spc chart是什么意思

大家好，我们今天来继续来看这个统计质量控制啊，道格拉斯蒙格玛丽写的这本书啊， 然后呢，今天我们来看到缺线数控制图，缺线数，缺线数控制图，简称 c chart。 前面呢，我们有讲到 p 图跟 m p 图，哎， p 图跟 m p 图呢，针对的是计件，这回呢来到计点，就是说我，你看这个题目啊，就是说我抽了一百件样品，抽了一百件样品，然后呢， 据说第一个样本呢，是一百件样品，然后呢一百件样品里面发现了二十一个缺陷数， 就是说，嗯，就是说你一件不合格品上可能有几个缺陷点，这个是一种情况，对吧？然后呢，这个，这个是 chat 呢，是针对缺陷点来做控制图，我们来看，我们来看这道题目啊，这题目，这，这个是一个立体啊，就是说， 就是说二十六个连续样本，然后呢每个一百个印刷电路板，这里有，注意，注意啊，这里有二十六个数据，然后，对吧？然后每每个样本有一定的缺陷数， 然后呢，他说为了，为了，为了简单，为了为了检查单元，定义简单啊，定义，为什么 你每个样本一百个版，就是说我第一个样本有一百个，一百个那个电路版，然后发现了二十一个缺陷点，然后呢教你建立一个 c chart， 对，这些数据，我们知道 c chart 的来源是什么啊？ c chart 的来源是不双分 分部，松分部里面的这个 c， 对吧？所以说简称 c chart。 然后控制线的上下线的计算， 上线、中线、下线，就是说 c 的均值加上 c 开根号三倍的标准偏差，我们知道博双分布的均值跟标准差是相等的，是吧？都是等于 c 啊，这个是故事背景啊，我们来看具体来怎么建这个 say charge。 然后呢？我们知道样本书的缺陷数在这里的，比如说我一天收集一百个版，打个比方，一天一百个版，第二天又是一百个版，然后每个版上发现了这么多缺陷数，然后我们总计， 总计有多少个？总计二十六个样本，总计 总计有多少个缺陷？那个缺陷点 把它加起来五百一十六个。然后呢？平均呢？平均一下不就得到 c 了吗？ 比二十六，那就是说我平均平均每天一百个一百个板，平均每天一百个板，会得到十九点八十九点八个缺陷， 十九点八个区限数，然后我们来建立控制图，我们来看，我们来看。呃，我再把它复制一列啊，等会万一要删减，万一又要有超出控制线的情况啊，来复制一列，然后这里又上线， 中线，下下控制线，中线等于什么？中线等于等于 c 而固定住。然后呢？上线呢？上线就是等于 中线，加上三倍的标准偏差， 这是上线，上线出来了，对吧？上线，然后我们把上线复制过来，减掉三倍的标准偏差，就是下线， 然后再把它复制下来，那我们的上下控制线得到了，对吧？上 下控制线得到了，然后上下控制线得到了，曲线数得到了，那我们就可以直接输出控制图了，对吧？插入 还有折线图，我们得到了 c chart。 我们来看，我们来看这个控制图啊，这个数据做出的控制图啊，你看 控制线在这里，对吧？上控制线，下控制线，中线，然后这个运行点在这里发现这两点超过了控制线 啊，超过控制线，我们在第一阶段，假设我们在这个第一阶段啊，在做这个实验控制线的时候啊，假设你，假设你发现 你收集了二十六个数据，有超出控制线，那你肯定要去调查，调查什么原因？ 假如啊，我们我们这里，假如啊，假如说你这里，呃，第六个控制点 出现了什么？呃，温度不对啊，或者你生产过程当中检查的不对啊，打个比方啊，你去具体，你要看具体，你要看怎么怎么去调查原因，如果我们找到了这个原因，是你这个温度不对，打个比方啊，你你那个测量的时候温度不对，那我们删掉这个点， 那这个呢？还有一个点呢？还有一个是二十一号点， 二十号点打底盘或是什么原因啊？你调查下来或者是什么原？ 嗯，具体原因不明啊。然后呢？我们再把它删掉，打个比方可以删掉啊， 后来我发现这里控制线要重新计算了，对吧？