机械专业毕业实习报告

第1页机械加工统计过程调整二元监测技术研究1．实习时间2015年3月9日—3月20日2．实习地点西北工业大学系统集成及工程管理研究所3．实习目的实习是个人综合能力的检验，除了有一定的课本知识外，还需要有一定的实践动手能力，操作能力。为了将大学所学的专业理论知识运用与实践，在实践中结合理论加深对其认识和总结，将专业与实际接轨，逐步认识、体会，从而更好地将所学的运用到工作中去。接触社会，认识社会，学会做事，学会与人相处，学会团结协作。使一个机械专业的学生应在毕业设计和实习中用所学知识解决现实中的一些问题。对所学的专业理论和实践知识进行巩固，同时提高自学、查阅资料、独立开发和协作创新的能力，以更好的完成毕业设计的任务，同时为走向工作岗位奠定良好的基础。经过了三年大学的学习，使我们毕业实习是人才培养方案的重要环节，旨在培养学生的实践能力、分析问题和解决问题的能力。在实习指导老师的指导下，使学生将所学基本理论、基本知识与社会实践相结合，迅速转化为实际工作能力，增强适应市场需要的能力，在运用学习，在运用中深化，初步具备职业和业人的思想素质务能力。其基本目的是培养学生综合运用所学的基础理论、专业知识、基本技能应对和处理问题的能力，是学生对三年所学知识和技能进行系统化、综合化运用、总结和深化的过程。通过毕业实习的过程，检查学生的思维能力、创造能力、实践能力等各方面综合能力。4．实习性质和要求4.1．实习性质毕业实习4.2．实习要求（1）科学性：毕业设计是对即将步入社会的毕业班同学设计能力的一次全面考核，毕业设计不是“作秀”，亦不是“走过场”，毕业设计的过程必须严格遵照科学性原则。这里的科学性是指在设计活动中将感性与理性思维高度和谐统一，充分考虑人、社会与环境等各种因素，融艺术与设计、文化与经济、生产与实践于一体，用正确的设计理论指导设计实践，以科学合理的方法来控制设计过程，重视设计方法的应用，科学合理的设计方法不仅能有效地协调、组织设计过程的各个阶段和环而且可以大大缩短设计周期，提高设计的效率。因此，毕业设计时，应持以以科学严谨的态度和遵循科学合理的操作规范来进行，不论是实际性课题还是虚拟性课题，都要做到完整而规范，确保在生产、施工应用等各个环节的操作性和可靠性。（2）应用性：收集查阅文献资料，我们除了学习有关专业的知识外，还学习对以后工作有关的能力以及作为员工必须具备的意识和素质等知识。（2）创新性：在一定意义上，设计即创新，创新是艺术设计的本质特征，创造力是设计的核心竞争力，只有体现出创新性的设计成果才会被付诸市场，才富有生命力。设计的创新和创造现代设计的基本要求。人的审美心理本就蕴含着求新、求异、求美的特征，所以就决定了设计必须做到求新、求异、求变，设计的过程就是创造新事物的过程。所谓设计的创新，包含着不同的层次和内容，它可以是在原有基础上改良，即推陈出新；也可以是完全的创新，如独辟蹊径；既指新观念、新思维和新思潮，亦指新材料、新技术、新样式；它既要能满足人们不断变化的需求，更要能够引领人类的生活方式。作为未来的设计师，毕业设计的重要任务在于科学而准确地把握主题的内涵，追求卓越独特的设计创意，同时也要不断地探索新的艺术形式，为设计注入新鲜血液，丰富艺术传达中的表现手法，从而提升设计作品的表现力和感染力。5．实习内容5.1.机械加工生产中多工序生产线的质量分析机械制造业是国家装备制造业的核心，是实现工业化、现代化的必备条件，因此机械制造业对于国家的发展和在国际上的地位起着很重要的作用。但是目前我国的加工企业大多处于被动控制阶段，即为了达到生产任务和客户要求而进行，且只有在出现不合格品后才去采取纠正措施，并未达到一种主动的预防控制状态。