MINITAB质量分析工具应用大全(PPT 87页).ppt

MINITAB质量分析工具应用大全 测量系统分析数据正态检验工序能力分析功效和样本数量均值假设检验方差假设检验相关性分析实验设计控制图回归分析 1 1M 测量系统分析 连续型案例 gageaiag Mtw背景 3名测定者对10部品反复2次TEST 1测量系统分析 测量值随OP的变动 测量值随部品的变动 对于部品10 OP有较大分歧 所有点落在管理界限内 良好 大部分点落在管理界限外 主变动原因 部品变动 良好 1 2M 测量系统分析 离散型案例 gage名目 Mtw背景 3名测定者对30部品反复2次TEST 检查者1需要再教育 检查者3需要追加训练 反复性 两数据不能相差较大 否则说明检查者一致的判定与标准有一定差异 个人与标准的一致性 再现性 M 测量系统分析 离散型案例 顺序型 散文 Mtw背景 3名测定者对30部品反复2次TEST 张四需要再教育 张一 张五需要追加训练 反复性 两数据不能相差较大 否则说明检查者一致的判定与标准有一定差异 M 正态性测定 测定工序能力的前提 案例 背景 3名测定者对10部品反复2次TEST P value 0 05 正态分布 P越大越好 本例 P 0 022 数据不服从正态分布 原因 1 Data分层混杂 2 群间变动大 2数据正态性检验 3 1M 工序能力分析 连续型 案例 Camshaft MTW 工程能力统计 3工序能力分析 求解Zst 输入历史均值 历史均值 表示强行将它拉到中心位置 不考虑偏移 Zst Bench 求解Zlt 无历史均值 无历史均值 考虑偏移 Zlt Bench Zshift Zlt Bench Zlt Bench 12 13 1 82 0 31 3 2工序能力分析capabilitysixpack工具案例 Camshaft MTW 3 3M 工序能力分析 离散型 案例 bpcapa MTW 1 二项分布的Zst 缺陷率 不良率是否受样本大小影响 平均 预想 PPM 226427 Zlt 0 75 Zst Zlt 1 5 2 25 3 4M 工序能力分析 离散型 案例 bpcapa MTW 2 Poisson分布的Zst 4 11 sampleZ 已知u A 假设测定 决定标本大小 背景 Ha N 30 100 25 H0 N 25 100 n 为测定分布差异的标本大小有意水平 0 05查出力1 0 8 差值 u0 ua 25 30 5功效值 查出力 1 0 8标准差 sigma 10 4功效和样本数量 A 假设测定 决定标本大小 4 2 1 sampleT 未知u 背景 Ha N 30 100 25 H0 N 25 100 n 为测定分布差异的标本大小有意水平 0 05查出力1 0 8 差值 u0 ua 25 30 5功效值 查出力 1 0 8标准差 推定值 sigma 10 样本数量27 已知u的1 sampleZ的样本数量 t分布假定母标准偏差未制定分析 A 假设测定 决定标本大小 4 3 1Proportion 单样本 背景 H0 P 0 9Ha P 0 9测定数据P1 0 8 P2 0 9有意水平 0 05查出力1 0 9 P1 0 8功效值 查出力 1 0 9P2 0 9 母比率0 8实际上是否0 9以下 需要样本102个 A 假设测定 决定标本大小 4 4 2Proportion 单样本 背景 H0 P1 P2Ha P1 P2有意水平 0 05查出力1 0 9 P的备择值 实际要测定的比例 母比率 功效值 查出力 1 0 9假设P H0的P值 0 9 母比率0 8实际上是否小于0 9 需要样本217个 A 假设测定 案例 Camshaft MTW5 1 1 sampleT 单样本 未知总体标准差 背景 对零件尺寸测定100次 数据能否说明与目标值 600 一致 0 05 P Value 0 05 Ho 信赖区间内目标值存在 可以说平均值为600 5均值假设检验 A 假设测定 案例 2sample t MTW5 22 samplet 单样本 背景 判断两个母集团Data的平均 统计上是否相等 有差异 步骤 分别测定2组data是否正规分布 测定分散的同质性 t test 正态性验证 P Value 0 05 正态分布 P Value 0 05 正态分布 等分散测定 P Value 0 05 等分散 对Data的Box plot 标准偏差的信赖区间 测定方法选择 F test 正态分布时 Levense stest 非正态分布时 测定平均值 P Value 0 05 Ha u1 u2 A 假设测定 案例 Pairedt MTW5 3 Pairedt 两集团从属 对应 背景 老化实验前后样本复原时间 10样本前后实验数据 判断老化实验前后复原时间是否有差异 正态分布 等分散 0 05 P Value 0 05 Ha u1 u2 有差异 A 假设测定 5 4 1proportiont 离散 单样本 背景 为确认某不良P是否为1 检查1000样本 检出13不良 能否说P 1 0 05 P Value 0 05 H0 P 0 01 A 假设测定 5 4 2proportiont 离散 单样本 背景 为确认两台设备不良率是否相等 A 检查1000样本 检出14不良 B 检查1200样本 检出13不良 能否说P1 P2 0 05 P Value 0 05 Ho P1 P2 A 假设测定 Chi