这里累加的缺陷数 c 呢？ c 变掉了，我们只有二十四个数据了， 让我们看到控制线也是跟着变的啊，因为你的中线变掉了，中线变掉了，控制线变掉了，然后检查一下我们的控制线，但是我们这个超线的点是要保留的，但是你这个 点要注明，你注明你是调查下来是什么原因，但是呢控制线的范围呢？已经是改掉了啊，假装， 呃，假如这二十四个点受控，然后我们得到一个实验控制线，实验控制线得到了，那你就可以进入下一阶段的，下一阶段的就继续收集数据， 那么这个控制图就可以投入使用。

今天我们再讲一下 spc 啊， spc 最近也很火，淘宝呢，为了 spc 也专门 重新开了个内幕，因为 spc 体验正在上升啊。那还有人在问我 spc 能不能用在家用里面，那今天我给大家讲一个很明确的答案啊，你信 不信你自己看着办啊。 spc 他不适合用在家里面 spc 他不适合用在家里面啊。我再强调一次， spc 他不适合家装， spc 他可以用在幼儿园，可以用在 啊，公众场，公众场所。为什么？ spc 它防火，它防水，它耐磨，对，这是它的优点， 它薄，特别的薄，所以它可以用在公共的场合，没有问题。它的环保甲醛 包括防火等级，因为公共场所对防火等级有要求的， spc 他不需要造假，他的防火等级就是达标的啊，达到 b 一等级的，这是他的优点，但是为什么他不适合用在家里呢？ 听清楚，第一个 spc， 他的锁扣，他太薄，他锁扣扣不紧，如果说我们家用的话，我们很有可能会 spc 会脱缝，很有很大的概率会脱缝，因为他太薄了。 第一点，第二点， spc 的收缩膨胀比比较高，如果说我们的家里面积比较大的话，我们很可能会起拱。第三点， spc 它的表面的处理 啊，因为他是膜，他是一层膜，所以他是用滚的，用那个滚滚膜，所以他的钢板做的不是特别细腻，所以我们去看 spc 的时候，我们可以看到他这这个纹路啊，好像十几年前的那个，强化的感觉 不是特别漂亮，不管他花色纸用成什么样子，你看着他的纹路就感觉怪怪的，因为他没有办法做出那种非常细腻的反实木的木刺纹的纹路，所以他不是特别的美观。第三个，第二应该是第四个了吧？ spc 他抗 耐磨，但是他不抗刮啊，这是一个非常致命的一点，就是他可以磨磨，怎么去磨他？他很很耐磨，但是呢，他不抗刮是什么意思呢？他刮的时候他会 那条划痕是非常明显的，而且是无法修复的，特别明显，因为他是软性的，碰到尖锐的就会被刮掉。我们家里面经常会挪挪动座椅啊，很容易会刮掉的，所以 sbc 他不适合用在家装里面 能取代 sbc 的。如果说你要用 sbc， 你为什么不用瓷砖呢？你说我的唇膏太矮了，唇膏太矮了，那你用多层个三层就够了。 sbc 不适合加装， ok？

嗨，大家好，今天讲控制图的最后一个章节就是技术型控制图，他针对两种技术类型，一种是缺陷品，另外一种是缺陷。 缺陷品的控制图包括 p 图和 np 图。缺陷呢，包括 c 图和 u 图。 先来了解缺陷品的控制图，技术嘛，就是统计多少个好的，多少个坏的，或者是类似的二元数据， 毕竟有些特性无法用连续变量来表示。二元数据的概率基础自然是基于我们的老朋友二项是分布。 来回顾一下二项式分布，他是对不努力实验进行描述。这些实验呢，可重复，相互之间独立 二元有事件发生的长数概率。 比如说手机，我们定义不 合格为事件，那么事件的概率就是 p。 事件不成功的概率是一减 p。 取样 n 个手机 s 个不合格的概率就是 px 等于 n。 选 x 值乘以 p 的 x 方，再乘以一减 p 的 n 减 x 方。 另外，随机变量 x 的标准偏差西格玛 x 等 等于 n 乘以 p， 再乘以一减 p 的开平方值，于是不合格概率的标准偏差就等于 xigmax 除以 n。 