JMP 基础 Ver01.doc

JMP 研修资料ConfidentialJMP 1Ver.8.0对应1. 目录 课程目的32.JMP概要33.JMP的主要功能JMP 功能名称4Starter的功能6Menus的功能74.操作的基本分析的流程8打开data table9打开多层file115.Date导入136.Date分析基本统计量 (直方图)15制程能力指数23Graphical ToolsNormal Probability Plot25Boxplots28Variability Chart32Trend Chart(倾向图)36Pareto图38Noisy Data40異常値(图形和 MAD法)41序列相关性(图形和测试)45分布的非正态性(图形和适合测试)51管理图56制成顺序56Date统计和 Noisy data check57MR法管理图62法管理图64工序稳定性check67管理界限线的储存读取707.记录（Journal）和布局（lay out）728.其他file date的处理769.打印和储存771. 课程的目的学习过品质基础培训的工程师，拥有同等知识的工程师，管理者等人，对JMP的基本使用方法熟练 (图表制成和见解，以及排除異常値的方法).2. JMP概要JMP是SAS INSTITUTE在1989年10月release的统计分析soft。SAS INSTITUTE是在60年代开始就在制作统计软件的soft maker大企业。长期作为Intel的供应商.JMP有十分优秀的data的图解分析能力，就算只有最少的统计学知识,也可以使用。基本的使用方法,data table 制成/导入分析等制成各种graph分析(检验, 回归分析)实验设计法打印/储存以此来进行的.本课程对应的是JMP Version 5.1.1.(2010年及现在的最新版Version 8.0).3. JMP的主要功能(1) JMP的功能名称JMP分为Starter, Menus, Toolbars，也有功能重复的部分。一般在Starter操作。StarterToolbarsMenus例 : Univariate(单变量)的分布(制成histogram直方图)Starter, Menus, Toolbars 在那里都能制成(2) Starter的功能Starter的命令名称及功能如下.文件(File)制成File, 打开, 储存, date移动, 打印, 结束 等基本统计量(Basic)制成直方图, 正态性检验, 回归分析 等模型(Modeling)正态分布, 相应情况的数据的平均的差异验证等多元(Multivariate)多变量分析，主成分分析，custer分析等可靠性(Reliability)可靠性分析等图形(Graph)柱形图，折线图，等高线图等曲面(Surface)多次元图像制成测量(Measurement)控制(Control)pareto图，制程能力指数，检测力等管理图实验设计(DOE)各种实验设计法（包含优化）表(Tables)Worksheet的date的统计和交换等SASSAS data管理(3) Menus的功能Menus的功能如下所示.文件(File)前page的 File编辑(Edit)复制，黏贴，删除，制成日志（多种记事引用）表(Tables)前 page的 tables行(Rows)对Spread sheet的横向性能 (property)操作(删除，添加，标签标记，排除，选择等)列(Cols)对纵方向输入的数据的性能 (property)操作 (删除，添加，公式输入等)实验设计(DOE)前page的 DOE分析(Analyze)前page的 Modeling, Multivariate, Survival图形(Graph)前page的 Graph工具(Tools)箭头(Arrow)光标帮助(Help)帮助选择(Selection)列，行等的选择滚动器(Scroller)滚动抓手(Hand)直方图等的变形操作笔刷(Brush)在图形上涂色套索(Lasso)组合图形上的点和data放大镜(Magnifier)放大十字准线(Crosshair)图形上十字准线的标识注释(Annoatate)在图形上插入注解线条(Line)在图形上添加线箭头符号多边形(Polygon)在图形上添加多边形简单形状(Simple Shape)在图形上添加椭圆四角形标识(View)Starter 标识, Toolbar的设定视图(Window)变更标识的画面帮助(Help)帮助 (对整个JMP)4. 操作的基本JMP与data table(date file)和图形分析的文件不同，是在制成图形及分析的时候，就准备能成为分析对象的data table.