Square 1 MTW5 5 Chi Squaret 离散 单样本 背景 确认4个不同条件下 某不良是否有差异 P Value 0 05 Ho P1 P2 无差异 应用一 测定频度数的同质性 H0 P1 P2 PnHa 至少一个不等 A 假设测定 Chi Square 2 MTW 5 Chi Squaret 离散 单样本 背景 确认班次别和不同类型不良率是否相关 P Value 0 05 Ha 两因素从属 相关 应用二 测定边数的独立性 H0 独立的 无相关 Ha 从属的 有相关 A ANOVA 分散分析 两个以上母集团的平均是否相等 6 1 One wayA 一因子多水平数 背景 确认三根弹簧弹力比较 H0 u1 u2 unHa 至少一个不等 6方差假设检验 A ANOVA 分散分析 两个以上母集团的平均是否相等 6 2 Two wayA 2因子多水平数 背景 确认生产线 因子1 改善 因子2 影响下 测定值母平均是否相等 主效果和交互效果是否有意 A 相关分析 Scores MTW P Value 0 05 Ha 有相关相关 7相关性分析 I DOE 8 1 2因子2水准 因子配置设计 输出结果 输入实验结果 8实验设计 曲线分析 倾斜越大 主效果越大 交叉越大 交互效果越大 最大的data 统计性分析 实施对因子效果的t test 判断与data有意的因子 A B对结果有意 AB交互对结果无有意 通过分散分析 判断1次效果 2次效果的有意性 主效果有有意 交互效果无有意 显示因子的水准不能线性变换 Coded 时的回归系数 Coded是指实际因子水准 1 1 变换为线性变换 I DOE 8 2 多因子不同水准 因子配置设计 输入data 曲线分析 倾斜越大 主效果越大 无法确认交互效果 统计性分析 通过分散分析 判断1次效果 2次效果的有意性 主效果有有意 交互效果无有意 确认此后试验方向 最佳方向 I DOE 8 3 2水准部分配置 因子配置设计 背景 反应值 收率 Yield 因子 流入量 10 15 触媒 1 2 旋转数 100 120 温度 140 180 浓度 3 6 确认哪个因子影响收率 利用2 5 1 配置法 输入data 表示25 1部分配置的清晰度和部分实施程度 曲线分析 B D E有意 BD DE有交互作用 在A 10 B 2 C 120 D 180 E 3时 Y 95最佳 统计性分析 实施t test 判断有意因子B D E BD DE有意 通过分散分析 判断1次效果 2次效果的有意性 主效果和交互作用效果都有意 8 4最大倾斜法 一次试验 1 因子配置设计 背景 反应值 收率 Yield 时间 35min 温度 155时 Y 80 因子 时间 30 40 温度 150 160 确认哪个因子影响收率 利用中心点包括的22配置法 在中心点实验的次数 一次试验 2 统计性分析 实施对因子效果的t test 判断有意的因子 A B有意 通过分散分析判断1次效果 交互作用及曲率效果的有意性 1次效果 MainEffect 有意 弯曲不有意 故而没有曲率效果 一次试验 3 确认最大倾斜方向 线性变换的因子的水准还原为实际水准值 Step由实验者配置 Step10时Y取最大值 适用因子配置 二次试验 1 因子配置设计 背景 通过最大倾斜法求Y最大化的因子水平 通过追加实验 确认是否最佳水准的领域 收率 Yield 时间 80 90 温度 171 181 确认哪个因子影响收率 利用中心点包括的22配置法 二次试验 2 统计性分析 对因子效果t test 判断与Y有意因子 A B有意 CtPtP 0 05 存在曲率效果 分散分析 1次效果有意 曲率效果有意 结果解释通过等值线图及统计性分析 1次模形不有意 具有曲线的情形 因此判断2次模形更适当 实施反应表面计划 8 5 反映表面实验 1 因子配置设计 试验配置 中心合成计划 2因子 反应值 Y DATA 因数 水平 A Low 260 High 330 B Low 6 High 20 背景 通过最大倾斜法 在A 295 B 13状态下 判断最佳条件会出现 求将变量透过率最大化的最佳条件 Run13 Block没有的情况Run14 Block有的情况 输入试验结果 2 统计性分析 3 残差分析 对残差的正态分布假说的研讨 直方图 正态分布图 对分散同质假说的研讨 与拟合值 残差已确定为随机分布 可以进行分散同质假说研讨 3 坐标图分析 因子的最佳条件 A 289 310 B 11 18 预想Y 79 5 4 数值性分析 最佳化因子水平初期设定 大概值 Y 79 5 满足度 1 即意味着满足目标值要求 调整因数水平而使透过率更好 A 299 50 B 14 90时 Y Max 79 6163 I 反映表面实验2 多个反映值 1 因子配置设计 试验配置 中心合成计划 2因子 反应值 Y Y1 Y2 Y3 因数 水平 A Low 80 High 90 B Low 170 High 180 背景 通过最大倾斜法 知道反应时间A 85分钟 反应温度B 175F是最佳条件 求可以满足3个反应变量 Y1 Y2 Y3 结果条件的因子的最佳水准 2 统计性分析 误差项要不要Pooling 误差项Pooling的话 Lackoffit 失拟 的P value要大起来 R sq adj 要升高 或者Regression 回归 的F值要升高 不然的话 证明现在的模型更适当 2个因子的主效果 