质量管理与可靠实验指导.doc

质量管理与可靠性实验指导书车轴钢技术标准：氢：=2ppm,氧：=20ppm，氮： 5070ppmSi：0.200.30%，Mn：0.700.80%，P：=0.015%S：=0.010%，Ni（镍）：=0.010%，Cr（铬）：=0.015%Cu：New 从菜单选择【文件】【新建】2. 选择Minitab Project,然后点击OK选择Minitab 项目，然后单击【确定】按钮。新建项目可以保存当前的工作为一个项目。当保存了项目，就一次性的保存了所有工作，包括所有的在会话窗口的输出，所有的打开的图形窗口。当重新打开项目时，所有的信息将重新显示，就是保存时候的状态。 按照下面的步骤来保存你的项目 : . 从菜单选择 File-Save Project As 从菜单中选择【文件】【将项目另存为】. 在 Save in 框中，选择你要保存项目的文件夹. 在 File name 框中，输入你的项目的名字，然后点击 Save 【保存】。3. 建立车轴钢成份分析数据表从菜单选择FileNew，然后在弹出的对话框选择Minitab Worksheet【Minitab 工作表】,然后点击OK【确定】。也可以直接将Excel数据表中的数据“copy”过来。二、 选择要分析的成份（下面以C为例）数据，绘制直方图，查看其分布规律以及变化趋势：1. 从菜单选择 Graph【图形】- Histogram【直方图】；2. 选择Simple【简单】，然后单击OK【确定】；直方图3. 在Graph Variables 【图形变量】中键入C，单击OK【确定】；直方图参数设置界面直方图结果4. 为了测定成份C的数据是否服从正态分布，对直方图进行正态拟合；. 从菜单选择 Graph【图形】- Histogram【直方图】；. 选择With Fit【包含拟合】，然后单击OK【确定】；. 在Graph Variables【图形变量】 中键入C，单击OK【确定】包含拟合直方图如上图所示，成份C的数据分布曲线是近似正态分布。（如果观察值少于50 个，也可以用正态概率图象来检验其正态性Graph【图形】- Probability Plot【概率图】或【统计】【基本统计量】Stat Basic satistics- 【正态性检验】Normality Test)下图是用Graph【图形】- Probability Plot【概率图】得出的结果。5. 成份C的数据变化趋势分析，以生产班组分组观察；. 选择选择Graph【图形】 -Individual Value Plot【单值图】；. 在One Y 一个Y选项下，选择With Groups【含组】单击OK；. 在Graph Variables 【图形变量】中键入C，用于分组的类别变量中键入班组；. 单击Data View【数据视图】按钮,选中Mean Connect line【均值连接线】。单值图显示了四个生产班组所炼的钢，C含量平均值看起来都差不多。如果细化的话，还可以对早、中、晚不同时间段生产的钢种进行成份分析，查找缺陷原因。三、 成份数据统计分析，计算相关统计量：对C成份数据描述性统计量的计算；. 选择Stat【统计】-Basic Statistics【基本统计量】 -Display Descriptive Statistics【显示描述性统计】；. 在Variables 【变量】中键入C；. 单击Statistics；. 取消First quartile, Median, Third quartile, N nonmissing, 和N missing的选中状态，选中N Total；取消选中下四分位数、中位数、上四分位数、N 非缺失和 N 缺失，选中 N 合计。. 在每个对话框中单击OK结果如下：描述性统计: C 平均值变量 合计数 平均值 标准误 标准差 最小值 最大值C 50 0.50340 0.00226 0.01599 0.47000 0.54000重复执行上述步骤，在【变量】选项中键入C，在按变量选项中键入班组，单击确定按钮，可得到如下结果：描述性统计: C 平均值变量 班组 合计数 平均值 标准误 标准差 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 0.50385 0.00500 0.01805 0.47000 0.54000（二）工序质量控制实验四、 模拟生产过程，绘制控制图，判断工序控制状态：该钢铁公司内部采取以下判异准则来检验异常原因：检验1：有1 个点离开中心线的距离超过3 倍标准差检验2：连续7 个点在中心线的同一侧检验3：连续7 个点有上升趋势或下降趋势1. 选择Tools-Option-Control Charts and Quality Tools-Define Tests；选择工具-选项-控制图和质量工具-定义检验；选中前三个检验， 在第二个检验的K下，将值更改为 7 ，在第三个检验的 K下，将值更改为 7 。2. 单击OK【确定】；3. 选择【统计】-【控制图】-【子组的变量控制图】-Xbar-S；4. 在弹出的对话框的空白框内键入要分析的成分所列的标题，比如“C”，在Subgroup size【子组大小】中，键入5；5. 工序受控状态分析。控制图分析：该车轴钢种C含量数据点均落在控制限内，没有显示任何非随机的模式。因此，过程的平均值和标准差是受控的（即稳定的）。