文档介绍：从数据中寻找规律
直方图
一个实例:
某工厂接收了一批外协厂制造的青铜轴承用于生产一种重要的仪器。但该厂不能信任生产这些轴承厂家的工作,决定对供应商提供的轴承进行分析。
这些轴承的关键特性是它们的内径,±。
现抽取了100个青铜轴承,对它们的内径进行仔细的测量,并记录了测量结果。
100个青铜轴承内径的测量值如下表:
数据会告诉您什么呢?
回答
数据列表不能表达出任何有实际意义的东西(Virtually Nothing)!
必须对数据进行进一步分析。
图形可以帮助我们将数据转换成信息。
数据
列表
能否接受这批产品?
与目标值相比较:
平均值:
与规格界限相比较:
极差(最大值-最小值)
=-=
数据分布的更进一步的信息:
数据分成10组后,落在每个区间
内的数据个数:
数据量
分组数
50-100
6-10
100-250
7-12
250个以上
10-25

±
制作频数分布表
绘制直方图
LSL
USL
分析直方图
~,所有的测量值都在其范围内(而且在+/-3S的范围内)。
分布基本上是对称的,有一点点向右偏斜,但不严重。
所以该厂决定接收这批青铜轴承。
建议:轴承的加工中心应该左移;
建立一个直方图
收集整理数据
定组数 N
算极差 R
定组距 I
确定组的中心点和各组界限
制作频数分布表
绘制直方图
分析
数据量
分组数
50-100
6-10
100-250
7-12
250个以上
10-25
直方图告诉我们
数据分布的中心位置(Average)在哪里?
数据分散程度(Spread)如何?
数据分布的形状(Shape)怎样?
经验之谈:
对大多数工业用的分析来说,50个数值具备足够的可靠性。
但单个测量值的费用比较低时,或是当需要准确分析时,可以采用100个或更多的数据。