QualityData 数据中心_质量数据

质量数据

质量管理的目的就是通过管理来保证生产出用户满意的产品,为达到此目的就必须规定明确的质量特性,而用数据表示的质量特性最有说服力,最能反映事物的本质。没有数据就不能进行定量分析,更谈不上科学管理,全面质量管理尽可能使说明质量水平的事实数据化,通过数据的整理、分析和判断,从中找出质量的活动规律,并做出正确的判断,以达到控制和提高产品质量的目的。

质量数据-1.png


数据的用途

数据的用途是由搜集数据的目的来决定的。其用途可分以下几项。

1.分析用数据:为掌握和分析现场质量情况而搜集的数据。如:通过调查钢铁的化学成分来控制钢铁的质量;通过调查纺织厂纱条干CV%值来分析CV%值的波动原因等。

搜集这类数据,主要用于分析存在的问题,找出所要控制的影响因素,并确定各因素间的相互关系,为最后进行判断提供依据。


2.管理用数据:为了掌握工序加工质量特性波动原因,用于对工序状态作出判断而搜集的数据。即收集这类数据是为了对生产过程进行预防性控制和管理。每次从工序中抽取的数据个数不多,但却要多次抽取,此时要特别注意每组数据的次序不能混淆。

 

3.检验用数据:对产品进行全数检验或抽样检验而搜集的数据。即搜集这方面的数据是为了对一批产品的质量进行评价和验收。一般说来,此时被研究的对象处于静止状态,常不强调数据搜集的先后次序,但要特别强调抽检数据的随机性,同时抽取的数据量要尽可能大些,以保证数据的代表性。

质量数据-2.png



数据的分类

按照性质的不同,质量管理中的数据通常分为两类,计量值数据与计数值数据。

- 计量值数据

凡是可以取连续性数值的数据,或者说可以取给定范围的任何一个可能的数值的数据,称为计量值数据。如用各种测量工具测量的数据(表示长度、强度、浓度、温度、重量等数据),就是计量值数据。由于测量工具的精度所限,结果使得测量范围内的数据,也不能做到无限可分而任取其值,因此实测到的数据往往也呈跳跃状。


- 计数值数据

凡是不能取连续性数值的数据,或者说只能取一组特定的数值,而不能取这些数值之间的数值的数据,称为计数值数据。它只能用0、1、2、3、……等整数来表示。计数值数据可进一步区分为计件值和计点值。对产品进行按件检查时所产生的属性(如评定“好”与“坏”,合格品与废品等)数据称为计件值。按点计算每件产品中缺陷数量的数据称为计点值数据。如布匹上的疵点数,铸件上的砂眼数等。

区分一种数据的百分率是哪一类数据,不受分母数值种类的影响。如果分子是计量值数据,计算出的百分率也是计量值数据;如果分子是计数值数据,计算出的百分率也是计数值数据。

不同类型的质量数据所形成的统计规律不同,从而形成了不同的统计方法。


数据的收集方法

- 总体和样本

总体,又叫母体,是指研究对象的全体。研究对象可以是一批产品,一批零件,一批零件的测量值,也可以是一道工序。组成总体的每一个基本单位称为个体,如每件产品,每个零件,零件的每一测量值等都是个体。在统计方法中,所讨论的问题不是一个个体的具体特性,而是讨论其代表特性的数据。因此,总体的内容不仅要表明所指的对象,还要看到要了解的特性是什么。在质量管理中,我们所关心的是质量特性。

总体又可分为有限总体和无限总体。提供有限多个个体的总体(如一批产品)叫做有限总体,而一道工序可以提供无限多个个体,则称为无限总体。总体中所含个体的数量,一般用N表示。

样本,又叫子样,是指从总体中随机抽取部分个体。组成样本的每一个个体叫做样品,抽取样品的过程称为抽样。样本中含样品的多少叫做样本的大小或容量,通常有n表示。

在实际工作中,对无限多的个体逐一考察其某一特性的数值显然是困难的。对有限多的个体,由于其数量大,也难于一一进行考察;如果考察方法是破坏性的就更不能一一加以考察。因此,只能通过抽取部分样品来了解和分析总体情况。

为了保证样本能够很好地反映总体,就要求抽样的随机性,也就是要求抽取的样品都有同等机会被抽取到。这样抽取到的样品才能较高的代表性。具体的抽样方式和方法要根据抽样的目的来选择和确定。


