Minitab-高級(jí)應(yīng)用培訓(xùn)教程

高級(jí)應(yīng)用培訓(xùn)上海泰珂瑪信息技術(shù)有限公司021---51113591培訓(xùn)目標(biāo)學(xué)會(huì)Minitab的軟件常用操作逐步體會(huì)在實(shí)際工作中應(yīng)用Minitab深入掌握各功能模塊培訓(xùn)知識(shí)體系軟件操作Minitab統(tǒng)計(jì)理論質(zhì)量管理課程安排

基礎(chǔ)應(yīng)用篇（結(jié)構(gòu)功能、描述性統(tǒng)計(jì)、圖表制作……）

統(tǒng)計(jì)分析篇（假設(shè)檢驗(yàn)、相關(guān)與回歸分析……….）

質(zhì)量工具篇（SPC、MSA、DOE………）第一部分基礎(chǔ)應(yīng)用篇Basic

application第一部分本節(jié)我們將學(xué)到：

Minitab使用結(jié)構(gòu)、使用技巧

描述性統(tǒng)計(jì)原理、方法

常見統(tǒng)計(jì)公式回顧

常見圖表制作及分析Minitab特點(diǎn)

數(shù)據(jù)處理，快速便捷

圖形處理，直觀形象

問(wèn)題解決，深入全面視窗結(jié)構(gòu)工作表窗口圖形窗口會(huì)話窗口項(xiàng)目管理窗口文件類型對(duì)工作表對(duì)圖形對(duì)項(xiàng)目數(shù)據(jù)類型“D”

表示日期/時(shí)間

“T”

表示

文本’表示‘?dāng)?shù)值’數(shù)據(jù)方向列名數(shù)據(jù)輸入?yún)^(qū)域常用菜單與命令Minitab軟件提供強(qiáng)大的Help文件，在該文件里，我們可以找到和質(zhì)量相關(guān)的所有名詞解釋和統(tǒng)計(jì)相關(guān)的所有公式以及大量的案例，讓我們更深入的掌握統(tǒng)計(jì)知識(shí)，了解質(zhì)量?jī)?nèi)容操作便捷高效可以根據(jù)需要把常用的工具放在菜單欄中菜單指令在會(huì)話窗口顯示結(jié)果輸出結(jié)果保存在表中輸入分類變量計(jì)算結(jié)果思考：輸出的屬性信息（N、N*、均值標(biāo)準(zhǔn)誤、四分位數(shù)等表示什么意思？有什么作用？是怎么計(jì)算而來(lái)的？）圖形顯示Height

摘要Anderson-Darling正態(tài)性檢驗(yàn)A

平方P

值0.520.178平均值標(biāo)準(zhǔn)差方差145.2123.72562.72.峰度N-0.06080692最小值95.00125.00145.00156.50.第一四分位數(shù)中位數(shù)第三四分位數(shù)10012014016018020022095%平均值置信區(qū)間140.29

150.1295%中位數(shù)置信區(qū)間140.00

150.0095%標(biāo)準(zhǔn)差置信區(qū)間95%置信區(qū)間..平均值中位數(shù)140142144146148150注：Minitab輸出的圖形，可以直接復(fù)制+粘貼到word、pownpoint等軟件。方便做報(bào)告時(shí)使用數(shù)據(jù)與圖形的對(duì)應(yīng)綠色

=圖形與數(shù)據(jù)同步

(圖形化匯總)黃色

=數(shù)據(jù)發(fā)生改變，圖形有待更新(圖形)白色

=不能更新

(布局圖,

或者包括統(tǒng)計(jì)結(jié)果)(圖形化匯總)圖形編輯Height

的直方圖正標(biāo)準(zhǔn)差

23.72N926420100120140160220Height步驟：1、單擊選中所有條形2、再單擊選中想要編輯的條形3、雙擊該條形，出現(xiàn)編輯對(duì)話框（如中圖）Height常用圖表制作箱線圖直方圖散點(diǎn)圖這些圖形的作用分別是什么呢？時(shí)間序列圖箱線圖圖形→箱線圖異常值候診時(shí)間箱線圖上午和下午為分類變量60Max50403020100Q3Q2MinAfternoonMorningtime

ofdayQ1預(yù)約在上午的候診時(shí)間箱線圖預(yù)約在下午的候診時(shí)間箱線圖點(diǎn)圖圖形→點(diǎn)圖身高的點(diǎn)圖性別作為分類變量1296112128144160Height176192208點(diǎn)圖常用于質(zhì)量分析中的分層！男性身高分布女性身高分布直方圖圖形→直方圖直方圖作用：常用于定性判斷樣本分布情況（正態(tài)分布）Height

的直方圖18161412108642怎么樣來(lái)編輯圖形呢？能在圖形上添加參考線嗎0100120140160180200220Height項(xiàng)目:MINITAB.MPJ;

工作表:

descriptive;2008-08-06;BY:Vellen直方圖直方圖Height的直方圖12018018161412108420100120140160180200220Height項(xiàng)目:MINITAB2.MPJ;

工作表:

descriptive;

2008-08-15;

BY:Vellen散點(diǎn)圖圖形→散點(diǎn)圖身高和體重的散點(diǎn)圖身高和體重相關(guān)性220200180160140120100606264666870727476體重體重和身高呈現(xiàn)出正相關(guān)趨勢(shì)散點(diǎn)圖

(分組)身高和體重的散點(diǎn)圖（分組）身高和體重相關(guān)性220200Sex12160140120100606264666870727476體重體重和身高呈現(xiàn)出正相關(guān)趨勢(shì)散點(diǎn)圖

(分割面板)身高和體重的散點(diǎn)圖（分割面板）身高和體重相關(guān)性60646872762202001801601401206064687276散點(diǎn)圖用來(lái)判斷兩個(gè)變量之間的相關(guān)關(guān)系（一次關(guān)系、二次關(guān)系等，此圖常常用于回歸分析）體重體重和身高呈現(xiàn)出正相關(guān)趨勢(shì)組塊變量:

Sex時(shí)間序列圖ABC公司月度銷售額的時(shí)間序列圖廣告機(jī)構(gòu)為分類變量廣告機(jī)構(gòu)Alpha450400350300250200Omega月份時(shí)間序列圖用于考察樣本數(shù)據(jù)隨時(shí)間變化而呈現(xiàn)的趨勢(shì)用兩家廣告公司的銷售額比較練習(xí)I您想要評(píng)估四個(gè)供應(yīng)商提供原材料產(chǎn)品的耐用性。根據(jù)四個(gè)供應(yīng)商提供的原材料生產(chǎn)的產(chǎn)品中測(cè)量60天后的耐用性。請(qǐng)用相關(guān)的圖形進(jìn)行判斷和分析。Data/供應(yīng)商.MTW練習(xí)II公司關(guān)心相機(jī)電池的新配方是否能夠很好地滿足顧客的需要。市場(chǎng)調(diào)查顯示，如果兩次放電之間等待的時(shí)間超過(guò)

5.25秒，顧客就會(huì)變得很不耐煩。您收集了使用過(guò)不同時(shí)間的（新舊配方）電池的樣本。然后，您在每個(gè)電池放電后立即測(cè)量了其剩余電壓（放電后電壓），而且還測(cè)量了電池能夠再次放電所需的時(shí)間（放電恢復(fù)時(shí)間）。請(qǐng)創(chuàng)建一個(gè)按配方分組的合適圖形來(lái)檢查結(jié)果。在

