六西格玛统计的一些基础知识

一、正常波动和异常波动

在生产过程中，即使同一个人使用同一台机器、同一批物料，在相同的生产条件下，加工出来的产品质量特征值也不完全相同。这是因为生产加工过程受到人、机、料、法、测、环境(简称5M1E)等因素的影响。这是产品的质量特征值，具有可变性。而产品质量的可变性服从统计规律，为企业在质量管理中运用六西格玛统计理论和方法研究产品的质量特性提供了科学依据。

一位博士通过研究发现，产品质量特性的变异来源于影响产品质量的各种波动。他首次将质量波动分为正常波动(偶波)和异常波动(异常波)两类。这一贡献开创了企业探索和提高产品质量的先河。

1.正常波动

正常波动是由不可避免的因素造成的。它一直存在，技术上难以消除，经济成本高，对产品质量影响不大。比如消除仪器仪表的精度误差，要么成本高，要么很难解决。比如车床电机的振动，对被加工零件是有影响的，但在加工过程中是固有的。因为影响小，是质量管理中允许的波动。

2.异常波动

异常波动不是过程固有的，有时不存在，对产品质量影响大，技术上容易消除，经济上不需要太多投资。比如车刀磨损严重导致加工出来的螺杆直径变大，可以通过换刀来解决。

质量波动的原因很多，只有一部分是技术上可以控制的。在质量管理中，提高产品质量的措施、工具和方法都是围绕消除异常波动而提出的。

二.测量值和计数值

产品质量特性的数量或数值称为产品质量特性值。质量值可以分为两种:一种是实测值，一种是计数值。

1.测量值数据

连续数据是指可以用测量工具和仪表测量的连续数据。测量数据可以是连续的，也可以是小数，如长度、温度、重量等。都属于测量数据。

2.计数数据

属性数据是指通过计数而不是用量具和仪表测量得到的不连续数据。计数数据不能连续取，只能是非负整数，可以通过计数得到。计数数据可分为计件数据和计数数据:特征值为“合格”或“不合格”的数据为计数数据，特征值为“缺陷点”的数据为计数数据。

比如螺母直径20mm，这是实测值数据。从100个产品中抽取20个样品进行检验，发现2个样品“不合格”，这就是计件工资数据。检查一个铸件时，铸件上的砂眼数量为5个，这是计数数据。一般测量值数据用正态分布描述，计数值数据中的计件值数据用二项式分布描述，计数值数据中的计数值数据用泊松分布描述。当样本数达到一定水平时，二项分布和泊松分布类似于正态分布。因此，在质量管理中，大多数质量特性服从正态分布。