(1) 分析的流程以制成直方图为例. 制成data table (参考数据导入), 然后打开data table.(参考打开data table ) 将Starter置于前面，点击所制成的图形的备注. 在data table信息中选择需要的项目. 制成图形.(2) 打开data table 点击文件(File) 选项. 点击打开data table(Open Data Table). 选取对象文件后点击打开.(3) 打开多层文件打开多层文件时，先选择在解析处所使用的data table (先将其激活) ，然后操作Starter. 选择方法如下. 点击所选择的 data table的一部分，将其放置在前.点击放置在前 点击视图(Window) , 点击所需的文件将其放置于前.点击Toolbar的 Data Table List，察看并选取所需的文件.Data导入新建Data Table，输入数据.【操作】例子 1 : data导入将10天里的产品上所附着的异物数量输入新的数据表中. 点击文件(File)的 新建数据表 (New Data Table). 插入10行. a. 点击Sheet的红色倒三角键 ()，然后选择 添加行(Add Rows).b. 在要添加的行数 (How many rows to add)里输入10.c. 点击OK. 在列 1 (Column 1)点击右键，选择列信息 (Column Info). 在列名 (Column Name)中输入异物数量，点击 OK. 输入数据. 点击菜单栏的 文件(File)的另存为(Save As). 选择任意文件夹 (与其他数据文件一样的文件夹)，输入文件名(文件名如：Data)，并储存(在下面还将继续使用这个data sheet，因此保持打开状态.)Data 分析(1) 基本统计量（直方图）a. 中间值和平均值【解说】基本统计量（数据分析标识）中有平均标准偏差分散偏向度峰度（尖的程度）等.其中，虽然平均是以平均值来表现的,但一般为分布的中心。当分布为（非对称）时，也会使用 (media 中间值)n. =奇数的情况, 为中间数值.n. =偶数的情况, 为中间值的两个数据的平均.【操作】例子 2 : 基本统计量: 中间值和平均值使用例题1的数据，显示中间值和平均值. 点击基本(Basic)的 分布分析(Distribution). 点击异物数量， Y.列(Y. Columns)，OK.在这个数据里，中间值（media）比mean（平均）位于中心.b. Skewness（偏度）和 Kurtosis（峰度）【解说】在基本统计量里，以大致趋向正态性的地方为一个目标，则有Skewness（偏度）, Kurtosis（峰度）. 虽然全部以是正态分布为目标，但判断是用Shapiro-Wilk来验证的. 【操作】 3 : : Skewness（偏度） Kurtosis（峰度）下面的表是30个产品电镀厚度的测量结果. 显示Skewness（偏度）, Kurtosis（峰度）后察看数据分布.152.27152.68151.98152.12151.81151.74152.73152.50152.44152.97153.02151.83152.95152.32152.28152.58152.45152.97151.78152.39151.78153.43152.61154.15153.20152.29152.38152.84152.63152.86【使用文件】直方图.JMP 点击基本统计 (Basic)的 分布(Distribution). 点击Plating Thickness， Y.列(Y. Columns)， OK. 点击红色按键 (), 再点击显示选项 (Display Options), More Moments. Skewness（偏度） = 0.77 : 虽然基本上左右对称了，但有点倾向左边的倾向.Kurtosis（峰度） = 1.39 : 略微向某一处的数据集中.对于正态的详细的判定，请参考Noisy data的 非正态性一起尝试看看! 复制JMP的图表，粘贴于Word, PowerPoint, Excel等文件中!1. 打开粘贴的文件. (建议用Word, PowerPoint)2. 点击【JMP文件】菜单栏的选择(Selection).3. 点击想要复制的图形的边缘.(图形的颜色发生变化)4. 点击右键，选择复制(Copy).5. 导出复制的文件，使用编辑的 选择性粘贴进行粘贴(建议用画图)一起尝试看看!放大缩小图表!1. 在JMP里制成图表.2. 拉动想放大缩小的图表的右边边缘的光标.(光标会变成黑色)3. 长点鼠标左键的同时向右下角移动.(可放大)缩小时向左上角移动.