为什么现实生产过程几乎都不是正态分布？
我们学休哈特控制图，知道一个前提稳态的过程服从正态分布，不服从正态分布就是有异因。初学的我们将SPC用于生产过程控制，却四处碰壁！因为我们发现真实的生产过程几乎90%以上不服从正态分布！！！这是为什么呢？？？
我们捡起大学的统计学重新学习，发现原来只受随机因素影响时才服从正态，但统计稳态还有很多。如威布尔分布、瑞利分布、对数正态分布……只要过程有规律可循，服从某一分布，且可以用事实解读，应该也是统计稳态的过程吧！
比如机加过程受刀具磨损影响，它始终作用于过程且无法消除，所以它是一个普通原因而非特殊原因，但它也不是随机因素，故机加过程的分布一定不是正态分布。如孔类尺寸受刀具磨损总是越做越小，最终会形成头部偏向右侧的瑞利分布；同理轴类尺寸是头部偏向左侧的威布尔分布。
再如，单边公差质量特性，如跳动0.05，它最小趋向0（望小质量特性），最终形成头部偏向右侧的瑞利分布；相反望大质量特性（如绝缘电阻），形成头部偏向左侧的威布尔分布。
再如，装配过程，如拧紧螺栓的最终转角150±5°，它靠设备自动拧紧，几乎没有工装（刀具）的磨损影响，应该是正态分布了吧？但现实告诉你“不是”！为什么呢？原来它与自动拧紧设备的控制策略相关，设备要求每次拧紧至150°才停，不到150°它绝不停，想想它的均值会大于150°，它的分布会服从正态分布吗？（两边对称？）不，它最终形成的是对数正态分布。
研究过程，必先研究分布规律，不能死套经典休哈特控制理论和教科书。休哈特博士1924年创建控制图时还没有发明电脑，同时他是贝尔试验室的工程师，离我们这个时代太远。教科书、培训师、审核师的话太理想，离生产实际隔了层皮。试想，如果过程都服从正态分布了，那还需用SPC来分析过程吗？还需查找异因吗？还需要大量投入精力到SPC中去吗？我们中国毕竟还处于社会主义初级阶段，我们必须生活在现实中。
我们捡起大学的统计学重新学习，发现原来只受随机因素影响时才服从正态，但统计稳态还有很多。如威布尔分布、瑞利分布、对数正态分布……只要过程有规律可循，服从某一分布，且可以用事实解读，应该也是统计稳态的过程吧！
比如机加过程受刀具磨损影响，它始终作用于过程且无法消除，所以它是一个普通原因而非特殊原因，但它也不是随机因素，故机加过程的分布一定不是正态分布。如孔类尺寸受刀具磨损总是越做越小，最终会形成头部偏向右侧的瑞利分布；同理轴类尺寸是头部偏向左侧的威布尔分布。
再如，单边公差质量特性，如跳动0.05，它最小趋向0（望小质量特性），最终形成头部偏向右侧的瑞利分布；相反望大质量特性（如绝缘电阻），形成头部偏向左侧的威布尔分布。
再如，装配过程，如拧紧螺栓的最终转角150±5°，它靠设备自动拧紧，几乎没有工装（刀具）的磨损影响，应该是正态分布了吧？但现实告诉你“不是”！为什么呢？原来它与自动拧紧设备的控制策略相关，设备要求每次拧紧至150°才停，不到150°它绝不停，想想它的均值会大于150°，它的分布会服从正态分布吗？（两边对称？）不，它最终形成的是对数正态分布。
研究过程，必先研究分布规律，不能死套经典休哈特控制理论和教科书。休哈特博士1924年创建控制图时还没有发明电脑，同时他是贝尔试验室的工程师，离我们这个时代太远。教科书、培训师、审核师的话太理想，离生产实际隔了层皮。试想，如果过程都服从正态分布了，那还需用SPC来分析过程吗？还需查找异因吗？还需要大量投入精力到SPC中去吗？我们中国毕竟还处于社会主义初级阶段，我们必须生活在现实中。
没有找到相关结果
已邀请:
RSS Feed
59 个回复
