- •В.В. Нешитой
- •Методы статистического анализа
- •На базе
- •Обобщенных распределений
- •Предисловие
- •Введение
- •I. Случайные события и их вероятности
- •1.1. Случайные события. Испытания. Относительная частота и вероятность
- •1.2. Виды случайных событий
- •1.3. Определения вероятности
- •1.4. Основные формулы комбинаторики
- •II. Основные теоремы теории вероятностей
- •2.1. Теорема сложения вероятностей (несовместных событий)
- •2.2. Теорема умножения вероятностей (независимых событий)
- •2.3. Формула полной вероятности
- •2.4. Теорема гипотез (формула Бейеса)
- •III. Дискретные случайные величины
- •3.1. Закон распределения вероятностей дискретной случайной величины
- •3.2. Числовые характеристики дискретной случайной величины
- •3.2.1. Математическое ожидание
- •3.2.2. Свойства математического ожидания
- •3.2.3. Дисперсия дискретной случайной величины
- •3.2.4. Свойства дисперсии
- •3.2.5. Среднее квадратическое отклонение
- •3.2.6. Одинаково распределенные взаимно независимые случайные величины
- •3.2.7. Моменты (начальные, центральные) дискретной случайной величины
- •4.2. Плотность распределения
- •4.3. Числовые характеристики непрерывных случайных величин
- •4.4. Примеры непрерывных распределений
- •4.4.1. Нормальный закон
- •5.2. Статистическое распределение выборки. Полигон. Гистограмма. Эмпирическая функция распределения
- •5.3. Статистические оценки параметров. Точность оценки, доверительная вероятность (надежность)
- •5.4. Метод моментов для точечной оценки параметров распределения
- •5.5. Метод наибольшего правдоподобия
- •VI. Обобщенные распределения. Системы непрерывных распределений
- •6.1. Методы построения обобщенных распределений
- •6.2. Построение системы непрерывных распределений методом обобщения
- •6.3. Классификация обобщенных распределений
- •Распределения группы а
- •Распределения группы б
- •Группа симметричных распределений
- •6.4. Распределения функций случайного аргумента
- •6.5. Три основные и три дополнительные системы непрерывных распределений в. Нешитого
- •VII. Оценивание параметров обобщенных распределений. Критерии для классификации кривых. Центральная предельная теорема
- •7.1. Метод наименьших квадратов
- •Значение функции распределения f(tc)
- •7.2. Метод наибольшего правдоподобия
- •7.3. Классический метод моментов
- •7.3.3. Симметричные распределения Ic-iiIc типов
- •7.3.4. Критерии для классификации кривых по методу моментов
- •7.4. Универсальный метод моментов
- •7.4.1. Законы распределения суммы независимых случайных величин
- •7.4.2. Центральная предельная теорема для трех систем непрерывных распределений
- •7.4.3. Законы распределения среднего выборочного
- •7.5. Общий устойчивый метод
- •VIII. Выравнивание и прогнозирование статистических распределений
- •8.1. Выбор системы непрерывных распределений для выравнивания статистических распределений
- •8.2. Построение выравнивающей кривой распределения по статистическим данным
- •8.2.1. Выравнивание по классическому методу моментов
- •8.2.2. Выравнивание по универсальному методу моментов
- •8.2.3. Выравнивание по общему устойчивому методу
- •8.2.4. Выравнивающее распределение суммы независимых случайных величин
- •8.2.5. Выравнивающее распределение среднего выборочного
- •8.3. Прогнозирование распределений
- •8.3.1. Первая система непрерывных распределений
- •8.3.2. Вторая система непрерывных распределений
- •Распределение населения страны по среднедушевому совокупному доходу, в % к итогу
- •8.3.3. Показатели стабильности и качества выборки
- •Iх. Статистический анализ точности и стабильности технологических процессов на базе обобщенных распределений
- •9.1. Показатели состояния технологического процесса
- •9.2. Пример статистической обработки результатов замера контролируемого параметра по программе
- •Контрольный листок Деталь №_____(название) ø50 мм ±0,012 Точность си 0,002 Дата________ Время_______
- •Отклонения от номинального размера детали «nn» ø50 ±0,012
- •Показатели статистического распределения ( )
- •9.3. Экономическая эффективность применения обобщенных распределений
- •9.4. Особенности применения статистических методов в области строительства
- •Х. Надежность как особый критерий качества
- •10.1. Некоторые показатели надежности для невосстанавливаемых объектов
- •Плотность распределения отказов
- •Интенсивность отказов
- •Гамма-процентный ресурс
