книги из ГПНТБ / Контроль качества продукции машиностроения учебное пособие
..pdfМалой выборкой считается выборка, объем которой не пре вышает 25 единиц продукции. Если объем выборки больше 25 единиц, то она считается большой. При анализе производ ственных процессов обычно применяются большие выборки, со стоящие из 50— 100 единиц продукции; при контроле и регули ровании — малые выборки объемом 3— 10 единиц.
Определение метода отбора единиц продукции в выборку зависит от способов представления продукции на контроль. Су ществуют три способа: в виде «ряда», «россыпи» и «потока». «Ряд» характеризуется тем, что единицы продукции, поступаю щие на контроль, упорядочены, они легко могут быть пронуме рованы; каждую единицу продукции легко отыскать. Приме рами продукции, поступающей на контроль способом «ряд», могут служить автомобили, электродвигатели, приборы.
Второй способ представления продукции на контроль — «россыпь» характеризуется тем, что единицы продукции неупорядочены, их трудно нумеровать и практически невозможно отыскать определенную единицу продукции (например, шай бы, гайки, кнопки).
«Поток» имеет следующие особенности: единицы продукции поступают на контроль непрерывным потоком одновременно с выпуском продукции; единицы продукции упорядочены, можно легко отыскать и достать каждую вторую, пятую и т. д. едини цы продукции (например, продукция, изготовляемая на стан ках-автоматах и конвейерах).
В зависимости от способа представления продукции на контроль различают следующие методы отбора единиц продук ции в выборку:
случайного отбора; наибольшей объективности; систематического отбора.
Метод случайного отбора применяется в тех случаях, когда продукция однородна и представлена на контроль в виде «ря да», а также во всех остальных случаях для однородной про дукции, если это не ведет к большим трудностям экономиче ского или технического порядка. Метод случайного отбора ис пользуется в двух вариантах:
А — для отбора единиц продукции в выборку применяют таблицы случайных чисел (ГОСТ 11003—73);
Б — для отбора единиц продукции в выборку применяют карточки. Количество пронумерованных карточек должно сов падать с количеством пронумерованных единиц. Номер кар точки соответствует номеру определенной единицы продукции. Карточки тщательно перемешивают и произвольно достают по одной; номер карточки указывает, какую единицу продукции следует включить в выборку.
60
Метод наибольшей объективности применяется в тех слу чаях, когда продукция представлена на контроль в виде «рос сыпи». При этом необходимо стремиться включать в выборку единицы продукции из разных частей контролируемой партии.
При методе систематического отбора единицы продукции отбирают в выборку через определенный интервал (количество единиц). Например, если выборка должна составить 5% от контролируемой партии, то отбирается каждая двадцатая еди ница продукции. Чаще всего этот метод применяется в тех слу чаях, когда продукция представлена на контроль в виде «по тока».
§12. Распределение выборки. Графические представления статистических распределений
Выборочный метод позволяет решить две основные задачи, имеющие большое практическое значение. Первая заключается в установлении закона распределения изучаемой случайной величины и параметров этого распределения по данным вы
борки, |
вторая — в статистической проверке |
гипотез, выдви |
|
гаемых |
при различных |
производственных |
исследованиях |
(см. гл. V). |
больших чисел можно утверждать, |
||
На |
основании закона |
что если генеральная совокупность подчиняется определенно му закону распределения, то и выборка из этой совокупности, если объем ее достаточно велик, будет подчиняться этому же закону. Утверждение будет тем точнее, чем больше объем вы
борки. |
|
совокупности |
извлечена выборка, |
Пусть из генеральной |
|||
причем а'1 |
наблюдалось |
щ раз, х2— п2 раз, хк — пк раз и |
|
2 rii = n — объем выборки. |
Наблюдаемые |
значения называют |
|
вариантами, |
а последовательность вариант — вариационным |
рядом. Числа наблюдений называют частотами, а их отношения
к объему выборки — = W t — относительными частотами.
п
Статистическим или эмпирическим рядом называют пере чень вариант и соответствующих им частот или относительных частот. Статистический ряд можно задать также в виде после довательности интервалов и соответствующих им частот.
Заметим, что в теории вероятностей под распределением по нимают соответствие между возможными значениями случай ной величины и их вероятностями, а в математической стати стике — соответствие между наблюдаемыми вариантами и их частотами или относительными частотами.
