精品word中国计量大学质量管理软件实习报告初稿.docx

精品word中国计量大学质量管理软件实习报告初稿.docx

《精品word中国计量大学质量管理软件实习报告初稿.docx》由会员分享，可在线阅读，更多相关《精品word中国计量大学质量管理软件实习报告初稿.docx（25页珍藏版）》请在冰豆网上搜索。

精品word中国计量大学质量管理软件实习报告初稿

中国计量学院

经济与管理学院

实习报告

实习类别：

质量管理软件实习

专业工商管理

班级14级

（2）班

姓名

学号1400701205

指导教师张月义

2017年1月18日

一、质量管理基本统计分析……………………………………………1

1.第一题………………………………………………………………1

2.第二题………………………………………………………………1

3.第三题………………………………………………………………2

二、质量管理常用工具应用于分析…………………………………2

1.排列图（案例1）…………………………………………………2

2.直方图（案例1）…………………………………………………3

3.散点图（案例2）…………………………………………………4

三、正交试验设计应用与分析……………………………………………6

1.试验设计（案例3）………………………………………………6

四、统计过程控制应用与分析……………………………………………9

1.统计过程控制（案例2）…………………………………………9

五、测量系统分析…………………………………………………………11

1.测量系统（案例2）………………………………………………11

六、综合案例分析…………………………………………………………13

1.综合案例一…………………………………………………………13

2.综合案例二…………………………………………………………16

一、质量管理基本统计分析

1.第一题

放大功率是电子产品的质量特性指标，统计结果显示该指标服从正态分布N（250.7,38.032），该指标的技术要求为（150，350），试应用minitab软件估计该指标不合格的概率是多少？

