控制图的原理

控制图的原理

一.控制图的原理－波动分布

控制图观点认为：

（1）当过程仅受随机因素影响时，过程处于统计控制状态（简称受控状态）；由于过程波动具有统计规律性，当过程受控时，过程特性一般服从稳定的随机分布；

（2）当过程中存在系统因素的影响时，过程处于统计失控状态（简称失控状态）。而失控时，过程分布将发生改变。

SPC正是利用过程波动的统计规律性对过程进行分析控制的。因而，它强调过程在受控和有能力的状态下运行，从而使产品和服务稳定地满足顾客的要求。

二.控制图的原理－统计

受控状态是生产过程追求的目标，此时，对产品的质量是有把握的。控制图即是用来监测生产过程状态的一种有效工具。

控制图的统计学原理，令W为度量某个质量特性的统计样本。假定W的均值为μ，而W 的标准差为σ。于是，中心线、上控制限和下控制限分别为

UCL=μ+Kσ

CL=μ

LCL=μ－Kσ

式中，K为中心线与控制界限之间的标准差倍数，Kσ表示间隔宽度。

正常情况下点子分布是正态的，落在控制界限之内的概率远大于落在控制界限之外的概率。反之，若点子落在控制界限之外，可能是属于正常情况下的小概率事件发生，也可能是过程异常发生，相对来讲，后者发生的概率要大得多。因此，我们宁可以为后者情况发生，这正是控制图的统计学原理。

点子落在控制界限之内是否一定处于稳态？点子落在控制界线之外是否一定出现异常？这两个问题的回答都是否定的。

更为科学的判断应根据概率统计方法对过程进行定量分析，精确计处出状态的概率值之后再进行过程状态判断。

三.控制图的原理－分类1

各控制图用途：

均值－极差控制图:是最常用、最基本的控制图，它用于控制对象为长度、重量、强度、纯度、时间和生产量等计量值的场合。

均值－标准差控制图:次图与上图类似，极差计算简便，故R图得到广泛应用，但当样本大小或0>10或12时，应用极差估计总体标准差的效率减低，最好应用S图代替R图。

中位数－极差控制图:由于中位数的计算比均值简单，所以多用于现场需要把测定数据直接记入控制图进行管理的场合。

均值－移动极差控制图:多用于下列场合,(1)采用自动化检查和测量对每一个产品都进行检验的场合；(2)取样费时、昂贵的场合；(3)如化工等过程，样品均匀，多抽样也无太大意义的场合。由于它不像前三种控制图那样能取得较多的信息，所以它判断过程变化的灵敏度也要差一些。

P控制图：用于控制对象为不合格品率等计数值质量指标的场合。这里需要注意的是，在根据多种检查项目总起来确定不合格品率的场合，当控制图显示异常后难于找出异常的原因。因此，使用P图时应选择重要的检查项目作为判断不合格品的依据。

（1）连续25个点都在控制限内（显著性水平为：0.0654）。

（2）连续35个点至多一个点落在控制限外（显著性水平为：0.0041）。

（3）连续100个点至多两个点落在控制限外（显著性水平为：0.0026）。

Pn控制图：用于控制对象为不合格品数的场合。设n为样本大小，P为不合格品率，则Pn为不合格品个数。由于计算不合格品率需要进行除法，比较麻烦。所以在样本大小相同的情况下，用此图比较方便。

C控制图：用于控制一部机器、一个部件、一定的长度、一定的面积或任何一定的单位中所出现的缺陷数目。例如，铸件上的砂眼数，机器设备的故障数等等。

U控制图：当样品的大小变化时应换算成每单位的缺陷数并用U控制图。

通用控制图：

四.控制图的原理－判稳准则

（1）连续25个点都在控制限内（显著性水平为：0.0654）。

（2）连续35个点至多一个点落在控制限外（显著性水平为：0.0041）。

（3）连续100个点至多两个点落在控制限外（显著性水平为：0.0026）。

五.控制图的原理－计量型稳定

六.控制图的原理－计数型不稳定

七.控制图的原理－多变量型

八.控制图的原理－分类2

分析用控制图（判稳）。

控制用控制图（判异）。

联系：分析用控制图通过判稳准则分析过程的稳定性，并得出过程的控制限应用到控制用控制图，通过判异准则判断/预测过程的稳定性。

九.控制图的原理－判异准则

1.点在控制界限外或界限上。

2.排列不随机：

十.控制图的原理－判异准则程序实现示例