1、铰莾欀瀀栀琀洀氀唀/Mi前台访问/p-2351584.html116.179.32.2330勈銰鯫椀瀀栀琀洀氀圀舂/Mk前台访问/p-2351615.html220.181.108.1070勈欀瀀栀琀洀氀夀舂/Mc前台访问/p-1656383.html40.77.167.20杭笀啶筟啶齢嬀/Mk前台访问/p-2351593.html220.181.108.1720勈銰狃椀瀀栀琀洀氀崀/Mk前台访问/p-2351599.html220.181.108.1770勈銰椀瀀栀琀洀氀开蓲/Mg前台访问/p-2099705.html116.179.32.390椀瀀栀琀洀氀愀倀/Mc前台访问/p-22008
2、11.html40.77.167.20茀挀栀琀洀氀挀箲/Mk前台访问/d-2351571.html220.181.108.1020勈最搀栀琀洀氀攀衲/Mi前台访问/d-2351566.html116.179.32.1610椀搀栀琀洀氀最/Mk前台访问/p-2351602.html220.181.108.1680最瀀栀琀洀氀椀。/Mi前台访问/p-2351578.html220.181.108.940槟欀瀀栀琀洀氀欀/Mk前台访问/p-2351592.html220.181.108.1800潟椀瀀栀琀洀氀洀/Mk前台访问/p-2351608.html220.181.108.1710瓿最瀀栀琀洀氀
3、漀。箷/Ke前台访问/p-661097.html116.179.32.340勈最瀀栀琀洀氀焀倀徸/Mg前台访问/p-2351587.html116.179.32.480最瀀栀琀洀氀猀怀/Ia前台访问/p-10497.html40.77.167.110欀瀀栀琀洀氀甀賊/Mk前台访问/p-1575701.html220.181.108.1570挀瀀栀琀洀氀眀舂/Sm前台访问/c-0000200009.html106.13.14.1070挀瀀栀琀洀氀礀纣/Mc前台访问/p-1449179.html40.77.167.90敾椀瀀栀琀洀氀笀/Mk前台访问/p-1428100.html123.183.22
4、4.1740勈犰痟崀甀漀漀欀刀攀愀搀愀猀瀀砀椀搀紀舂棍/Ie前台访问/p-85833.html183.192.164.850勈犰椀瀀栀琀洀氀缀纣/Mi前台访问/d-1511762.html116.179.32.1530茀鼀挀栀琀洀氀脀纣/Mc前台访问/p-1563417.html40.77.167.90椀瀀栀琀洀氀茀/Oi前台访问/sitemap-53.html60.19.172.2030最瀀栀琀洀氀蔀5Sowap前台访问/p-1610054.html61.151.207.1580敾最搀栀琀洀氀蜀鰀纣/Ig前台访问/p-99577.html123.183.224.1700勈犰猀贀挀栀琀洀氀褀/
5、Mk前台访问/p-1506544.html220.181.108.1820最瀀栀琀洀氀謀/Ig前台访问/d-41972.html123.183.224.1560崀礀漀漀欀刀攀愀搀愀猀瀀砀椀搀贀恃/Kg前台访问/p-919795.html220.181.108.940勈犰椀搀栀琀洀氀輀磊/Mk前台访问/d-1506629.html220.181.108.1600敾攀瀀栀琀洀氀鄀5gwap前台访问/BookRead.aspx?id=161005461.151.207.1580敾椀搀栀琀洀氀錀纣/Mk前台访问/d-1511181.html220.181.108.1160敾攀搀栀琀洀氀销哊/Oi前台访
