Minitab入门手册.ppt

1,7.处理能力的分析和评估,处理能力是：短期处理能力Cp,Cpk每一子群(批,)长期处理能力Pp,PpkCp,Pp=|USL-LSL|/6sCpk,Ppk=|USL-X平均|/3s或|X平均-LSL|/3sUSL:上控制限LSL:低控制限s:样品标准偏差,2,能力分析,1)输入到数据窗口,子群,3,统计质量工具能力分析(正常),如需要输入规格并点击“Estimate”和“Option”。,2)分析方法,输入需要的项目。,输入列和子群的大小。如果在一个Lot中只有一个数据，那么子群大小将为1。,4,检查子群大小是否大于1,输入“选项屏幕上的Target“(此例中为40),点击OK将返回到前一屏幕。再次点击OK。,选项屏幕,估计屏幕,5,短期处理能力指数：Cp,Cpk长期处理能力指数：Pp,Ppk,(LowerSpecLine),(UpperSpecLine),长期处理能力,3)分析结果,柱状图,正态分布曲线,平均值,Sigma-值,Zlt=Ppk3Zst=Zlt+1.5,短期处理能力,短期和长期DPMO,6,如果连续数据包含长期和短期数据,SixSigma处理报告,L2电子表,2)分析方法,再假设有如此表中的50Lot数据。,1)输入到数据窗口假设有50Lot数据，每个Lot含有5个数据块。,L/#,7,选择C1至C5包含数据,输入高低限规格,选择“Reports”,Zlt,Zst,3)分析结果,输入必要的项目。点击OK。,8,平均值和标准偏差控制图,处理能力和规格公差,L2工作单(连续值的sigma分值计算)目的：计算在何位置当前的CTQ特征值（连续值）位于目前的sigma-值。作用：1)了解当前状态以便能够决定是否做出改进（也就是说，切换到较早处理阶段的改进如设计，因为如果Zst和Zlt之间的差异小于1.5则不能实现改进）或便于当目标值设定、在做决定时作为数据使用。2)Zst和Zlt的含义Zst:一短期sigma-值，通过将每组的标准偏差（平均）转换为sigma-值而得到。Zlt:一长期sigma-值，通过将所有组的全部标准偏差（平均）转换为sigma-值而得到。3)Xbar和S图(同于将在以后解释的Xbar和R图),如上所示Xbar图中的一个点的数据代表数据的平均值。所以，图表表示数据平均值的所有趋势。以上S图的一点显示以上Xbar图中一点的标准偏差。这样S图便显示数据间的离散趋势。以上的两图显示何时平均值变化和何时离散较大。这两张图允许对为什么CTQ特征值变化或为什么特征值产生错误进行估计。（例如，可假定在此期间工作标准并未被完全遵守。）L2工作单被用于处理控制图，有助于在做出改进后防止问题的再次发生或防止常见问题。,9,离散值的数据集合,SixSigma计划报告,L2工作单,1)输入到数据窗口,2)分析操作,输入适用的列并点击OK。,10,Zst,L1工作单,DMPO对Zst,3)分析结果显示在阶段窗口的结果。,结果图表。,11,L1工作单(离散值的sigma分值的计算)目的：计算在当前的sigma值中当前的CTQ特征值（离散值）如果定位。作用：1)了解当前的状态以便于能够决定是否做出改进或在目标值设定的情况下在做出决定时作为数据使用。,Zshift和Zst,12,8.相关性分析和回归分析,13,相关性,1)输入到数据窗口,获取Minitab标准数据。阅读Minitab数据文件夹中的“MTBWINDataExh_regr.mtw”。,统计基本统计相关性.,2)分析操作,相关性分析有助于在众多变量中同时了解相关性。目的：在多于一种变量间计算相关系数。作用：减少主要变量及原因。相关系数R2是一个表达两变量相关强度的值。R2至1强正相关性0R21弱正相关性-1R20.05则判断为无明显差异,3)图表,26,统计ANOVA单向或单向（非堆积）,多于三个平均数据的显著差异检验,以下两种方法用于检查三种粘合剂(shurui)的强度。在单独的列中输入1、2和3类数据(C1至C3)。在C5中输入类型数据并在C6中输入数据(C5和C6)。1)输入到数据窗口,2)操作,单向：当数据输入一列时使用(C5和C6)。单向(非堆积)：当数据输入不同列时使用(C1至C3)。,27,选择含类型数据的列(shurui)。