6Sigama-LG案例-SessionIV分析(Analysis).ppt

0 Analysis SessionIV 分析 Analysis 學習目標 學習內容 1 分析概要2 MINITAB基礎3 圖象分析4 假設驗證5 回歸分析 利用已知Data進行圖象分析 利用假設驗證找出致命因子 1 Step1潛在因子的導出 通過Brainstorming的潛在因子的導出 利用特性要因圖整理 圖象分析 Histogram Plot MatrixPlot BoxPlot 在測量階段我們已了解了CTQ的現在水準 分析階段重點應放在對CTQ構成影響的各種因子上 在分析階段 應從可能對工程構成影響的諸多因子當中找出確實的致命因子 為了確認致命因子 我們利用數據計量化判斷CTQ和X因子之間的關系為了計量化使用各種統(tǒng)計性工具 1 Introduction 2 活動Process 特性要因圖的制作方法請參照測量階段的內容 Step2Data的收集 1 利用測量階段收集的數據 2 制訂數據收集計劃有體系地收集數據 3 數據收集有困難時 通過實驗收集 Step3致命因子的選定 統(tǒng)計假設驗證 相關關系分析 假設驗證 計量型 假設驗證 離散型 實驗分析 ANOVO分析 1 分析概要 2 2 MINITAB基礎 1 Minitab的開啟和終了 1 1Minitab的開啟 MINITAB的開啟方法有兩種 點擊桌面菜單上的快捷方式 在開始菜單選擇MINITAB 開始 PROGRAM MINITAB13forWindows MINITAB 1 2Minitab的關閉 關閉有兩種方法 點擊X號 在菜單中選擇 File Exit 3 2 Minitab的結構 Minitab開始畫面 Session窗 主要輸出實行結果和計算機中Display窗作用相同 Window窗 輸入數據窗基本上和Excel的Workshet相似 不是Cell單位以列單位認識數據 主菜單 快捷菜單 4 3 主菜單說明 File 文件的保存 打開等功能 Edit 對Worksheet進行修正和編輯 Manip Manipulation 與Worksheet的Data操作相關命令 Calc Calculation 計算功能 Stat Statistic 與統(tǒng)計分析相關的功能 Graph 畫圖命令 Editor 畫面編輯 Window 畫面構成屬性 Help 幫助菜單 5 Data的輸入 輸入變量名的行 數據輸入方向示意箭頭 1Data輸入和刪除 WorksheetC1列輸入變量名X Data1 2 3 4 5 C2列輸入變量名YData6 7 8 9 10 刪除WorksheetC2列的Data 將C2列的Click后 單擊右鍵 這時 C2列變黑 在屏幕菜單中選擇 DeleteCells 列 行 4MINITAB基礎 MINITABWorksheet編輯 X Y 6 插入行和列 在WorksheetC1和C2列之間插入一列 將C2列Click后 單擊右鍵 這時 C2列變黑 在屏幕菜單中選擇 InsertColumns Autofill功能 X Y X Y 7 Data的Stack Unstack StackData 所有Data都在一列 用數據標識列來區(qū)分的已整理狀態(tài) UnstackData Data按不同集團別整理在不同列的狀態(tài) StackData UnstackData Manip UnstackColumns 輸入到新的Worksheet中時 Sub 要Unstack的Data Unstack的基準列 8 Manip Stack StackColumns 輸入到新的Worksheet時 新列 區(qū)分列 要Stack的Data 9 打開新的Worksheet File New 選擇MinitabWorksheet 簡單的計算 Calc Calculator 計算結果輸入列 計算式輸入列 選擇必要函數 10 輸入有規(guī)則的數據時 在C1列中輸入111222333444555 Calc MakePatternedData SimpleSetofNumbers 底待數入列選擇 第一個數輸入 最后一個數輸入 遞增值 各數的反復次數 全體反復數 練習 請將下列數據輸入C2列 1 22244466668882224446668882224446668882 999888777666555999888777666555 11 文件的保存 1 只保存Worksheet的Data的方法 File SaveWorksheetAs 輸入文件名 只保存Worksheet時擴展名是mtw MinitabWorksheet 2 保存包含Worksheet的所有結果 File SaveProjectAs 輸入文件名 只保存Worksheet時擴展名是mtw MinitabWorksheet 12 打開File 1 打開Project文件 File OpenProject 擴展名確認 2 打開Worksheet文件 File OpenWorksheet 擴展名確認 若要打開Excel文件 文件類型應選擇 Excel xls 只保存Worksheet時被保存的是mtw MinitabWorksheet 13 3 Graph分析 明確分析對象 與實際相結合 確認分析對象的Output 預想Output作為與下一階段 Session3 實驗計劃 相關的內容 將其視為重點 制訂與預想Output相關的數據收集計劃 收集數據 怎樣了解 利用已收集的數據決定可用于明確Output需要的Graph 與Graph分析結果相應的措施 對于Graph分析結果 確認是否收到了預期的Output 決定需要追加檢討的事項 與實際問題相結合 需要及時改善的事項就及時改善 1 分析Process 2 分析階段使用的圖象 需確認Data的散布時 Dotplot