所以实现机械制造业的加工技术创新，采用新的生产管理模式提高加工质量不容忽视和拖延，对国家和地区的发展也都有着及其重要的意义。机械零件的制造一般需要多道工序和工位加工才能完成。设一个机械零件加工生产线有n个工序。在进行工序质量分析时，除过要考虑本工序的影响，还要考虑上工序的影响，这时很不容易分清上下道工序的影响，1981年，我国学者张公绪提出两种质量的新概念。即将当前工序本身的固有加工质量称为分质量，而将通常人们关注的产品质量称为总质量或工序综合质量。这两种质量的关系是：总质量=分质量+上道工序对下到工序的影响，如图1所示。在机械加工过程中，如果上道工序与下到工序没有任何影响，总质量与分质量是相等的；在第一道制造工序中，如果原材料、零部件等的供应稳定，不考虑生产线输入的影响，这两种质量也是相等的。5.2.接近零不合格过程简介：构成“接近零不合格过程”这一概念的思路是：不合格零不合格零不合格过程接近零不合格过程5.2.1不合格1994年版ISO9000族标准对不合格与缺陷的概念进行了严格的区分。明确定义了缺陷的概念，指出缺陷是“没有满足某个预期的使用要求或合理的期望”，包括“与安全性有关的要求”。2000年版ISO9000族标准强化了不合格的概念，把不合格定义为“未满足要求”，“要求”涵盖了明示的需求与期望、通常隐含的要求与期望和必须履行的要求与期望。它对缺陷的使用加以限制，缺陷是“未满足与预期或规定用途有关的要求”，缺陷具有法律内涵，特别是与产品责任问题有关。所以在接近零不合格过程的概念中，使用的是“不合格”，而不是“缺陷”。5.2.2零不合格产品与服务完全满足要求是组织（其定义为职责、权限和相互关系得到安排的一组人员及设施。例如：公司、集团、商行、企事业单位等）追求的目标。达到这一目标的手段有很多。例如，投入大量的人力、物力进行检测，对产品进行100%全检，对服务进行全程监控，努力实现完全满足要求。再譬如，对过程进行控制，使得从过程得到的产品与服务能够满足要求，这就是零不合格过程。5.2.3零不合格过程200年版ISO9000族标准特别强调了过程。指出：为使组织有效运行，必须识别和管理许多相互关联和相互作用的过程。通常，一个过程的输出将直接成为下一个过程的输入。系统的识别和管理组织所使用的过程，特别是过程之间的相互作用，称为“过程方法”。200年版ISO9000族标准鼓励采用过程方法管理组织。5.2.4接近零不合格过程零不合格过程是一种理想的质量保证状态，从统计的角度看，不存在完全绝对的“零不合格过程”，只能通过过程的持续改进，向零不合格过程不断逼近。这就是接近零不合格过程的由来。接近零不合格过程，其英文为：NearZero-NonconformityProcess。关于NearZero-NonconformityProcess的第一篇论文，由孙静在1998年5月香港举办的第三届ISO9000与TQM国际会议上发表的，论题为：“TheStatisticalProcessControloftheNearZero-NonconformityProcess”(接近零不合格过程的质量控制)。5.2.5接近零不合格过程的质量控制接近零不合格过程的质量控制这门学科所研究的是如何对过程进行严格的质量控制，使过程不断的向零不合格的目标逼近。5.2.6接近零不合格过程的判异准则和判稳准则(1)判异准则：判异准则:若连续检查个产品存在不合格品，则判断过程异常。判异准则：若连续检查个产品，其中不合格品的数目多于一个，则判断过程异常。 判异准则：若连续检查个产品，其中不合格品的数目多于两个，则判断过程异常。(2)判稳准则判稳准则:根据判异准则，接连出现的个不合格品都不能判断过程异常，则判断过程处于稳态。