六西格玛管理中小波动控制图

控制图自休哈特创立以来,不断得到改进和优化,形成了多种类型的控制图,如常规控制图、通用控制图、小波动控制图、小批量控制图、多元控制图、选择控制图等等。上一期介绍了常规控制图,这一期将介绍小波动控制图的制作方法。无论是计量值还是计数值的常规控制图,图上的任一点只利用了过程当前样本的信息,而没有考虑所抽取的其他样本的信息,因此对过程的小波动(尤其是小于1σ的波动)不够灵敏。为了克服此缺陷,在休哈特控制图后,又出现了控制过程小偏移的累积和控制图(C U S U M)和指数加权移动平均控制图(E W M A)。这两种图适用于对连续…     

美国应用控制图的新特点

本文根据美国2000-2004年期间有关杂志的文章及案例,归纳总结了美国应用控制图的一些新特点。文章介绍了美国重视应用XmR图的情况,休哈特与戴明在SPC方法上看似微小实质重要的差别,计算控制限所用方法不同如何使过程受控与否发生变化,计量控制图与计数控制图、一般原因与特殊原因之间的相时意义,囿于休哈特的SPC方法为什么会造成资源浪费等。为了使读者更真切感受到美国应用控制图的这些新特点对我国的现实意义,文章选用了我国的若干真实数据和例子来作处理分析。     

可变抽样区间的二项变量累积和控制图设计

当过程存在小波动时,累积和控制图比传统的休哈特控制图监控效果灵敏.文章针对生产过程中的产品不合格品率服从二项分布下的累积和控制图,进行可变抽样区间设计.首先用构造可变抽样区间的二项变量累积和控制图;其次利用马尔可夫链方法计算了其平均报警时间.结果表明,所设计的可变抽样区间二项变量累积和控制图较固定抽样区间的二项变量累积和控制图能更好的监控过程的变化.     

多元质量控制图在SM生产过程中的应用

0引言自从休哈特创立控制图以来,在生产过程中通过统计控制图监测产品质量波动,已经成为一种普遍使用的质量管理工具。传统的质量控制图属于一元统计范畴,也就是说,它只能对产品的单个质量特性进行观察,像x～控制图、x～控制图、R～控制图、p～控制图、u～控制图等都是如此。可     

六西格玛管理的常规控制图

上一期介绍了SPC与控制图原理,这一期介绍几种常规控制图的制作方法。控制图的分类从控制图绘制的原理看,休哈特(W.A.Shewhart)于1924年提出的采用3原理绘制的控制图称为常规控制图。之后统计工作者又提出了许多其他非常规控制图。本文以下内容介绍常规控制图,非常规控制图在下一期介绍。按照控制图所采用的控制变量的类型划分为计量值控制图和计数值控制图。计量值控制图的控制变量是可以连续计量的,属于连续型随机变量,一般要求其服从正态分布,例如控制变量为长度、温度、时间、电流、电压等;计数值控制图的控制变量是不可以连续计量的…     

基于Cuscore图的质量控制模式

文章不仅使用传统休哈特控制图,而且使用cuScore图对工业过程实施监控,达到有效利用以往的过程异常知识和处理经验、提高改进效率的目的.研究和仿真结果袁明,Cuscore图在有色噪声过程环境中对于预期微小异常信号的诊断比传统控制图更加迅速有效,将Cuscore图整合到已有的质量管理模式中,可以提高过程质量诊断与异常处理的效率.     

自相关过程的ARMA控制图

由于自相关过程违背了过程输出数据独立性的假定,使得常规控制图的有效性降低。ARMA控制图技术使用自回归移动平均模型作为统计量,依据两个信噪比指标来确定适宜的参数值。文章运用平均链长(ARL)系统研究了ARMA控制图的检测性能,并与残差图进行了比较。模拟结果表明,在自相关条件下,ARMA控制图对均值偏移具有较高的检测灵敏性。     

管理图判断规则的统计原理

1924年5月16日美国休哈特博士首创管理图。开始把数理统计方法运用到质量管理中，从而开创了统计质量管理（S．Q．C）的历史。运用管理图可作为分析和控制生产工序质量是否稳定，有无异常原因的主要工具，达到防患于未然的目的。利用管理日判断生产过程是否处于控制状态的基本准则是：1、点子不在管理界限外（或界限上）；2、点子的排列没有毛病，是随机的。若满足以上两条准则就判断生产过程处于控制状态，否则就判断生产过程异常。如果我们应用管理图对生产过程不断地进行监控，那么就能够对系统因素的出现及时告否；而在告警之后，我们…     

残差控制图检测能力分析及效率评价

当质量过程呈现自相关现象时,残差控制图是解决其控制问题的有效方法之一.但是与常规控制图相比较,两者检测性能有很大不同.本文应用检测能力指数和平均链长两种衡量指标,评价了质量过程为AR(1)的残差控制图对异常状态的检测能力.     

