已讀-A-Minitab-常用操作ppt課件

1、Minitab 常用操作簡(jiǎn)介.目錄入門課程數(shù)據(jù)分類數(shù)據(jù)分析的普通思緒四步驟如何選擇適宜的質(zhì)量工具？根底班簡(jiǎn)單的統(tǒng)計(jì)圖形：直方圖、Paratoo圖、餅圖、散點(diǎn)圖SPC方法及步驟MSA(可變數(shù)據(jù)/屬性數(shù)據(jù))計(jì)算過程才干Cp/Cpk/Pp/Ppk.一、數(shù)據(jù)的分類.二.數(shù)據(jù)分析的普通思緒 我們看到一組或幾組數(shù)據(jù)，一定要理清大致的分析思緒，普通來說，分為四個(gè)階段：穩(wěn)定性分析研討分布研討偏向研討中心.三. 如何選擇適宜的質(zhì)量工具離散型延續(xù)型卡方檢驗(yàn)(Chi Square)T檢驗(yàn)(t-test)方差分析(ANOVA)實(shí)驗(yàn)設(shè)計(jì)(DOE)相關(guān)回歸(Correlation Regression)非參數(shù)檢驗(yàn)對(duì)數(shù)回歸

2、(Logistic Regression)離散型延續(xù)型XYY=f(x).四、簡(jiǎn)單的統(tǒng)計(jì)圖形直方圖Paratoo圖餅圖散點(diǎn)圖.直方圖.直方圖.Paratoo圖.Paratoo圖.餅圖.散點(diǎn)圖. 目的了解控制圖的根本原理，確認(rèn)過程穩(wěn)定性 主要內(nèi)容 控制圖 統(tǒng)計(jì)過程控制 過程判異原那么五、SPC控制圖.什么是控制圖控制圖是經(jīng)過時(shí)間的推移來統(tǒng)計(jì)跟蹤流程和產(chǎn)品參數(shù)的方法?？刂茍D詳細(xì)表現(xiàn)出反響(隨機(jī))變動(dòng)的變動(dòng)的自然界限的控制上限與下限。這些界限不應(yīng)與客戶規(guī)格界限相比較?？刂茍D基于對(duì)X或Y設(shè)立3平均界限.一個(gè)控制圖的組成成分UCL:控制上限LCL:控制下限UCL = m + k1sCL = mLCL =

3、m k2sCL:中心線M x 樣本平均的均值S 得自樣本的規(guī)范差K1,k2 標(biāo)示不同尋常的觀測(cè)值的常數(shù)(通常=3).計(jì)數(shù)型計(jì)量型什么類型的數(shù)據(jù) ?按群還是按個(gè)體搜集的數(shù)據(jù) ?是缺陷還是不良工程?群(平均值)(n1)個(gè)體數(shù)值(n=1)X-Bar RX-Bar S個(gè)體挪動(dòng)范圍 I-MR 特殊類型的“缺陷 不良工程 缺陷的概率低嗎? 假設(shè)他知道壞的數(shù)，他知道好的數(shù)嗎？泊松分布二項(xiàng)分布個(gè)體挪動(dòng)范圍I-MR否是是每個(gè)樣本數(shù)的幾率面積不變 ? 是否c 圖u 圖不變的樣本數(shù) ? np 圖否是p 圖選擇正確的管理圖 注: X-Bar S 適宜于群大小 (n) 10控制圖選擇方法.控制圖管理普通原那么LCLCL

4、UCL管理形狀(偶爾緣由引起的動(dòng)搖)異常形狀(特殊緣由引起的動(dòng)搖)-3+3 + = = 0.27%異常形狀(特殊緣由引起的動(dòng)搖).控制圖異常形狀檢驗(yàn)方法在MINITAB可以對(duì)能夠成為異常形狀的8種特別緣由進(jìn)展檢驗(yàn). A,B.C顯示離中心線分別相距規(guī)范偏向3,2,1的區(qū)域. 檢驗(yàn)1:一個(gè)點(diǎn)超出區(qū)域A 檢驗(yàn)2: 以中心線為基準(zhǔn),在同一側(cè)面有9個(gè)延續(xù)點(diǎn). 檢驗(yàn)3: 相連的6個(gè)點(diǎn)延續(xù)上升或下降. 檢驗(yàn)4: 延續(xù)的14個(gè)點(diǎn)相繼上升或下降,對(duì)此應(yīng)檢討數(shù)據(jù)的操作性. 檢驗(yàn)5: 延續(xù)的3個(gè)點(diǎn)中2個(gè)在A區(qū)域(以中心線為基準(zhǔn)在同一側(cè)) 檢驗(yàn)6: 延續(xù)的5個(gè)點(diǎn)中4個(gè)在區(qū)域B或其外邊的位置(以中心值為基準(zhǔn)在同一側(cè))

