《[精选]全面质量管理基础知识（第三篇）.pptx》由会员分享，可在线阅读，更多相关《[精选]全面质量管理基础知识（第三篇）.pptx（74页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第三篇 质量管理中常用的工具和技术全面质量管理基本知识全面质量管理基本知识 在质量管理、质量控制和质量改进的活动中，经常会用到两类资料：-数字资料 -非数字资料 第三篇 质量管理中常用的工具和技术2数字资料 可以用数字表示的资料。对数字资料的整理、分析和推断，可以应用数字资料的工具和技术，如：排列图直方图控制图假设检验参数估计 注注 这些技术将在本篇第这些技术将在本篇第1313章章-第第1717章中介绍章中介绍 第三篇 质量管理中常用的工具和技术2非数字资料 不能用数字来表示的资料。对于非数字资料的加工、分析和判断，可以应用非数字资料的工具和技术，如：分层法因果图树图二维分析图对策表第三篇 质
2、量管理中常用的工具和技术2非数字资料续水平比照法流程图头脑风暴法 注注 这些技术将在本篇第这些技术将在本篇第1818章章-第第2020章中介绍章中介绍 第三篇 质量管理中常用的工具和技术2在组织的质量管理和QC小组活动中，还常用到各种图表分析方法。其中有：饼图饼分图，可用于直观地看出各分工程在总体中所占的比重或比例。折线图曲线图、波动图是指平面坐标系内浮动的相邻数据点用线段连起来形成曲线或波动图。柱状图是用柱形来直观表示各工程间的差异。第三篇 质量管理中常用的工具和技术 本篇共分本篇共分8 8章，它们分别是章，它们分别是：第十三章 概述 第十四章 排列图与直方图 第十五章 控制图 第十六章 散
3、布图和二维分析图 第十七章 统计推断 第十八章 调查表、分层法和矩阵图 第十九章 水平比照、流程图、头脑风暴法及亲和图 第二十章 因果图、树图和对策表第三篇 质量管理中常用的工具和技术概 述第十三章第十三章第十三章 概述产品/效劳的实现过程总是存在波动/变异Variation的 事例事例 按照同一图纸、遵照同一作业指导书、采用同样标准的原材料、在同一台设备上、由一位操作者生产出的一批产品，其质量特性并不完全相同，总是存在差异-波动/变异。第十三章 概述产品/效劳的实现过程总是存在波动/变异Variation的 事例事例 开一张票据所花的时间或文件复印的清晰程度都会存在差异-波动/变异。效劳过程
4、的等候时间、送货时间，效劳过程的过失以及各种特性也存在波动/变异。第十三章 概述波动/变异是质量的敌人，我们要控制和减小波动/变异。统计技术是指收集、整理和分析数据波动/变异并进行推论的技术统计技术可以帮助我们了解波动/变异的特性和规律、分析引起波动/变异的根本原因、寻找控制和减小波动/变异的时机。第十三章 概述GB/T 19000-2000 质量管理体系基础和术语强调“使用统计技术可帮助组织了解变异，从而有助于组织解决问题并提高有效性和效率。这些技术也有助于更好地利用可获得的数据进行决策。第十三章 概述统计的思考方法：在质量管理活动中，我们经常要与变量、波动和风险打交道。因此必须形成用统计调
5、查、统计分析和统计判断等统计学的方法考虑问题。第十三章 概述统计技术的用途：1.提供表示事物特征的数据 2.比较两事物的差异 3.分析影响事物变化的因素 4.分析事物之间的相互关系 5.研究取样和试验方法，确定合理的试验方案 6.发现质量问题，分析和掌握质量数据的分布状况和动态变化第十三章 概述基本概念一 产品质量波动质量特性的波动具有统计规律性。从统计学的角度来说，可将质量特性的波动分为两类：-正常波动 -异常波动 第十三章 概述基本概念一 产品质量波动正常波动又称为：一般波动 -正常波动是由随机原因引起的-正常波动的影响相对较小-正常波动的影响是很难通过对过程的控制而消除的-在正常的生产过
