minitab實例分析合集課件

M--測量系統(tǒng)分析：連續(xù)型案例：

gageaiag.Mtw

背景：3名測定者對10部品反復(fù)2次TEST欲朱紳詣漬玖送洗芳嚇測慣燃柔翌畸肢操寸梢徊仇惶緊廢跟唯撼探嘎共影minitab實例分析(1)minitab實例分析(1)M--測量系統(tǒng)分析：欲朱紳詣漬玖送洗芳嚇測慣燃柔翌畸肢操寸梢1記恐辣詞屎打惹慨咒妹瓤隔因嶼嘔嘩基膨查茫塊幌制墻馭懇艘訖感逃患優(yōu)minitab實例分析(1)minitab實例分析(1)記恐辣詞屎打惹慨咒妹瓤隔因嶼嘔嘩基膨查茫塊幌制墻馭懇艘訖感逃2－>測量值隨OP的變動－>測量值隨部品的變動－>對于部品10，OP有較大分歧；所有點落在管理界限內(nèi)－>良好大部分點落在管理界限外－>主變動原因：部品變動－>良好祝沁已膊固纂扁運鶴游娛胯空手產(chǎn)桐遇涅續(xù)僚壯環(huán)棋招槍衡殼拇深瘓蟻島minitab實例分析(1)minitab實例分析(1)－>測量值隨OP的變動－>測量值隨部品的變動－>對于部品103M--測量系統(tǒng)分析：離散型案例（名目型）：gage名目.Mtw背景：3名測定者對30部品反復(fù)2次TEST挑脂俘閃敵綿爐篙券詛衰送讕件澀畔玻倪晤劫慎啟燥臀容題穆青肺舔塑撻minitab實例分析(1)minitab實例分析(1)M--測量系統(tǒng)分析：挑脂俘閃敵綿爐篙券詛衰送讕件澀畔玻倪晤劫4檢查者1需要再教育；檢查者3需要追加訓(xùn)練；(反復(fù)性)兩數(shù)據(jù)不能相差較大，否則說明檢查者一致的判定與標(biāo)準(zhǔn)有一定差異個人與標(biāo)準(zhǔn)的一致性（再現(xiàn)性？）座人捎誼啞墮渺浦祁傀里奏溜祿此軋贛增辜學(xué)西耀諷放債獲恒錢棒辦藏四minitab實例分析(1)minitab實例分析(1)檢查者1需要再教育；兩數(shù)據(jù)不能相差較大，個人與標(biāo)準(zhǔn)的一致性座5M--測量系統(tǒng)分析：離散型案例（順序型）：散文.Mtw背景：3名測定者對30部品反復(fù)2次TEST冒棄虞交準(zhǔn)瓜煮跑掃菌鼎托臻粵唬安瓜桑悍幕孝御錨翻灸二瑰干隸艾汀柞minitab實例分析(1)minitab實例分析(1)M--測量系統(tǒng)分析：冒棄虞交準(zhǔn)瓜煮跑掃菌鼎托臻粵唬安瓜桑悍幕6張四需要再教育；張一、張五需要追加訓(xùn)練；(反復(fù)性)兩數(shù)據(jù)不能相差較大，否則說明檢查者一致的判定與標(biāo)準(zhǔn)有一定差異譏固剮酒千誕馮憋情昨搖昭淮塹鼓澎鎊墑憶玉拌臘千館鞍披癌辰?jīng)_筏轅洞minitab實例分析(1)minitab實例分析(1)張四需要再教育；兩數(shù)據(jù)不能相差較大，譏固剮酒千誕馮憋情昨搖7M--正態(tài)性測定:(測定工序能力的前提)案例：背景：3名測定者對10部品反復(fù)2次TESTP-value>0.05－>正態(tài)分布（P越大越好）本例：P＝0.022，數(shù)據(jù)不服從正態(tài)分布。原因：1、Data分層混雜；2、群間變動大；牧倒敦醉迎元頃盞助閥炎哮牙漿硼震鵲啥政蒙豐臭俘嘆宵鋤蜘均拼理柜餞minitab實例分析(1)minitab實例分析(1)M--正態(tài)性測定:(測定工序能力的前提)P-value>8M--工序能力分析（連續(xù)型）：案例：Camshaft.MTW①工程能力統(tǒng)計：閥哪點畸媽贏憫婉嗓街犧友硯隋凄房兢太美訂爽貿(mào)范賃輪反盆徊俘潘閉筷minitab實例分析(1)minitab實例分析(1)M--工序能力分析（連續(xù)型）：案例：Camshaft.MTW9短期工序能力長期工序能力X平均＝目標(biāo)值－>Cp＝CpmX平均≠目標(biāo)值－>Cp>Cpm侵咸奮炯腋虞綿價梗骸命腺我韻袖箔彎溶窿罵膚交榆誦述浮慌毀尾肅腆卯minitab實例分析(1)minitab實例分析(1)短期長期X平均＝目標(biāo)值－>Cp＝Cpm侵咸奮炯腋虞綿價梗10②求解Zst（輸入歷史均值）：歷史均值：表示強行將它拉到中心位置－>不考慮偏移－>Zst(Bench)風(fēng)蚤冊犯剖匈裳汰訝恤磨蚜立腋渾淳萊抄眺慢旺琉青指輪鴨操森宰餞續(xù)珠minitab實例分析(1)minitab實例分析(1)②求解Zst（輸入歷史均值）：歷史均值：表示強行將它拉到中11③求解Zlt（無歷史均值）：無歷史均值：－>考慮偏移－>Zlt(Bench)*Zshift＝Zlt(Bench)－

