GBZ 19027-2005 GBT 19001-2000 的统计技术指南 .pdf

I C S 0 3.1 2 0.1 0易中华人民共和国国家标准化指导性技术文件G B/Z 1 9 0 2 7-2 0 0 5/I S O/T R 1 0 0 1 7:2 0 0 3 代替 Gs/z 1 9 0 2 7-2 0 0 1G B/T 1 9 0 0 1-2 0 0 0 的统计技术指南G u i d a n c e o n s t a t i s t i c a l t e c h n i q u e s f o r G B/T 1 9 0 0 1-2 0 0 02)有时用在零件和分系统级，以使复杂系 统达到所期望的累积质量和可靠性。机器能力的分析用来评价机器按规定要求生产或运行的能力，这有助于组织作出采购或修理机器的决定。汽车、航空航天、电子学、食品、医药以及医疗设备的制造商通常将过程能力作为评价供方和产品的主要准则。这使这些制造商可将对采购产品和材料的直接检验减至最少。一些制造业和服务业的公司通过跟踪过程能力指数，以识别过程改进的需求，或验证这些改进的有效性。4.7 回归分析4.7.1 回归分析的概念 回归分析就是将所关心的特性(通常称为“响应变量”)的性能与潜在的原因(通常称为“解释变量，)联系起来。这样一种关系可通过科学、经济、工程等学科的模型作出规定，或经验地得到。目的是帮助理解响应变差的潜在原因，并解释每个因素对该变差所起的作用有多大。通过统计将响应变量的变差与解释变量的变差联系起来，以及将预期和实际响应变量之间的偏差减至最小达到最佳拟合可做到这一 点。4.7.2 回归分析的用途 使用回归分析可:检验有关潜在解释变量对响应影响的假设，并针对解释变量的已知变化，使用这些信息描述所 估计的响应变化;针对解释变量的具体值，预测响应变量值;针对给出的解释变量特定值，(在规定的置信水平)预测响应值的预期范围;估计响应变量和解释变量相关联的方向和程度(尽管这样的关联并不意味着因果关系)。例 如，可以使用这些信息确定当变更某个因素而其他因素不变时所产生的影响，如改变温度对过 程产量的影响。4.7.3益处 回归分析可使组织深人了解各种因素与所关心的响应之间的关系，这样的了解有助于指导组织在研究和最终改进过程时作出决策。回归分析获得的结论来自于其对响应数据的形态进行简明地描述能力、对不同但相关的数据子集的比较能力以及对潜在的因果关系的分析能力当这些关系能较好地建模时，回归分析还能估计解释变量所产生影响的相对大小以及这些变量的相对强度。这些信息在控制或改进过程的输出中具有潜在 1 0GB/Z 1 9 0 2 7-2 0 0 5 八S O/TR 1 0 0 1 7:2 0 0 3价值。回归分析也可对在分析中未测量或遗漏的因素对响应影响的大小和来源作出估计。这种信息可用来改进测量系统或过程。回归分析可针对一个或多个解释变量的给定值预测响应变量值;同样，回归分析也可就现有或预期的响应来预测解释变量改变时的影响。当不了解措施的有效性时，在投人时间和金钱解决某一问题之前，进行此类分析可能是有益的。4.7.4 局限性与注愈事项 当建立过程模型时，需要具备确定(如:线性的、指数的、多变量的)适宜的回归模型的技能，以及运用诊断方法改进模型的技能。遗漏变量、测量误差，以及其他无法解释的响应变差来源的存在都会使模型复杂化。选择何种适用于回归分析问题的估计技术，取决于所研究的回归模型的特定假定以及可获得的数据特性。在建立回归模型时，有时遇到的问题是存在有效性可疑的数据。在分析中包含或遗漏这样的数据可能会对模型参数的估计以及响应的估计产生影响。因此，在可能时，应调查这些数据的有效性。通过将解释变量的数量减至最少来简化模型在建模中很重要。包含不必要的变量能混淆解释变量的影响，并降低模型的预测精密度。然而，遗漏某个重要解释变量可能会严重限制模型以及结果的可用性。4.7.5 应用示例 回归分析用于产量、运行质量、循环时间、测试或检验失败的概率，以及过程缺陷的各种形态等生产特性的建模。