6、问/sitemap-75.html60.19.172.2030敾椀瀀栀琀洀氀需胍/前台访问/c-0000100008-203-4164-0-0-0-0-9-0-1.html119.39.233.900勈犰最瀀栀琀洀氀餀/Mi前台访问/p-1511686.html220.181.108.880最挀栀琀洀氀鬀/Mi前台访问/d-2351605.html116.179.32.1780最搀栀琀洀氀鴀/Mg前台访问/d-2351588.html116.179.32.32间 材料 环境 其他 例1 例2 14 例1 在磨床上加工某零件外圆，由甲乙两工人操作各磨100个 零 件，其产生废品45件，试分析废品
7、产生的原因。 甲乙合 100100200 光度不合格213 度超准123 度 不 合 格31821 碰 17118 小 232245 若只对工人，不对不合格原因进行分层：两工人的废品率相 差无几，找不出重点。若只对不合格原因，不对工人进行分 层：则会得到主要因素为锥度不合格、碰伤两原因。对工人 及不合格原因分层后：甲工人主要因素为碰伤；乙工人主要 因素为锥度不合格 15 例2 在某产品装配过程中，经常发现齿轮箱盖漏油的现象，为解决该问题 ， 对该工艺进行了现场调查，收集数据n=50；漏油数f=19；试用分层法找 出影响产品质量的原因 1 通过分析：造成漏油的原因有两个 （1）齿轮箱密封垫是由甲
8、、乙两厂分别供给的 （2）涂粘结剂的工人A、B、C操作方法不同 2 为分析问题原因，采用分层法分别对操作者和齿轮箱垫供货单位分 层 3 措施：采用乙厂的齿轮箱垫，工人B的操作方法 4 效果：漏油率不但未降低，反而增加了 5 再次分析原因：只是单纯地分别考虑不同工人，不同供应厂造成的 漏 油情况，而没有进一步考虑不同工人用不同供应厂提供的齿轮箱垫 造 成的漏油情况，即由于没进行更细致的综合分析造成的。作综合分 层 结论：使用甲厂齿轮箱垫时B的操作方法好 使用乙厂的齿轮箱垫时A的操作方法好 采用措施后漏油率大大降低 16 操作者分层表 工人漏油不漏油漏油率（% ） A61332 B3925 C10
9、953 合193138 供厂漏油不漏油漏油率（% ） 甲111444 乙81732 合193138 齿轮箱垫供货单位分层表 17 综合分层表 箱 甲乙 A漏606 不漏21113 B漏033 不漏549 C漏5510 不漏729 漏11819 不漏141731 合252550 供货厂 操作者 18 3 明确数据收集的目的及方法 目的通常有下列几种： （1）为掌握生产现状收集数据 （2）为分析问题收集数据 （3）为判定产品质量合格与否收集数据 （4）为控制生产状态收集数据 （5）为掌握与调节工艺状态收集数据 目的不同，收集的方法（数量、时间、地点、 取样方式、测试方法、精确度以及定性质量指 标数
10、量化的方法及标准等）不同 19 4 作好数据记录，保证数据真实、可信、准确 （1）为避免数据遗漏，在收集的同时进行数据整理和简单的 分层，应尽量使用预先设计的数据记录表格调查表 调查表是为了掌握生产和试验现场情况，根据分层的思 想设计出的数据及不合格记录表格。是收集数据并对数 据进行粗略整理的有效工具。 根据使用目的，使用场合，使用对象以及使用范围不同 ， 调查表的形式，内容也多种多样，在实际中可以灵活设 计和应用 （2）注意记录与数据有关的数据背景，如测试时间、地点、 数量、测试者、零件号、批号、名称规格及必要的环境 条件等。 有利于分析问题，且可以避免不同条件的数据混淆 （3）数据必须真实
11、、可靠、准确 20 不良项目调查表 件缺陷原始 表 零件名称：盖子 零件号： 日期： 位： 工段 操作者： 填号人： 小 欠正正正正正一29 裂正一10 气孔正正正正20 渣一一5 折叠T一3 其他T2 合38981469 部位 缺 陷项目 21 缺陷位置调查表 机翼划伤位置记录表 单位：车间工段 日期： 年 月 日 操作者： 填号者： ：严重划伤 ：轻划伤 0 ：压坑 22 四 数据的分类 不同的样本数据来源于不同的总体，即是不同的随机变量的一组（某些 ） 取值，不同的随机变量有不同的统计规律。因此在进行数据分析前必须 分清数据的类型 1 计量值数据：可以连续数值的数据 如长度、温度、硬度、
