爱华网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Excel，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）。
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Barvalues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，减小标准偏差s。再结合前面描述性统计分析结果可知，分布中心1026.79g与公差中心1025g不重合，向右偏移，这一点通过偏度也可以得到同样的结论。