5.25秒的臨界放電恢復(fù)時(shí)間處包括一條參考線。練習(xí)III您的公司采用兩種不同的過(guò)程來(lái)生產(chǎn)塑料小球。能源是一項(xiàng)主要成本，您想嘗試一種新的能源來(lái)源。您在前半個(gè)月使用A來(lái)源（原有來(lái)源），而在后半個(gè)月使用B來(lái)源（新來(lái)源）。請(qǐng)創(chuàng)建一個(gè)合適的圖標(biāo)，用以說(shuō)明兩個(gè)來(lái)源下兩種過(guò)程的能源成本。Data/能源成本.MTW第二部分統(tǒng)計(jì)分析篇Statistics

Analysis統(tǒng)計(jì)分析篇之假設(shè)檢驗(yàn)Hypothesis假設(shè)檢驗(yàn)本節(jié)我們將學(xué)到：1、假設(shè)檢驗(yàn)概念、原理2、假設(shè)檢驗(yàn)原則、步驟3、兩類錯(cuò)誤（棄真、納偽）4、P值、置信區(qū)間5、單樣本Z檢驗(yàn)6、單樣本T檢驗(yàn)7、雙樣本T檢驗(yàn)8、功效和樣本數(shù)量的確定統(tǒng)計(jì)方法結(jié)構(gòu)統(tǒng)計(jì)方法描述統(tǒng)計(jì)推斷統(tǒng)計(jì)我們?cè)谑裁磿r(shí)候會(huì)用到參數(shù)估計(jì)？參數(shù)估計(jì)假設(shè)檢驗(yàn)為何用假設(shè)業(yè)務(wù)問(wèn)題：?

某煉鋼爐改變?cè)僮鞣椒ㄒ蕴岣咪摰氖盏寐剩F(xiàn)用二種方法各煉10爐，如何從10組數(shù)據(jù)來(lái)比較鋼的收得率有顯著提高？?

客戶要求交貨期為30天，現(xiàn)從運(yùn)作中收集實(shí)際交貨期數(shù)據(jù)，問(wèn)：實(shí)際交貨期是否符合客戶要求？我認(rèn)為該企業(yè)員工的平均年齡為50歲!假設(shè)檢驗(yàn)業(yè)務(wù)問(wèn)題統(tǒng)計(jì)問(wèn)題業(yè)務(wù)解決方案統(tǒng)計(jì)解決方案假設(shè)檢驗(yàn)上述問(wèn)題都可以看成對(duì)總體或總體參數(shù)的某個(gè)假設(shè)，然后利用從總體中抽取的樣本來(lái)判斷假設(shè)的真?zhèn)巍＿@就是假設(shè)檢驗(yàn)問(wèn)題。請(qǐng)將上述業(yè)務(wù)問(wèn)題轉(zhuǎn)化成統(tǒng)計(jì)問(wèn)題第一個(gè)業(yè)務(wù)問(wèn)題實(shí)際上是檢驗(yàn)二個(gè)總體的均值是否相等，即μ1

=μ2；第二個(gè)問(wèn)題實(shí)際上是檢驗(yàn)交貨期的均值是否小于等于30，即μ

≤30。什么是假設(shè)檢驗(yàn)1.

概念?

事先對(duì)總體參數(shù)或分布形式作出某種假設(shè)?然后利用樣本信息來(lái)判斷原假設(shè)是否成立2.

類型?

參數(shù)假設(shè)檢驗(yàn)?

非參數(shù)假設(shè)檢驗(yàn)特點(diǎn)3.?

采用邏輯上的反證法?

依據(jù)統(tǒng)計(jì)上的小概率原理假設(shè)檢驗(yàn)的總體過(guò)程檢驗(yàn)決策總體假設(shè)統(tǒng)計(jì)運(yùn)算抽取樣本假設(shè)檢驗(yàn)的基本思想抽樣分布這個(gè)值不像我們應(yīng)該得到的樣本均值......因此我們拒m絕假設(shè)

?

=20...如果這是總體的真實(shí)均值m

=50樣本均值20假設(shè)檢驗(yàn)原則

等號(hào)放在原假設(shè)

原假設(shè)（Ho）和備擇假設(shè)（

H1）完備且互斥

備擇假設(shè)稱為研究假設(shè)，把變化后的問(wèn)題放在備擇假設(shè)中雙側(cè)檢驗(yàn)檢驗(yàn)企業(yè)生產(chǎn)的零件平均長(zhǎng)度是否為4厘米?

從統(tǒng)計(jì)角度陳述問(wèn)題(U=4)?

從統(tǒng)計(jì)角度提出相反的問(wèn)題(U≠4)–

必需互斥和窮盡?

提出原假設(shè)(U=4)?

提出備擇假設(shè)(U≠4)–

有≠符號(hào)單側(cè)檢驗(yàn)采用新技術(shù)生產(chǎn)后，將會(huì)使產(chǎn)品的使用壽命明顯延長(zhǎng)到1500小時(shí)以上建立的原假設(shè)與備擇假設(shè)應(yīng)為H

:

U

=

1500

H

:

U

≠

150001雙側(cè)檢驗(yàn)與單側(cè)檢驗(yàn)研究的問(wèn)題雙側(cè)檢驗(yàn)

左側(cè)檢驗(yàn)

右側(cè)檢驗(yàn)假設(shè)H0m

=

m0m

m0m

m0H1m≠m0m<m0m>m0假設(shè)檢驗(yàn)中的兩類錯(cuò)誤1.

第一類錯(cuò)誤（棄真錯(cuò)誤）?

原假設(shè)為真時(shí)拒絕原假設(shè)?

第一類錯(cuò)誤的概率為(Alpha)–

被稱為顯著性水平2.

第二類錯(cuò)誤（取偽錯(cuò)誤）?

原假設(shè)為假時(shí)接受原假設(shè)?

第二類錯(cuò)誤的概率為β(Beta)–

1-

β

被稱為檢驗(yàn)功效兩種錯(cuò)誤的關(guān)系和的關(guān)系就像翹翹板，小就大，

大就小你不能同時(shí)減少兩類錯(cuò)誤!假設(shè)檢驗(yàn)的步驟

提出原假設(shè)和備擇假設(shè)

確定適當(dāng)?shù)臋z驗(yàn)統(tǒng)計(jì)量

規(guī)定顯著性水平?

計(jì)算檢驗(yàn)統(tǒng)計(jì)量的值

作出統(tǒng)計(jì)決策顯著性水平與拒絕域抽樣分布拒絕域置信水平拒絕域1-?a/2a/2接受域H0值樣本統(tǒng)計(jì)量臨界值臨界值顯著性水平與拒絕域抽樣分布置信水平拒絕域1-a接受域H0值樣本統(tǒng)計(jì)量臨界值什么是

P值1.

是一個(gè)概率值2.

是觀測(cè)到的原假設(shè)為真時(shí)的概率?

左側(cè)檢驗(yàn)時(shí)，P值為曲線上方小于等于檢驗(yàn)統(tǒng)計(jì)量部分的面積?

右側(cè)檢驗(yàn)時(shí)，P值為曲線上方大于等于檢驗(yàn)統(tǒng)計(jì)量部分的面積3.

被稱為觀察到的(或?qū)崪y(cè)的)顯著性水平?

H0能被拒絕的最小值利用

P值進(jìn)行決策單、雙側(cè)檢驗(yàn)?

若p值>

α,不能拒絕

H0?