12、强度、化学成分、时间 它是连续型随机变量的一组取值具有连续型随机变量的 分布特征 2 计数值数据：是对单位产品或产品上的缺陷进行检查时得到正整数数 据如不合格品数、出勤人员、疵点数等 注意：表示百分率的数据（如出勤率、不合格品率、退修率等）其类 型取决于其分子数据的类型 分类： （1）计件值数据：对产品 按件检查时得到的数据（如批产品 中的不合格品数） （2）计点值数据：检查 单件产品上质量缺陷时得到的数据如 单位棉织品上的 疵点数、铸件上的砂眼数、收音机底版 焊点数等） 3 顺序值数据：为了把定性指标定量化，按某种标准进行评分以比较优 势程序，确定评定等级或类别得到的数据 23 11.2 数
13、字特征描述(估计) 一 统计量 二 样本平均值 三 众数 四 中位数 五 极差 六 样本方差 七 样本均方差 24 一 统计量 l描述样本数据统计性质的度量值称为统计特征 量，简称统计量。统计量是随机变量X数字特 征的估计值 l统计量的数值大小是由收集的样本数据决定的 ，统计量是样本数据的函数 ，但其中不包含 未知的参数。如果说，在一个函数中，既包括 样本数据，又有未知参数，那么这个函数就不 能称为统计量。 l鉴于样本抽取的随机性，作为样本的函数，统 计量也是一个随机变量。统计量的分布是由X 的分布决定的 l常用统计量有样本平均值 、中位数 、众 数、极差R、方差S2、均方差S等25 二 样本
14、平均值 1 概念 从总体中随机抽取大小为n的样本，其数据分别为x1、x2、 xn，则其样本平均 值记为 样本平均值 是总体X数学期望的估计值 若样本数据的种类数为k，第j种数据的数值为xj；xj出现的频 数为fj；此时可用下式计算： 例1 2 性质 26 例1 从某工序加工的一批零件中随机抽取样本大小为12 的 数据。其尺寸分别为： 25.5，25.8，25.9，25.7， 25.8， 25.6，25.9，25.8，25.8，25.6，25.9，25.8。试估 计该 批零件的均值。 解： 或 27 2 性质 是一个随机变量，若总体的数学期望为，方差为2，则随 机变量 的数学期望和方差分别为：
15、可以看出，n越大， 的散布越小。 例2 从一批产品中随机抽取5件测量其尺寸，得数据如下： 14.5， 14.0，13.2，13.5，14.8。设母体的均方差=1，试求尺寸 的均 值及平均尺寸的方差。 样本平均值是描述随机变量集中位置特征的最常用的量，通常 用对称或近似对称分布( 如正态分布)随机变量数学期望的估计 。 28 三 众数 l概念:在样本数据中，出现频数最多或频 率最大的数据称为众数。它也是描述数 据集中位置的统 计量。 l使用条件：只有当数据个数较多而且有 明显的集中趋势时，才能计算众数。 l例3:试求例1中样本数据的众数 解：由例1表，显然，样本数据的众数 为 25.8。 29
16、四 中位数 概念:将样本数据按大小顺序排列，若样本大小n为奇数 ， 排在正中央的数据为中位数；若样本 大小为偶数，排 在 中央的两个数据的算术平均值为中位数。中位数用 表 示。 例4 试找出3、5、6、7、11五个样本数据和3、5、6 、8、 9、11六个样本数据的中 位数。 解：3、5、6、7、11的中位数为6； 3、5、6、8、9、11的中位数为 。 当总体为连续型随机变量且概率密度曲线为对称时(如正 态分布)，常用中位数估计总体均 值。即 此时，不仅计算简单，同时还不受样本中过大或过小数 据的影响。 正态总体 的样本中位数 渐进为 ， 因此正态总体用 估计有时是适宜的。 30 五 极差