П р и м е р |
12. Контролируется отклонение размера от |
номинального |
у 20 деталей. |
Получены следующие данные: отклонения на 2 |
мм наблюда |
61
лись у трех деталей, на |
6 м м —-у десяти и на |
12 мм — у семи деталей. |
||||
Написать |
распределение относительных |
частот (статистический ряд) . |
||||
Запишем распределение частот: |
|
|
|
|||
|
|
X i |
л,- |
|
|
|
|
|
2 |
3 |
|
|
|
|
|
6 |
10 |
|
|
|
|
|
12 |
7 |
|
|
|
Найдем относительные частоты, для чего разделим |
частоты на объем |
|||||
выборки: |
|
|
|
|
|
|
|
3 |
И7. = |
10 |
№ '.= |
7 |
0,35. |
В7г = — = 0,15; |
— ■ - 0,50; |
— = |
||||
|
20 |
|
20 |
|
20 |
|
Статистический ряд приведен ниже: |
|
|
|
|||
дч: |
2 |
6 |
12 |
|
|
|
|
0,15 |
0,50 |
0,35 |
|
|
|
Проверка: 0,15+0,50+0,35=1.
Статистической функцией распределения (функцией рас пределения выборки) называют функцию F *(x ), определяю щую для каждого значения х относительную частоту события
X < х:
F * ( x ) = ^ , |
(31) |
п |
|
где пх — число наблюдений, меньших х;
п— объем выборки.
Вотличие от статистической функции распределения вы борки интегральную функцию F (х) распределения генеральной совокупности называют теоретической. Различие между стати стической и теоретической функциями состоит в том, что тео
ретическая функция F{x) определяет |
вероятность |
события |
X < х, а статистическая функция F* (х) |
— относительную ча |
|
стоту этого же события. |
|
|
Статистическая функция распределения выборки |
служит |
для оценки теоретической функции распределения генераль ной совокупности (партии).
П р и м е р |
13. |
Построить |
статистическую |
функцию по данному распре |
|
делению выборки: |
|
2; |
6; |
10; |
|
варианты |
.v,-: |
|
|||
частоты л,-: |
|
12; |
18; |
30. |
|
Решение. Найдем |
объем |
выборки 124-18 + 30 = 60. |
|||
Наименьшая |
варианта равна 2, следовательно, |
||||
|
|
|
F * |
(х) —- 0 при д- < |
2. |
Значение А'<6, а именно л:, = 2 наблюдалось 12 раз. Следовательно,
12
F * ( х ) = — = 0,2 при 2 < х < 6.
62
Значения ЛГ< 10, а |
именно x t = 2 |
и х2= 6 , |
наблюдались 12+18=30 раз, |
|||||
следовательно, |
|
|
|
|
|
|
|
|
F * |
( х ) = |
30 |
0,5 |
при 6 < х |
< 10. |
|||
— = |
||||||||
Так как х = 1 0 — наибольшая варианта, то |
|
|
||||||
|
F * |
(х) = |
1 при х~5> 10. |
|||||
Искомая статистическая функция |
(рис. 9) |
|
|
|||||
|
|
0 |
|
при х < |
2; |
|
||
F * (х) |
0,2 |
» |
2< |
х < |
6: |
|||
0,5 |
» |
6 < |
х < |
10; |
||||
|
|
|||||||
|
|
1 |
|
» |
|
х > |
10. |
|
F*(х) |
|
|
|
|
|
|
|
|
1,0 |
|
|
|
|
|
|
|
|
0,5 |
|
|
|
|
|
|
|
|
О----1 |
1 |
----1--------1----!---- |
||||||
|
2 |
4 |
6 |
8 |
10 |
12 Ш x-L |
||
Рис. |
9. Статистическая функция рас |
|||||||
|
|
пределения |
|
|
Для наглядности строят различные графики статистическо го распределения и, в частности, полигон и гистограмму.
П о л и г о н о м ч а с т о т называют ломаную, отрезки кото рой соединяют точки (лт, я-i), {х2 (хд, пд). Для по строения полигона частот на оси абсцисс откладывают вариан ты Х{, а на оси ординат — соответствующие им частоты л*. Точ ки (Xi, rii) соединяют отрезками прямых и получают полигон частот.
Рис. 10. Полигон относительных частот |
|
||
П о л и г о н о м |
о т н о с и т е л ь н ы х |
ч а с т о т |
называют |
.ломаную, отрезки |
которой соединяют точки |
(хь W7,), |
|
(*2, W2), . . . , (хд, №д). Для построения |
полигона относитель- |
63
ных частот iia оси абсцисс откладывают значения х;, а на оси; ординат —■ соответствующие нм относительные частоты 1Г,-. Точки (лу, ff'f) соединяют отрезками прямых и получают поли гон относительных частот.