6、程中允许存在的-减小正常波动的影响需要技术上的改进 第十三章 概述什么是随机原因？随时随地影响过程的、微小的、在技术上很难根本消除的或消除其影响要花费很大的经济代价的、在过程中允许存在的波动因素。第十三章 概述身边的例子 你能列举出影响射击过程的随机因素吗？-射击者身体的轻微晃动-射击者击发的时间和力度的微小变化-风速和风向的微小变化-每粒子弹射出枪膛时速度的微小变化-所以，每一枪的弹着点都是不一样的。第十三章 概述下面是在生产过程中存在的一些典型的随机原因：-原材料的成分和性能在标准内的微小差异-机器在规定范围的微小振动-温度、湿度的微小变化-操作方法、测量方法和测量仪器的微小差异等想一想
7、请列举出影响你的生产/服务过程的正常波动因素。第十三章 概述第十三章 概述过程的统计控制状态我们把仅有正常波动的过程称为处于统计控制状态，简称为控制状态或稳定状态。第十三章 概述基本概念一 产品质量波动异常波动又称为：特殊波动 -由系统原因引起的；-在生产过程中并不是大量存在的。-一旦存在，则影响比较显著；-在正常的过程中不允许存在的-比较容易查明和消除的第十三章 概述什么是系统原因？在正常的过程中并不大量存在，一旦存在则影响显著；对波动的大小和作用方向一般具有倾向性或周期性比方：使所有数据都偏大或偏小；容易查明和控制的；在正常的过程中不允许存在的波动因素。第十三章 概述身边的例子 你能列举出
8、影响射击过程的系统因素吗？-瞄准器准星调整失当，使弹着点全部偏向一个方向第十三章 概述下面是在生产过程中存在的一些典型的系统原因：-原材料的成分和性能不符合规定的要求-机器设备带病运转-操作者违反操作规程-测量工具带系统性误差等第十三章第十三章 概述概述想一想 请列举出可能会影响你的生产/效劳过程的异常波动因素。第十三章第十三章 概述概述过程的非统计控制状态我们把有异常波动的过程称为处于非统计控制状态，简称为失控状态或不稳定状态。引起产品质量波动的原因主要来自6个方面：-人Man -机器 Machine -材料 Material -方法 Method -测量 Measure -环境 Envir
9、onment 第十三章第十三章 概述概述（5M1E）第十三章第十三章 概述概述基本概念二 统计数据及其分类从统计学的角度来说，可将质量特性的测量和统计数据分为两类：-计量数据 -计数数据 第十三章第十三章 概述概述基本概念二 统计数据及其分类计量数据：但凡可以连续取值的，或者说可以用测量工具具体测量出小数点以下数值的这类数据，就叫做计量数据。例如 以长度、容积、重量、化学成分、温度、产量、工资总额等测量和 统计的数据，为计量数据。第十三章第十三章 概述概述第十三章第十三章 概述概述基本概念二 统计数据及其分类计数数据：但凡不能连续取值的，或者说即使用测量工具也得不到小数点以下的数据，而只能得到
10、 0、1、2、3等自然数的这类数据，就叫做计数数据。第十三章第十三章 概述概述例如 以通过/不通过、合格/不合格、缺陷数等测量和统计的数据，为 计数数据。第十三章第十三章 概述概述身边的例子 它们属于哪种类型的统计数据？测量并统计你所在的车间、班组或办公室人员的体重，所获得的统计数据-测量并统计你所在的车间、班组或办公室人员中体重缺乏40公斤和体重超过80公斤的人数，所获得的统计数据 第十三章第十三章 概述概述身边的例子 它们属于哪种类型的统计数据？测量并统计你所在的车间、班组或办公室人员的体重，所获得的统计数据-测量并统计你所在的车间、班组或办公室人员中体重缺乏40公斤和体重超过80公斤的人
11、数，所获得的统计数据 计量数据计量数据计数数据计数数据第十三章第十三章 概述概述想一想 你是如何度量你的产品或效劳质量的？它们是如何测量的？它们属于哪种类型的统计数据？百分率数据是计量数据还是计数数据？要判断它是计数数据还是计量数据，要看得出该百分率的计算公式的分子是计数的还是计量的。其数据类型取决于分子的数据类型。第十三章第十三章 概述概述百分率数据是计量数据还是计数数据？如：在1000台电动机中有12台不合格品，其不合格品率为1.2%。该数据为计数数据-因为分子为12台不合格品，是计数数据第十三章第十三章 概述概述百分率数据是计量数据还是计数数据？如：在1000公斤溶液中酒精的含量为1.2