17、l概念:将样本数据按大小顺序排列，数列中最大 值max(xi)与最小数据min(xi)之差 称为样本的 极差。记为R。 l例5 如例4中，两组数据的极差均为 R=11-3=8。 l作用：样本极差是描述总体离散程度的数量值 。 l在正态总体标准差估计场合 当n10时，将数据分组求极差均值。 31 六 样本方差 概念: 设样本数据x1、x2、xn为来自总体X的样 本 数据。若总体的数学期望已知， 则样本 方 差S2的计算公式为 若总体的数学期望未知，则样本方差S2的 计算公式为： 样本方差是总体X方差D(X)，即2(X)的估计 值 常用计算公式 例 32 常用计算公式 在实际问题中，经常碰到的是数
18、学期望未知的情况。即： 在现场中，为计算方便，在n较大时，有时使用下式代替进 行 计算。 在实际计算中，常用化简整理后的下式进行计算。 若样本数据的种类数为k，第j种数据的数值为xj，xj出现的频 数为fj，此时，S2的计算可采用下式 33 例 6 计算例1所给样本数据的方差 或 或 34 七 样本均方差 概念:总体X的均方差 为方差D（X）(2（X）)的正平方根， 即 因此有： 例7 试计算例6中样本数据的均方差 样本均方差是总体均方差的估计值 35 11.3分布状态描述频数直方图 一 概念：频数直方 图是通过对随机收集的样本数据 进行分组整理，并用图形描述总体分布 状 态的一种常用工具 二
19、 绘制程序 三 频数直方图、频率直方图、频率密度直方图和频 率密度曲线 四 频数直方图的应用 36 二 绘制程序 l例8 从一批螺栓中随机抽取100件测量其外径 数据如下表所示。螺栓外径规格为 。 试绘出频数直方图。 l绘制程序 7.938 7.930 7.938 7.914 7.924 7.929 7.928 7.920 7.918 7.923 7.930 7.925 7.930 7.930 7.925 7.918 7.920 7.918 7.928 7.928 7.918 7.913 7.925 7.926 7.928 7.924 7.922 7.923 7.915 7.919 7.925
20、 7.925 7.925 7.925 7.927 7.920 7.922 7.927 7.923 7.925 7.923 7.927 7.927 7.927 7.923 7.922 7.923 7.929 7.931 7.922 7.930 7.920 7.924 7.925 7.929 7.922 7.925 7.930 7.926 7.918 7.920 7.925 7.930 7.926 7.923 7.920 7.929 7.930 7.925 7.922 7.929 7.928 7.930 7.935 7.930 7.939 7.925 7.924 7.930 7.935 7.922
21、 7.918 7.922 7.925 7.925 7.920 7.927 7.922 7.930 7.930 7.925 7.938 7.922 7.915 7.918 7.927 7.935 7.931 7.919 7.922 单位：mm 37 绘制程序 1收集数据，并找出数据中最大值xL和最小值xS 数据个数应50，并将数据排成矩阵形式。本例数据 个数n=100。最大值xL=7.938，最小值xS=7.913。 2计算极差 3确定分组组数 k k值的选择一般参考下表给出的经验数值确定 本例选择k=10 4确定组距h 5计算各组的上、下边界值 6计算各组的组中值xi 7统计落入各组的数据个数
22、，整理成频数表 8作直方图 nK 50-1006-10 100-2507-12 250以上10-20 数据分组组数表 38 4确定组距h l组距即每个小组的宽度，或组与组之间的间隔 l本例中 l为分组方便，常在h的计算值基础上将其修约 为测量单位的整数倍，并作适当调整。 如本 例测量单位为0.001，将h修约为0.003。 39 5计算各组的上、下边界值 l为了不使数据漏掉，应尽可能使边界值最末一位为测量单位的1/2。 l当h为奇数时， 第一组边界值应为 l当h为偶数时，可以下式计算第一组边界值 第一组上边界值=xS 测量单位/2 第一组下边界值=上边界值+h 一直计算到最末一组将xL包括进去