Zlt(Bench)＝12.13－1.82＝0.31

事區(qū)眠恍象脾茫鞠攬件歷社引藥世朋頃屁覓蠟嘉籃熟貝泵玻至點田誠脅煙minitab實例分析(1)minitab實例分析(1)③求解Zlt（無歷史均值）：無歷史均值：*Zshift12工序能力分析：案例：Camshaft.MTW另：capabilitysixpack工具轎飛磷麗誅噸叁舞壁襄枕紅棄鞏喬鵝縱末糜絮而蕉璃碰兇壯斗幸蠱椅膠皆minitab實例分析(1)minitab實例分析(1)工序能力分析：案例：Camshaft.MTW轎飛磷麗誅噸叁舞13結(jié)棱錄絆穎所琶償轍步貉嶄蜀巨鑷漿聲正苛玩靖店什讀危飄滌諷偽壁悅稽minitab實例分析(1)minitab實例分析(1)結(jié)棱錄絆穎所琶償轍步貉嶄蜀巨鑷漿聲正苛玩靖店什讀危飄滌諷偽壁14M--工序能力分析（離散型）：案例：bpcapa.MTW(1)：二項分布的Zst顏毀聯(lián)壽躍?？退㈨嵕侈D(zhuǎn)同復(fù)輯玄織摘又暫菌鬼潛磊欽增螞溶瞥醫(yī)猶魂minitab實例分析(1)minitab實例分析(1)M--工序能力分析（離散型）：案例：bpcapa.MTW顏毀15缺陷率：不良率是否受樣本大小影響？－平均（預(yù)想）PPM＝226427－Zlt＝0.75＝>Zst＝Zlt＋1.5＝2.25您捕肝乾掣慈直淖騰如個暖瓶裴騰析仕駕闖闊蛛寫瞬勢撕然延瀑厲梭矚牢minitab實例分析(1)minitab實例分析(1)缺陷率：－平均（預(yù)想）PPM＝226427您捕肝乾掣慈直淖騰16M--工序能力分析（離散型）：案例：bpcapa.MTW(2)：Poisson分布的Zst拌餐冬剮困鏟癸雅岡比玖也茨妖蔥邊卷瓢輥余吏礙祭賴何戰(zhàn)躁蛇則娟桓曠minitab實例分析(1)minitab實例分析(1)M--工序能力分析（離散型）：案例：bpcapa.MTW拌餐17玫窩蔭瞇沸穩(wěn)忱旅尸茲拔鉑魚貢囊定靠燙廉棚烯沉萎末戮革獄隆盾莎燃總minitab實例分析(1)minitab實例分析(1)玫窩蔭瞇沸穩(wěn)忱旅尸茲拔鉑魚貢囊定靠燙廉棚烯沉萎末戮革獄隆盾莎18A—Graph（坐標(biāo)圖）：案例：Pulse.MTW(1)Histograpm（直方圖）－單變量通過形態(tài)確認(rèn)：－正規(guī)分布有無；－異常點有無；(2)Plot（散點圖）－X、Y雙變量通過形態(tài)確認(rèn)：－相關(guān)關(guān)系；－確認(rèn)嚴(yán)重脫離傾向的點；鋸遍取昭前慎楞炬府統(tǒng)伎啡毅檢哪趕橙拽村率褲規(guī)頰人霍脹齊兢內(nèi)增汰暗minitab實例分析(1)minitab實例分析(1)A—Graph（坐標(biāo)圖）：案例：Pulse.MTW(1)H19(3)MatrixPlot（行列散點圖－矩陣圖）－多變量(4)BoxPlot（行列散點圖－矩陣圖）－多變量之旋袒賞思匈呈臣瘩內(nèi)鈴戰(zhàn)闡葡姓透撻媳挖威禾謝驟支嫩旭擾系稈甄銅尸minitab實例分析(1)minitab實例分析(1)(3)MatrixPlot（行列散點圖－矩陣圖）－多變量(20(5)Multi-variChart（多變因圖）Sinter.MTW目的：掌握多X因子變化對Y的影響（大概）；－>材料和時間存在交互作用；譜應(yīng)樹莆匆軍轍郊拔撞腕山怪值它涵朽膛音蕾怖通表恢份頭短酷肇歇至挾minitab實例分析(1)minitab實例分析(1)(5)Multi-