SAS软件在质量管理中的应用.doc

《SAS软件在质量管理中的应用.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、SAS软件在质量管理中的应用吕杰温德成肖宏川随着信息技术的飞速发展，企业信息化的时代已经到来。质量管理作为企业管理的重要组成部分，质量管理也要实现信息化。同时，由于下现代工业中对产品或服务的质量要求越来越高，质量管理人员需要分析大量质量数据。过去以手工方式计算变量绘制图形的方法已经不再可行，这就要求我们应用计算机和统计软件来更好地进行质量管理。SAS（StatisticalAnalysisSystem，统计分析系统）软件是世界上著名的统计分析软件之一。在数据处理和统计分析领域，SAS软件被誉为国际上最权威的优秀统计软件包，广泛应用

2、于各种领域，发挥着重要的作用。SAS系统中提供的主要分析功能包括统计分析、决策分析、财务分析和全面质量管理工具等等。目前，已有很多企业成功地应用SAS软件解决质量问题，如上海通用汽车采用SAS的保修解决方案，将质量问题解决周期缩短70%；上海宝钢使用SAS软件来提高其产品质量和改进供货流程；韩国浦项制铁采用SAS9推动其质量流程管理。本文将简要介绍SAS软件的描述性统计功能和统计质量管理模块在质量管理中的应用。一、质量数据的描述性统计分析通常，我们拿到一组质量数据时，首先要对这组数据有个大概了解，或者说有个粗略的认识，之后再根据具

3、体需要进行更深入的分析。描述性统计分析便为我们提供这样一种功能，它通过对计算数据的均值告诉我们样本数据的分布中心在哪儿，为下一步计算Cp值和Cpk值做准备；计算方差让我们了解分布的分散程度如何；计算偏度峰度使得我们能初步判断数据分布的正态性。下面让我们一起通过实例来学习如何用SAS软件对质量数据进行描述性统计分析。某企业生产产品的一个关键质量特性是产品重量，现对该企业抽检的100件产品的重量（表1）进行描述性统计分析。首先将记录为Excel文件的重量数据导入SAS软件，在File菜单下选择ImportData，导入数据类型选择Ex

4、cel，之后浏览找到数据文件导入。然后点击Solutions菜单，打开ASSIST模块，依次选择DATAANALYSIS→ELEMENTARY→Summarystatistics，这样便进入了描述性统计分析的界面。在Table栏里选择刚刚导入的重量数据（数据集），在Columns栏里选择所要分析的变量weight，然后选择需要分析的统计量，如Mean（均值）、Range（极差）、Variance（方差）、Skewness（偏度）、Kurtosis（峰度）等等。最后选择Run→Submit运行程序，便得到了我们需要的结果（如图1所示

5、）。可以看出，抽取的这批产品重量的均值是1026.79g，方差是80.147，偏度是-0.108，峰度是0.244。因此这组样本的重量数据分布曲线接近正态分布，呈正偏态、尖削峰。图1重量数据描述性统计结果二、运用SAS进行直方图分析直方图是频数直方图的简称。它是用一系列宽度相等、高度不等的长方形表示数据分布状的图。直方图一般用于观察和分析数据的波动情况。它的作用主要有：显示产品或工序质量波动的状态；调查工序的过程能力；较直观地传递有关工序质量状况的信息；根据数据波动的分布有目的地进行质量控制和改进。我们应用描述性统计分析中某企业生

6、产产品的重量观测数据（表1），同时增加一个限制性条件--重量规范要求为10000+50(g)，来绘制分析产品重量的直方图。在前面的描述性统计分析中，根据偏度和峰度我们已经可以初步判断数据分布基本接近正态分布，下面我们通过绘制直方图来进一步观察观测数据的分布状况。由于SAS软件的统计质量管理模块中没有直接的直方图分析项，因此我们将借助SAS软件的条形图功能绘制直方图。首先选择Solutions菜单下的ASSIST模块，再依次选择GRAPHICS→BARCHARTS，进入条形图分析界面。在Table栏里选择导入的数据集，在Barval

7、ues栏里选择Frequency(default)，即按照频数绘图，然后在Chartcolumn栏里选入要分析的变量weight。在SAS软件中，默认绘制的是垂直条形图，即Vertical，如果绘制水平条形图则需要将图形类型选为Horizontal。在此我们将分别选择Vertical和Horizontal进行两次分析。最后点击Run→Submit运行程序，便得到了直方图分析结果（如图2和图3所示）。可以看出，水平直方图右侧依次显示了每组的频数、累计频数、百分比以及累计百分比。图2垂直直方图分析结果图3水平直方图分析结果通过直方图我

8、们可以得知，利用观测数据绘制的直方图属于正常型直方图，即工序处于稳定状态。考虑到产品重量规范要求10000+50(g)可知，尽管此时工序处于稳定状态，但由于数据极大值和极小值非常接近公差上限和下限，因此工序属于无富余型，即企业应采取措施，减小标准偏