23、为止。 l本例h为奇数，故第一组上下边界值为 l其余各组的上下边界值为： 某组上边界值=上组下边界值 某组下边界值=该组上边界值+h 本例第二组上下边界值为7.91757.9145；第三组为7.9175 7.9205 依次类推，最后 一组为7.9385，包括了最大值7.938(见频数表)。 7.9145 40 6计算各组的组中值xi 如本例 41 7统计落入各组的数据个数，整理成频数表 号i界中xi数fi 17.9115 7.91457.913 2 27.9145 7.91757.916 2 37.9175 7.92057.919 正 正 正 一16 47.9205 7.92357.922 正
24、 正 正 18 57.9235 7.92657.925 正 正 正 正23 67.9265 7.92957.928 正 正 正17 77.9295 7.93257.931 正 正 正15 87.9325 7.93557.934 3 97.9355 7.93857.937 4 42 8作直方图 以频数为纵坐标，质量特性为横坐标画出坐 标系，以一系列直方形画出各组频数，并在 图中标出规格界限和数据简 历，组成频数直 方图 规格要求 频数 7.937 4 3 15 17 23 18 16 2 25 20 15 10 5 0 2 7.934 7.931 7.928 7.925 7.922 7.919
25、7.9167.9 7.913 7.95 n=100 96.5.796.5.15 3#件 S=0.00519 2号机床 X=7.92524 x f 43 三 频数直方图、频率直方图、频率密 度直方图和频率密度曲线 l频数直方图 以样本数据表征的质量特性值为横坐标，以频数为纵坐标 作出 的描述数据分布规律的图形。 l频率直方图 将频数直方图的纵坐标改为频率做出的频率直方图，其形状与 频数直方图应完全一样 l频率直方图 若将纵坐标改为频率密度，横坐标不变，直方图的形状也不变 。 l频率密度曲线 当样本数据的大小n，组距h0时，直方的数量将趋于； 随机变量(即质量特征)在 某 区间h的频率密度将趋于概
26、率密度 ；直方顶端联成的折线将形成一条光滑的曲线概率密 度曲 线 2 区别与联系 3 正态分布及其频数直方图的特征 1 频数直方图、频率直方图、频率密度直方图和频率密度曲线图形演变 44 2 区别与联系 频数直方图、频率直方图、频率密度直方图与概率 密度曲线，虽然它们的坐标不同，描述 分布状态的 方式有的是折线、有的是曲线，但其大致形状是相似 的。概率密度曲线表明了总 体的分布状态；而频数 直方图等是对总体分布状态的描述 3 正态分布及其频数直方图的特征 l实践和理论证明：当一个连 续型随机变量受到许多 相互独立的随机因素的影响时，如果这许多因素的影 响虽然有的大一 些，有的小一些，但每一个因
27、素在 影响的总和中都不起主导作用时，这个随机变量将服 从正 态分布。 l 许多产品的计量质量指标，如强度、长度、寿命、 测量误差等在生产条件稳定、正常的前 提下，均服 从正态分布。因此，测量这些指标得到的数据，其频 数直方图的形状应具有正态 分布概率密度曲线的特 征为中间高、两边低、左右大致对称的山峰型 。 45 四 频数直方图的应用 1观察工序状态 （1） 原理 如上所述，大部分计量指标服从正态分布，即在稳定正常生产 状态下得到的数据，其频数 直方图的形状是“中间高、两边低、 左右对称的山峰型”，我们称这种形状的直方图为正常 型直方图 当影响产品质量特性的因素中，有的因素在影响的总和中占据了
