2016版最新-Minitab-培训教程.ppt

高级应用培训,上海泰珂玛信息技术有限公培训目标,学会Minitab的软件常用操作逐步体会在实际工作中应用Minitab深入掌握各功能模块,培训知识体系,软件操作,统计理论,质量管理,Minitab,课程安排,基础应用篇（结构功能、描述性统计、图表制作）统计分析篇（假设检验、相关与回归分析.）质量工具篇（SPC、MSA、DOE）,第一部分,基础应用篇,Basicapplication,第一部分,Minitab使用结构、使用技巧描述性统计原理、方法常见统计公式回顾常见图表制作及分析,本节我们将学到：,Minitab特点,数据处理，快速便捷图形处理，直观形象问题解决，深入全面,视窗结构,工作表窗口,图形窗口,会话窗口,项目管理窗口,文件类型,对工作表,对图形,对项目,数据类型,“D”表示日期/时间,“T”表示文本,列名,数据方向,数据输入区域,表示数值,常用菜单与命令,Minitab软件提供强大的Help文件，在该文件里，我们可以找到和质量相关的所有名词解释和统计相关的所有公式以及大量的案例，让我们更深入的掌握统计知识，了解质量内容,操作便捷高效,可以根据需要把常用的工具放在菜单栏中,菜单指令,在会话窗口显示结果,输出结果保存在表中,输入分类变量,计算结果,思考：输出的属性信息（N、N*、均值标准误、四分位数等表示什么意思？有什么作用？是怎么计算而来的？）,图形显示,注：Minitab输出的图形，可以直接复制+粘贴到word、pownpoint等软件。方便做报告时使用,数据与图形的对应,绿色=图形与数据同步(图形化汇总),黄色=数据发生改变，图形有待更新(图形),白色=不能更新(布局图,或者包括统计结果)(图形化汇总),图形编辑,步骤：1、单击选中所有条形2、再单击选中想要编辑的条形3、双击该条形，出现编辑对话框（如中图）,常用图表制作,箱线图直方图散点图时间序列图,这些图形的作用分别是什么呢？,箱线图,图形箱线图,Max,Q2,Min,异常值,Q3,Q1,点图,图形点图,点图常用于质量分析中的分层！,直方图,图形直方图,直方图作用：常用于定性判断样本分布情况（正态分布）,怎么样来编辑图形呢？能在图形上添加参考线吗,直方图,直方图,散点图,图形散点图,散点图(分组),散点图(分割面板),散点图用来判断两个变量之间的相关关系（一次关系、二次关系等，此图常常用于回归分析）,时间序列图,时间序列图用于考察样本数据随时间变化而呈现的趋势,练习I,您想要评估四个供应商提供原材料产品的耐用性。根据四个供应商提供的原材料生产的产品中测量60天后的耐用性。请用相关的图形进行判断和分析。,Data/供应商.MTW,练习II,公司关心相机电池的新配方是否能够很好地满足顾客的需要。市场调查显示，如果两次放电之间等待的时间超过5.25秒，顾客就会变得很不耐烦。您收集了使用过不同时间的（新旧配方）电池的样本。然后，您在每个电池放电后立即测量了其剩余电压（放电后电压），而且还测量了电池能够再次放电所需的时间（放电恢复时间）。请创建一个按配方分组的合适图形来检查结果。在5.25秒的临界放电恢复时间处包括一条参考线。,练习III,您的公司采用两种不同的过程来生产塑料小球。能源是一项主要成本，您想尝试一种新的能源来源。您在前半个月使用A来源（原有来源），而在后半个月使用B来源（新来源）。请创建一个合适的图标，用以说明两个来源下两种过程的能源成本。,Data/能源成本.MTW,第二部分,统计分析篇,StatisticsAnalysis,假设检验Hypothesis,统计分析篇之,假设检验,本节我们将学到：,1、假设检验概念、原理2、假设检验原则、步骤3、两类错误（弃真、纳伪）4、P值、置信区间5、单样本Z检验6、单样本T检验7、双样本T检验8、功效和样本数量的确定,统计方法结构,统计方法,描述统计,推断统计,参数估计,我们在什么时候会用到参数估计？