На рис. 10 изображен полигон относительных частот сле
дующего распределения: |
|
|
|||
х |
: |
1.5; |
3,5; |
5,5; |
7,5; |
W |
: |
0,1; |
0,2; |
0,4; |
0,3. |
Г и с т о г р а м м о й |
ч а с т о т |
называют ступенчатую фигу |
ру, состоящую из прямоугольников, основаниями которых слу жат частичные интервалы длиною h, а высоты равны отноше
нию (плотность частоты). Для ее построения на оси
аоецнсс откладывают частичные интервалы, а над ними прово
дят |
отрезки, параллельные оси абсцисс на расстоянии |
|
|||||
Площадь /'-го частичного прямоугольника равна |
h - |
— = |
|||||
= П: |
сумме частот вариант /'-го интервала. |
Следовательно, |
|||||
|
площадь гистограммы |
частот равна |
|||||
|
сумме всех |
частот, |
т. |
е. |
объему вы |
||
|
борки. |
|
|
|
|
|
|
|
На рис. 11 изображена гистограм |
||||||
|
ма частот |
распределения объема |
|||||
|
п = 100, приведенного в табл. 2. |
||||||
|
Г и с т о г р а м м о й |
|
о т н о с и |
||||
|
т е л ь н ы х |
ч а с т о т |
называют |
||||
|
ступенчатую фигуру, |
|
состоящую из |
||||
|
прямоугольников, у которых основа |
||||||
|
ниями являются |
частичные |
интер |
||||
|
валы длиною /г, |
а |
высотами — ве- |
||||
|
W- |
|
построения |
гисто |
|||
|
личины -j- . Для |
Рис. 11. Гистограмма час тот распределения
граммы относительных частот на оси абсцисс откладывают частичные интервалы, а над ними проводят отрезки, параллельные осп абсцисс
на расстоянии -ф- . Площадь /-го
, Wi т
частичного прямоугольника равна h--j- = Wi. Следователь
но, площадь гистограммы равна сумме всех относительных частот, т. е. единице.
Благодаря наглядности гистограммы получили широкое распространение в области контроля качества. На передовых
64
предприятиях давно существует практика записи «истории ка чества». Все показатели качества изделий от партии к партии отражаются в виде гистограмм, на которые наносят дополни тельные линии технических пределов и номинального значения. С помощью гистограмм рекомендуется оформлять предложе ние-заявку и сертификат-гарантию. Карточки с гистограммами удобно хранить, легко сортировать в зависимости от исследуе мого признака. На рис. 12 схематически представлена «исто рия качества».
|
|
|
Т а б л и ц а 2 |
Пределы интервала |
Сумма частот вариант |
Плотность частоты n ./k |
|
( А - 5) |
интервала п . |
|
|
5— |
9 |
4 |
0 ,8 |
10— 14 |
6 |
1,2 |
|
15— 19 |
16 |
3 ,2 |
|
20— |
24 |
36 |
7 ,2 |
25— 29 |
24 |
4 ,8 |
|
30— |
34 |
10 |
2 ,0 |
35— 39 |
4 |
0 ,8 |
О
При статистическом анализе гистограмма является ценным средством. Введение статистических методов на предприятии надо начинать с исследования распределения частот и построе ния гистограмм. Одновременно определяют статистические ха рактеристики: среднюю арифметическую и среднее квадрати ческое отклонение. Построение гистограмм — это первая сту пень при введении на предприятиях контрольных карт.
5 -1 12S |
6 5 |
§ 13. С тати сти ч ески е оценки п а р а м е т р о в р асп р ед ел ен и я
Пусть требуется изучить количественный признак генераль ной совокупности. Допустим, что теоретически удалось устано вить, какое распределение имеет признак. Возникает задача оценки параметров, которыми определяется это распределение. Например, если известно, что изучаемый признак распределен в генеральной совокупности нормально, то необходимо оценить (приближенно найти) математическое ожидание и среднее квадратическое отклонение, так как эти два параметра пол ностью определяют нормальное распределение. Если же есть основания считать, что признак имеет распределение Пуассона, то необходимо оценить параметр а , которым это распределе ние определяется.
