🏠
🌡️ 📆 令和5年9月29日

🔷 品質管理は管理図に始まり管理図に終わる

山形大学  理工学研究科(工学系)  化学・バイオ工学科  🔋 C1 📛 立花和宏

🔚 品質管理 🏫 Web Class syllabus 53225 📆 🌸 前期 火 🕐 13:00~14:30 🕝 ( 中示B) Files C1 QC7つ道具ってどう使うの?

QC7つ道具

表   1 QC七つ道具
手法 目的・特徴 例
データとグラフ 層別 1 )
パレート図
ヒストグラム 2 )
チェックシート * 5S活動の清掃チェックシート
要因・相関分析 特性要因図
散布図 * 3 ) 「特性」と「要因」との関係を調べたいときに使用します。 回帰分析
ばらつきの管理 管理図
DMAIC

新QC七つ道具では、言語情報を取りか使います。 テキストマイニングなどのWebアプリもあります。

統計的品質管理は、ある意味、製品 データから 情報を抽出する データサイエンスです。

4 ) 5 )

シューハート管理図

図   1 シューハート管理図
©K.Tachibana

X_-R管理図


# ■■■ X_-R管理図 ■■■
import numpy as np
import random
import matplotlib.pyplot as plt

sm = 157
ss = 4.6 # 標準偏差(母標準偏差)
sn = 3 # 母数
r = 0.5 #相関係数

t = np.arange(7, 25, 1)
x = [ 0 for p in t]
R = [ 0 for p in t]
for j, p in enumerate(t):
  q = np.random.normal(loc=sm, scale=ss, size=sn)
  x[j] = np.mean(q)
  R[j] = np.max(q)-np.min(q)
cl = [ sm for p in t]
ucl = [ sm + ss * 3 for p in t]
lcl = [ sm - ss * 3 for p in t]
RB = [ ss  for p in t]
Rucl = [ ss * 4 for p in t]

plt.plot(t, cl)
plt.plot(t, ucl, linestyle="dotted")
plt.plot(t, lcl, linestyle="dotted")
plt.scatter(t, x)
plt.plot(t, x)

plt.plot(t, RB)
plt.plot(t, Rucl, linestyle="dotted")
plt.scatter(t, R)
plt.plot(t, R)
#plt.plot(t, R,linestyle="dotted")


# ■■■ X_-R管理図 ■■■


©K.Tachibana

測定の信頼性と用語

表   2 測定の信頼性と用語
用語 定義 備考
誤差 ( error )
偶然誤差 ( random error ) 反復測定において、予測が不可能な変化をする測定誤差の成分
系統誤差 ( systematic error ) 反復測定において、一定のままであるかまたは予測可能な変化をする測定誤差の成分
ばらつき ( dispersion ) 測定値がそろっていあいこと。また、ふぞろいの程度。 偶然誤差とほぼ同義。
かたより ( bias ) 測定値の期待値と真値の差 系統誤差とほぼ同義。
不確かさ ( uncertainty ) 測定値に付随する、合理的に測定対象量にむすびづけられる値の広がりを特徴づけるパラメータ 知識の曖昧さも含む
反復 ( replicate ) 同一の測定対象量に対する測定を複数回行うこと 測定条件が同一かどうかによらない。 実験計画法では、ブロック単位での実験を指す。
繰り返し ( replicate ) 同一の測定対象量に対する 測定手順、オペレータ、操作条件、場所が同一の、短期間での測定の反復 操作条件は、因子。 繰り返し数は、標本数に相当する。
再現性 ( reproducibility ) 測定の再現条件下での測定の精密さ
精密さ ( precision ) 精度。 ばらつきの小ささを表す。
精確さ ( accuracy ) 確度
測定値 規定された測定手順に実施によって得られる 量の 値 測定を反復するときは、個々の値、もしくは代表値(平均値や中央値など)のいずれも測定値と呼ぶ。
指示値 測定器が提示する 量の 値

6 )


母集団と標本の統計量

表   3 21才女性の体重データの例
番号 値 番号 値 番号 値 番号 値 番号 値
1  48.23 2  36.33 3  51.68 4  46.92 5  68.32
6  58.92 7  46.18 8  54.54 9  43.08 10  39.47
11  44.81 12  52.07 13  58.94 14  40.51 15  58.88
16  41.02 17  53.43 18  38.95 19  40.53 20  66.63
21  54.78 22  59.06 23  61.63 24  46.72 25  55.95
26  55.42 27  63.11 28  60.56 29  34.38 30  55.50
31  74.25 32  52.92 33  56.06 34  50.70 35  54.66
36  62.82 37  48.12 38  48.34 39  66.31 40  69.97
41  48.00 42  37.38 43  44.99 44  57.09 45  54.32
46  64.46 47  49.31 48  66.70 49  36.78 50  51.69
51  45.84 52  53.51 53  62.79 54  58.61 55  67.29
56  50.45 57  52.41 58  57.25 59  59.10 60  47.08
61  42.88 62  77.06 63  49.89 64  49.84 65  78.80
66  50.62 67  63.51 68  45.80 69  57.40 70  52.23
71  65.00 72  48.45 73  40.06 74  48.58 75  54.88
76  44.13 77  46.40 78  45.39 79  50.16 80  58.12
81  55.47 82  53.10 83  56.25 84  63.66 85  74.22
86  46.78 87  54.65 88  77.12 89  62.80 90  40.12
91  68.44 92  38.60 93  43.32 94  51.43 95  29.85
96  38.39 97  38.07 98  64.38 99  53.62 100  43.46
表   4 統計量
項目 全数検査(母集団) 抜き取り検査(標本)
数 母数n=100 標本数=10
平均 母平均 μ =53.09 標本平均=x_ 47.54
標準偏差 母標準偏差σ=10.21 標本標準偏差s=9.25
分散(Variance) 母分散σ2=104.26 不偏分散s2=85.48
偏差平方和 S=5,308.70 S=475.36

標本標準偏差は、母標準偏差の 不偏推定量ではないが、母標準偏差の推定は、 近似的に標本標準偏差で行うことが多い 7 ) 8 ) 。


標準偏差

表   5 標準偏差
アプリ& 言語 プログラム例
SQL * * select STDEVP(price) from products
Python 9 ) * std = statistics.stdev(data)
Google sheet *
Excel *

10 ) 11 ) 12 )


分散の有意差検定(F検定)

図   2 分散の有意差検定(F検定)
python →cgi→ png→ svg→ html
図   3 分散の有意差検定( F検定)
python (colab)→ png→ svg→ html

◇ 参考文献

品質管理


QRコード
https://edu.yz.yamagata-u.ac.jp/Public/53225/53225_12.asp

山形大学 データベースアメニティ研究所
〒992-8510 山形県米沢市城南4丁目3-16
3号館(物質化学工学科棟) 3-3301
准教授 伊藤智博
0238-26-3573
http://amenity.yz.yamagata-u.ac.jp/

Copyright ©1996- 2023 Databese Amenity Laboratory of Virtual Research Institute,  Yamagata University All Rights Reserved.