Minitab17 常规操作PPT

1、1,唐 勇 2016/9/8,Minitab17 常规操作,2,目 录,1. 直方图 6. 回归分析 2. 柏拉图 7. 箱线图 3. 因果图 8. 假设检验 4. 控制图 9. 方差分析 5. 散布图 10. MSA,3,1. 直方图,在工作中经常要面对许多测量数据，如果我们应用统计绘图的方法，将这些数据加以整理，则制造过程的质量散布的情况，问题所在及过程能力等均呈现在我们眼前，我们即可利用这些信息来掌握问题点以及制定改进对策。,4,1. 直方图,如下为某产品特性记录表，请使用直方图看其分布情况！,例,5,1. 直方图,数据整理并选择“如下”,6,1. 直方图,7,1. 直方图,8,2.柏拉

2、图,又名：排列图，其用途如下： （1） 作为降低不合格质量的依据，解决主要矛盾/缺陷。 （2）确定改善目标。 （3）关键的少数，次要的多数。,9,2.柏拉图,例,10,2.柏拉图,11,2.柏拉图,12,2.柏拉图,13,3.因果图,又名：鱼骨图、树枝图 其是分析质量问题与其影响原因之间的关系的有效工具。,14,3.因果图,15,3.因果图,16,3.因果图,17,3.因果图,18,4. 控制图,19,4. 控制图,汽车发动机组装厂，某部件的轴承长度必须为600+/-2.5mm,以满足规格，轴承长度不符合规格是个长期的问题，它引起装配时配合不良，导致废品率和返工率居高不下，你的主管要求绘制Xb

3、ar-R 控制图已监控此特征，于是你在一个月中从工厂使用的轴承收集共100个观测值（20个样本，每个样本5个轴承),例,20,4. 控制图,21,4. 控制图,22,4. 控制图,23,5. 散布图,散点图又称散布图、相关图，他研究的是两个变量是否具有相关性。 正强相关（X 增大， Y也增大） 正弱相关（X 增大， Y增大不明显）说明还有其他不可忽视的因素 不相关 曲线相关（X 增大， Y以某种曲线的形式变化） 弱负相关（X 增大， Y有减小的趋势） 强负相关（X 增大， Y随之减小）,24,5. 散布图,25,5. 散布图,26,5. 散布图,27,5. 散布图,28,5. 散布图,正强相关

4、 （X 增大， Y也增大）,29,6. 回归分析,在生产实际的过程中，有时需要知道一个变量与另一个变更的具体关系，回归分析就是找出合适的回归方程，从而用一个变量来预测另一个变量。 一元线性回归方程是最简单的 y=f(x）X为自变更，Y 为因变量。,30,6. 回归分析,例,在某合金厂的一次质量改进活动中，合金的强度值y不稳定，经过6SIGMA小组分析合金中的碳含量x是主要原因。6SIGMA小组经过试验，取得数据如下：,31,6. 回归分析,32,6. 回归分析,33,6. 回归分析,回归 P=00.05 说明回归方程显著有效 含碳量x P=00.05 说明含碳量是显著因子,34,6. 回归分析

5、,重点考察图中是否保持等方差，若有“漏斗形”或“喇叭形”即为为异常，此图正常,重点是否随机在水平轴上下随机波动，若随机波动说明残差值相互独立,重点看残值是否服从正态分布 红色线代表正态回归线H0,重点看残值的分布情况,35,7. 箱线图,是一种用作显示一组数据分散情况资料的统计图。因形状如箱子而得名。 1. 识别数据异常值； 2. 判断数据偏态和尾重； 3.比较几批数据的形状 其形状和位置由最小值、第一四分位数Q1、第三分位数Q3、中位数、最大值这五个统计量决定的,36,7. 箱线图,Q准确计算公式，首先将样品本数据从小到大排序，记其中的第i者为Xi 对于给定的 n,先给出(n+1)/4,其整

6、数部分记为k ,其小数部分记为f(当然0f0.05, 无法拒绝原假设，因此接受原假设，即包装机正常工作。,通过上述输出信息，我们可以知道样本N=10，样本平均值为501.30,标准差5.62 基本信息外，可以通过3种方法对原假设是否成立进行判断：,47,8. 假设检验,未知,48,8. 假设检验,49,8. 假设检验,与上面已知的结论相同,50,9. 方差分析 ANOVA,在质量改进中，若需要考察设备对质量的影响，车间有4台车床，需要知道车床对质量的影响是否具有显著性，本质是4台车床的均值检验的问题，按照经验应该采取两个总体之间互相进行检验，我们就要检验 C（2，4）=6次，这样每次置信水平是0.95，经过6次后只有0.735置性水平，这样检验就没有实际意义。 因此：我们需要采用更稳妥的方法来解决这类多总体（2个以上的）均值检验的问题，这就是方差分析,51,9. 方差分析 ANOVA,52,9. 方差分析 ANOVA,53,9. 方差分析 ANOVA,P=0.0339% 2. %研究的变异=33.56% %公差=40.56% 两者均大于30% ，故重复性和再现性不足 3. 可区分的类别数=35 分