第7节直方图.docx
《第7节直方图.docx》由会员分享，可在线阅读，更多相关《第7节直方图.docx（15页珍藏版）》请在冰豆网上搜索。
第7节直方图
第7章：
直方图
一．前言
现场工作人员常常都要需对许多的数据，这些数据均来自于制程中抽验或查检所得的某项产品之品质特征。
若是咱们应用统计画图的方式，将这些数据加以整理，则制程中的品质散布的情形及问题点所在及制程、能力等，都可呈此刻咱们的眼前；咱们即可得用这些情报来掌握问题点以进行改善对策。
通常在生产现场最常利用的图表即为直方图。
二．直方图的概念
A．何谓直方图
为要容易的看出如长度、重量、硬度、时刻等计量值的数据分派情形，所用来表示的图形。
直方图是将所搜集的测定值特性值或结果值，分为几个相等的区间作为横轴，并将各区间内所测定值依所出现的次数积累而成的面积，用柱子排起来的图形。
因此，也叫做柱状图。
B．利用直方图的目的：
了解分派的型态；
研究制程能力或测知制程能力；
工程解析与管测知数据之真伪；
计划产品之不良率；
求分派之平均值与标准差；
藉以订定规格界限；
与规格或标准值比较；
调查是不是混入两个以上的不同群体；
了解设计管制是不是合乎制程管制。
C．解释名词：
1.次数分派
将许多的复杂数据依其庆功异的幅度分成若干组，在各组内列入测定值的出现次数，即为次数分派。
2.相对次数
在各组出现的次数除以全数之次数，即为相对次数。
3.积累次数（F）
为自次数分派的测定值较小的一端将第二数积累计算，即为积累次数。
4.全距（R）
在所有数据中最大值和最小值的差，即为全距。
5.组距（H）
全距/组数=组距
6.算数平均数（X）
数据的总和除以数据总数谓之，通常以X（X-bar）表示。
X==
X=Xo+h
7.中位数（X）
将数据由小至大依序排列，位居中央的数称为中位数，若遇偶位数时，则取中央两数据之平均值。
8.各组中点之简化值（U）
μ=
9.众数（Mode）
次数分派中出现次数最多组之值。
例：
不良数
3
5
7
9
10
11
次数
11
15
18
24
13
16
次数最多为24，不良数是9，故众数为9。
10.组中点（midrange）
一组数据中最大值与最小值之平均值。
（上组界+下组界）/2=组中点
11.标准差（σ）
（∑μf）2
∑μ2f—
σ=σ0=h×
12.样本标准差（S）
（∑μf）2
∑μ2f—
S=σn-1=h×
三．直方图的制作
1．直方图的制作方式
步骤1：
搜集数据并记录
搜集数据时，对于抽样散布必需特别注意，不可取部份样品，应就全数均匀的加以随机抽样。
所搜集的数据应大于50以上。
例：
某厂之成品尺寸规格为130至160mm，今按随机抽样方式抽取60个当样本，其测定值如附表，试制作直方图。
138
139
144
131
140
145
134
135
137
136
142
140
138
128
130
141
136
134
132
131
148
141
139
138
134
135
137
132
130
131
145
138
134
137
128
131
133
137
135
139
140
138
137
137
138
139
134
121
135
134
141
139
137
133
132
131
132
129
134
135
步骤2：
找出数据中之最大值（L）与最小值（S）
先从各行或列中求出最大值，最小值，再予以比较。
最大值用“”框起来，最小值用框“”框起来。
138
139
144
131
140
145
134
135
137
136
142
140
138
127
130
141
136
134
132
131
148
141
139
138
134
135
137
132
130
131
145
138
134
137
128
131
133
137
135
139
140
138
137
137
138
139
134
121
135
134
141
139
137
133
132
131
132
129
134
135
得知：
L1=145S1=131
L1=142S1=127
L1=148S1=130
L1=145S1=128
L1=140S1=121
L1=141S1=129
求得：
L=148S=121
步骤3：
求全距
数据最大值（L）减最小值（S）=全距（R）
例：
R=148-121=27
步骤4：
决定组数
