SPC常用術語

高級統計方法（Advanced Statistical Methods）

比基本的統計方法更復雜的統計過程分析及控制技術，包括更高級的控制圖技術、回歸分析、試驗設計、先進的解決問題的技術等。

計數型數據（Attributes Data）

可以用來記錄和分析的定性數據，例如：要求的標簽出現，所有要求的緊固件安裝，經費報告中不出現錯誤等特性量即為計數型數據的例子。其他的例子如一些本來就可測量（即可以作為計量型數據處理）只是其結果用簡單的“是/否”的形式來記錄，例如：用通過/不通過量規來檢驗一根軸的直徑的可接受性，或一張圖樣上任何設計更改的出現。計數型數據通常以不合格品或不合格的形式收集，它們通過p、np、c和u控制圖來分析（參見計量型數據）。

均值（Average）（參見平均值Mean）

數值的總和被其個數（樣本容量）除，在被平均的值的符號上加一橫線表示。例如，在一個子組內的x值的平均值記為X，X（X兩橫）為子組平均值的平均值，X（X上加一波浪線）為子組中位數的平均值。R為子組極差的平均值。

認知（AwarenesS）

個人對質量和生產率相互關系的理解，把注意力引導到管理義務的要求和達到持續改進的統計思想上。

基本的統計方法（Basic Statistical Methods）

通過使用基本的解決問題的技術和統計過程控制來應用變差理論，包括控制圖的繪制和解釋（適用于計量型數據和計數型數據）和能力分析。

二項分布（Binomial Distribution）

應用于合格和不合格的計數型數據的離散型概率分布。是p和np控制圖的基礎。

因果圖（Cause-Effect Diagram）

一種用于解決單個或成組問題的簡單工具，它對各種過程要素采用圖形描述來分析過程可能的變差源。也被稱作魚刺圖（以其形狀命名）或石川圖（以其發明者命名）。

中心線（Central Line）

控制圖上的一條線，代表所給數據平均值。

特性（Characteristic）

一個過程或其輸出的明顯特性，可按這個特性收集計量型或計數型數據。

普通原因（Common Cause）

造成變差的一個原因，它影響被研究過程輸出的所有單值；在控制圖分析中，它表現為隨機過程變差的一部分。

連續的（Consecutive）

連續生產的產品單元，是選擇子組樣本的基礎。

質量和生產率持續改進（Continual Improvement in Quality and Productivity）

一種可操作的宗旨，它充分利用公司內的人才，用不斷提高效率的方式來為顧客生產質量不斷提高的產品，從而歸還受益者投資。這是一個動態的戰略，使公司提高現在及未來市場條件中的能力。與任何靜態的戰略不同，它認為2（顯然地或隱含地）一些特殊的不合格中不可避免的。

控制（Control）

用來表示一個過程特性的圖象，圖上標有根據那個特性收集到的一些統計數據，如一條中心線，一條或兩條控制限。它能減少I尖錯誤和II類錯誤的凈經濟損失。它有兩個基本的用途：一是用來判定一個過程是否一直受統計控制；二是用來幫助過程保持受控狀態。

控制圖（Control Limit）

控制圖上的一條線（或幾條線），作為制定一個過程是否穩定的基礎。如有超出了控制極限變差存在，則證明過程受特殊因素的影響。控制限是通過過程數據計算出來的，不要與工程的技術規范相混淆。

累計和（CUSUM）

一種先進的統計方法，它利用當前的和最近的過程數據來檢驗過程均值中不大的變化或變異性，CUSUM代表偏離目標值的變差的“累積和”，它把當前和最近的數據看得同等重要。

探測（找出）（Detection）

一種被動（事后）型的策略，它企圖在產品生產出來后發生不能接受的輸出，并將其與好的輸出分開（參見預防）。

分布（Distrbution）

描述具有穩定系統變差的輸出的一種方式，其中單個值是不可預測的，但一組單值就可形成一種圖形，并可用位置、分布寬度和形狀這些術語來描述。位置一般用均值來表示，或者用中位數表示。分布寬度用樣本的標準差或樣本極差表示，形狀包括許多特性，比如對稱性及峰度，但經常使用常見分布的名稱來概括，如：正態分布，二項分布，或泊松分布。

單值（Individual）

一個單個的產品或一個特性的一次測量，通常用符號X表示。

位置（Location）

分布中心趨勢典型值的一般概念。

平均值（Mean）

一組測量值的均值。

中位數（Median）

將一組測量值從小到大排列后，中間的值即為中位數。如果數據庫的個數為偶數，一般將中間兩個數的平均值作為中位數。子組中位數是構成簡單的有關過程位置的控制圖的基礎。中位數加波浪號（~）的符號表示；如X就是一分組的中位數。