,为何用假设,我认为该企业员工的平均年龄为50岁!,业务问题：某炼钢炉改变原操作方法以提高钢的收得率，现用二种方法各炼10炉，如何从10组数据来比较钢的收得率有显著提高？客户要求交货期为30天，现从运作中收集实际交货期数据，问：实际交货期是否符合客户要求？,假设检验,假设检验,上述问题都可以看成对总体或总体参数的某个假设，然后利用从总体中抽取的样本来判断假设的真伪。这就是假设检验问题。请将上述业务问题转化成统计问题,第一个业务问题实际上是检验二个总体的均值是否相等，即1=2；第二个问题实际上是检验交货期的均值是否小于等于30，即30。,什么是假设检验,1.概念事先对总体参数或分布形式作出某种假设然后利用样本信息来判断原假设是否成立2.类型参数假设检验非参数假设检验3.特点采用逻辑上的反证法依据统计上的小概率原理,假设检验的总体过程,假设检验的基本思想,.因此我们拒绝假设=20,样本均值,m,=50,抽样分布,m,假设检验原则,等号放在原假设原假设（Ho）和备择假设（H1）完备且互斥备择假设称为研究假设，把变化后的问题放在备择假设中,双侧检验,从统计角度陈述问题(U=4)从统计角度提出相反的问题(U4)必需互斥和穷尽提出原假设(U=4)提出备择假设(U4)有符号,检验企业生产的零件平均长度是否为4厘米,单侧检验,建立的原假设与备择假设应为H0:U=1500H1:U1500,采用新技术生产后，将会使产品的使用寿命明显延长到1500小时以上,双侧检验与单侧检验,假设检验中的两类错误,1.第一类错误（弃真错误）原假设为真时拒绝原假设第一类错误的概率为(Alpha)被称为显著性水平2.第二类错误（取伪错误）原假设为假时接受原假设第二类错误的概率为(Beta)1-被称为检验功效,两种错误的关系,你不能同时减少两类错误!,和的关系就像翘翘板，小就大，大就小,假设检验的步骤,提出原假设和备择假设确定适当的检验统计量规定显著性水平计算检验统计量的值作出统计决策,显著性水平与拒绝域,显著性水平与拒绝域,H0值,临界值,a,样本统计量,拒绝域,接受域,抽样分布,1-,置信水平,什么是P值,是一个概率值是观测到的原假设为真时的概率左侧检验时，P值为曲线上方小于等于检验统计量部分的面积右侧检验时，P值为曲线上方大于等于检验统计量部分的面积被称为观察到的(或实测的)显著性水平H0能被拒绝的最小值,利用P值进行决策,单、双侧检验若p值,不能拒绝H0若p值,拒绝H0,双侧检验,1/2,H0值,实际值,实际值,样本统计量,1/2p值,1/2p值,1/2,拒绝,拒绝,单侧检验,H0值,实际值,样本统计量,p值,拒绝,案例解析,STATEWIDE公司主要从事机床部件生产，从流程中抽样36件，得到这些部件的长度资料,已知部件长度标准差为8.2mm。试在置信水平为95%的要求下，请确定这一批部件的平均长度是否为42mm。,Data/单样本Z检验.mtw,单样本Z检验之一,统计基本统计量单样本Z,单样本Z检验之二,单样本Z检验之三,如果标准差未知，改怎么选择检验方法？,单样本T检验,我们知道某种类型硬盘的平均传送时间是0.545微秒，这是一个关键的质量参数(越小越好)。一个新的替代品被提出来(便宜一些)。替代的设计比原有设计更好吗？,data/单样本T.mtw,单样本T,单样本T检验用来判断样本均值是否和假设均值相等。（用于标准差未知的情况）。单样本T检验用样本标准差来估计总体标准差，通常需要样本服从正态分布。,当样本是从连续型总体数据中随机抽取的数据时使用单样本T要求数据要服从正态分布，但通常对此要求不是很严格，只要数据是非单峰的连续型数据数据即可,什么是单样本T,何时使用单样本T,为试验某种促销手段对产品销售的效果，选出20个环境大致相同的城市。