图1计算不合格概率

因此，如图所示，不合格率=1-（0.995487-0.004050）=0.008563。

2.第二题

现有批量为N=1000的一批产品，采用抽样方案（10，1）进行抽检，再假设此产品不合格品率为5%。

试应用minitab软件估计这批产品被判为接收的概率是多少？

图2接收概率的计算

故，接收概率为0.914692。

3.第三题

某产品有26个指标，如Beta1、Vbe1等，历史数据表明平均每百单位产品出现不合格0.5个。

现用抽样方案（100，2）检验，试应用minitab软件估计该批产品被判为接收的概率是多少？

或随机抽取100个产品，出现2个以下不合格的概率是多少？

图3接收概率

以（100,2）的抽样检验方案进行检验时，该批产品的接收概率为0.985897。

二、质量管理常用工具应用与分析

1.排列图（案例1）

对某产品进行质量检验，并对其中的不合格品进行原因分析，共检查了7批，对每一件不合格品分析原因后列在如下表所示。

表1不合格品原因调查表

批号

检查数

不合格品数

产生不合格品的原因

操作

设备

工具

工艺

材料

其他

1

5000

16

7

6

0

3

0

0

2

5000

88

36

8

16

14

9

5

3

5000

71

25

11

21

4

8

2

4

5000

12

9

3

0

0

0

0

5

5000

17

13

1

1

1

1

0

6

5000

23

9

6

5

1

0

2

7

5000

19

6

0

13

0

0

0

合计

频数

246

105

35

56

23

18

9

频率

1.000

0.427

0.142

0.228

0.093

0.073

0.037

试制作频数统计表，并进行排列图分析。

表2频数统计表

产生不合格品原因

频数/个

频率

累计频率

操作

105

0.427

0.427

工具

56

0.228

0.655

设备

35

0.142

0.797

工艺

23

0.093

0.890

材料

18

0.073

0.963

其他

9

0.037

1

合计

246

1

图4排列图

累计百分比为0-80%的是主要因素，如图操作、工具、设备是A类因素，工艺是次要因素，材料及其他为一般因素。

即造成不合格品的主要原因是操作、工具与设备，要减少不合格品应该首先从这三个方面着手。

2.直方图（案例1）

某公司收集到的某产品质量特性数据见下表所示，其样本大小为n=100。

表3质量特性实测数据表

61

55

58

39

49

55

50

55

55

50

44

38

50

48

53

50

50

50

50

52

48

52

52

52

48

55

45

49

50

54

45

50

55

51

48

54

53

55

60

55

56

43

47

50

50

50

57

47

40

43

54

53

45

43

48

43

45

43

53

53

49

47

48

40

48

45

47

52

48

50

47

48

54

50

47

49

50

55

51

43

45

54

55

55

47

63

50

49

55

60

45

52

47

55

55

56

50

46

45

47

依据收集的数据制作直方图，并对图形进行分析，指出所做图形属于哪种典型形状，并说明可能的原因是什么？

并通过相应的直方图指出平均值是多少，第一四分位数、第三四分位数分别是多少？

图5质量特性直方图

根据收集的数据制作直方图，发现为折齿形，出现该图可能是因为测量数方法或者读数有问题，也可能是作图时数据分组不当引起的。

根据描述性统计分析，平均值是50.050，第一四分位数是47，第三四分位数是54。

3.散点图（案例2）

某化工产品的反应温度和收率之间有一定的关系，收集的数据如下表。

表4反应温度与收率数据

序号

x（℃）

y（收率%）

1

49.2

16.7

2

50.0

17.0

3

49.3

16.8

4

49.0

16.6

5

49.0

16.7

6

49.5

16.8

7

49.8

16.9

8

49.9

17.0

9

50.2

17.1

10

50.2

17.1

请制作散点图，并说明属于典型形状中的哪种典型类型？

并进一步进行回归分析，建立一元回归模型，并预测当反应温度为50℃时，化工产品的收率在显著性水平α=5%时置信区间。

图6温度与收率散点图

回归分析:

y与x

回归方程为

y=-1.41+0.369x

自变量系数系数标准误TP

常量-1.4131.297-1.090.308

x0.368530.0261414.100.000

S=0.0368609R-Sq=96.1%R-Sq（调整）=95.6%

根据做出的散点图，X,Y是强正相关，其相关方程为：

Y=-1.41+0.369X

当反应温度为50℃时，化工产品的收率在显著性水平α=5%时置信区间为（16.9780,17.0494）。

三、正交试验设计应用与分析

1.试验设计（案例3）

为提高某化工产品转换率，公司通过正交表进行试验设计。

根据生产实践和专业知识，影响该化工产品转换率的因素有A——反应温度；B——反应时间；C——用碱量。

每个因素都取3个水平，其因素水平表如下表。

表5因素水平表

水平

反应温度/℃

A

反应时间/分

B

用碱量/%

C

1

80

90

5

2

85

120

6

3

90

150

7

试验设计方案及试验结果见下表。

表6试验设计方案表

试验号

反应温度

A

反应时间

B

用碱量

C

D

转换率

Y1

转换率

Y2

转换率

Y3

1

1（80℃）

1（90分）

1（5%）

1

31

34

38

2

1

2（120分）

2（6%）

2

54

52

58

3

1

3（150分）

3（7%）

3

38

36

42

4

2（85℃）

1

2

3

53

48

57

5

2

2

3

1

49

45

52

6

2

3

1

2

42

40

44

7

3（90℃）

1

3

2

57

55

58

8

3

2

1

3

62

59

64

9

3

3

2

1

64

61

66

先以y1为单试验结果进行极差分析、方差分析；再以y1、y2、y3为三个试验结果进行信噪比分析。

（1）以y1为单实验结果进行极差分析和方差分析

图7均值图

图8极差分析图

极差分析：

RA=20*3=60，RB=8*3=24，RC=12*3=36,

因此，A因素对结果的影响最大，其次是C因素，B因素影响最小，即A→C→B，对于Y，ABC因素属于望大特性，因此选择最佳实验条件为A3B2C2。

图9方差分析图

方差分析：

F0.9（2,2）=9.0，F0.95（2,2）=19.0，FA=34.33，FB=6.33，FC=13.0，因此，A因素在显著性水平0.1和0.05上是显著的，B因素在0.1和0.05的显著水平上是不显著的，C因素在0.05显著水平上不显著，在0.1水平上显著。