若p值<

α,拒絕

H0雙側(cè)檢驗(yàn)1/21/2拒絕拒絕1/2p值1/2p值H0值樣本統(tǒng)計(jì)量實(shí)際值實(shí)際值單側(cè)檢驗(yàn)拒絕p值H0值樣本統(tǒng)計(jì)量實(shí)際值案例解析STATEWIDE公司主要從事機(jī)床部件生產(chǎn)，從流程中抽樣36件，得到這些部件的長(zhǎng)度資料,已知部件長(zhǎng)度標(biāo)準(zhǔn)差為8.2mm。試在置信水平為95%的要求下，請(qǐng)確定這一批部件的平均長(zhǎng)度是否為42mm。Data/單樣本Z檢驗(yàn).mtw單樣本

Z檢驗(yàn)之一統(tǒng)計(jì)→基本統(tǒng)計(jì)量→單樣本Z單樣本

Z檢驗(yàn)之二單樣本

Z檢驗(yàn)之三如果標(biāo)準(zhǔn)差未知，改怎么選擇檢驗(yàn)方法？單樣本T檢驗(yàn)我們知道某種類型硬盤的平均傳送時(shí)間是0.545微秒，這是一個(gè)關(guān)鍵的質(zhì)量參數(shù)(越小越好)。一個(gè)新的替代品被提出來(lái)(便宜一些)。替代的設(shè)計(jì)比原有設(shè)計(jì)更好嗎？data/單樣本T.mtw單樣本T何時(shí)使用單樣本T什么是單樣本T當(dāng)樣本是從連續(xù)型總體數(shù)據(jù)中隨機(jī)抽取的數(shù)據(jù)時(shí)使用單樣本T單樣本T檢驗(yàn)用來(lái)判斷樣本均值是否和假設(shè)均值相等。（用于標(biāo)準(zhǔn)差未知的情況）。要求數(shù)據(jù)要服從正態(tài)分布，但通常對(duì)此要求不是很嚴(yán)格，只要數(shù)據(jù)是非單峰的連續(xù)型數(shù)據(jù)數(shù)據(jù)即可單樣本T檢驗(yàn)用樣本標(biāo)準(zhǔn)差來(lái)估計(jì)總體標(biāo)準(zhǔn)差，通常需要樣本服從正態(tài)分布。雙樣本T檢驗(yàn)為試驗(yàn)?zāi)撤N促銷手段對(duì)產(chǎn)品銷售的效果，選出20個(gè)環(huán)境大致相同的城市。其中10個(gè)實(shí)施該促銷手段。另10個(gè)不實(shí)施該促銷手段，得到銷售額（單位：萬(wàn)元）資料,假設(shè)銷售額都服從正態(tài)分布，且方差相等。試確定促銷手段是否有效。Data/雙樣本t檢驗(yàn).mtw雙樣本t檢驗(yàn)之一統(tǒng)計(jì)→基本統(tǒng)計(jì)量→雙樣本t雙樣本t檢驗(yàn)之二雙樣本t檢驗(yàn)之三如果我們把原假設(shè)和備擇假設(shè)互換，會(huì)出現(xiàn)什么樣的情況？功效和樣本量某鋼鐵公司項(xiàng)目團(tuán)隊(duì)在參數(shù)調(diào)整后，希望評(píng)估冷拉鋼筋生產(chǎn)線上的鋼筋平均抗拉強(qiáng)度是否能從2000Kg有所提高，假定生產(chǎn)線的制成的標(biāo)準(zhǔn)差為300Kg，經(jīng)檢驗(yàn)，鋼筋平均抗拉強(qiáng)度已變?yōu)?150Kg。問(wèn)：若在95%的置信水平下，檢驗(yàn)功效為90%，項(xiàng)目團(tuán)隊(duì)對(duì)于“鋼筋生產(chǎn)線上的平均抗拉強(qiáng)度是否從2000Kg有所提高的檢驗(yàn)，需要抽取多少根鋼筋才能同時(shí)達(dá)到這兩類風(fēng)險(xiǎn)的要求？”檢驗(yàn)力與樣本大小

之一統(tǒng)計(jì)→功效和樣本數(shù)量檢驗(yàn)力與樣本大小之二檢驗(yàn)力與樣本大小

之三單樣本

Z

檢驗(yàn)

的功效曲線1.00.80.60.40.20.0樣本數(shù)量假定Alpha

0.05標(biāo)準(zhǔn)差備擇300>050100150200250300差值項(xiàng)目:MINITAB.MPJ;

2008-07-31;

BY:Vellen練習(xí)某軋鋼廠為提高某管坯的屈服強(qiáng)度，改變軋制工藝的某些參數(shù)作試驗(yàn)，從取得的部分?jǐn)?shù)據(jù)分析知：均值為Xbar=39.32，標(biāo)準(zhǔn)差為S=0.75，屈服強(qiáng)度服從正態(tài)分布，且目標(biāo)值為40，希望探測(cè)到的差異d=0.68，若要作T檢驗(yàn)分析其改變工藝是否有效，試確定樣本容量。（取α=0.05，β=0.2）練習(xí)單樣本

Z

檢驗(yàn)

的功效曲線1.00.80.60.40.20.0樣本數(shù)量10假定Alpha

0.05標(biāo)準(zhǔn)差

0.75備擇≠-

.-

.-

.-

......差值項(xiàng)目:MINITAB2.MPJ;

2008-08-15;

BY:Vellen練習(xí)I在某部件加工生產(chǎn)中，其厚度在正常生產(chǎn)下服從N（0.13，0.015*0.015），某日在生產(chǎn)的產(chǎn)品中抽查了10次，其觀測(cè)值為：0.112，0.130，0.129，0.152，0.138，0.118，0.151，0.128，0.158，0.142.但發(fā)現(xiàn)其平均厚度已增大至0.136，若標(biāo)準(zhǔn)差不變，試問(wèn)生產(chǎn)是否正常？（置信水平95%）練習(xí)II一種機(jī)床加工的零件尺寸絕對(duì)平均誤差允許值為1.35mm。生產(chǎn)廠家現(xiàn)采用一種新的機(jī)床進(jìn)行加工以期進(jìn)一步降低誤差。為檢驗(yàn)新機(jī)床加工的零件平均誤差與舊機(jī)床相比是否有顯著降低，從某天生產(chǎn)的零件中隨機(jī)抽取50個(gè)進(jìn)行檢驗(yàn)。利用這些樣本數(shù)據(jù)，檢驗(yàn)新機(jī)床加工的零件尺寸的平均誤差與舊機(jī)床相比是否有顯著降低？Data/one

sampleT.MTW統(tǒng)計(jì)分析篇之相關(guān)與回歸Regression回歸分析本節(jié)我們將學(xué)到：1、相關(guān)與回歸、回歸基本形式2、相關(guān)系數(shù)3、最小二乘法4、模型判斷、回歸方程顯著性判斷5、殘差分析、殘差判斷6、逐步回歸7、最佳子集回回歸的基本概念客觀事物的聯(lián)系確定性關(guān)系非確定性關(guān)系（相關(guān)關(guān)系）（函數(shù)關(guān)系）根據(jù)變量間客觀存在的相關(guān)關(guān)系，建立起合適的數(shù)學(xué)模型，分析和討論其性質(zhì)和應(yīng)用的統(tǒng)計(jì)方法，稱為回歸（Regression）?；貧w場(chǎng)景行政某軟件公司想知道電話排隊(duì)與服務(wù)時(shí)間之間的關(guān)系。制造客戶與供應(yīng)商就客戶收到的數(shù)量與給定提前期的幾個(gè)月訂貨數(shù)量不一致。設(shè)計(jì)某化學(xué)工程師，設(shè)計(jì)了一個(gè)新的流程，想要調(diào)查關(guān)鍵輸入因子與氨的堆疊損失之間的關(guān)系。有效的數(shù)理統(tǒng)計(jì)工具社會(huì)經(jīng)濟(jì)金融財(cái)務(wù)工藝質(zhì)量市場(chǎng)營(yíng)銷

確認(rèn)X和Y之間的關(guān)系；

找到少數(shù)關(guān)鍵的X；

通過(guò)設(shè)置X，控制和優(yōu)化Y；

對(duì)Y進(jìn)行預(yù)測(cè)。常見的回歸形式簡(jiǎn)單線性回歸多元線性)一元非線性YYYX2XX1X多元非線性離散X因子離散響應(yīng)變量的邏輯回歸1XaXbxxxxxxYYxxxxcxxxX201iX回歸分析的一般過(guò)程

