环保样本图片(均值极差控制图中子组大小和子组数是什么意思)

环保样本图片：平均极差控制图中子组大小和子组数是什么意思？

如题所示，均值极差控制图中子组大小和子组个数是什么意思？能举个例子吗？

子组的大小来自于子组的抽样，即每次抽样时抽取多个样品（但每次抽取相同数量），每次抽样的样品数量为子组的大小。子组的数量并不是一个典型的说法，我认为这意味着提取几个样品。

例如环保样本图片

一条生产线连续生产产品，如罐装咖啡吧。每小时随机抽取三罐，验证灌装咖啡的质量是否合格，每天生产12小时。然后子组的大小是3。根据上述说法，子组的数量是12.这36个数字可以做成12个点的平均极差图。

X-R主要控制统计过程（SPC）中对计量型数据的过程均值和过程变异进行控制

子组的大小、频率和数量

在楼上灌装咖啡的例子中，子组的大小和数量都很清楚。顺便说一句，在这里补充一个频率1h

首先，我们主要想清楚为什么要做均值极差控制图。

预防性管理是统计过程控制的出发点，将问题消除在萌芽阶段。我们的目的是统计过程参数，监控生产过程。在这个过程中，至少有7种控制图可以使用很多控制图。我们需要了解这七种控制图的适用条件。当然，这是课堂上的事复了。

无论是哪种控制图，只有一个目的，那就是监控过程的变化。因此，当控制图分阶段取样时，原则是提取可能发生变化的样本。教科书中介绍的一般含义是在固定时间间隔内提取定量样本。就我个人而言，我认为这句话是为了适应初学者。虽然不容易理解，但可以快速应用。既然受试者问了这个问题，那就深入讨论吧。如果我不知道受试者所在的行业，我会举一些例子。如果你想了解更多，请结合行业进行详细讨论。

哪些样本最有可能发生变化？交接班、产品切换、工装模具更换、切削刀具更换、系统更换、原材料更换、供应商更换...简而言之，完全理想化生产以外的任何变化都可能带来变异。监控的目的是监督这些变异，看看它们是否在可接受的范围内。因此，理论上，控制图的取样应该更加复杂，而不仅仅是在固定的时间点。SPC手册还明确提到，在正常生产的情况下，阶段性取样应作为交接班和产品更换的特殊点，并添加到控制图中。

下图引起SPC手册第二版

以下是控制图

控制图背面必须有取样日志

这里需要再次强调的是，初级培训肯定会给时间间隔，无论给多少时间，都是不科学的。很少有生产活动能长时间不改变。人、机器、材料、方法和环似乎没有太多的生产要素，但变化太多了。接触过生产的人都知道，产品变更、原材料质量问题、人员变更、生产质量问题、机电故障...这些事情每天都在发生。只有在计划经济时期，才能保持一种产品不变。如果稳定生产8小时，每小时取样一次是合理的，但现实是，这种稳定的8小时几乎不存在。因此，我认为应该放弃固定间隔的取样系统。

至于取样点（即子组数）的数量，还应分析具体情况。因为您需要监控的时间段可能不同，生产条件的责任程度也不同。或者原则：环保样本图片

1、覆盖所有异常点；2.在相对稳定的过程中间隔取样。

第二个问题，子组大小。

在确定哪些节点取样后，需要判断该时间点应取多少样本。

由于使用了平均极差图，样本数量必须超过2个。但有多合适呢？对不起，你，这个问题仍然没有确切的答案。理论上，组中样本越多，对过程的理解就越准确；从实际生产的角度来看，样本越多，对生产的影响就越大，测试成本就越高。理想与现实之间的差距和矛盾是古代、现代、国内外无法解决的问题。从技术的角度来看，不能单独谈论这个问题。从管理的角度来看，我们需要给出一个普遍的标准，如朋友提到的3，也可以参考手册中的5，但在具体实施中，需要适当的增减，以确保其准确性。

