Minitab16學習-培訓教程...ppt

1、1,1. DMAIC 步驟及工具表,Six-sigma DMAIC 方法利用多種工具。 我們在此回顧這些工具及步驟。,2,3,2. Minitab 和 DMAIC,在下面的描述中使用了“庫存控制改進計劃”實例。,= D = 確定一計劃 (利用 QFD) 將產品交運的質量要求（CS）轉變?yōu)楫a品的質量因素并摘錄當前的計劃條目。 確定 CTQ 或 利用前面的因素，思考為什么成本會高。或許存在庫存控制問題。 說明缺陷 如果存在庫存控制問題，那么此例中缺陷將為：,因果圖 （魚骨圖）,矩陣重要性評估,QFD,CTQ = 庫存縮減,庫存太多！,成本縮減,（處理（優(yōu)化）中的產品、庫存，建立控制系統(tǒng)）,為什么成

2、本會高？,4,= M = 決定 CTQ 特征值 FMEA, 因果圖 (魚骨圖), 巴累托圖, QFD - 1 庫存月份 = 庫存量 (價格)/生產總量 CTQ 特征值=庫存月份 反應變量 (Y) 對 CTQ 缺陷 Y - 2 何種類型的產品出現(xiàn)問題? - 3 確認庫存規(guī)格 = 小于 0.15 個月,巴累托圖,檢驗:,度量 R&R,確定測量 Y 的方法 (庫存月份) 當前月份庫存量: 產品 工人在庫房清點 處理中的貨物 工人在庫存區(qū)清點 生產總量: 生產量用計算機輸入數(shù)據(jù)計算 測量系統(tǒng)可靠性評估: 在相同的庫房計算 (例如，重復計算三次) 測量系統(tǒng)可靠性評估 在相同的庫房計算 (例如，重復計算三

3、次),問題聲明,處理圖,產量,5,= A = 分析當前狀態(tài) 例如，檢查從 1997 年 10 月至 1998 年 9 月間的每一庫存月份。 - 1 正態(tài)檢驗 - 2 檢查當前的 sigma 水平 估計影響 CTQ 的因素 (分析) 產品庫存圖和處理中貨物庫存圖 并檢查平均值的離散及變遷。 為什么庫存會變化? 就魚骨圖的每一因素如時間和生產過程重復圖表及魚骨圖分析。,運行圖,正態(tài)檢驗,Z-值 (連續(xù)和離散值的檢驗),Xber-R 圖,運行圖,F 檢驗,存在差異嗎?!,正常如果 P-值 0.05 (好!),尋找影響 Y 的因素 (X),和,離散 ,t 檢驗,平均值 ,6,= C = 在測量主因素時

4、檢查測量方法 用于 “M” 步相同的方法測量和評估。 (檢查測量環(huán)境是否因改進而改變) 評估主因素(x)的表現(xiàn) (做出改進后分析當前狀態(tài)) 用和 “A” 步相同的方法做圖。 * 目的是評估 X (輸入) 數(shù)據(jù)對 Y (輸出)。 針對主原因建立管理系統(tǒng) (設置),= I = 識別主要因素 提取并檢查真正的因素原因 做圖 檢驗 確定重要的因素 (Xs) 識別重大主因素 (X) 的最佳值 (測量) 設定主因素的公差 檢驗設計的結果 (模擬) (估計范圍),檢驗設計 (DOE),度量 R&R,Xber-R 圖,簡易 風險管理 控制圖 標準化及其他要素,實施改進,質量工程 (QE),和,7,3. 基本屏

