产品统计质量控制方案研究.docx
- 文档编号:4920743
- 上传时间:2022-12-11
- 格式:DOCX
- 页数:24
- 大小:345.79KB
产品统计质量控制方案研究.docx
《产品统计质量控制方案研究.docx》由会员分享,可在线阅读,更多相关《产品统计质量控制方案研究.docx(24页珍藏版)》请在冰豆网上搜索。
产品统计质量控制方案研究
毕业论文
题目产品统计质量控制方案研究
学院机械工程学院
专业工业工程
班级工程0701
学生陈绍芳
学号20070407004
指导教师曲一兵
二〇一年五月二十日
第一章绪论
1.1统计质量控制的背景
1.1.1统计质量控制的概念
统计质量控制简称SQC,是在质量控制图的基础上,利用数理统计方法控制整个生产过程,使质量控制得以数量化和科学化,从而预防性的控制产品质量的一种方法。
SQC的主要目标是保证所有的工序生产出的产品的质量特征值尽可能长地等于或接近于期望值,提高生产过程的工序能力,突破了单纯事后检验的局限性,通常也称为统计过程控制SPC。
1.1.2国内外发展状况
统计质量控制最早产生于20世纪20年代,在贝尔电话实验室工作的休哈特在1925年提出了休哈特控制图,同年道奇提出了计数抽样检验方案。
当时这样的方法并没有被完全重视理解,只在少数工厂中应用。
在第二次世界大战期间,由于战时的需要,对武器数量和质量的需求,美国政府开始大力提倡统计质量控制,促使控制图和抽样检验的理论和方法得到进一步的发展和完善。
在1942年,美国国防部将休哈特等一批专家召集起来,用数理统计的方法制定了一系列战时质量管理标准,在各地宣讲并强制推行。
这一举措不但成功解决了美国军需品的质量问题,而且还使美国的军工生产在数量、质量以及经济上都迅速占据世界领先地位。
第二次世界大战以后,日本为了振兴濒临崩溃的经济,从美国引入了质量管理的方法。
在美国统计学家和质量管理专家的帮助下,日本的质量管理得到迅速发展,在短短不到30年的时间里,创建了日本式的质量管理,使日本的工业产品质量跃居世界前茅。
美国著名的质量管理专家朱兰在考察了日本的经济后说:
“日本的振兴是一次成功的质量革命”。
我国从20世纪70年代后期开始,吸取了日本的经验,结合本国的国情,有计划地普及和应用统计质量控制的管理方法,1978年开始推行质量管理和统计技术,并在1981年成立了全国统计方法应用标准化技术委员会,现已初步形成了一个数理统计方法标准体系。
通过不懈的努力,我国统计质量管理水平得到了逐步提高。
1.2六西格玛管理体系简介
1.2.1六西格玛管理的发展状况
六西格玛管理是20世纪90年代初期摩托罗拉公司最早倡导的一项商务举措。
近年来更多的公司(如通用电气、索尼、联合新号等)成功实施六西格玛的故事更为华尔街所关注。
六西格玛管理即系统地应用统计工具,来获取必要的知识,从而创造出比竞争对手更快、更好、更廉价的产品和服务。
按部就班的、反复的将这些技能应用到筛选出的重要项目上,就会实现一定的利润增长。
六西格玛管理立足于生产的过程,以定义、测量、分析、改进、控制的结构为改进过程的核心,强调用定量的方法,结合各种统计工具,系统的找出并消除质量形变过程中的缺陷,通过对过程的持续控制和改进,追求卓越质量,从而提高客户满意度。
六西格玛关注的是在一个过程中管理者能测量出多少“缺陷”,以及能否系统地找出消除缺陷的方式,并尽可能地使其接近“零缺陷”。
所以它用比过去更广泛的视角来改进业绩,强调从顾客的关键要求和企业经营战略的焦点出发来寻求业绩突破的机会,六西格玛管理强调对业绩和过程的度量,提出挑战的目标,并采用各种统计方法来改进业绩,为顾客和企业创造最大价值。
六西格玛管理强调用西格玛水平来衡量过程波动,而且它还将西格玛水平与过程缺陷率对应起来。
经过发展演变,它在PDCA的基础上提出了一套支持过程改进的方法模式。
该方法从过程的输入和过程的输出关系着手,综合应用多种统计方法工具,找出影响输出的关键性因素,提高对过程的认识度及控制水平,从而实现过程的改进。