根据对显著因素选择其最好的水平的原则，A,C显著，B不显著可选取任意水平，为节约时间可选B1，因此最佳实验组合为A3B1C2。

（2）以y1、y2、y3为三个试验结果进行信噪比分析

图10信噪比分析图

分析：

A、B、C中A的信噪比最大，表示对结果影响最小，所以注意因素是B，其次是C,最后是A。

信噪比越大越好，所以最佳实验条件为A3B2C2。

四、统计过程控制应用与分析

1.统计过程控制（案例2）

某制药厂片剂车间生产某种药品对颗粒水分的数据，试应用平均值-极差控制图通过minitab软件进行统计过程控制分析。

其中规格界限是4±1。

表7

—R控制图数据

子样号

检查值

X1

X2

X3

X4

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

3.0

4.3

4.2

3.9

4.4

3.7

3.8

4.4

3.7

3.1

3.2

3.1

3.4

4.4

3.4

3.9

4.4

3.6

3.2

4.7

4.8

4.5

4.8

4.2

4.3

4.2

4.1

3.6

4.3

3.4

4.7

3.9

4.3

3.2

3.9

3.8

4.4

3.5

4.2

3.5

3.7

4.3

3.2

4.4

4.6

4.2

3.5

3.2

4.0

3.6

3.5

3.7

3.2

4.0

3.8

4.3

4.3

3.8

3.4

4.2

3.8

4.8

3.8

4.1

3.8

3.2

4.0

3.6

4.2

3.8

4.0

3.0

4.2

3.8

3.2

3.8

3.9

3.4

3.6

3.9

3.6

4.5

3.9

4.2

3.0

3.7

4.2

3.9

3.5

4.4

4.8

3.7

4.4

4.5

3.2

3.0

4.8

3.0

3.5

4.4

（1）先制作R图判稳

图11极差控制图

如图所示，根据判稳原则，过程稳定。

（2）再对均值图进行判稳

图12均值控制图

如图所示，根据判稳准则，也处于稳定状态，故生产过程处于控制状态下。

（3）过程能力分析

图13过程能力分析图

CP=0.63，CPK=0.56，两者相差不大，但是都小于0.67，因此过程能力严重不足，技术管理能力已经很差，应提高过程能力，减小分散程度来提高过程能力。

例如，提高设备精度，对设备进行周期性检查，加强维护保养，以保证药品颗粒水分的精度；加强操作人员的培训，加强现场质量控制等。

五、测量系统分析

1.测量系统（案例2）

某仪器厂生产袋装糠果，用秤测量其重量（单位：

千克）。

已知公差要求为45.5±0.5。

为进行测量系统分析，在总装线终端有代表性抽取10包成品糠果编好号，随机挑选3位检验员用各自的秤测量每包重量，将糠果包顺序打乱后再测一次，再打乱后测量3次，测量数据如下表，试进行测量系统分析。