5、檢驗(yàn)7: 延續(xù)的15個(gè)點(diǎn)在區(qū)域C(以中心線為基準(zhǔn)看兩側(cè)) 第一是什么使它變好 第二是數(shù)據(jù)能否讀錯(cuò)或測(cè)定儀誤差 檢驗(yàn)8: 延續(xù)的8個(gè)點(diǎn)在區(qū)域C外邊的位置(以中心線基準(zhǔn)兩側(cè)).X bar-R控制圖.X bar-R控制圖.IM-R控制圖.IM-R控制圖.P圖.P圖.U圖.六. 丈量系統(tǒng)分析MSA.我們無法評(píng)價(jià)我們不知道的，假設(shè)我們不能用數(shù)據(jù)表示，實(shí)踐上就等于不知道只需正確地認(rèn)識(shí)，才干進(jìn)展管理我們無法管理時(shí)，只能依托運(yùn)氣 - 摘自“The Vision of Six Sigma (Mikel J. Harry)丈量系統(tǒng)的意義 沒有兩個(gè)東西是完全一樣的，但是即使是， 我們丈量時(shí)依然會(huì)得到不同的值。 在六

6、西格瑪管理中，數(shù)據(jù)的運(yùn)用是極其頻繁和相當(dāng)廣泛的。六西格瑪方法的 成敗與效益，在很大程度上取決于所運(yùn)用的數(shù)據(jù)的質(zhì)量。無論是過程控制、 抽樣檢驗(yàn)、回歸分析、實(shí)驗(yàn)設(shè)計(jì)等都需求運(yùn)用數(shù)據(jù)。為了獲得高質(zhì)量的數(shù)據(jù)， 需求對(duì)產(chǎn)生數(shù)據(jù)的丈量系統(tǒng)有充分的了解和深化的分析。.丈量值的構(gòu)成 真值(實(shí)踐產(chǎn)品分布)丈量誤差(丈量分布 )丈量值(觀測(cè)的分布)=雖然有數(shù)據(jù)但它不是時(shí)常是現(xiàn)實(shí),有必要確認(rèn)數(shù)據(jù)的可靠性.丈量系統(tǒng)分析方法丈量?jī)?nèi)容有兩種方式 計(jì)量值/定量值- 數(shù)據(jù)可以用延續(xù)的標(biāo)尺來描畫 計(jì)數(shù)值/定性值- 數(shù)據(jù)不能用延續(xù)的標(biāo)尺來描畫- 經(jīng)過/不經(jīng)過，好/壞 等計(jì)量值和計(jì)數(shù)值必需用不同的方法處置.計(jì)量型丈量系統(tǒng)分析.可變

7、數(shù)據(jù)MSA讓我們用Minitab來分析一些數(shù)據(jù) 翻開文件計(jì)量型MSA試題-1運(yùn)用Minitab的丈量丈量系統(tǒng)分析功能 .可變數(shù)據(jù)MSA. Minitab Session解釋零件與操作者沒有交互影響可變數(shù)據(jù)MSA來源 DF SS MS F P部件 9 88.3619 9.81799 492.291 0.000操作者 2 3.1673 1.58363 79.406 0.000Part * Operator 18 0.3590 0.01994 0.434 0.974反復(fù)性 60 2.7589 0.04598Total 89 94.6471. Minitab Session解釋量具 R&R 方差分量來

8、源 方差分量 奉獻(xiàn)率合計(jì)量具 R&R 0.09143 7.76 反復(fù)性 0.03997 3.39 再現(xiàn)性 0.05146 4.37 Operator 0.05146 4.37部件間 1.08645 92.24合計(jì)變異 1.17788 100.00過程公差 = 2 研討變異 %研討變異 %公差來源 規(guī)范差(SD) (6 * SD) (%SV) (SV/Toler)合計(jì)量具 R&R 0.30237 1.81423 27.86 36.28 反復(fù)性 0.19993 1.19960 18.42 23.99 再現(xiàn)性 0.22684 1.36103 20.90 27.22 Operator 0.22684

