《GB-Z 19027-2005 GB-T 19001-2000的统计技术指南.pdf》由会员分享，可在线阅读，更多相关《GB-Z 19027-2005 GB-T 19001-2000的统计技术指南.pdf（23页珍藏版）》请在三一文库上搜索。
1、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 1 G 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 0 2 ) 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
2、 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
3、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
4、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 0 GB / Z 1 9 0 2 7 -2 0 0 5 八S O/ TR 1 0
5、 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
6、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
7、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
8、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
9、、 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
10、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
11、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
12、。 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
13、( 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
14、样也同样能用于其 1 2 GB / 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
15、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
16、。 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
17、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
18、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 3 GB / Z 1 9 0 2 7 -2 0 0 5 / I S O/ T R 1 0 01 7: 2 0 0 3
19、 4 . 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、 过程模拟、 系统的优化、 可靠性理论和预计。一些具体的应用有: 机械部件的变差建模; 复杂部件的振动形态建模; 确定最佳预防性维修计划; 在设计和生产过程中为优化资源配置所进行的费用和其他分析。 4 . 1 1 统计过程控制( S P C ) 图 4 . 1 1 . 1 S P C图的概念 S P C图或“ 控制图” 是将从过程定期收集的样本所获得的数据按顺序点绘而成的图。S P C图上标 有过程稳定时描述过程固有变异的“ 控制限” 。
20、控制图的作用是帮助评价过程的稳定性， 这可通过检查 所点绘的数据与控制限的关系来实现。 任何反映所关心的产品或过程特性的变量( 计量数据) 或属性( 计数数据) 都可以绘制成图。在存在 计量数据的情况下， 一个控制图通常用来监控过程中心的变化， 另一控制图则用于监控过程变异的 变化 。 对于计数数据， 控制图通常包含不合格品数或不合格品率控制图， 或包含从过程所抽取的样本中发 现的不合格数控制图。 计量数据控制图的常规形式称为“ 休哈特” 图。还有其他形式的控制图， 每种控制图都有适合特定 情况而应用的特点。例如， “ 累积和控制图” 可提高检侧过程发生小漂移的灵敏度; “ 移动均值图” (
21、均匀 或加权) 可平滑掉短期变差， 揭示长久趋势。 4 . 1 1 . 2 S P C图的用途 S P C图通常用来检测过程的变化。图中描绘的数据与控制限进行比较， 可以是单值读数或诸如样 本平均值的统计量。最简单的情况是: 描绘点落在控制限之外则表明过程可能出现了变化， 这可能是由 某些“ 可查明原因” 引起的。这表明需要对“ 失控” 读数的原因进行调查， 以及在必要时对过程进行调整， 将有助于长期保持过程稳定性和对过程加以改进。 通过采用附加准则解释所绘数据的趋势和形态， 可改善控制图的使用， 以便更迅速地展示过程变 化， 或提高识别微小变化的灵敏度。 4 . 1 1 . 3益处 除了向使