12、%。该数据为计量数据-因为分子为酒精的重量，是以公斤计量的。第十三章第十三章 概述概述第十三章第十三章 概述概述基本概念三 总体与样本总体母体-它是指在某一次统计分析中研究对象的全体。常用符号N表示。-有限总体 -无限总体第十三章第十三章 概述概述基本概念三 总体与样本样本子样-它是从总体中随机抽取出来并且要对它进行详细研究分析的一局部个体样品。常用符号n表示。第十三章第十三章 概述概述基本概念三 总体与样本样品个体-构成总体、样本的单位产品。第十三章第十三章 概述概述基本概念三 总体与样本抽样-从总体中抽取样品组成样本的过程 随机抽样：使总体中的每一个个体产品都有同等时机被抽取出来组成样本的
13、过程。第十三章第十三章 概述概述总体和样本的关系 收集数据的目的-判断生产过程的状况 以该过程为对象，从过程输出中抽取样本，将数据进行整理、分析并判断过程的状况和趋势。第十三章第十三章 概述概述总体和样本的关系 收集数据的目的-对产品进行质量评价和验收 以该批产品为对象，从该批产品中抽取样本，将数据进行整理、分析并判定该批产品的质量状况。工序一批半成品样本数据一批产品样本数据有限总体 对一批产品质量进行判断，确定是否合格无限总体对工序进行分析控制 数 据样 本总 体目 的判断判断总体和样本的关系第十三章第十三章 概述概述第十三章第十三章 概述概述基本概念四 随机抽样方法一般随机抽样法顺序抽样方
14、法 分层抽样方法整群抽样方法第十三章第十三章 概述概述基本概念四 随机抽样方法一般随机抽样法随机抽样法 总体中的每个个体被抽到的时机是相同的。可采用：-抽签/抓阄-查随机数值表-掷随机数骰子 第十三章第十三章 概述概述基本概念四 随机抽样方法顺序抽样法等距抽样法、机 械抽样法 将总体中的每个个体顺序编号，查随机数值表确定起始点，然后按等距原则将依次入选的产品确定下来。第十三章第十三章 概述概述基本概念四 随机抽样方法分层抽样法类型抽样法 从一个可以分成不同子总体或称为层 的总体中，按规定的比例从不同层中随机抽取样品个体的方法。第十三章第十三章 概述概述基本概念四 随机抽样方法整群抽样法集团抽样
15、法 从总体中随机抽取整群样品的方法。例子 随机抽样 设某成品零件分别装在20个零件箱中，每箱各装50个，总共有1000个。如果从中抽取100个零件作为样本，如何取样呢？第十三章第十三章 概述概述 例子 随机抽样 一般随机抽样法 将20箱零件倒在一起，混合均匀 将零件从1-1000一一编号 查随机数表或抽签，确定抽出的零件的编号 按编号取出100个零件构成样本如 查随机数表得到的100个编号分别是：3、7、16、19、22、36、46、57、73、88等100个编号，然后按编号取出零件。第十三章第十三章 概述概述 例子 随机抽样 顺序抽样法 将20箱零件倒在一起，混合均匀 将零件从1-1000一
16、一编号 查随机数表或抽签，确定起始编号，按等距原则，依次计算出抽出零件的编号 按编号取出100个零件构成样本如 查随机数表得到的起始编号是：16，以10为等距，依次相加获得的100个编号分别是，16、26、36、46、56、，然后按编号取出零件。第十三章第十三章 概述概述 例子 随机抽样 分层抽样法 对20箱零件，每箱都随机抽去5个零件，共取出100个零件构成样本第十三章第十三章 概述概述 例子 随机抽样 整群抽样法 从20箱零件中随机抽取2箱 由2箱中的全部100个零件构成样本第十三章第十三章 概述概述第十三章第十三章 概述概述基本概念五 统计特征数统计方法中常用的统计特性数可分为两类表示数