明確研究的對(duì)象和范圍

變量的基礎(chǔ)分析，散點(diǎn)圖散點(diǎn)圖能顯示出自變量X跟響應(yīng)變量Y的關(guān)系。散點(diǎn)圖顯示輸入（x）跟輸出(Y)的變化關(guān)系。當(dāng)這些點(diǎn)隨機(jī)的分布的時(shí)候，表示輸入與輸出之間沒有什么關(guān)系。X(input)相關(guān)系數(shù)

(r)相關(guān)系數(shù),r:變化范圍是：

-1到1r

=–1絕對(duì)負(fù)相關(guān)r

=0

無(wú)線性關(guān)系r

=+1絕對(duì)正相關(guān)散點(diǎn)圖與相關(guān)系數(shù)YYYXXX強(qiáng)的正相關(guān)性r

=.95

適度正相關(guān)r=.70無(wú)相關(guān)性r=.006YYYXXX適度負(fù)相關(guān)r=-.73強(qiáng)的負(fù)相關(guān)r=-.90其它模式無(wú)線性關(guān)系r=-.29回歸模型Y

Y

a

b

X

eiiie4e2e1e3Y

a

b

XiiX殘差怎么樣是情況才表明我們擬合的好？最小二乘法e

=觀測(cè)

Y

–估計(jì)

YMin()222224

e

e

e

e

ei123i

1

a&b理論公式回歸方程Yi

=a+bxin(X

X

)(Y

Y

)iiS^bXY2Xi1回歸斜率nS2(X

X

)ii1^^aY

bX回歸截距范例講解假如你是玩具熊公司的市場(chǎng)分析員，現(xiàn)已得到下列數(shù)據(jù)：Ad$Sales(Units)1234511224請(qǐng)問(wèn)廣告費(fèi)用與銷售額之間有關(guān)聯(lián)嗎？散點(diǎn)圖Sales432100

1

2

3

4

5Advertising計(jì)算表______XYX--XiY--Yi(X—X)

(Y—Y)iiii11-2

-1

2-1

-1

1234512240120

00

02

4計(jì)算2

1

0

0

44

1

0

1

4^b

0.7^a20.7*30.1Y=-0.1+0.7x模型的評(píng)估1.

變差測(cè)量可決系數(shù)

(R2)標(biāo)準(zhǔn)誤差

(Se)2.

殘差分析3.

顯著性檢驗(yàn)

a

bYiXi變差圖示未被解釋的離差平方和(Y

-?^Y

)YYiiiYi?i總離差平方和(Y

-Y)_aY+

b

Xii__^解釋的離差平方和(Y

-Y)i?YXXi可決系數(shù)可決系數(shù)表示：由回歸方程解釋的總變異的比例SSR回歸方程解釋的變異總變異2R?SST標(biāo)準(zhǔn)誤差n?

2(Y

Y

)iiSe

i1n2nnn

2

Y

a

Y

b

X

Yii

iiSe

i1i1n2i1殘差分析(誤差項(xiàng)隨機(jī))假定工具解決思路如果X和Y的關(guān)系不是直線，而是曲線。對(duì)X或者Y或者兩者做個(gè)轉(zhuǎn)換，或者加入2次項(xiàng)。1.

殘差與

X線性無(wú)關(guān)殘差

vs.

X任何可視的模式意味著另一個(gè)跟時(shí)間相關(guān)的因子影響著Y。發(fā)現(xiàn)這個(gè)因子，并包括進(jìn)回歸模型。2.查看相鄰誤差項(xiàng)之間是否

殘差

vs.

觀測(cè)順序存在任何相關(guān)性嘗試做開放，

log,

或者Y的逆轉(zhuǎn)換.3.

恒方差殘差vs預(yù)測(cè)

Y擬合值)殘差非正態(tài)分布.

嘗試對(duì)X或者Y，或者兩者做轉(zhuǎn)換。4.

殘差項(xiàng)服從正態(tài)分布，期望為零，方差為常量正態(tài)概率圖

&殘差直方圖實(shí)例演練下表為某工程師提供的數(shù)據(jù).表明某特種鋼的韌性與冶煉時(shí)間的記錄：序號(hào)時(shí)間(Min)韌性(HRB)序號(hào)時(shí)間(Min)韌性(HRB)12345678116.5255.79146.8330.2340.2120.8124.4125.5...350.7367.3381.3406.5430.8451.5275.4278.3296.7309.3315.8318.81531112158.2163.2170.5178.2185.91314136.2138.7140.21516Data/一元線性回歸.mtw一元線性回歸

之二P表示什么含義？擬合線圖

之一擬合線圖可以通過(guò)圖形體現(xiàn)一元函數(shù)關(guān)系實(shí)例演練研究者想預(yù)測(cè)上班族的年收入，他收集了15位上班族的年收入（萬(wàn)元）、IQ、EQ和創(chuàng)造力，試用這些變量聯(lián)合預(yù)測(cè)年收入。S

a

l

a

r

y9.5.I

Q125E

Q85C

r

e

a

t

i

v

i

t

y325.98.86.5.1001059588921001123457.711126.87.99.48.26.43.9971051381039289108941251321021118994129873849252119362624178575Data/多元線性回歸.mtw多元線性回歸

之二y

殘差圖正態(tài)概率圖與擬合值99904250100-2-4-5.0-2.50.02.55.08090100擬合值110120殘差直方圖與順序321420-2--3

-2

-1012341

2

3

4

5

6

7

8

9

10

11

12

13殘差觀測(cè)值順序逐步回歸

之二最佳子集回歸對(duì)于以實(shí)際問(wèn)題，通常并不能得到一個(gè)公認(rèn)的“最好的”回歸方程，采用逐步回歸的方法也會(huì)有不同的結(jié)論。為了不漏掉任何一種可能的好結(jié)果，我們使用最佳自己的回歸方法，把所有可能的自變量的子集進(jìn)行回歸之后全部列舉出來(lái)，以便研究者能綜合考慮，從中選一個(gè)最滿意的結(jié)果最佳子集回歸

之二實(shí)例演練已知某感應(yīng)器的感應(yīng)距離和4中元器件X1、X2、X3、X4可能有關(guān)，記錄13組數(shù)據(jù)，試分析這些元器件與該感應(yīng)器之間的關(guān)系Data/多元線性回歸II.mtw常見質(zhì)量工具圖本節(jié)我將學(xué)到：柏拉圖因果圖多變量圖柏拉圖

之二e

ecsareo1008060402004003002001000DefectsCountsMissing

ScrewsMissing

Clips

Leaky

Gasket其他4727464.864.85913.978.74310.288.9百分比累積

%11.1100.0Pareto：找出少數(shù)重要、和多數(shù)瑣碎的缺陷，常用的原則是80/20原則因果圖

之三測(cè)量材料人員ShiftsAlloysMicrometersLubricantsSuppliers人、機(jī)、料、法、環(huán)、測(cè)MicroscopesInspectorsTrainingOperators質(zhì)量問(wèn)題BrakeCondensationSpeedLathesBitsEngagerMoisture%Angle環(huán)境方法機(jī)器使用因果

（魚骨）圖組織有關(guān)問(wèn)題的潛在原因的集體討論信息。圖表幫助您了解潛在原因之間的關(guān)系。統(tǒng)計(jì)過(guò)程控制本節(jié)我們將學(xué)到：1、統(tǒng)計(jì)過(guò)程控制原理2、中心極限定理3、常用控制圖的選擇、階段4、八項(xiàng)判異原則5、連續(xù)型數(shù)據(jù)控制圖（Xbar-R、Xbar-S、I-MR）6、離散型數(shù)據(jù)控制圖（P、NP、C、U）7、兩類錯(cuò)誤過(guò)程受控的判別準(zhǔn)則