判稳准则：若接连出现的个不合格产品中，判断过程异常的不合格品不多于一个，则判断过程处于稳态。 判稳准则：若接连出现的个不合格品中，判断过程异常的不合格品不多于两个，则判断过程处于稳态。5.3.统计过程控制5.3.1统计过程控制的概念统计过程控制（简称SPC)是应用统计技术对过程中的各个阶段进行评估和监控，建立并保持过程处于可接受的并且稳定的水平，从而保证产品与服务符合规定的质量管理技术。这里的统计技术泛指任何可以应用数理统计方法，以控制图理论为主。5.3.2统计控制过程历史与现状早在20世纪20年代，贝尔电话实验室就成立了以休哈特为学术领导人的过程控制研究组和以道奇为领导人的产品控制研究组。经过研究，休哈特提出了过程控制理论以及监控过程的工具——控制图，第一张控制图是休哈特在1924年5月提出的不合格品率（p）控制图。而道奇与罗米格则提出了抽样检验理论和抽样检验表。从质量控制理论的发展史来看，休哈特可称为统计过程控制的奠基人。1931年休哈特名著《工业产品质量的经济控制》的出版，标志着统计过程控制时代的开始。二战时期，SPC被成功应用于英美军工生产后，在增加产量和降低成本的同时，也明显提高了产品的质量。二战后日本百废待兴，1950年美国统计学家戴明博士在日本做了关于质量控制的讲座，1954年，美国质量专家朱兰博士又为日本各大公司中、高层管理人员管理层的领导作用，质量管理方法在日本得到广泛的应用，使其产品质量明显提高。统计过程控制在日本的成功应用引起西方国家的重视。美国通用电器公司的费根堡姆和质量专家朱兰又提出全面质量管理TQM理论，把质量管理方法推向一个新的高度，全面质量管理被列为质量控制发展的第三阶段。20世纪90年代以来，一方面，面向单变量过程的传统单变量统计过程控制技术逐步从静态拓展到动态过程，从线性拓展到非线性过程，监控的过程范围和类型越来越多和广泛和多样。另一方面，随着计算机技术和自动测量技术以及数据统计降维技术的不断发展，在工业过程中，特别是连续性工业过程中，实时采集、分析和处理大量过程数据成为可能，对多变量过程实施统计过程控制技术的需求日趋强烈，推动着技术的研究与应用逐步从单变量过程拓展到多变量过程，带动了多变量统计过程控制技术的不断完善和发展。5.3.3统计控制过程的特点它是一种预防性方法；强调全员参与；强调整个过程，重点在于P（Process）,即过程。5.3.4统计控制过程的理论原理统计过程控制是一种借助数理统计方法的过程控制工具。它对生产过程进行分析评价，根据反馈信息及时发现系统性因素出现的征兆，并采取措施消除其影响，使过程维持在仅受随机性因素影响的受控状态，以达到控制质量的目的。它认为，当过程仅受随机因素影响时，过程处于统计控制状态（简称受控状态）；当过程中存在系统因素的影响时，过程处于统计失控状态（简称失控状态）。由于过程波动具有统计规律性，当过程受控时，过程特性一般服从稳定的随机分布；而失控时，过程分布将发生改变。SPC正是利用过程波动的统计规律性对过程进行分析控制。因而，它强调过程在受控和有能力的状态下运行，从而使产品和服务稳定地满足顾客的要求。

统计过程控制的理论基础可以简单地概括为四个方面，即正态性假定、准则、小概率事件不发生原理和统计推断思想。(1)正态性假定：正态性假定，是指绝大多数的生产过程在达到稳定状态，或者统计受控时，其特性指标服从正态分布。一般认为正态性假定具有广泛的适用性。对理论上并不服从正态分布的生产过程通常用三种方法进行处理：a.对过程数据进行数据变换，以便变换后的数据服从或近似服从正态分布；b.利用统计量的大样本性质，选择大样本下近似服从正态分布的过程保持性实施统计过程控制技术；c.