Сбор и предварительная обработка данных, полученных н ходе измерения показателей качества сложного технологического процесса

При отсутствии данных, необходимых для анализа, сложного технологического процесса, невозможны дальнейшие работы но определению ключевых показателях качества сложного технологического процесса, следовательно, в организации должен быть отлажен процесс сбора данных о показателях качества.

Статистическое управление сложным технологическим процессом осуществимо только в том случае, если достигнута его базовая статистическая устойчивость, т.е. распределения ПК сложного технологического процесса и іюдпроцессов должны подчиняться определенным законам распределения [ЕЗ]. Действительно, при отсутствии закономерностей распределения случайных величин невозможно предсказать будущие значения ПК сложного технологического процесса и подпроцессов. Соответственно применение методов статистического анализа не принесет никаких результатов.

Как ужо было сказано выше, существуют непрерывные и дискретные ПК, следовательно, законы распределения, которые будут использоваться в данной работе, также делятся на две группы:

1) законы распределения для дискретных величин;

2) законы распределения для непрерывных величин.

Для дискретных величин существует три наибе лее часто встречающихся законов распределения: биномиальный закон распределения, закон распределения Пуассона и полиномиальный закон распределения [84].

В случае если число категорий для ПК сводится к двум (да/нет, мнсго/мало, брак/годная) применяют биномиальный закон распределения, в котором вероятность отнесения значения ПК к категории А А? раз равна:

IKr^rt =

^А КХп-А)1

Л! г,- л_____ .Jr

к

(ПЛ)

где iy_kⁿ - число попаданий в категорию, л - число испытаний, р - вероятЕїость отнесения значения I (К к категории Aj, q — вероятность отнесения значения ИК к категории Аз.

В случае если вероятность отнесения ПК к категории А слишком мала (р3, то эмпиричсснюе распределение не соответствует теоретическому, если А