控制图(Control Chart)
控制图又称为管制图。由美国的贝尔电话实验所的休哈特(W.A.Shewhart)博士在1924年首先提出管制图使用后,管制图就一直成为科学管理的一个重要工具,特别在质量管理方面成了一个不可或缺的管理工具。它是一种有控制界限的图,用来区分引起质量波动的原因是偶然的还是系统的,可以提供系统原因存在的信息,从而判断生产过程是否处于受控状态。控制图按其用途可分为两类,一类是供分析用的控制图,用控制图分析生产过程中有关质量特性值的变化情况,看工序是否处于稳定受控状;再一类是供管理用的控制图,主要用于发现生产过程是否出现了异常情况,以预防产生不合格品。 控制图画在平面直角坐标系中,横坐标表示检测时间,纵坐标表示测得的目标特征值。按控制对象(目标特征值)的变化情况,控制图又分为两种:一种是稳值控制图,一种是变值控制图。 1、稳值控制图。稳值控制图一般用于对产品质量或目标值恒定不变的目标实施状态进行控制,如下图所示,图中中心线表示计划目标值,虚线表示控制上下限 http://wiki.mbalib.com/w/images/6/68/%E6%8E%A7%E5%88%B6%E5%9B%BE.gif 2、变值控制图。变值控制图用于对目标值随时间变化的目标实施状态进行控制。从计划线与实际线的对比,可看出目标实施状态,对于超出计划线的情况,查清超出的原因,采取措施,将其控制在计划线以下

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/7942439/viewspace-18679/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/7942439/viewspace-18679/

品管七大手法-5控制图(转载)相关推荐

  1. 品管七大手法-7直方图(转载)

    品管七大手法-7直方图(转载) 直方图(Histogram) 直方图又称柱状图.质量分布图. [编辑] 一.直方图法的涵义 在质量管理中,如何预测并监控产品质量状况?如何对质量波动进行分析?直方图就是 ...

  2. 品管七大手法-3散布图(转载)

    品管七大手法-3散布图(转载) 散布图(Scatter Diagram,相关图) 适应的管理活动 散布图是表示两个变量之间关系的图,又称相关图,用于分析两测定值之间相关关系,它有直观简便的优点.通过作 ...

  3. 品管七大手法-1检查表(转载)

    检查表(Check Sheets,统计分析表) 1 一.概述 2 二.定义 3 三.目的 4 四.时机 5 五.检查表种类 6 六.使用检查表的注意事项 一.概述 检查表又称调查表,统计分析表等.检查 ...

  4. 品管七大手法-6鱼骨图(转载)

    品管七大手法-6鱼骨图(转载) 鱼骨图(Cause & Effect/Fishbone Diagram) 鱼骨图是由日本管理大师石川馨先生所发展出来的,故又名石川图.鱼骨图是一种发现问题&qu ...

  5. 品管七大手法-4数据分层法(转载 )

    数据分层法(Stratification) 数据分层法(stratification)又称分类法.分组法.数据分层法就是性质相同的,在同一条件下收集的数据归纳在一起,以便进行比较分析.因为在实际生产中 ...

  6. 品管七大手法-2排列图(转载)

    排列图(Pareto Diagram,帕累托图) 排列图法,又称主次因素分析法.帕累托(Pareto)图法,它是找出影响产品质量主要因素的一种简单而有效的图表方法. 排列图是根据"关键的少数 ...

  7. ipqc异常处理流程图_IPQC巡检流程.七大手法.八大原则.九大步骤

    目的:巡检生产过程,有效检查及控制个工序生产状况能完全符合产品的质量要求. 职责: 生产线员工:负责本工位产品的自检. 生产领班:负责监督和跟踪生产与品质达成状况及指导员工正确作业. IPQC:负责制 ...

  8. 如何控制事物_如何使用QC七大手法?62页QC老七大工具,果断收藏

    分享职场干货,能力提升! 为职场精英打造个人知识体系,升职加薪! QC老七大工具 QC七大手法的使用情形,可归纳如下 1.) 根据事实.数据发言.检查表.散布图. 2.) 整理原因与结果之关系,以探讨 ...

  9. 频数直方图的步骤_如何运用QC七大手法和九大步骤分析问题?

    如何运用QC七大手法和九大步骤分析问题? QC七大手法 "七大手法"主要是指企业质量管理中常用的质量管理工具,有"老七种"和"新七种"之分. ...

最新文章

  1. char *a 和char a[] 的区别(指针和数组的区别)
  2. Linux / CentOs 7搭建DHCP服务
  3. 高斯混合模型Gaussian Mixture Model (GMM)——通过增加 Model 的个数,我们可以任意地逼近任何连续的概率密分布...
  4. 计算机与材料化学应用背景介绍,计算机在材料工程中的应用.ppt
  5. ResNet 运行在Cifar10 测试集86.38% Tensorflow 2.1 小白从代码实践中 理解
  6. SAP License:满足管理三重属性 ERP发展专业化是方向
  7. D1. Kirk and a Binary String (easy version)
  8. ubuntu下使用code::blocks编译运行一个简单的gtk+2.0项目
  9. Python--多态与多态性、绑定方法与非绑定方法
  10. 你是一名技术管理者还是项目管理者?
  11. Oracle 19c 新特性:ANY_VALUE 函数和 LISTAGG 的增强
  12. TP6 workman安装踩坑
  13. skycons.js 基于canvas的天气动态图标小插件
  14. 沉浸其境,共赴云栖数智硬核美学
  15. js中事件绑定的几种方式
  16. MySQL链接1142错误解决办法
  17. 数字经济核心科技深度报告:AI+5G是数字时代通用技术平台
  18. 怎么用科学计算机算反三角函数值域,反三角函数值域怎么求
  19. Node.js 官网入门教程(二) npm(安装、包版本、卸载、npx)、package.json(scripts、devDependencies)package-lock.json(语义版本规则符号
  20. python中的大数据品牌运营策划营销_大数据时代的品牌营销

热门文章

  1. 商务邮箱一般用什么邮箱正式?VIP邮箱名怎么设置好?
  2. 2021年中国Wifi智能电源插座市场趋势报告、技术动态创新及2027年市场预测
  3. 【MATLAB】关于matlab的table数据使用
  4. oracle中获取年月日时分秒
  5. java开发面试复试_【java开发初轮技术面试以后 复试一般问什么?】-看准网
  6. 20家最具创新力的创业公司
  7. 什么是EEPROM?和ROM有区别吗?//2021-2-18
  8. 机器学习实战——kaggle 泰坦尼克号生存预测——六种算法模型实现与比较
  9. S60手机恶意插件名单名单大集合
  10. arduino与801s振动传感器读取振动频率