MINITAB质量策划工具(doc 7页).doc

MINITAB质量策划工具（Quality Planning Tools）1、走势图（Run Chart）概述走势图可以显示你将处理的数据的变化趋势，并对非随机行为进行两种检验。走势图同时显示所有的观察结果及子组数，并在中位数处划一水平线。但子组大小大于1时，走势图还可以显示子组的均值或中位数并以线条将它们连接起来。 对非随机行为的两种检验可以探察趋势、变动幅度、混合及数据的聚类性。这些分析表明已察觉的变差来自于异常因素，即来自于系统外的可以被纠正的因素。另一方面，一般因素导致的变差，是隐含的变差或过程自身的属性导致的变差。一个过程当仅有一般因素而不是异常因素影响过程输出时才是受控的。 例假设你在一家生产各种测量辐射的设备的公司工作。作为QC工程师，你对一个薄膜型的装置持续测量辐射量的设备感兴趣。你希望分析在一个试验室中收集的二十台设备的数据。每次测试后，你都记录下了每台设备测量的辐射量。作为探讨性的测量，你决定利用走势图评价测量结果的变动性。1Open the worksheet RADON.MTW.2Choose Stat Quality Tools Run Chart.3In Single column, enter Membrane. 4In Subgroup size, enter 2. Click OK. 结果结果分析聚类检验在0.05的水平上是显著的。既然聚类检验的概率（p=0.02）比0.05小，你可以得出结论存在异因影响你的过程，你应该调查可能的来源。聚类可能意味着取样或测量有问题。注：在这里选择0.05的显著性水平进行说明。因为在许多应用中它都适用。你可以选择任何显著性水平对非随机现象进行检验显著性评估。当显示的p值比选择的显著性水平低时，你应拒绝虚拟假设数据随机排列支持另一个选择。参见对随机性检验的更完整的研讨。2、排列图（Pareto Chart）概述排列图是一种条图，其横轴表示研究对象的类别，而不是连续的刻度。横轴的分类通常是缺陷。通过按最大到最小顺序排列的条形，排列图可以帮助你判断缺陷中有哪些是关键的少数以及次要的多数。一个累积百分比的连线可以帮助你判断每个类别的累加效果。排列图可以将改善努力的重点放在可以取得最大成果的因素上。 排列图可以为所有的数据画一张图，或数据内部的分组对应的几个独立的图形。例1 Example of using Pareto Chart using Raw Data 你所工作的公司制造金属书架。在最终检查中，一定数量的书架因为划伤、裂片、弯曲或花边等原因被拒收。你希望通过排列图了解是什么缺陷导致了主要问题。首先，你计算每个缺陷发生的次数，接着你在每次发生时将缺陷的名称输入到叫“Damage”的工作表列中。1Open the worksheet EXH_QC.MTW.2Choose Stat Quality Tools Pareto Chart.3 Choose Chart defects data in and enter Damage in the text box. Click OK. 结果1 结果分析175%的损失是划伤和裂片造成的，因此你应该将改善的重点放在这两个方面。 例2 Example of using Pareto Chart using Count Data假设你在一家制造摩托车的公司工作。你希望减少因为速度计不良导致的质量成本。在检查中，一定数量的速度计被拒收，缺陷的类型也被记录了下来。你在“Defects”中输入缺陷的名称，在“Count”中输入相应的计数。你知道你可以将重点放在导致大多数的拒收的缺陷上而省下许多钱。一个排列图可以帮助你识别哪些缺陷导致了多数的问题。1Open the worksheet EXH_QC.MTW.2Choose Stat Quality Tools Pareto Chart.3Choose Chart defects table. Enter Defects in Labels in and Counts in Frequencies in. Click OK. 结果2结果分析2一半以上的速度计是因为无螺钉而拒收，因此你应将重点放在这个问题上。例3 Example of using Pareto Chart with a By Variable 假想你在生产洋娃娃的公司工作。最近你注意到，在工厂最终检查中，因为划伤、剥落、脏污而被拒收的洋娃娃数量在上升。你想了解是否在类型和缺陷数量以及生产洋娃娃的班次之间存在某个关系。1Open the worksheet EXH_QC.MTW.2Choose Stat Quality Tools Pareto Chart.3Choose Chart defects data in and enter Flaws in the text box. In BY variable in, enter Period. Click OK结果3结果分析3夜班生产的缺陷品较多。大多数的问题是划伤和剥落引起的。如果你检查夜班生产的过程细节的话，你可能会了解到很多与问题相关的信息。3、因果图（Cause-and-Effect Diagram）概述利用因果图（鱼骨图）来组织头脑风暴法获得的关于问题的潜在原因，它可以帮助你识别潜在原因之间的关系。你可以画一张空图，或在图中添加任何你想添加的信息。例 Draw a blank diagram利用排列图，你发现你的零件主要是因为表面缺陷而被拒收。今天下午，你将与不同部门的成员利用头脑风暴法寻找这些缺陷的潜在原因。你需要提前打印出一张因果图帮你组织会议中的信息。你可以： 画一张空图 1Choose Stat Quality Tools Cause-and-Effect.2Check Do not label the branches, then click OK 画一张带空枝的图 1Choose Stat Quality Tools Cause-and-Effect.2In Title, type Sample FISHBONE Diagram, then click OK. 画一个完整的图 1Open the file EXH_QC.MTW.2Choose Stat Quality Tools Cause-and-Effect.3Under Causes, type Man, Machine, Material, Method, Measure, and Enviro in rows 1 through 6, respectively.4In Effect, type Surface Flaws. Click OK.结果 画一个完整的图4、多变量图（Multi-Vari Chart）概述Minitab可以显示最多含四个因子的多变量图（Shainin multi-vari charts）。多变量图以图形表示变差分析的结果从而为变差分析提供了又一种可视化的选择。这些图还可用于数据的初步分析以纵览数据。该图同时为每个因子的不同水平显示平均值。例 你负责评价三种不同金属的烧结时间对耐压强度的影响。You are responsible for evaluating the effects of sintering time on the compressive strength of three different metals. 在每个烧结时间下各取5个金属样本测量耐压强度：100 minutes, 150 minutes, and 200 minutes. 在进行全面的数据分析前，你希望通过多变量图观察数据是否有可察觉的趋势或交互作用。1Open the worksheet SINTER.MTW.2Choose Stat Quality Tools Multi-Vari Chart.3In Response, enter Strength.4 In Factor 1, enter SinterTime. In Factor 2, enter MetalType. Click OK. 结果 结果分析多变量图表明在金属类型和烧结时间长短之间存在着交互作用。烧结100Min时，金属1获得最大耐压强度，金属2烧结150Min，金属3烧结200Min。为量化分析交互作用，你可以进一步地使用变差分析或通用线性模型。5、对称图（Symmetry Plot）概述对称图可以用来评价样本数据是否来自于对称分布。许多统计过程假设数据来自于正态分布。然而，许多过程不服从正态分布，因此数据来自于一个对称分布通常是必要的。其它统计过程，比如非参数方法，假设数据来自于对称分布而不是正态分布。因此，对称图在许多情况都是一个很有