MINITAB-R15操作介绍.ppt

R15,Minitab操作,课程设计,0,起源 1972年，美国宾夕法尼亚州立大学为作统计分析、教育用而开发，目前已在工学、社会学等所有领域被广泛使用。 发展 在GE、MOTOROLA等公司已作为基本的程序而使用，且与Six-sigma有关联的部分陆续地在完善之中。 版本,前言,Minitab = + = +,0,R13,R14,R15,Minitab是什么？,Mini,Tabulator,小型,计算机,案例,某公司交货时间总是出现问题。也经过大大小小无数次“改善”，但都没取得突破性进展，于是高层主管决定成立6sigma项目管理来解决。 6sigma团队经流程分析后，关键流程确定在三个出货中心：东部、中部、西部。 经测量系统分析后，发现测量系统OK，于是接着就收集了一大批数据（详见“出货数据.exl”）。,面对如此多数据， 我们该怎么分析呢？,第一章 定性分析,1-1 Pareto图分析,1、打开附件：“1-1质量控制.mtw” 2、选择：统计质量工具Pareto 3、点击：“已整理表格的数据” 4、双击：“缺陷数” 5、双击：“计数” 6、点击：“OK” 结论： 1、可直接选择“丢失的螺丝钉”为改善对象； 2、也可根据8020原则选择前三项做为改善对象。,1-2 鱼骨头图分析,1 打开文件“1-2表面缺陷.MTW”。 2 选择统计 质量工具 因果。 3 在原因下，在 1 到 6 行中分别输入人员、机器、材料、方法、测量和环境。 4 对于“人员”，单击子。 5 在原因下，在第 3 行中输入培训。单击确定。 6 对于“机器”，单击子。 7 在原因下，在第 4 行中输入速度。单击确定。 8 对于“测量”，单击子。 9 在原因下，在第 1 行中输入微米。单击确定。 10 在效应中，键入表面瑕疵。单击确定。,互动练习一,练习设计： 1、根据学员的年龄分段统计人数，从而做Pareto； 2、课堂学习不好的原因有哪些？请用鱼骨头图结合头脑风暴法分析出来。,第二章 能力分析,引言,能力分析前后我们还应该做些什么呢？,制程能力分析,测量系统分析,正态检验,受控分析,机会分析,2-1 MSA分析,2-1-1 变异基础理论 2-1-2 GAGE R&R分析,2-1-1变异基础理论,观测到的波动,过程的波动,测量系统波动,过程长期波动,过程短期波动,样本内波动,量具的波动,人员的波动,偏倚,线性,重复性,稳定性,再现性,说明： 大虚线框内是评价测量系统时考虑的主要方面； 小虚线框内是测量系统的GAG R&R的组成。,分辨数 分辨率,2-1-2 GAGE R&R分析,2-1-2-1 分析步骤 2-1-2-2 方差分析 2-1-2-3 图表说明,2-1-2-1 MSA分析步骤,1 打开工作表“2-1嵌套量具研究.MTW”。 2 选择统计 质量工具 量具研究 量具 R&R 研究（嵌套）。 3 在部件号或批号中，输入部件。 4 在操作员中，输入操作员。 5 在测量数据中，输入响应。 6 单击选项。在过程公差下，选择规格上限 - 规格下限，然后输入 10。 7 在每个对话框中单击确定。,2-1-2-2 方差分析,量具 R&R 研究 - 嵌套方差分析 响应 的量具 R&R（嵌套） 来源 自由度 SS MS F P 操作员 2 0.0142 0.00708 0.00385 0.996 部件 (操作员) 12 22.0552 1.83794 1.42549 0.255 重复性 15 19.3400 1.28933 合计 29 41.4094 量具 R&R 方差分量 来源 方差分量 贡献率 合计量具 R&R 1.28933 82.46 重复性 1.28933 82.46 再现性 0.00000 0.00 部件间 0.27430 17.54 合计变异 1.56364 100.00 过程公差 = 10,研究变异 %研究变 %公差 来源 标准差(SD) (6 * SD) 异 (%SV) (SV/Toler) 合计量具 R&R 1.13549 6.81293 90.81 68.13 重复性 1.13549 6.81293 90.81 68.13 再现性 0.00000 0.00000 0.00 0.00 部件间 0.52374 3.14243 41.88 31.42 合计变异 1.25045 7.50273 100.00 75.03 可区分的类别数 = 1,GAGE R&R= 68.13%30%,无法接受,重复性=68.13%,WHY?,分辨数=15，不足,+,2-1-2-3图表分析,设备变异太大,HOW?,多测取平均值,2-2正态检验,一、步骤： 1 打开工作表“1出货数据”。 2 选择统计 基本统计量 正态性检验。 3 在变量下，输入“日”。单击确定。 二、图表分析：,P=0.0070.05 数据呈非正态分布,HOW?,实施转化,注明： 在此不再深入探讨，假设数据是正态分布,2-3 受控分析,2-3-1 基础理论 2-3-2 控制图分析,2-3-1基础理论,评估过程稳定性 使用控制图跟踪一段时间内的过程稳定性并检测是否存在特殊原因，特殊原因 是指过程中出现异常情况的原因，这不同于过程的正常状况。 Minitab 绘制过程统计量（如子组平均值、单个观测值、加权统计量或缺陷数） 与样本序号或时间的对比图。Minitab 绘制以下内容： 在统计量的平均值处绘制中心线 在中心线之上3 倍标准差处绘制控制上限(UCL) 在中心线之下3 倍标准差处绘制控制下限(LCL) 设置控制图的选项 汽车工业行动组织(AIAG) 建议使用以下原则来检验特殊原因： 检验1：1 个点，距离中心线大于3 个标准差 检验2：连续9 个点在中心线同一侧 检验3：连续6 个点，全部递增或全部递减,1 选择“质量.MPJ”。单击打开。 2 选择统计. 控制图. 子组的 变量控制图. Xbar-S。 3 选择图表的所有观测值均在 一列中，然后输入日。 4 在子组大小中，输入日期。 5 单击Xbar-S 选项，然后单 击检验选项卡。 6 在每个对话框中单击确定。,完全受控， 无异常原因,2-3-2控制图分析,2-4过程能力分析,由于了解到交货过程是受控的，因此进行能力分析以确定书籍交货过程是否在规格限制之内，即所产生的交货时间是否可接受。交货过程的目标值为3.33天。规格上限(USL) 为6 （6 天后收到所订购的货物即视为逾期）；未确定规格下限(LSL)。分布近似于正态，因此可以使用正态能力分析。 1 选择统计 . 质量工具. 能力分析. 正态。 2 在数据排列为下，选择单列。 输入日。 3 在子组大小中，输入日期。 4 在规格上限中，键入6 。 5 单击选项。在目标（添加Cpm 到表格）中，键入3.33。 6 在每个对话框中单击确定。,互动练习二,1,设计： 以前面收集到的年龄数据做能力分析。 假设某部门要求队伍年青化，上限为36岁，下限为24岁，目标为30岁。,第三章 数据分析,1,引言,在进行统计分析前，一般用什么来管理数据资源，并评估变量之间的关系？,图形,3-1数据图示化,3-1-1 单值图 3-1-2 直方图 3-1-3 箱线图 3-1-4 散点图,3-1-1单值图,1 单击对话框底部附近的在Minitab 样本数据文件夹中查找。 2 在样本数据文件夹中，双击Meet Minitab，然后选择“出货 数据.MTW”。单击打开。 3 选择图形. 单值图。 4 在一个Y 之下，选择含组，然后单击确定。 5 在图形变量中，输入日。 6 在用于分组的类别变量第一个为最外层中输入中心。 7 单击数据视图。选中均值连接线。 8 依次在每个对话框中单击确定。,1、平均交货时间均不相同； 2、变异情况几乎相同。,3-1-2直方图,另一种比较三个出货中心数据的方法就是创建分组直方图，即在同一图形上同时显示各中心的直方图。分组直方图将显示各出货中心的数据重叠情况。 