移動極差（Moving Range）

兩個或多個連續樣本值中最大值與最小值之差，這種差是按這樣方式計算的：每當得到一個額外的數據點時，就在樣本中加上這個新的點，同時刪除其中時間上“最老的”點，然后計算與這點有關的極差，因此每個極差的計算至少與前一個極差的計算共用一個點的值。一般說來，移動極差用于單值控制圖，并且通常用兩點（連續的點）來計算移動極差。

不合格品（Nonconformity）

一個具體出現的不符合規范要求或其他檢驗標準的情況，有時稱為缺陷。一個不合格品中能有多處不合格。（例如：一扇門也許有幾處凹痕和縫，對化油器進行功能檢驗可發現一些潛在的不合格。分析產品不合格的系統，用c和u控制圖。

正態分布（Normal Distribution）

一種用于計量型數據的、連續的、對稱的鐘形頻率分布，它是計量型數據用控制圖的基礎。當一組測量數據服從正態分布時，有大約68.26%的測量值落在平均值處正負一個標準差的區間內,大約95.44%的測量值將落在平均值處于正負兩個標準差的區間內;大約99.73%的值將落在平均值處正負三個標準偏差的區間內。這些百分數是控制界限或控制圖分析的基礎（因為即使整個輸出的全部數據不服從正態分布，但其子組平均值趨向于正態分布），而且是許多過程能力確定的基礎（因為許多工業過程的輸出服從正態分布。）

可操作的定義（Operational Definition）

清楚地交流質量期望和性能信息的方式；它由以下三部分組成：（1）適用于某一個物體或一個組標準，（2）對這一個體或組進行一種試驗；（3）一個決定：是或不是——這一個體或組是否符合上述要求。

排列圖（Pareto Chart）

一種用于解決問題的簡單工具，按照對成本或總變差的影響程序對各種潛在的有問題的區域變差源進行排序。一般情況下，大多數的成本（或變差）是由于少量原因造成的，所以解決問題的精力最好是優先集中在少量關鍵的原因上，而暫忽視多數不重要的原因。

泊松分布（Poisson Distribution）

應用于不合格數的計數型數據概率分布，是c和u控制圖的基礎。

預防（Prevention）

是一個主動（事前）型的策略，通過直接分析和改善過程本身來改進質量和生產率。預防是與持續改進的宗旨是一致的（參見檢驗）。

解決問題（Problim-Solving）

從癥狀分析到產生的原因（特殊的或普通的）再到改進性能措施的過程。可用的基本技術有：排列圖，因果圖及統計過程控制技術。

過程（Process）

能產生輸出——一種給定的產品或服務的人、設備、材料、方法和環境的組合。過程可涉及到我們業務的合格各個方面，管理過程的一個有力工具即為統計過程控制。

過程均值（Process Average）

一個特定過程特性的測量值分布的位置即為過程平均值，通常用X來表示。

過程能力（Process Capability）

一個穩定過程的固有變差（6σR/d2）的總范圍。

——對于計量型數據（Variables Data Case）

（1）過程固有能力定義為6σR/d2；

（2）符合規范的過程能力（即輸出符合規范的百分數%）可以通過考慮過程中心及分布寬度（如CPK）等指數和一些假設來估算。然而，也有估算這個值更精確的方法。

——對于計數型數據（Attributes Data Case）

過程能力通常用不合格的平均比例或比率表示。例如，從控制圖上來說，過程能力被定義為p，c或u，這里直接指的是不符合規范的產品的平均比例或比率（或用符合規范的比例1—p表示）。

過程控制（Process Control）

參見統計過程控制。

過程性能（Process Performance）

一具過程總變差的總范圍6σR/d2。

過程分布寬度（Process Spread）

一個過程特性單值的分布變化程度。通常用過程平均值加減幾倍的標準差來表示（例如：X±3σ）。

二次方程式（Qadratic）

屬于二次冪的數學關系式，二次方程式最普通的例子即為拋物線。

隨機性（Randomess）

單值是不可預測的狀態，盡管它可能符合某種分布規律。

隨機抽樣（Ramdom Sampling）

使得所考慮的幾個個體的所有組合被抽作樣本的機會是相同的機樣過程。

極差（Range）

一個子組、樣本或總體中最大與最小值之差。

合理子組（Rational Subgroup）

按下列方式組成的子組：給予最大機會使得每個子組中測量相同，并且給予最大機會使得子組之間彼此不同。這種分組方法提出了一種確定一個過程的變差是否來自一個恒定系統的偶然原因的要求。