其中10个实施该促销手段。另10个不实施该促销手段，得到销售额（单位：万元）资料,假设销售额都服从正态分布，且方差相等。试确定促销手段是否有效。,Data/双样本t检验.mtw,双样本T检验,双样本t检验之一,统计基本统计量双样本t,双样本t检验之二,双样本t检验之三,如果我们把原假设和备择假设互换，会出现什么样的情况？,功效和样本量,某钢铁公司项目团队在参数调整后，希望评估冷拉钢筋生产线上的钢筋平均抗拉强度是否能从2000Kg有所提高，假定生产线的制成的标准差为300Kg，经检验，钢筋平均抗拉强度已变为2150Kg。问：若在95%的置信水平下，检验功效为90%，项目团队对于“钢筋生产线上的平均抗拉强度是否从2000Kg有所提高的检验，需要抽取多少根钢筋才能同时达到这两类风险的要求？”,检验力与样本大小之一,统计功效和样本数量,检验力与样本大小之二,检验力与样本大小之三,练习,某轧钢厂为提高某管坯的屈服强度，改变轧制工艺的某些参数作试验，从取得的部分数据分析知：均值为Xbar=39.32，标准差为S=0.75，屈服强度服从正态分布，且目标值为40，希望探测到的差异d=0.68，若要作T检验分析其改变工艺是否有效，试确定样本容量。（取=0.05，=0.2）,练习,练习I,在某部件加工生产中，其厚度在正常生产下服从N（0.13，0.015*0.015），某日在生产的产品中抽查了10次，其观测值为：0.112，0.130，0.129，0.152，0.138，0.118，0.151，0.128，0.158，0.142.但发现其平均厚度已增大至0.136，若标准差不变，试问生产是否正常？（置信水平95%）,练习II,一种机床加工的零件尺寸绝对平均误差允许值为1.35mm。生产厂家现采用一种新的机床进行加工以期进一步降低误差。为检验新机床加工的零件平均误差与旧机床相比是否有显著降低，从某天生产的零件中随机抽取50个进行检验。利用这些样本数据，检验新机床加工的零件尺寸的平均误差与旧机床相比是否有显著降低？,Data/onesampleT.MTW,相关与回归Regression,统计分析篇之,回归分析,本节我们将学到：,1、相关与回归、回归基本形式2、相关系数3、最小二乘法4、模型判断、回归方程显著性判断5、残差分析、残差判断6、逐步回归7、最佳子集回,回归的基本概念,根据变量间客观存在的相关关系，建立起合适的数学模型，分析和讨论其性质和应用的统计方法，称为回归（Regression）。,客观事物的联系,确定性关系（函数关系）,非确定性关系（相关关系）,回归场景,行政某软件公司想知道电话排队与服务时间之间的关系。制造客户与供应商就客户收到的数量与给定提前期的几个月订货数量不一致。设计某化学工程师，设计了一个新的流程，想要调查关键输入因子与氨的堆叠损失之间的关系。,有效的数理统计工具,确认X和Y之间的关系；找到少数关键的X；通过设置X，控制和优化Y；对Y进行预测。,社会经济金融财务,工艺质量市场营销,常见的回归形式,回归分析的一般过程,散点图,散点图显示输入（x）跟输出(Y)的变化关系。当这些点随机的分布的时候，表示输入与输出之间没有什么关系。,散点图能显示出自变量X跟响应变量Y的关系。,相关系数,r:变化范围是：-1到1r=1绝对负相关r=0无线性关系r=+1绝对正相关,相关系数(r),X,Y,X,Y,X,Y,X,Y,X,Y,X,Y,强的正相关性r=.95,适度正相关r=.70,无相关性r=.006,其它模式无线性关系r=-.29,适度负相关r=-.73,强的负相关r=-.90,散点图与相关系数,回归模型,残差怎么样是情况才表明我们拟合的好？