质量管理与可靠性实验指导

Si0~0.30%，Mn：0.70~0.80%，P：<=0.015%(一)工序能力调查实验新建项目示，就是保存时候的状态。按照下面的步骤来保存你的项目:在Savein框中，选择你要保存项目的文件夹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MinitabWorksheet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直方图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；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】-->5.成份C的数据变化趋势分析，以生产班组分组观察；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。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C描述性统计:CC丙丁甲乙0.501670.503330.504620.503850.004230.005120.004180.005000.014670.017750.015060.018050.480000.480000.480000.470000.530000.540000.530000.54000(二)工序质量控制实验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-->ControlChartsandQualityTools-->DefineTests；选择工具-->选项-->控制图和质量工具-->定义检验；K7，在第三个检验的K下，将值更改为7。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5.工序受控状态分析。XbarXbar-SChartofC0.52UCL=0.518160.51__X=0.50340.50LCL=0.488642345678910UCL=0.025970.020DSSLCL=0.004292345678910_S=0.015130.0100.0250.0150.0050.49SamplMepeantle11uu0.50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。I-MR-R/S(Between/Within)ChartofC0.52UCL=0.52170.52naeM_X=0.503X=0.5034orogbuLCL=LCL=0.485080.489765831420976583142naUCL=0.02251naeM0.02eMpuor0.010.01____MR=0.00689LCL=0uSfo0.000.00M7698351420769835142UCL=0.02597v0.024veDtS_SeDtS_S=0.01513elp0.008m0.008aSLCL=0.0042912345678910[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/SChart，也就是三者Xbar、Rs(移动极差)、S合成图。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。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(%)：C—0.48~0.52，Si-0.20~0.30，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。+TL)。lysisNormal【能力分析】——【正态】；taarearrangedasSinglecolumn击Option【选项】。在Target(addsCpmtotable)目标(添加Cpm到表格)里，键入0.50。ProcessCapabilityofCProcessLSLTargetUSLSampleMeanSampleNStDev(Within)StDev(Overall)Data0.480.50.520.50341000.01555660.0159452LSLTargetUSLWithinOverallPotential(Within)CapabilityCp0.43CPL0.50CPU0.36Cpk0.36OverallCapabilityPpPPLPPUPpkCpm0.420.490.350.350.41ObservedPerformancePPM<LSL20000.00PPM>USL120000.00PPMTotal140000.000.470.480.490.500.510.520.530.54Exp.WithinPerformanceExp.OverallPerformancePPM<LSLPPM>USLPPMTotal66266.74142969.64209236.38PPM<LSLPPM>USLPPMTotal71116.92148923.08220039.99CC的过程能力LSL目标USL0.480.50.520.5034500.015360.015986整体能力0.420.490.350.350.410.470.480.490.500.510.520.530.54预期整体性能PPM<LSL71626.46PPM>USL149539.38PPM合计221165.84组内整体潜在(组内)能力Cp0.43CPL0.51CPU0.36Cpk0.36LSLUSL样本均值样本N标准差(组内)标准差(整体)预期组内性能PPM<LSL63825.00实测性能PPM<LSL20000.00PPM>USL120000.00PPM合计140000.00PPM>USL139909.25PPM合计203734.24PpPPLPPUPpkCpm过程数据ppprmal计算——概率分布——正态pp(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ФCumulativeDistributionFunctionNormalwithmean=0andstandarddeviation=1xP(X<=x)④.重复上述步骤(输入1.0607)可以得出Ф[3C(1-k)]：pSession窗口输出结果如下：CumulativeDistributionFunctionNormalwithmean=0andstandarddeviation=1xP(X<=x)常1.33是可以接受的最小值)，说明冶炼工序能力严重不足的，其中有不少炉钢的C成份序方图，理解各个因素对C的影响。pProcessCapabilityofCProcessLSLTargetUSLSampleMeanSampleNStDev(Within)StDev(Overall)Data0.470.50340.530.50341000.01555660.0159452LSLTargetUSLWithinOverallPotential(Within)CapabilityCp0.64CPL0.72CPU0.57Cpk0.57OverallCapabilityPpPPLPPUPpkCpm0.630.700.560.560.56ObservedPerformancePPM<LSL0.00PPM>USL40000.00PPMTotal40000.000.470.480.490.500.510.520.530.54Exp.WithinPerformancePPM<LSL15896.62PPM>USL43643.42PPMTotal59540.04Exp.OverallPerformancePPM<LSL18100.19PPM>USL47637.03PPMTotal65737.22ProcessProcessCapabilityofCTargetPotential(Within)CapabilityCp0.86CPL0.93CPU0.78Cpk0.78OverallCapability0.840.910.770.770.820.500.520.54Exp.OverallPerformancePPM<LSL3246.21PPM>USL10856.35PPMTotal14102.56LSLTargetUSLSampleMeanSampleNStDev(Within)StDev(Overall)ObservedPerformancePPM<LSL0.00PPM>USL0.00PPMTotal0.000.460.48Exp.WithinPerformance0.460.50.540.50341000.01555660.0159452PPM<LSLPPM>USLPPMTotal2636.919318.8011955.71WithinOverallPpPPLPPUPpkCpmProcessDataUSLSL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：CC①N=100,Ⅱ级检查水平，查表(P68，表2.4.12，样本量字码表)得样本字率的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；计算——随机数据——来自列的样本column(s)”【来自列】，输入“C”；3.样本质量数据统计：统计未落入规范限的炉数d；5.应用五点作图法绘制该方案的特