一步細(xì)分和量化。cnshu 精品資料網(wǎng).一表示受控形狀的控制圖的特點在受控形狀下，消費(fèi)過程只受偶爾性要素的影響。工序質(zhì)量動搖在控制圖上的正常表現(xiàn)為：一切樣本點都在控制界限內(nèi)；位于中心線兩側(cè)

28、的樣本點數(shù)目大致一樣；越近中心線，樣本點越多。在中心線上、下各一個“的范圍 內(nèi)的樣本點約占，接近控制界限的樣本點極少；樣本點在控制界限內(nèi)的分布是獨(dú)立隨機(jī)的，無明顯規(guī)律或傾向。思索到在受控形狀下仍有小概率出現(xiàn)樣本點超出控制界限的情 況，為了減少錯誤判別的風(fēng)險，對于以下情況仍可以為消費(fèi)過程 處于受控形狀當(dāng)然，此時仍應(yīng)及時找出界外點的產(chǎn)生緣由：延續(xù)25個樣本點在控制界限內(nèi)；延續(xù)35個樣本點中僅有一個超出控制界限；延續(xù)100樣本點中，至多只需兩個樣本點超出控制界限。cnshu 精品資料網(wǎng).二表示失控形狀的控制圖的特點有較多樣本點超出控制界限，可參考受控形狀的要求進(jìn)展分析與判別；或在控制界限內(nèi)的分布顯示

29、非隨機(jī)獨(dú)立的跡象，可細(xì)分為下面四種詳細(xì)情況：1. 有多個樣本點延續(xù)出如今中心線一側(cè)。 將延續(xù)出現(xiàn)的樣本點用折線相連構(gòu)成鏈，鏈的長度表示在鏈上樣本點的個數(shù)。那么在中心線一側(cè)出現(xiàn)5點鏈時應(yīng)留意工序的開展，出現(xiàn)6點鏈時應(yīng)開場作緣由調(diào)查，出現(xiàn)7點鏈時就可判別消費(fèi)過程已失控見圖8-14。此外，當(dāng)出現(xiàn)至少有10個樣本點位于中心線同側(cè)的11點鏈，也可判別消費(fèi)過程失控。2. 出現(xiàn)延續(xù)上升或下降的8點鏈。3. 有多個樣本點接近控制界限。 上、下控制界限內(nèi)側(cè)一個“的范圍稱為警戒區(qū)。如3點鏈中至少有2點落在警戒區(qū)內(nèi)，7點鏈中至少有3點落在警戒區(qū)內(nèi)，10點鏈中至少有4點落在警戒區(qū)內(nèi)，那么可判別消費(fèi)過程失控。4. 樣本點分布出現(xiàn)以下四種趨勢或規(guī)律。周期性變化。分布程度突變。分布程度漸變。離散度變大工序質(zhì)量失控，必需查明緣由，采取措施，恢復(fù)受控形狀。cnshu 精品資料網(wǎng).五、控制圖判別的概率論解釋用控制圖分析判別消費(fèi)過程質(zhì)量形狀的各項規(guī)那么，其實際根據(jù)是小概率事件實踐上不能夠發(fā)生的概率論的