9、1.36103 20.90 27.22部件間 1.04233 6.25396 96.04 125.08合計(jì)變異 1.08530 6.51180 100.00 130.24可區(qū)分的類別數(shù) = 4可變數(shù)據(jù)MSA. Minitab Session解釋因丈量系統(tǒng)的變動(dòng)(奉獻(xiàn)度)是 7.76%, 零件間的差別變動(dòng)是 92.24%.反復(fù)性分布是 3.39%再現(xiàn)性分布是 4.37%.丈量系統(tǒng)的準(zhǔn)確度/過程動(dòng)搖比是 27.86%, 可以接受.丈量系統(tǒng)的準(zhǔn)確度/容差比是36.28,丈量系統(tǒng)判別良/不良的才干缺乏.丈量系統(tǒng)的識(shí)別力是4， 可以接受.可變數(shù)據(jù)MSA. Minitab 圖表分析“整個(gè)分布中,GAUGE

10、 R&R占據(jù)的比重能否充分的小? Gage R&R, Repeat,Reprod.的高度越接近0越好.“作業(yè)者別反復(fù)丈量值能否穩(wěn)定留意 !R Chart的界限線超出的話,調(diào)查其緣由后 再丈量.“相互不同零件鑒別才干能否充分?與R Chart相反，脫離管理界限線越多越好.可變數(shù)據(jù)MSA. Minitab 圖表分析“所選的樣天性否能正確反映過程的分布?. 假設(shè)此值均一的話,可以為樣本沒有正確 反映過程的實(shí)踐分布情況“作業(yè)者間存在差別與否? 而言的. 作業(yè)者無差別為好.“根據(jù)標(biāo)本各作業(yè)者能否進(jìn)展相互不同的丈量? 而說的. 對(duì)于標(biāo)本,各作業(yè)者的丈量值一樣為好.可變數(shù)據(jù)MSA.屬性數(shù)據(jù)丈量系統(tǒng)分析. 數(shù)

11、據(jù)搜集的范圍是? - 合格品 50%,不合格品50% 40%為確時(shí)的合格品, 40%為確實(shí)的不合格品 20%為不容易區(qū)別的 數(shù)據(jù)需求搜集多少? - 普通需求搜集 100個(gè)左右. 檢驗(yàn)者數(shù) 樣本數(shù) 各樣本的反復(fù)評(píng)價(jià) 23 25 100 2以上 丈量系統(tǒng)的評(píng)價(jià)基準(zhǔn)是多少? - 普通計(jì)數(shù)型丈量系統(tǒng)的目的是90% ,或具有90%以上的再現(xiàn)性和反復(fù)性丈量方法屬性數(shù)據(jù)MSA.例題 搜集樣本(12個(gè)零件,3名操作者,丈量反復(fù)2次)屬性數(shù)據(jù)MSA. StatQuality ToolsGage Study Attribute Gage R&R Study在Minitab的任務(wù)欄中輸入數(shù)據(jù) Minitab分析屬性

12、數(shù)據(jù)MSA.輸入丈量值輸入零件輸入操作者輸入知零件真值屬性數(shù)據(jù)MSA. Minitab Session解釋Assessment AgreementAppraiser # Inspected # Matched Percent 95 % CI1 12 10 83.33 (51.59, 97.91)2 12 6 50.00 (21.09, 78.91)3 12 8 66.67 (34.89, 90.08)# Matched: Appraiser agrees with him/herself across trials.Each Appraiser vs Standard Assessment A

13、greementAppraiser # Inspected # Matched Percent 95 % CI1 12 9 75.00 (42.81, 94.51)2 12 5 41.67 (15.17, 72.33)3 12 8 66.67 (34.89, 90.08)# Matched: Appraisers assessment across trials agrees with the known standard.Assessment DisagreementAppraiser # 良品 / 不良 Percent # 不良 / 良品 Percent # Mixed Percent1