回归分析也用来识别过程的最重要因素，以及它们对所关心的特性变差影响的大小和性质。回归分析用来预测实验的结果，或预测对材料或生产条件中的变差进行的受控前瞻性或回溯性研究的结果。回归分析也用来验证测量方法的可替代性，例如，用非破坏性的或省时的方法取代破坏性的或耗时的方法。非线性回归的应用示例包括将药物浓度作为时间和反应量的函数来建模;将化学反应作为时间、温度和压力等的函数来建模。4.8 可命性分析4.8.1 可命性分析的概念 可靠性分析就是将工程和分析方法应用于评价、预计和保证所研究的产品或系统在某一段时间无故障运行幻。可靠性分析使用的技术通常需要使用统计方法处理不确定性、随机特性或在一段期间内发生故障等的概率。这种分析通常包括使用适宜的统计模型来表征所关心的变量，如故障前时间，或故障间隔时间。这些统计模型的参数可从实验室或工厂试验或从现场作业所获得的经验数据作出估计。可靠性分析还包括用于研究故障的物理性质和原因、以及预防或减少故障的其他技术(如失效模式和影响分析)。4.8.2 可靠性分析的用途 可靠性分析用于下述目的:基于来自有限期间并包括许多规定的试验单元数的试验所获得的数据，验证规定的可靠性测 度得到满足;预测无故障运行的概率，或其他可靠性的测度，如故障率、零件或系统的平均故障间隔时间等;2)可靠性分析与涉及维修性和可用性的“可信性”的广阔领域密切相关。它们和其他相关的技术和方法在参考文 献所列出的 I E C的出版物中作了规定和讨论.GB/Z 1 9 0 2 7-2 0 0 5/I S O/TR 1 0 0 1 7:2 0 0 3 建立产品或服务性能的故障形态及运作情况的模型;提供对概率设计有用的设计参数(如应力和强度)方面的统计数据;识别关键或高风险的零件以及可能的故障模式和机理，并支持查找原因和采取预防措施。可靠性分析所使用的统计技术允许对所开发的可靠性模型的参数估计值和用这些模型做出的预计结果设定统计置信水平。4.8.3益处 可靠性分析提供了产品和服务抗故障或抗服务中断的性能的定量测度。可靠性活动与系统运行中风险的遏制密切相关。可靠性通常是感知产品或服务质量、以及顾客满意程度的影响因素。在可靠性分析中使用统计技术的益处包括:在规定的置信限内，具备预计和量化故障可能性以及其他可靠性测度的能力;通过使用不同的冗余技术和降额策略，具备指导作出选择不同设计方案决策的能力;制定完成符合性试验的客观的接收或拒收准则，以证实可靠性要求得到满足;基于产品性能、服务和耗损数据的可靠性分析，具备策划最佳预防性维修和更换计划的能力;为经济地达到可靠性目标，改进设计的可能性。4.8.4 局限性与注意事项 可靠性分析的基本假定是所研究的系统性能可通过统计分布合理地予以表征。因此，可靠性估计的准确度将取决于这种假定的正确性。当存在可能符合或不符合同一统计分布的多个故障模式时，会增加可靠性分析的复杂性。此外，当在可靠性试验中观测到的故障数很小时，可能严重影响与可靠性估计相联系的统计置信水平和精密度。另一个关键是与可靠性试验的条件有关，特别是当试验包括某种形式的“加速应力”(即应力比产品在正常使用中大得多)时更是如此。确定产品在试验中所观测的故障与在正常使用条件下的产品性能之间的关系可能很困难，并且这将增加可靠性预计的不确定性。4.8.5 应用示例 可靠性分析应用的典型示例包括:验证零件或产品能满足规定的可靠性要求;根据新产品引进时试验数据的可靠性分析，判断产品的寿命周期费用;基于对现货产品的可靠性分析，指导作出制造或购买现货产品的决策，并估计对交付目标和与 预测故障有关的以后的费用的影响;基于试验结果、质量改进和可靠性增长，推测软件产品成熟度，并建立符合市场要求的软件投 放 目标;确定主要产品的耗损特性，以有助于改进产品的设计，或策划所要求的适宜的服务维修计划和 工 作。4.9抽样4.9.1 抽样的概念 抽样是一种系统的统计方法，它通过研究总体有代表性的部分(即样本)来获取该总体的某些特性信息。