- •10.2. Вычисление показателей надежности по обобщенным распределениям
- •Результаты наблюдений о наработке до отказа двигателей панелевозов (ti – пробег до отказа в тыс. Км.; mi – число панелевозов, имеющих наработку ti)
- •Показатели статистического распределения (snr2v97)
- •Логарифмическое распределение типа 1.1 с параметрами
- •XI. Временные (динамические) ряды
- •11.1. Методы выделения тренда
- •11.2. Построение кривых роста для выравнивания временных рядов
- •11.2.1. Построение кривых роста с заданными свойствами
- •11.2.2. Метод обобщения
- •11.2.3. Кривые роста на базе обобщенных распределений
- •11.3. Оценивание параметров кривых роста
- •11.3.1. Уравнение прямой
- •11.3.2. Экспонента
- •11.3.3. Обобщенная кривая роста
- •11.4. Прогнозирование временных рядов
- •11.4.1. Параметрический метод прогнозирования
- •11.4.2. Непараметрический метод прогнозирования
- •Заключение
- •Номограмма для установления типа выравнивающего распределения и нахождения оценок параметров k, u по методу моментов
- •Номограмма для установления типа выравнивающего распределения и нахождения оценок параметров k, u по общему устойчивому методу
- •Значения квантили в зависимости от уровня вероятности и числа степеней свободы r
- •Приложение 5
- •Литература
- •Содержание
Iх. Статистический анализ точности и стабильности технологических процессов на базе обобщенных распределений
Статистический анализ технологических процессов требуется для решения различных задач, в том числе [7]:
статистической оценки технологической точности производственного оборудования во время эксплуатации, перед сдачей в ремонт, после ремонта, при подготовке к внедрению статистического регулирования и в других необходимых случаях;
статистической оценки технологической точности нового оборудования;
корректировки конструкторского допуска на основе статанализа результатов испытаний опытных образцов и серийных изделий;
устранения несоответствия между заданной точностью и возможностями реального технологического процесса;
контроля качества механических свойств металлов;
установления необходимости ремонта оборудования;
определения качества выполненного ремонта оборудования;
сравнительной оценки точности вариантов технологического процесса, оборудования и оснастки;
сравнительной оценки точности режимов обработки;
оценки эффективности управляющих воздействий.
9.1. Показатели состояния технологического процесса
Статистический анализ заключается в выявлении закона распределения производственных погрешностей при производстве продукции, нахождении оценок его параметров и вычислении необходимых показателей, характеризующих состояние технологического процесса.
Для установления закона распределения контролируемого параметра необходимо отобрать не менее 100 единиц продукции (по ряду мгновенных выборок при неизменной настройке технологического процесса) и измерить значения контролируемого параметра. Далее следует выбрать подходящую систему непрерывных распределений и по соответствующей программе найти выравнивающее распределение и оценки его параметров.
Найденный закон распределения случайной величины является наиболее полной ее характеристикой. Более того, он позволяет рассчитывать показатели состояния технологического процесса (при условии его статистической управляемости, когда устранены грубые отклонения от нормы).
Одним из таких показателей является показатель точности процесса (коэффициент рассеяния). Он вычисляется по формуле [6, c.32; 19, c.6; 20]
, (9.1.1)
где - ширина поля рассеяния (технологический допуск); ХВ, ХН – верхняя и нижняя границы поля рассеяния; δ = ТВ – ТН - ширина поля допуска (конструкторский допуск); ТВ , ТН – верхняя и нижняя границы поля допуска. В зарубежной литературе используется индекс Ср = 1/КТ.
Ширина поля рассеяния вычисляется при условии, что 99,73% значений контролируемого параметра находятся внутри границ поля рассеяния. Для нормального закона ω = 6S, где S – выборочное среднее квадратическое отклонение.
При использовании обобщенных распределений ширину поля рассеяния будем определять из того же условия, т.е. Р=F(xВ)-F(xН)=0,9973, при этом значения функции распределения
F(ХН)=0,00135, F(ХВ)=1–0,00135=0,99865.
Чем меньше ширина поля рассеяния, тем точнее технологический процесс. Однако один показатель меры точности – коэффициент Кт – не в полной мере характеризует технологический процесс.