14、1 16.67 0 0.00 2 16.672 1 16.67 0 0.00 6 50.003 0 0.00 0 0.00 4 33.33# 良品 / 不良: Assessments across trials = 良品 / standard = 不良.# 不良 / 良品: Assessments across trials = 不良 / standard = 良品.# Mixed: Assessments across trials are not identical.總觀測(cè)次數(shù)對(duì)比一致率， 作業(yè)者1在總共12次觀測(cè)中 10次一致, 83%的一致總觀測(cè)次數(shù)對(duì)比真值的一致率，作業(yè)者2人總共12

15、次觀測(cè)中有5次與真值一致, 42%一致總觀測(cè)次數(shù)對(duì)比真值的不一致率，作業(yè)者2人總共次觀測(cè)中將良品斷定為不良，將不良斷定為良品等不一致率為50%屬性數(shù)據(jù)MSA. Minitab Session解釋Between Appraisers Assessment Agreement# Inspected # Matched Percent 95 % CI 12 4 33.33 (9.92, 65.11)# Matched: All appraisers assessments agree with each other.All Appraisers vs Standard Assessment Agre

16、ement# Inspected # Matched Percent 95 % CI 12 4 33.33 (9.92, 65.11)# Matched: All appraisers assessments agree with the known standard.作業(yè)者間一致率名作業(yè)者總計(jì)次觀測(cè)中,次一致, %的一致率一切作業(yè)者和真值的一致率名作業(yè)者總計(jì)次觀測(cè)中次和觀測(cè)值一致, %的一致率.這里 # Matched是?一切測(cè)定者測(cè)定各零件或與真值比較時(shí)的一致性一致性不超越90%時(shí)，需求改善屬性數(shù)據(jù)MSA. Minitab圖表分析作業(yè)者的觀測(cè)值的一致程度可經(jīng)過信任區(qū)間確認(rèn)出來.作業(yè)者與真值

17、的不斷程度可經(jīng)過信任區(qū)間確認(rèn)出來.屬性數(shù)據(jù)MSA. 目的了解過程才干分析原理，并能根據(jù)數(shù)據(jù)類型計(jì)算過程才干 主要內(nèi)容 計(jì)量型過程才干分析 計(jì)數(shù)性過程才干分析六. 過程才干分析.過程才干是什么？過程在受控形狀下時(shí)，客戶要求與過程表現(xiàn)(產(chǎn)質(zhì)量量或效力質(zhì)量的變動(dòng)程度)的比值，假設(shè)過程表現(xiàn)越能滿足顧客要求，那么過程才干越充分，反之那么缺乏USLLSL.他的數(shù)據(jù)是什么類型的計(jì)量型記數(shù)型搜集數(shù)據(jù)搜集數(shù)據(jù)用 Minitab分析數(shù)據(jù)用 Minitab分析數(shù)據(jù)過程才干表述PPMCp, Cpk, Pp, Ppk過程才干表述DPU,DPMO, PPM過程才干分析途徑.“缺陷(x4) 1 2 3 4 5 6 7 錯(cuò)誤

18、數(shù)“缺陷(x 130 Min)“無缺陷(x Quality Tools Capability Sixpack Normal.Minitab圖表分析它是正態(tài)分布嗎？和規(guī)格限比起來工程的分布怎樣樣？ 它是正態(tài)分布嗎？子集間有差別嗎？ 它受控嗎?它受控嗎?.Minitab圖表分析.Capability Analysis正態(tài)性檢驗(yàn) Stat Basic Statistics Normality Test.正態(tài)檢驗(yàn)P值0.05正態(tài)正態(tài)檢驗(yàn). 過程才干分析 Stat Quality Tools Capability Analysis Normal.組內(nèi)過程才干總體過程才干觀測(cè)的不良率組內(nèi)(短期，潛在) 估

19、計(jì)不良率 全體(長期，實(shí)踐)估計(jì)不良率 過程才干分析.過程才干解釋Cp是 閱歷極限程度.Ppk與Cpk越近似越好.分布能夠的最好實(shí)踐 (總體)過程平均值的位置 規(guī)格范圍的中點(diǎn) 實(shí)踐位置CpPpkCpkPp.尋覓可變型數(shù)據(jù)太難了！屬性數(shù)據(jù)過程才干分析.DPU/DPO/DPMODPU = 2DPO = 0.5DPMO = 500,000DPU = 3DPO = 0.75DPMO = 750,000DPU = 1DPO = 0.25DPMO = 250,000= 1時(shí)機(jī)= 1單位1單位 = 4 時(shí)機(jī)= 缺陷泊松分布過程才干分析.計(jì)算單位產(chǎn)品缺陷數(shù)(DPU): 翻到Sigma表, 然后估計(jì)Sigma程