,最小二乘法,Min(),e,e,e,e,e,i,i,2,1,1,2,2,2,3,2,4,2,e=观测Y估计Y,a&b,理论公式,Yi=a+bxi,回归方程,回归斜率,回归截距,范例讲解,假如你是玩具熊公司的市场分析员，现已得到下列数据：Ad$Sales(Units)1121324254请问广告费用与销售额之间有关联吗？,0,1,2,3,4,0,1,2,3,4,5,散点图,Sales,Advertising,计算表,X,i,Y,i,X-X,i,_,Y-Y,i,_,1,1,-2,-1,2,1,-1,-1,3,2,0,0,4,2,1,0,5,4,2,2,(XX),i,(YY),i,2,1,0,0,4,_,_,计算,Y=-0.1+0.7x,模型的评估,1.变差测量可决系数(R2)标准误差(Se)2.残差分析3.显著性检验,X,i,变差图示,Y,X,Y,X,i,总离差平方和(Yi-Y),未被解释的离差平方和(Yi-Yi),解释的离差平方和(Yi-Y),Yi,Y,a,b,X,i,i,+,_,Yi,_,可决系数表示：由回归方程解释的总变异的比例,可决系数,0R21,R,2,回归方程解释的变异,总变异,SSR,SST,标准误差,残差分析(误差项随机),实例演练,下表为某工程师提供的数据.表明某特种钢的韧性与冶炼时间的记录：,Data/一元线性回归.mtw,一元线性回归之二,P表示什么含义？,拟合线图之一,拟合线图可以通过图形体现一元函数关系,实例演练,研究者想预测上班族的年收入，他收集了15位上班族的年收入（万元）、IQ、EQ和创造力，试用这些变量联合预测年收入。,Data/多元线性回归.mtw,多元线性回归之二,逐步回归之二,最佳子集回归,对于以实际问题，通常并不能得到一个公认的“最好的”回归方程，采用逐步回归的方法也会有不同的结论。为了不漏掉任何一种可能的好结果，我们使用最佳自己的回归方法，把所有可能的自变量的子集进行回归之后全部列举出来，以便研究者能综合考虑，从中选一个最满意的结果,最佳子集回归之二,实例演练,已知某感应器的感应距离和4中元器件X1、X2、X3、X4可能有关，记录13组数据，试分析这些元器件与该感应器之间的关系,Data/多元线性回归II.mtw,常见质量工具图,柏拉图因果图多变量图,本节我将学到：,柏拉图之二,Pareto：找出少数重要、和多数琐碎的缺陷，常用的原则是80/20原则,因果图之三,使用因果（鱼骨）图组织有关问题的潜在原因的集体讨论信息。图表帮助您了解潜在原因之间的关系。,人、机、料、法、环、测,统计过程控制,本节我们将学到：,1、统计过程控制原理2、中心极限定理3、常用控制图的选择、阶段4、八项判异原则5、连续型数据控制图（Xbar-R、Xbar-S、I-MR）6、离散型数据控制图（P、NP、C、U）7、两类错误,过程受控的判别,准则#1：1点落在A区之外。,ZoneA=+3,UCL,LCL,ZoneB=+2,ZoneC=+1,ZoneA=-3,ZoneB=-2,ZoneC=-1,准则#3：连续6点递增或递减。,过程受控的判别,准则#4：连续14点相邻点上下交替。,ZoneA=+3,UCL,LCL,ZoneB=+2,ZoneC=+1,ZoneA=-3,ZoneC=-1,ZoneB=-2,过程受控的判别,过程受控的判别,准则#5：连续3点中有2点落在中心线同一侧的B区之外。,准则#6：连续5点中有4点落在中心线同一侧的C区之外。,过程受控的判别,准则#7：连续15点落在C区之内。,ZoneA=+3,UCL,LCL,ZoneB=+2,ZoneC=+1,ZoneA=-3,ZoneC=-1,ZoneB=-2,过程受控的判别,准则#8：连续8点落在中心线两侧，但无1点在C区之内。