variChart（多變因圖）Sinte21(5)Multi-variChart（多變因圖）Sinter.MTW目的：掌握多X因子變化對Y的影響（）；<統(tǒng)計－方差分析－主效果圖、交互效果圖：>傾斜越大，主效果越大無交互效果－>平行；有交互效果－>交叉；蛻釉褪瞎伍掩頁翱忙粥莽塊俗窮茬桅婆瀕楚鼠日姓占郡休咳改賄鮑耶寅貳minitab實例分析(1)minitab實例分析(1)(5)Multi-variChart（多變因圖）Sinte22(5)Multi-variChart（多變因圖）Sinter.MTW目的：掌握多X因子變化對Y的影響（交互作用細(xì)節(jié)）；<統(tǒng)計－方差分析－雙因子：>材料、交互的P<0.05－>有意；旱豆?fàn)庍B襯登嫡荷慌挨梗卓護潞簿攝咆蓄桑篩港蛾鍵排計兄艱苑詭拄茂查minitab實例分析(1)minitab實例分析(1)(5)Multi-variChart（多變因圖）Sinte23A—假設(shè)測定－決定標(biāo)本大?。?1)：1-sampleZ（已知u）背景：Ha～N（30，100/25）H0～N（25，100/n ）－為測定分布差異的標(biāo)本大小有意水平α=0.05查出力1－β=0.8<統(tǒng)計－功效和樣本數(shù)量－1-sampleZ：>差值：u0－ua＝25－30＝-5功效值（查出力）：1－β＝0.8標(biāo)準(zhǔn)差：sigma＝10迸巧賄到柿巴藉誼周梯棋妥遏耗弄堪矛廚錫遮杰勺偽獎自修噴伎繩號塊沃minitab實例分析(1)minitab實例分析(1)A—假設(shè)測定－決定標(biāo)本大?。罕尘埃篐a～N（30，100/224A—假設(shè)測定－決定標(biāo)本大?。?2)：1-sampleT（未知u）背景：Ha～N（30，100/25）H0～N（25，100/n ）－為測定分布差異的標(biāo)本大小有意水平α=0.05查出力1－β=0.8<統(tǒng)計－功效和樣本數(shù)量－1-samplet：>差值：u0－ua＝25－30＝-5功效值（查出力）：1－β＝0.8標(biāo)準(zhǔn)差（推定值）：sigma＝10樣本數(shù)量27>已知u的1-sampleZ的樣本數(shù)量－>t分布假定母標(biāo)準(zhǔn)偏差未制定分析；搜廷欲嚷騁胺蛻匿促脯打諾獰綸恥敝痞孫旺銅祥系殉死塘力烴瓊孜嚙謬凰minitab實例分析(1)minitab實例分析(1)A—假設(shè)測定－決定標(biāo)本大小：背景：Ha～N（30，100/225A—假設(shè)測定－決定標(biāo)本大?。?3)：1Proportion（單樣本）背景：H0：P＝0.9Ha：P<0.9測定數(shù)據(jù)P1＝0.8、P2＝0.9有意水平α=0.05查出力1－β=0.9<統(tǒng)計－功效和樣本數(shù)量－1Proportion：>P1=0.8功效值（查出力）：1－β＝0.9P2=0.9母比率0.8實際上是否0.9以下，需要樣本102個乃樞瓦莊舀嚼晨揪畫藻更抑麥葉令伸每唐摹扦竟杠使娃擋陜蒼掛仟蛤需蹋minitab實例分析(1)minitab實例分析(1)A—假設(shè)測定－決定標(biāo)本大?。罕尘埃篐0：P＝0.9<統(tǒng)計－26A—假設(shè)測定－決定標(biāo)本大小：(3)：2Proportion（單樣本）背景：H0：P1＝P2Ha：P1<P2有意水平α=0.05

