分享

SPC控制图为什么是±3σ,而不是±2σ或±4σ?

 leafcho 2022-08-06 发表于浙江

前言

SPC控制图就是一个预警系统,预警系统都存在两类风险:第一类风险是误报警风险(第一类错误)α,第二类风险是漏报警风险(第二类错误)β

SPC两类风险:

第一种:α风险

即使过程时候处于受控状态,由于偶然原因也可能有某些点落在控制限之外,如果判断为异常,那么这个判断是错误的,其发生概率为α。在3σ方式下,α=0.27%。如下图所示:

文章图片2

第二种:β风险:

如果过程是异常,但也会有部分点位于控制界限内,如果抽取到这样的产品,就会被判断为正常,从而犯了第二类错误,即漏发警报。犯第二类错误的概率记为β。如下图所示:

文章图片3

如何减少两类错误所造成的损失?调整UCL与LCL之间的距离可以增加或减少α和β。若此距离增加则α减少,β增大;反之则α,增大,β减少,请参考上述两个图。

举例:

举例来说,我们按照μ±3σ的规则,如果发现数据点在μ±3σ之外,我们认为这个数据点是异常的,但我们这个判定是错误的概率是α,即0.27%,少于统计学中的5%的显著性水平。

一个解决方案是:根据使两种错误造成的总损失最小的原则来确定UCL与LCL二者之间的最优间隔距离。经验证明:休哈特所提出的3σ方式较好,在不少情况下, 3σ方式都接近最优间隔距离。

下图列出μ±nσ的1-α的概率。

文章图片4

因为常规控制图的设计思想是先确定犯第一类错误的概率α,再确定犯第二类错误的概率β。

按照3σ方式确定CL、UCL、LCL就等于确定了α =0.27%;在统计中通常采用α=1%,5%,10%三级,但休哈特为了增加使用者的信心,把常规控制图的α取的特别的小,这样β就比较大,这就需要增加第二类判异准则,即便点在控制限内,但当点排列不随机也表示存在异常因素。

这就是为什么常规控制图的异常判定准则有两类,即:点超出控制限就判异和控制限内点排列不随机判异两类。

接下来,分享完整版《统计过程控制SPC》培训教材,欢迎收藏学习!

文章图片5
文章图片6
文章图片7
文章图片8
文章图片9
文章图片10
文章图片11
文章图片12
文章图片13
文章图片14
文章图片15
文章图片16
文章图片17
文章图片18
文章图片19
文章图片20
文章图片21
文章图片22
文章图片23
文章图片24
文章图片25
文章图片26
文章图片27
文章图片28
文章图片29
文章图片30
文章图片31
文章图片32
文章图片33
文章图片34
文章图片35
文章图片36
文章图片37
文章图片38
文章图片39
文章图片40
文章图片41
文章图片42
文章图片43
文章图片44
文章图片45
文章图片46
文章图片47
文章图片48
文章图片49
文章图片50
文章图片51
文章图片52
文章图片53
文章图片54
文章图片55
文章图片56
文章图片57
文章图片58
文章图片59
文章图片60
文章图片61
文章图片62
文章图片63
文章图片64
文章图片65
文章图片66
文章图片67
文章图片68
文章图片69
文章图片70
文章图片71
文章图片72
文章图片73
文章图片74
文章图片75
文章图片76
文章图片77
文章图片78
文章图片79
文章图片80
文章图片81
文章图片82
文章图片83
文章图片84
文章图片85
文章图片86
文章图片87
文章图片88
文章图片89
文章图片90
文章图片91
文章图片92
文章图片93
文章图片94
文章图片95
文章图片96
文章图片97

    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    热点新闻
    类似文章 更多