基于质量损失函数的ARMA控制图经济设计

为提高统计过程监控灵敏度并减少监控费用,文章研究了自回归移动平均(ARMA)过程的统计与经济设计问题.首先构建ARMA控制图监控自相关过程,基于田口质量损失函数对ARMA控制图进行经济设计并构建经济模型;利用遗传算法求解,确定ARMA控制图的五个参数[n,h,k,φ,θ]最优组合,使单位时间费用最低.最后,对该模型的参数进行灵敏度分析,由此得出在实际监控过程中与单位时间期望费用相关的参数,以减少质量损失.     

休哈特

休哈特施泰沃尔特·发德鲁·休哈特（ＷａｌｔｅｒＡｎｄｒｅｗＳｈｅｗｈａｒｔ,１８９１－１９６７）,美国统计学家,统计质量控制的创始人。休哈特１８９１年３月１８日生于美国伊利诺斯州纽坎顿。１９１７年在加利福尼亚大学获物理学哲学博士学位。随即作为一位西...     

监测SPC/EPC整合过程的残差控制图研究

针对SPC/EPC整合中的自相关问题和窗口问题,在分析整合监测规律的基础上,构建了SPC/EPC整合过程的AR(3)时间序列模型,并分析了模型的稳定性条件,构建了监测整合过程的残差控制图,通过仿真比较实验表明:该方法与常规控制图相比能准确监测到异常扰动的发生并能解决窗口问题.     

质量管理学的新发展—田口玄一新学派

自从1924年美国休哈特博士首创了世界上第一张质量管理图后,一门新兴的管理科学—质量管理学问世,至今虽已历时七十余年,但前五十多年一直是休哈特学派占统治地位,直到本世纪70年代日本田口玄一博士逐步创立了钱外与线内质量管理,形成了“田口学派”后,才使质量管理学有了新的突破。线外质量管理是产品设计（包括生产工艺的设计）中的质量对策。它主要用于新产品的设计和生产工序设计。其基本思想是用正交试验设计来选择参数最优水平组合和最合适的容差,用大部分价格低廉的元部件来组装整机,即使元部件性能不稳定,波动大,但是由于…     

基于自相关过程的控制图的性能评价

文章以AR（2）过程为例,对控制图监测自相关过程失效的原因进行了探讨,以平均运行长度（ARL）为评价指标,通过仿真分析验证了自相关性对控制图性能的影响。     

自相关对MEWMA控制图影响的模拟研究

为了分析样本协方差不同时自相关结构对常规多元控制图监测偏移能力的影响,针对传统样本协方差矩阵S_1和基于相邻向量差数据构建的协方差矩阵S_2的两种不同取值,通过Monte Carlo模拟对比忽略自相关的原始数据和考虑自相关时基于多变量时间序列模型VAR(1)构建的残差数据的两种情况,以平均运行链长比较了不同均值偏移大小及不同自相关结构下多元控制图的性能。对比结果发现:基于VAR(1)模型的残差MEWMA控制图整体表现更佳,可以更快地捕捉到均值的变化,且该控制图在均值偏移大于一个标准偏差时监测效果更明显;当S_2作为总体协方差估计值时,基于残差数据构建的MEWMA控制图受控平均运行链长ARL_0较低,但该方法能更快地检测到均值的偏移。最后通过一个案例验证了结论的准确性。     

基于MMSE的AR(2)过程质量监控

基于AR(2)过程,讨论了MMSE对自相关过程进行调整的效应;进而定义信噪比、ARL和报警概率评价调整对控制图探测均值偏移的影响,发现当过程均值发生偏移时,能否及时发现取决于过程的自相关程度和均值偏移的模式,而均值偏移模式起着支配作用。     

基于Excel的动态-s统计质量控制图系统的构建

文章利用Excel变量、函数和数据处理功能,通过建立动态-s控制图系统,从而方便、快捷的实现了统计质量管理,从检测数据添加、参数计算到-s控制图的同步运算和展示过程。     

均值变化下的控制图3σ控制界限的经济性分析

在传统的体哈特控制图中,控制界限通常由3σ来确定,其经济性缺乏理论依据.文章针对质量特性均值发生连续性偏移的情况,结合Matlab工具寻求最经济控制界限,并通过损失比探析了3σ控制界限的适用范围,从而在理论上说明了3σ控制界限与最经济控制界限的关系,为降低质量控制成本提供了分析依据.     

自相关过程的监测与调整

利用控制图进行统计过程控制的基本假设为观测值相互独立并服从正态分布,然而,由于过程中某些不可消除因素的影响,使得实际过程的输出观测值常常是自相关的,而工程过程控制(EPC)可以消除观测值的自相关性。本文在比较分析过程监测与调整的基本原理基础上,给出了监测与调整自相关过程的的概念模型,并运用一个例子加以说明。     

基于模糊统计的不确定质量特性控制图研究

不确定质量特性采用专家评分、语言评价等测量手段,使常规的控制图方法难以适用.文章以不确定质量特性评分数据为基础,提出了评判模糊数统计特征的求取方法,并以特征数构建不同类型的评判模糊数隶属函数,以过程均值模糊数割集的上下限作为控制线,以评分样本模糊数割集的上下限为控制图描点数据,以描点数据与控制线之间的位置关系进行异常报警,实现不确定质量特性控制图的绘制,最后在Matlab环境下,以具体的应用实例验证了方案的可行性.