,ZoneA=+3,UCL,LCL,ZoneB=+2,ZoneC=+1,ZoneA=-3,ZoneB=-2,ZoneC=-1,过程受控的判别,合理子组原则,在抽取样本时，要使组内波动仅由正常原因引起的，而组间波动由异常波动引起的,合理取样（时间）,以子组为单元收集数据：子组大小：45个为宜子组个数：2025个最佳抽样间隔：若每小时生产10个以下产品，间隔可为8小时若每小时生产1020个产品，间隔可为4小时若每小时生产2049个产品，间隔可为2小时若每小时生产50以上产品，间隔可为1小时,设某事物包装重量是一重要特性，为对其进行控制，在生产现场每隔一小时连续抽样5个样本产品重量，请用相关控制图分析过程是否受控。,问题：,数据收集：,该项目小组每小时随机收集5个样本，称其重量（数据有效）,工具：,Xbar-Rchart连续型数据子组大小是5,数据,Xbar-R.mtw,验证中心极限定理,练习数据的堆叠、拆分,实例演练,均值-极差图之一,.计算过程均值与平均值极差,.计算Xbar-R中心线与控制限,UCLXbar=+A2R=50.34+0.589.16=55.65,LCLR=D3R=*9.16=0,Xbar图：CL=50.34,LCLxbar=-A2R=50.34-0.589.16=45.03,R图：CLR=9.16,UCLR=D4R=2.119.16=19.33,均值-极差图之二,对于这张输出图形，我们该怎么分析？图形中每个点表示什么意思？先分析哪张图形再分析哪张图？为什么？红色数据点表示什么？该怎么处理？,Rchart,什么是R图？,R图绘出时间序列上子组间的极差来流程是否发生变化。R图表示组内波动，也是所考察过程波动大小的指示器。,何时使用R图？,使用R图来比较流程中子组内波动情况数据是按子组收集，且不能判断子组内是有波动AIAG建议子组大小小于8,为什么使用R图？,子组内波动是否显著？数据在意较短时间内波动情况？例如，Rchart可以考察：胶器由于间歇性堵塞导致提供的胶水不一致，这时胶板的变异会增加由于一松散的夹具，钻孔的位置产生较大的变异,A2、D3、D4常数表,注：在控制图中，通常用Rbar/d2来估计子组间标准差的计算，如果你希望在软件中变换过来，可以通过“X-bar选项”中的估计来设置，也可以通过工具选项控制图和质量工具估计标准差来更改默认设置,均值标准差控制图,某注塑产品的关键尺寸CTQ进行控制，每隔一小时测量10个尺寸，如表xbar-s.mtw,试做Xbar-s控制图进行分析,Xbar-S图的制作与分析方法与Xbar-R图一致，请参与Xbar-R图分析,比较分析：Xbar-R图和Xbar-S图哪个对流程的控制判断更为精确？为什么？,均值标准差控制图,1、计算过程均值和标准差2、计算Xbar-S图上的上下控制线Xbar图：UCLx=X+A3S=81.5542+0.980.873315=82.41LCLx=X-A3S=81.5542-0.980.873315=80.698S图：UCLs=B4S=1.720.873315=1.502LCLs=B3S=0.280.873315=0.245,控制图,统计控制图子组变量控制图Xbar-S,附录：A3,B3,B4表,计数型数据控制图,实例演练,在二极管生产线上，与每个班次结束前抽取数量不等的二极管进行检验，下面是12月份共计30个工作日每天不合格二极管数量的记录，绘制一控制图分析产品的不合格率是否受控,P图之二,CChart,统计控制图属性控制图C,练习I,您在汽车发动机组装厂工作。部件之一的凸轮轴的长度必须为600毫米+2毫米以满足工程规格。凸轮轴长度不符合规格是一个长期以来的问题，它引起装配时配合不良，导致废品率和返工率都居高不下。您的主管要绘制X和R控制图以监控此特征，于是您在一个月中从工厂使用的所有凸轮轴收集共100个观测值（20个样本，每个样本中5个凸轮轴），并从每个供应商处收集100个观测值。