按照统计过程控制技术的内在原理，直接针对非正太性过程设计出专用的统计控制图，并实施过程控制。(2)准则：准则是一个统计准则，与统计控制图中的控制线相对应。当某个过程的特性服从正态分布时，为均值，为标准差。准则也称为倍的准则。在一维正态分布情形下，一般取=3，即通常所谓的3准则。在一维正态分布的多维正太情形下，通常按照显著性水平结合统计量的实际分布给出相应的临界值作为控制线，此临界值与一位正太情形下的准则的含义一致。根据一维正态分布的概率性质，无论过程分布的均值和标准差具体取何数值，过程的观测值落在范围内的概率总是99.73%，落在之外的概率则为0.27%，而仅仅落在其中一侧之外的概率仅为0.135%。(3)小概率事件不发生原理小概率事件不发生原理，是指小概率事件在一次观测中是不会发生的。在一维正态分布情形下，根据3准则，事件“过程特性的观测值落在范围之外”发生的概率仅为0.27%，这是一个小概率事件，其在一次观测中通常是不会发生的。不难看出，小概率事件不发生原理不同于一般的数学原理，他是一种基于统计原则的推理思想，存在犯某种错误的可能性。(4)统计推断思想统计推断思想认为，既然小概率事件在一次观测中是不会发生的，那么一旦在某个过程特性的统计控制中出现了“小概率事件”的现象，就表明该过程发生了与预期不符的变化，或者说，原先统计受控的过程中出现了引发过程绩效发生变化的异常原因。统计推断思想是制定监控过程绩效是否统计受控的各种判定规则的基础。5.3.5统计过程控制与6西格玛管理（）在生产过程中，产品的加工质量的波动不可避免的，它由人、机、材料、方法和环境等基本因素的波动影响所致。波动分正常波动和异常波动两种。过程监测的目的就是消除、避免异常波动，使过程处于正常波动状态。统计过程控制中的“控制”实际上“监控”的意思。他对生产过程进行分析评价，根据反馈信息及时发现异常因素出现的征兆，并采取措施消除其影响，使过程维持在受控的状态，当过程仅受随机因素的影响时，过程处于受控状态；当过程存在系统因素影响时，过程处于失控状态，由于过程波动具有统计规律性，当过程受控时，过程特性一般服从稳定的随机分布；失控时，过程分布将发生改变。6σ管理法是一种统计评估法，核心是追求零缺陷生产，防范产品责任风险，降低成本，提高生产率和市场占有率，提高顾客满意度和忠诚度。6σ管理既着眼于产品、服务质量，又关注过程的改进。“σ”是希腊文的一个字母，在统计学上用来表示标准偏差值，用以描述总体中的个体离均值的偏离程度，测量出的σ表征着诸如单位缺陷、百万缺陷或错误的概率性，σ值越小，缺陷或错误就越少。6σ是一个目标，这个质量水平意味的是所有的过程和结果中，99.99966%是无缺陷的，也就是说，做100万件事情，其中只有3.4件是有缺陷的，这几乎趋近到人类能够达到的最为完美的境界。6σ管理关注过程，特别是企业为市场和顾客提供价值的核心过程。因为过程能力用σ来度量后，σ越小，过程的波动越小，过程以最低的成本损失、最短的时间周期、满足顾客要求的能力就越强。6σ理论认为，大多数企业在3σ～4σ间运转，也就是说每百万次操作失误在6210～66800之间，这些缺陷要求经营者以销售额在15%～30%的资金进行事后的弥补或修正，而如果做到6σ，事后弥补的资金将降低到约为销售额的5%。为了达到6σ，首先要制定标准，在管理中随时跟踪考核操作与标准的偏差，不断改进，最终达到6σ。现己形成一套使每个环节不断改进的简单的流程模式：界定、测量、分析、改进、控制。6σ管理理念追求严格的质量要求，要求将传统的事后检验改为对生产全过程的监控，并采用新的质量管理方法——统计过程控制。统计过程控制分为单变量统计过程控制和多变量统计过程控制。5.3.6多变量统计过程控制.