#1：1點(diǎn)落在A區(qū)之外。UCLZone

A

=+3ZoneB=+2ZoneC=+1ZoneC=-1ZoneB=-2Zone

A

=-3LCL過(guò)程受控的判別準(zhǔn)則

#3：連續(xù)6點(diǎn)遞增或遞減。UCLZone

A

=+3ZoneB=+2ZoneC=+1ZoneC=-1ZoneB=-2Zone

A

=-3LCL過(guò)程受控的判別準(zhǔn)則

#4：連續(xù)14點(diǎn)相鄰點(diǎn)上下交替。UCLZone

A

=+3ZoneB=+2ZoneC=+1ZoneC=-1ZoneB=-2Zone

A

=-3LCL過(guò)程受控的判別準(zhǔn)則

#5：連續(xù)3點(diǎn)中有2點(diǎn)落在中心線同一側(cè)的B區(qū)之外。UCLZone

A

=+3ZoneB=+2ZoneC=+1ZoneC=-1ZoneB=-2Zone

A

=-3LCL過(guò)程受控的判別準(zhǔn)則

#6：連續(xù)5點(diǎn)中有4點(diǎn)落在中心線同一側(cè)的C區(qū)之外。UCLZone

A

=+3ZoneB=+2ZoneC=+1ZoneC=-1ZoneB=-2Zone

A

=-3LCL過(guò)程受控的判別準(zhǔn)則#7：連續(xù)15點(diǎn)落在C區(qū)之內(nèi)。UCLZone

A

=+3ZoneB=+2ZoneC=+1ZoneC=-1ZoneB=-2Zone

A

=-3LCL過(guò)程受控的判別準(zhǔn)則#8：連續(xù)8點(diǎn)落在中心線兩側(cè)，但無(wú)1點(diǎn)在C區(qū)之內(nèi)。UCLZone

A

=+3ZoneB=+2ZoneC=+1ZoneC=-1ZoneB=-2Zone

A

=-3LCL合理子組原則在抽取樣本時(shí)，要使組內(nèi)波動(dòng)僅由正常原因引起的，而組間波動(dòng)由異常波動(dòng)引起的合理取樣（時(shí)間）以子組為單元收集數(shù)據(jù)：

子組大?。?—5個(gè)為宜

子組個(gè)數(shù)：20—25個(gè)最佳抽樣間隔：

若每小時(shí)生產(chǎn)10個(gè)以下產(chǎn)品，間隔可為8小時(shí)

若每小時(shí)生產(chǎn)10—20個(gè)產(chǎn)品，間隔可為4小時(shí)

若每小時(shí)生產(chǎn)20—49個(gè)產(chǎn)品，間隔可為2小時(shí)

若每小時(shí)生產(chǎn)50以上產(chǎn)品，

間隔可為1小時(shí)實(shí)例演練問(wèn)題：數(shù)據(jù)Xbar-R.mtw設(shè)某事物包裝重量是一重要特性，為對(duì)其進(jìn)行控制，在生產(chǎn)現(xiàn)場(chǎng)每隔一小時(shí)連續(xù)抽樣5個(gè)樣本產(chǎn)品重量，請(qǐng)用相關(guān)控制圖分析過(guò)程是否受控。驗(yàn)證中心極限定理練習(xí)數(shù)據(jù)的堆疊、拆分工具：數(shù)據(jù)收集：該項(xiàng)目小組每小時(shí)隨機(jī)收集5個(gè)樣本，稱其重量（數(shù)據(jù)有效）Xbar-R

chart連續(xù)型數(shù)據(jù)子組大小是5均值-極差圖

之一⑴.計(jì)算過(guò)程均值

與X

平均值極差

R⑵.計(jì)算Xbar-R中心線與控制限Xbar圖：CL=50.34—UCL

=

+A2R=50.34+0.58×9.16=55.65XXbar—XLCL

=

-A2R=50.34--0.58×9.16=45.03xbarR圖：CLR=9.16—UCLR=D4R=2.11×9.16=19.33—LCL

=D3R=*×9.16=0R均值-極差圖

之二對(duì)于這張輸出圖形，我們?cè)撛趺捶治?？x1,...,x5的

Xbar-R控制圖UCL=55.50X=50.34LCL=45.1755圖形中每個(gè)點(diǎn)表示什么意思？502222先分析哪張圖形再分析哪張圖？為什么？452010135791113151719212325樣本紅色數(shù)據(jù)點(diǎn)表示什么？該怎么處理？UCL=18.92_R=8.950LCL=0135791113151719212325樣本項(xiàng)目:MINITAB.MPJ;

工作表:

Xbar-R.MTW;

2008-08-05;

BY:VellenRchart為什么使用R圖？什么是R圖？R圖繪出時(shí)間序列上子組間的極差來(lái)流程是否發(fā)生變化。R圖表示組內(nèi)波動(dòng)，也是所考察過(guò)程波動(dòng)大小的指示器。子組內(nèi)波動(dòng)是否顯著？數(shù)據(jù)在意較短時(shí)間內(nèi)波動(dòng)情況？例如，R

chart可以考察：何時(shí)使用R圖？膠器由于間歇性堵塞導(dǎo)致提供的膠水不一致，這時(shí)膠板的變異會(huì)增加使用R圖來(lái)比較流程中子組內(nèi)波動(dòng)情況由于一松散的夾具，鉆孔的位置產(chǎn)生較大的變異數(shù)據(jù)是按子組收集，且不能判斷子組內(nèi)是有波動(dòng)AIAG建議子組大小小于8A2、D3、D4常數(shù)表n23456789101.88

1.02

0.73

0.58

0.48

0.42

0.37

0.34

0.310.08

0.14

0.18

0.223.27

2.55

2.28

2.11

2.00

1.92

1.86

1.82

1.78A2D3*

*

*

*

*D4注：在控制圖中，通常用Rbar/d2來(lái)估計(jì)子組間標(biāo)準(zhǔn)差的計(jì)算，如果你希望在軟件中變換過(guò)來(lái)，可以通過(guò)“X-bar選項(xiàng)”中的估計(jì)來(lái)設(shè)置，也可以通過(guò)工具—選項(xiàng)—控制圖和質(zhì)量工具—估計(jì)標(biāo)準(zhǔn)差來(lái)更改默認(rèn)設(shè)置均值—標(biāo)準(zhǔn)差控制圖某注塑產(chǎn)品的關(guān)鍵尺寸CTQ進(jìn)行控制，每隔一小時(shí)測(cè)量

10個(gè)尺寸，如表xbar-s.mtw,試做Xbar-s控制圖進(jìn)行分析Xbar-S圖的制作與分析方法與Xbar-R圖一致，請(qǐng)參與Xbar-R圖分析比較分析：Xbar-R圖和Xbar-S圖哪個(gè)對(duì)流程的控制判斷更為精確？為什么？均值—標(biāo)準(zhǔn)差控制圖1、計(jì)算過(guò)程均值和標(biāo)準(zhǔn)差2、計(jì)算Xbar-S圖上的上下控制線Xbar圖：UCL

=X+A

S=81.5542+0.98×0.873315=82.41x3LCLx

=X-A3S=81.5542-0.98×0.873315=80.698S圖：UCLs=B4S=1.72×0.873315=1.502LCLs=B3S=0.28×0.873315=0.245控制圖統(tǒng)計(jì)→控制圖→子組變量控制圖→Xbar-Sx1,

...,

x10

的

Xbar-S

控制圖82.5UCL=82.39982.081.5_X=81.554→.LCL=80.70980.51357911樣本131517191.51.00.5UCL=1.487_S=0.866LCL=0.2461357911樣本13151719附錄：A