20、度計(jì)算每百萬時(shí)機(jī)的缺陷數(shù)(DPMO):DPU/DPMO與Sigma程度泊松分布過程才干分析.翻到Sigma表,然后估計(jì)Sigma程度 4.67 Sigma計(jì)算單位產(chǎn)品缺陷數(shù)(DPU):計(jì)算每百萬時(shí)機(jī)的缺陷數(shù)(DPMO):DPU/DPMO與Sigma程度泊松分布過程才干分析.999,996.6999,995999,991999,987999,979999,968999,952999,928999,892999,841999,767999,663999,517999,313999,032998,650998,134997,445996,533995,339993,790991,802989,276

21、良品數(shù)3.45913213248721081592333374836879681,3501,8662,5553,4674,6616,2108,19810,7246.05.95.85.75.65.55.45.35.25.15.04.94.84.74.64.54.44.34.24.14.03.93.8st4.54.44.34.24.14.03.93.83.73.63.53.43.33.23.13.02.92.82.72.62.52.42.3lt986,097977,250971,284964,070955,435945,201933,193919,243903,199884,930864,3348

22、41,345815,940788,145758,036725,747691,462655,422617,911579,260539,828500,000460,172良品數(shù)13,90322,75028,71635,93044,56554,79966,80780,75796,801115,070,666158,655184,060211,855241,964274,253308,538344,578382,089420,740460,172500,000539,8283.73.53.43.33.23.13.02.92.82.72.62.52.42.32.22.12.01.91.81.71.61.

23、51.4st2.22.01.91.81.71.61.51.41.31.21.11.00.90.80.70.60.50.40.30.20.10.0-0.1lt420,740382,089344,578308,538274,253241,964211,855184,060158,655,666115,07096,80180,75766,80754,79944,56535,93028,71622,75017,86413,90310,7248,198良品數(shù)579,260617,911655,422691,462725,747758,036788,145815,940841,345864,334884,

24、930903,199919,243933,193945,201955,435964,070971,284977,250982,986,097989,276991,8021.31.21.11.00.90.80.70.60.50.40.30.20.10.0-0.1-0.2-0.3-0.4-0.5-0.6-0.7-0.8-0.9st-0.2-0.3-0.4-0.5-0.6-0.7-0.8-0.9-1.0-1.1-1.2-1.3-1.4-1.5-1.6-1.7-1.8-1.9-2.0-2.1-2.2-2.3-2.4lt6,2104,6613,4672,5551,8661,350968687483337

25、2331591087248322113953良品數(shù)993,790995,339996,533997,445998,134998,650999,032999,313999,517999,663999,767999,841999,892999,928999,952999,968999,979999,987999,991999,995999,997-1.0-1.1-1.2-1.3-1.4-1.5-1.6-1.7-1.8-1.9-2.0-2.1-2.2-2.3-2.4-2.5-2.6-2.7-2.8-2.9-3.0st-2.5-2.6-2.7-2.8-2.9-3.0-3.1-3.2-3.3-3.4-3

26、.5-3.6-3.7-3.8-3.9-4.0-4.1-4.2-4.3-4.4-4.5ltDPMO與Sigma程度表泊松分布過程才干分析.例題：DPU, DPMO是多少?泊松分布過程才干分析.94.4% 合格RTY與Sigma程度浪費(fèi) 56,000 ppm97% 合格浪費(fèi) 30,000 ppm95.5% 合格RTY = 0.955*0.97*0.944 = 87.4%浪費(fèi) 45,000 ppmRTY不僅為最終階段,各階段的才干同樣重要Hidden Factory : 再作業(yè)/廢棄泊松分布過程才干分析.IQC100%合格PQC95.5%合格OQC97.0%合格 包裝94.4%合格 RTY = 1.00 0.955 0.970 0.944 = 0.874 = 87.4 %RTY例:泊松分布過程才干分析.RTY與DPU 測(cè)值DATA為缺陷DATA時(shí) ,即指在泊松分布下 PX = 0 (無一個(gè)缺陷的概率 ) 注釋： e = 2.7183