第三章_质量控制资料PPT推荐.ppt
《第三章_质量控制资料PPT推荐.ppt》由会员分享,可在线阅读,更多相关《第三章_质量控制资料PPT推荐.ppt(163页珍藏版)》请在冰豆网上搜索。
![第三章_质量控制资料PPT推荐.ppt](https://file1.bdocx.com/fileroot1/2022-10/2/58c2f148-0927-4195-be7d-deed4c2f9a48/58c2f148-0927-4195-be7d-deed4c2f9a481.gif)
可连续取值可测出小数点以下数值可用量具计测如:
长度、面积、体积、重量、密度、糖度、酸度、硬度、温度、时间、营养成分含量、灌装量等.,1.质量数据,6,计数值数据能间断取值,在有限的区间内只能取有限数值的数据。
不能连续取值,一般为非负整数得不到小数点以下的数值不能用量具进行计测如:
某天生产的产品件数、不合格品数、产品表面的缺陷数、大肠杆菌数、细菌总数、单位时间内机器发生故障的次数.,1.1质量数据的性质,7,搜集数据的目的为掌握和分析现场质量动态情况。
为了掌握生产状况。
对产品质量进行评价和验收。
1.2数据的搜集,8,数据收集的方法,简单随机抽样法分层随机抽样法整体随机抽样法系统随机抽样法,随机抽样的分类,9,四种抽样方法比较,10,目的要明确数据必须真实、准确、可靠搜集的数据要进行整理,按目的分层注明搜集数据的条件,注意事项:
11,总体与参数总体:
研究对象的全体可以是有限的,也可以是无限的如:
10000瓶饮料,一天的生产量个体:
也叫样本单位或样品构成总体或样本的基本单位如:
1包奶粉、1个月饼等参数:
总体平均值总体标准差,1.3总体与样本的特征值,12,样本与统计量样本:
也叫子样、样组从总体中抽取出来的一个或多个供检验的单位产品。
范例:
从3000包奶粉中抽取10包奶粉作为样本进行检验样本量:
也称样本大小样本中所含的个体数目范例:
从3000包奶粉中抽取10包奶粉作为样本进行检验其样本量n10,13,样本的统计量:
表示数据的集中位置,如平均值、中位数等;
平均值中位数:
搜集的质量数据按大小顺序排列,排在正中间的那个数就叫中位数。
表示数据的分散程度,如极差、标准差等。
极差:
是数据中最大值与最小值之差,一般用符号R表示。
标准差,14,五下舍,五上入,整五奇进偶舍。
在数据修约时,一般应对运算的最后结果进行修约,不可对同一数据连续修约。
质量数据的修约规则,15,质量数据的分布:
正态分布,16,“3”原则,17,现代质量管理不再把产品质量仅仅看成是产品与规格的对比,而是把产品质量看成一系列因素影响并遵循一定的统计规律在不停地变化着的。
这种观点称为产品质量的统计观点。
要对一个产品、生产过程或系统进行控制,首先要了解质量波动。
1.4产品质量的波动,18,人(Man)方法(Method)原料波动(Material)加工过程中所使用的仪器和设备(Machine)环境(Environment),产品质量波动的原因(4M1E),19,质量波动两大类,1正常波动由偶然因素,引起的质量波动。
质量管理中允许的波动,此时的工序处于稳定状态或受控状态。
机器的固有振动、液体灌装机的正常磨损工人操作的微小不均匀性原材料中的微量杂质或性能上微小差异仪器仪表的精度误差检测误差偶然因素是固有的,始终存在,对质量的影响较小,难以测量,消除它们成本大,技术上也难以达到。
20,质量波动两大类,2异常波动由系统因素,引起的质量波动。
质量管理中不允许的波动,此时的工序处于不稳定状态或非受控状态。
对这样的工序必须严加控制。
配方错误设备故障或过度磨损操作工人违反操作规程原材料质量不合格计量仪器故障异因是非过程固有,有时存在,有时不存在,它们对质量波动影响大,易于判断其产生原因并除去。