,B

,B

表3

3

4N2345678910B4B3A33.27

2.57

2.27

2.09

1.97

1.88

1.82

1.76

1.720.10

0.12

0.19

0.24

0.282.66

1.95

1.63

1.43

1.29

1.18

1.10

1.03

0.98****計(jì)數(shù)型數(shù)據(jù)控制圖控制圖控制線計(jì)算分布p(1-p

)n±p

3二項(xiàng)分布P

控制圖±np

3

np(1-p)二項(xiàng)分布波松分布NP控制

圖C控制圖±c

3

cu±u

3波松分布U

控制圖n實(shí)例演練在二極管生產(chǎn)線上，與每個(gè)班次結(jié)束前抽取數(shù)量不等的二極管進(jìn)行檢驗(yàn)，下面是12月份共計(jì)30個(gè)工作日每天不合格二極管數(shù)量的記錄，繪制一控制圖分析產(chǎn)品的不合格率是否受控P圖之二reject的

P

控制圖0.120.100.080.060.04.UCL=0.1049P=0.05LCL=00.0014710131619222528樣本使用不相等樣本量進(jìn)行的檢驗(yàn)項(xiàng)目:MINITAB.MPJ;

工作表:

P

chart;

2008-07-31;BY:VellenCChart統(tǒng)計(jì)→控制圖→屬性控制圖→C缺陷

的

C

控制圖161412108UCL=14.49_C=6.716420LCL=012345678910

11

12

13

14樣本項(xiàng)目:MINITAB.MPJ;

工作表:

C

chart;

2008-07-31;

BY:Vellen練習(xí)I您在汽車發(fā)動(dòng)機(jī)組裝廠工作。部件之一的凸輪軸的長(zhǎng)度必須為600毫米+2毫米以滿足工程規(guī)格。凸輪軸長(zhǎng)度不符合規(guī)格是一個(gè)長(zhǎng)期以來(lái)的問(wèn)題

它引起裝配時(shí)配合不良，導(dǎo)致廢品率和返工率都居高不下。您的主管要繪制X和R控制圖以監(jiān)控此特征，于是您在一個(gè)月中從工廠使用的所有凸輪軸收集共100個(gè)觀測(cè)值（20個(gè)樣本，每個(gè)樣本中5個(gè)凸輪軸），并從每個(gè)供應(yīng)商處收集100個(gè)觀測(cè)值。首先您將看到供應(yīng)商2生產(chǎn)的凸輪軸。Data/凸輪軸.MTW質(zhì)量工具篇之過(guò)程能力分析CapabilityAnalysis過(guò)程能力分析本節(jié)我們將學(xué)到：1、Cp、CPk計(jì)算及關(guān)系2、PP、PPk計(jì)算及關(guān)系3、西格瑪水平計(jì)算4、正態(tài)檢驗(yàn)與判別5、非正態(tài)數(shù)據(jù)能力分析步驟與方法6、離散型數(shù)據(jù)能力分析什么是過(guò)程能力分析什么是能力分析？能力分析是用來(lái)評(píng)估流程滿足規(guī)格要求的情況。流程能力分析包括：1、用控制圖來(lái)判斷流程是否處于受控狀態(tài)2、判斷流程輸出的分布情況3、用Cp、Cpk、Pp、PPk或西格瑪水平來(lái)評(píng)估長(zhǎng)期流程能力和短期流程能力4、在做能力分析后應(yīng)明白影響流程的因素有哪些？該怎么改進(jìn)流程5、在當(dāng)前流程下，PPM是多少？過(guò)程能力CP與CPK在我們做能力分析之前，請(qǐng)確信：1、流程處于受控狀態(tài)2、可以找到相關(guān)的分布來(lái)擬合數(shù)據(jù)Cp與CPK對(duì)流程生產(chǎn)數(shù)符合要求的產(chǎn)品、服務(wù)的能力的測(cè)量CP—短期流程能力在一段有限的時(shí)間內(nèi)中心和均值重合看作是流程的最佳值CPK—短期流程能力指標(biāo)在一段有限時(shí)間內(nèi)考慮中心與均值是否重合流程實(shí)際能力Pp與Ppk

Pp:也稱過(guò)程績(jī)效指數(shù),是從過(guò)程總波動(dòng)的角度考察過(guò)程輸出滿足客戶要求的能力(也成長(zhǎng)期過(guò)程能力指數(shù))

PP、Ppk的算法與Cp、Cpk的算法類似，只是標(biāo)準(zhǔn)差不一樣，過(guò)程總波動(dòng)標(biāo)準(zhǔn)差長(zhǎng)用S來(lái)估計(jì)計(jì)算公式實(shí)例演示一家汽車軸承生產(chǎn)公司為調(diào)查某種軸承的控制水平，每隔30分鐘測(cè)試10個(gè)數(shù)據(jù)值，結(jié)果如下頁(yè)所示。已知軸承值的規(guī)范要求在12±1（mm）之間，試分析其過(guò)程能力如何。Data/過(guò)程能力分析2.MTW實(shí)例演練統(tǒng)計(jì)→質(zhì)量工具→能力分析→正態(tài)實(shí)例演練C1的過(guò)程能力LSLUSL過(guò)程數(shù)據(jù)組內(nèi)整體LSL11目標(biāo)*USL13潛在（組內(nèi)）能力Cp

1.10樣本均值樣本

N12.2062250CPL

1.33標(biāo)準(zhǔn)差（組內(nèi)）

0.301993標(biāo)準(zhǔn)差（整體）

0.296568CPU

0.88Cpk

0.88整體能力Pp

1.12PPL

1.36PPU

0.89Ppk

0.89Cpm*11.1

11.4

11.7

12.0

12.3

12.6

12.9

13.2實(shí)測(cè)性能預(yù)期組內(nèi)性能PPM<

LSL

32.45預(yù)期整體性能PPM<

LSL

23.78PPM

<

LSL0.00PPM

>

USL4000.00PPM

合計(jì)

4000.00PPM>

USL4289.39PPM合計(jì)

4321.84PPM>

USL3720.05PPM合計(jì)

3743.82項(xiàng)目:MINITAB.MPJ;

工作表:

過(guò)程能力分析2.MTW;

2008-08-04;BY:Vellen過(guò)程能力等級(jí)劃分(參考)等級(jí)特級(jí)一級(jí)二級(jí)三級(jí)四級(jí)Cp值1.67≤

Cp對(duì)策過(guò)程能力過(guò)高，放寬檢查1.33≤Cp＜1.671.00≤Cp＜1.330.67≤Cp＜1.00Cp＜0.67過(guò)程能力充足，保證過(guò)程控制過(guò)程能力尚可，加強(qiáng)過(guò)程控制與檢驗(yàn)過(guò)程能力不足，采取過(guò)程改進(jìn)措施過(guò)程能力過(guò)低，立即停產(chǎn)對(duì)過(guò)程全面改進(jìn)警告：這不是可以適用于任何流程的標(biāo)準(zhǔn)六西格瑪水平的過(guò)程能力Cp

≥2.0Cpk

≥1.5ProcessZ≥4.5（長(zhǎng)期）實(shí)例演練案例背景：一家調(diào)查公司為調(diào)查某種汽車尾氣PH值的控制水平，每隔5分鐘測(cè)試一次其PH值(10個(gè))，結(jié)果如下頁(yè)所示。已知PH值的規(guī)范要求在3.98與4.02之間，試分析其過(guò)程能力如何。原始數(shù)據(jù)PHPHPHPHPH4.0084.0003.9864.0074.0053.9944.0003.9954.0064.0033.9943.9994.0054.0043.9994.0093.9974.0134.0004.0034.0114.0024.0094.0103.9954.0073.9973.9994.0054.0083.9954.0074.0044.0084.0013.9874.0064.0063.9983.9974.0004.0073.9993.9954.0073.9973.9884.0014.0024.0114.0043.9974.0114.0014.0013.9974.0004.0074.0034.0073.9963.9974.0034.0014.0093.9923.9953.9993.9984.0013.9974.0034.0034.0104.0054.0044.0073.9994.0053.9954.0074.0053.9994.0003.9963.9884.0014.0054.0034.0063.9973.9984.0184.0043.9984.0013.9984.0073.9994.005過(guò)程能力分析