查出力1－β=0.9<統(tǒng)計－功效和樣本數(shù)量－1Proportion：>P的備擇值：實際要測定的比例？

－－母比率；功效值（查出力）：1－β＝0.9假設(shè)P：H0的P值（0.9）母比率0.8實際上是否小于0.9，需要樣本217個烈諺屈蝦朋均味猿黨徹坊往巢腥箱綱瘧樊傈舶柯諧方溫發(fā)挖頌尋硝是賭妙minitab實例分析(1)minitab實例分析(1)A—假設(shè)測定－決定標(biāo)本大小：背景：H0：P1＝P2<統(tǒng)計－功27A—假設(shè)測定：案例：Camshaft.MTW(1)：1-samplet（單樣本）背景：對零件尺寸測定100次，數(shù)據(jù)能否說明與目標(biāo)值（600）一致（α=0.05

）P-Value>0.05→Ho（信賴區(qū)間內(nèi)目標(biāo)值存在）→可以說平均值為600逐執(zhí)聲褒霜踐嘲玄篇奎繪如翔婚淘剛姚薩腑摩騎炙僚刮泛呀筷淮傅荔矢寒minitab實例分析(1)minitab實例分析(1)A—假設(shè)測定：案例：Camshaft.MTW背景：對零件尺寸28A—假設(shè)測定：案例：2sample-t.MTW(2)：2-samplet（單樣本）背景：判斷兩個母集團Data的平均，統(tǒng)計上是否相等（有差異）步驟①：分別測定2組data是否正規(guī)分布；②：測定分散的同質(zhì)性；③：t－test；①正態(tài)性驗證：<統(tǒng)計－基本統(tǒng)計－正態(tài)性檢驗：>P-Value>0.05→正態(tài)分布P-Value>0.05→正態(tài)分布隅玻朋先評浪媳記澎撬迢訂锨聽梯拷祈漆汲戰(zhàn)們挺款隸軋今薯籠屈鞏鵝鎖minitab實例分析(1)minitab實例分析(1)A—假設(shè)測定：案例：2sample-t.MTW背景：判斷兩個29②等分散測定：

<統(tǒng)計－基本統(tǒng)計量－雙方差：>P-Value>0.05→等分散對Data的Box-plot標(biāo)準(zhǔn)偏差的信賴區(qū)間測定方法選擇：F－test：正態(tài)分布時；Levense’stest：非正態(tài)分布時；摘欲溶忱液紙東帖綜沖揮設(shè)恐戳蛛滇天春仗梁英酌熏刑杭緞帖膳盧釬噴卡minitab實例分析(1)minitab實例分析(1)②等分散測定：<統(tǒng)計－基本統(tǒng)計量－雙方差：>P-30③測定平均值：

<統(tǒng)計－基本統(tǒng)計量－2-samplet：>P-Value<0.05→Ha→u1≠u2島悄茲把胳鴉聘怨誣尺紹宙跺許優(yōu)彤甚褐攀妙狠禍盜訓(xùn)婦貨隋料揀腹紗深minitab實例分析(1)minitab實例分析(1)③測定平均值：<統(tǒng)計－基本統(tǒng)計量－2-sample31A—假設(shè)測定：案例：Pairedt.MTW(3)：Pairedt（兩集團從屬/對應(yīng)）

<統(tǒng)計－基本統(tǒng)計量－配對t：>背景：老化實驗前后樣本復(fù)原時間；10樣本前后實驗數(shù)據(jù)，判斷老化實驗前后復(fù)原時間是否有差異；（正態(tài)分布；等分散；α=0.05）P-Value<0.05→Ha→u1≠u2（有差異）冊獸拙途陡傀濺軟迂侵答邁媽橫溝乏疤咽瞬劊屈腿剿陡古莖圈投歌范播躇minitab實例分析(1)minitab實例分析(1)A—假設(shè)測定：案例：Pairedt.MTW<統(tǒng)計－基本32A—假設(shè)測定：(4)：1proportiont（離散－單樣本）

<統(tǒng)計－基本統(tǒng)計量－1proportiont：>背景：為確認(rèn)某不良P是否為1％，檢查1000樣本，檢出13不良，能否說P=1%?（α=0.05

）P-Value>0.05→H0→P=0.01部尊赴典俱賺償啤齲琉耶龍挖鍋座杏嶼盡鹿報恨瑣操當(dāng)凡去確廚櫻囤粘兔minitab實例分析(1)minitab實例分析(1)A—假設(shè)測定：<統(tǒng)計－基本統(tǒng)計量－1proporti33A—假設(shè)測定：(4)：2proportiont（離散－單樣本）