在六西格玛管理中,被广泛认同并使用的是过程改进模式(DMAIC)及过程设计模式。
1.2.2六西格玛管理过程改进模式DMAIC简介
六西格玛的过程改进模式DMAIC将过程分为五个阶段,每个阶段都有特定的需要完成的工作,并要求达到该阶段的要求。
遵循DMAIC这一模式实施过程改进,可以得到循序渐进的效果。
定义阶段(D):
确定顾客的关键需求并识别需要改进的过程。
工作内容主要包括:
识别顾客的要求、设定项目目标、界定项目范围、明确项目条件、整理和分析数据、确认需要改进的工作流程。
测量阶段(M):
通过对现有的过程的评估确定问题分析的焦点和范围,识别影响过程输出的几个重要输入,并对测量系统的有效性进行评价。
工作内容主要有:
确定关键的产品质量特性和过程质量特性、收集数据、检验测量系统和测量过程能力。
分析阶段(A):
通过数据分析确定影响输出的少数几个重要的输入。
主要工作有:
收集和分析数据、建立和验证因果关系、确定关键因素。
改进阶段(I):
通过对几个重要的输入的改进,寻找优化过程输出的方案,使过程的缺陷或变异降低,是六西格玛改进方法的核心,其具体内容有:
广泛征集改进建议、制定改进方案和实施改进。
控制阶段(C):
对改进后的过程程序化,并采用有效的控制方法保持过程改进的成果,使过程持续运行在高水平上。
本阶段的主要工作有:
制定相应文件、明确过程处理的监控职责、实施过程监控。
DMAIC模式(图1.1)在实施中,应用数理统计学技术为基础的工具进行数据收集、监视测量、问题分析、改进优化和控制效果,来达到增强顾客满意度、提高企业业绩的目的。
图1.1DMAIC流程图
1.3本文主要研究内容
本文主要以六西格玛管理方法的思路为主线,以统计质量控制为方法,展开一系列的研究。
产品的功能分解,制造业成品一般都比较复杂,很难求的满足总功能的方案,所有要对其总功能进行分解,建立产品的功能结构图,由此,了解总功能跟各个功能原件、分功能之间的关系,明确每个分功能的输入量和输出量,进而可以求的各分功能的功能原解,将求得的各功能原解有机的结合起来,就可以求得系统的总功能方案。
产品的关键质量特性是决定和影响产品质量的关键少数质量特性,起源于顾客需求,在需求分析,方案设计、结构设计与详细设计阶段不断传递与细化。
关键质量特性是决定和控制产品质量的基本信息单位,是产品质量的遗传物质。
它们能够极大的影响产品的顾客满意度、安全性、功能实现、性能约束满足等,它们需要额外的控制手段来减少潜在的质量问题。
本文,主要研究内容,就是针对S企业生产的数字屏显式万能液压试验机产品,设计一套适用于它的统计质量控制系统。
首先就要对该型号的试验机进行产品的功能分解,从而,将总功能分解为各个功能原件,再对这些功能原件进行关键质量特性分析。
在确定了产品的关键质量特性以后,运用质量统计的方法,对其进行加工过程的统计过程控制,最终实现,对影响产品质量的关键部件的控制。
1.4研究方法与手段
针对制造产品本身的统计质量控制,就是对其生产过程进行控制,具体到某一零件即对其工序过程进行控制。
对于装配件,就是将顶层的关键特征按照工艺流程图进行分解,使关键特征传递到组件和零件级,控制较低级别的关键特征有助于保证装配级关键特征的受控。
产品质量的好坏取决于工序质量,衡量工序质量的重要标志是工序能力,工序能力是指工序处于受控状态下的实际加工能力。
在受控状态下,产品的质量特征因受各种各样的偶然因素干扰呈现出随即波动。
这种随机波动导致了制造出来的各个产品其质量特性值呈正太或其他类型的统计分布。
工序能力就是描述制造过程这种客观存在的分数程度的一个量值。
影响产品的质量的因素可分为随机因素和系统因素,也可称为偶然因素和异常因素。
使用控制图可以及时区分异常因素与偶然因素,起到及时警告的预防作用。
本文主要运用以上几种方法,形成一个统计质量控制的体系。