5、幕,8,階段窗口 (分析輸出屏幕),數(shù)據(jù)窗口 (工作單屏幕) (幾乎和在 Excel 中相同),MINITAB 屏幕,以下是一般操作流程。 在數(shù)據(jù)窗口輸入并設定數(shù)據(jù) 從命令菜單選擇命令 在對話框中輸入分析條件 在階段窗口中顯示分析數(shù)值 在圖表窗口顯示分析結果圖表,信息窗口 (工作單清單屏幕),歷史記錄窗口 (命令保存屏幕),操作,計算,統(tǒng)計,圖表,9,工具條,關于數(shù)據(jù)結構的補充信息： Minitab 定義以下兩種類型的數(shù)據(jù)結構： 1.堆積數(shù)據(jù)： 排列于一列的多于一個子群的數(shù)據(jù) 2.非堆積數(shù)據(jù)： 每一子群的數(shù)據(jù)，排列于分開的列（或行）使用 “ManipStack/Unstack” 命令轉換這些數(shù)

6、據(jù)格式。 什么是子群？ 處理數(shù)據(jù)常分成組。例如，運送數(shù)據(jù)用發(fā)貨分組，化學處理數(shù)據(jù)用批而半導體處理數(shù)據(jù)用 lot。這些數(shù)據(jù)組被稱為子群。這些子群還用在短期和長期處理能力中。,打開文件,保存文件,插入單元格,插入行,插入列,移動列,刪除單元格,最后對話框 (返回到最后的指示屏幕),返回到階段窗口,返回到數(shù)據(jù)窗口,圖表管理 (圖表再排列),關閉圖表 (刪除圖表),前一命令,下一命令,尋找,10,4. 圖表工具,Minitab 具有多種有用的圖表顯示功能。以下介紹的為典型的功能： 魚骨圖 柱狀圖 巴累托圖 運行圖 分散繪圖 點陣圖 矩陣圖 頁邊圖 三維圖 框圖,11,魚骨圖,1)輸入要素 在最多六個列

7、中書寫主和次分類要素。,統(tǒng)計 質量工具 因和果.,就象它的名字所暗示的，魚骨圖（因果圖，也稱為 Ishikawa 圖）顯示原因和結果的關系。結果的原因如缺陷和異常被分為 5M 和 1E（人，機器，材料，方法和測量及環(huán)境）并再分為較小的骨。,2)分析操作,12,在每一輸入?yún)^(qū)選擇一列。 按要求，改變標簽并輸入到 Effect 和 Title。 點擊 OK。,3)輸出結果,13,柱狀圖,1)輸入至數(shù)據(jù)窗口,在 Minitab 文件夾中閱讀標準練習文件。雙擊MtbwinDataGageaiag.mtw。,柱狀圖通過表示數(shù)據(jù)的條代表頻率分布。離散和連續(xù)的變量均可做入圖中。在此例中，該區(qū)被分開用于測量值（

8、連續(xù)變量），圖示于單獨的區(qū)的測量值數(shù)計為頻率。,2)操作,圖表 柱狀圖.,14,為 X 選擇一列。 點擊 OK。,3)輸出結果,15,巴累托圖,1)輸入到數(shù)據(jù)窗口,2)操作,原因項,計數(shù),統(tǒng)計 質量工具 巴累托圖,16,選擇標簽和缺陷列,巴累托圖按頻率的順序再次排列柱狀圖的數(shù)據(jù)條并被用于分析主要因素。如此圖所示，左和右軸分別表示頻率和百分比。折線圖顯示柱狀圖的累加值。 目的：方便地比較部件、要素和其他條目的頻率。 作用： 1)一眼即可看出最有影響力的條目。 2)最大的兩個或三個條目總計所占比例易通過折線圖顯示累加百分比的右軸而理解。 3)利用所有的要素分析原因會很費時間。 選擇一些重要的要素用

9、于有效的分析及改進。,3)圖表,點擊 OK,在此指定 “95%” 將使余下的圖示為 “Others”。,17,運行圖,統(tǒng)計 質量工具 運行圖,運行圖在折線圖中用時間-序列數(shù)據(jù)做圖，有助于評估數(shù)據(jù)及過程的穩(wěn)定性。運行圖類似于控制圖，可用于測量和控制階段。 目的：例如，視沉檢查時間-序列趨勢。 作用：根據(jù)時間-序列數(shù)據(jù)及狀態(tài)數(shù)據(jù)可推斷出變化要素。,1)輸入到數(shù)據(jù)窗口,L / #,2) 分析操作,18,3)分析結果,選擇 “列”,點擊 OK。,19,分散繪圖,圖表 做圖,1)輸入到數(shù)據(jù)窗口,2)分析操作,分散繪圖有助于用圖表方式確定兩種變量間是否存在相關性。相關性越強，包圍分散點數(shù)據(jù)的橢圓的半主軸和

