MINITAB使用手册

1、MINITAB使用手册本手册主要介绍如何使用MINITAB，应用统计分析手法以推动Six Sigma 的MAIC方案改善步骤。以下我们就MAIC各阶段的重点及MINITAB所提供的相关应用工具逐步说明。所谓MAIC是指测量（Measure）、分析（Analyze）、改善（Improve）与控制（Control）四个阶段，分别解释如下：测量：确认测量系统能正确地测量目前过程与流程的绩效水平。分析：找出造成过程绩效变异的关键变数及其影响程度。改善：改善造成过程绩效变异的关键变数，以改善过程、流程绩效水平。控制：维持改善成果，并标准化、文件化以防止再发生。MINITAB 在Six Sigma各个阶段

2、使用工具说明:一、测量阶段使用工具测量系统分析（MSA: Measurement System Analysis）；二、 过程数据的收集与分析阶段使用工具如下：1、 原因分析：-特性要因图（Cause-and-Effect Diagram）2、 稳定性分析：推移图（Run Chart）控制图（Control Chart）3、 过程能力分析：常态分配的检定（Normal Probability Plot）对称图（Symmetry Plot）过程能力指数：Cpk(Cpk越好，过程能力越好，Target: Cpk>1.33)4、 一维与三维（One & Three-Dimensiona

3、l）图形分析点图（Dot Plot）箱形图（Box and Whisker Plots）直方图（Histogram）3D图（3D Plot）5、 输入参数/输出品质特性数据分析：柏拉图（Pareto Plot）散布图（Scatter Diagram）边际图（Marginal Plot）矩阵图（Matrix Plot）等高线图（Contour Plot）6、 数据分配形态、差异、相关性分析工具：-决定过程数据的分配形态及分布（叙述统计：Display Descriptive Statistics）-决定过程平均值与我们标准值的目标值是否相同？（1-Sample Z；1-Sample t）-决定两

4、个过程或更多过程之间的平均值是否相同？（两个过程的比较使用2-Sample t or Paired t, 2者以上或更多之间的比较使用1-Way ANOVA）-决定两组资料的变异数彼此之间是否相同？（2 Variance）-决定新零件或新原料制程产品不良率是否与原先的相同？（1-Proportion；2-Proportion）-决定两者或更多变数之间是否有关联？（Linear Regression Analysis Correlation）7、 变异数成分分析多变数图（Multi Vari Chart）二因子变异数分析（2-Way ANOVA）三、 改善阶段使用工具实验设计（DOE: Desi

5、gn of Experiments）四、 控制阶段使用工具如下：统计过程控制（SPC： Statistical Process Control）过程能力分析（Process Capability Analysis）,确认过程能力是否能稳定的符合规格及不良率。MINITAB统计工具介绍一、 量测系统分析任何时候进行一个过程的数据的测量，都会发现变异（误差）的存在，这些变异主要来自于两部分任何过程所产出的零件之间一定都会有差异；测量方法本身引起的变异。因此就算重复测量同一个物件，不一定会得到相同的结果。统计过程管制SPC重在研究Part to Part(部件与部件间)的变异，而且尽可能将变异降到最

6、小以达到产品一致的目标。但是在进行任何SPC的分析之前，我们应该检查所观察到的变异是否有偏高的误差是因测量系统所引起的。过程开发中的每一个流程都是根据过程所测量到的数据进行统计/图形分析所得到的结果，来判断过程能力是否符合工程规格，然后进行设备调整与过程改善的。但是大部分的数据都是经由测量仪器设备得到，测量数据品质的好坏和测量系统是否处在一个稳定的状况下有关。测量数值品质的衡量指标主要有偏差（Bias）和变异（Variation），偏差是指偏离标准值的程度，而变异则是指数据的分布扩算程度。如果测量仪器或人员的误差很大，容易造成测量数据的平均值偏离真值，也就是造成偏差或变异大于过程实际的变异，以

7、误差大的过程数据来判断过程进行调整或管制，影响是很难衡量的。MINITAB提供许多工具指令，帮助了解过程的变异有多少是因为测量系统的变异所造成的。Stat-Quality Tools-Gage Study-1) Gage Run Chart:检测测量系统的精确度2) Gage R&R Study (Crossed):可重复性分析3) Gage R&R Study(Nested):不可重复性分析4) Gage Linearity and Bias Study:量具的线性及偏差分析；检验Gage的线性与准确度。其中，对于再生性与再现性的研究，有两种方法：Xbar-R与ANOVA，严

8、格来说，ANOVA方法比Xbar-R的方法较正确，因为它有考虑到操作人员与零件/物料的交互作用。Gage R&R Study (Crossed)可以让你选择用Xbar-R或ANOVA的方法，而Gage R&R Study(Nested)则只能用ANOVA的方法。Gage R&R Study (Crossed)数据收集方法：在进行一个Gage R&R 试验前，操作员的人数、被测量的零件数目、每一个零件被反复测量的次数、被测量的零件特性，与测量的环境都必须先行决定。通常我们重点考虑下列几点：A、 操作员：随机选取几个使用量具的操作员，这可以让我们评估量具对不同操作员的敏感度。B、 零件：自同一规格的零件中随机选取5到10个零件进行测量。C、 反复测量的次数：每一个零件的测量特性被每一个操作员反复测量至少二次。实例讲解：讲解1：讲解2：方法讲解3：讲解4：讲解5：讲解6：讲解7：例：二、 过程数据的收集与分析1、 数据的收集层别法2、 数据分析分为三个步骤：例题讲解：控制图（管制图）典型的管制图包含一中心线CL，用来表示在统计过程管制内时品质特性之平均值；另外还有两条水平线，分别为上管制界限UCL和下管制界限LCL。若管制图中有点落在管制上、下限之外的话，则应找出点落在管制界限