制程能力指数【解说】制程能力指数以Cpk来表现. , 中以小的一边作为CPK.CP, CPK1.33客户的要求例题 4 : 制程能力指数图形是产品电镀厚度的测量结果. 在规格值内显示制程能力指数后察看制程能力.【使用文件】制程能力指数.JMP 制成直方图. 选择红色按钮 ()的 制程能力分布 (Capability Analysis). 在规格下限 (Lower Spec Limit)里输入规格的最小值，在规格上限 (Upper Spec Limit)里输入规格的最大值. (也有可能只出现一边的规格) 点击OK.制程能力优越.(2) Graphical Toola. NormalProbabilityPlot(NPP)【解说】大部分的统计都有一个叫做正态分布的前提条件。用NPP调查所收集的数据是否为正态分布. NPP是按直方图顺序进行累积，并为了使累积数表呈直线而变换Y轴.呈正态分布的数据排列成了直线. 另外对查找异常值也是有用的.直方图 累积数表 NPPNPP 图样(纵向形)偏向形异常值【操作】例题 5 : NPP图形是产品电镀厚度的测量结果. 在NPP里大致可看出正态性，异常值.【使用文件】NPP-Box Plot.JMP 制成直方图. 点击红色按键 ()，选择正态分位数图 (Normal Quantile Plot).大多数点都在一个直线上感觉上有规则性(Shapiro- 以Wilk test来确认)有脱离的data(表)比较怀疑异常値.(MAD法来确认)(下一张会使用这直方图，因此data和图形以打开的形态放置)Box Plot(盒型图)【解说】Box Plot显示的是data的偏差.(a) Box显示data中央 50%的值的范围.Box的长的叫法为 “Interquartile Range”(IQR).(b) Box中往外伸展的线会因有无異常値而导致定义的改变.異常値 无 : data的最大值和最小值.異常値 无 : 线的末端显示的是IQR1.5. 超过这个的data会脱离 Line, 并以異常値来表示.但Box Plot中就算以 異常値来表示也要以MAD法等来确认.中间值第25%data第75%dadaData 最小值Box中 1.5 X IQR的 dada 范围Box中 1.5 X IQR的 dada 范围Data 最大值異常値 无 異常値 有?Box Plot中以下的种类.(a) 脱离值的Box Plot(Outlier Boxplots)与直方图对比来表示一个data的分布.(b) 一元配置 Box Plot(Side-by-side Boxplots)利用于2以上的data分布的对.【制作】例题 6 : 脱离值的 Box Plot例题5的 data上制作 Box Plot, 想到大致的偏差.例题5的直方图中红色按钮的Outlier Box Plot 点击.菱形 平均值 信赖区间(信赖图95%) data的 50%密集的范围(叫 Shortest Half)有脱离Line的data. 有用MAD法做異常値判定的必要.例题 7 : 一元配置的 Box Plot以下表是产品 7 Lot的材料尺寸调查的结果. 作成一元配置的 Box Plot, 要想每Lot 偏差.Lot 1Lot 2Lot 3Lot 4Lot 5Lot 6Lot 7149.18144.78146.77167.85144.51134.96152.41151.31147.18150.66164.17144.41134.7146.76150.8145.66145.11168.23146.68135.02148.19149.06147.09145.09162.88145.4134.63143.75151.73145.86145.98163.1143.3134.87153.71148.15144.64146.77166.91146.87135.34145.13152.55143.67149.9165.78148.61134.6148.54【使用文件】boxplot. JMP(对data 的标示【参考】例的累积和下面叙述的管理图-data 总计参考) 基础统计(Basic)的 一元配置(Onaway) 点击. 材料长度, Y. 应答变数(Y. Response), Lot, X. Group变数(X.Grouping) 点击.OK 点击. 红色按钮()的 显示选项(Display Options)的 Box Plot 点击.按Lot 平均 有差异. 特别是 Lot 4, Lot 6对比于其他Lot 全部与平均有差异. Lot 7是 相对的Lot内偏差比较大.【参考】 例的累积(data为 1列)普通 data是举例 Lot No. X 提取 No.