22、用者提供直观的数据外， 控制图还能通过区分稳定过程的固有随机变差和可能因“ 可查明 原因” ( 即具体原因可以查明) 而产生的变差， 便于使用者对过程变差作出适当的响应。这种“ 可查明原 因” 的及时查明和纠正有助于对过程加以改进。与过程有关的活动的控制图的作用和价值如下: 过程控制: 计量控制图用来查明过程中心或过程变异的变化， 并采取纠正措施， 以保持或恢复 过程稳定性; 一 过程能力分析: 如果过程处于稳定状态， 从控制图获得的数据可随后用于估计过程能力; 测量系统分析: 通过结合反映测量系统固有变异的控制限， 控制图能显示测量系统是否有能力 查明所关心的过程或产品的变异， 控制图也能用
23、于监控测量过程本身; 因果分析: 过程事件和控制图形态之间的相关性有助于判断可查明的根本性原因并策划有效 措施 ; 持续改进: 控制图可用于监视过程变差， 并有助于识别和表征变差的原因。当将控制图作为组 织内持续改进的系统程序的组成部分时， 控制图尤为有效。 4 . 1 1 . 4 局限性与注意事项 以最好地反映所关心的变差的方式抽取过程样本很重要， 这样的样本称为“ 合理子组” 。这也是有 效使用和解释 S P C图以及理解过程变差来源的关键。 1 4 GB / Z 1 9 0 2 7 -2 0 0 5 / I S O/ TR 1 0 0 1 7 : 2 0 0 3 短期过程很少能提供足够的
24、数据， 故难以建立适宜的控制限。 在解释控制图时存在“ 假报警” 的风险， ( 即实际未发生变化而作出变化已经发生的结论) ， 也存在已 经发生变化而未查明的风险。这些风险都能被减少， 但不能被消除。 4 . 1 1 . 5 应用示例 汽车、 电子、 国防和其他行业的公司经常利用关键特性的控制图， 实现和证实持续的过程稳定性和 能力。如果接收了不合格产品， 使用控制图可有助于明确风险并确定纠正措施的实施范围。 在工作现场可使用控制图解决问题。控制图可用于组织的各个层次， 以识别问题并分析问题产生 的根本原 因。 控制图用在加工工业， 通过使员工分辨过程固有变差和可能因“ 可查明原因” 引起的变
25、差， 从而减少 不必要 的过 程干预( 过度调整) 。 诸如平均响应时间、 差错率和顾客抱怨频次等样本特性的控制图可用于测量、 诊断和改进服务业的 业 绩。 4 . 1 2 统计 容差法 4 . 1 2 . 1 统计容差法的概念 统计容差法是基于某些统计原理确定容差的方法 ， 它利用各零件相关尺寸的统计分布来确定组装 件的总容差。 4 . 1 2 . 2 统计容差法的用途 当把多个零件装配为一个组装件时， 这些组装件的装配性和互换性的关键因素或要求通常不再是 单个零件的尺寸， 而是组装件的总尺寸。 总尺寸的极值( 即最大值或最小值) ， 只有在所有零件的尺寸均处于其各 自容差范围的最高点或最
26、低点时才会出现。在容差链框架内， 当总尺寸容差由各零件容差相加时， 就称为算术总容差。 为了统计确定总容差， 假定组装件包括大量的零件， 则处于单件容差范围一端的尺寸将与处于容差 另一端的尺寸相平衡例如， 一个处于容差范围低端的单件尺寸能与处于容差范围高端的另一个尺寸 ( 或几个尺寸的组合) 相配合。从统计角度来讲， 在某些情况下， 总尺寸应是近似的正态分布， 与单件尺 寸的容差分布无关， 因而可用来估计组装件的总尺寸的容差范围。当总尺寸容差给定时， 可以据此来确 定各零件容许的容差范围。 4 . 1 2 . 3 益处 当一组单件容差给定时( 不必相同) ， 根据统计总容差计算所得出的总尺寸容
27、差通常比从算术方法 得出的总尺寸容差要小得多。 这表明当总尺寸容差给定时， 统计容差法允许使用的单件尺寸容差的范围要比算术方法得出的大。 这一点能给实际操作带来很大益处， 因为容差范围越宽越有利于使用更简单的和更经济有效的生产 方法 。 4 . 1 2 . 4 局限性与注意事项 统计容差法首先要求确定能够接受的处于总尺寸容差范围之外的组装件的比例。统计容差法的实 际可行须满足以下前提: 各单件的实际尺寸可作为不相关的随机变量; 尺寸链是线性 的; 尺寸链至少有 四个零件 ; 各单件容差应为 同一数量级 ; 尺寸链各单件尺寸的分布已知。 很明显， 只有当所研究的单个零件的生产受控并处于持续检测的
28、状态下， 才会满足上述条件。如果 产品仍处于开发状态， 则应使用经验和工程知识指导统计容差法的应用。 1 5 GB / Z 1 9 0 2 7 -2 0 0 5 / I S O/ TR 1 0 0 1 7 : 2 0 0 3 4 . 1 2 . 5应用示例 统计容差法的理论常用于有相加关系或简单相减关系( 如轴和孔) 的零件装配中。使用统计容差法 的工业部门包括机械、 电子和化学工业。这一理论也用于计算机模拟中， 以确定最佳容差。 4 . 1 3时间序列分析 4 . 1 3 . 1 时间序列分析的概念 时间序列分析是研究按时间顺序收集到的一组观测结果的一族方法。这里的时间序列分析是指诸 如以下