从而,对S企业的某型号产品进行质量控制,控制结果进行分析,最终完善生产过程中的不足,提高产品的最终质量。
1.5研究目的
使本研究所制定完成的体系,在投入生产实际后,可以有效的对生产流程中的关键加工工艺,机器零部件中的关键零件进行全面的质量控制。
使整个生产流程更加合理化,关键零部件的质量可靠性加强,可以解决企业长久以来的一些问题,从而使企业降低质量缺陷和服务偏差并保持持久性的效益,促进快速实现突破性绩效,最终实现真正统计质量控制管理理念的目的,竟可能的接近“零缺陷”,从顾客的关键要求以及企业经营战略的焦点出发,使业绩得到突破,为顾客和企业创造最大价值,最终帮助企业达到战略目标。
在此基础上,结合S厂的实际状况,针对该企业的战略目标以及生产实际中的问题,在不改变原有生产模式的基础上,对各个关键工序进行控制,以达到预期的效果,使产品的质量可靠性,最优化。
第二章相关理论综述
2.1问题的提出
2.1.1制造业面临的问题
质量管理和质量保证体系标准在全球范围内的大力推广,以及市场经济日趋发达的今天,用户的质量意识得到了普遍的提高,用户一方面需求产品拥有一流的质量,另一方面又不希望产品的价格过高。
任何企业都深刻地感受到了提高产品质量的重要性。
产品质量已成为企业有效参与市场竞争的重要前提,为了提高企业在国际市场中的竞争优势,企业家积极的思考如何在这一形势下求生存、求发展的策略。
传统的统计质量基于休哈特提出三西格玛质量控制图,监测控制同一产品的同一质量特征的变化规律,使之满足标准并保持稳定,它是以大量检测数据为前提。
在日趋激烈的市场竞争和顾客对产品质量要求不断提高的如今,三西格玛质量管理已经满足不了时代的发展和顾客的要求了,至此更为严格的六西格玛质量概念得以应运而生。
2.1.2统计质量控制体系解决的问题
制造业生产中的统计质量控制,主要是统计过程控制,统计过程控制是一种借助数理统计方法的过程控制工具。
对生产过程进行评价分析,根据反馈信息及时发现影响系统的因素出现的征兆,并采取措施消除其影响,使过程维持在仅受随机性因素影响的受控状态,以达到控制质量的目的。
当过程仅受随机因素影响时,过程就处于统计控制状态即受控状态;当过程中存在系统因素的影响时,过程就处于统计失控状态即失控状态。
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;而失控时,过程分布将发生改变。
统计质量控制正是利用过程波动的统计规律性对过程进行分析控制。
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。
产品加工过程的质量是保证产品质量的关键,对产品的加工过程实行质量控制,是质量管理的重要环节,产品在加工过程中得质量好坏,在很大程度上取决于生产环节制造产品的工序质量和加工过程的质量管理水平。
加工过程中导致产品缺陷的因素有很多,一般有制造人员的技术水平和责任心、组织管理、制造工艺水平及制造工艺流程、制造材料的选用和质量控制的合理性、制造设备的齐整和精度与维护保养水平、制造环境如何、质量与可靠性保证检验如何等。
针对这些因素,为了做好和加强加工过程中的质量管理工作,实施六西格玛质量管理是非常必要的。
试验机广泛用于科学研究、能源交通、冶金化工、机械电子等各个领域,是科研、生产必备的基本设备。
在材料试验、新型材料开发、产品设计、产品质量监督和控制等方面发挥着重要作用。
其质量的好坏将直接影响一系列的产品质量,因此,保证和提高液压式万能材料试验机的质量对促进我国的工业发展具有重要意义。
2.2统计质量控制的基本原理
2.2.1统计质量控制的原理
生产过程中导致产品质量发生变异的因素有很多,包括人、机、料、法、环,即通常所说的4M1E。
按照它们对产品质量的影响不同,可分为随机因素和系统因素。
随机因素是不可避免的,但它对产品质量的影响较小,在技术上不易识别,在经济上又不值得消除,例如温湿度的微小变化,机床的轻微振动等。