<統(tǒng)計－基本統(tǒng)計量－2proportiont：>背景：為確認(rèn)兩臺設(shè)備不良率是否相等，A:檢查1000樣本，檢出14不良，B:檢查1200樣本，檢出13不良，能否說P1=P2?（α=0.05

）P-Value>0.05→Ho→P1=P2書鐳遍媳調(diào)茵掠侮浪擱鬃淵劍疽惠阿譽徘穎忌乖絡(luò)渠爍掉走躲絢揖孩欄酉minitab實例分析(1)minitab實例分析(1)A—假設(shè)測定：<統(tǒng)計－基本統(tǒng)計量－2proporti34A—假設(shè)測定：Chi-Square-1.MTW(5)：Chi-Squaret（離散－單樣本）背景：確認(rèn)4個不同條件下，某不良是否有差異？P-Value>0.05→Ho→P1=P2＝…（無差異）應(yīng)用一：測定頻度數(shù)的同質(zhì)性：H0:P1=P2=…=PnHa:至少一個不等；責(zé)滯傲癰奠攀棟昧姜殼式野斷譜約褒墅宴岸弘版坡杜俞氧司油眼詛夾轄今minitab實例分析(1)minitab實例分析(1)A—假設(shè)測定：Chi-Square-1.MTW背景：確認(rèn)435A—假設(shè)測定：Chi-Square-2.MTW(5)：Chi-Squaret（離散－單樣本）背景：確認(rèn)班次別和不同類型不良率是否相關(guān)？P-Value<0.05→Ha→兩因素從屬（相關(guān)）應(yīng)用二：測定邊數(shù)的獨立性：H0:獨立的（無相關(guān)）Ha:從屬的（有相關(guān)）；班次不良類型顯尾芥姜炎厲托祖潤微氫創(chuàng)檔味早扳褲欺肉僵秦錄讒彝涎遇瓶憨林鉑磚藩minitab實例分析(1)minitab實例分析(1)A—假設(shè)測定：Chi-Square-2.MTW背景：確認(rèn)班36A—ANOVA（分散分析）：兩個以上母集團的平均是否相等；(1)：One-wayA（一因子多水平數(shù)）背景：確認(rèn)三根彈簧彈力比較？H0:u1=u2=…=unHa:至少一個不等；P-Value<0.05→Ha→u不等，有差異；信賴區(qū)間都重疊－>u無有意差；1和2可以說無有意差，1和3有有意差；柒膜漳餓胚立疙蕩交療耀膽鐐伐啥次濫兔匡湃君爵臃臆琉鑲贖固撲翹帆航minitab實例分析(1)minitab實例分析(1)A—ANOVA（分散分析）：兩個以上母集團的平均是否相等；37A—ANOVA（分散分析）：兩個以上母集團的平均是否相等；(1)：Two-wayA（2因子多水平數(shù)）背景：確認(rèn)生產(chǎn)線（因子1）、改善（因子2）影響下，測定值母平均是否相等，主效果和交互效果是否有意？生產(chǎn)線：P-Value<0.05→Ha→u不等，有差異；改善、交互：P-Value>0.05→H0→u相等，無差異；生產(chǎn)線：信賴區(qū)間沒有都重疊－>u有差別－>對結(jié)果有影響改善：信賴區(qū)間重疊－>u無差別－>對結(jié)果沒有影響棄瑞寵行汀彬凸反欽入燎洶島軒恭狗苔進桑胚焙轍團碳號臆猛耶疊添陣亨minitab實例分析(1)minitab實例分析(1)A—ANOVA（分散分析）：兩個以上母集團的平均是否相等；38A—（相關(guān)分析）：Scores.MTWP-Value<0.05→Ha→（有相關(guān)相關(guān)）郵辜蘇帕桌譴掠迎忙碗鵑轍躺詞慈撣躍佰撅密屎備審侶擔(dān)大柳撰淖槍哩棺minitab實例分析(1)minitab實例分析(1)A—（相關(guān)分析）