2次效果都有意 不实施Pooling 交互作用 Pooling到误差项时 R sq adj 和lackoffit的P值会减少 因此不Pooling A的2次效果 A A 不有意 故而Pooling到误差项 交互作用 A B Pooling到误差项时 R sq adj 和lackoffit的P值会减少因此不Pooling Pooling后分析结果 在项中去掉A A项后再次运行 Pooling后分析结果 在项中去掉A A A B项后再次运行 A B的2次效果 AA BB 不有意 Pooling到误差项 AB交互作用 Pooling到误差项时 R sq adj 和lackoffit的P值会减少因此不Pooling 3 坐标图分析 位于Plot的中央部的白色部分是A和B因子满足所有反应变量的水平值的范围 4 数值性分析 调整因子的水准 接近收率 Yield 78 5以上 粘性Viscosity 65 已修订的因子水准值 9 1XBAR R管理图 1 Xbar R n 10 正常的xbar R图 管理界限再计算 不考虑异常点 Xbar R图 9控制图 9 2Xbar S管理图 n 10 9 3P管理图 离散 样本大小不一定 3 P管理图 离散 样本大小不一定 按月 按值班组 改善前 6月 按改善前后等按层区别在一个坐标图上区分标注 如图可见 6月散步大 7 8月明显减少 9 3nP管理图 离散 样本大小一定 9 4C管理图 离散 不良数 9 5U管理图 离散 不良数 组大小不定 10回归分析 10 1一元线性回归 Minitab 在两个以上变量的关系上建立数学函数的方法 Response 选择种属变量 结果值 Score2Predictors 选择独立变量 输入值 Score1 EXH REGR MTW 10 1一元线性回归 Options Weight 为加重回归指定有加重值的ColFitintercept 决定在模型中是否除去绝对项Display Varianceinflationfactors 以多重空线型判别 VIF 影响值 指定VIF值输出与否 Durbin Watsonstatistic 指定检定残差自己相关Durbin Watson统计量输出与否LackofFitTests Pureerror 指定履行适合性检定时纯误差项的输出与否 Datasubsetting 指定把说明变量细分而提供类似反复效果的算法适用与否Predictionintervalsfornewobservation 推定回归式后 按说明变量的值推定y值Storage Fits 指定是否保存推定的y Confidencelimits 指定是否保存推定y的信赖水准的信赖区间 SDsoffits 指定是否保存y的标准偏差 Predicctionlimits 指定是否保存y的预测界限 Minitab Regression Results 在Session窗不显示任何结果时 显示基本的回归分析结果时 显示基础统计量时 显示追加统计量时 Graphs ResidualsforPlots 残差图象中显示的残差种类选择 Regular 在资料的原来测度内利用残差时 Standardized 利用标准残差时 Deleted 利用Studentized残差时ResidualPlots Histogramofresidual 画残差的Histogram时 Normalplotofresidual 画残差的正态概率图时 Residualsversusfits 想看残差的适合性时 Residualsversusorder 关于残差对比资料的顺序 Residualsversusthevariables 残差与变量之间的关系 Minitab Regression Minitab Regression 分析结果 回归方程式为SCORE2 1 12 0 218SCORE1P值比留意水准小 故驳回归属假设 即两个变量的回归系数不是0 对资料的说明程度 决定系数 为95 7 因第9个数据是非正常数据 故需要进一步观察 新数据的信赖区间为 2 7614 3 0439 预测区间为 2 5697 3 2356 Minitab 10 2Stepwise逐步线性回归 说明变量数量多时 添加或减少变量而选别适当的变量集合为目的所有可能的回归 当有k个变量时 调查从一个也不包含的模型至包含k个的所有模型前进选择法 在影响反应变量的k个说明变量中选择最大影响的变量 并判断为再无其它重要变量时 停止变量的选择后进选择法 在影响反应变量的k个说明变量中除去影响小的变量 并判断为再无可除变量时 停止变量的除去阶段别回归方法 在前进选择法里加后进选择法的方法 Minitab Stepwise Response 输入反应变量 Pulse2 Predictors 输入说明变量 Pulse1Ran Weight Predictorstoincludeineverymodel 指定先包含的变量 选择Forwardselection后指定留意水准留意水准 把预测变量追加到回归模型的基准 p值小于留意水准时追加 PULSE MTW Minitab Stepwise 显示进入模型的预测变量的最佳程度 若是2 则显示2个预测变量 输入要进行几次操作回归模型里要追加常数项时 StepwiseRegression Pulse2versusPulse1 Ran WeightForwardselection Alpha to Enter 