(在经济上是必须消除的),21,正常波动与异常波动,22,1.5.1数据加工整理的必要性直接从原始记录、资料中搜集来的数据往往杂乱无章,难以直观看出其规律。
用数理统计方法对搜集到的数据进行加工整理后,才能从中得到进行质量管理的有用数据。
1.5数理统计在质量管理中的应用,23,提供表示产品质量特征的数据。
比较产品间的差异。
分析影响产品质量变化的因素。
分析产品质量数据间、质量数据与影响因素间、影响因素之间的相互关系。
研究取样与试验方法,确定合理的试验及试验设计方案。
1.5.2数理统计在质量管理中的应用范围,24,组织协调、专业技术,1.5.3数理统计方法的工作程序,收集数据,数、表、图形、特征值,统计规律,观察,分析,整理,归纳,判断,主要问题,提高质量,25,2质量控制方法,品质管理七大手法:
分层法、检查表、相关图法、排列图法、因果图法、直方图法、控制图法强调用数据讲话,重视对生产过程的控制。
可以解决质量管理中的大部分问题,26,2.1分层法(Delamination),概念分层法又称分类法,即:
把收集来的原始质量数据,按照一定的目的和要求加以分类整理,以便分析质量问题及其影响因素的一种方法。
分层的目的把错综复杂的影响因素分析清楚,以便数据能更加明确突出地反映客观实际。
27,
(1)操作者:
不同操作者、年龄、性别、技术水平
(2)机器:
设备类型、新旧程度、不同生产线、生产方式等。
(3)原材料:
产地、制造厂、成分、规格、批号等(4)操作方法:
不同的操作条件、工艺要求、生产速度等。
(5)测量:
测量者、测量位置、测量仪器、方法等(6)时间(7)其他:
缺陷部位、不合格项目、制造部门等。
质量数据分层的标志(4M1E),28,例题:
某食品厂的水果罐头经常发生漏气,造成产品发酵、变质。
经抽检100罐后发现,漏气率达到38%。
对使用设备进行观测发现,一是由于A、B、C3台封罐机的生产厂家不同,二是所使用的罐盖是由2个制造厂提供的。
采用分层法分析漏气原因时采用按封罐机生产厂家和按罐盖生产厂家分层两种情况。
29,按封罐机生产厂家分层:
30,为降低漏气率,应采用B厂生产的封罐机。
按罐盖的生产厂家分类:
31,为降低漏气率,应采用二厂生产的罐盖。
多因素分层法,32,由上表看出,若采用B厂的封罐机和二厂的罐盖,漏气率从38%升高到43%。
因此,运用分层法时,不宜简单的按单一因素分层,必须考虑各因素的综合影响。
在分析时,要特备注意各原因之间是否存在相互影响,有无内在联系,严防不同分层方法的结论混为一谈。
注意事项:
33,2.2散布图(Dispersionpatternlaw),定义:
也叫相关图,是研究两个变量之间关系的简单示意图。
34,2.2散布图,2个有关系的变量常有2种不同的关系:
确定性的函数关系和非确定性的相关关系作用:
发现和确认两组相关数据之间的关系;
并确认两组相关数据之间预期的关系。
相关图的分析,可以帮助我们肯定或者是否定关于两个变量之间可能关系的假设。
35,掌握要因对特性的影响程度,两个变量的相关类型,一般情况下,两个变量之间的相关类型主要有六种:
强正相关、弱正相关、不相关、强负相关、弱负相关以及非线性相关(曲线相关),如图所示。
36,散布图法作图步骤,
(1)确定研究对象。
(2)收集数据。
(3)画出横坐标x与纵坐标y,添上特性值标度。
(4)根据数据画出坐标点(5)与典型散布图进行比较判断,37,案例,某酒厂为了研究中间产品酒醅中的酸度和酒度2个变量之间存在什么关系,对酒醅样品进行了化验分析,结果如表1-4所示。
现利用散布图对数据进行分析、研究和判断。
表酒醅中酸度和酒度分析数据表,38,图酒度与酸度散布图,39,40,
(1)对照典型图例法把画出的相关图与6种典型图例对照就可得出2个变量之间是否相关及属哪一种相关的结论。