但系统因素的影响是严重的,生产过程中如果存在系统因素,它将给产品质量带来很大的影响,例如刀具的过度磨损、操作者的疏忽等。
判断系统因素的存在依据的规律,当生产过程中只有随机因素存在时,其质量特征一般形成正态分布,此时可以认为生产过程处于统计控制状态;一旦偏离正态分布,就可以判断存在系统因素,生产过程处于失控状态。
虽然统计过程控制技术已发展到近百种,但他们都是基于一个相同的基本原理,即统计学中的小概率事件原理:
在一次观测中,小概率事件是不可能发生的,一旦发生就认为系统出现问题。
把此原理转化为工程技术语言可描述为“预先假定过程处于某一状态,一旦显示出偏离这一状态的极大可能就认为该过程失控,于是就对其进行及时调整”。
2.2.2统计质量控制常用的工具
1)调查表
调查表是为了调查产品、工作性质、客观事物和分层收集数据而设计的图表。
调查表主要是用来系统的收集数据,发现过程的缺陷,以便做量化的分析。
常用的调查表有记录调查表、缺陷位置调查表和分布调查表。
记录调查表也称为不合格品项目调查表,可以记录一段时间内某几项特征出现的次数,或者是抽查的几批同型产品中各种缺陷出现的频次;缺陷位置调查表,运用于当产品的缺陷类型和其在产品上的位置有关的情况,可以直观的反映各种缺陷的位置和密集程度;分布调查表也称为质量分布调查表或者生产工序检验表,用以记录产品的某一项质量特性值的分布情况。
2)分层法
分层就是把所收集的数据进行合理的分类,把性质相同、在同一生产条件下收集的数据归在一起,把划分的组叫做“层”,通过数据把错综复杂的影响质量因素分析清楚。
3)直方图
直方图是适用于对大量计量值数据进行整理加工,找出其统计规律,即分析数据分布的形态,以便对其总体的分布特征进行推断,对工序或批量产品的质量水平及其平均程度进行分析的方法。
4)散布图
散布图是通过分析研究两种因素的数据之间的关系,来控制影响产品质量的相关因素的一种有效方法。
在生产实际中,往往有些变量之间存在着相关关系,但又不能由一个变量的数值精确地求出另一个变量的数值。
将这两种有关的数据列出,用点子打在座标图上,然后观察这两种因素之间的关系。
这种图就称为散布图。
5)排列图
排列图是通过找出影响产品质量的主要问题,以便改进关键项目。
排列图最早由意大利经济学家巴累特用于统计社会财富分布状况的。
他发现少数人占有大部分财富,而大多数人却只有少量财富,即所谓“关键的少数与次要的多数”这一相当普遍的社会现象。
6)因果图
因果图是表示质量特性与原因的关系的图。
主要用于寻找质量问题产生的原因。
因果图就是通过层层深入分析收集各种信息,比较原因大小和主次,来找出产生问题的主要原因。
也就是根据反映出来的主要问题,找出影响它的大原因、中原因、小原因、更小原因等等。
7)控制图
控制图是判断和预报生产过程中质量状况是否发生波动的一种有效方法。
所谓控制图的基本思想就是把要控制的质量特性值用点子描在图上,若点子全部落在上、下控制界限内,且没有什么异常状况时,就可判断生产过程是处于控制状态。
否则,就应根据异常情况查明并设法排除。
通常,点子越过控制线就是报警的一种方式。
控制图作为一种管理图,在工业生产中,根据所要控制的质量指标的情况和数据性质分别加以选择。
常用质量控制图可分为两大类:
计量值控制图包括、计数值控制图。
2.3六西格玛的基本含义
2.3.1六西格玛的统计学含义
六西格玛的统计学含义是标准差,是代表一组数据和过程结果输出的一个数量指标,是用来表示任意一组数据或过程输出结果的离散程度的一个指标,量化稳定或者不稳定的程度,它可以评估产品和流程的波动性。
数据分散对于顾客来说就意味着经济损失,顾客感受的是得到的与期望得到的之间的差异。
在六西格玛管理中,把顾客的需求和期望称为关键质量特性(CTQ)。
六西格玛质量水平将过程输出的平均值、标准差与顾客要求的目标值、规格联系起来去比较,是对过程满足顾客要求能力的一种测量。
西格玛水平越高,能容纳的标准差的个数就越高,数据就越集中在目标附近,其分散程度相对于可接受的偏差范围来说就越少。