10、半次軸的比值就越大。升向右側分布被稱為正相關，升向左側的分布被稱為負相關。 目的：檢查變量間的相關性（關系）。 作用： 1)兩個變量如因和果、輸入和輸出或三個或更多變量均可做圖以檢查正比關系（或反比關系）以便識別變化因數(shù) (X)。 2)相關系數(shù)的值 (r) 和 r 圖中的值可比較以確定其間是否存在顯著關系。（如果計算出的相關系數(shù) r 小于 r 圖中的相應值則可認為存在相關性。）,閱讀 Minitab 數(shù)據(jù)文件夾中的 “MTBWINDataExh_regr.mtw”。,一臺機器的熱流量 (Heat flux) 和多種條件數(shù)據(jù)。,20,點擊 OK。 將顯示一圖表。,分配 X 和 Y 列(HeatF

11、lux and North)。,存在負相關,21,點陣圖,1)輸入到數(shù)據(jù)窗口,使用與前一部分相同的數(shù)據(jù)。閱讀 Minitab 數(shù)據(jù)文件夾中的 “MTBWINDataExh_regr.mtw”。,Graph Dot plot.,2)分析操作,選擇一變量。 點擊 OK。 將顯示一圖表。,3)分析結果 該值的頻率將以點顯示，而不是柱狀圖中的數(shù)據(jù)條。,22,矩陣圖,1)輸入到數(shù)據(jù)窗口,使用與前一部分中相同的數(shù)據(jù)。閱讀 Minitab 數(shù)據(jù)文件夾中的 “MTBWINDataExh_regr.mtw”。,圖表 矩陣圖,2)分析操作,矩陣圖有助于同時對許多變量相關性的直覺理解。 目的：理解多于一個變量的相關

12、性。 作用：減少主要變量和原因。,23,3)分析結果,選擇多于一個變量以檢查它們的相關性。 點擊 OK。,23,24,三維圖,1)輸入到數(shù)據(jù)窗口,使用與前一部分中相同的數(shù)據(jù)。閱讀 Minitab 數(shù)據(jù)文件夾中的 “MTBWINDataExh_regr.mtw”。,圖表 三維圖.,2)分析操作,3)分析結果,指定 X, Y 和 Z 軸的三個變量。 點擊 OK。,三維圖有助于直覺地理解 Y 變量（結果）和兩個 X 變量（原因）之間的關系。其他可以利用的技術如三維表面圖和輪廓圖。,25,框圖,圖表 框圖,將列分配到 X 和 Y 軸,1)輸入到數(shù)據(jù)窗口 2)分析操作,26,框圖早已被用于質量控制中。這

13、種技術的優(yōu)越性是可不在柱狀圖中劃分布的情況下了解大致的分布情況，和對數(shù)種變量劃圖和并排查看。框圖是按以下方式劃出的：,中值,3)圖表,第一四分位數(shù) ,中值 ,第三四分位數(shù) ,A = 第三四分位數(shù) 第一四分位數(shù) (顯示完整數(shù)據(jù) 50% 分布范圍),連接 1.5 A 范圍內最大的數(shù)據(jù)和第三 四分位數(shù),連接 1.5 A 范圍內最小的數(shù)據(jù)和第一 四分位數(shù), 用 “” 代表的來自 Whisker 的 A 值,27,5. 描述統(tǒng)計學,28,統(tǒng)計 基本統(tǒng)計 顯示基本統(tǒng)計,描述統(tǒng)計學,輸入到數(shù)據(jù)窗口 2)操作,閱讀 Minitab 文件夾中的標準練習文件。雙擊 MtbwinDataGageaiag.mtw。,