- 搜集数据的方法

(1) 单纯随机抽样法。

单纯随机抽样法又分为重复和不重复抽样两种方法。

单纯随机重复抽样法。指总体中每一个个体始终都有相等的被抽取的机会,抽取完一件样品后,立即放回到总体中,这种方法的随机性比较彻底。

通常的作法是:对总体的全部产品进行编号,然后取得同样本大小相同个数的随机数,按随机数指定的相应编码,抽检产品。具体操作时可采用抽签法、随机数法和掷骰法等。


单纯随机不重复抽样法。这是一种无放回的抽样方法,即从总体中每次抽取到的样品不再放回到总体中去而进行的随机抽样方法。按照上面的作法,有意识地舍去重复出现的随机数,就可实现不重复随机抽样。


单纯随机抽样法的随机性较强,样本具有很好的代表性,适合于整批产品的质量检验。

质量数据-3.png


(2)分层随机抽样法。

分层随机抽样法就是把不同条件下生产出来的产品归类分组,按一定比例从各组中随机抽取样品组成样本。这种分层随机抽样,事实上就是把大的总体或检查批按不同情况分成若干个小的总体或检查批,在每个小的总体或检查批中随机抽取小的抽样组,而且这种抽样组的大小是与总体或检查批的大小成正比例的。因此,在总体单位的情况不一致时,分层随机抽样是比较好的抽样方式。


(3)整群随机抽样法。

所谓整群随机抽样,就是在总体或抽查批中,不是抽取个别产品,而是随机抽取整群的产品,加以观察和研究,由此推断总体或检查批的情况。例如,对某种产品质量作5%的抽样检查:每隔20小时抽取一小时中所生产的全部产品,或者每隔一小时或几小时连续抽取几个到几十个产品来检查,然后推断检查批的质量情况。

整群随机抽样法的优点在于组织便利。容易抽取产品。缺点是样本中的样品在总体或检查批中的分布很不均匀,因而在某些时候的代表性可能差一些,所以采用这种抽样方式时,总的样本容量也会大一些。


收集质量数据应注意的问题

1.要明确搜集数据的目的。目的不同搜集数据的过程与方法也不同。例如:为进行工序控制和为检验一批生产出来的产品质量而搜集数据,就不能采用同种搜集数据的方法。

2.搜集的数据一定要真实、准确。数据不真实,不但没有意义,而且还有因假信息而造成危害性。

3.搜集到的原始数据应按一定标志进行分类,加以整理,尽量把同一生产条件下的数据归并在一起。

4.要记下搜集数据的条件。记录抽样方式,抽样时间,测定仪器,工艺条件以及测定人员等。


质量管理中常用的统计特征数

在质量管理中,对每一件产品的质量水平,需要考察和分析,而在很多情况下,更需要对一批产品的整体质量进行考查和分析。表示一批产品的质量情况或一组数据的数学性质的有关数据,通常称为统计特征数。

在质量管理中,一般把统计特征数分为两类:一类是表示数据集中位置的特征数,如平均值,中位数等;另一类是表示数据分散程度的特征数,如极差,标准偏差等。


- 平均值

平均值是反映研究现象一般水平的一种指标。在质量管理中,我们常常要通过研究样本来推断总体情况,而样本平均值可用下式表示:

    

- 中位数

中位数是反映数据在排列位置上的平均数。在质量管理中,将搜集到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,用下式表示:

中位数不易受异常数据的影响,且求法简单,但表征精度不如平均数。

 

- 标准偏差

标准偏差是衡量一批数据分散程度的特征数,用来说明各测量值与平均值之间的平均差异程度,也反映出各测量值之间的相互差异程度。当用样本推断总体是,其样本的标准偏差计算公司如下:

样本标准偏差S能较精确表征数据的离散程度。它是有单位的特征数,与测量值单位相同。S恒取正值,其大小反映数值离散程度的大小,并与坐标原点无关。

 

- 极差

极差是指一组数据中的最大值与最小值之差。极差能反映出质量波动幅度和范围,通常用下式表示:

R=Xmax-Xmin

式中:R——极差;

          Xmax——最大测量值;

          Xmin——最小测量值。

极差R是最简单的表示数据分散程度的特征数,比较直观,也容易求得,但由于没有充分利用数据组提供的信息,因此,反映数据分散程度的精度较差。


- 变异系数

变异系数是标准偏差与平均值之比的百分数,一般用下式表示。

10.png

通常测量较大的东西,其绝对误差一般较大;测量较小的东西时,其绝对误差较小,R和S仅反映绝对波动的大小,还应该考核相对波动大小,变异系数CV就是反映一组数据相对波动的特征数。

 

数据的修约原则

1、“四舍”

2、六入

3、遇五要考虑(五后非0应进1,整五看奇偶,五前奇数则进1,五前偶数应舍去。

4、不得连续修约