质量工具 | 您所在的位置:网站首页 › 直方图上限是左还是右 › 质量工具 |
1. 什么是直方图 直方图(Histogram),是频数直方图的简称,又称质量分布图,由卡尔·皮尔逊(Karl Pearson,1857—1936,英国数学家、数理统计学家、生物统计学家,现代统计学科创立者与奠基者)提出,它是用一系列宽度相等、高度不等的长方形表示数据的统计报告图,它亦是一个连续变量(定量变量)的概率分布的估计。 直方图一般用横轴表示数据类型,纵轴表示数据分布情况,长方形的宽度表示数据范围的间隔,长方形的高度表示在给定间隔内的数据分布。 在质量管理中,如何监控并预测产品质量状况?如何对质量波动进行分析? 直方图就是把这些问题图表化处理的工具之一。它通过对收集到的貌似无序的数据进行处理,可以精确表示数据的分布状况,可以解析出数据的规则性,对于数据分布状况一目了然,进而直观地判断产品质量特性波动的分布状态。 2. 直方图的作用 从质量管理的角度,直方图用于过程质量管控,常见作用有以下三点: 显示质量波动分布的状态,常与检查表、因果图、过程能力分析等一起使用;较直观地传递有关过程质量状况的信息;通过研究质量波动状况之后,就能掌握过程的状况,从而确定在什么地方集中力量进行质量改进工作。对于过程质量数据,我们使用直方图,可以得到以下方面的结果: 了解分布的型态并判断过程能力;判断是否有假数据;与规范比较,预测产品不良率或ppm;通过规格或标准值,预测平均值和标准偏差,设定控制界限;调查是否混入两个以上不同群体;了解过程规范是否符合设计规范;从PDCA的角度,直方图的应用总结如下: 3. 直方图的类型 将直方图用于质量管理中,可以按照数据图形的分布将其分为多种。在正常生产条件下,如果所得到的直方图不是标准形状,或者虽是标准形状,但其分布范围不合理,就要分析其原因,采取相应措施。所以我们在用软件绘出直方图后要进一步对它进行观察和分析。 如果过程处于稳定的状态,常见的直方图图形分布类型及其形成的原因如下面所示。 【注:过程稳定,不表示过程能力是满足要求的。】 理想型:又称为正常型、标准型、对称型、常态型;这种图形最为常见,中间高、两边低,左右近似对称;显示过程处于稳定状态,如果分布范围D在规范T=[TL,TU]内,过程受控;下面是过程处于不稳定的状态时,几种典型的直方图。 孤岛型:造成这种图形分布的可能原因有,1) 测量工具有误差,读数有问题; 2) 原材料发生了变化,或混入不同规格的其他物料; 3) 不熟练的工人上岗,操作疏忽,或测量有误; 4) 数据收集方法错误、数据来源不同; 1) 数据分组问题、计算组距问题、计算界限问题等,需要重新整理数据; 2) 测量仪器误差较大或读数不准,需要重新收集数据; 3) 数据收集方法不正确(如数据来自于不同设备、不同人、不同时间段等); 4. 直方图应用举例 某企业生产电梯钢丝绳,其中一种直径为0.95mm的原料钢丝,抗拉强度要求不低于1370N/mm2, 从质量管理系统QMS中导出半年的IQC检验数据如下: 这里需要提及的是,抗拉强度规范要求为单边。在 QMS软件系统中,这200个检测数据生成的直方图如下图。 这个图是明显的双峰型,是什么原因导致出现这种情况呢? 经过确认,原来是Φ0.95mm钢丝有两家供应商。在QMS中,分别导出针对两家供应商的检测数据并生成直方图。 供应商A检测数据如下: 供应商B检测数据如下: 两家供应商检测数据的直方图: 从上面的两个直方图可以看出,供应商A所提供0.95钢丝的抗拉强度偏低,个别检测数值已接近1370N/mm2规范下限了,如果出现异常,有可能会出现批量供货不合格。这时候可能需要加严来料检验和钢丝绳生产过程监控,并要求供应商采取预防措施。 了解更多详情,请登录云质QMS官网:http://www.yunquality.com |
CopyRight 2018-2019 实验室设备网 版权所有 |