Histogram主要用于CTQ的確認 判斷異常點的有無 這時CTQ是連續(xù)型Data 作比較時 Boxplot 柱型圖主要用于比較對CTQ構成影響的X因子的水準別平均和散布 這時CTQ為連續(xù)型 X因子為離散型Data 確認相關關系時 Plot MatrixPlot主要用于確認和對CTQ構成影響的X因子之間的相關關系 這時CTQ X都是連續(xù)型Data 14 3 分析階段使用比較多的GRAUP 利用Example1 mtw 確認Height分布 Graph Dotplot Dotplot 選擇目標變量 1 所有Data都畫成GRAUP2 按特定團體別繪制時 1 的實行結果 2 的實行結果 將Height按Gender別區(qū)分繪制時 選擇Byvariable旁的Gender 15 Graph Histogram Histogram 目標變量 實行結果 16 4 了解變量之間的關系 這時Data的類型都是連續(xù)型 確認Height和Weight之間的關系 Graph Plot Plot 散點圖 選擇數據 實行結果 17 在Plot中確認異常點的位置 在輸出Graph上點擊右鍵選擇Brush 選擇Brush后鼠標箭頭就會變成手指模樣 18 MatrixPlot 一次性確認多個變量之間的關系 確認Height Weight Purse之間的關系 Graph Plot 選擇目標變量 實行結果 19 4 作比較時 這時 Y是連續(xù)型 X是離散型Data 對Pulse作Activity別平均比較 Graph Chart Chart 柱型圖 YData XData 實行結果 20 Graph Boxplot Boxplot 選擇YData 選擇XData 實行結果 21 5 略為一個數字 對Height求平均 標準偏差 只省略作數字 選擇目標Data 1 區(qū)分作Group進行整理時 DescriptiveStatistics HeightVariableNMeanMedianTrMeanStDevSEMeanHeight9168 72569 00068 7933 6790 386VariableMinimumMaximumQ1Q3Height61 00075 00066 00072 000 實行結果 1 的實行結果 將Height按Gender別區(qū)分整理 DescriptiveStatistics HeightbyGenderVariableGenderNMeanMedianTrMeanStDevHeightFemale3565 40065 50065 3952 563Male5670 80471 00070 8402 579VariableGenderSEMeanMinimumMaximumQ1Q3HeightFemale0 43361 00070 00063 00068 000Male0 34566 00075 00069 00073 000 Stat BasicStatistics DisplayDescriptiveStatistics 22 利用GRAUP進行整理 點擊GRAUP 信賴度輸入 正態(tài)分布確認 標本平均 標本標準偏差 標本分散 Data個數 4分位數 平均的信賴區(qū)間 標準偏差的信賴區(qū)間 中位數的信賴區(qū)間 實行結果 Stat BasicStatistics DisplayDescriptiveStatistics 23 求相關系數的方法 Stat BasicStatistics Correlation 實行結果 Correlations Height Weight PulseHeightWeightWeight0 786 相關系數 0 000 p Value Pulse 0 223 0 2030 0330 054CellContents PearsoncorrelationP Value 24 4 利用假設驗證的分析 1 假設驗證的理解 天津工廠的IQC每天都在調查外協社的品質 這時按照是否符合規(guī)格判斷為良品或不良品 即IQC須從下列說法中選擇一樣 納品品質滿足規(guī)格 良品 納品品質不滿足規(guī)格 不良 沒有確認的事情稱為假設 肯定的0假設 否定0假設的假設稱為對立假設 若要對以上情況作出常識性的判斷 就必須對外協社的制品抽樣檢查 同規(guī)格比較 若差異大就是對立假設 反之則是0假設 整理如下 標本和規(guī)格的差異 0假設的可能性高 小 大 0假設的可能性低 Qrdeshi 25 也就是說 以標本為依據計算0假設的概率后 若概率大就是0假設 小就是對立假設 這種方法稱為假設驗證 在這里 0假設成立的概率稱之為p Value 求出p Value后 若要判斷大小 需要一定的基準這個水準就是有義水準 一般類型為1 5 10 通常選用5 有義水準的選擇基準根據分析者對0假設的確信程度來決定 若0假設的確信度高 選擇的有義水準應盡量滿足0假設 這種情況選擇較低的有義水準 反之則選較高的有義水準 26 2 連續(xù)型Data的假設驗證 1 一個平均的假設驗證 已知某集團的標準偏差的情況下 確認Height平均身高是否是70 僅知 某集團的標準偏差為12 0假設 對立假設 Stat BasicStatistics 1 SampleZ 選擇目標Data 標準偏差輸入 實行結果 輸入欲確認的平均 70 One SampleZ HeightTestofmu 70vsmunot 70 0假設和對立假設 Theassumedsigma 12VariableNMeanStDevSEMeanHeight9168 733 681 26Variable95 0 CIZPHeight 66 26 71 19 1 010 311 27 2 一個平均的假設驗證 已知某集團的標準偏差的情況下 Stat