17、据的集中趋势的统计特性数，如：样本平均值、样本中位数。表示数据的离散程度的统计特性数，如：样本极差、样本方差、样本标准偏差。第十三章第十三章 概述概述1、样本平均值 式中：样本平均值 n 样本量 例子 有统计数据X1、X2、X3、X4、X5 为：2、3、4、5、6；则平均值为：第十三章第十三章 概述概述X 2+3+4+5+6 5=4 练一练第十三章第十三章 概述概述5 5个样品，测量值分别为：个样品，测量值分别为：120.54 120.58 120.50 120.55 120.57mm请你计算：该样本平均值请你计算：该样本平均值解答：解答：代入公式：代入公式：=602.74/5=120.548
18、mm第十三章第十三章 概述概述2、样本中位数 把收集到的数据 x1，x2，x3xn 按大小顺序重新排列，排在正中间的那个数就叫做中位数，用符号 表示。X X 例子 有统计数据为：1.2,1.1,1.4,1.5,1.3，则中位数 为1.3，因为：1.1,1.2,1.3,1.4,1.5 例子 有统计数据为：1.2,1.1,1.4,1.5,则中位数 为1.15，因为：1.1,1.2,1.4,1.5 1.2+1.4/2=1.15 第十三章第十三章 概述概述X X X X 练一练第十三章第十三章 概述概述5 5个样品，测量值分别为：个样品，测量值分别为：120.54 120.58 120.50 120.
19、55 120.57mm该样本的中位数是多少该样本的中位数是多少?解答：解答：排列顺序：排列顺序：120.50 120.54 120.55 120.57 120.58 mmX X=120.55第十三章第十三章 概述概述3、样本方差 式中：s2 样本方差 某一数据与样本平均 值之间的偏差。例子 有统计数据X1、X2、X3、X4、X5 为：2、3、4、5、6；则方差为：第十三章第十三章 概述概述S S 2 2=1/=1/5-15-1 2-42-42 2+3-43-42 2+4-44-42 2+5-45-42 2+6-46-42 2 =1/4 =1/4-2-22 2+-1-12 2+0+02 2+1+
20、12 2+2+22 2 =1/4*10=2.5 =1/4*10=2.5第十三章第十三章 概述概述4、样本标准差 式中：s 样本标准差 某一数据与样本平均 值之间的偏差。例子 有统计数据X1、X2、X3、X4、X5 为：2、3、4、5、6；则标准差为：第十三章第十三章 概述概述S S 2 2=2.5=2.5S =S =2.5 2.5 1.581.58 练一练第十三章第十三章 概述概述5 5个样品，测量值分别为：个样品，测量值分别为：120.54 120.58 120.50 120.55 120.57mm请你计算：该样本标准差请你计算：该样本标准差S 练一练第十三章第十三章 概述概述解答：解答：4
21、、代入公式计算、代入公式计算S：1、计算平均值：计算平均值：=120.5482、分别计算每个数据与均值差的平方：分别计算每个数据与均值差的平方：.3、计算各平方值之和：计算各平方值之和：=0.0082+0.0322+0.0082+0.0022+0.0222=0.00388第十三章第十三章 概述概述4、样本极差 式中：xmax 一组数据中的最大值 xmin 一组数据中的最小值 例子 有统计数据X1、X2、X3、X4、X5 为：3、6、7、8、10；则极差为：第十三章第十三章 概述概述R=10 3=7 R=10 3=7 第十三章第十三章 概述概述基本概念六 两种错误和风险总体总体数据数据样本样本判
22、断（接收、拒收）判断（接收、拒收）Nn随机抽样随机抽样测量测量第十三章第十三章 概述概述可能发生以下4种情况：好的N好的n接收1.好的N坏的n拒收2.“弃真第I类错误坏的N坏的n拒收3.坏的N好的n接收4.“存伪第II类错误9、静夜四无邻，荒居旧业贫。4月-234月-23Monday,April 17,202310、雨中黄叶树，灯下白头人。19:40:4319:40:4319:404/17/2023 7:40:43 PM11、以我独沈久，愧君相见频。4月-2319:40:4319:40Apr-2317-Apr-2312、故人江海别，几度隔山川。19:40:4319:40:4319:40Mond