通过拖曳，而不是点击倒转此列，并点击Select,如需要点击“Graphs”,数据输入到单独列时,28,当数据输入到一列时,选择单独列,如需要点击“Graphs”,点击项目以显示,29,3)图表,30,离散值数据检验,卡方,统计表卡方检验,拖曳并选择列,点击OK,1)输入到数据窗口按工作时区以组计算接受的和丢弃的产品数量。2)操作,31,预期值,P-值0.05:存在显著差异,卡-计算值,3)阶段窗口,32,10.方差分析(ANOVA),33,平衡ANOVA,ANOVA(方差分析)是一种非常有用的技术，是检验设计(DOE)和度量R&R(测量系统评估)的基础。简言之，它利用在F-检验中的离散比值帮助确定子群间和子群内的离散是否相同。目的：确定因素和结果之间的因素关系。作用：因素影响的决定、减少主要因素和数学表达式的模型化。*平衡数据意味着因素的数据个数是相同的。,统计ANOVA平衡ANOVA.,1)数据阅读2)分析方法,阅读Minitab文件夹中的标准练习文件。双击MtbwinDataGageaiag.mtw。,34,指定结果(Y变量)选择多于一种因素(X变量),*在检查相互作用的影响时用此种形式指定(二者择一地，所有的主要效应和相互作用将通过指定部件|操作员进行分析)。,点击按钮“Graphs.”并点击以下对话框中的剩余曲线图显示：,35,剩余数据列柱状图,剩余数据列的正态概率图(如为直线则为正态分布),剩余数据对预期值通过数学表达式模型做图(检查独立性和随机性),3)分析结果,36,方差分析(平衡设计)FactorTypeLevelsValuesPartfixed1012345678910Operatorfixed3123AnalysisofVarianceforResponseSourceDFSSMSFPPart92.0587080.228745177.090.000Operator20.0480000.02400018.580.000Part*Operator180.1036670.0057594.460.000Error300.0387500.001292Total592.249125SourceVarianceErrorExpectedMeanSquareforEachTermcomponentterm(usingunrestrictedmodel)1Part4(4)+Q1,32Operator4(4)+Q2,33Part*Operator4(4)+Q34Error0.00129(4),剩余数据对数据顺序做图(检查独立性和随机性),阶段窗口分析结果(ANOVA表),自由度,平方和,方差,F-值,P-值,37,方差的均一性,统计ANOVA方差的均一性,方差的均一性是一种检验多于一个子群数据的离散（方差）是否完全均一（零假设）或是否有一群具有不同的离散（方差）（备责假设）。如果分析结果P-值大于0.05(风险5%),可以得到结论认为所有了群的方差都是相同的。目的：比较子群的方差作用：在使用ANOVA时每一子群的方差相同是前提条件。所以，在进行ANOVA以前必须研究方差的均一性。,1)数据阅读2)分析方法,阅读Minitab文件夹中的标准练习文件。双击MtbwinDataGageaiag.mtw。,38,3)分析结果(图表窗口),每一子群估计方差值的置信区间,Bartletts检验：假设正态分布的检验Levenes检验：不假设正态分布的检验,指定测量数据(Y变量)。指定一数据列以区分子群。点击OK。,置信区间,39,方差的均一性ResponseResponseFactorsOperatorConfLvl95.0000BonferroniconfidenceintervalsforstandarddeviationsLowerSigmaUpperNFactorLevels0.1273580.1773160.2838792010.1542570.2147670.3438392020.1405340.1956600.313249203BartlettsTest(normaldistribution)TestStatistic:0.679P-Value:0.712LevenesTest(anycontinuousdistribution)TestSt