A．组数过少，固然可取得相当简单的表格，但失却次数分派之本质与意义；组数过量，虽然表列详尽，但无法达到简化的目的。
通常，应先将异样值剔除后再行分组。
B．一般可用数学家史特吉斯（Sturgcs）提出之公式，按照测定次数n来计算组数K，其公式为：
K=1+n
例：
n=60，则k=1+=1+（1:
78）=，即约可分为6组或7组。
C．一般对数据之分组可参照下表
数据数
~50
51~100
101~250
250~
组数
5~7
6~10
7~12
10~20
例：
取7组
步骤5：
求组距（h）
A．组距=全距/组数（h=R/k）
B．为便于计算平均数及标准差，组距常取为25或10的倍数。
例：
h=27/7=，组距取4
步骤6：
求各组上组界，下组界（由小而大顺序）
A．第一组下组界=最小值—最小测定单位/2
第一组上组界=第一组下组界+组界
第二组下组界=第一组上组界
…………
B．最小测定单位
整数位之最小测定单位为1
小数点1位之最小测定单位为
小数点2位之最小测定单位为
C．最小数应在最小一组内，最大数应在最大一组内；如有数字小于最小一组下组界或大于最大一组上组界值时，应自动加一组。
例：
第一组=121-½=~
第二组=~
第三组=~
第四组=~
第五组=~
第六组=~
第七组=~
步骤7：
求组中点
组中点（值）=该组上组界+该组下组界/2
例：
第一组=+/2=
第二组=+/2=
第三组=+/2=
第四组=+/2=
第五组=+/2=
第六组=+/2=
第七组=+/2=
步骤8：
作次数分派表
A．将所有数据，依其数值大小书记于各组之组界内，并计算第二数。
B．将次数相加，并与测定值之个数相较较：
表中之次数总和应与测定值之总数相同。
次数分派表
组号
组界
组中点
划记
次数
1
2
3
4
5
6
7
~
~
~
~
~
~
~
|
||
||||||||||||
||||||||||||||||||
|||||||||||||||||||
|||||
|||
1
2
12
18
19
5
3
合计
60
步骤9：
制作直方图
A．将次数分派表图表化，以横轴表示数值之转变，以纵轴表示次数。
B．横轴与纵轴各取适当的单位长度。
再将各组之组界别离标在横轴上，各组界应为等距离。
C．以各组内之次数为高，组距为底；在每一组上画成矩阵，则完成直方图；
D．在图之右上角记入相关数据履历（数据总数n，平均值x，标准差σ……），并划出规格之上、下限。
E．
记入必要事项：
制品名、工程名、期间、制作日期、制作者。
说明：
1．分组后再计算之σ，S为近似值；
2．如直接以原始数据60个，依公式计算，可得真值。
N=60x=
σ=s=
2．以运算机计算统计量
若手边有科学型运算机，可利用次数分派表中，输入组中点与次数，迅速求得各统计量n，x，σ与s。
如目前利用最普通之CASILfx=3600PV，其计算步骤如下：
按键
功能说明
萤幕显示
MODE3
进入统计计算系统
SD
SHIFTKAC
清除记忆
0
×1DATA
输入组中点及次数数据
×2DATA
输入组中点及次数数据
×12DATA
输入组中点及次数数据
×18DATA
输入组中点及次数数据
×19DATA
输入组中点及次数数据
×5DATA
输入组中点及次数数据
×3DATA
输入组中点及次数数据
KOUT3
输出统计量n
60
SHIFTx
输出统计量x
SHIFTxσn
输出统计量σ
SHIFTxσn-1
输出统计量s
KNOT2
输出统计量∑x
8146
KNOT1
输出统计量∑x2
1107379
3．常见的直方图型态
A．正常型
说明：
中间高，两边低，有集中趋势
结论：
左右对称分派（常态分派），显示制程在正常运转下。
B．缺齿型（凹凸不平型）
说明：
高低不一，有缺齿情形。
不正常的分派，系因测定值或换算方式有误差，次数分派不妥所形成。
结论：
稽察员对测定值有偏好现象，如对五、10之数字偏好；或是假造数据。
测量仪器不精密或组数的宽度不是倍数时亦有此情形。
C．切边型（断裂型）
说明：
有一端被切断。
结论：
原因为数据通过全检过，或制程本身有通过全检过，会出现的形状。
若剔除某规格以上时，则切边在靠近右边形成。
D．离岛型
说明：
在右端或左端形成小岛
结论：
测定有错误，工程调节错误或利用不同原料所引发。
必然有异样原因存在，只在去除，即可合乎制和要求，制出合规格的制品。
高原型
说明：
形状似高原状。
结论：
不同平均值的分派混在一路，应层别以后再做直方图比较。
E．双峰型