23、ay,April 17,202313、乍见翻疑梦，相悲各问年。4月-234月-2319:40:4319:40:43April 17,202314、他乡生白发，旧国见青山。17 四月 20237:40:43 下午19:40:434月-2315、比不了得就不比，得不到的就不要。四月 237:40 下午4月-2319:40April 17,202316、行动出成果，工作出财富。2023/4/17 19:40:4319:40:4317 April 202317、做前，能够环视四周；做时，你只能或者最好沿着以脚为起点的射线向前。7:40:43 下午7:40 下午19:40:434月-239、没有失败，只
24、有暂时停止成功！。4月-234月-23Monday,April 17,202310、很多事情努力了未必有结果，但是不努力却什么改变也没有。19:40:4319:40:4319:404/17/2023 7:40:43 PM11、成功就是日复一日那一点点小小努力的积累。4月-2319:40:4319:40Apr-2317-Apr-2312、世间成事，不求其绝对圆满，留一份缺乏，可得无限完美。19:40:4319:40:4319:40Monday,April 17,202313、不知香积寺，数里入云峰。4月-234月-2319:40:4319:40:43April 17,202314、意志坚强的人能
25、把世界放在手中像泥块一样任意揉捏。17 四月 20237:40:43 下午19:40:434月-2315、楚塞三湘接，荆门九派通。四月 237:40 下午4月-2319:40April 17,202316、少年十五二十时，步行夺得胡马骑。2023/4/17 19:40:4319:40:4317 April 202317、空山新雨后，天气晚来秋。7:40:43 下午7:40 下午19:40:434月-239、杨柳散和风，青山澹吾虑。4月-234月-23Monday,April 17,202310、阅读一切好书如同和过去最杰出的人谈话。19:40:4319:40:4319:404/17/2023
26、7:40:43 PM11、越是没有本领的就越加自命非凡。4月-2319:40:4319:40Apr-2317-Apr-2312、越是无能的人，越喜欢挑剔别人的错儿。19:40:4319:40:4319:40Monday,April 17,202313、知人者智，自知者明。胜人者有力，自胜者强。4月-234月-2319:40:4319:40:43April 17,202314、意志坚强的人能把世界放在手中像泥块一样任意揉捏。17 四月 20237:40:43 下午19:40:434月-2315、最具挑战性的挑战莫过于提升自我。四月 237:40 下午4月-2319:40April 17,2023
27、16、业余生活要有意义，不要越轨。2023/4/17 19:40:4319:40:4317 April 202317、一个人即使已登上顶峰，也仍要自强不息。7:40:43 下午7:40 下午19:40:444月-23MOMODA POWERPOINTLorem ipsum dolor sit amet,consectetur adipiscing elit.Fusce id urna blandit,eleifend nulla ac,fringilla purus.Nulla iaculis tempor felis ut cursus.感感 谢谢 您您 的的 下下 载载 观观 看看专家告诉