Обычно в распоряжении исследователя имеются лишь дан
ные выборки, например, значения количественного |
признака |
хь х2, • ■ •, А'п, полученные в результате п наблюдений |
(здесь и |
далее наблюдения предполагаются независимыми). Через эти данные и выражают оцениваемый параметр.
Рассматривая х и Хо,...,хп как независимые случайные ве личины АТ, А2, . . . , Хп, можно сказать, что найти статистиче скую оценку неизвестного параметра теоретического распреде ления — значит найти функцию от наблюдаемых случайных величин, которая и дает приближенное значение оцениваемо го параметра. Например, для оценки математического ожида ния нормального распределения служит среднее арифметиче ское наблюдаемых-значений признака:
- _ * 1 - р * 2 Т ~ * 3 4 ~ • • • ~ \~ х п
п
Чтобы статистические оценки давали «хорошие» приближе ния оцениваемых параметров, они должны удовлетворять оп ределенным требованиям. Рассмотрим эти требования.
Пусть 0 * — статистическая оценка неизвестного парамет ра 0 теоретического распределения. Допустим, что по выбор ке объема п найдена оценка ©Д. Повторим опыт, т. е. из влечем из генеральной совокупности другую выборку того же
объема и по ее данным найдем оценку 02*. |
Повторяя |
опыт |
|
многократно, получим разные числа ©Д, 02*, |
■ ■ • , 9,Д. |
Таким |
|
образом, оценку 0 * |
можно рассматривать как случайную вели |
||
чину, а числа 6Д , |
02* , . . . , 0 Д — как ее возможные |
значе |
|
ния. |
статистической оценки, |
математическое |
|
Использование |
ожидание которой не равно оцениваемому параметру, приве дет к систематическим (одного знака) ошибкам. По этой при чине естественно потребовать, чтобы математическое ожидание
-66
оценки |i ( 0 * ) = 0 было равно оцениваемому параметру. Хотя соблюдение этого требования не устранит ошибок (одни зна чения 0 * больше, а другие меньше 0 ), однако ошибки разных знаков будут встречаться одинаково часто. Иными словами,
соблюдение требования ц (0 *) = 0 гарантирует от |
получения |
систематических ошибок. |
оценку 0 *, |
Н е с м е щ е н н о й называют статистическую |
математическое ожидание которой равно оцениваемому пара метру 0 при любом объеме выборки, т. е. р(@*) = 0 .
С м е щ е н н о й называют оценку, математическое ожида ние которой не равно оцениваемому параметру.
Однако было бы ошибочно считать, что несмещенная оцен ка всегда дает хорошее приближение оцениваемого парамет ра. Действительно, возможные значения 0 * могут быть сильно рассеяны вокруг своего среднего значения, т. е. дисперсия а2(в *) может быть значительной. В этом случае найденная по данным одной выборки оценка, например © Д может оказаться
весьма удаленной от среднего значения 0 *, |
а значит, и от са |
||
мого оцениваемого параметра 0; приняв 0 i* |
в качестве при |
||
ближенного значения 0, допустили |
бы |
большую ошибку. |
|
Если же потребовать, чтобы дисперсия 0 * |
была малой, то воз |
||
можность допустить большую ошибку |
будет исключена. По |
этой причине к статистической оценке предъявляется требова ние эффективности.
Э ф ф е к т и в н о й называют статистическую оценку, кото рая (при заданном объеме выборки п) имеет наименьшую воз можную дисперсию.
При рассмотрении выборок большого объема к статистиче ским оценкам предъявляется требование состоятельности.
С о с т о я т е л ь н о й называют статистическую оценку, ко торая при п-*- сп стремится по вероятности к оцениваемому параметру. Например, если дисперсия несмещенной оценки при tt-vco стремится к нулю, то такая оценка оказывается и состоятельной.
Чтобы кратко выразить результаты наблюдений, сущест вуют два типа числовых характеристик: с помощью одного из них описывается среднее положение наблюдаемых значений, с помощью другого — отклонение индивидуальных значений от среднего. Числовые характеристики называются также ста тистическими мерами.
В практике контроля качества особый интерес представ ляют следующие средние значения: среднее арифметическое
значение х и медиана — х. Наиболее известно среднее арифме тическое ряда измерений. В повседневной жизни нам приходит ся часто сталкиваться с такими средними значениями. Так, на
Б * |
6 7 |
предприятии рассчитывается среднемесячная доля брака, сред ний расход сырья в цехе или среднесуточная производитель ность агрегата. Точно так же, как вычисляют эти средние зна чения (суммирование индивидуальных значений и деление суммы на количество величин), определяют и среднее арифме тическое ряда измерений объема п со значениями хь х2, ... , хп.