反之,过程能力指数越低,产品质量满足不了顾客需求。
六西格玛管理中的西格玛代表了很高质量水平,代表100万次机会只有3.4次缺陷。
在生产过程中,即使是再稳定,再好的过程能力的情况下,波动和偏移也总是存在的。
长期质量水平必须考虑各种各样短期的情况和条件,在这种情况下的过程能力计算称之为长期过程能力。
在计算长期过程能力时我们常常将正态分布的中心向左或者向右偏移1.5
,表2.1给出的是过程输出的质量特征平均值和规格中心同时向左或者向右偏移1.5
,的条件下不同
水平对应的产品优率和缺陷率的关系表。
表2.1在偏移1.5
情况下
与优率、缺陷率的关系表
水平
优率(%)
缺陷率(DPPM)
1.0
30.23
679700
2.0
69.13
308700
3.0
93.32
66810
4.0
99.379
6210
5.0
99.9767
233
6.0
99.99966
3.4
根据管理咨询的先驱詹姆斯·麦金锡的调查和研究,如果一个过程能力在3
的公司组织其所有资源每一年将其过程能力提高1
,他将获得利润每年提高20%,产品销售额每年提高12%到18%,员工减少12%,资金注入将减少10%到30%,并且当过程能力提高到4.8
之前,企业根本就不需要为过程能力的提高花费大量金钱,所以当今企业普及采用的是6
能力的控制。
2.3.2六西格玛的管理学含义
六西格玛是真正关注顾客的管理方法,通过对对公司满意的顾客和不满意的顾客以及潜在顾客的调查,通过客户的抱怨和市场反馈去理解客户需求,根据客户的需求制定公司目标和评估公司绩效,六西格玛改进和设计是以对顾客满意所产生的影响来确定。
六西格玛原理则是从分辨什么指标是对测量经营业绩的关键开始的,然后收集数据并分析关键变量。
六西格玛采取的措施是针对过程的,把所有的重复性的工作看为是一个流程,不仅是过程设计,服务的提供,还有绩效评估、顾客满意度的提高,甚至整个价值链的过程。
六西格玛管理是一种积极的事前的管理方法,就是通常所说的预防性管理。
预防即意味着在事件发生之前采取行动,而不是事后做出反应。
六西格玛强调无边界合作,“无边界”是GE公司的前任CEO杰克·韦尔奇经营成功的口号之一。
无边界合作消除了部门与部门之间,上级与下属之间的沟通障碍,他有助于避免公司内部的不良竞争,促进内部的水平合作和垂直合作。
这样,就可以使每一个部门和员工都朝着同一目标努力,为顾客提供一流的服务和高质量的产品。
六西格玛管理的无边界合作并不是要无条件地牺牲个人利益,而是要让每个人都知道最终消费者和整个过程的真正需求,更重要的是,它鼓励每个人都受益。
六西格玛追求完美,但同时也可以容忍错误,追求完美和容忍错误看起来自相矛盾,其实是相辅相成的。
新方法的实验和新思想新理念的执行总是会伴随一定程度的风险的,甚至最终会以失败告终。
六西格玛管理的业绩改善的技术分析中包含了风险管理,这就要求我们去评估风险,六西格玛管理也应用了一些工具去把风险降到最低同时努力最求完美。
2.4六西格玛管理的常用工具
六西格玛在不同的阶段会用到一些不同的工具,六西格玛要求有工具的支持,表2.2是在各个阶段六西格玛常用的一些工具。
表2.2六西格玛各阶段常用工具
阶段
关键点
常用工具
定义
决定输出因素
1.头脑风暴2.VOC3.流程图4.鱼骨图
测量
测量输入和输出因素
1.柏拉图2.散布图3.FMEA4.MSA
5.直方图6.检查表
分析
确定关键原因
1.假设检验2.ANOVA3.DOE4.回归分析
改进
消除关键原因
1.响应曲面2.过程优化3.正交DOE4.MSA
控制
维持现状
1.控制图2.标准化3.SPC4.Pola-Yoka
第三章控制系统的总体设计
3.1产品的功能分解
制造业成品一般都比较复杂,很难求的满足总功能的方案,所以要对其总功能进行分解,建立产品的功能结构图,由此,了解总功能跟各个功能原件、分功能之间的关系,明确每个分功能的输入量和输出量,进而可以求得各分功能的功能原解,将求得的各功能原解有机的结合起来,就可以求得系统的总功能方案,这就是产品的功能分解。
