1、質(zhì)量管理與可靠性實驗指導(dǎo)書車軸鋼技術(shù)標準:氫:<=2ppm,氧:<=20ppm,氮:5070ppmSi:0.200.30%,Mn:0.700.80%,P:<=0.015%S:<=0.010%,Ni(鎳:<=0.010%,Cr(鉻:<=0.015% Cu:<=0.010%,V(釩:0.0200.050%,Al:0.0200.050%(一工序能力調(diào)查實驗實驗?zāi)康?統(tǒng)計學領(lǐng)域提供有關(guān)收集、匯總、分析和解釋數(shù)據(jù)以及根據(jù)分析結(jié)果得出結(jié)論的原則和方法學。統(tǒng)計量可以用于描述數(shù)據(jù)并做出推斷,這兩者都可以指導(dǎo)決策并改進過程和產(chǎn)品。一、打開Minitab軟件,建立“工序能

2、力調(diào)查實驗”項目。 圖1-1 Minitab軟件界面1.從菜單選擇File->New 從菜單選擇【文件】【新建】2.選擇Minitab Project,然后點擊OK選擇Minitab 項目,然后單擊【確定】按鈕。 新建項目可以保存當前的工作為一個項目。當保存了項目,就一次性的保存了所有工作,包括所有的在會話窗口的輸出,所有的打開的圖形窗口。當重新打開項目時,所有的信息將重新顯示,就是保存時候的狀態(tài)。按照下面的步驟來保存你的項目:.從菜單選擇File->Save Project As從菜單中選擇【文件】【將項目另存為】.在Save in 框中,選擇你要保存項目的文件夾.在File n

3、ame框中,輸入你的項目的名字,然后點擊Save【保存】。3.建立車軸鋼成份分析數(shù)據(jù)表從菜單選擇File>New,然后在彈出的對話框選擇Minitab Worksheet 【Minitab 工作表】,然后點擊OK【確定】。也可以直接將Excel數(shù)據(jù)表中的數(shù)據(jù)“copy”過來。二、選擇要分析的成份(下面以C為例數(shù)據(jù),繪制直方圖,查看其分布規(guī)律以及變化趨勢:1.從菜單選擇Graph【圖形】-> Histogram【直方圖】;2.選擇Simple【簡單】,然后單擊OK【確定】; 直方圖3.在Graph Variables 【圖形變量】中鍵入C,單擊OK【確定】; 直方圖參數(shù)設(shè)置界面 直方

4、圖結(jié)果4.為了測定成份C的數(shù)據(jù)是否服從正態(tài)分布,對直方圖進行正態(tài)擬合;.從菜單選擇Graph【圖形】-> Histogram【直方圖】;.選擇With Fit【包含擬合】,然后單擊OK【確定】;.在Graph Variables【圖形變量】中鍵入C,單擊OK【確定】 包含擬合直方圖如上圖所示,成份C的數(shù)據(jù)分布曲線是近似正態(tài)分布。(如果觀察值少于50 個,也可以用正態(tài)概率圖象來檢驗其正態(tài)性Graph【圖形】-> Probability Plot【概率圖】或【統(tǒng)計】【基本統(tǒng)計量】Stat Basic satistics->【正態(tài)性檢驗】Normality Test下圖是用Grap

5、h【圖形】-> Probability Plot【概率圖】得出的結(jié)果。 5.成份C的數(shù)據(jù)變化趨勢分析,以生產(chǎn)班組分組觀察;.選擇選擇Graph【圖形】->Individual Value Plot【單值圖】;.在One Y 一個Y選項下,選擇With Groups【含組】單擊OK; .在Graph Variables 【圖形變量】中鍵入C,用于分組的類別變量中鍵入班組; .單擊Data View【數(shù)據(jù)視圖】按鈕,選中Mean Connect line【均值連接線】。 單值圖顯示了四個生產(chǎn)班組所煉的鋼,C含量平均值看起來都差不多。如果細化的話,還可以對早、中、晚不同時間段生產(chǎn)的鋼種進

6、行成份分析,查找缺陷原因。三、成份數(shù)據(jù)統(tǒng)計分析,計算相關(guān)統(tǒng)計量:對C成份數(shù)據(jù)描述性統(tǒng)計量的計算;. 選擇Stat【統(tǒng)計】->Basic Statistics【基本統(tǒng)計量】->DisplayDescriptive Statistics【顯示描述性統(tǒng)計】;. 在Variables 【變量】中鍵入C;.單擊Statistics;.取消First quartile, Median, Third quartile, N nonmissing, 和Nmissing的選中狀態(tài),選中N Total;取消選中下四分位數(shù)、中位數(shù)、上四分位數(shù)、N 非缺失和N 缺失,選中N 合計。.在每個對話框中單擊OK