一起 (行X列)的形式标示，但 Box Plot的情况 data以 行X列形式1列累积(Stack)作成图表. (样品文件Stack的状态来标示)Data的 Stack 方法 管理图-data总计参考.VariabilityChart【解说】VariabilityChart是各data直接 Plot，所以平均值和偏差程度对比来比较适当. 且效果检证实验分析(pained t 检证)的时候異常値除法上利用.【制作】例题 8 : VariabilityChartNi镀金后的产品厚度为 1 Lot(Lot No.)每4个(Part)5方向(Site)10 Lot测定了.拔取 Part #1制作Box Plot 考察大量的偏差.【使用文件】 Variability.JMP Measure的 变动程度(Variability Chart) 点击. 以下内容一样选择. OK 点击.看VariabilityChart的方法(a) 纵向是 Factor B(此情况是Part No.)的data偏差.(b) 纵向中央的横线是 Factor B的 data.(c) 纵向的两个末端是 Factor B data的最大值和最小值.此 Chart上(a) Lot NO. 14, 58, 910来分布，偏差不一样.(b) Ni镀金后的厚度不能说是稳定的.(c) Lot 间偏差看着比 Lot内偏差大.比之详细的分析室方差分析(ANOVA)上做.(JMP 2)做一下吧! 变动程度的解释简单的做吧!(a) 红色按钮()的 cell平均连接(Connect Cell Means) 选择.蓝色线=Cell平均(此情况是part平均, 蓝色线)上可容易看到有无偏差.(b) 红色按钮()的 Group平均 标示(Show Group Means) 选择.绿色线=Group平均(此情况是Lot平均)的偏差容易知道.(c) 红色按钮()的 全部平均标示(Show Grand Mean)选择.虚线=全部平均和绿色线的差异成为 Lot平均的偏差.绿色线和蓝色线的差异成为 Lot内的偏差(此情况是part的偏差).b. Trend Chart【解说】趋势图是以时间列中的变数为打点在查看倾向和稳定性上利用.且, 查找異常値也有用.【制作】例题 9 : 趋势图以下表是产品 21 Lot的 引张强度测定的结果. Lot 按推移倾向 想想.Lot强度Lot强度Lot强度Lot强度1151.97159.913137.119152.72147.48143.814142.520147.43155.89152.715149.221157.34151.710147.416147.55149.211152.717151.96153.812143.818141.9【使用文件】倾向图.JMP 图表(Graphs)的 中和 plot(Overlay Plot) 点击. 与下方图一样设定后 OK 点击. 红色按钮()的 Y值选项(Y Options)和 点 连接(Connect Points) 选择. 整体上大的倾向无法看到，但Lot 7和 Lot 13 有脱离的倾向.異常値 数值判定 需.做一下! 图表的轴换一下吧! 前页的倾向图中 X轴 双击. 最小值(Minimum), 最大值(Maximum), 数值间距(Increment) 变更.(X轴和Y轴中点击左边再往左侧移动的话图表也会移动)c. pareto图【解说】Pareto图对以什么项目(不符合品或者其原因)开始改善的决定方面有用.【制作方法】例题 10 : Pareto图以下表是不符合品的订货数调差的结果. 作成Pareto图的倾向 想想.不符合项目发生数有 异物128划痕77变色26蚀刻不良5变形5Etching Pit3其他13计257【使用文件】Pareto图.JMP Measure的 Pareto图(Pareto Plot) 点击. 与以下图一样设定后 OK 点击.做一下! 其他往左边移动. 其他的图表轴 点击. 轴的附近放置游标 点击右边. 原因(Causes) 最边上移动(Move to Last) 选择. 图表上发生数 表示. 有异物(左边末端)的图表轴 点击. 按住换挡键, 其他(右边末端)的图表轴 点击. 点击右边 原因(Causes), 牌子(Label) 点击.(3) Noisy Data【解说】噪声数据 : 统计方法的大部分 data 正态分布的相互独立的来假定.此假定不成立的data(分布) Nosiy data(杂音), 分析结果带来恶影响.Nosiy data中有以下3种.a. 異常値 : 与别的data 有距离的datab. 序列相关性 : 前后的data影响的 没有独立的datac. 