单变量统计过程控制只考虑单一变量的变化对单一变量进行监控，不涉及多个变量之间的相互关系。多变量统计过程控制主要采用各种降维方法来实现。降维方法的基本思想是将由大量测得的变量所张成的高维空间投影到维数更少的模型空间。(1).主元分析(PCA)主元分析是在力保数据信息丢失最少的情况下对高维变量空间进行降维处理，其信息提取的实质是选择几个有代表性的主元，解释数据中大部分变化，从而将数据按最优形式分成两个部分：噪声部分和系统部分。(1)式中：为数据矩阵，为得分矩阵，为得分向量（主元）；为负荷矩阵；为残差矩阵。主元分析一般只能用在连续过程的监控，而多向主元分析可用于间歇过程的监控，间歇过程的监控比连续过程复杂，其测量数据是三维的，而不像连续过程是二维的。(2).偏最小二乘（PLS）偏最小二乘主要用于建立多因变量与多自变量的统计关系。(2)(3)(4)式中：为数据矩阵,输出矩阵；得分矩阵，负荷矩阵，B是T和U内部关系矩阵。多向偏最小二乘用于间歇过程的控制。(3).独立成分分析(ICA)PCA和PLS方法在过程控制时都是假定的测量数据满足独立同分布的高斯变量，都是在保留大多数原变量的特性下，将高维的相关变量投影至低维的不相关变量，在这一变换中，去除的仅仅是变量之间的相关性，各变量之间不满足独立特点，相互独立比不相关具有更多良好的性质。ICA是一种新的统计方法。该方法的目的是将观察到的数据分解成独立的成分，并从混合信号里恢复出一些基本的源信号的方法。ICA在监控与故障诊断方向的研究刚刚开始。5.3.7统计过程控制实施的四个步骤(1)建立过程的模型。选取过程变量。采集过程正常状态下运行的数据，提取统计特征，如均值、方差、相关系数等，应用统计投影方法建立统计模型，如主元模型、独立元模型、典型变量模型等。(2)检测是否有故障发生。对测试数据进行系统分析，并与模型进行比较，基于统计控制图判断是否有故障发生。(3)如果有故障发生。分离与过程有关的过程变量。(4)诊断故障源，确定故障原因。其中过程变量选取和诊断故障源需要较多的过程知识和实践经验。5.3.8统计过程控制的意义(1)全面、及时了解品质信息，信息共享;(2)有效监测和预防，提高生产率;(3)提高客户满意度，赢得更多客户;(4)保持产品和服务品质的稳定性及进一步的持续改进;降低总的品质成本。5.4.统计控制过程的应用——控制图图1.常规控制图统计过程控制的形式化应用框架就是使用统计控制图对过程绩效及波动因素进行监控与分析。统计过程控制实施效果的高低，在很大程度上取决于统计控制图的设计与应用水平。通过建立统计控制图，可以实现对生产过程的各种输出特性进行统计监控与分析，以便及时发现导致异常的原因，并通过剔除或减少异常原因，使过程特性的波动处于统计稳定状态。5.4.1控制图的概述控制图（ControlChart），是对过程质量特性进行测定、记录、评估，从而监察过程是否处于控制状态的一种用统计方法设计的图。图上有三条平行于横轴的直线：中心线（CL，CentralLine）、上控制线（UCL，UpperControlLine）和下控制线（LCL，LowerControlLine），并有按时间顺序抽取的样本统计量数值的描点序列。UCL、CL、LCL统称为控制线（ControlLine），通常控制界限设定在±3σ标图2.控制流程图准差的位置。中心线是所控制的统计量的平均值，上下控制界限与中心线相距数倍标准差。若控制图中的描点落在UCL与LCL之外或描点在UCL和LCL之间的排列不随机，则表明过程异常。运用控制图的目的之一就是，通过观察控制图上产品质量特性值的分布状况，分析和判断生产过程是否发生了异常，一旦发现异常就要及时采取必要的措施加以消除，使生产过程恢复稳定状态。