29、应用中的分析技术: 发现“ 滞后” 形态， 通过统计找出每一观察结果如何与它前面最接近的观察结果相关联， 并在随 后的每个滞后周期重复这一 活动 ; 发现周期性或季节性形态， 以便了解过去的成因因素如何对将来产生重复影响; 使用统计工具预测将来的观察结果， 或弄清哪些因素在时间序列中对变差的影响最大。 时间序列分析中使用的技术可包括简单“ 趋势图” 。在本指导性技术文件中， 这样的基本图在“ 描述 性统计” 所列出的简单图解法中给出。 4 . 1 3 . 2 时间序列分析的用途 时间序列分析用来描述时间序列数据的形态， 识别“ 离群值” ( 即必须调查其有效性的极值) ， 以有助 于了解形态或
30、作出调整， 查明趋势的转折点。时间序列分析的另一个用途是用某一时间序列的形态解 释另一个时间序列的形态， 具有回归分析中的所有固有目标。 时间序列分析也用来预测时间序列的将来值， 一般是将一些已知的上下限作为预测间隔。时间序 列分析在控制领域具有广泛用途， 且常用于自动过程。在这种情况下， 以某一概率模型拟合以往的时间 序列， 预测将来值， 然后通过尽可能小的变差来调整具体的过程参数， 以保持设定目标的过程。 4 . 1 3 . 3益处 时间序列分析方法在策划、 控制工程、 识别过程变化、 预测以及测量一些外部干扰或活动所产生的 影响方面都十分有用。 当作出某一特定更改时， 时间序列分析还能用
31、于过程策划性能与时间序列预测值的比较。 使用时间序列方法可深人了解可能的因果形态。某些时间序列方法还能将系统( 或可查明的) 原因 与偶然原因分开， 并能将随时间序列出现的形态分解为周期性、 季节性和趋势分量。 时间序列分析通常用于了解过程在特定条件下如何运转、 以及什么调整可能对过程趋向某些目标 值产生影响、 或什么调整能减少过程变异。 4 . 1 3 . 4 局限性与注意事项 回归分析所列出的局限性与注意事项也适用于时间序列分析。当为了了解原因和结果而建立过程 模型时， 需要具备选择最适宜模型和使用诊断工具以改进模型的技能水平。 在分析中， 包括或遗漏某个观测值或一小组观测值， 都可能对模
32、型产生重要影响。因此， 应理解有 影响的观测值并与数据中的“ 离群值” 相区别。 不同的时间序列估计技术可能具有不同的成功程度， 这主要取决于时间序列的形态， 以及针对可获 得的时间序列数据的时间周期数量所期望的预测周期的数量。模型的选择应考虑分析的目标、 数据的 性质、 相关成本以及各种模型的分析和预计特性。 4 . 1 3 . 5 应 用示例 时间序列分析适用于研究一段时间内性能的形态， 例如， 过程测量、 顾客抱怨、 不合格、 生产率和测 试结果 . 预测应用包括预测备品配件、 缺席情况、 顾客定单、 材料需求、 电力消耗等等。 因果时间序列分析用于开发需求的预测模型。例如， 在可靠性方
33、面， 用来预测在给定时间周期内的 事件 的数量 以及事件 间( 如设备停机状态 ) 时间间隔 的分布 。 GB / Z 1 9 0 2 7 -2 0 0 5 / I S O/ TR 1 0 0 1 7: 2 0 0 3 参考文献 1 GB / T 3 3 6 0 -1 9 8 2 数据的统计处理和解释均值的估计和置信区间( e q v I S O 2 6 0 2 : 1 9 8 0 ) 2 G B / T 4 8 8 9 -1 9 8 5 数据的统计处理和解释正态分布均值和方差的估计与检验方法( e q v I S O 2 8 5 4 : 1 9 7 6 ) 3 G B / T 2 8 2 8
34、 . 1 -2 0 0 3 计数抽样检验程序 第1 部分: 按接收质量限( A Q L ) 检索的逐批检验 抽样计划( I S O 2 8 5 9 - 1 : 1 9 9 9 , I D T) 4 G B / T 1 5 2 3 9 -1 9 9 4 孤立 批计数抽样检验程序及抽样表 5 G B / T 1 3 2 6 3 -1 9 9 1 跳批计数抽样检查程序( e q v I S O / D I S 2 8 5 9 - 3 - 2 ) 6 G B / T 1 4 4 3 7 -1 9 9 7 产品质量监督计数一次抽样检验程序及抽样方案 7 G B / T 3 3 5 9 -1 9 8 2
35、数据的统计处理和解释统计容许区间的确定) ( e q v I S O 3 2 0 7 : 1 9 7 5 ) 8 G B / T 3 3 6 1 -1 9 8 2 数据的统计处理和解释在成对观测值情形下两个均值的比较 ( e q v I S O 3 3 0 1 : 1 9 7 5 ) 9 G B / T 4 8 9 0 -1 9 8 5 数据的 统计处理和解释 正态分布均值和方差检验的 功效 1 0 G B / T 3 3 5 8 . 1 -1 9 9 3 统计学术语第一部分: 一般统计术语( n e q I S O / D I S 3 4 3 5 - 1 - 3 4 3 5 - 3 ) 仁