BasicStatistics 1 Samplet 選擇目標Data 實行結果 確認Height的平均身高是否好是70 0假設 對立假設 Testofmu 70vsmunot 70 0假設和對立假設 VariableNMeanStDevSEMeanHeight9168 7253 6790 386Variable95 0 CITPHeight 67 959 69 491 3 310 001 28 關于OptionMenu 更改信賴度 信賴度輸入 分析和GRAUP同步進行 選擇GRAUP類型 29 3 兩個平均的假設驗證 Stat BasicStatistics 2 Samplet 確認男女平均身高是否有差異 0假設 對立假設 身高 性別 兩集團的分散相同時選擇 實行結果 Two SampleT TestandCI Height GenderTwo sampleTforHeightGenderNMeanStDevSEMeanFemale3565 402 560 43Male5670 802 580 34Difference mu Female mu Male Estimatefordifference 5 404 男女身高的差異95 CIfordifference 6 507 4 300 差異的信賴區(qū)間T Testofdifference 0 vsnot T Value 9 76P Value 0 000DF 72 30 4 分散差異的假設驗證 ANOVA TestforEqualVariances 確認男女分散是否有差異 0假設 對立假設 身高 性別 實行結果 標準偏差的信賴區(qū)間 Data呈正態(tài)分布時 Data不作正態(tài)分布時 男女身高的Boxplot 31 5 確認正態(tài)分布與否 Stat BasicStatistics NormalityTest Data的正態(tài)分布的確認 確認收集的Pulse是否遵循正態(tài)分布 Data輸入 選擇Test方法 實行結果 紅線表示正態(tài)分布情況 黑線表示實際數據 32 非正態(tài)分布的正態(tài)化 Stat ControlCharts Box CoxTransformation Data選擇 輸入SubGroup大小 選擇輸入變化Data列 實行結果 LAMBDA的信賴區(qū)間 33 TestandCIforOneProportionTestofp 0 15vspnot 0 15 0假設和對立假設 ExactSampleXNSamplep95 0 CIP Value1153000 050000 0 028251 0 081127 0 000 3 離散型Data的假設驗證 1 一個比率差的假設驗證 Stat BasicStatistics 1 Proportion 天津工廠為了確認A外協社的6 課題成果抽查了300個制品 其中不良品為15個A外協社納品的不良率過去是15 0假設 對立假設 全體個數 不良個數 Click 信賴度 要比較的比率 95 實行結果 34 2 兩個比例率差的假設驗證 000事業(yè)部為了比較A B兩個生產線的不良率收集了數據 結果 ALine的1000中出現了75個不良 BLine的1500個中出現了120 個不良 0假設 對立假設 Stat BasicStatistics 2 Proportion 全體個數 不良個數 實行結果 TestandCIforTwoProportionsSampleXNSamplep17510000 075000212015000 080000Estimateforp 1 p 2 0 005 A B的差異95 CIforp 1 p 2 0 0263305 0 0163305 差異的信賴區(qū)間 Testforp 1 p 2 0 vsnot 0 Z 0 46P Value 0 646 35 3 表 Table 的假設驗證 三個以上比率差的驗證 天津工廠對A B C D四種材料實施作業(yè)評價 結果如下 0假設 對立假設 良品不良品 454348445726 ABCD Data輸入 將表中的Data原樣輸入Worksheet Stat Tables Chi SquareTest Data選擇 ExpectedcountsareprintedbelowobservedcountsABCDTotal14543484418045 0045 0045 0045 0025726205 005 005 005 00Total50505050200Chi Sq 0 000 0 089 0 200 0 022 0 000 0 800 1 800 0 200 3 111DF 3 P Value 0 375 實行結果 36 確認兩變量的獨立關系 天津工廠對顧客性別和喜好顏色作了如下調查 0假設 對立假設 男女 374144357271 白色紫色藍色 Data的輸入 將表中Data原封不動輸入Worksheet Stat Tables Chi SquareTest Data選擇 Chi SquareTest 白色 紫色 藍色Expectedcountsareprintedbelowobservedcounts白色紫色藍色Total137414412229 2845 9546 77235727117842 7267 0568 23Total72113115300Chi Sq 2 035 0 534 0 164 1 395 0 366 0 112 4 606DF 2 P Value 0 100 實行結果 37 Chi SquareTest結果的解析方法 若有一塞子廠 對成品進行品質檢驗時 怎樣判斷良品與不良品呢 如果成品符合要求 各個數字出現的概率都應為1 6 根據這一特性可判斷良品與否為了作出判斷投擲6000次 123456 100010001000100010001000 