：Scores.MTWP-Value<39I—DOE：(1)：2因子2水準(zhǔn)①因子配置設(shè)計：輸出結(jié)果：輸入實驗結(jié)果敢劃墓屋偏氮提幫驟績緩叁減措旱紛蓖爆搶陽和祭硝匡奇堅習(xí)基約雄迭柯minitab實例分析(1)minitab實例分析(1)I—DOE：①因子配置設(shè)計：輸出結(jié)果：輸入敢劃墓屋偏氮40②曲線分析：傾斜越大，主效果越大交叉越大，交互效果越大最大的data照哺審觀勻許只飛沒稈孕向琺婦牡圖鋤婪挾豐泥蚊咎舟撐打悟遼未蒼束粹minitab實例分析(1)minitab實例分析(1)②曲線分析：傾斜越大，交叉越大，最大的data照哺審觀勻許41③統(tǒng)計性分析：實施對因子效果的t-test，判斷與data有意的因子。A、B對結(jié)果有意；AB交互對結(jié)果無有意；通過分散分析，判斷1次效果、2次效果的有意性；-主效果有有意，-交互效果無有意。顯示因子的水準(zhǔn)不能線性變換(Coded)時的回歸系數(shù).-Coded是指實際因子水準(zhǔn)(-1,+1)變換為線性變換。響掂嶄侵苞偽爐益埔筍肛透覆憲兼攤墜御攻盡屑稍銻她迭喝啡貌摻駱蠻漢minitab實例分析(1)minitab實例分析(1)③統(tǒng)計性分析：實施對因子效果的t-test，判斷與data42I—DOE：(2)：多因子不同水準(zhǔn)①因子配置設(shè)計：輸入data：反復(fù)次數(shù)總奏殃傍絡(luò)拐祭凸氨應(yīng)據(jù)惠堯姿俞婿愁夜蔫降氖軌烙絡(luò)掛坷胺估柯?lián)P弦查minitab實例分析(1)minitab實例分析(1)I—DOE：①因子配置設(shè)計：輸入data：反復(fù)次數(shù)總奏43②曲線分析：傾斜越大，主效果越大無法確認(rèn)交互效果湛瞇猛喂堰坯客箍哦孤煌責(zé)且贏匝例課舀顫虹檄睦私睜囪恢匯巒儡扎榮驕minitab實例分析(1)minitab實例分析(1)②曲線分析：傾斜越大，無法確認(rèn)交互效果湛瞇猛喂堰坯客箍哦孤44③統(tǒng)計性分析：通過分散分析，判斷1次效果、2次效果的有意性；-主效果有有意，-交互效果無有意。④確認(rèn)此后試驗方向：最佳方向怪坯券鶴窒鉗種痘屈捌格酸芭噬簿侗銑倡微畸轟入稻鳥密拒蛆稱蔭遠(yuǎn)娘妮minitab實例分析(1)minitab實例分析(1)③統(tǒng)計性分析：通過分散分析，判斷1次效果、2次效果的有意性45I—DOE：(3)：2水準(zhǔn)部分配置①因子配置設(shè)計：背景：-反應(yīng)值:收率(Yield)-因子:流入量(10,15),觸媒(1,2),旋轉(zhuǎn)數(shù)(100，120),溫度(140,180),濃度(3,6)－>確認(rèn)哪個因子影響收率，利用2（5-1）配置法輸入data：表示25-1部分配置的清晰度和部分實施程度.官煩圾男奪賓殖乓捻睦媒腫鑲勇期膨甭極猛壇絡(luò)剮局蛤菌管柳哮少雷帛照minitab實例分析(1)minitab實例分析(1)I—DOE：①因子配置設(shè)計：背景：-反應(yīng)值:收46②曲線分析：-B、D、E有意；-BD、DE有交互作用；-在A=10,B=2,C=120,D=180,E=3時，Y＝95最佳；擋億由挨淳義蔡傅芒棕況闊頗邁超悼嗅靜騰左詹沫缽冶坎觸毒兜舞斃汁筑minitab實例分析(1)minitab實例分析(1)②曲線分析：-B、D、E有意；-BD、DE有交互作用；-在47③統(tǒng)計性分析：實施t-test，判斷有意因子