也可以应用控制图来使生产过程达到统计控制的状态。产品质量特性值的分布是一种统计分布．因此，绘制控制图需要应用概率论的相关理论和知识。5.4.2控制图三要素(1)收集:被研究的特性(过程或产品)的数据收集后将之转换成可以画到控制图上的形式。(2)控制:利用数据计算控制限,将它们画在图上作为分析的指南,控制限并不是规范值或目标值,而是基于过程的自然变化性和抽样计划。然后,将数据与控制限比较来确定变差是否稳定且是否只是由普通原因引起,如果明显由特殊原因,应进一步研究确定影响它是什么。采取措施后,重收集数据,重新计算控制限。(3)程能力分析和改进:当特殊原因消除后,过程在统计控制状态下运行,可继续使用控制图作为监控工具,如果是普通原因造成变差太大,从管理改善。5.4.3控制图的分类(1).依数据之性质来分类eq\o\ac(○,1)计量值控制图:系控制图所以依据的数据,均属于量具实际量测而得(如长度、重量、成份、电压、电流等特性)且均为连续性者。eq\o\ac(○,2)计数值控制图:系控制图所以依据的数据均属于以计数者(如外观不良数、缺点数等)且均为间断数据。(2).依控制图之用途来分类eq\o\ac(○,1)控制用控制图:此种控制图用作控制过程之品质,具有其积极性之意义。如有点子跑出,立即釆取措施。eq\o\ac(○,2)解析用控制图:此种控制图用作决定方针用,过程解析研究用。(3).常用单变量控制图表1.单变量控制图分类表5.4.4控制图原理(1).3σ原理：若变量X服从正态分布,那么,在±3σ范围内包含了99.73%的数值。(2).中心极限定理：无论产品或服务品质水平的总体分布是什么，其的分布（每个x都是从总体的一个抽样的均值）在当样本容量逐渐增大时将趋向于正态分布。5.4.5控制图的作用在生产过程中，产品质量由于受随机因素和系统因素的影响而产生变差；前者由大量微小的偶然因素叠加而成，后者则是由可辨识的、作用明显的原因所引起，经采取适当措施可以发现和排除。当一生产过程仅受随机因素的影响，从而产品的质量特征的平均值和变差都基本保持稳定时,称之为处于控制状态。此时,产品的质量特征是服从确定概率分布的随机变量，它的分布(或其中的未知参数)可依据较长时期在稳定状态下取得的观测数据用统计方法进行估计。分布确定以后，质量特征的数学模型随之确定。为检验其后的生产过程是否也处于控制状态，就需要检验上述质量特征是否符合这种数学模型。为此，每隔一定时间，在生产线上抽取一个大小固定的样本，计算其质量特征，若其数值符合这种数学模型，就认为生产过程正常，否则，就认为生产中出现某种系统性变化，或者说过程失去控制。这时，就需要考虑采取包括停产检查在内的各种措施，以期查明原因并将其排除，以恢复正常生产，不使失控状态延续而发展下去。通常应用最广的控制图是W.A.休哈特在1925年提出的，一般称之为休哈特控制图。（1）应用控制图对生产过程不断监控，当异常因素刚一露出苗头，甚至在未造成不合格品之前就能及时被发现，在这种趋势造成不合格品之前就采取措施加以消除，起到预防的作用。（2）在现场，更多的情况是控制图显示异常，表明异常原因已经发生，这时一定要贯彻“查出异因，采取措施，保证消除，不再出现，纳入标准。”否则，控制图就形同虚设，不如不搞。每贯彻一次（即经过一次这样的循环）就消除一个异常因素，使它不再出现，从而起到预防的作用。5.4.6控制图实质要精确地获得总体的具体数值，需要收集总体的每一个样品的数值。这对于一个无限总体或一个数量很大的有限总体来说往往是不可能的，或者是不必要的。在实际工作中，一般是从总体中随机地抽取样本，对总体参数进行统计推断。样本中含有总体的各种信息，因此样本是很宝贵的。