MINITAB使用手册.ppt

1、1,MINITAB 使用手册,柳工6Sigma推进办公室 2006年10月,注:本教材是基于MINITAB13.32版,2,主要内容,1.Minitab介绍 2.功能菜单介绍 3.常用工具介绍 4.统计性假设验证 5.常用Graph制作方法 6.常用管理图 7.DOE,3,使用目录,1.Minitab介绍 (P4) 2.功能菜单介绍 .(P5) 3.常用工具 3-1.EXCEL DATA复制 .(P19) 3-2.Stack Data .(P20) 3-3.Unstack Data .(P22) 3-4.Make Patterned Data .(P24) 3-5.Random Data .(

2、P26) 3-6.概率计算 3-6-1.正态分布概率计算 .(P29) 3-6-2.超几何分布概率计算(P30) 3-6-3.二项分布概率计算 .(P31) 3-7.DPMOSIGMA .(P32) 3-8.SIGMADPMO .(P33) 3-9.基本统计量计算 .(P34) 3-10.正态验证 .(P36) 3-11.Brush .(P37),3-12.Capability Analysis 3-12-1.Normal .(P38) 3-12-2.Binomial .(P40) 3-12-3.Poisson .(P42) 3-12-4.Box-cox转换 .(P44) 3-12-5.多重峰

3、工程能力 .(P47) 3-12-6.有外点工程能力 .(P56) 3-13.Gage R也有几个是例外,18,2-2-3.图表window 工具栏,打印图表,看的方式,编辑方式,Brush 方式,19,3.Minitab常用工具介绍,3-1.Excel Data复制到MINITAB Work sheet, 选中要复制的DATA后点击 “复制”图表或“Ctrl+C”, 在MINITAB的Work sheet中选择要保存DATA的区域后点击“粘贴”图表或“Ctrl+V”, MINITAB中DATA形态,20,3-2.Stack Data,-.路径:ManipStackStack Columns

4、-.功能:可以Stack两列以上的DATA,使 之变成一列.便于DATA统计.,选择要Stack的DATA 列 (可通过双击列名来选择),选择保存Stack后的DATA的列名,选择区分DATA的列名,21,3-2.Stack Data,原始DATA,Stack后的DATA(在C3中),Subscript (在C4-T中) (T:表示是文本),22,3-3.Unstack Data,-.路径:ManipUnstack Columns -.功能:可以将一列DATA,按DATA的 区分(Subscript),分成多列 便于DATA统计.,选择要Unstack的DATA 列 (可通过双击列名来选择),

5、选择要DATA区分(Subscript),保存DATA,选择此项时,会自动给Unstack 的DATA以列名,23,3-3.Unstack Data,原始DATA,Unstack 后的 DATA,24,3-4.Make Patterned Data(作成一些有规律的数据),-.路径:CalcMake Patterned Data -.功能:构造有规律的数据, 如做Gage RH1:ab),75,4-4.ANOVA(one-way) -.验证2个以上集团的平均是否相同 -.EX:比较3个作业者别的某制品特征值A的平均是否相同 (FILE:ANOVA(ONE WAY) -.路径:StatANOVA

6、One-way -.结果:,One-way ANOVA: 特征A versus operator Analysis of Variance for 特征A Source DF SS MS F P operator 2 8.315 4.158 7.05 0.005 Error 18 10.617 0.590 Total 20 18.932 Individual 95% CIs For Mean Based on Pooled StDev Level N Mean StDev -+-+-+-+- A 7 16.171 1.119 (-*-) B 7 15.114 0.667 (-*-) C 7 1

7、4.671 0.269 (-*-) -+-+-+-+- Pooled StDev = 0.768 14.40 15.20 16.00 16.80,P- Value0.05,平均不同,76,4-5.1-Proportion (StatBasic Statistics1 Proportion) -.一个比率和基准的比较 -.EX:,新LINE Set-up完了后工程师说这条线的良品率为 89% 以上.为了确认是否正确,从中抽出100个标本进行分析后得到91个良品.用5%留意水平验证工程师的结论.,-.假设: H0 : p=0.89; H1: p0.89 -.操作方法:,Test and CI fo