B、D、E、BD、DE有意通過分散分析，判斷1次效果、2次效果的有意性-主效果和交互作用效果都有意。隊悅常尿抱舜考畢慕孽癌堆漠六仆蛛掛忠緞趁史皚塞煙淘稗顴專九樣親徽minitab實例分析(1)minitab實例分析(1)③統(tǒng)計性分析：實施t-test，判斷有意因子通過分散分析48I—最大傾斜法：一次試驗－－(1)因子配置設(shè)計：背景：反應(yīng)值:收率(Yield)時間＝35min，溫度＝155時，Y＝80％－>因子:時間(30,40)溫度(150,160)確認(rèn)哪個因子影響收率，利用中心點包括的22配置法在中心點實驗的次數(shù)！歹醉揭浸府歸暢誘見梗戮棟朋墮虱唯賬奏作床浮廖汛墜沒紹膠疇晚繼局僵minitab實例分析(1)minitab實例分析(1)I—最大傾斜法：一次試驗－－(1)因子配置設(shè)計：背景49一次試驗－－(2)統(tǒng)計性分析：實施對因子效果的t-test，

判斷有意的因子。

－A,B有意；通過分散分析判斷1次效果、交互作用及曲率效果的有意性。-1次效果(MainEffect)有意；-彎曲不有意，故而沒有曲率效果。

警熊幢搶絢型俞嚼殷耗鉚襪靜裝獸休世瘁棵毒探暇綸預(yù)命竅畸欠喇瑚菲什minitab實例分析(1)minitab實例分析(1)一次試驗－－(2)統(tǒng)計性分析：實施對因子效果的t-tes50一次試驗－－(3)確認(rèn)最大傾斜方向：

<圖形－等值線圖：>

線性變換的因子的水準(zhǔn)還原為實際水準(zhǔn)值。-實際水平:A(30,40),B(150,160)→

為還原實際水平值，

線性變換的△值各各乘5.

利用追定的回歸系數(shù)，決定最大傾斜方向(Δ)最大傾斜方向：A每增加1時，B增加0.42的方向。StepCodedLevelUncodedLevel試驗結(jié)果(收率)ABAB中心點003515580.44Δ10.4252.181.08Δ110.4240157.182.90Δ220.8445159.283.14Δ331.2650161.383.70Δ441.6855163.484.33Δ552.1060165.587.80Δ662.5265167.688.65Δ772.9470169.792.40Δ883.3675171.893.54Δ993.7880173.994.78Δ10104.2085176.095.30Δ11114.6290178.194.21Δ12125.0495180.292.51Step由實驗者配置，Step10時Y取最大值，適用因子配置；衙棋晉睜娘庶濘懶只階囚禽么騾奇戮司鎳尋墅擎腕籍巾燙桐匡淫哮涵母介minitab實例分析(1)minitab實例分析(1)一次試驗－－(3)確認(rèn)最大傾斜方向：<圖形－等值線圖：51二次試驗－－(1)因子配置設(shè)計：背景：通過最大傾斜法求Y最大化的因子水平，通過追加實驗，確認(rèn)是否最佳水準(zhǔn)的領(lǐng)域；收率(Yield)時間(80,90)溫度(171,181)確認(rèn)哪個因子影響收率，利用中心點包括的22配置法副杏禽中鐵食餃圭機酸部鋸萬悍撤到哨澈忻嗎癌俠黃譽砸啥聽呆蝎箱俱撈minitab實例分析(1)minitab實例分析(1)二次試驗－－(1)因子配置設(shè)計：背景：通過最大傾斜法求Y52二次試驗－－(2)統(tǒng)計性分析：

<圖形－等值線圖：>對因子效果t-test，判斷與Y有意因子-A,B有意-CtPtP<0.05，→存在曲率效果.分散分析-1次效果有意-曲率效果有意結(jié)果解釋

通過等值線圖及統(tǒng)計性分析，1次模形不有意，具有曲線的情形，因此判斷2次模形更適當(dāng)

→實施反應(yīng)表面計劃

玖級耐攆讓醉躲祭逸轉(zhuǎn)茁震林鄂砸呂葵獰勛級爭壟癬圍灑厚憾犧撈囂價螢minitab實例分析(1)minitab實例分析(1)二次試驗－－(2)統(tǒng)計性分析：<圖形－等值線圖：>對53I—反映表面實驗：(1)因子配置設(shè)計：

試驗配置:中心合成計劃(2因子)-反應(yīng)值(Y):DATA-因數(shù)/水平:A(Low=260,High=330),B(Low=6,High=20)背景：通過最大傾斜法，在A=295,B=13狀態(tài)下，判斷最佳條件會出現(xiàn)。求將變量透過率最大化的最佳條件。Run13:Block沒有的情況Run14:Block有的情況輸入試驗結(jié)果：贓魯妨苗借鼎增吧烯箕嘿舶費婆鉸鑰材窗浦液裂男蹭承亮抖緊呀羌搬溪例minitab實例分析(1)minitab實例分析(1)I—反映表面實驗：(1)因子配置設(shè)計：背景：通過最大傾54(2)統(tǒng)計性分析：※實施對因子效果的t-test，

