MINITAB使用手册介绍.ppt

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,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,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 .(P26) 3

2、-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.多重峰工程能力 .

3、(P47) 3-12-6.有外点工程能力 .(P56) 3-13.Gage R也有几个是例外,2-2-3.图表window 工具栏,打印图表,看的方式,编辑方式,Brush 方式,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,3-2.Stack Data,-.路径:ManipStackStack Columns -.功能:可以Stack两列以

4、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,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),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),选择要DATA区分(Subscript),

5、保存DATA,选择此项时,会自动给Unstack 的DATA以列名,3-3.Unstack Data,原始DATA,Unstack 后的 DATA,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),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:StatANOVAOne-way -.结果:,One-way ANOVA: 特

6、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 14.671 0.269 (-*-) -+-+-+-+- Po

7、oled StDev = 0.768 14.40 15.20 16.00 16.80,P- Value0.05,平均不同,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 for One Proportion Test of p = 0.89

8、 vs p 0.89 Exact Sample X N Sample p 95.0% Lower Bound P-Value 1 91 100 0.910000 0.848205 0.328,4-6.2-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; H1:P1 P2 -.操作方法:,Test and CI for Tw

9、o 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),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:,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

10、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,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 20.48 Total 320 100 420 Chi-Sq = 0.229 +

11、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.,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 Median是不同的。,-.假设:,-.EX:验证设备别(A1A4)生产的某制品的FORC

12、E的中心是否一样. 测定DATA如下:,-.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 = 0.549 (adjusted for ties),-.结果: (Session windows),P

13、- Value0.05,中心值无差异!,5.常用Graph作成,5-1.Pareto Chart -.路径:StatQuality toolsPareto Chart -.ex:,-.结果,不良数量,不良数占有率,不良数累计占有率,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,-.结果:,Inter-Quartile Range (IQR),The highest value within upper limit (Q3+1.5IQR),The lowest value within lower li

14、mit (Q1-1.5*IQR),Median(中心值),3/4分位数 (Q3),1/4分位数 (Q1),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,-.结果:,5-4. Time Series plot -.路径:GraphTime Series plot -.ex:,添加趋势线,-.结果:,趋势线,5-5.Plot(相关关系图) -.路径:Graphplot -.ex: (file:plot.mpj),输入X, Y,-.结果:,从图形看出, Length与 thickness之

15、间没有很明显的相关关系,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),-.结果:,6.常用管理图,6-1.Xbar-R chart -.路径: Stat control charts Xbar-R -.ex: (file:XBAR R.mtw),-.结果,1 77 1 81 1 81 1 80 1 78,Mean79.4,Range4,6-2.Xbar-S chart -.路

16、径: Stat control charts Xbar-S -.ex: (file:XBAR S.mtw),-.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。,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,-.结果,6-4.nP chart -.路径: Stat control charts NP chart -.ex: (file:nP.mtw),输入不良DATA,输入样品大小(144),-.结果,6-5.C chart -.路径: Stat co

17、ntrol charts C chart -.ex: (file: C.mtw),输入缺陷数 列,-.结果,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,-.结果,6-7. I-MR (Individuals and Moving 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)

18、,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,-.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。,7.DOE (Design of Experiment),-.现在以2因子的完全要因实验来说明 -.EX:,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,7-2.Factors and Options设

19、置,选择实验的随机性,输入因子名及高低水准,7-3. Create Factorial design 结果,7-4. 在Work sheet中 输入实验 结果,实验结果输入,7-5.确认 Main Effects Plot, Interaction Plot, Cube Plot -.路径: Stat DOE Factorial Factorial Plots,输入 实验DAYA列,输入 因子,-.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)

20、的 y平均值 5.2,Y值的实验整体 平均 4.075,-.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“100”的 (Std Order 1,5) 2个的 y平均值 2.5,-.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。,7-6.实验结果的分析,实验结果的 ANOVA分析 Stat DOE Factorial Analyze Factorial design Stat A

21、NOVA General Linear Model ANOVA 分析方法 Effects的 Pareto Chart和 Normal Probability Plot 确认, Stat DOE Factorial Analyze Factorial 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 0.00

22、50 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, 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 96.4

23、3 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, 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, 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,7-7.模型等式的确认 StatDOEFactorialAnalyze Fac