表8测量数据

检验员

次数

糠果包

1

2

3

4

5

6

7

8

9

10

A

1

45.65

46.00

45.85

45.85

45.55

46.00

45.95

45.85

46.00

45.60

A

2

45.60

46.00

45.80

45.95

45.45

46.00

45.95

45.80

46.00

45.70

A

3

45.64

46.02

45.82

45.97

45.58

46.01

45.97

45.84

46.00

45.64

B

1

45.55

46.05

45.80

45.80

45.40

46.00

45.95

45.75

46.00

45.55

B

2

45.55

45.95

45.75

45.75

45.40

46.05

45.90

45.70

46.95

45.50

B

3

45.54

46.01

45.82

45.81

45.39

46.02

45.97

45.77

46.02

45.58

C

1

45.50

46.05

45.80

45.80

45.45

46.00

45.95

45.80

46.05

45.85

C

2

45.55

46.00

45.80

45.80

45.50

46.05

45.95

45.80

46.05

45.80

C

3

45.59

45.97

45.81

45.80

45.52

46.03

45.98

45.81

46.07

45.86

图14数据的量具分析图

P/TV（%SV）=33.56%>30%

P/T（SV/Toler）=40.56%>30%

因此，重复率和再现性水平不高。

NDC=3<5,因此，分辨力较弱。

综上，测量系统不合格，必须加以改进并再次进行评估。

六、综合案例分析

1.综合案例一

某单位拟采购厚度要求为20±4mm的塑料板，这种塑料板的厚度超出规格界限时，造成的损失为100元。

现选择了4家供应商单位进行评价。

分别测量了4家供应商同型号各30个塑料板，这些塑料板都是在生产过程稳定的条件下抽样测量的，测量结果见下表所示。

表9供应商测量数据

供应商A

18.65

17.44

18.59

18.15

20.73

16.83

21.36

19.95

18.65

20.94

20.90

21.52

17.82

20.14

17.61

19.02

19.67

20.20

19.54

20.43

20.87

20.09

21.41

21.66

20.78

19.33

19.42

21.24

18.09

20.73

供应商B

18.65

17.38

18.19

19.21

18.63

17.85

17.15

17.62

17.25

17.18

17.67

17.54

17.06

17.51

18.01

17.42

17.74

17.08

17.14

18.79

17.65

18.71

17.75

18.09

17.18

17.28

18.32

18.71

18.18

17.47

供应商C

16.94

16.32

17.67

17.55

17.95

17.27

17.32

17.23

16.94

16.79

16.98

17.40

17.37

16.48

17.05

16.98

17.51

18.17

17.40

16.81

17.21

16.88

17.36

17.01

17.27

17.30

17.44

17.02

17.06

17.36

供应商D

18.79

19.48

19.47

20.10

20.18

20.09

17.62

22.34

24.30

19.03

21.91

21.35

18.08

17.64

19.46

21.99

23.46

20.94

21.60

19.93

18.59

19.71

16.60

21.29

14.77

17.54

17.87

23.52

19.35

20.44

试对上述四家供货商的供货能力进行综合评价。

（1）

表10过程能力分析

供应商A

供应商B

供应商C

供应商D

均值

19.7

17.8

17.2

19.9

标准差

1.38

0.61

0.38

2.16

CP

0.97

2.18

3.45

0.62

CPK

0.90

0.99

1.04

0.60

PPK

0.91

1.00

1.05

0.61

图15四家供应商过程能力分析图

从图结果来看，供应商的过程能力指数小于0.67，偏低，无法满足生产；而供应商B和C虽然过程能力指数高，甚至过高，但从图中我们可以看到，数据集中在中心线的一侧，风险大，经济效益低；相对较好的是A供应商，过程能力指数在（0.67,1.33）的范围内，生产能力较好，且分布均匀，因此选择A供应商较好。

（2）质量损失分析

采用望目特性的质量损失函数计算各供应商的质量损失：

容差Δ=4cm，不合格损失A=100元，确定系数：

平均质量损失：

（m是目标值20，n为数值个数30）

通过下表计算可得4个供应商的平均质量损失

A：

11.81B：

32.13C：

49.81D：

27.75

A供应商的平均质量损失最小，所以选A供应商。

表11供应商平均质量损失计算表

M

供应商A

供应商B

供应商C

供应商D

A:

（Yi-m）^2

B:

（Yi-m）^2

C:

（Yi-m）^2

D:

（Yi-m）^2

20

18.65

18.65

16.94

18.79

1.8225

1.8225

9.3636

1.4641

20

20.9

17.67

16.98

21.91

0.81

5.4289

9.1204

3.6481

20

20.87

17.65

17.21

18.59

0.7569

5.5225

7.7841

1.9881

20

17.44

17.38

16.32

19.48

6.5536

6.8644

13.5424

0.2704

20

21.52

17.54

17.4

21.35

2.3104

6.0516

6.76

1.8225

20

20.09

18.71

16.88

19.71

0.0081

1.6641

9.7344

0.0841

20

18.59

18.19

17.67

19.47

1.9881

3.2761

5.4289

0.2809

20

17.82

17.06

17.37

18.08

4.7524

8.6436

6.9169

3.6864

20

21.41

17.75

17.36

16.6

1.9881

5.0625

6.9696

11.56

20

18.15

19.21

17.55

20.1

3.4225

0.6241

6.0025

0.01

20

20.14

17.51

16.48

17.64

0.0196

6.2001

12.3904

5.5696

20

21.66

18.09

17.01

21.29

2.7556

3.6481

8.9401

1.6641

20

20.73

18.63

17.95

20.18

0.5329

1.8769

4.2025

0.0324

20

17.61

18.01

17.05

19.46

5.7121

3.9601

8.7025

0.2916

20

20.78

17.18

17.27

14.77

0.6084

7.9524

7.4529

27.3529

20

16.83

17.85

17.27

20.09

10.0489

4.6225

7.4529

0.0081

20

19.02

17.42

16.98

21.99

0.9604

6.6564

9.1204

3.9601

20

19.33

17.28

17.3

17.54

0.4489

7.3984

7.29

6.0516

20

21.36

17.15

17.32

17.62

1.8496

8.1225

7.1824

5.6644

20

19.67

17.74

17.51

23.46

0.1089

5.1076

6.2001

11.9716

20

19.42

18.32

17.44

17.87

0.3364

2.8224

6.5536

4.5369

20

19.95

17.62

17.23

22.34

0.0025

5.6644

7.6729

5.4756

20

20.2

17.08

18.17

20.94

0.04

8.5264

3.3489

0.8836

20

21.24

18.71

17.02

23.52

1.5376

1.6641

8.8804

12.3904

20

18.65

17.25

16.94

24.3

1.8225

7.5625

9.3636

18.49

20

19.54

17.14

17.4

21.6

0.2116

8.1796

6.76

2.56

20

18.09

18.18

17.06

19.35

3.6481

3.3124

8.6436

0.4225

20

20.94