8、r One Proportion Test of p = 0.89 vs p 0.89 Exact Sample X N Sample p 95.0% Lower Bound P-Value 1 91 100 0.910000 0.848205 0.328,77,4-6.2-Proportion (StatBasic Statistics2 Proportion) -.两个比率的验证 -.EX:,为了了解某制品的不良率是不是线别不一样,从A线抽出500个,B线抽出300个制品,调查的结果,A线180个,B线145个不良.用5%留意水平验证线别有没有不良率的差异.,-.假设: H0:P1=P2;

9、 H1:P1 P2 -.操作方法:,Test and CI for Two Proportions Estimate for p(1) - p(2): -0.123333 95% CI for p(1) - p(2): (-0.193816, -0.0528507) Test for p(1) - p(2) = 0 (vs not = 0): Z = -3.43 P-Value = 0.001 (采纳H1),78,4-7.比率验证 Chi-Square Test (2 验证 ) -.多个集团的比率验证 -.路径:Stat Tables Chi-Square Test ( 2 验证 ) -.EX

10、:,某生产线有4台做同一作业的设备. 为了解各设备的不良率是不是相同,调查一定时间内各设备别的不良和良品的结果如下. 用5%的留意水平验证设备别有没有不良率的差异,假设: H0: p1 = p2 = p3 = p4 H1: H0不成立,79,Chi-Square Test: Good, Bad Expected counts are printed below observed counts Good Bad Total 1 96 24 120 91.43 28.57 2 64 28 92 70.10 21.90 3 94 28 122 92.95 29.05 4 66 20 86 65.52

11、 20.48 Total 320 100 420 Chi-Sq = 0.229 + 0.731 + 0.530 + 1.696 + 0.012 + 0.038 + 0.003 + 0.011 = 3.250 DF = 3, P-Value = 0.355,-.结果如下:,(Session windows),P-value 值比0.05大 , 因此不能说设备别不良率 不一样.,80,4-8.非参数验证,-.DATA非正态分布, -.不需假设成正态分布的验证方法。 -.路径: Stat Nonparametrics Kruskal wallis,H0: 1 = 2 = = k H1: 至少有一个

12、Median是不同的。,-.假设:,-.EX:验证设备别(A1A4)生产的某制品的FORCE的中心是否一样. 测定DATA如下:,81,-.操作方法:,Kruskal-Wallis Test: Force versus Machine Kruskal-Wallis Test on Force Machine N Median Ave Rank Z A1 4 19.00 7.9 0.54 A2 5 20.00 7.7 0.51 A3 4 18.00 5.3 -1.08 Overall 13 7.0 H = 1.17 DF = 2 P = 0.557 H = 1.20 DF = 2 P = 0.5

13、49 (adjusted for ties),-.结果: (Session windows),P- Value0.05,中心值无差异!,82,5.常用Graph作成,5-1.Pareto Chart -.路径:StatQuality toolsPareto Chart -.ex:,83,-.结果,不良数量,不良数占有率,不良数累计占有率,84,5-2.Boxplot -.路径:GraphBoxplot -.ex:,选择要分析的数据列,选择Factor(如果有),选择填充,线条颜色,85,-.结果:,Inter-Quartile Range (IQR),The highest value wit

14、hin upper limit (Q3+1.5IQR),The lowest value within lower limit (Q1-1.5*IQR),Median(中心值),3/4分位数 (Q3),1/4分位数 (Q1),86,5-3.Dotplot -.路径:GraphDotplot -.ex: (file:dotplot.mpj),选择Factor(如果有),选择要分析的数据列,87,-.结果:,88,5-4. Time Series plot -.路径:GraphTime Series plot -.ex:,添加趋势线,89,-.结果:,趋势线,90,5-5.Plot(相关关系图)

15、-.路径:Graphplot -.ex: (file:plot.mpj),输入X, Y,91,-.结果:,从图形看出, Length与 thickness之间没有很明显的相关关系,92,5-6.Contour plot (等高线图) -.路径:Graph Contour plot -.ex:(file:contour plot.mpj),输入Z(输出变量),输入Y(输入变量1),输入X(输入变量2),选择线条,区域的颜色 (用1,2,3等数字表示),93,-.结果:,94,6.常用管理图,6-1.Xbar-R chart -.路径: Stat control charts Xbar-R -.e