(2)简单象限法1)分别划1条与x、y轴平行的平行线,使得每条线左右两边的分布点相等或大致相等。
2)分别计算4个象限所拥有的点,当1、3象限点数大于2、4象限点数时为正相关,小于为负相关。
散布图的判断分析,41,42,散布图法注意事项,
(1)做散布图时,要注意对数据进行正确的分层,否则可能作出错误的判断。
(2)对明显偏离群体的点子,要查明原因。
对被确定为异常的点子要剔除。
(3)当收集的数据较多时,难免出现重复数据。
在作图时为了表示这种情况,在点的右上方标明重复次数。
(4)由相关分析所得的结论,仅适用于试验的取值范围内,不能随意加大适用范围。
在取值范围不同时,再作相应的试验与分析。
43,44,2.3直方图(Histogramlaw),又称频数分布图,45,2.3直方图,通过对数据的加工整理,从而分析和掌握质量数据的分布情况和估算工序不合格品率的一种方法。
概念根据从生产过程中收集来的质量数据分布情况,画成以组距为底边、以频数为高度的一系列连接起来的直方型矩形图.,46,47,直方图的作法七步,收集数据计算数据的极差确定组数k及组距h确定各组的边界值编制频数分布表:
画直方图在直方图的空白区域,记上有关的数据的资料,48,案例,某罐头厂生产的火腿罐头,重量标准要求在10001050g。
现应用直方图对产品重量分布状况进行分析。
(1)收集数据,表15产品重量数据表,49,
(2)计算数据的极差R(分布范围)本例中R=xmaxxmin=481=47(3)确定组距(h)本例取k=10,h=R/k=47/10=4.75(4)确定各组的边界值第1组下界限为:
Xmin最小测量单位/2本例中:
11/2=0.5;
加组距,以此类推。
50,表15频数、频率分布表,(5)编制频数分布表,51,(6)画直方图,重量,52,比较直观地看出产品质量特性值的分布状态,以便掌握产品质量分布情况。
判断工序是否处于稳定状态。
对总体进行判断,判断其总体质量分布情况。
掌握工序能力,估算工序不合格品率等.,使用直方图的优点和用途,53,对正常型直方图,54,不正常直方图,偏向型直方图,55,如:
一时原材料发生变化,一段时间内设备发生故障,短时间内由不熟练的工人替班等,孤岛型直方图,56,原因:
这是由于观测值来自两个总体、两种分布,数据混在一起。
双峰型直方图,57,原因:
测量方法、或读数存在问题,或处理数据时分组不适当等,折齿型直方图,58,某种原因使下(上)限受到限制时,容易发生“偏左型”(偏右型)。
偏态型直方图,59,原因:
当用剔除了不合格品的产品质量特性值数据作直方图时,往往会出现绝壁型直方图。
此外,亦可能是操作者的工作习惯,习惯于偏标准下限,于是出现左边绝壁的直方图。
绝壁型直方图,60,原因:
与双峰型类似,由于多个总体、多种分布混在一起。
由于生产过程中缓慢变化因素影响造成。
平顶型直方图,61,直方图的形状分析与判断,正常型直方图,数据图形分布正常是否就说明工序稳定?
65,直方图为正常型时,还需判断过程满足规范要求(标准要求)的程度。
分布范围:
B=S,L(S为一批数据中的最小值,L为一批数据中的最大值)标准范围:
T=SL,Su(SL为标准下界限,Su为标准上界限),直方图与标准比较,66,当产品质量特性值符合规定标准时,其对应的直方图,必定在标准范围之内。
符合规定的直方图大致有下面四种类型:
直方图在标准范围内的情况,67,直方图的分布范围B位于标准范围T内,旦有余量;
直方图的分布中心与标准中心近似重合;
这是理想的直方图。
此时,全部产品合格,工序处于正常管理状态。
直方图在标准范围内的情况,68,直方图的分布范围B位于标准范围T内,数据变化仍比较集中,但分布中心偏移标准中心,并且直