14、輸入列,點擊 Graphs,29, 點擊 “OK” 將從當前屏幕返回到前一屏幕。再次點擊 “OK”。 3)階段窗口,顯示統(tǒng)計數(shù)量,Variable N Mean Median TrMean StDev SE Mean Response 60 0.8075 0.8000 0.8157 0.1952 0.0252 Variable Minimum Maximum Q1 Q3 Response 0.4000 1.0500 0.6625 1.0000 Executing from file: C:MINITABMACROSDescribe.MAC,描述統(tǒng)計學代表從數(shù)字數(shù)據(jù)中可以了解的內容。具體說，諸如

15、數(shù)據(jù)平均值、方差和標準方差的統(tǒng)計（參數(shù)）予以計算。 N：自由度 = 獨立變量的個數(shù)。 平均值：所有數(shù)據(jù)的和除以數(shù)據(jù)的個數(shù)。 中值： 排列數(shù)據(jù)是處于中央的數(shù)據(jù)。 StDev: 方差的平方根，是一種離散的測量。 最小和最大：最小和最大值 Q1 和 Q3：第一和第三四分位數(shù) = 在排位上等同于 25 和 75% 的數(shù)據(jù)。 注：從樣品推論群體結論的技術被稱為推論統(tǒng)計學。,選擇 “Graphical summary” 作為圖表類型,30,統(tǒng)計量,柱狀圖,框圖,樣品 95% 平均值置信區(qū)間 (MU) 和中值。注意和顯示在框圖上的柱狀圖刻度不同。,正態(tài) (正常分布如果 p 0.05),平均值、標準偏差、方差

16、、偏度（左部間的不對稱性）、峰度,4)圖表,描述統(tǒng)計學 目的：檢查正態(tài)，計算平均值和標準偏差 作用： 1)與連續(xù)值使用 2)可以確定數(shù)據(jù)分布的特征。通過了解距中央的偏度、分布的峰度、平 均值和中值，收集數(shù)據(jù)的分布可作為將來做出 ”確認不同“ 步驟的初步知識。,31,統(tǒng)計 基本統(tǒng)計 正態(tài)檢驗,正態(tài)檢驗,1)輸入到數(shù)據(jù)窗口 2)操作,具有一些特征的數(shù)據(jù),選擇一列,32,正態(tài)存在如果 P-值 0.05 缺乏正態(tài)如果 P-值 0.05,3)圖表,正態(tài)檢驗 目的：決定收集數(shù)據(jù)的分布是否存在正態(tài)。 作用： 1)此技術與連續(xù)值使用。 2)如果在圖表中數(shù)據(jù)排列在一條直線上并由 P-值判斷則說明正態(tài)存在。 3)

17、如果顯示的 P-值大于 0.05, 正態(tài)存在，但如果低于 0.05 則缺乏正態(tài)。 4)如果數(shù)據(jù)具有正態(tài)，則可用統(tǒng)計工具進行處理，如下一步中的檢驗。 5)如果缺乏正態(tài)，檢查數(shù)據(jù)是否測量正確和數(shù)據(jù)修正為正確數(shù)據(jù)。 6)如果數(shù)據(jù)是正確的，進行對數(shù)變換并進入下一步。 注如果數(shù)據(jù)個數(shù)較?。ㄐ∮?30）則不能完全相信 P-值。在數(shù)據(jù)個數(shù)較小的情況下即使數(shù)據(jù)被判斷為缺乏正態(tài)也無關緊要。,33,6. 測量系統(tǒng)的分析 (度量 R&R),34,測量條件： 操作員: 3 重復操作: 2 樣品: 10,共計 60 行數(shù)據(jù)！,度量可重復性及再現(xiàn)性,1)輸入到數(shù)據(jù)窗口,閱讀 Minitab 文件夾中的標準練習文件。雙擊