首先您将看到供应商2生产的凸轮轴。,Data/凸轮轴.MTW,过程能力分析CapabilityAnalysis,质量工具篇之,过程能力分析,本节我们将学到：,1、Cp、CPk计算及关系2、PP、PPk计算及关系3、西格玛水平计算4、正态检验与判别5、非正态数据能力分析步骤与方法6、离散型数据能力分析,什么是过程能力分析,什么是能力分析？,能力分析是用来评估流程满足规格要求的情况。流程能力分析包括：1、用控制图来判断流程是否处于受控状态2、判断流程输出的分布情况3、用Cp、Cpk、Pp、PPk或西格玛水平来评估长期流程能力和短期流程能力4、在做能力分析后应明白影响流程的因素有哪些？该怎么改进流程5、在当前流程下，PPM是多少？,过程能力CP与CPK,在我们做能力分析之前，请确信：1、流程处于受控状态2、可以找到相关的分布来拟合数据,Cp与CPK,对流程生产数符合要求的产品、服务的能力的测量CP短期流程能力在一段有限的时间内中心和均值重合看作是流程的最佳值CPK短期流程能力指标在一段有限时间内考虑中心与均值是否重合流程实际能力,Pp与Ppk,Pp:也称过程绩效指数,是从过程总波动的角度考察过程输出满足客户要求的能力(也成长期过程能力指数)PP、Ppk的算法与Cp、Cpk的算法类似，只是标准差不一样，过程总波动标准差长用S来估计,计算公式,实例演示,一家汽车轴承生产公司为调查某种轴承的控制水平，每隔30分钟测试10个数据值，结果如下页所示。已知轴承值的规范要求在121（mm）之间，试分析其过程能力如何。,Data/过程能力分析2.MTW,实例演练,统计质量工具能力分析正态,实例演练,过程能力等级划分(参考),警告：这不是可以适用于任何流程的标准,六西格玛水平的过程能力,Cp2.0Cpk1.5ProcessZ4.5（长期）,实例演练,一家调查公司为调查某种汽车尾气PH值的控制水平，每隔5分钟测试一次其PH值(10个)，结果如下页所示。已知PH值的规范要求在3.98与4.02之间，试分析其过程能力如何。,案例背景：,原始数据,过程能力分析之一,统计质量工具能力分析正态,非正态数据的能力分析,实例演练,某公司生产半导体陶制品，经理欲通过能力分析来考察流程满足客户要求的情况，改陶制品的中心处有一空心圆，通过公差设计要求圆心距边的距离不能超过30微米,案例背景：,使用工具：,NormalTest正态检验CapabilitySixpack-Normal六合一能力分析IndividualDistributionIdentification个体分布标识JohnsonTransformationJohnson转换,实例演练,P值小于0.05,此数据非正态,统计基本统计量图形化汇总,非正态流程能力分析,Cpk=0.62Ppk=0.62,流程能力分析,Cpk=0.61Ppk=0.61,离散型数据能力分析,前面讲的均为连续性数据能力分析，那么，对立离散型数据，我们应怎么样才对其进行能力分析呢？,案例,某公司在生产一零件过程中，一个月共生产2500个该零件，已知每个零件有10处能产生缺陷，在对产品检验过程中，共发现8个缺陷，试计算DPMO和西格玛水平,DPMO到西格玛水平,D：缺陷数O：单位缺陷机会U：单位数DPMO=【D/(UO)】106,根据DPMO的值，查找标准正态分布表，找到Z，即为西水平格玛,百万机会之缺陷数,计算,1、计算DPMODPMO=【D/（UO）】106经查表得此时西格玛水平为3.4,_8_,250010,106,=320,练习I,一家线缆制造商希望评估线缆的直径是否符合规格。线缆直径必须为0.55+0.05cm才符合工程规格。分析员评估过程的能力以确保其满足客户的要求，即Cpk为1.33。分析员每小时从生产线中取5根连续的线缆作为一个子组，并记录直径。