最后，给初学者一个参考标准

回答这个问题从如何使用计量控制图开始:环保样本图片

当抽样数据为连续数据时，用计量控制图，一个明显的现象是计量控制图成对出现(或多图组合使用)，如Xbar-R、I-MR控制图等。为什么现的原因是检测组内变异和组间变异两种变异。比如两组数据，第一组是9、10、11，第二组是1、10、19。显然，平均值是10，但差异分别是2和18，相差甚远。因此，应检测两种变化。

回到控制图的选择，如何选择，实际上是根据实际抽样的方式。也许你认为它似乎太简单了，就像没说一样，但它实际上是如此简单，比如控制一个部件的大小，每次抽一个测量，每2小时抽一次，使用它I-RM控制图；如果每次在同一长线连续抽5次，每2小时抽1次，则使用Xbar-R控制图。

所以上面的I-RM控制图，子组大小为1，子组数为抽样次数；对Xbar-R子组大小为5，子组数为抽样次数。

子组内探测组内变异，子组间探测组间变异。

那么选图有哪些注意事项呢？

1、如果实际上可以做到，而且成本允许，每次多抽几次，每天多抽几次。本越多，数据表现力越强。

2、对于每次抽取的几个样品，尽量保证差异小，比如同一生产线连续五个产品，控制组内的变异，尽量小。

3、抽几次也一样，统计是在数据表现力和成本之间取舍。

4、确保您的抽样是在同一个母亲身上，人机材料环的变异来源是相同的。例如，对于跨生产线抽样，很可能会出现问题，因为跨生产线时机器不一致，难以集中问题分析，造成解决问题的障碍。

先想这么多，应该能解决你的问题，有问题再补充。

均值极差控制图是质量管理和六西格玛最常用的工具之一。优思学院[1]的学生经常问SPC以下是对子组的简要解释。

所谓的子组（Subgroup），是指在同一组条件下(包括人、机、物、法、环)生成的一组单元。子组代表过程中的一个"片段"，因此，子组中的数据必须在相似的时间内测量。

例如，模切机每小时生产100个塑料零件。质量工程师每小时测量五个随机零件。每五个零件的样本是一个子组。

对于最初的过程研究，每小时收集4或5个单位的子组是很常见的。随着过程的稳定性（或改进），您可以减少子组的大小和频率。

收集子组的时间应足够长，以确保主要变异源有机会发生。一般来说，100个或更多的观察值(例如，25个子组，每个子组有4个样本观察值)就足够了。

通常，工业界更喜欢小而频繁的样本，因此平均极差控制图（Xbar-RChart）最常用的是在制造太多缺陷产品之前发出过程变化的信号。

观察总数显然是有益的，因为你可以了解更多的过程性能。然而，大子组的规模并不一定更好。您必须考虑在获得这些大量观察结果的时间段内的各种条件。

例如，如果您选择子组大小为一天内的所有测量值，那么一天内的任何变化都可能是平均的，而不被发现。每个子组的大小应代表相关过程的固有变化（也称为共因变化）。如果您知道在一定的时间间隔内很少发生变化，请在此期间收集子组数据。

收集样本以了解一个过程时，通常最好将样本合并成子组。

当子组不合适时，子组的大小可以设置为1。在这种情况下，将使用单值（I）和移动范围（MR）图（I-MRChart）。

以下是使用子组不可行或不可取条件的例子：

每个样品之间有很长的间隔。抽样或测试是破坏性的和/或昂贵的。样本的性质是连续的和同质的，如液体。正如上面所说，当你了解自己的过程并决定子组的大小时，你可以选择合适的控制图。选择方法可参考下图（优思学院六西格玛课程截图）：

如果对SPC基础还不太了解，可以看优思学院的课程视频，也可以回顾过去，了解新事物。

优思学院|六西格玛证书课程ILSSI认可

你可能还喜欢下面这些文章