什么是XBar-R控制图和XBar-S控制图？XBar-R控制图和XBar-S的区别
Minitab制作Xbar-R控制图和Xbar-S控制图连续数据和离散数据
[*]连续型:使用测量的可以有意义地无限分割的连续数值。 (时间，长度)
[*]离散型:类别信息，可以计数但是不能有意义的分割。(合格/不合格)
控制图由中心线，控制上限(UCL)及控制下限(LCL)组成。注意控制限和规格限的区别，控制极限(UCL,LCL)是根据平均值计算得出的，是按过程中心值+/- 3个标准偏差计算出来的。即控制极限是根据样本数据计算得出的，是过程的内部特征。控制极限是由过程能力决定的。 规格极限(USL,LSL)是由执行的标准决定的，是过程的外部特征。大多数规格是关于个体数值的，是由客户的要求决定的。
控制图上表现出来的波动分为由一般原因引起的波动和由特殊原因引起的波动，对于特殊原因引起的波动更加容易发现，比如超出了控制上限或控制下限或者常说的控制图七点判异规则。控制图的作用就是要发现这些异常，并且分析根源采取纠正措施。
控制图的使用和选择
[*]连续的分组数据:XBar-R控制图和XBar-S控制图。
[*]连续的单值数据:I-MR控制图。
[*]离散的符合二项分布的不合格品数:(分组样品容量相等用nP控制图，不等用P控制图)
[*]离散的符合泊松分布的缺陷数:(分组样品容量相等用C控制图，不等用U控制图)
Minitab制作Xbar-R控制图和Xbar-S控制图
XBar-R控制图
XBar(平均值控制图)反映变量X随时间的集中趋势及分组样本之间的变动性。注意控制图中的每个点是每个分组的平均值，而控制图的中心线是分组的平均值的平均值。R(极差控制图)极差控制图监测的是分组样本内部随时间的变动。该图的中心线代表长期的分组样本之极差的平均值,或称为R。对于R控制图只适合于样本容量较小的场合。
Xbar-R 控制图：http://www.pinzhi.org/Minitab/ba ... _030_xbar_chart.htm
Xbar案例：http://www.pinzhi.org/Minitab/gongju/QC_Variables_Control_Charts/Xbar_Chart/Example_of_XBar_Chart_withTests_and_S_Limits.htmR案例：http://www.pinzhi.org/Minitab/gongju/QC_Variables_Control_Charts/R_Chart/Example_of_Range_Chart_Rbar.htm
XBar-S控制图
XBar(平均值控制图)反映变量X随时间的集中趋势及分组样本之间的变动性。这个同XBar-R控制图。对于S控制图是值标准差，标准差控制图监测的是分组样本内部随时间的变动。该图的中心线代表长期的分组样本之标准偏差的平均值， 标准差图可适用于分组样本容量(即n)大于2的任何场合。(为验证过程是否稳定，每天采样10个数据值，一共采样10天。)
Xbar-S 控制图：http://www.pinzhi.org/Minitab/ba ... _030_xbar_chart.htmS案例：http://www.pinzhi.org/Minitab/gongju/QC_Variables_Control_Charts/S_Chart/Example_of_S_Chart.htm
I-MR(Individuals and Moving Range)控制图
主要是反映连续的单值数据随时间的变化。使用范围在过程的特性值较少，每次都只能够得到一个数据。I-MR图由于使用个体数值，与X bar-R图比较更易受干扰。比如我们要记录车辆来回AB两点的时间是否受控，可以记录一系列连续的数据值进行I-MR控制图分析。
案例参考：http://www.pinzhi.org/Minitab/gongju/QC_Variables_Control_Charts/I_MR_R_S__Between_Within__Chart/Example_of_I_MR_R_S_chart.htm
P图和nP图(离散数据的不合格数)
P图是一种计数型控制图，它绘制的是每个样本的不合格品率。每个分组样本可以有相同的样本量或者不相同的样本量。此图通用性最强，在计数型控制图中用途最广。P图一般需要较大的样本容量。质量越好，那么要检测出过程失控就需要越大的分组样本。(记录每天的焊点数和焊点的不良个数，焊点数为分组样品每天是可以不同的。)nP图：是一种计数型控制图，它绘制的是每个分组样本中的不合格品数。每个分组样本必须有相同的样本量或者各个样本量足够相似可以看作相等。
P控制图：http://www.pinzhi.org/Minitab/gongju/QC_Attributes_Control_Charts/P_Chart/Example_of_P_Chart.htm
nP控制图：http://www.pinzhi.org/Minitab/gongju/QC_Attributes_Control_Charts/NP_Chart/Example_of_NP_Chart.htm
C图和U图(离散数据的缺陷数)
C图是一种计数型控制图，它绘制的是每个样本中的缺陷数(不符合性)。当所有样本具有相同的样本量时，C图便是一种很实用的选择。U图：是一种计数型控制图，它绘制的是每个样本中的单位平均缺陷数，即描述了样本数变化时每个单元的缺陷数。这里要注意不合格数和缺陷数的区别，不合格品数是针对样本本身来说的(要么合格，要么不合格)；缺陷数是针对样本内部的，说明样本的符合性，而不是针对样本本身。
C控制图：http://www.pinzhi.org/Minitab/gongju/QC_Attributes_Control_Charts/C_Chart/Example_of_C_Chart.htm
U控制图：http://www.pinzhi.org/Minitab/gongju/QC_Attributes_Control_Charts/U_Chart/Example_of_U_Chart.htm
关于实际案例，我们以Minitab自带的案例和数据为例
http://www.pinzhi.org/forum.php?mod=viewthread&tid=969
标准差σ的4种计算公式: 简易标准差,Rbar/d2，Sbar/C4和Minitab中的Pooled standard deviation(合并标准差)
http://www.pinzhi.org/forum.php?mod=viewthread&tid=576 谢谢，学习了，最近正被客户折磨呢，要求提交Xbar-R图。 我们最近也在做Xbar-R图，学习了！ {:1_89:} {:1_89:} {:1_89:} {:1_89:} 感谢分享 谢谢分享
页:
[1]