,Data/线缆.MTW,综合案例,能力分析,首先绘制你所被告知的流程。在Minitab中执行能力分析。我们第一步是判定分布的特性。正态检验当数据不是正态时我们第一步该做什么？,缩窄范围,让我们从主效果图开始,拆分工作表,数据拆分工作表,数据表子设定,能力分析,总结,几种图表方法已经被可以使用班次shift对漏斗Filler1没有什么影响班次shift对漏斗Filler2影响很大漏斗Filler1，灌注头Head3看来导致瓶子灌不满漏斗Filler2，灌注头Head6看来导致瓶子灌太多,测量系统分析MeasurementSystemAnalysis,质量工具篇之,基本概念,测量系统对测量单元进行量化或对被测的特性进行评估，其所使用的仪器或量具、标准、操作、方法、夹具、软件、人员、环境及假设的集合；也就是说，包含获得测量结果的整个过程。,测量系统分析对测量系统进行评估，验证其是否在合适的特性位置测量了正确的参数，确定其需要具备哪些可被接受的统计特征，以便了解测量结果的变异来源及其分布。,变异分类,准确度和精确度,稳定性(Stability,drift)：随时间变化的偏倚值一个稳定的测量过程在位置方面处于统计上受控状态,稳定性,线性,线性(linearity)：测量系统在整个预期的工作范围内的偏倚变化。测量系统在整个操作范围的多个独立的偏倚误差的相互关系。,分辨力(discrimination,resolution)：能产生一个可探测到的输出信号的最小输入,分辨力,重复性,重复性(repeatability)：一个评价人使用一件测量仪器，对同一零件的某一特性进行多次测量下的变差是在固定的和已定义的测量条件下，连续（短期内）多次测量中的变差通常被称为设备变差(EquipmentVariation)设备（量具）本身的能力或潜能系统内部变差,再现性,再现性(reproducibility)：由不同的评价人使用同一种测量仪器及同一种测量方法，多次测量同一零件的同一特性时获得的测量平均值的变差。通常是指不同评价人变差,测量系统评估,测量系统评估,收集N(5-10)样品以代表长期流程变异。选择能平常进行测量的3个操作员。准备Minitab数据表栏标题分别为：部品，操作员让每个操作员单独随机地测量所有的样品一次。重复上一步两遍或以上。输入数据。,测量系统分类,实例演练,某食品厂生产袋装糖果。现随机抽取10包糖果请3位检验员用秤测量其重量，每人每包测3次，结果如下表。试做测量系统分析。,量具重复性与再现性之一,属性一致性分析,Kappa评判参考,0.9测量系统优良,Kappa应用示例,结果一致的比例:P观测=0.7随机产生的一致比例：P偶然=(PInsp1Good)(PInsp2Good)+(PInsp1Bad)(PInsp2Bad)P偶然=(.8)(.5)+(.2)(.5)=.5Kappa计算P观测P偶然Kappa=1P偶然1.如果两个人对每一张发票对保持同样的评价，Kappa=?2.Kappa等于零说明什么?3.如果两个人对每一张发票对保持不一样的评价，Kappa=?,数据列表,属性一致性分析之二,试验设计DesignOfExperiment,质量工具篇之,DOE的基本概念,试验设计（DesignOfExperiment，简称DOE），是对过程或产品进行改善或优化，找出最佳关键因子的方法。,DOE的起源与发展,20世纪20年代，费雪(RonaldFisher)在农业试验中首次提出，并与统计分析方法相结合成为生物学、农学、遗传学研究的重要方法。20世纪50年代，田口玄一博士(Dr.GenichiTaguchi)科学地将其应用于企业管理，使日本产品在国际上逐步树立了高质量的信誉。,DOE的益处,合理使用DOE能够：减少实验次数，降低成本；可按项目要求扩大或缩小实验规模；