Среднее арифметическое ряда измерений определяется по формуле
|
х |
А1 + Л'г + ■ • • + хп |
|
(32) |
|||
|
п |
|
|
||||
|
|
|
|
|
|||
Пример |
14. При измерении |
диаметра |
цилиндра |
семи автомобильных |
|||
двигателей получены следующие результаты (табл. |
3). |
||||||
|
|
|
|
|
|
Таблица 3 |
|
И з м е р е н н ы е |
з н а ч е н и я |
О т к л о н е н и я о т с р е д н е й |
О т к л о н е н и я о т у с л о в н о й |
||||
а р и ф м е т и ч е с к о й |
|||||||
д и а м е т р а .г. |
с р е д н е й (л-;— л-а ) |
||||||
|
|
-г) |
|
||||
|
|
|
|
|
|
||
101,64 |
|
+ 0 ,0 1 |
|
+ 0 ,0 0 |
|||
101,61 |
|
—0,02 |
|
—0,03 |
|||
101,63 |
|
|
0,00 |
|
—0,01 |
||
101,66 |
|
+ 0 ,0 3 |
|
+ 0 ,0 2 |
|||
101,62 |
|
—0,01 |
|
—0,02 |
|||
101,62 |
|
—0,01 |
|
—0,02 |
|||
101,63 |
|
|
0,00 |
|
0,01 |
||
Сумма 711,41 |
|
|
0,00 |
|
—0,05 |
||
|
|
_ |
|
711,41 |
— 101,63. |
||
Средняя арифметическая х |
= |
у |
Средняя арифметическая обладает некоторыми свойствами. Основное свойство средней арифметической: сумма откло
нений Хг от средней арифметической всегда равна нулю:
(*i—х) + (х2— х) + . .. + [х„ — х) = 2J (хг — х) = 0. I
Справедливость этого свойства следует из определения средней арифметической и показана на примере 14.
Если значение х,- выражается числом, состоящим из не скольких цифр, то вычисления можно упростить, введя услов
ную среднюю ха. Тогда
X = * „ + - £ - • 2 ( х г— ха). |
(33) |
«8
Приняв в примере |
14 (произвольно) |
условную среднюю х„ |
равной |
|
|
___ |
7 |
___ |
|
101,64, найдем сначала |
(а-,-—х „) |
и затем 21( а ,-—х а ) , равную —0,05. По фор- |
||
муле (33) находим |
|
|
|
|
х = |
1 0 1 ,6 4 + |
- у • (—0,05) = 101,63. |
|
|
Другой статистической |
характеристикой для ряда |
наблю |
дений является медиана или центральное значение х. Для ее вычисления все наблюдения необходимо расположить в поряд ке возрастания или убывания результатов измерений. Если п — нечетное число, то медиана является числом, находящимся в центре упорядоченной последовательности. При четном п медиана равна среднему арифметическому двух расположен ных в середине значений упорядоченной последовательности.
Найдем медиану для значений х,-, приведенных в приме ре 14. Для этого расположим все данные в возрастающем по рядке: 101,61; 101,62; 101,63; 101,64; 101,65. Четвертое, цент ральное значение ряда равно 101,63. Следовательно, медиана
х = 101,63.
По определению медиана х зависит исключительно от одно го или двух центральных значений ряда измерений. Осталь ные значения последовательности можно произвольно варьи
ровать, не изменяя при этом х, в то время как среднее ариф
метическое х может существенно измениться.
Особенно легко определять медиану малого количества из мерений. Поэтому медиана часто используется в технике конт рольных карт, где ей отдается предпочтение перед средним арифметическим.
Для описания статистических распределений недостаточно введения единственного числа, характеризующего ряд измере ний через их среднее значение, так как два статистических рас пределения с одинаковыми средними могут иметь совершенно разный вид.
Рассмотрим наиболее употребительные в практике меры рассеяния: размах (варьирования) R, выборочное среднее квадратическое отклонение s, а также его квадрат s2.
Проще всего рассчитать р а з м а х R, который равен разно сти между максимальным и минимальным значениями призна ка в ряде измерений. В примере 14R = 101,66— 101,62 = 0,04.
Для вычисления размаха используются крайние значения, расположенные в порядке возрастания или убывания последо вательности результатов измерения, причем распределение промежуточных измерений может быть неизвестно. Поэтому
69