36、1 1 G B / T 3 3 5 8 . 2 -1 9 9 3 统计学术语第二部分: 统计质量控制术语( n e q I S O / D I S 3 4 3 5 - 1 - 3 4 3 5 - 3 ) 1 2 G B / T 3 3 5 8 . 3 -1 9 9 3 统计学术语第三部分: 试验设计术语( n e q I S O / D I S 3 4 3 5 - 1 -3 4 3 5 - 3 ) 1 3 G B / T 6 3 7 8 -2 0 0 2 不合格品率的计量抽样检验程序及图表( 适用于连续批的检验) ( I S O 3 9 5 1: 1 9 8 9 , NEQ) 1 4 G B
37、/ T 6 3 7 9 . 1 -2 0 0 4 测量方法与结果的准确度( 正确度和 精密度) 第1 部分: 总则与定义 ( I S O 5 7 2 5 - 1: 1 9 9 4 , I DT) 1 5 G B / T 6 3 7 9 . 2 -2 0 0 4 测量方法与结果的准确度( 正确度和 精密度) 第2 部分: 确定标准测 量方法重复性与再现性的基本方法( I S O 5 7 2 5 - 2 : 1 9 9 4 , I D T) 1 6 G B / T 1 7 9 8 9 -2 0 0 0 控制图通)Q llj 和导引( i d t I S O 7 8 7 0 : 1 9 9 3 )
38、1 7 G B / T 4 8 8 6 -2 0 0 2 带警戒限的均值控制图( e q v I S O 7 8 7 3 : 1 9 9 3 ) 1 8 G B / T 8 0 5 1 -2 0 0 2 计数序贯抽样检验程序及表( I S O 8 4 2 2 : 1 9 9 1 , NE Q) 1 9 G B / T 1 6 3 0 7 -1 9 9 6 计量截尾序贯抽样检验程序及抽样表( 适用于标准差已 知的情形) ( e q v I S O 8 4 2 3 : 1 9 9 1 ) 2 0 G B / T 1 7 5 6 0 -1 9 9 8 数据的统计处理和解释中位数的估计( e q v
39、I S O 8 5 9 5 : 1 9 8 9 ) 2 1 G B / T 1 9 0 0 1 -2 0 0 0 质量管理体系要求( i d t I S O 9 0 0 1 ; 2 0 0 0 ) 2 2 G B / T 1 9 0 0 4 -2 0 0 0 质量管理体系业绩改进指南( i d t I S O 9 0 0 4 : 2 0 0 0 ) 2 3 G B / T 1 9 0 2 1 -2 0 0 3 测量管理体系测量过程和测量设备的要求( i d tI S O 1 0 0 1 2 : 2 0 0 3 ) 2 4 口G B / T 7 8 2 6 -1 9 8 7系统可靠性分析技术失效
40、模式和效应分析 ( F ME A) 程序 ( id t I E C 8 1 2: 1 9 8 5 ) 2 5 1 G B / T 7 2 8 9 -1 9 8 7 可靠性、 维修性与有效性预计报告编写指南( e q v I E C 8 6 3 : 1 9 8 6 ) 2 6 1 G B / T 1 9 0 0 0 -2 0 0 0 质量管理体系基础和术语( i d t I S O 9 0 0 0 : 2 0 0 0 ) 2 7 I S O 2 8 5 9 - 0 : 1 9 9 5 , S a m p l i n g p r o c e d u r e s f o r i n s p e c
41、t io n b y a t t r i b u t e s -P a r t 0 : I n t r o d u c t i o n t o t h e I S O 2 8 5 9 a t t r i b u t e s a mp li n g s y s t e m. 2 8 I S O 5 4 7 9 : 1 9 9 7 , S t a t i s t i c a l i n t e r p r e t a t i o n o f d a t a -T e s t f o r d e p a r t u r e f r o m t h e n o r m a l d i s - t r
42、i b u t i o n . 2 9 I S O 5 7 2 5 - 3 : 1 9 9 4 , A c c u r a c y ( t r u e n e s s a n d p r e c i s io n ) o f m e a s u r e m e n t m e t h o d s a n d r e s u l t s - 1 7 GB / Z 1 9 0 2 7 -2 0 0 5 / I S O/ T R 1 0 0 1 7: 2 0 0 3 P a r t 3 : I n t e r me d i a t e me a s u r e s o f t h e p r e c