平均值为0.5034，平均标准差( S )为0.01513。注也可以绘制其他类型的控制图，比如（Xbar-R，Xbar，R，S，I-MR-R/S等等）上图即为 I-MR-R/S Chart ，也就是三者Xbar、Rs（移动极差）、S合成图。五、 评估工序/过程能力：在确定一个过程受控之后，下面分析一下过程是否有能力即它是否能满足规范要求，生产的部件或成品是否是好的。通过比较过程的波动和规范的宽度，可以确定一个过程的能力。如果评价过程能力之前，过程没有受控，可能得到不正确的过程能力估计。在MINITAB 中，通过绘制过程能力直方图和过程能力图，可以图像化地评估过程能力。这些图像可以帮助评估数据分布的情况，验证过程是否受控。能力指数或能力统计量是评估过程能力的简便方法。MINITAB 为很多数据分布类型提供了能力分析，包括正态分布、指数分布、威布尔分布、伽玛分布、泊松分布和二项分布。 以我们分析的车轴钢成份为例，公司内部执行的标准为（%）：C0.480.52，Si-0.200.30，Mn-0.70-0.80，P-0.015，S-0.010，Cu-Quality Tools【质量工具】-Capability Analysis Normal【能力分析】【正态】；2. 在Data arearranged as 【数据排列为】下面，选择Single column【单列】，键入C。3. 在Subgroup size【子组大小】中，键入5。4. 在Upper spec 中，键入0.525. 在Lower spec 中，键入0.486. 单击Option【选项】。在Target（adds Cpm to table）目标（添加Cpm到表格）里，键入0.50。7. 在每个对话框中都单击OK【确定】。8. 根据Cp 计算可能的不合格品率p=2-3Cp（1+k）-3Cp（1-k）：. 选择Calc-Probability Distributions-Normal；计算概率分布正态. 选中Cumulative probability【累积概率】；. 选中 Input constant【输入常量】，并输入3Cp（1+k）的值：1.5093（此处应该填入计算结果，不支持公式），在Session 窗口输出如下结果，即3Cp（1+k）的值：Cumulative Distribution FunctionNormal with mean = 0 and standard deviation = 1x P( X = x )1.5093 0.934389. 重复上述步骤（输入1.0607）可以得出3Cp（1-k）： Session 窗口输出结果如下： Cumulative Distribution Function Normal with mean = 0 and standard deviation = 1 x P( X 0.5034;从图a中可以看出：Cp 0.450.642. 调整规范限为：（0.48，0.52）（0.46，0.54）；从图b中可以看出：Cp 0.450.64六、 模拟生产过程，设计抽样检验方案，对产品质量进行抽检：1. 按N=100, 级检查水平和以工序能力调查实验估计的不合格品率作为AQL值，确立正常一次抽样方案；. N=100, 级检查水平，查表（P68，表2.4.12，样本量字码表）得样本字码：F；. 以接近工序能力调查实验估计的不合格品率的AQL值查表（P431，附表2）得正常一次抽样方案（n，c）；n=20，c=102. 随机抽样；. 选择Calc- Random Data- Sample From Columns；计算随机数据来自列的样本. 在“Sample”后面的空白框内填入样本量：n， 在“rows from column(s)”【来自列】，输入“C”；. 在 “Store samples in【将样品存储在】”后输入：CSample，ok。在数据窗口就会增加“CSample”列，该列就是从C成份数据的抽样结果。3. 样本质量数据统计：统计未落入规范限的炉数d；4. 将样本统计结果d与抽样方案的接受标准c进行比较，对检验批作出判断：是合格并接受，还是不合格并拒收；5. 应用五点作图法绘制该方案的特性曲线OC1：. 选择Calc-Probability Distributions-Binomial；计算概率分布二项式. 选中Cumulative probability【累积概率】，在“number of trails”【试验数】栏填入样本量n=20，在“probability of success【事件概率】”栏填入AQl值或上面统计出的工序平均不合格品率p；. 选中 Input constant【输入常量】，输入抽样方案的接受标准c，在Session 窗口输出如下结果，即在不合格品率p下该抽样方案的接受概率L（p）：累积分布函数 二项分布，n = 20 和 p = 0.21 x P( X = x )10 0.999128. 重复-步骤，得出绘图所需的5个p下的接受概率L（p）；. 以P为横坐标，L（p）为纵坐标作抽样特性曲线：OC1曲线。6. 重复1-5步骤，得出加严一次、放宽一次抽样方案的特性曲线OC2、OC3，将三条曲线绘于同一坐标系中，7. 比较三条曲线，分析三种抽样方式的特点。 注：由于Minitab绘图功能的限制，需要手工绘制OC曲线。也可以采用Matlab绘制