中国计量大学质量管理软件实习报告初稿.doc

质量管理软件实习实习报告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 日目 录一、 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 21. 排列图（案例1）22. 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61. 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111. 测量系统（案例2）11六、 综合案例分析131. 综合案例一132. 综合案例二16 17一、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150001676030025000883681614953500071251121482450001293000055000171311110650002396510275000196013000合 计频 数246105355623189频 率1.0000.4270.1420.2280.0930.0730.037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1050.4270.427工具560.2280.655设备350.1420.797工艺230.0930.890材料180.0730.963其他90.0371合计2461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61555839495550555550443850485350505050524852525248554549505445505551485453556055564347505050574740435453454348434543535349474840484547524850474854504749505551434554555547635049556045524755555650464547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%）149.216.7250.017.0349.316.8449.016.6549.016.7649.516.8749.816.9849.917.0950.217.11050.217.1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=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 + 0.369 x自变量 系数 系数标准误 T P常量 -1.413 1.297 -1.09 0.308x 0.36853 0.02614 14.10 0.000S = 0.0368609 R-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 + 0.369 X当反应温度为50时，化工产品的收率在显著性水平=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/%C18090528512063901507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CD转换率Y1转换率Y2转换率Y311（80）1（90分）1（5%）1313438212（120分）2（6%）2545258313（150分）3（7%）338364242（85）123534857522314945526231242404473（90）1325755588321362596493321646166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ACB，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41。表7 R控制图数据子 样 号检查值X1X2X3X4123456789101112131415161718192021222324253.04.34.23.94.43.73.84.43.73.13.23.13.44.43.43.94.43.63.24.74.84.54.84.24.34.24.13.64.33.44.73.94.33.23.93.84.43.54.23.53.74.33.24.44.64.23.53.24.03.63.53.73.24.03.84.34.33.83.44.23.84.83.84.13.83.24.03.64.23.84.03.04.23.83.23.83.93.43.63.93.64.53.94.23.03.74.23.93.54.44.83.74.44.53.23.04.83.03.54.4（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45.50.5。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12345678910A145.6546.0045.8545.8545.5546.0045.9545.8546.0045.60A245.6046.0045.8045.9545.4546.0045.9545.8046.0045.70A345.6446.0245.8245.9745.5846.0145.9745.8446.0045.64B145.5546.0545.8045.8045.4046.0045.9545.7546.0045.55B245.5545.9545.7545.7545.4046.0545.9045.7046.9545.50B345.5446.0145.8245.8145.3946.0245.9745.7746.0245.58C145.5046.0545.8045.8045.4546.0045.9545.8046.0545.85C245.5546.0045.8045.8045.5046.0545.9545.8046.0545.80C345.5945.9745.8145.8045.5246.0345.9845.8146.0745.86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=35,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204mm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A18.6517.4418.5918.1520.7316.8321.3619.9518.6520.9420.9021.5217.8220.1417.6119.0219.6720.2019.5420.4320.8720.0921.4121.6620.7819.3319.4221.2418.0920.73供应商B18.6517.3818.1919.2118.6317.8517.1517.6217.2517.1817.6717.5417.0617.5118.0117.4217.7417.0817.1418.7917.6518.7117.7518.0917.1817.2818.3218.7118.1817.47供应商C16.9416.3217.6717.5517.9517.2717.3217.2316.9416.7916.9817.4017.3716.4817.0516.9817.5118.1717.4016.8117.2116.8817.3617.0117.2717.3017.4417.0217.0617.36供应商D18.7919.4819.4720.1020.1820.0917.6222.3424.3019.0321.9121.3518.0817.6419.4621.9923.4620.9421.6019.9318.5919.7116.6021.2914.7717.5417.8723.5219.3520.44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19.717.817.219.9标准差1.380.610.382.16CP0.972.183.450.62CPK0.900.991.040.60PPK0.911.001.050.61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=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：11.81 B：32.13 C：49.81 D：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DA:(Yi-m)2B:(Yi-m)2C:(Yi-m)2D:(Yi-m)22018.6518.6516.9418.791.82251.82259.36361.46412020.917.6716.9821.910.815.42899.12043.64812020.8717.6517.2118.590.75695.52257.78411.98812017.4417.3816.3219.486.55366.864413.54240.27042021.5217.5417.421.352.31046.05166.761.82252020.0918.7116.8819.710.00811.66419.73440.08412018.5918.1917.6719.471.98813.27615.42890.28092017.8217.0617.3718.084.75248.64366.91693.68642021.4117.7517.3616.61.98815.06256.969611.562018.1519.2117.5520.13.42250.62416.00250.012020.1417.5116.4817.640.01966.200112.39045.56962021.6618.0917.0121.292.75563.64818.94011.66412020.7318.6317.9520.180.53291.87694.20250.03242017.6118.0117.0519.465.71213.96018.70250.29162020.7817.1817.2714.770.60847.95247.452927.35292016.8317.8517.2720.0910.04894.62257.45290.00812019.0217.4216.9821.990.96046.65649.12043.96012019.3317.2817.317.540.44897.39847.296.05162021.3617.1517.3217.621.84968.12257.18245.66442019.6717.7417.5123.460.10895.10766.200111.97162019.4218.3217.4417.870.33642.82246.55364.53692019.9517.6217.2322.340.00255.66447.67295.47562020.217.0818.1720.940.048.52643.34890.88362021.2418.7117.0223.521.53761.66418.880412.39042018.6517.2516.9424.31.82257.56259.363618.492019.5417.1417.421.60.21168.17966.762.562018.0918.1817.0619.353.64813.31248.64360.42252020.9417.1816.7919.030.88367.952410.30410.94092020.4318.7916.8119.930.18491.464110.17610.00492020.7317.4717.3620.440.53296.40096.96960.1936:(Yi-m)256.658154.0545239.2298133.27941/n*:(Yi-m)21.88865.135157.9743274.442647K(1/n*:(Yi-m)2)11.8037532.094694