16、x: (file:XBAR R.mtw),95,-.结果,1 77 1 81 1 81 1 80 1 78,Mean79.4,Range4,96,6-2.Xbar-S chart -.路径: Stat control charts Xbar-S -.ex: (file:XBAR S.mtw),97,-.结果,R管理图使用范围(Max-Min)，因此并不比使用标准偏差 s 有效。,98,6-3.P chart -.路径: Stat control charts P chart -.ex: (file:P.mtw),输入不良DATA,输入样品大小,99,-.结果,100,6-4.nP chart

17、-.路径: Stat control charts NP chart -.ex: (file:nP.mtw),输入不良DATA,输入样品大小(144),101,-.结果,102,6-5.C chart -.路径: Stat control charts C chart -.ex: (file: C.mtw),输入缺陷数 列,103,-.结果,104,6-6.U chart -.路径: Stat control charts U chart -.ex: (file:U.mtw),输入缺陷数 列,输入样品大小,105,-.结果,106,6-7. I-MR (Individuals and Movi

18、ng Range) 管理图 -.由于制造特性的限制,生产速度太慢,测定费用太高等原因,取样品时 一次只能取一个时,使用I-MR管理图.(一般用MR=2) -.路径: Stat control charts I-MR. -.ex: (file:I-MR.mtw),输入DATA 列,可选择移动范围长度,可使用检验的平均和 SIGMA，与以前的比较,做管理用管理图,107,-.结果,Individual CHART的 UCL，LCL表示对预想值的最大，最小值。,Moving Range CHART的 UCL，LCL表示 对部品间变动的最大，最小值。,108,7.DOE (Design of Expe

19、riment),-.现在以2因子的完全要因实验来说明 -.EX:,109,7-1.Minitab的实验设计方法 Stat DOE Factorial Create Factorial design,输入中心点数,输入反复数,输入块 数,110,7-2.Factors and Options设置,选择实验的随机性,输入因子名及高低水准,111,7-3. Create Factorial design 结果,112,7-4. 在Work sheet中 输入实验 结果,实验结果输入,113,7-5.确认 Main Effects Plot, Interaction Plot, Cube Plot -

20、.路径: Stat DOE Factorial Factorial Plots,输入 实验DAYA列,输入 因子,114,-.结果:,Main Effects Plot,温度为“70”的 4种情况 (Std Order 1,3,5,7) y平均值 2.95,温度为“90”的 4种情况 (Std Order 2,4,6,8)的 y平均值 5.2,Y值的实验整体 平均 4.075,115,-.结果:,Interaction Plot,两线间的平行性程度? 温度和压力无交互作用。,温度为“90”，压力是“100”的 (Std Order 2,6) 2个的 y平均值 4.8,温度为“70”，压力是“1

21、00”的 (Std Order 1,5) 2个的 y平均值 2.5,116,-.结果:,Cube Plot,经过实验空间(Design space)，可直观看出工程输出(y)的变化趋势。,117,7-6.实验结果的分析,实验结果的 ANOVA分析 Stat DOE Factorial Analyze Factorial design Stat ANOVA General Linear Model ANOVA 分析方法 Effects的 Pareto Chart和 Normal Probability Plot 确认,118, Stat DOE Factorial Analyze Factori

22、al design,输入 反映变量,要分析的效果项,Analysis of Variance for Y (coded units) Source DF Seq SS Adj SS Adj MS F P Main Effects 2 11.5700 11.5700 5.78500 55.10 0.001 2-Way Interactions 1 0.0050 0.0050 0.00500 0.05 0.838 Residual Error 4 0.4200 0.4200 0.10500 Pure Error 4 0.4200 0.4200 0.10500 Total 7 11.9950,119

23、, Stat ANOVA General Linear Model,输入 反映变量,输入要分析的效果项,Analysis of Variance for Y, using Adjusted SS for Tests Source DF Seq SS Adj SS Adj MS F P temperat 1 10.1250 10.1250 10.1250 96.43 0.001 pressure 1 1.4450 1.4450 1.4450 13.76 0.021 temperat*pressure 1 0.0050 0.0050 0.0050 0.05 0.838 Error 4 0.4200 0.4200 0.1050 Total 7 11.9950,交互作用不留意,120, Effects的 Pareto Chart和 Normal Probability Plot 确认,效果的巴莱多图,留意水准,效果的 Normal Probability Plot,残差图表,指定要分析的反应变量,121, Stat DOE Factorial Analyze Factorial design,比此直线大的效果(右边)是留意的,离此直线越远,留意性越大,122,7-7.模型等式的确认 StatDOEFactorialAnalyz