№ Выбор- ки | № Интер- вала | Интервалы | Подсчет частот | Частота | |
от | до | ||||
19,980 19,992 20,004 20,016 20,028 | 19,992 20,004 20,016 20,028 20,040 | //// ///// //////// ///// /// | |||
19,980 19,992 20,004 20,016 20,028 | 19,992 20,004 20,016 20,028 20,028 | //// ///// //////// ///// /// |
По данным таблицы 1 для обеих выборок вычерчиваем гистограмму и полигон распределения а) б)
Рис.1 Гистограмма (1) и полигон (2) распределения.
Для построения гистограммы по оси абсцисс откладывают интервалы, по оси ординат – соответствующие им частоты m или частость m/n. Последовательно соединяя между собой точки, соответствующие середине каждого интервала, получают эмпирическую кривую распределения.
По внешнему виду эмпирической кривой распределения выдвигается гипотеза о распределении случайной величины. В нашем случае правомерна гипотеза о нормальном распределении, которое часто применяется при решении задач математической статистики и статистического анализа точности процесса обработки. Такое распределении, свидетельствует об устойчивости технологического процесса, так как замеры со значительными отклонениями от номинального размера встречаются редко. Выдвинутую гипотезу необходимо проверить.
Чтобы найти и проверить закон распределения студенты рассчитывают
числовые характеристики:
- среднеарифметическое отклонение по формуле
.
- среднеквадратичное отклонение по формуле
.
где n- объем выборки;
xi- найденные размеры.
Вычисление среднеарифметического и среднеквадратичного отклонения при наличии обширных рядов измерений весьма трудоемко. Поэтому для удобства расчета статических характеристик составляют таблицу 2 предварительной обработки.
Таблица2
Расчет статических характеристик измеряемых величин
№ выборки | № Интервала | Середина интервала Xi | Частота fi | fi Xi | fi 2 |
19,986 19,998 20,010 20,022 20,034 | 79,944 99,990 160,080 100,110 60,102 | 0,002304 0,000720 0,000000 0,000720 0,001728 | |||
19,986 19,998 20,010 20,022 20,034 | 79,944 99,990 160,080 100,110 60,102 | 0,002304 0,000720 0,000000 0,000720 0,001728 |
Тогда расчет числовых характеристик можно осуществлять по формулам:
и
С учетом данных.приведенных в таблице 2, получим:
20,01, 20,01; S1 = 0,015, S2 = 0,015.
Теперь проверяем гипотезу нормальности распределения совокупности, из которой были взяты выборки. Для проверки воспользоваться упрощенным критерием Вестергарда.
Проверка по данному критерию не является абсолютно надежной, но вполне приемлема в производственных условиях. При этом принимается, что распределение размеров соответствует закону нормального распределения, если 25% обработанных заготовок имеют размеры в пределах
± 0,3s от вершины кривой распределения; 50% заготовок – в пределах ± 0,7s;
75% заготовок ± 1,1s и 99,73% заготовок - ± 3s. Кроме того, известно, что на расстоянии ± s от положения вершины кривой нормального распределения располагается 68,27% заготовок, а на расстоянии ± 2s – 95,45%.
Данные сводятся в таблицу по форме:
№ Выборки | Интервал от | Число размеров в интервале, n1 | Процент от общего числа |
20,01 0,015 | ± 0,3s = ± 0,004 от 20,006 до 20,014 | 28% | |
± 0,7s = ± 0,010 от 20,00 до 20,020 | 56% | ||
± 1,0s = ± 0,015 от 19,995 до 20,025 | 72% | ||
± 2,0s= ± 0,030 от 19,980 до 20,040 | 96% | ||
± 3,0s= ± 0,045 от 19,965 до 20,055 | 100% | ||
20,01 S2 = 0,015 | ± 0,3s = ±0,004 от 20,006 до 20,014 | 28% | |
± 0,7s = ±0,010 от 20,00 до 20,020 | 56% | ||
± 1,0s = ±0,015 от 19,995 до 20,025 | 76% | ||
± 2,0s= ±0,030 от 19,980 до 20.040 | 92% | ||
± 3,0s= ±0,045 От 19,965 до 20,055 | 100% | ||
Значения критерия, приведенные в таблице, не противоречат тому, что распределение размеров в обеих выборках подчиняется закону нормального распределения.
На графике (рис.2) приведена кривая распределения, построенная по пяти характерным точкам:
Рис. 2. Кривая нормального распределения
ордината точки 1 определена при
(8)
ординаты точек 2 и 3 определены на расстоянии от центра группирования
(9)
ординаты точек 4 и 5 на расстоянии от центра группирования принимаются равными нулю т.е.
; (10)
где С - величина интервала, вводится для приведения кривой нормального распределения к тому же масштабу, в котором вычерчен эмпирический полигон распределения.
Численные значения ординат пяти характерных точек приведены в таблице ниже
№ выборки | y1 | y2=y3 | y4=y5 | |
( 20,01; S1=0,015) | 0,320 | 0,200 | ||
( 20,01; S2=0,015) | 0,320 | 0,200 |
Проверяем возможность обработки отверстия диаметром без брака по данным каждой выборки.
Определяем фактическое поле рассеивания по формуле:
Соответственно, для каждой выборки имеем: =6 0.015=0,090 и 6 0,015=0,090.
Располагаем на кривой распределения (рис.1) наименьший размер dнм=20, наибольший размер dнб=20,021 и допуск размера детали Т=0,021.
Обработка без брака возможна, если фактическое поле рассеивания не выходит за границы поля допуска. В данном случае обработка без брака невозможна.
Вероятный процент брака всей партии обработанных деталей определяется следующим образом (рис. 2).
Процент годных деталей определяется площадью, ограниченной кривой и осью абсцисс на длине, равной допуску т.е.
Q =
где ; и
Процент получения исправимого брака
;
процент получения неисправимого брака
где и - функция Лапласа.
Значения этой функции табулированы в зависимости от величины t и приведены
в таблице 3.
Результаты расчета по приведенным формулам приводим ниже.
№ выборки | t | F1 | F2 | F3 | F4 | Q | Q1 | Q2 |
t2=0,67 | 0,25 | 0,25 | 52% | 25% | 23% | |||
t3=0,73 | 0,27 | 0,23 | ||||||
t2=067 | 0,25 | 0,25 | 52% | 25% | 23% | |||
t3=0,73 | 0,27 | 0,23 |
Проверяем равенство точности обработки и неизменность настроечного размера
в обеих выборках.
Учитывая, что и S1= S2, следует считать, что неизменность настроечного размера и равенство точности обработки соблюдается.