鏈（Run）

控制圖上一系列連續上升或下降，或中中心線之上或之下的點。它是分析是否存在造成變差的特殊原因的依據。

鏈圖（Run Chart）

一種代表過程特性的簡單圖形，上面描有一些從過程中收集到的統計數據（通常是單值）和一條中心線（通常是測量值的中位數），可用來進行鏈分析。（參見控制圖）

樣本（Smaple）

應用于過程控制時，它是子組的同義詞，這個用法的目的完全不同對于一大群人或項目等的估計。

形狀（Shape）

數值分布形成的總體圖形的一般概念。

σ（Singmaσ）

用于代表標準差的希臘字母。

特殊原因（Special Cause）

一種間斷性的，不可預計的，不穩定的變差根源。有時被稱為原因，存在它的信號是：存在超過控制子的點或存在控制限之內的鏈或其它非隨機性的圖形。

規范（Specification）

判定一特定的特性是否可接受的工程技術要求。規范不能與控制限混淆，理想情況規范直接與顧客（內部的或外部的）的要求或期望緊密相連，或者兼容。

分布寬度（Spread）

和個分布中從最小值到最大值之間的間距（參見過程分布寬度）。

穩定性（Stability）

不存在變差的特殊原因；處于統計控制的狀態。

穩定過程（Stable Process）

處于統計控制狀態的過程。

標準差（Standard Deviation）

過程輸出的分布寬度或從過程中統計抽樣值（例如：子組均值）的分布寬度的量度，用希臘字母σ或字母s（用于樣本標準差）表示。

統計值（Statistic）

由樣本數據計算得到的值（例如：子組均值或極差），用來推斷產生輸出的過程，而這個樣本也是來自這個輸出。

統計控制（Statistical Control）

描述一個過程的狀態，這個過程中所有的特殊原因變差都已排除，并且僅存在普通原因。即：觀察到的變差可歸咎于恒定系統的偶然原因；在控制圖上表現為不存在超出控制限的點或在控制限范圍內不存在非隨機性圖形。

統計過程控制（Statistical Process Control）

使用諸如控制圖等統計技術來分析過程或其輸出以便采取適當的措施達到并保持統計控制狀態從而提高過程能力。

子組（Subgroup）

用來分析過程性能的一個或多個事件或測量。通常選用合理分組使得每個子組內的變差盡量小（代表普通原因的變差），同時使得各子組間過程性能的變化（即特殊原因變差）不一樣。合理子組一般由連續的零件組成，盡管有時采用隨機抽樣。

I 類錯誤（Type Erroy）

拒絕一個真實的假設；例如：采取了一個適用于特殊原因的措施而實際上的過程還沒有發生變化；過度控制。

II 類錯誤（Type Error）

定量的數據，可用測量值來分析。例如：用毫米表示的軸承頸直徑，用牛頓表示關門的力，用百分數表示電解液的濃度，用牛頓·米表示緊固件的力矩，X—R圖，X—s中位數，單值和移動極差控制圖都用于計量型數據（參見計數型數據）。

變差（Variation）

過程的單個輸出之間不可避免的差別；變差的原因可分成兩類：普通原因和特殊原因。

——固有變差（Inherent Variation）

僅由普通原因造成的過程變差，由6σR/d2來估計：

——總變差（Total Variation）

由于普通和特殊兩個原因造成的變差，用σs估計。

區域分析（Zone Analysis）

這是對休哈特（Shewhart）控制圖詳細分析的一種方法，它將X圖上均值到控制上限的區域分成三等分，并將平均值到控制下限的區域也分成三等分。這些等分的區域有時被稱為“σ”區域（這里的σ為平均分布標準差，而不是單值）。只要數據服從正態分布（即受控）則期望一定比例落在每個區域內的概率是一定的。例如，落在均值相鄰區域的概率是0.3413,落在下一個區域的概率為0.136,落在最近一個區域的概率是0.02135,落在上、下控制限之外區域的概率各是0.00135。那么可以根據與這些區域相關的數據點來檢驗數據中是否有些不自然的趨勢。極差圖的概率取決于樣本的容量，計數型數據控制圖的概率是以二項分布或泊松分布為基礎的。由這個系統得到的經驗方法可用作過程微小變化的早期警告系統，而這種微小變化可能不會反映為超出控制線的點。