7、結(jié)果如下:描述性統(tǒng)計: C平均值變量合計數(shù)平均值標準誤標準差最小值最大值C 50 0.50340 0.00226 0.01599 0.47000 0.54000重復(fù)執(zhí)行上述步驟,在【變量】選項中鍵入C,在按變量選項中鍵入班組,單擊確定按鈕,可得到如下結(jié)果: 描述性統(tǒng)計: C平均值變量班組合計數(shù)平均值標準誤標準差最小值最大值C 丙 12 0.50167 0.00423 0.01467 0.48000 0.53000丁 12 0.50333 0.00512 0.01775 0.48000 0.54000甲 13 0.50462 0.00418 0.01506 0.48000 0.53000乙 13

8、 0.50385 0.00500 0.01805 0.47000 0.54000(二工序質(zhì)量控制實驗四、模擬生產(chǎn)過程,繪制控制圖,判斷工序控制狀態(tài):該鋼鐵公司內(nèi)部采取以下判異準則來檢驗異常原因:檢驗1:有1 個點離開中心線的距離超過3 倍標準差檢驗2:連續(xù)7 個點在中心線的同一側(cè)檢驗3:連續(xù)7 個點有上升趨勢或下降趨勢1.選擇Tools->Option->Control Charts and Quality Tools->DefineTests;選擇工具->選項->控制圖和質(zhì)量工具->定義檢驗;選中前三個檢驗,在第二個檢驗的K下,將值更改為7 ,在第三個檢驗

9、的K下,將值更改為7 。2.單擊OK【確定】; 3.選擇【統(tǒng)計】->【控制圖】->【子組的變量控制圖】->Xbar-S;4.在彈出的對話框的空白框內(nèi)鍵入要分析的成分所列的標題,比如“C”,在Subgroup size【子組大小】中,鍵入5;5.工序受控狀態(tài)分析。 控制圖分析:該車軸鋼種C含量數(shù)據(jù)點均落在控制限內(nèi),沒有顯示任何非隨機的模式。因此,過程的平均值和標準差是受控的(即穩(wěn)定的。平均值為0.5034,平均標準差( S 為0.01513。 注也可以繪制其他類型的控制圖,比如(Xbar-R,Xbar,R,S,I-MR-R/S等等上圖即為I-MR-R/S Chart ,也就是三

10、者Xbar、R s(移動極差、S合成圖。五、評估工序/過程能力:在確定一個過程受控之后,下面分析一下過程是否有能力即它是否能滿足規(guī)范要求,生產(chǎn)的部件或成品是否是好的。通過比較過程的波動和規(guī)范的寬度,可以確定一個過程的能力。如果評價過程能力之前,過程沒有受控,可能得到不正確的過程能力估計。在MINITAB 中,通過繪制過程能力直方圖和過程能力圖,可以圖像化地評估過程能力。這些圖像可以幫助評估數(shù)據(jù)分布的情況,驗證過程是否受控。能力指數(shù)或能力統(tǒng)計量是評估過程能力的簡便方法。MINITAB 為很多數(shù)據(jù)分布類型提供了能力分析,包括正態(tài)分布、指數(shù)分布、威布爾分布、伽瑪分布、泊松分布和二項分布。以我們分析的

11、車軸鋼成份為例,公司內(nèi)部執(zhí)行的標準為(%:C0.480.52, Si-0.200.30,Mn-0.70-0.80,P-<0.015,S-<0.010,Cu-<0.10,其他與我們實驗分析無關(guān)的成份要求暫時省略。我們規(guī)定對于上面有雙側(cè)要求的成份,其規(guī)范中心M取上下限的均值,即M=1/2(Tu + TL。1.選擇Stat【統(tǒng)計】->Quality Tools【質(zhì)量工具】->Capability AnalysisNormal【能力分析】【正態(tài)】;2.在Data arearranged as【數(shù)據(jù)排列為】下面,選擇Single column【單列】,鍵入C。3.在Subg