18、MtbwinDataGageaiag.mtw。,每樣品測量兩次,操作員碼：Smith 1, Brown . 2,一名操作員的數(shù)據(jù)個數(shù)= 20,35,統(tǒng)計 質量工具 GRR 研究,2)分析操作,填寫每一框。,點擊 “Option”。,雙擊列于左側的項并填寫這些文字 框。如果列未命名，列的名稱將顯 示為 C1 和 C2。,選擇 “ANOVA”,36,在選項屏幕輸入公差。,點擊 OK 將返回到前一屏幕。再次點 OK。 結果將顯示于階段屏幕。,度量 R&R (可重復性和再現(xiàn)性?？芍貜托约霸佻F(xiàn)性：測量系統(tǒng)的準確評估) 目的：確認作為標準的用于改變或改進測量方法的測量系統(tǒng)的可靠性。作用： 1)閱讀在 “S

19、tudy Var” 中的值。 2)如果 R&R 高于 30% 則說明測量方法存在問題。回顧此方法并做出改進。 3)從圖表（值）中決定可重復性及再現(xiàn)性是否存在問題并償試找到改進的線索。 4)通過自由討論或其他方法確定有問題的因素以尋找改進的線索。（使用因果圖、相似圖方法、相關圖方法或其他技術）,對應于 99% 決定標準。,點擊此處以用單獨圖表顯示分析結果。 如不點擊，將顯示為一單頁圖表總結。,37,帶交到作用的雙向 ANOVA 表 Source DF SS MS F P Part 9 2.05871 0.228745 39.7178 0.00000 Operator 2 0.04800 0.02

20、4000 4.1672 0.03256 Operator*Part 18 0.10367 0.005759 4.4588 0.00016 Repeatability 30 0.03875 0.001292 Total 59 2.24912 度量 R&R Source VarComp StdDev 5.15*Sigma Total Gage R&R 0.004437 0.066615 0.34306 Repeatability 0.001292 0.035940 0.18509 Reproducibility 0.003146 0.056088 0.28885 Operator 0.000912

21、 0.030200 0.15553 Operator*Part 0.002234 0.047263 0.24340 Part-To-Part 0.037164 0.192781 0.99282 Total Variation 0.041602 0.203965 1.05042 Source %Contribution %Study Var %Tolerance Total Gage R&R 10.67 32.66 34.31 Repeatability 3.10 17.62 18.51 Reproducibility 7.56 27.50 28.89 Operator 2.19 14.81 1

22、5.55 Operator*Part 5.37 23.17 24.34 Part-To-Part 89.33 94.52 99.28 Total Variation 100.00 100.00 105.04,3)分析結果 顯示于階段窗口的結果,根據(jù) P-值決定一顯著因素。,GRR% 注意這三個值!,如何閱讀數(shù)值： %Contribution:從方差觀察的測量系統(tǒng)離散的分攤比率 %Study Var:從標準偏差觀察的測量系統(tǒng)離散的分攤比率 %Tolerance:測量系統(tǒng)相對離散對于公差的大小 標準： %Study Var 10% 是理想的，但 %Study Var 30% 是可以接受的。 可接受

23、，如果 %Tolerance 30% 盡管 %Study Var 值較大。,38,平均值和操作員,離散范圍和操作員,測量系統(tǒng)的偏差比例評估并用三個標準做圖： %Total Var, %Study Var 和 %Tolerance。,操作員 1,操作員 3,操作員 2,度量 R&R 值 = 可重復性值 + 可再現(xiàn)性值,結果圖,注意度量 R&R 的評估,39,部件數(shù)據(jù)離散和平均值,部件和操作員平均值,40,操作員數(shù)據(jù)和平均值離散,如何看圖： 在圖中檢查以下項目： 是否有某一操作員輸出的測量值不同于其他操作員？ (不論是誰測量，是否能得到相同的結果？可再現(xiàn)性) 在相同條件下，重復測量產生多大離散？(