分布的非正态性 : 非正态分布的 dataNosiy data的判定方法各自的Nosiy data中判定方法有几个，但是图表中的判断和计算值的判断并行后希望综合性的判断.序列相关性 判定非正规性判定異常値 判定MAD法 判定判定式图表(NPP, 直方图等)图表(倾向图, 1个point移动的散步图等)图表(倾向图, Box Plot 等)Shapiro-Wilk Testa. 異常値【解说】異常値是指与其他data脱离的data. 会给平均值和标准偏差等影响，因此分析前去除.只是原因没有找出的異常値需要在图表上另点 必(原因没有找出的異常値另点可去除)【图表判定】倾向图, Box Plot 等来判定. 多的情况是可以发现的.【数值判定】图表中判断混软的情况时以数字上判断異常値的方法MAD(Median of Absolute Deviations)法. 只是因不是完全的方法，所以如果可以在图标上判断时不使用 MAD法.【制作方法】例题 11 : MAD法以下表是材料重量的测定结果. 图表和MAD法来判定異常値.152.07152.40153.78152.78152.13158.35152.62152.50152.26152.34【使用文件】MAD.JMP【图表判定】直方图或倾向图 作成.【数值判定】 Noisy_For_V4.JMP 打开(MAD.JMP和2个文件打开的状态) MAD.JMP活性化后 重量列 复制.( 点击后 编辑(Edit) 复制(Copy) 点击) Nosiy_For_V4.JMP活性化 Data 列粘贴.(Data 点击 编辑(Edit) 粘贴(Paste) 点击)153.78 158.35是 異常値.做一下! 任意的 data 不反应在图表和分析结果上.MAD.JMP的 153.78 158.35是 MAD法上異常値来判定，因此图表和分析结果上不反应出。 为了比较 MAD.JMP的全部data来作成直方图. MAD.JMP 活性化. 153.78的行3 点击. 3 右边点击除外/不除外(Exclude/Unexclude) 选择.分析上显示不除外的Mark 同样的方法 不标示/再标示(Hide/Unhide) 选择.图标上没有另点的Mark会显现. 158.35也是同样的方法. 再作成直方图.b. 序列相关性【解说】序列相关性是data连续值(计量值)也不独立的且前后 data所影响的情况.Data 独立.前后 data 受影响.(data中有倾向)相近 data 取相近的值Data取的间距宽的话不取相近的值序列相关性是频繁的发生.- 相同的条件下大量生产的情况(HVM = High Volume Manufacturing)- Data自动收集的情况(每5分钟 测量温度)- 相同的对象物反复测定的情况(电压, 震动)以对策收集data的间距放宽的等方法.【图表判定】用最初的图表来check. Data(另点) 30 必须.(a) 趋势图作成. 趋势浮动的话(顺次增加减少),是有序列相关性的.(规劝)(b) 原来的data和一个移动的data表中作成散布图.散布图有相关的话，序列相关性是有的.(详细的参考 做一下)【数值判定】依照格式产出的数值判断序列相关性的有无.【制作方法】例题 12 : 序列相关性下表外部温度(华氏) 每30分钟测定的结果.图表和数值判定来判定序列相关性.时间温度时间温度时间温度0.0 75.737.5 72.3315.0 76.620.5 74.78.0 73.3215.5 74.931.0 74.148.5 72.3616.0 74.851.5 73.319.0 72.3116.5 75.072.0 74.639.5 73.5517.0 75.542.5 74.2910.0 72.8217.5 75.663.0 75.5210.5 73.0 18.0 74.873.5 74.8111.0 74.0318.5 73.584.0 75.0811.5 72.8619.0 74.594.5 74.6212.0 72.4319.5 74.475.0 73.6612.5 73.8920.0 71.975.5 72.5613.0 74.4420.5 72.226.0 72.0413.5 74.3821.0 73.896.5 74.4514.0 76.2421.5 72.837.0 74.4514.5 75.0422.0 72.99【使用文件】序列相关性.JMP【图表判定】倾向图作成.【数值判定】 Noisy_For_V4.JMP打开 (序列相关性.JMP和2个文件打开的状态) 序列相关性.JMP活性化 温度(华氏)列复制. Noisy_For_V4.JMP Data 列粘贴.有序列相关性.做一下! 原来的 data和移动的一个data的散布图中判断序列相关性. 