但是如果不对样本进一步提炼、加工、整理，则总体的各种信息仍分散在样本的每个样品中。为了充分利用样本所含的各种信息，常常把样本加工成它的函数，一般将这个（或若干个）不含未知参数的样本函数称为统计量。过程控制的实质，就是这样一个统计推断过程，所依据的统计量的形式应根据计推断的目的和应用的条件不同而有所不同。从实用和简化计算的角度来看，往往是利用样本的平均值和极差R来进行。值得注意的是，利用样本的平均值及极差R推断总体的μ和σ时，由于总体构成的不均匀性以及抽样误差的存在，及R的变化同μ及σ的变化并不完全一样，即使在工序处于稳定状态下，μ及σ本身并无异常变化，但从工序中抽取样本的及R也是有所变化的也就是说，及R都是随机变量，都有其特定的概率分布。它们各自的概率分布与总体分布既有一定的内在联系，又与总体分布不完全相同。在过程控制中，虽然通常依据一次抽样的结果进行一次统计推断，但由此所得出的结论却是建立在大量观测结果所遵循的统计规律的基础上的，是依样本统计量的概率分布来描述总体概率分布过程的。5.4.7控制图的两类错误在统计控制图的应用中，通常是借助于随机抽样的样本信息来进行统计决策的，样本的随机性使得使用者对过程的总体的判断不可能绝对准确，存在范两类错误的可能性：(1).以真为假，虚发警报的错误。这时过程实际并未失控，只是偶然因素造成样本点落在控制线外，导致误认为过程出现了失控，从而做出改变过程状态的错误决策。(2).以假为真，漏发预报错误。这时过程实际已失控，只是因为偶然原因造成样本点仍落在控制线之内，导致误认为过程仍受控，从而做出继续维持原有控制状态的错误决策。5.4.8控制图的分析准则控制图判断异常的准则有两条：点子出界就判断异常；界内点排列不随机判断异常。(1)判断异常的准则：符合下列各点之一就认为过程存在异常因素：eq\o\ac(○,1)点子在控制界限外或恰在控制界限上；eq\o\ac(○,2)控制界限内的点子排列不随机；eq\o\ac(○,3)链：连续链，连续9点排列在中心线之下或之上；间断链，大多数点在一侧eq\o\ac(○,4)多数点屡屡靠近控制界限（在2一3倍的标准差区域内出现）连续3个点至少有2点接近控制界限。连续7个点至少有3点接近控制界限。连续10个点至少有4点接近控制界限。eq\o\ac(○,5)倾向性（连续不少于6点有上升或下降的倾向）与周期性。eq\o\ac(○,6)连续14点中相邻点交替上下。eq\o\ac(○,7)点子集中在中心线附近。（原因：数据不真实；数据分层不当）(2)判稳准则：在点子随机排列的情况下，符合下列各点之一就认为过程处于稳态：eq\o\ac(○,1)连续25个点子都在控制界限内；eq\o\ac(○,2)连续35个点子至多1个点子落在控制界限外；eq\o\ac(○,3)连续100个点子至多2个点子落在控制界限外。在讨论控制图原理时，已经知道点子出界就判断异常，这是判断异常的最基本的一条准则。为了增加控制图使用者的信心，即使对于在控制界限内的点子也要观察其排列是否随机。若界内点排列非随机，则判断异常。5.4.9控制图实施的步骤(1)识别关键过程一个产品品质的形成需要许多过程（工序），其中有一些过程对产品品质好坏起至关重要的作用，这样的过程称为关键过程，SPC控制图应首先用于关键过程，而不是所有的工序。因此，实施SPC，首先是识别出关键过程。然后，对关键过程进行分析研究，识别出过程的结构（输入、输出、资源、活动等）。(2)确定过程关键变量（特性）对关键过程进行分析（可采用因果图、排列图等），找出对产品质量影响最大的变量（特性）。(3)制定过程控制计划和规格标准这一步往往是最困难和费时，可采用一些实验方法参考有关标准。