28、 主导地位，成为“异常 因素”时，质量特性的正态分布状态将被打 破，频数直方图的形状将出现异常型。此时，现 场人员应根据直 方图形状迅速分析判断异常原因，采取措施，使工序恢复正常状态 （2）几种常见的异常型频数直方图 2与规格比较，明确改进方向 （1）原理：在直方图上标明规格上限及下限，可直观地将直方图的位置、 分散范围与规格比较，从而分析质量状况，明确改进方向 （2）与规格比较的几种情况 3不合格品率估计 46 a.正常型b.孤岛型 c.偏向型d.双峰型 e.平顶型g.陡壁型f.折齿型 规格范围 47 (2)几种常见的异常型频数直方图 孤岛型 在直方图旁边有孤立的小岛出现。其原因是在加工和
29、测量过程中有异常情况出现。如原材 料的突然变化，刃具的严 重磨损，测量仪器的系统偏差，不熟练工人的临时替班等。 偏向型 偏向型也称偏峰型。即直方的高峰偏向一边。这常常 是由于某些加工习惯造成的。如加工 孔时，有意识地使孔的尺 寸偏下限，其直方图的峰则偏左；当加工孔时，有意识 地使轴 的尺寸偏上限，其直方图的峰则偏右。 双峰型 直方图出现了两个高峰。这往往是由于将不同加工者 、不同机床、不同操作方法等加工 的产品混在一起造成的。因 此，必须先对数据进行分层，再作频数直方图。 平顶型 平顶型即直方图的峰顶过宽过平。这往往是由于生产 过程中某种因素在缓慢的起作用造成 的。如刃具的磨损、操作 者逐渐疲
30、劳使质量特性数据的中心值缓慢的移动造成的。 折齿型 测量误差太大或分组组数不当都会使直方图出现凸凹 不平的折齿形状。 陡壁型 直方图在某一侧出现了高山上陡壁的形状。这往往是 在生产中通过检查，剔除了不合格品后 的数据作出的直方图形 状。 48 产品分布范围 规格范围 产品分布范围 规格范围 产品分布范围 规格范围 产品分布范围 规格范围 产品分布范围 规格范围 最理想的直方图 直方图的分布范围仍在规格范 围内，但中心偏向一侧。 此 时，已存在出现不 合格品的 潜在危险，应立即采取措施， 将分布中心调至规格中心 直方图的分布范围已充满整 个规格界限。此时，存在更 多出现不合格品的潜 在危险 ，必
31、须立即采取措施，减小 分散。 直方图的分布范围已超出现规格界限，并 已出现一定数量的不合格品。应立 即采 取措施，减小分散；对产品 实施全数检 查；或适当放宽规格界限，以减小损失 分布非常集中。在此情况下，应充 分考虑经济效果，采取适当放宽工 艺 条件或加严规格要求等措施。 49 3 不合格品率估计 （1）计算平均值与标准偏差 直接用样本数据进行计算 以各组组中值代表各组数据进行计算 本例中： 简易求法 （2）不合格品率估计 50 平均值及标准偏差简易求法 以各组组中值代表组中各数据进行计算； 将x坐标变换为u坐标； 令近于中间、频数较多的一级组中值为x0，并令该组u坐 标值uj=0；其它各组
32、按下列 变换式进行变换 变换结果为：自uj=0向下的各组，u值分别为1，2，3， ； 向上的各组，u值为-1，- 2，-3，。作直方图计算表 计算 按下式计算 本例 51 直方图计算表 中xjujfjujfjuj2fj 17.913-42-832 27.916-32-618 37.919-216-3264 47.922-118-1818 57.925=x002300 67.9281171717 77.9312153060 87.93433927 97.937441664 01008300 52 （2）估计不合格品率 l当 以及规格界限均已知时，则可 借助正态分布表估计不合格品率 l如本例中，
33、；规格界 限为 (7.907.95)。不良品率p的估计 值 为 53 11.4 排列图、因果分析图、趋势图 l在质量管理中，人们将会收集大量的文字信息和数学 信息。对信息的整理和对事物的描述方 法不同，其 效果也不同。而采用图或表进行信息整理和事物的描 述无疑是最好的方法。它具 有主题明确、层次清楚 、关联性易于表达、信息量大、善于启发思维，迅速 分析问题作出决 策等优点。 l 频数直方图是一种常用的描述分布的图表法，除此 之外，还有各种各样整理和描述信息的方 法。本节 将介绍常用的排列图、因果分析图、趋势图。描述变 量之间关系的相关图将在后面介绍。 一 排列图 二 因果分析图 三 趋势图 5
