如何表征材料拉伸强度波动很大

13365609702

各位老师好，最近收到一批原材料，检测拉伸性能时发现同一卷材料测了8个点，测试结果波动很大。除了计算方差和标准差，可有其他指标能表征这批材料拉伸强度波动大，最好是直观的图表。谢谢！

Jimabby

您好，我不是很了解您的行业。但是觉得您的问题很有趣，想表达个人浅见。
1） 一般想要了解一批数据的变化，最基本的就是看range, standard deviation 和IQR,这些画个whisker plot应该会很直观。但是简单的只知道这些意义不大。
2）如果您的工作是质量管理。直觉的波动性不能说明所有问题。因为您要的是和标准进行比较。公司内部会有自己的标准，客户会有他们的标准。有了标准和历史经验，再用您的测试的资料去进行比对，就可以知道在一定的confidence interval内的acceptance rate. 关键是要知道标准。有些传统行业，工艺宽容度大，就算是波动大，客户不在乎。有些精密行业，一点点波动都会影响管理层和客户决策。
3）还有就是您也可以去测试一个process的process capability 之类的。 用SQC去观察样品的变化。
4) 有很多其他的方面要提前考虑。比如您的量具会不会有问题？是不是stable，repeatable, reproducible. 提前做好这些工作去避免alpha risk.
如果您已有很多经验，和团队简单商量后，大家即使感觉样品有问题。根绝我的经历，很多时候会有一定概率是supplier的问题，一定要进行深入学习。
可以结合多个团队的意见，进行参考。您要测试的塑料或者金属的拉伸性能，会不会有温度， 适度影响结果呢？您是在同一天，同一个人用同一台仪器测试的么？
这是个很有意思的问题。有很多方法可以去学习。鉴于个人经验，只简单说明冰山一角。如有需要，可以深聊。

nanfeng36

Jimabby 发表于 2022-7-16 20:54
您好，我不是很了解您的行业。但是觉得您的问题很有趣，想表达个人浅见。
1） 一般想要了解一批数据的变化 ...

非常好，赞！！！

13365609702

Jimabby 发表于 2022-7-16 20:54
您好，我不是很了解您的行业。但是觉得您的问题很有趣，想表达个人浅见。
1） 一般想要了解一批数据的变化 ...

老师你好，感谢你专业的解答。我们IQC检测纺织品时，整幅宽范围只测中间位置一个点的拉伸强度，我觉得这个风险太大，想要测左中右3个点的数据。我现在想证明左中右3个位置的测试结果是有波动的，不能用中间位置的强度来表征左右位置的强度。

Jimabby

13365609702 发表于 2022-7-25 17:32
老师你好，感谢你专业的解答。我们IQC检测纺织品时，整幅宽范围只测中间位置一个点的拉伸强度，我觉得这 ...

那要看您能动用多少公司资源，以及团队的测试预算等等。
简单直观的感觉呢，是不是可以做一组ANOVA的测试（根据您的简单陈述，这个是我脑海里蹦出来的第一个直观想法，不一定对。您还需根据自身情况酌情处理）。
        1. 就是按照您的意思，左中右分别测试数个（5个以上的）点。然后做ANOVA的比较。这样可以直观看到在您关心的左中右范围的变化对比情况。有没有统计意义等。
        2. 做个控制图，做更长时间的抽样。有好几种图可以选择。具体详细需要深聊，一言难尽。 这样可以直观观测您需要的拉伸强度的变化情况。对比是否符合客户的需求。过程工艺能力等等。
        3. 如果条件不允许，是不是可以做单样本对比测试。简单随机抽查样本。然后做单样本测试。有各种测试，看您需要什么,需要多少confidence。比如1-sample z, t, 测试等等, 仅简单举例。
        4. 在测试之前最好做个MSA, 把量具校准好。如果贵单位之前没有测试过量具，且对自己量具没有十足的信心，那需要小心了。经常会出现这种情况，就是本来以为是测试结果有波动，费时费力去研究调整，其实只是在量具的误差之内，事倍功半。
        5. 如果发现有波动，且不可接受，可以做RCA找出原因，及时调整。或者做DOE之类的来调节因子过程。如果原料出了问题，要及时和团队，供应商沟通解决。因为上游出了问题可能会让整个过程功亏一篑。
        6. 如果这个拉伸性能一直是公司和客户关注的重点，那您的质量管理系统本来就要做长期的SPC.
具体还需要和贵公司的这方面专业人员咨询协调。您提的问题很有趣，其实有很多东西可以深入学习。以上仅是我一时的个人偏见。请酌情采纳。

yirannorm

非常好的学习资料

yirannorm

非常好的学习资料

yirannorm

非常好的学习资料

yirannorm

非常好的学习资料

yirannorm

非常感谢您的分享