12、roup size【子組大小】中,鍵入5。4.在Upper spec 中,鍵入0.525.在Lower spec 中,鍵入0.48 6.單擊Option【選項】。在Target(adds Cpm to table目標(添加Cpm到表格里,鍵入0.50。7.在每個對話框中都單擊OK【確定】。 8.根據(jù)C p 計算可能的不合格品率p=2-3C p(1+k-3C p(1-k:. 選擇Calc->Probability Distributions->Normal;計算概率分布正態(tài). 選中Cumulative probability【累積概率】;. 選中Input constant【輸入常量

13、】,并輸入3C p(1+k的值:1.5093(此處應(yīng)該填入計算結(jié)果,不支持公式,在Session 窗口輸出如下結(jié)果,即3C p(1+k的值: Cumulative Distribution FunctionNormal with mean = 0 and standard deviation = 1x P( X <= x 1.5093 0.934389. 重復(fù)上述步驟(輸入1.0607可以得出3C p(1-k:Session 窗口輸出結(jié)果如下:Cumulative Distribution FunctionNormal with mean = 0 and standard deviati

14、on = 1x P( X <= x 1.0607 0.855587.p=2-0.934389-0.855587=0.210024。可以從影響工序能力的三個方面入手,改變相關(guān)的參數(shù)值,通過觀察繪制的過程能力直方圖,理解各個因素對C p的影響。 圖 a 偏差對C p的影響 圖 b 規(guī)范限對C p的影響比如放寬規(guī)范限,提高實際加工精度(減小成份數(shù)據(jù)分散度調(diào)整偏移量等等: 1.調(diào)整目標值為:0.50>0.5034;從圖a中可以看出:C p 0.45>0.642.調(diào)整規(guī)范限為:(0.48,0.52>(0.46,0.54;從圖b中可以看出:C p 0.45>0.64六、模擬生

15、產(chǎn)過程,設(shè)計抽樣檢驗方案,對產(chǎn)品質(zhì)量進行抽檢:1.按N=100, 級檢查水平和以工序能力調(diào)查實驗估計的不合格品率作為AQL值,確立正常一次抽樣方案;碼:F;. 以接近工序能力調(diào)查實驗估計的不合格品率的AQL值查表(P431,附表2得正常一次抽樣方案(n,c;n=20,c=102.隨機抽樣;.選擇Calc-> Random Data-> Sample From Columns;計算隨機數(shù)據(jù)來自列的樣本.在“Sample”后面的空白框內(nèi)填入樣本量:n,在“rows fromcolumn(s”【來自列】,輸入“C”; .在“Store samples in【將樣品存儲在】”后輸入:CSa

16、mple,ok。在數(shù)據(jù)窗口就會增加“CSample”列,該列就是從C成份數(shù)據(jù)的抽樣結(jié)果。3.樣本質(zhì)量數(shù)據(jù)統(tǒng)計:統(tǒng)計未落入規(guī)范限的爐數(shù)d;4.將樣本統(tǒng)計結(jié)果d與抽樣方案的接受標準c進行比較,對檢驗批作出判斷:是合格并接受,還是不合格并拒收;5.應(yīng)用五點作圖法繪制該方案的特性曲線OC1:. 選擇Calc->Probability Distributions->Binomial;計算概率分布二項式. 選中Cumulative probability【累積概率】,在“number of trails”【試驗數(shù)】欄填入樣本量 n=20，在“probability of success【事件概

17、率】” 欄填入 AQl 值或上面統(tǒng)計出的工序平均不合格品率 p； . 選中 Input constant 【輸入常量】 ， 輸入抽樣方案的接受標準 c， 在 Session 窗口輸出如下結(jié)果，即在不合格品率 p 下該抽樣方案的接受概率 L（p）： 累積分布函數(shù) 二項分布，n = 20 和 p = 0.21 x 10 P( X <= x 0.999128 . 重復(fù)-步驟，得出繪圖所需的 5 個 p 下的接受概率 L（p）； . 以 P 為橫坐標，L（p）為縱坐標作抽樣特性曲線：OC1 曲線。 6. 重復(fù) 1-5 步驟，得出加嚴一次、放寬一次抽樣方案的特性曲線 OC2、OC3，將三 條曲線繪于同一坐標系中， 7. 比較三條曲線，分析三種抽樣方式的特點。 注：由于 Minitab 繪圖功能的限制，需要手工繪制 OC 曲線。也可以采用 Matlab 繪制，便 于實驗報告的打印。方法如下： p=0:0.01:1; x1=