简化下来，这个值呢，就等于 p 乘以一减 p， 再除以 n 的开平方值。 如果不合格，这个事件的总体概率 p 已知， 并且每次取样的样本数 n 不变。根据修哈特的理论和前面的结论，我们就能够建立起充养 n 的不合格率的控制线及 p 加减三倍的 p 乘以一减 p 除以 n 的开平方值。 又由于二项式分布的均值期望值等于 np， 所以这个控制线就同时监控了均值和散布。这个图我们称之为 p 图。 如果不合格的总体概率 p 未知， 我们可以用大树定律来解决问题，就是 p 的样本均值替代 p， 他等于每次取样的不合格数量之和除以取样次 数 m 和取样样本量 n 的成绩带入到公式，得到最后的控制线。式子注意，这里控制线是不变化的， 现在总体的 p 未知， n 也变化， p 的样本均值则等于不合格数量之和除以样本总数之和， 然后再带入到公式里。由于 n 是变化的，所以这时候控制线也是变化的。 举一个名吉太伯的例子来说明，数据被砍掉了一半，总共十次抽样， 有十个不合格数。数据简单计算，总样本数是九百六十四，总不合格数是一百九十一，总不合格率就是零点一九八一。 按照公式计算出标准偏差。 在计算第一次抽样的控制线， 计算出全部十次的控制线， 画出 p 控制图。我们看到有两个点，超线 属性数据的控制图构建也遵循，发现消除异常， 计算剩余点，再反复几次，看有没有稳定，最后受控。当然，如果能力不够，还需要继续改善。 p 控制图是针对不合格率， np 呢，则是针对不合格数。所以 np 就 是讲 p 的控制图乘以 n， 得到这样的式子，他要求每次的样本数相同。 同样举一个例子，十次样本数相同的取样有十次的不合格数。计算出总不合格数和平均不合格数， 以及总样本数和总不合格率之后是 np 的标准偏差， 于是就得到 np 控制图的控制线， 画出 np 控制图。 现在我们来看看针对缺陷的控制图， c 图和 u 图，它的概率基础是薄松分布。 缺陷是什么？比如说，一个缺陷品可能包括多个缺陷 黑点呢？是缺陷一， 划痕是缺陷二， 漏光是缺陷三， 有可能一个产品包含有很多缺陷。 现在简单回顾一下脖松分布，它来自于二项式分布， 如果 n 曲进油穷，并且 p 足够小，就得到薄松分布的公式。这里面栏目的等于 n， p 代表着稀有事件发生的长寿次数， 我们通常用 c 来代替。栏目的这里呢，随机变量 x 的泊松分布的均值和 方差都等于 c。 有了这些，就可以得到针对缺陷的 c 控制图的控制线了。 c 有总体的缺陷发生，长数已知，那么控制线很显然就是 c 加减三倍的根号 c。 如果总体 c 未知，根据大数定律，用样本均值 c 八来替代即可。 举一个划痕的例子，假设恩不变，每日取 一样两百，得到十的缺陷数如下， c 八等于二点六，上下控制线就等于二点六，加减三乘以根号二点六。 由于下控制线不能小于零，所以我们将它改为零， 这样就得到划痕的 c 图控制图。 c 控制图的 n 如果是变化的，那么每一次 c 的期望值也是变化的，就不能再用 c 图了。 每次抽 n 个有 x 缺陷，我们就设 u 等于 x， 除以 n， u 就是单位平均缺陷数。 将对 c 的监控转化为对优控制线就等于优霸，加减三倍的优霸乘以 n 的开平方值，再除以 n， 这里呢，优的样本均值乘以 n 就是缺陷数 x 的标准偏差。 最后我们得到控制线等于优霸加减三倍的优霸处以 n 的开平方值， 这就是优控制图。 举一个简单的例子， 样本数量十次不尽相同，十次的缺陷数，总样本是三百三，总缺陷是三十三。 优的均值等于零点一再分别计算出十次取样不同的标准偏差， 这样就可以画出优控制图了。 特殊控制图还有很多很多，这里呢，只简单举了四个例子，其余呢，如感兴趣，大家可以自行了解， 这次的视频就到这里，感谢观看，下次再见！