43、 i s i o n o f a s t a n d a r d me a s u r e me n t me t h o d . 3 0 I S O 5 7 2 5 - 4 : 1 9 9 4 , A c c u r a c y ( t r u e n e s s a n d p r e c i s i o n ) o f m e a s u r e m e n t m e t h o d s a n d r e - s u l t s -Pa r t 4 : B a s ic me t h o d s f o r t h e d e t e r mi n a t i o n o f t h
44、 e t r u e n e s s o f a s t a n d a r d me a s u r e - m e n t m e t h o d . 3 1 I S O 5 7 2 5 - 5 : 1 9 9 8 , A c c u r a c y ( t r u e n e s s a n d p r e c i s i o n ) o f m e a s u r e m e n t m e t h o d s a n d r e - s u l t s -P a r t 5 : A l t e r n a t i v e me t h o d s f o r t h e d e t
45、e r m i n a t i o n o f t h e p r e c i s io n o f a s t a n d a r d m e a s u r e m e n t m e t h o d . 3 2 I S O 5 7 2 5 - 6 : 1 9 9 4 , A c c u r a c y ( t r u e n e s s a n d p r e c i s i o n ) o f m e a s u r e m e n t m e t h o d s a n d r e s u l t s - P a r t 6 : U s e i n p r a c t i c e o
46、 f a c c u r a c y v a l u e s . 3 3 I S O / T R 7 8 7 1 : 1 9 9 7 , C u m u l a t i v e s u m c h a r t s -G u i d a n c e o n q u a l i t y c o n t r o l a n d d a t a a n a l y s i s u s i n g C US U M t e c h n i q u e s 3 4 I S O 7 9 6 6 : 1 9 9 3 , A c c e p t a n c e C o n t r o l c h a r t s
47、 3 5 I S O 8 2 5 8 : 1 9 9 1 , S h e w h a r t c o n t r o l c h a r t s . 3 6 I S O / T R 8 5 5 0 : 1 9 9 4 , G u i d e f o r t h e s e l e c t i o n o f a n a c c e p t a n c e s a m p l i n g s y s t e m, s c h e m e o r p l a n f o r i n s p e c t io n o f d i s c r e t e i t e ms i n l o t s .
48、3 7 : : I S O 1 0 7 2 5 : 2 0 0 0 , A c c e p t a n c e s a mp l i n g p l a n s a n d p r o c e d u r e s f o r t h e i n s p e c t i o n o f b u l k ma t e - r i a l s . I S O 1 1 0 9 5 : 1 9 9 6 , L i n e a r c a li b r a t i o n u s i n g r e f e r e n c e ma t e r i a l s . I S O 1 1 4 5 3 : 1
49、9 9 6 , S t a t i s t i c a l i n t e r p r e t a t i o n o f d a t e -Te s t s a n d c o n f i d e n c e i n t e r v a l s r e l a t in g t o p r o p o r t i o n s . I S O 1 1 4 6 2 - 1 : 2 0 0 1 , Gu i d e l in e s f o r i m p l e m e n t a t io n o f s t a t is t i c a l p r o c e s s c o n t r o l ( S P C ) -P a r t 1 : El e me n t s o f S P C . I S O 1 1 6 4 8 - 2 : 2 0 0 1 , S t a t i s t ic a l a s p e c t s