3.1.1产品的工序分解
针对制造产品本身的统计质量控制,就是对其生产过程进行控制,具体到某一零件即对其工序过程进行控制。
对于装配件,就是将顶层的关键特征按照工艺流程图进行分解,使关键特征传递到组件和零件级,控制较低级别的关键特征有助于保证装配级关键特征的受控。
工序质量控制的流程图如图3.1:
图3.1工序质量控制流程图
对产品的生产工艺流程图进行了解,再对每个工序流程进行深入的分析,并绘制详细的工序流程图。
根据流程图,对产品的功能进行分解,确定产品的质量控制的关键零件,确定它的关键质量特性,从而对其进行工序质量控制。
3.1.2确定关键特征
产品工艺过程的关键零件、关键工序以及光洁质量特性是产品生产过程的关键质量控制点,必须确定和测量关键特征的波动,并保证关键特征处于统计控制状态,即受控状态。
确定质量控制点的几条原则:
1)对产品精度、性能、安全、寿命等有重要影响的质量特征部位;2)工艺上有特殊要求,或对下道工序有较大影响的部位,如机械加工中的工艺基准;3)质量不稳定,容易出现不合格品的工序;4)顾客或下道工序反映质量问题较多的零件和工序。
确定关键特征的要点:
1)关键特征应是少量的,通常单独的零件可确定2、3个关键特征;2)关键特征的设置不是一成不变的,可以随着时间的推移而改变;3)关键特征是可测量的,并应尽可能使用计量型数据。
3.2抽样检验
3.2.1抽样检验的基本思想
是从整批产品中随机抽取部分产品作为样本,根据对样本的检验结果,使用一定的判断规则,去推断整批产品的质量水平。
其目的在于判断一批产品或一个过程是否可以被接受。
检验对象为一批产品,经检验的合格批中可能包含不合格品,不合格批中也可能包含合格品。
3.2.2常用的抽取样本的方法
随机抽样方法,可细分为单纯随机抽样、分层随机抽样、分群随机抽样。
单纯随机抽样是从总体样品中随机抽出n个样品,分层随机抽样是事先对总体进行分层,以保证当总体庞杂,内部存在较大差异时,有利于保证样本的代表性;分群随机抽样是指将被调查的总体区分为若干群体,以随机抽样法选定群体并对其进行调查的方法。
系统抽样法是依据一定间距抽取样本,采用系统抽样法,应对总体中的单位或个体进行编号,并要确定样本间距数。
采取系统抽样法抽出的样本,能够使样本均衡地分散在总体的各单位中,不会过分集中于某些单位,从而有利于增强样本的代表性,并且抽样的方法简便易行。
3.3控制图的应用
3.3.1工序能力
产品质量的好坏取决于工序质量,衡量工序质量的重要标志是工序能力,工序能力是指工序处于受控状态下的实际加工能力。
在受控状态下,产品的质量特征因受各种各样的偶然因素干扰呈现出随即波动。
这种随机波动导致了制造出来的各个产品其质量特性值呈正太或其他类型的统计分布。
工序能力就是描述制造过程这种客观存在的分数程度的一个量值。
通常用B表示,通过用工序受控状态下产品质量特征值的标准差的6倍来刻划,即:
。
是表征工序能力的一个关键参数。
越大,工序能力越低,
越小,工序能力越高。
图3.2示意了三种不同的工序能力,三条曲线分别代表了三个不同的生产过程状态,其中,加工能力以西格玛
代表的工序为最高,
次之,最差的是质量特征标准值标准差为
的工序。
图3.2不同的工序能力
3.3.2控制图的原理
控制图(图3.3)上有三条线,分别为:
中心线CL,上控制线UCL,下控制线LCL,用时间顺序作为控制图的横坐标,用统计量的数值作为控制图的纵坐。
图3.3控制图原理
对于服从或近似服从正态分布的统计量,可以按
原则绘制控制图。
假设统计量服从正太分布X~N(
,
),产品质量计量值在
与
上下界限之间出现的概率约为99.73%。
控制图的上下界限约为:
(
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 产品 统计 质量 控制 方案 研究