24、可重復性) 是否有某一部件顯示出不同的特點？ 原則： 度量 R&R 計算使用的方差分析 (ANOVA) 將在以后解釋。,41,7. 處理能力的分析和評估,處理能力是： 短期處理能力 Cp, Cpk 每一子群 (批,) 長期處理能力 Pp, Ppk Cp, Pp = | USL - LSL |/6s Cpk, Ppk = | USL - X 平均 |/3s 或 | X 平均 - LSL |/3s USL: 上控制限 LSL: 低控制限 s: 樣品標準偏差,42,能力分析,1)輸入到數(shù)據(jù)窗口,子群,43,統(tǒng)計 質量工具 能力分析 (正常),如需要輸入規(guī)格并點擊 “Estimate” 和 “Opti

25、on”。,2)分析方法,輸入需要的項目。,輸入列和子群的大小。 如果在一個 Lot 中只有一個數(shù)據(jù)，那么子群大小將為 1。,44,檢查子群大小是否大于 1,輸入 “選項屏幕上的 Target“ (此例中為 40),點擊 OK 將返回到前一屏幕。再次點擊 OK。,選項屏幕,估計屏幕,45,短期處理能力指數(shù)：Cp, Cpk 長期處理能力指數(shù)：Pp, Ppk,(Lower Spec Line),(Upper Spec Line),長期處理能力,3)分析結果,柱狀圖,正態(tài)分布曲線,平均值,Sigma-值,Zlt=Ppk 3 Zst=Zlt + 1.5,短期處理能力,短期和長期 DPMO,46,如果連續(xù)

26、數(shù)據(jù)包含長期和短期數(shù)據(jù),Six Sigma 處理報告,L2 電子表,2)分析方法,再假設有如此表中的 50 Lot 數(shù)據(jù)。,1)輸入到數(shù)據(jù)窗口 假設有 50 Lot 數(shù)據(jù)，每個 Lot 含有 5 個數(shù)據(jù)塊。,L / #,47,選擇 C1 至 C5 包含數(shù)據(jù),輸入高低限規(guī)格,選擇 “Reports”,Zlt,Zst,3)分析結果,輸入必要的項目。 點擊 OK。,48,平均值和標準偏差控制圖,處理能力和規(guī)格公差,L2 工作單 (連續(xù)值的 sigma 分值計算) 目的：計算在何位置當前的 CTQ 特征值（連續(xù)值）位于目前的 sigma-值。 作用： 1)了解當前狀態(tài)以便能夠決定是否做出改進（也就是說

27、，切換到較早處理階段的改進如設計，因為如果 Zst 和 Zlt 之間的差異小于 1.5 則不能實現(xiàn)改進）或便于當目標值設定、在做決定時作為數(shù)據(jù)使用。 2)Zst 和 Zlt 的含義 Zst:一短期 sigma-值，通過將每組的標準偏差（平均）轉換為 sigma-值而得到。 Zlt:一長期 sigma-值，通過將所有組的全部標準偏差（平均）轉換為 sigma-值而得到。 3)Xbar 和 S 圖 (同于將在以后解釋的 Xbar 和 R 圖),如上所示 Xbar 圖中的一個點的數(shù)據(jù)代表數(shù)據(jù)的平均值。 所以，圖表表示數(shù)據(jù)平均值的所有趨勢。 以上 S 圖的一點顯示以上 Xbar 圖中一點的標準偏差。

28、這樣 S 圖便顯示數(shù)據(jù)間的離散趨勢。 以上的兩圖顯示何時平均值變化和何時離散較大。 這兩張圖允許對為什么 CTQ 特征值變化或為什么特征值產生錯誤進行估計。（例如，可假定在此期間工作標準并未被完全遵守。） L2 工作單被用于處理控制圖，有助于在做出改進后防止問題的再次發(fā)生或防止常見問題。,49,離散值的數(shù)據(jù)集合,Six Sigma 計劃報告,L2 工作單,1)輸入到數(shù)據(jù)窗口,2)分析操作,輸入適用的列并點擊 OK。,50,Zst,L1 工作單,DMPO 對 Zst,3)分析結果 顯示在階段窗口的結果。,結果圖表。,51,L1 工作單 (離散值的 sigma 分值的計算) 目的：計算在當前的 s