0 1ResponseisPulse2on3predictors withN 92Step123Constant10 2844 4870 85Pulse10 9570 9120 851T Value7 429 749 27P Value0 0000 0000 000Ran 19 1 20 6T Value 9 05 9 93P Value0 0000 000Weight 0 134T Value 3 08P Value0 003S13 59 829 39R Sq37 9767 7170 85R Sq adj 37 2866 9869 85C p99 311 54 0bestalt VariableRanWeightT Value 6 70 0 54P Value0 0000 591VariableWeightT Value 1 62P Value0 108 Minitab 10 3BestSubsets最佳回归法 在分析者所希望的说明变量中找出最佳模型的分析 Response 指定反应变量Freepredictors 指定在模型里包含可能性的变量Predictorsinallmodels 指定必须包含在模型中的变量 包含在模型的至少变量数和最大变量数在说明变量数为相同的组合中 指定最高说明结果的几个输出与否 EXH REGR MTW 结果解释 在模型选择上有根据的统计量 R square adj R Cp Vars 包含在各模型的说明变量数 以下是如前所定的5个说明变量中包含2个至4个的模型中按R square高顺序所表示的 另在包含2个 3个 4个说明变量的模型中 每各变量个数输出3个 Minitab BestSubsets 履行单一回归步骤 绘出回归图在线型回归及多项回归中有用的方法 即一个变量对应一个反应值时 Options Response 指定反应变量Predictor 指定说明变量 仅一个 TypeofRegressionModel 指定回归Model 1 2 3次方程式 Transformations 反应变量与说明变量取10为底的LogDisplayOption 表示信赖区间及预测区间 Minitab 10 4FittedLinePlot拟合曲线回归法 Minitab FittedLinePlot 结果解释 显示2次项模型比直线模型更为适合 残差plot是为回归分析诊断而使用回归分析时 若保存了残差和推定值 Fits 则利用ResidualPlot步骤绘出残差图形 进行残差分析之前应先保存残差和适合值Stat Regression Storage 把Fits与Residualcheck Residuals 指定残差Fits 指定反应变量的推定值 Minitab ResidualPlots Minitab ResidualPlots 显示为检查残差是否近似于正态分布的正态概率图 接近直线时为良好 用类似于正态概率图的用途显示全面的残差形态的图象 正态分布形态时为良好 残差对适合值的图象是显示越小的预测值更为适合 当反应变量不是连续性的二分型 0 1 资料时的回归分析 Response 指定反应变量Frequency 输入频率数存在成功与试行次数 成功与失败 失败与试行次数形态的反应变量时 各自输入 Model 指定说明变量Factors 在说明变量中指定离散型变量 Graph 指定为回归模型诊断的各种图象 EXH REGR MTW Minitab 10 5BinaryLogisticRegression二元拟合线回归法 Results 通过图象诊断过程中显示不适合模型的值有2个 在图象上按鼠标右键则出现Play菜单 并通过Brush确认是第31号值与第66号值 Minitab BinaryLogisticRegression BinaryLogisticRegressionLinkFunction LogitResponseInformationVariableValueCountRestingPLow70 Event High22Total92FactorInformationFactorLevelsValuesSmokes2NoYesLogisticRegressionTableOdds95 CIPredictorCoefStDevZPRatioLowerUpperConstant 1 9871 679 1 180 237SmokesYes 1 19300 5530 2 160 0310 300 100 90Weight0 025020 012262 040 0411 031 001 05Log Likelihood 46 820Testthatallslopesarezero G 7 574 DF 2 P Value 0 023Goodness of FitTestsMethodChi SquareDFPPearson40 848470 724Deviance51 201470 312Hosmer Lemeshow4 74580 784Brown GeneralAlternative0 90520 636SymmetricAlternative0 46310 496TableofObservedandExpectedFrequencies SeeHosmer LemeshowTestforthePearsonChi SquareStatistic GroupValue12345678910Total