В случае, когда центр статистического распределения смещен относительно середины поля допуска Т0, т.е. имеются систематические погрешности, процесс может не обеспечивать изготовление бездефектной продукции.
Систематические погрешности характеризуются коэффициентом смещения (точности настройки), или показателем уровня настройки [19, c.6]
, (9.1.2)
где - среднее выборочное значение контролируемого параметра; Т0=(Тв+Тн)/2 – середина поля допуска.
В заключение статанализа вычисляется предполагаемый уровень брака q, выраженный в процентах. Он находится по формуле (см. рис. 9.1.1)
. (9.1.3)
При этом брак на нижней границе поля допуска равен
, (9.1.4)
а на верхней границе
. (9.1.5)
Р ис. 9.1.1. Показатели состояния технологического процесса
Отметим, что при условии, когда показатель уровня настройки КН=0 (при этом Е = 0), а показатель точности КТ = 1, предполагаемый процент брака q=qн+qв не превышает 0,27%. С ростом КТ он увеличивается.
В большинстве случаев достаточно обеспечить КТ ≤ 0,75. Для ответственных технологических процессов необходимо иметь КТ = 0,4 [6, c.32].
Закон распределения контролируемого показателя качества наиболее полно характеризует технологический процесс.
Если за некоторое время закон распределения не изменился, т.е. не изменились его параметры, например, центр распределения и среднее квадратическое отклонение, или изменились в допустимых пределах, то процесс считается стабильным.
Изменение значений центра распределения и среднего квадратического отклонения за допустимые пределы требует переналадки процесса, так как он утратил стабильность.
Нестабильность технологического процесса по уровню настройки принято характеризовать коэффициентом смещения настройки [4, c.96]
, (9.1.6)
где - начальное и конечное (на момент времени t) значения центра распределения.
Нестабильность технологического процесса по рассеянию характеризуют коэффициентом межнастроечной стабильности [4, c.97]
, (9.1.7)
где - начальное и конечное (на момент времени t) значения среднего квадратического отклонения.
Поскольку статистические распределения часто имеют асимметрию, то показатель уровня настройки целесообразно вычислять не по формуле (9.1.2), в которую входит центр распределения , а по формуле
, (9.1.8)
где
, (9.1.9)
Т0 , Х0 – середины полей допуска и рассеяния; они вычисляются по формулам
. (9.1.10)
С учетом (9.1.10) формула (9.1.8) может быть представлена в виде
. (9.1.11)
Рассмотрим случай, когда коэффициент точности КТ ≤ 1.
Пусть ТН = ХН, т.е. нижние границы конструкторского и технологического допусков совпадают. При этом условии на нижней границе конструкторского допуска брак не будет превышать допустимого значения. Формула (9.1.11) примет вид
.
Но ТН = ХН, следовательно,
.
Пусть далее ТВ = ХВ. В этом случае на основании (9.1.11) имеем
.
Заменяя ХВ на ТВ , получим
.
Следовательно, условие, при котором брак не превышает допустимого уровня, задается неравенством
,
или
. (9.1.12)
Для регулирования ТП необходимо установить исправленное среднее значение контролируемого параметра, которое вычисляется по формуле
. (9.1.13)
Последняя формула следует из равенства
Т0=Х0+а
(см. формулу 9.1.9).
При КТ > 1 необходимо принять все меры для уменьшения поля рассеяния контролируемого параметра.
Установим связь между объемом выборки n и показателями КТ, КН.
Для того чтобы гарантировать выпуск бездефектной продукции, необходимо, чтобы поле конструкторского допуска было шире поля рассеяния как минимум на величину , где – среднее квадратическое отклонение среднего арифметического.
Итак, пусть
. (9.1.14)
Тогда коэффициент точности в общем случае будет задаваться формулой
. (9.1.15)
В частном случае, если случайная величина Х распределена по нормальному закону, из (9.1.15) имеем
. (9.1.16)
Тогда коэффициент уровня настройки на основании (9.1.12) и (9.1.16) будет равен
. (9.1.17)
При n = 100 имеем: .
При n = 25 .
При n = 9
При этих значения КТ и КН брак не превышает предельного уровня.
Из формулы (9.1.14) можно найти требуемое значение среднего квадратического отклонения (в случае нормального закона)
, (9.1.18)
а также требуемое значение допуска при заданном σх
. (9.1.19)