之一統(tǒng)計(jì)→質(zhì)量工具→能力分析→正態(tài)非正態(tài)數(shù)據(jù)的能力分析實(shí)例演練案例背景：某公司生產(chǎn)半導(dǎo)體陶制品，經(jīng)理欲通過(guò)能力分析來(lái)考察流程滿足客戶要求的情況，改陶制品的中心處有一空心圓，通過(guò)公差設(shè)計(jì)要求圓心距邊的距離不能超過(guò)30微米使用工具：

NormalTest

正態(tài)檢驗(yàn)

CapabilitySixpack---Normal

六合一能力分析

IndividualDistributionIdentification

個(gè)體分布標(biāo)識(shí)

JohnsonTransformation

Johnson轉(zhuǎn)換實(shí)例演練統(tǒng)計(jì)→基本統(tǒng)計(jì)量→圖形化匯總Concentricity摘要Anderson-Darling正態(tài)性檢驗(yàn)A

平方6.71P

值小于0.005P值小于0.05,此數(shù)據(jù)非正態(tài)平均值標(biāo)準(zhǔn)差方差偏度峰度N11.4427.24052.4221.349281.83331200最小值1.8226.3489.607.第一四分位數(shù)中位數(shù)61218243036最大值38.52195%平均值置信區(qū)間10.43312.45295%中位數(shù)置信區(qū)間8.30995%標(biāo)準(zhǔn)差置信區(qū)間6.593

8.02910.53395%置信區(qū)間平均值中位數(shù)8910111213項(xiàng)目:MINITAB.MPJ;

工作表:

能力分析（非正態(tài)）.MTW;

2008-08-06;BY:Vellen非正態(tài)流程能力分析C4

的過(guò)程能力USL過(guò)程數(shù)據(jù)組內(nèi)整體Cpk=0.62Ppk=0.62LSL**目標(biāo)USL1.89468潛在（組內(nèi)）能樣本均值樣本

N-0.0147461200Cp**CPL標(biāo)準(zhǔn)差（組內(nèi)）

1.02265.CPU

0.62.整體能力Pp**PPLPPU

0.62Ppk

0.62Cpm*-2.25

-1.50

-0.75

0.00

0.75

1.50

2.25實(shí)測(cè)性能預(yù)期組內(nèi)性能PPM<

LSL預(yù)期整體性能PPM<

LSLPPM

<

LSL***PPM

>

USL

25000.00PPM

合計(jì)

25000.00PPM>

USL

30941.06PPM合計(jì)

30941.06PPM>

USL

30783.41PPM合計(jì)

30783.41項(xiàng)目:MINITAB.MPJ;

工作表:

能力分析（非正態(tài)）.MTW;

2008-08-07;

BY:Vellen流程能力分析Concentricity的過(guò)程能力-3.792+

1.671*

Ln(X

+

0.074)Cpk=0.61Ppk=0.61USL*過(guò)程數(shù)據(jù)已變換數(shù)據(jù)LSL*Pp目標(biāo)*PPLPP*USL300.610.61樣本均值樣本N標(biāo)準(zhǔn)差形狀1形狀2位置11.5348Ppk201預(yù)期整體性能PPM<LSL7.33981-3.79151.67061-0.0740383*.PPM合計(jì)33544.98變換后LSL***目標(biāo)*.樣本均值*

-0.00692124標(biāo)準(zhǔn)差*

1.03852實(shí)測(cè)性能PPM<LSLPPM>USLPPM合計(jì)*24875.6224875.62-2.25

-1.50

-0.75

0.00

0.751.502.25項(xiàng)目:MINITAB.MPJ;

工作表:

能力分析（非正態(tài)）.MTW;

2008-08-07;BY:Vellen離散型數(shù)據(jù)能力分析前面講的均為連續(xù)性數(shù)據(jù)能力分析，那么，對(duì)立離散型數(shù)據(jù)，我們應(yīng)怎么樣才對(duì)其進(jìn)行能力分析呢？案例某公司在生產(chǎn)一零件過(guò)程中，一個(gè)月共生產(chǎn)2500個(gè)該零件，已知每個(gè)零件有10處能產(chǎn)生缺陷，在對(duì)產(chǎn)品檢驗(yàn)過(guò)程中，共發(fā)現(xiàn)8個(gè)缺陷，試計(jì)算DPMO和西格瑪水平DPMO到西格瑪水平百萬(wàn)機(jī)會(huì)之缺陷數(shù)D：缺陷數(shù)O：?jiǎn)挝蝗毕輽C(jī)會(huì)U：?jiǎn)挝粩?shù)DPMO=【D/(U×O)】×106根據(jù)DPMO的值

查找標(biāo)準(zhǔn)正態(tài)分布表

找到Z

即為西水平格瑪計(jì)算1、計(jì)算DPMODPMO=【D/（U×O）】×106__8____

×1062500×10=320經(jīng)查表得此時(shí)西格瑪水平為3.4練習(xí)I一家線纜制造商希望評(píng)估線纜的直徑是否符合規(guī)格。線纜直徑必須為0.55+0.05cm才符合工程規(guī)格。分析員評(píng)估過(guò)程的能力以確保其滿足客戶的要求，即Cpk為1.33。分析員每小時(shí)從生產(chǎn)線中取5根連續(xù)的線纜作為一個(gè)子組，并記錄直徑。Data/線纜.MTW綜

合

案

例能力分析

首先繪制你所被告知的流程。

在Minitab中執(zhí)行能力分析。

我們第一步是判定分布的特性。

正態(tài)檢驗(yàn)

當(dāng)數(shù)據(jù)不是正態(tài)時(shí)我們第一步該做什么？縮窄范圍讓我們從主效果圖開始拆分工作表數(shù)據(jù)》拆分工作表數(shù)據(jù)表子設(shè)定能力分析Shampoo的過(guò)程能力LSLUSL過(guò)程數(shù)據(jù)LSL組內(nèi)整體210目標(biāo)*USL230潛在（組內(nèi)）能力樣本均值樣本

N219.766100Cp1.66CPL

1.62CPU

1.70Cpk

1.62標(biāo)準(zhǔn)差（組內(nèi)）標(biāo)準(zhǔn)差（整體）2.010542.09942整體能力Pp1.59PPL

1.55PPU

1.62Ppk

1.55Cpm*210213216219222225228實(shí)測(cè)性能預(yù)期組內(nèi)性能PPM

<

LSL

0.60PPM

>

USL

0.18預(yù)期整體性能PPM

<

LSL

1.65PPM

>

USL

0.54PPM

合計(jì)

2.19PPM

<

LSL

0.00PPM

>

USL

0.00PPM

合計(jì)0.00PPM

合計(jì)0.77總結(jié)?

幾種圖表方法已經(jīng)被可以使用?

班次shift

對(duì)漏斗Filler

1沒有什么影響?

班次shift

對(duì)漏斗Filler

2影響很大?

漏斗Filler

1，灌注頭Head3看來(lái)導(dǎo)致瓶子灌不滿?