(4)过程数据的收集、整理(5)过程受控状态初始分析采用分析用控制图分析过程是否受控和稳定，如果发现不受控或有变差的特殊原因，应采取措施。注意：此时过程的分布中心（X）和均差σ、控制图界限可能都未知。(6)过程能力分析只有过程是受控、稳定的，才有必要分析过程能力，当发现过程能力不足时，应采取措施。(7)控制图监控只有当过程是受控、稳定的，过程能力足够才能采用监控用控制图，进入SPC实施阶段。(8)监控、诊断、改进在监控过程中，当发现有异常时，应及时分析原因，采取措施，使过程恢复正常。对于受控和稳定的过程，也要不断改进，减小变差的普通原因，提高质量降低成本。5.5.多变量统计控制图5.5.1单纯使用单变量统计控制图的缺陷(1).实际弃真概率随着过程维度的增加而显著增大。(2).单变量控制图的受控并不能确保多变量过程统计受控。(3).单变量的联合监控无法适应多变量过程变量之间的统计相关性。5.5.2多变量统计控制图的研究现状对于多变量统计控制图的研究最早可以追溯到20世纪40年代中期。霍特林与1947年针对多变量控制过程问题，首次提出了多变量控制图，开创了多变量控制图研究与应用的先河。为提高对多变量过程的监控效率，以便对过程均值的微小漂移实施更有效的监控，GHare等人进一步提出了基于统计量的多变量控制图。为使用从所有的过程样本中获得信息，Healy等人提出了适应于监控过程微小偏移的多变量累积和控制图(MCUSUN)和多变量指数加权移动平均控制图(MEWMA)，推动了多变量统计控制图的进一步发展。利用统计降维的原理，Jackson等人提出了基于主成分分析的(PCA)方法的多变量统计控制图。基本原理是：将Q统计量的计算值与临界值比较，以监控多变量过程是否统计受控。20世纪90年代以来，随着多变量统计过程控制技术多变量统计过程控制技术应用的日益广泛，对新型多变量统计控制图的需求不断上升，一些针对改良的或是全新的多变量统计控制图的研究更趋加强。5.5.3多变量过程的典型失控状态。(1).协方差稳定，但均值失控图3.二维过程的均值失控示意图(2).均值稳定，但协方差失控图4.二维过程的协方差阵失控示意图(3).均值与协方差阵同时失控图5二维过程的均值和协方差阵同时失控的示意图5.5.4多变量统计控制图的设计原理及适用范围与单变量控制图的理论基础相类似，多变量统计控制图的设计同样要遵守正态性假定、准则、小概率事件不发生原理和统计推断思想。但与单变量情形有所不同的是，在多变量情形下，虽然多变量过程自身服从多维正态分布。但利用样本数据构造出来的综合变量往往不服从一维正态分布，在这种情形下或者继续对综合变量进行变换，使其近似地服从正态分布，进而计算出相应的控制线，或者利用仿真方法直接按照准则给出相应的控制线。由于不服从正态分布，利用仿真方法生成的控制线不具有相对中心线对称的特性。.此外，由于综合变量与原始样本数据之间并不是简单的线性关系，综合变量在多变量控制图上非随机排列往往并没有确切的意义，这使得在多变量情形下，对失控状态的判断主要使用“点子出界”的第一类判断准则，而很少使用“点子非随机排列”的第二类判断准则。这是应用多变量统计控制图时，明显不同于单变量的统计控制图的一个特点多变量统计控制图一般适用于三种情形：eq\o\ac(○,1)同一产品的加工质量或生产过程由多个相关的过程特性共同决定。为了保证产品质量或者过程绩效稳定受控，就需要对多个特性同时进行监控。eq\o\ac(○,2)同一生产过程中同时形成多个影响质量控制的过程输出特性，且这些过程输出特性相互之间有一定的联系。eq\o\ac(○,3)某个关键的过程特性需要同时在几个不同位置进行测量和控制。5.5.5多变量控制图的分类(1).多变量均值控制图多