預測值實際值實際值和預測值的差 101099010509501001999 10 1050 501 1 實際值和預測值的差值相加 若其值大則是良品 反之則是不良品 上訴情況是已知概率的情況 那不知概率的情況又如何呢 Chi SquareTest 白色 紫色 藍色Expectedcountsareprintedbelowobservedcounts白色紫色藍色Total137414412229 2845 9546 77235727117842 7267 0568 23Total72113115300Chi Sq 2 035 0 534 0 164 1 395 0 366 0 112 4 606DF 2 P Value 0 100 38 上述情況可求出四個平均 全體平均 36 1 數組1的平均 26 2 數組2的平均 36 6 數組3的平均 45 6 2526272429 3539383734 4245494448 1Gr 2Gr 3Gr 分散分析的理解 天津工廠為了比較三個外協廠的品質 各抽取五個樣品進行調查 細分各Data的散布程度 同全體平均的差異可分作群內平均和Data間的差異 以及群內平均和整體平均的差異 若按數組別存在差異 數組內平均和數據之間的差異應比數組內平均和全體平均的比率小 群內平均和數據的差異和 上頁中 群內平均和全體平均的差之和 上頁中 4 分散分析 ANOVA 39 一個獨立變量的分散分析 為了確認耐久性的差異 對四個外協社進行抽樣測量 確認會社別存在哪些差異 0假設 對立假設 Stat ANOVA One Way 獨立變量 需要畫圖時選擇 One wayANOVA AnalysisofVarianceforSourceDFSSMSFP納品會社3111 637 22 600 101Error12172 014 3Total15283 6Individual95 CIsForMeanBasedonPooledStDevLevelNMeanStDev 1414 4833 157 249 7353 566 3412 8081 506 4417 0055 691 PooledStDev 3 78 實行結果 各會社的95 信賴區(qū)間 從屬變量 40 Stat ANOVA Two Way 兩各獨立變量的分散分析 LINE別 為了確認按倒班班組別生產量的差異 收集了Data 0假設 對立假設 0假設 對立假設 0假設 對立假設 獨立變量 選擇Displaymeans AnalysisofVariancefor SourceDFSSMSFP倒班219199599 250 015事業(yè)部121210 210 666Interaction25612812 710 145Error6622104Total113123Individual95 CI倒班Mean 143 5 268 3 339 8 30 045 060 075 0Individual95 CI事業(yè)部Mean A49 2 B51 8 42 048 054 060 0 實行結果 從屬變量 41 三個變量的分散分析 分析對冷卻力構成影響的A B C的實驗數據 Stat ANOVA GeneralLinearModel GeneralLinearModel YversusA B CFactorTypeLevelsValuesAfixed2 11Bfixed2 11Cfixed2 11AnalysisofVarianceforY usingAdjustedSSforTestsSourceDFSeqSSAdjSSAdjMSFPA136 00036 00036 00057 600 000B120 25020 25020 25032 400 000C112 25012 25012 25019 600 002A B12 2502 2502 2503 600 094A C10 2500 2500 2500 400 545B C11 0001 0001 0001 600 242A B C11 0001 0001 0001 600 242Error85 0005 0000 625Total1578 000 實行結果 從屬變量 獨立變量 變量之間輸入 是為了分析交互作用 42 人的身高和體重存在一定的關系 一般來說個高的人體重也比較大 若兩變量之間存在相關關系 在已知身高的情況下 就可以預測體重 在已知體重的情況下可以預測身高 若要使這種預測可信 應用函數式表達兩變量之間的關系 即 所謂回歸分析 就是找出從屬變量和獨立變量的相關函數式 并利用它確認信賴性 1 回歸分析的概念 2 函數式的選定方法 右表是關于切削機使用年份和整備費用的資料 散點圖分析 使用年度和整備費用的散點圖如下 Error 5 回歸分析 43 Stat Regression Regression 3 從屬變量輸入 獨立變量輸入 1 得出的函數式 Theregressionequationisy 29 1 13 6x 2 函數得信賴性判斷 PredictorCoefSECoefTPConstant29 1115 971 820 093x13 6373 1494 330 001S 29 11R Sq 61 0 R Sq adj 57 7 AnalysisofVarianceSourceDFSSMSFPRegression1158871588718 750 001ResidualError1210166847Total1326053UnusualObservationsObsxyFitSEFitResidualStResid127 00186 00124 5711 2361 432 29RRdenotesanobservationwithalargestandardizedresidual 44 回歸線線為基準 X Y的關系可分為兩個領域 由下圖可知 區(qū)域是用函數式就可以說明的部分