1 现状
由于我的岗位是质量员, 负责一些其他部门反馈问题的分析以及反馈, 在工作的过程中和许多其他部门打过交道, 在处理问题的时候, 遇到了大致两种情形。一种情况, 工程技术人员大多测量3-5个数据, 后估计一个平均值做为判断的依据, 之后比较数模尺寸调整相关尺寸;另外一种情况, 由于车做了几十万台, 由于模具、夹具、零部件等均已数模差距较大, 考虑到成本等因素, 无法调整到数模数据, 故对测量数据进行固化、封样, 作为新的基准。
2 问题
这样做往往能够对问题有个较快的认识和判断, 能够快速的锁定分析的方向, 但这样做往往会遗留很多问题, 在以后的工作中造成不便。
2.1 没有形成记录, 不具有可追溯性。
或只是简单记录几个数据, 最后发布的分析报告内只有测量的几个数据, 并没有进行5M1E分析, 而且这也只是最初级的统计而不是分析;
2.2 数据样本不够。
样本和总体是不一样的, 样本量越多越能反映总体的真实情况, 但实际操作过程中, 采集的数据太少, 所测数据不能真正反映总体情况, 故不能用来做为分析、判断的依据, 否则会造成误导, 作出错误的判断, 对质量留下隐患;
2.3 数据分析不够。
只有平均值作为数据分析的依据, 而平均值只能反映数据的位置情况, 我们分析问题时, 不光要考虑数据的位置情况, 还要考虑数据离散曾度和分布形状, 这样有助于分析和解决问题;
2.4 没有考虑测量系统的系统误差。
工程技术人员分析问题时, 未考虑测量系统误差, 因不一样的测量系统测量出来的数据会有差异, 还有测量系统的分辨力、稳定性再现性等。
3 解决
3.1 统计设计。
统计工作是需要设计的, 考虑样本的分层、分级, 需要考虑的足够充分, 因为进行DOE分析, 需要对影响因素足够全面和细化, 这样能够方便快捷的找到特殊因素。
3.2 采集数据最少30个。
实际工作中, 只要样本量n足够大时, 我们就认为, 的分布近似于正态分布。当分布对称时, n=5已经近似得很好;当分布严重偏斜时, n=30也会近似得很好。
3.3 对统计数据进行分析。
通过数据统计, 计算样本的均值和δ, 通过Minitab软件计算出Cpk (制造能力指数) , 从而作为原因分析和判断的依据。
3.4 描述性统计
3.4.1 位置状况
我们现场应用最多就是, 他更多的是反映我们数据的位置情况, 但如果有异常点的话, 此会受到影响而出现偏差, 无法真实的反映总体的真实情况。
除了, 还有中位数, 众数, 第一四分位数和第三四分位数, 分布严重偏斜时, 数据有异常时, 用中位数, 中位数比平均值对于异常值更稳健。
3.4.2 离散程度
我们不光要考虑数据的位置情况, 离散程度对于我们同样重要, 它能够反映过程波动情况, 以及发生问题时作为一个整改的思路。
反映离散程度的只要参数有方差, 标准差, 极差, 四分位间距等, 标准差最常用, 与样本量n不密切, 方差使用不方便, 但又可加性, 极差与样本关系密切, 对异常值敏感, 四分位间距与样本量不密切, 对异常值不敏感, 但是是离散中最敏健的。
通过, 计算出Cpk。
Cpk≥2.0, 特优, 考虑成本的降低;2.0>Cpk≥1.67, 优, 应当保持;1.67>Cpk≥1.33, 良, 能力良好, 状态稳定, 但应尽力提高到上一等级;1.33>Cpk≥1.0, 一般, 制程因素稍有变异即会产生不良影响;1.0>Cpk≥0.67, 制程不良多, 必须提高其能力;0.67>Cpk, 不可接受, 能力太差, 必须重新整改设计制程。
3.4.3 分布形状
数据不对称性的片度, 数据分布平坦性的峰度等
3.5 样本和总体的区别
考虑成本、时间等因素, 我们没有办法进行100%全检, 故需要进行抽样检验, 但抽检存在风险, 且与总体存在一定差别, 样本量30个以上, 数据开始呈现正态分布, 能够反映总体数据的情况, 否则, 如果数据采集过少, 不具有代表性, 具有风险。
3.6 图形的运用
不一样的图形具有不一样的功用, 我们用的较多的有直方图、饼图等, 还有箱线图、时间序列图, 3D散点图, 我们可以从图上快速的读取信息。
3.7 测量系统
通常测量系统具有六个特性:稳定性、偏倚、线性、分辨力、重复性和再现性。其中偏倚是测量系统准确度的度量;重复性和再现性构成了测量系统的精度。一个测量系统是否完好, 关键的两个指标是偏倚和精度两方面。
首先, 我们在处理问题之前, 需要对测量系统进行确认, 其中, 需要考虑到人的影响因素, 测量系统是否需要校准, 在没有问题的基础上在对进行尺寸测量。
3.8 统计过程控制
制程中影响产品质量因素有两大类, 一是随机因素, 另一类是特殊因素。随机因素不可避免, 我们需要找到的是特殊因素。
这里就体现出控制图的作用, 控制图分为两类, 一类是分析用图, 另一类是控制用图。
两种用图均是在数据统计的基础上, 通过图表对现场起到分析、监控的作用, 如发现异常点, 立即查找问题, 分析原因, 进行整改。
这样做大大提高了办事效率, 以及做事更加的具有针对性。
3.9 项判异原则:
(1) 1点落在控制限之外; (2) 连续9点落在中心线同一侧; (3) 连续6点递增或递减; (4) 连续14点中相连点升降交错; (5) 连续3点中有2点在中心线同一侧的B区之外; (6) 连续5点中有4点落在中心线同一侧的C区之外; (7) 连续15点落在C区之外; (8) 连续88点落在中心线两侧, 但无11点在CC区之内。
4 结语
作为工程技术人员, 我们处理问题的时候, 需要依靠数据来说话, 故统计是一切的基础。
通过5M对统计因素的设计, 充分考虑每一个可能影响产品质量的因素, 做到细化、分层, 如果此内容作的好的话, 可以直接转化为控制图, 作为分析和控制用图。
通过对样本、中位数、置信区间等数据分析, 反映总体数据的真实情况, 作为判断事实的真实依据。
我们最终想做到的不是事后质量, 而是要把工作做到前面, 统计工作就能达到这样的效果, 对于经常发生问题的点以及关重点做好控制图, 如一发生异常点, 立刻前往现场进行原因调查, 是否是特殊原因造成异常, 如偶发则可忽略。当然, 后面还有DOE, 假设检验, 相关分析等内容, 内容相当多且相当重要, 这里我们就不再敖述。
摘要：现今在工作当中遇到很多问题, 统计未做到位, 错把统计当分析, 统计分析往往只做在表面, 而没有进行更深一层次的分析, 没有区分样本和总体的差别, 如果这些基础的工作都没有做到或做好, 很难从根本上解决问题, 只能是头疼医头脚疼医脚。在此文中, 我们讲到统计是需要设计的, 而且异常关键, 数据采集量, 数理分析, 位置状况, 离散程度等内容。
关键词：统计设计,数据采集,位置状况,离散程度