1 选择图形. 直方图。 2 选择包含拟合和组，然后单击确定。 3 在图形变量中，输入“日”。 4 在用于分组的类别变量中，输入“中心”。 5 单击确定。,解释结果 中东部均值接近，西部相差较大；标准差相近。,3-1-3箱线图,1 打开工作表“1出货数据.MTW”。 2 选择图形 箱线图或统计 EDA 箱线图。 3 在一个 Y 下，选择含组。单击确定。 4 在图形变量中，输入日。 5 在用于分组的类别变量（1-4，第一个为最外层）中，输入中心。 6 单击标签，然后单击数据标签选项卡。 7 从标签中，选择中位数。选择使用 y 值作标签。单击确定。,上限 = Q3+1.5 (Q3 - Q1),下限 = Q1-1.5 (Q3 - Q1),结论怎样？,异常点,散点图有助于确认变量之间是否存在关联。如果存在，强度是多少。了解变量之间的关系有助于指导进一步的分析，也有助于决定哪些变量是具有分析价值的重要变量。因为每个出货中心服务的交货区域范围都很小，您认为交货地点不会对交货时间造成很大的影响。要验证上述观点并消除距离作为潜在重要因子的可能性，可以检验交货时间与交货距离之间的关系。 1 选择图形. 散点图。 2 选择包含回归，然后单击确定。 3 在Y 变量下，输入日。在X 变 量下，输入距离。 4 单击多图形，然后单击按变量选 项卡。 5 在按分组变量在同一图中分列中， 输入中心。 6 依次在每个对话框中单击确定。,3-1-4散点图,无关联,3-2 数据分析,2,3-2-1 方差分析 3-2-2 回归分析,3-2-1 方差分析,3-2-3-1 步骤 3-2-3-2 分析 3-2-3-3 残差分析,3-2-1-1 方差分析步骤,1、选择统计方差分析单因子。 2 在响应中，输入日。在因子中，输入中心。 在对应于统计命令的多个对话框中，可以选择 常用或必需的选项。使用子对话框按钮选择其 他选项。 3 单击比较。 4 选中Tukey，整体误差率，然后单击确定。 5 单击图形。 对于许多统计命令，Minitab 都提供了有 助于解释结果和评估统计假设有效性的 内置图形。 6 选中单值图和数据箱线图。 7 在残差图下，选择四合一。 8 在每个对话框中单击确定。,P=0,说明三者中至少有一组差异是显著的。 那么怎样才能知到谁与谁有显著差异呢？ 答案就在右边的置信区间比较表。 以任一个作为比较基准，其它的置信区间若包含0，则二者无显著差异；若不包含0，则二者差异显著。 本例中，三者间任两个间都是差异显著的。,3-2-1-2方差分析,正态性“正常”，残差正常，方差分析的前提条件满足，前面分析可靠。,残差对称且近似钟型,残差无明显的弯曲,残差和=0且随机分布，,3-2-1-3残差分析,3-2-3 回归分析,1 打开工作表“1出货数据.MTW”。 2 选择统计 回归 拟合线图。 3 在响应 (Y) 中，输入“日”。 4 在预测变量 (X) 中，输入“距离”。 5 在回归模型类型中，选择二次。 6 单击选项。在变换下，选中 Y 的常用对数和显示 Y 变量的对数尺度。在显示选项下，选中显示置信区间和显示预测区间。在每个对话框中单击确定。,回归分析:日 与 距离 回归方程为 日 = 3.684 + 0.000451 距离 S = 1.35564 R-Sq = 0.1% R-Sq（调整） = 0.0% 方差分析 来源 自由度 SS MS F P 回归 1 0.591 0.59130 0.32 0.571 误差 300 551.324 1.83775 合计 301 551.916,第四章 DOE,引言,上一章的质量分析表明，西部出货中心的过程受控，且能够满足规格限制,能力已达到1.55了，这算很好了吗？ 在本章中，我们要进一步减少将订单从西部出货中心送到客户处所需的时间量。在对许多潜在的重要因子进行评估后，决定要研究可能会减少出货准备订单所需时间的两个因子：订单处理系统和包装过程。 水平如下：,可这并不意味着就非常完美。