作成 原来的data和一个Shift的data的表.Original DataX1X2X3X4X5.Xn-2Xn-1XnShift DataX2X3X4X5X6.Xn-1Xn2的表中散布图 作成. 有相关时 有序列相关性. Original Data【使用文件】序列相关性.JMP一个移动的 data 增加. 列名称, 温度(华氏)的旁边双击后追加新列. 新的列名称Shifted data. 温度(华氏)点击后选择 data. SHIFT key按住 选择右边的 245(最后 data). 编辑,复制 点击. Shift data点击后 data 选择. SHIFT key按住 右侧的144(最后 第2个 data) 选择. 编辑，粘贴点击.散布图作成. 这 data table 活性化后基本统计(Basic), 二變量(Bivariate) 点击. 下面图片一样的项目选择之后， OK 点击.因看着有相关性，可定位有序列相关性.c. 分布的非正态性【解说】判定Data 是否为正态分布.【图表判定】大部分的情况是图表可判定. NPP, 直方图等. Data(另点)是30以上 必须.【数值判定】根据适合test 用数字表现正态性. JMP是按data数自动选择2个来test.(a) Shapiro-Wilk test(data2000)data和正态分布中的期待值 相关调查.“ProbW”0.05的情况时分布判断为有正态性.(b) KSL test(data2000)data和正态分布的异迹图数表的差 对比.“ProbD”0.05的情况分布判断为有正态性.注意事项) data数变大的话, (data 100异常)两 test容易失去正态性，因此一定要在图表上最前面确认!分布上没有正态性的代表性的例子有以下两种.(a) 山有2个异常的情况Lot和装置等分析data.(b) 分布上倾斜的情况data变换正态分布接近后分析.(参考) data变换的顺序(a) 右边末端分布的情况 Y=XZ, Y=Log(X)=ln(X) 使用. Y=x(Z=1/2) 变换. x的变换是左侧末端拉的情况是 1/2Z1的 范围来变换. x的变换也是右侧末端拉的情况是 Y=ln(X)来变换. ln(X) 的变换是左侧末端拉的情况是 0Z1/2的范围变换.(b) 左侧末端拉的分布的情况 Y=XZ, Y=eX 使用. Y=X2(Z=2)来变换. X2的变换也是右侧末端拉的情况是 1Z2的范围来变换.各变换后，图表和适当的 test来调查正态性. (判定基准是同样的)有正态性来判断data来分析.只是规格和管理界限线等同样变换才行!【操作】例题 13 : 检查正态性和数据变换下表为产品60个LOT的异物附着书的调查结果.根据图形和数值判断，来判断正态性. 另外，未出现正态性的情况，先变换数据后再判断.6093039030901641220148882016447201522131484033183855155743360483927755811527441837148273320727151027154053333253011【使用文件】 正态性.JMP(文件内也包含了变换后的数据)【图形判断】直方图, 制成NPP.(Y.列(Y.Columns)处选择 异物附着数)【数值判定】 (在histogram上)选择红色按钮()的 分布的应用(ContinuousFit)的 正态(Normal) 选择红色按钮()的 符合度(Goodness of Fit)Shapiro-Wilk testProbW0.05(5%)的时候没有正态性因为没有正态性，所以对数据进行变换后再次进行Shapiro-Wilk TestHistogram是拉着右侧角所以 X 变换.(平方根变换) (利用规定性.JMP) 在Y.Columns选择 平方根变换后制作histogram, NPP.变换后再次做Shapiro-Wilk Test ProbW0.05(5%)的时候没有正态规定性还没规定分布，所以把原来的data用其他方法进行变换.分布是还是拉着右侧角所以变换为 Y=ln(X).(代数变换) (利用正态性.JMP) Y.Columns选择代数变换后制作histogram, NPP.变换后做 Shapiro-Wilk Test ProbW0.05(5%)的时候有正态性代数变换后的数据看做正规分布也行.管理图【解说】管理图用来确认工序稳定性或用来调查是否在管控下。工序稳定意味着管理项目的平均值与标准偏差保持一定，因此可预测的意思。管理图的种类MR法(Moving Range Method)管理项目是平均值和标准偏差。管理界限是平均值2.66*平均移动量来计算。有自我相关性时不使用。.法(Sigma Method)管理项目是平均值和标准偏差。