34、4 一 排列图 排列图又称巴雷特图或主次因素分析图 1 产生：排列图是意大利经济、统计学家巴雷特(Pareto) 于 20世纪初创立的。他发现运用排列图， 可 以找出“关键的 少 数和次要的多数”的关系。后来，美国质量管理专家朱兰 (JMJuran) 把该原理应用于质量管理工作中。在质量分析时 发现，尽管影响产品质量最关键的往往只是少数几项，而由 它们造成的不合格产品却占总数的绝大部分。就是根据这个 “关键少数，次要多数”的原理，使排列图在质量管理中， 成 为查找影响产品质量关键因素的重要工具。 2 用途：因素影响的主次位置，可从 排列图上一目了然。从而 明确改进方向和改进措施。采取措施后的效
35、果，还可用排列 图进行对比确认。排列图不仅可用于质量管理，还广泛地应 用于其它领域。 3 绘制程序 4 应用注意事项 55 排列图的结构 20 40 100 80 60 120 140 160 0 0 25 50 75 100 （90 ） （80 ） B A C DEFGHI 频数 累计频率100 3 绘制程序 （1）结构 （2）绘制步骤 例 56 （2） 绘制步骤 l提出问题，制订收集数据的方案。 l收集数据，对数据进行整理，列出分类统计表。 l按一定的比例分别画出两个纵坐标，表示频数和累积频率。 l将横座标划分若干等分表示各影响因素。并按影响程度的大 小， 从左向右依次画 出直方形。 l找
36、出每个影响因素所对应的累计百分数点，并连接起来成为 一 条由左向右逐渐上升的曲 线，即巴雷特曲线。 在排列图上，常将曲线的累计百分数分三级，并相应的将因 素分为三类。 A类因素：累积频率为080%，该区间的因素是主要影响 因素 B类因素：累积频率为80%90%，该区间的因素是次要影 响 因素。 C类因素：累积频率为90%100%，该区间的因素是一般 因素 l注明数据收集的背景。 57 例 某厂对活塞环槽侧壁不合格的275件产品进行缺陷分 类统计，其结果是：精磨外圆 不合格229件，精镗销 孔不合格56件，磨偏差不合格14件，精切环槽不合 格136件，垂直摆差 不合格42件，斜油孔不合格15 件
37、，其它不合格8件。试作出排列图。 l缺陷按其数量自大至小进行排列，并计算出累计频数 和累计频率作出缺陷分类统计表 l作排列图 l因素分类：精磨外圆和精切环槽是主要因素，解决 了这两个主要问题，将显著降低不合格品率；精镗销 孔为次要缺陷；其它缺陷为一般缺陷。 解决问题应 从主要缺陷入手。 58 活塞环槽侧壁加工缺陷分类统计表 序号缺陷率累 数 率100累率100 1 2 3 4 5 6 7 精磨外 精切 槽 精 孔 垂直 差 斜 油 孔 磨 偏 差 其 它 229 136 56 42 15 14 8 229 365 421 463 478 492 500 45.8 27.2 11.2 8.4 3
38、.0 2.8 1.6 45.8 73.0 84.2 92.6 95.6 98.4 100.0 500 59 活塞环槽缺陷排列图 20 40 100 80 60 0 50 10 30 70 90 500 400 300 100 200 56 42 15 14 8 229 136 N=500 73.0 45.8 84.2 92.6 95.6 98.4 频数 精磨外圆 精切环槽 精镗销孔 垂直摆差 斜 油 孔 磨 偏 差 其 它 60 4 应用注意事项 (1)一般来说，主要因素应只是一、二个，至多不超过三个 ， 否则就失去找主要因素的意义。 当出现主要因素过多 时， 要重新考虑因素的分类。 (2)必要时，频数可用金额来表示，以找出真正重要的经济 损失原因。 (3)在采取措施的后，还应作排列图，以进行效果检查对比 。 (4)收集数据的时间一般为13个月比较合适，时间太长， 生产过程往往会有较