有各种抽样技术可以使用，如简单随机抽样、分层抽样、系统抽样、序贯抽样、跳批抽样等，抽样技术的选择取决于抽样的目的和抽样条件4.9.2 抽样的用途 抽样大致可分为不互斥的两大领域:“验收抽样”和“调查抽样”。验收抽样是基于选取“批”的样本结果，作出接收或不接收该“批”(即一组产品)的决定。为满足具体要求和应用，有许多验收抽样方案可供选择。调查抽样用于估计总体的某个或多个特性值、或估计这些特性在总体中是如何分布的枚举研究或分析研究。调查抽样通常与收集人们对某个主题的观点的民意测验相联系，调查抽样也同样能用于其 1 2GB/Z 1 9 0 2 7-2 0 0 5/I S O/T R 1 0 0 1 7:2 0 0 3他目的(如审核)的数据收集。在枚举研究中所使用的获取总体或部分总体特性方面的信息的探索性抽样是调查抽样的一种特别形式。生产抽样也是调查抽样的一种特别形式，可用于过程能力分析。4.9.3 益处 正确设计的抽样方案与总体调查或 1 0 0%批检验相比，能节省时间、费用和劳动力。当产品检验包含破坏性试验时，抽样是获取相应信息的唯一切实可行的途径。抽样提供了一种既经济有效又及时的方法，以获取有关总体的某一所关心的特性值或分布情况的初始信息。4.9.4 局限性与注意事项 设计抽样方案时，应慎重决定样本量、抽样频次、样本的选择、划分子组的根据以及抽样方法的各种其他方面。抽样要求以无偏的方式选择样本，即样本要代表总体如果做不到这一点，将导致对总体特性作出不良估计。在验收抽样的情况下，不能代表总体的样本可能导致对可接收质量批的不必要的拒收，或导致对不可接收质量批的非预期接收 即使是无偏样本，从样本得到的信息也会产生一定程度的误差。这种误差可通过增大样本量来减少，但却不能消除。达到所期望的置信水平和精密度的样本量取决于具体问题和抽样范围，这样的样本量可能太大，以至于没有实用价值。4.9.5 应用示例 调查抽样的一个频繁应用是在市场调研中估计可能购买某一特定产品的人口的比率，另一个应用是在库存审计中估计满足规定准则的个体比率。抽样用于对操作者、机器或产品的过程检查，以便监测变差并确定纠正及预防措施。验收抽样广泛用于工业领域，以便对接收的材料满足预先规定的要求提供某种程度的保证。通过散料抽样，能对散料(如矿物、液体和气体)组成成分的数量或性质作出估计。4.1 0 模拟4.1 0.1 模拟的概念 模拟是通过计算机程序用数学方式表示(理论或经验的)系统，从而解决问题的方法的集合。如果这种表达方式包括概率论的概念，尤其是包括随机变量，模拟则称为“蒙特卡罗法”。4.1 0.2 模拟的用途 从理论科学方面，如果不知道解决问题的综合理论，或如果知道，但不可能或难以解决，而通过计算机能获得解决方法时，则可使用模拟法。在经验方面，如果计算机程序能够充分地描述系统时，可使用模拟法。模拟在统计教学中也是一种有益的工具。相对廉价的计算能力的发展正使模拟越来越多地应用于迄今还没有得到解决的问题。4.1 0.3益处 在理论科学中，如果没有明确的解决问题的计算方法，或计算太繁琐以至不能直接进行(如 n维积分)，则可采用模拟法(特别是“蒙特卡罗法”)。同样，在经验方面，当经验调查是不可能的或花费太大时，可采用模拟法。模拟的益处在于它提供了一种省时经济的解决问题的办法，或它最终提供了解决问题的办法。统计教学中使用模拟法能有效地解释随机变差。4.1 0.4 局限性与注愈事项 在理论科学中，选择基于概念推理得出的证据比模拟更具优势，因为模拟往往对结果的原因不能作出说 明。经验模型的计算机模拟可能受到模型不适宜的限制，即，模型可能没有完全说明问题。因此，经验模型的计算机模拟不能替代实际经验调查和试验。1 3GB/Z 1 9 0 2 7-2 0 0 5/I S O/T R 1 0 01 7:2 0 0 34.1 0.5 应 用示例 大型项 目(如太空计划)通常采用蒙特卡罗法。模拟的应用不受任何具体工业类型的限制，典型的应用领域包括统计容差法、过