说明：
有两个顶峰出现
结论：
有两种分派相混合，例如两部机械或两家不同供给商，有不同时，会出现此种形状，因测定值受不同的原因影响，应予层别后再作直方图。
F．偏态型（偏态分派）
说明：
高处偏向一边，另一边低，拖长尾巴。
可分偏右边，偏左侧。
偏右边：
例如，微量成份的含有率等，不能取到某值以下的值时，所出现的形状。
偏左侧：
例如，成份含有高纯度的含有率等，不能取到某值以上的值时，就会出现的形状。
结论：
尾巴拖长时，应检讨是不是在技术上能够同意，工具磨损或松动时，亦有此种现象发生。
4．直方图之利用注意事项
A．异样值应去除后再分组。
B．对于从样本测定值推测群体形态，直方图是最简单有效的方式。
C．应取得详细之数据资料（例如：
时刻、原料、测定者、设备、环境条件等。
）
D．进行制程管理及分析改善时，可得用层别方式，将更易找出问题的症结点，对于品质的改善，有事半功倍的效果。
四．直方图的应用
1．测知制程能力，作为改善制程的依据。
自制程中所搜集的数据，经整理成为次数分派表，再绘成直方图后，即可由其集中与分散的情形来看出制程的好坏。
直方图的重点在于平均值（X）的所在，经修匀后的分派如为常态分派，则自弯曲点中引一横轴之平行线，可求得表现不同性的标准差（σ）。
良好的制程，平均数应接近规格中心，标准差则愈小愈佳。
2．计算产品不良率
品质改善循环活动中，常需计算改善活动前、中、后之不良率，藉以此较有无改善成效。
其不良率可直接自次数分派表中求得，说可自直方图中计算出来。
例如：
某产品之重量直方图如图示，其规格为35±3g
2930313233343536373839404142
由图中与规格界限比较，可知在规格下限以下的有35件，超出规格上限的有64件，供不该求有99件，占总数307件之%，即不良率为%。
3．测知分派型态（参阅第一.3节）
由直方图之形状，得知制程是不是异样。
4．藉以订定规格界定。
在未订出规格界限之前，可依据所搜集编成之次数分派表，测知次数分派是不是为常态分派，如为常态分派时，则可按照计算得知之平均数与标准差来订出规格界限。
一般而言，平均数减去3个标准差得规格下限，平均数加上3个标准差则得规格上限，或按实际需要而订出。
5．与规格或标准值比较
要明了制程能力的好坏，必需与规格或标准值比较才可显现出来；一般而言，咱们希望制程能力（直方图）在规格界限内，且最好制程的平均值与规格的中心相一致。
A．合乎规格
（1）理想型
制程能力在规格界限内，且平均值与规格中心一致，平均数加减4倍标准差为规格界限。
制程稍有变大或变小都不会超过规格值，是一种最理想的直方图，表示制品良好，能力足够。
（2）一侧无余裕
制品偏一边，而另一边还有余裕很多，若制程再变大（或变小）极可能会有不良发生，必需设法使制品中心值与规格中心值吻合才好。
（3）双侧无余裕
制品的最大值与最小值均在规格内，但都在规格上下限两头，也表示其中心值与规格中心值吻合，虽没有不良品发生，但如果制程稍有变更，就会有不良品产生之危险，要设法提高制品的精度才好。
（4）余裕大多
实际制程在规格界限内，但变尾距规格界限太远。
亦即产品品质均匀，变异小。
若是此种情形是因增加本钱而取得，对公司而言并非好现象，故可考虑缩小规格界限或放松品质变异，以降低本钱，减少浪费。
B．不合乎规格
（1）平均值偏左
若是平均值偏向规格下限并伸展至规格下限左侧，或偏向规格上限并伸展至规格上限的右边，但制品呈常态分派，此即表示平均位置的误差，应针对固定的设备、机械、原料等方向去追查。
（2）
分散度过大
（3）
完全在规格之外
6．调查是不是混入两个以上不同群体
若是直方图呈现双峰型态，可能混合了两个不同群体，亦即制程为两种不同群体，诸如两个不同班别、不同生产线、不同的材料、不同的操作员、不同机台等。
生产出来的制品混在一路。
现在，需将其层别，将不同班别、生产线、材料、操作员、机台、制造出来的制品不摆在一路，以便趁早找出造成不良的原因。
7．研究设计时的管制界限可否用于制程管制
计量值管制图如X-R管制图，当σ未知，以X作为中心线，X+A2R作为管制上限，X-A2R作为管制下限，做为设计的管制界限。
当天天计算的结果（X，R）点绘在设计管制界限内，若未呈现任何规则，一般即可将此设计管制界限延伸为实际之制程管制界限。
可是，若是产品本身订有规格界限时，尚应将所搜集的数据，作次数分派表，并绘成直方图，此直方图如能在规格界限内，始可将此管制界限作为管制制程之用。
升级会员 