,4-1创建试验设计,1 选择统计. DOE . 因子. 创建因子设计。在Minitab 中创建设计时，最初只启用两个按钮：显示可用设计和设计。其他按钮会在您完成设计子对话框后启用。 2 单击显示可用设计。对于大多数设计类型，Minitab 会在显示可用设计对话框中显示所有可能的设计和所需运行数。 3 单击确定返回到主对话框。 4 在设计类型下，选择2 水平因子（默认生成元）。 5 在因子数中，选择2。 6 单击设计。顶部的框中会显示可用于该设计类型的所有设计以及您选择的因子数。在此示例中，由于您执行的是具有两个因子的因子设计，因此只有一个选项：具有四个运行的全因子设计。有2 个因子的二水平设计具有2*2 （或四个）可能的因子组合。 7 在角点的仿行数中，选择3。 8 单击确定返回到主对话框。 请注意， Minitab 启用了其 余按钮。,全因子设计 因子: 2 基设计: 2, 4 试验次数: 12 仿行: 3 区组: 1 中心点（合计）: 0,4-2、因子水平设置 Minitab 会将您为每个因子输入的名称和水平输入工作表，并在分析输出和图形中使用该名称作为因子的标签。如果不输入因子水平，Minitab 会将低水平设置为1，将高水平设置为1。 1 单击因子。 2 单击名称列的第一行，以更改第一个因子的名称。然后，使用箭头键在表中导航、跨行或跨列移动。在以下因子的行中： 因子A，在名称中键入订单系统，在低中键入新建，在高中键入当前。在类型下，选择文本。 因子B，在名称中键入包裹，在低中键入A，在高中键入B。在类型下，选择文本。 3 单击确定返回到主对话框。,4-3、实验随机化 默认情况下，Minitab 会随机化所有设计类型的运行顺序，田口设计除外。随机化有助于确保模型可以满足某些统计假设，并有助于降低该研究中未包括的因子的效应。设置随机数生成元基数可以确保每次创建设计时都可获得相同的运行顺序。尽管您在实践中通常不这么做，但设置该基数可为您提供与此示例中所用的运行顺序相同的运行顺序。 1 单击选项。 2 在随机数生成元基数中，键入9。 3 确保已选中将设计存储在工作表中。 在每个对话框中单击确定。,根据此表去做实验。,4-4 DOE分析,4-4-1 数据输入 4-4-2 拟合步骤 4-4-3 拟合模型分析 4-4-4 效应图解释,根据试验计划表，做试验得到的数据如下： 14.72 9.62 13.81 7.97 12.52 13.78 14.64 9.41 13.89 13.89 12.57 14.06,4-4-1 数据输入,1 选择统计. DOE . 因子. 分析因子设计。 2 在响应中，输入小时数。 3 单击项。用箭头按扭来添加或删除因子和交互作用项；使用复选 框来包括模型中的区组和中心点。 4 单击确定。 5 单击图形。 6 在效应图下，选中正态和Pareto。 7 在每个对话框中单击确定。,4-4-2 拟合步骤,小时数 的效应和系数的估计（已编码单位） 项 效应 系数 系数标准误 T P 常量 12.657 0.1848 68.50 0.000 订单系统A 2.930 1.465 0.1848 7.93 0.000 包裹 -2.487 -1.243 0.1848 -6.73 0.000 订单系统A*包裹 1.897 0.948 0.1848 5.13 0.001 S = 0.640039 PRESS = 7.3737 R-Sq = 94.39% R-Sq（预测） = 87.37% R-Sq（调整） = 92.28% 对于 小时数 方差分析（已编码单位） 来源 自由度 Seq SS Adj SS Adj MS F P 主效应 2 44.305 44.305 22.1526 54.08 0.000 2因子交互作用 1 10.792 10.792 10.7920 26.34 0.001 残差误差 8 3.277 3.277 0.4096 纯误差