钻石灰尘 (威望:34) (北京 朝阳区) 电子制造 其它
赞同来自: guotong12316 、一袋金坷垃
我下班前看了一眼这个帖子，忙碌了一整天，是不想再费力气多谈了，我就加了个喜欢，等着有谁来讲解，没想到这样的帖子不但没热起来，而且也没有哪个老江湖露个脸。看来，大家都是累了，金盆洗手，只剩下传说和名号了，有时候我还真怀念04-06的时候，虽然大家所知都不多，但贵在认真，虽然是左右互搏的嬉戏，人多了也真能整出个名堂来，无论那个板块还都能人坐镇。
其实这个问题在N多年前就讨论过了，那些陈芝麻烂谷子的事情，就不去翻找了。就以楼主的这个案例来谈吧。
首先，SPC，控制的对象是什么？在SPC之前要做那些工作？这件事情楼主要考虑清楚。
不是说你有了控制图，拿过来就用于控制，那是控制不住的。
控制的对象不是结果而是过程中的关键因子的变化。
比如机加过程受刀具磨损影响，它始终作用于过程且无法消除，所以它是一个普通原因而非特殊原因，但它也不是随机因素，故机加过程的分布一定不是正态分布。
刀具带来的影响，在SPC的基础课程中肯定举过相关的案例，这是一种异常，成规律性变化，是否需要调整，怎样调整是根据具体的情况而定。为什么？因为其有可能符合其它分布的特性。如果楼主有兴趣，可以去找相关的教材去看看。
我主要谈如何去寻找控制对象
以Sixsigma的角度来谈，Y=F（X） ，控制对象是X，而不是Y，因为Ｙ的变化是受到相关因素作用的结果。而Ｘ是独立的，随机的，可测量的等等，这些如果楼主有兴趣可以去翻找以前品质工具或者６ｓｉｇｍａ板块的旧帖子。
如楼主讲的机械拧螺丝的结果，那就是Y，产生这个结果一系列机械动作过程是由多个因子作用才能出现Y这个结果，因此要控制的是这些过程中的关键控制因素。要找出这些因子进行控制，让输出的结果Y控制在一定的水平上。如绕线的绕幅，就是偏分布的，控制的对象不是绕幅的宽度，而是张力，绕速之类的参数。我有一个朋友在一家线束厂工作，他们给一个剥皮机做CMK，怎么也过不去，他也提出这就是个偏分布呀，打电话找我问我有没有啥高照，我一听就乐了，剥皮的长度是个结果，你不控制剥皮的过程去控制剥皮的结果，你SPC个头呀，踏踏实实地去找可控的关键因子吧。
那么该如何去找关键因子哪？
按照大家都熟悉的Sixsigma的过程来看DMAIC， 这其实就是一个模式化的寻找关键因子并加以控制的过程，对Ｙ量化，测量，找到Ｆ，找到关键的Ｘ，对Ｘ进行优化组合，然后用ＳＰＣ对Ｘ进行控制。也就是在ＳＰＣ应用之前需要是需要一个数据化分析的过程的，ＳＰＣ的实施是需要标准化的。
那么ＳＰＣ有不好用的时候，当然有了，科学总是有极限的。举个例子焊接中的点焊就是个难题，因为电极是随着焊接次数的增加而磨损，表面钝化，就会对焊接质量产生影响。点焊本来还要受到，如焊锡层的厚度，硅钢片的弹力，导线的可焊性，电流，电压，通电时间，还有什么熔接曲线等等，一大堆的影响，相关的过程太多，是多个过程的作用下才产生的结果，也就是你会碰到一大堆ｎｏｉｓｅ而且注定了你是无法消除的，怎么办？
同样要把焊接这个过程进行分析，然后找到相关的因子，能控制控制，控制不了明确其变化状况，最终决定其控制变法的是经济因素，要么你放弃这种焊接方式，从新设计焊接工艺。要么如去研究打磨电极的时间，反正间隔越短，焊接质量越好，但产量会下降，公司只能在容忍一定的不良率和效率之间进行平衡，进行经济上的评估。
这种情况还多得是，如钢板的硬度不可能是均匀的，若划分区域测试找疵点，是泊松分布，在】这样的因子，不属于关键因子的时候，可以忽略不计，如果成了关键因子，就非常麻烦，一般是在成品不良率和效率之间找到一个经济上可以接受的数值。