29、igma 值中當前的 CTQ 特征值（離散值）如果定位。 作用： 1)了解當前的狀態(tài)以便于能夠決定是否做出改進或在目標值設定的情況下在做出決定時作為數(shù)據(jù)使用。,Zshift 和 Zst,52,8. 相關性分析和回歸分析,53,相關性,1)輸入到數(shù)據(jù)窗口,獲取 Minitab 標準數(shù)據(jù)。 閱讀 Minitab 數(shù)據(jù)文件夾中的 “MTBWINDataExh_regr.mtw”。,統(tǒng)計 基本統(tǒng)計 相關性.,2)分析操作,相關性分析有助于在眾多變量中同時了解相關性。 目的：在多于一種變量間計算相關系數(shù)。 作用：減少主要變量及原因。 相關系數(shù) R2 是一個表達兩變量相關強度的值。 R2 至 1強正相關性

30、 0R21弱正相關性 -1R20弱負相關性 R2 to -1強負相關性,54,相關性 (Pearson) HeatFlux Insolati East South North Insolati 0.628 0.000 East 0.102 -0.204 0.597 0.289 South 0.112 -0.107 -0.329 0.563 0.582 0.082 North -0.849 -0.634 -0.117 0.287 0.000 0.000 0.545 0.131 Time -0.351 -0.584 -0.065 0.697 0.685 0.062 0.001 0.737 0.00

31、0 0.000 Cell Contents: Correlation P-Value,3)分析結果,選擇多于一個變量。 點擊 OK。,*上面的行指示相關系數(shù) R2，下面的行為 P-值，指示相關強度。 (如果 P 0.05 說明存在正相關),55,回歸,統(tǒng)計 回歸 擬合線圖,1)輸入到數(shù)據(jù)窗口 檢查硬度和磨擦間的關系。 2)操作,56,選擇 X 和 Y 軸,選擇模型,點擊 OK 將返回到前一屏幕。再次點擊 OK。,選擇置信區(qū)間顯示,57,3)階段窗口,4)圖表,回歸方程,相關系數(shù)的平方,線 95% 置信區(qū)間,每一點 95% 置信區(qū)間,58,9. 檢驗,59,檢驗是在統(tǒng)計學上決定一事件（觀察數(shù)據(jù)）

32、屬于以下兩個群體 H0 或 H1中的哪一個。 H0: 零假設。例：A 先生不是罪犯。（無罪） H1: 備擇假設。例：A 先生是罪犯。（有罪） 在此例中，法庭將考慮是否能夠證明 A 先生是罪犯。 檢驗中定義了兩種風險。 風險（第一種錯誤）：法庭上無根據(jù)指控的可能性。 在生產過程中因判斷錯誤將無缺陷的產品作為有缺陷的產品丟棄（生產者風險） 風險（第二種錯誤）：在法庭上宣布罪犯無罪的可能性。 忽視有缺陷上市產品的風險（消費者風險）,H0（無罪，無缺陷） H1（有罪，有缺陷）, 風險 風險,60,平均值明顯差異的檢驗,T-檢驗 (一個樣品),一種產品的長度由 12 名操作員用兩種類型的卡尺 (nogi

33、su)測量。,統(tǒng)計 基本統(tǒng)計 1-樣品 t,1)輸入到數(shù)據(jù)窗口,2)操作,61,選擇備擇假設：不等,如需要選擇 “Graphs”,點擊 OK,備責假設,零假設,3)階段窗口,在此例中，P = 1.00 0.05。所以，這兩中卡尺間無明顯差異 卡尺無差異,選擇 “difference” （兩種卡尺的測量差異）。,P-值： 如果大于 0.05, 無明顯差異 如果小于 0.05, 存在明顯差異,62,T-檢驗（兩個樣品）,1)輸入到數(shù)據(jù)窗口 2)操作,統(tǒng)計 基本統(tǒng)計 2-樣品 t,63,根據(jù)如何輸入數(shù)據(jù)選擇任一項。,點擊 OK,P-值,3)階段窗口,選擇 “為等” 以選擇備責假設,列由卡尺分開 (n

