质量管理与可靠性实验指导

1、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:<=0.010%,V(钒:0.0200.050%,Al:0.0200.050%(一工序能力调查实验实验目的:统计学领域提供有关收集、汇总、分析和解释数据以及根据分析结果得出结论的原则和方法学。统计量可以用于描述数据并做出推断,这两者都可以指导决策并改进过程和产品。一、打开Minitab软件,建立“工序能

2、力调查实验”项目。 图1-1 Minitab软件界面1.从菜单选择File->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 n

3、ame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File>New,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

4、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Grap

5、h【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

6、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】->DisplayDescriptive 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Nmissing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

7、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

8、 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->DefineTests;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

9、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

10、者Xbar、R s(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

11、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-<0.10,其他与我们实验分析无关的成份要求暂时省略。我们规定对于上面有双侧要求的成份,其规范中心M取上下限的均值,即M=1/2(Tu + TL。1.选择Stat【统计】->Quality Tools【质量工具】->Capability AnalysisNormal【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Subg

12、roup size【子组大小】中,键入5。4.在Upper spec 中,键入0.525.在Lower spec 中,键入0.48 6.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C p 计算可能的不合格品率p=2-3C p(1+k-3C p(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

13、】,并输入3C p(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3C p(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3C p(1-k:Session 窗口输出结果如下: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。可以从影响工序能力的三个方面入手,改变相关的参数值,通过观察绘制的过程能力直方图,理解各个因素对C p的影响。 图 a 偏差对C p的影响 图 b 规范限对C p的影响比如放宽规范限,提高实际加工精度(减小成份数据分散度调整偏移量等等: 1.调整目标值为:0.50>0.5034;从图a中可以看出:C p 0.45>0.642.调整规范限为:(0.48,0.52>(0.46,0.54;从图b中可以看出:C p 0.45>0.64六、模拟生

15、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;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 fromcolumn(s”【来自列】,输入“C”; .在“Store samples in【将样品存储在】”后输入:CSa

16、mple,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

17、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 10 P( X <= x 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，便 于实验报告的打印。方法如下： p=0:0.01:1; x1=