漏斗Filler

2，灌注頭Head6看來(lái)導(dǎo)致瓶子灌太多質(zhì)量工具篇之測(cè)量系統(tǒng)分析Measurement

System

Analysis基本概念測(cè)量系統(tǒng)對(duì)測(cè)量單元進(jìn)行量化或?qū)Ρ粶y(cè)的特性進(jìn)行評(píng)估，其所使用的儀器或量具、標(biāo)準(zhǔn)、操作、方法、夾具、軟件、人員、環(huán)境及假設(shè)的集合；也就是說(shuō)，包含獲得測(cè)量結(jié)果的整個(gè)過(guò)程。測(cè)量系統(tǒng)分析對(duì)測(cè)量系統(tǒng)進(jìn)行評(píng)估，驗(yàn)證其是否在合適的特性位置測(cè)量了正確的參數(shù)，確定其需要具備哪些可被接受的統(tǒng)計(jì)特征，以便了解測(cè)量結(jié)果的變異來(lái)源及其分布。變異分類總體變異流程實(shí)際變異短期流程變異測(cè)量觀察變異與測(cè)量方法相關(guān)的變異抽樣的隨機(jī)性與測(cè)量人員相關(guān)的變異長(zhǎng)期流程變異偏置再現(xiàn)性穩(wěn)定性線性分辨力重復(fù)性準(zhǔn)確度和精確度穩(wěn)定性穩(wěn)定性(Stability,drift)：隨時(shí)間變化的偏倚值一個(gè)穩(wěn)定的測(cè)量過(guò)程在位置方面處于統(tǒng)計(jì)上受控狀態(tài)線性線性(linearity)：測(cè)量系統(tǒng)在整個(gè)預(yù)期的工作范圍內(nèi)的偏倚變化。測(cè)量系統(tǒng)在整個(gè)操作范圍的多個(gè)獨(dú)立的偏倚誤差的相互關(guān)系。分辨力分辨力(discrimination,

resolution)：能產(chǎn)生一個(gè)可探測(cè)到的輸出信號(hào)的最小輸入重復(fù)性重復(fù)性(repeatability)：一個(gè)評(píng)價(jià)人使用一件測(cè)量?jī)x器，對(duì)同一零件的某一特性進(jìn)行多次測(cè)量下的變差是在固定的和已定義的測(cè)量條件下，連續(xù)（短期內(nèi)）多次測(cè)量中的變差通常被稱為設(shè)備變差(Equipment

Variation)設(shè)備（量具）本身的能力或潛能系統(tǒng)內(nèi)部變差再現(xiàn)性再現(xiàn)性(reproducibility)：

由不同的評(píng)價(jià)人使用同一種測(cè)量?jī)x器及同一種測(cè)量方法，多次測(cè)量同一零件的同一特性時(shí)獲得的測(cè)量平均值的變差。

通常是指不同評(píng)價(jià)人變差測(cè)量系統(tǒng)評(píng)估測(cè)量系統(tǒng)評(píng)估收集N

(5-10)樣品以代表長(zhǎng)期流程變異。選擇能平常進(jìn)行測(cè)量的3個(gè)操作員。準(zhǔn)備Minitab

數(shù)據(jù)表欄標(biāo)題分別為：部品，操作員讓每個(gè)操作員單獨(dú)隨機(jī)地測(cè)量所有的樣品一次。重復(fù)上一步兩遍或以上。輸入數(shù)據(jù)。測(cè)量系統(tǒng)分類實(shí)例演練某食品廠生產(chǎn)袋裝糖果。現(xiàn)隨機(jī)抽取10包糖果請(qǐng)3位檢驗(yàn)員用秤測(cè)量其重量，每人每包測(cè)3次，結(jié)果如下表。試做測(cè)量系統(tǒng)分析。PartAp

p

raiser

T

ime12345678910AAABBBCCC1

0.65

1.00

0.85

0.85

0.55

1.00

0.95

0.85

1.00

0.602

0.60

1.00

0.80

0.95

0.45

1.00

0.95

0.80

1.00

0.703

0.64

1.02

0.82

0.97

0.58

1.01

0.97

0.84

1.00

0.641

0.55

1.05

0.80

0.80

0.40

1.00

0.95

0.75

1.00

0.552

0.55

0.95

0.75

0.75

0.40

1.05

0.90

0.70

0.95

0.503

0.54

1.01

0.82

0.81

0.39

1.02

0.97

0.77

1.02

0.581

0.50

1.05

0.80

0.80

0.45

1.00

0.95

0.80

1.05

0.852

0.55

1.00

0.80

0.80

0.50

1.05

0.95

0.80

1.05

0.803

0.59

0.97

0.81

0.80

0.52

1.03

0.98

0.81

1.07

0.86量具重復(fù)性與再現(xiàn)性

之一屬性一致性分析Kappa評(píng)判參考<0.7

測(cè)量系統(tǒng)應(yīng)引起關(guān)注0.7–0.9

測(cè)量系統(tǒng)可接受>0.9

測(cè)量系統(tǒng)優(yōu)良Kappa應(yīng)用示例結(jié)果一致的比例:P觀測(cè)=0.7隨機(jī)產(chǎn)生的一致比例：P偶然=(PInsp1Good)(PInsp2Good)+(PInsp1Bad)(PInsp2Bad)P偶然=(.8)(.5)+(.2)(.5)=.5Kappa計(jì)算P觀測(cè)–P偶然1–P偶然Kappa=1.

如果兩個(gè)人對(duì)每一張發(fā)票對(duì)保持同樣的評(píng)價(jià)，Kappa=?2.

Kappa等于零說(shuō)明什么?3.如果兩個(gè)人對(duì)每一張發(fā)票對(duì)保持不一樣的評(píng)價(jià)，Kappa=?數(shù)據(jù)列表AppraiserZhaoSampleRatingAttributeAppraiserZhaoSampleRatingAttributeAppraiserZhaoSample11Rating-2Attribute112222661111-2-2QianQianQian11-2SunLi11122222333334444455552122SunLi661111SunLi11111112121212121313131313141414141415151515-2-2-10-2-2-20ZhouZhaoQianSunLi22ZhouZhaoQianSunLi611ZhouZhaoQianSunLi-1-1-1-2-11-1-1-1-1-107227220072200712-100ZhouZhaoQianSunLiZhouZhaoQianSunLi722ZhouZhaoQianSunLi080022008002200800220080022ZhouZhaoQianSunLi00ZhouZhaoQianSunLi800ZhouZhaoQianSunLi22-2-2-2-2-20-2-2-2-2-209-1-1-1-2-11-1-1-1-1-11-1-1-1-1-11-1-1-1-1-11999ZhouZhaoQianSunLiZhouZhaoQianSunLi9ZhouZhaoQianSunLi10101010001111001111-100111Zhou500Zhou1021Zhou1511屬性一致性分析

之二質(zhì)量工具篇之試驗(yàn)設(shè)計(jì)DesignOfExperimentDOE的基本概念試驗(yàn)設(shè)計(jì)（DesignOfExperiment，簡(jiǎn)稱DOE），是對(duì)過(guò)程或產(chǎn)品進(jìn)行改善或優(yōu)化，找出最佳關(guān)鍵因子的方法。DOE的起源與發(fā)展

20世紀(jì)20年代，費(fèi)雪(Ronald

Fisher)在農(nóng)業(yè)試驗(yàn)中首次提出，并與統(tǒng)計(jì)分析方法相結(jié)合成為生物學(xué)、農(nóng)學(xué)、遺傳學(xué)研究的重要方法。

20世紀(jì)50年代，田口玄一博士(Dr.

GenichiTaguchi)科學(xué)地將其應(yīng)用于企業(yè)管理，使日本產(chǎn)品在國(guó)際上逐步樹立了高質(zhì)量的信譽(yù)。DOE的益處合理使用DOE能夠：

減少實(shí)驗(yàn)次數(shù)，降低成本；

可按項(xiàng)目要