34、ogisu)。 選擇這些項目并選擇單獨列。,64,統(tǒng)計 ANOVA 方差的均一性,離散顯著差異檢驗 1)輸入到數(shù)據(jù)窗口 按右圖所示在一列中輸入數(shù)據(jù)。 2) 操作,65,填寫每一列,點擊 OK,如果分布為正態(tài),如果分布為非正態(tài),如果 P-值 0.05 則判斷為無明顯差異,3)圖表,66,統(tǒng)計 ANOVA 單向或單向（非堆積）,多于三個平均數(shù)據(jù)的顯著差異檢驗,以下兩種方法用于檢查三種粘合劑 (shurui) 的強度。 在單獨的列中輸入 1、2 和 3 類數(shù)據(jù) (C1 至 C3)。 在 C5 中輸入類型數(shù)據(jù)并在 C6 中輸入數(shù)據(jù) (C5 和 C6)。 1)輸入到數(shù)據(jù)窗口,2) 操作,單向：當數(shù)據(jù)輸入

35、一列時使用 (C5 和 C6)。 單向 (非堆積)：當數(shù)據(jù)輸入不同列時使用 (C1 至 C3)。,67,選擇含類型數(shù)據(jù)的列 (shurui)。通過拖曳，而不是點擊倒轉此列，并點擊 Select,如需要點擊 “Graphs”,數(shù)據(jù)輸入到單獨列時,68,當數(shù)據(jù)輸入到一列時,選擇單獨列,如需要點擊 “Graphs”,點擊項目以顯示,69,3)圖表,70,離散值數(shù)據(jù)檢驗,卡方,統(tǒng)計 表 卡方檢驗,拖曳并選擇列,點擊 OK,1)輸入到數(shù)據(jù)窗口 按工作時區(qū)以組計算接受的和丟 棄的產品數(shù)量。 2)操作,71,預期值,P-值 0.05 : 存在顯著差異,卡-計算值,3)階段窗口,72,10. 方差分析 (AN

36、OVA),73,平衡 ANOVA,ANOVA (方差分析) 是一種非常有用的技術，是檢驗設計 (DOE) 和 度量 R&R (測量系統(tǒng)評估) 的基礎。簡言之，它利用在 F-檢驗中的離散比值幫助確定子群間和子群內的離散是否相同。 目的：確定因素和結果之間的因素關系。 作用：因素影響的決定、減少主要因素和數(shù)學表達式的模型化。 *平衡數(shù)據(jù)意味著因素的數(shù)據(jù)個數(shù)是相同的。,統(tǒng)計 ANOVA 平衡 ANOVA.,1)數(shù)據(jù)閱讀 2)分析方法,閱讀 Minitab 文件夾中的標準練習文件。雙擊 MtbwinDataGageaiag.mtw。,74,指定結果 (Y 變量) 選擇多于一種因素 (X 變量),*在檢

37、查相互作用的影響時用此種形式指定 (二者擇一地，所有的主要效應和相互作用將通過指定部件 | 操作員進行分析 )。,點擊按鈕 “Graphs .” 并點擊以下對話框中的剩余曲線圖顯示：,75,剩余數(shù)據(jù) 列柱狀圖,剩余數(shù)據(jù)列的正態(tài)概率圖 (如為直線則為正態(tài)分布),剩余數(shù)據(jù)對預期值通過數(shù)學表達式模型做圖 (檢查獨立性和隨機性),3)分析結果,76,方差分析 (平衡設計) Factor Type Levels Values Part fixed 10 1 2 3 4 5 6 7 8 9 10 Operator fixed 3 1 2 3 Analysis of Variance for Response Source DF SS MS F P Part 9 2.058708 0.228745 177.09 0.000 Operator 2 0.048000 0.024000 18.58 0.000 Part*Operator 18 0.103667 0.005759 4.46 0.000 Error 30 0.038750 0