（一）统计分析表
统计分析表亦称调查表，它是为了调查客观事物、产品和工作质量，或为了分层收集数据而设计的图表，即把产品可能出现的情况及其分类预先列成统计分析表，然后检查产品时只需在相应分类中进行统计。在检验产品或操作工人加工、拣选产品时，发现问题后，工作人员只要在统计分析表中相应的栏内填上数字和记号即可。使用一定时间后，可对这些数字或记号进行整理，这时问题就能迅速地、粗略地暴露出来，便于分析原因、提出措施、提高质量。
统计分析表可分为不良项目统计分析表、缺陷位置统计分析表和频数统计分析表三类。
1.不良项目统计分析表
一个零件和产品不符合标准、规格、公差的质量项目叫作不良项目，也称不合格项目。为了减少生产中出现的各种不良或缺陷，需要调查发生了哪些“不良”，以及各种“不良”的比例有多大，这时可用不良项目统计分析表。
2.缺陷位置统计分析表
对外观缺陷进行统计调查的方法大多是作产品外形图、展开图，然后在图上对缺陷位置的分布进行调查。缺陷位置统计分析表可增加措施改进一栏，能充分反映缺陷发生的位置，便于研究缺陷为什么集中在那里。缺陷位置统计分析表是工序质量分析中常用的分析表。
3.频数统计分析表
使用频数统计分析表的目的常常是作直方图，需经过收集数据、分组、统计频数、计算、绘图等步骤。运用频数统计分析表时，在收集数据的同时，可直接进行分组和统计频数。每得到一个数据，就在频数统计分析表上相应的组内作一个标记，测量和收集数据工作结束后，频数分布表也随之做出，便能得到直方图的草图。
（二）直方图
直方图亦称频数分布图，是适用于对大量计量数据进行整理加工，找出其统计规律，即分析数据分布的形态，以便对其总体的分布特征进行推断，对工序或批量产品的质量水平及其均匀度进行分析的方法。绘制直方图，首先将测得的质量数据进行分组，并整理成频数表，然后据以绘出直方图。统计分布符合标准的直方图有以下几种：
（1）理想直方图。散布范围B在标准界限T=［T L，T U］内，两边有余量，如图2-12所示。
图2-12 理想直方图
（2）B位于T内，一边有余量，一边重合，分布中心偏移标准中心，应采取措施使分布中心与标准中心接近或重合，否则易出现不合格产品，如图2-13（a）和图2-13（b）所示。
图2-13 统计分布符合标准的非理想直方图（一）
（3）B与T完全一致，两边无余量，易出现不合格产品，如图2-14所示。
图2-14 统计分布符合标准的非理想直方图（二）
统计分布不符合标准的直方图如图2-15（a）和图2-15（b）所示。图2-15（a）中分布中心偏移标准中心，一侧超出标准界限，出现不合格品；图2-15（b）中散布范围B大于T，两侧超出标准界限，均出现不合格品。
图2-15 统计分布不符合标准的直方图(www.xing528.com)
尽管直方图能够很好地反映出产品质量的分布特征，但由于统计数据是样本频数分布，它不能反映产品随时间的过程特性变化，有时生产过程已有趋向性变化，而直方图却属于正常型，这也是直方图的局限性。
（三）散布图
散布图是通过分析研究两种因素的数据之间的关系来控制影响产品质量的相关因素的一种有效方法，又称为相关图。在生产实践中，有些变量之间往往存在相关关系，但又不能由一个变量的数值精确地求出另一个变量的数值，将这两种有关的数据列出，用点画在坐标图上，然后观察这两种因素之间的关系，这种图就是散布图（图2-16）。
图2-16 散布图示例
为了表示两个变量之间相关关系的密切程度，需要用一个数量指标来表示，这个指标称为相关系数，通常用r表示。不同的散布图有不同的相关系数r，且-1≤r≤1。因此，可根据相关系数r的值来判断散布图中两个变量之间的关系（表2-8）。
表2-8 相关系数r的取值
注 相关系数r所表示的两个变量之间的相关是指线性相关，当r绝对值很小甚至等于0时，并不表示两变量之间不存在任何关系，只是不存在线性相关关系。
假设两变量分别为x和y，则相关系数r可根据下式进行计算：
（四）排列图
排列图是通过找出影响产品质量的主要问题，以便确定质量改进关键项目的图表，也称为帕累托图。由于影响产品质量的因素很多，而主要因素往往只是其中少数几项，由它们造成的次品却占次品总数的绝大部分。
【案例分析】图2-17为织物染疵的主次因素排列图的基本形式。
排列图中有2个纵坐标、几个长方形和1条曲线，左边纵坐标表示频数（件数），右边纵坐标表示频率（以%表示）。横坐标表示影响产品质量的各项因素，按影响大小从左到右排列。曲线表示各影响因素大小的累积百分数，通常把累计百分数分为三类：0～80%为A类因素，称为主要因素；80% ～95%为B类因素，称为次要因素；95% ～100%为C类因素，称为一般因素。
图2-17 织物染疵情况排列图
排列图把影响产品质量的“关键的少数与次要的多数”直观地表现出来，使我们明确应该从哪里着手来提高产品质量。实践证明，集中精力将主要因素的影响减半比消灭次要因素收效显著，而且容易很多。
（五）矩阵数据分析法
矩阵数据分析法与矩阵图法有些类似，其主要区别在于不是在矩阵图上填符号，而是填数据，形成一个分析数据的矩阵。这种定量分析问题的方法也可称为主成分分析法，往往要求助于计算机求解。
矩阵数据分析法的基本思路是通过收集大量数据，组成矩阵，求出相关系数矩阵，以及矩阵的特征值和特征向量，确定出第一主成分、第二主成分等。通过变量变化的方法把相关的变量变为若干不相关的变量，即能将众多的线性相关指标转换为少数线性无关的指标（由于线性无关，就使得在分析与评价指标变量时，切断了相关的干扰，找出主导因素，从而做出更准确的估计），显示出其相应价值。这样就找出了进行研究攻关的主要目标或因素。
（六）控制图法
详见第二章第二节“质量控制理论”部分。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