管理界限是平均值3*标准偏差来计算。有自我相关性也是用。Schuchardt法(X-bar R Method)管理项目是平均值和范围。管理界限是平均值系数*范围的平均值来计算。Lot生产的工序上不使用。a. 制作顺序 定管理项目(如 : 平均和标准偏差)。 收集Data。最低需要30 Lot()。每个Lot数据定为310。 每个Lot算出管理项目。 管理项目是打点. 一般1个 Lot 1个打点。 每个管理项目都要确认Noisy Data。 制作管理图。 确认工序(流程)的稳定性。b. data 汇总和 Noisy data check管理图的制作是把收集的数据汇总后对汇总值Noisy data check。例 : MR法/法每个Lot汇总的平均值标准偏差值Noisy data check。【操作】例子 14 : 制作管理图(汇总和 Noisy data check)以下表的数据是对20 Lot产品，每个产品各测量4次抗张力的结果值。为了制作收集 data 后Noisy data check。LotData 1Data 2Data 3Data 4136.533.444.435.8232.231.636.734.4346.537.840.242.1434.337.239.833.6540.741.538.736.8631.834.739.437.2733.440.544.743.8835.437.633.629.8943.741.340.638.31040.339.237.435.41130.632.738.238.61242.440.643.837.81338.439.635.734.31433.137.238.437.51532.939.239.741.41641.343.838.939.31748.140.940.337.81839.635.741.435.31943.742.139.236.72030.333.136.539.4【使用文件】 管理图.JMP每个Lot要汇总平均值和标准偏差。 选择Table的Stack。 按住 shift key 点击X1, X2, X3, X4后点击增加(Add)。 累计data列(Stackde Data Column)的data,原来列的标签(Source Label Column)里写入repeat。 点击列 累计(Stack)。合计A(累计) 选择红色按键()的 Table的 简要(Summary)。 点击Lot, Group。 data, 统计量(Statistics), 平均(Mean)(选定data的情况下) 点击统计量(Statistics), 标准偏差(StdDev)。 点击OK。合计B(每个Lot 平均/标准偏差)Noisy data check。在合计B的 data table上对平均值与标准偏差各自确认。平均值 data没有 Noisy data标准偏差 data 没有 Noisy data(下一张使用这个 data table，所以就打开后不要关闭)c. MR法管理图【操作】例子 15 : 管理图的制作(MR法)利用例子 14的 data(管理图.JMP)制作 MR法管理图及确认安全性。制作管理图(MR法). 对合计A的data table进行活性化。 选择Control的 管理图(Control Chart)。 选择管理图的种类(Chart Type)的 事先合计(Presummarize), 点击Group平均(测量值)(Individual on Group Means) Group标准偏差(测量值)(Individual on Group Std Devs)。 点击Lot, Sample Label。 点击data, 工序(Process)。 点击Sample Grouped by Sample Label。 点击OK。管理图可判定产品的拉伸度是稳定的。 (对于判断安全性的详细内容参考工序稳定性确认)d. 法管理图【操作】例题 16 : 制作管理图(法)运用例题14的data (管理图.JMP)，制作法管理图，核对稳定性。Data汇总与Noisy data check方法与MR法相同。计算每批次的平均值的标准偏差，每批次的标准偏差。 激活汇总B的 data table。 选择()的 Table的 概要(Summary)。 点击平均(data)(Mean(data), 统计量(Statistics), 标准偏差(Std Dev)。 点击标准偏差(data)(Std Dev(data), 统计量(Statistics), 标准偏差(Std Dev)。v 点击OK。标准偏差(平均(data) = 每Lot平均值的平均偏差2.64326229标准偏差(标准偏差(data) =