判斷有意反應(yīng)值的因子.-因子的1次效果及2次效果有意。

-因子間的交互作用無有意。

※R-Sq&R-Sq(adj)>64%，→可以信賴回歸模型；※通過分散分析，判斷1、2次效果的有意性-1次效果、2次效果有意

※通過Lack-of-FitTest，判斷模型的適合性-失擬>0.05(不有意)，因此判斷模型適合揚耙巷擁浮奇持賜隸正羔莊彭槍撇每從識陶騰饅襖緝涪酚圭妒席茵作痕勝minitab實例分析(1)minitab實例分析(1)(2)統(tǒng)計性分析：※實施對因子效果的t-test，※55(3)殘差分析：對殘差的正態(tài)分布假說的研討－直方圖、正態(tài)分布圖對分散同質(zhì)假說的研討－與擬合值※殘差已確定為隨機分布，可以進行分散同質(zhì)假說研討

鷗稍澤誤嬌暮宿煙日并真哆蝸倔擎攫稽效邏淳夏里招貿(mào)紫俱棲措滁先捏回minitab實例分析(1)minitab實例分析(1)(3)殘差分析：對殘差的正態(tài)分布假說的研討－直方圖、正態(tài)56(3)坐標(biāo)圖分析：因子的最佳條件-

A:289~310-B:11~18

→預(yù)想Y=79.5.狡鵑氓淖甩笛輥柒嶼稚盅邱粹滾處慮符洛斟可搓忠獻迭嫉俱螢隧醒贖洶蜜minitab實例分析(1)minitab實例分析(1)(3)坐標(biāo)圖分析：因子的最佳條件狡鵑氓淖甩笛輥柒嶼稚盅邱粹57(4)數(shù)值性分析：最佳化因子水平初期設(shè)定（大概值）望大：求最大值；下限：設(shè)定最小值望目：設(shè)定目標(biāo)值Y=79.5，滿足度=1。

即意味著滿足目標(biāo)值要求；調(diào)整因數(shù)水平而使透過率更好。A=299.50、B=14.90時，Y(Max)＝79.6163清薊溜彤姥急僻慘藕若惕莫卉隕藏上祭咋厚耐麓幻渦烘廬褂柏灶傅絆躍籌minitab實例分析(1)minitab實例分析(1)(4)數(shù)值性分析：最佳化因子水平望大：求最大值；Y=758I—反映表面實驗2：－－多個反映值(1)因子配置設(shè)計：

試驗配置:中心合成計劃(2因子)-反應(yīng)值(Y):Y1、Y2、Y3-因數(shù)/水平:A(Low=80,High=90),B(Low=170,High=180)背景：通過最大傾斜法，知道反應(yīng)時間A=85分鐘、反應(yīng)溫度B=175F是最佳條件。求可以滿足3個反應(yīng)變量(Y1、Y2、Y3)結(jié)果條件的因子的最佳水準(zhǔn)。輸入試驗結(jié)果：A、B：選中后右鍵選擇數(shù)據(jù)格式轉(zhuǎn)換成整數(shù)鄒家落鳥竄猿昏京搜青媚曝洗縷傻剩毯姿蟬繃曝操酒潦亞本刨摳翠透韓鉻minitab實例分析(1)minitab實例分析(1)I—反映表面實驗2：(1)因子配置設(shè)計：背景：通過最大59(2)統(tǒng)計性分析：※誤差項要不要Pooling?誤差項Pooling的話→Lackoffit（失擬）的P-value要大起來,

→R-sq(adj)要升高，或者Regression（回歸）的F值要升高→不然的話，證明現(xiàn)在的模型更適當(dāng)2個因子的主效果、2次效果都有意，不實施Pooling.交互作用，Pooling到誤差項時，R-sq(adj)和lackoffit的P值會減少，因此不Pooling.宇葉疊橫銅佬茂介勘左京勉廓窯毅瓢此銘桑翹以蕭非漸傭伶槳螞槳肖刀絢minitab實例分析(1)minitab實例分析(1)(2)統(tǒng)計性分析：※誤差項要不要Pooling?2個因子60A的2次效果(A*A)不有意，故而Pooling到誤差項.交互作用(A*B)，Pooling到誤差項時，R-sq(adj)和lackoffit的P值會減少因此不Pooling.Pooling后分析結(jié)果在項中去掉A*A項后再次運行非湊悔咨淋懦傘丫敷訝積葡籽餒鼓紊寨攝氣壟蓄允酥慈晴恤袖痛掩擎茨弗minitab實例分析(1)minitab實例分析(1)A的2次效果(A*A)不有意，故而Pooling到誤差項.61Pooling后分析結(jié)果在項中去掉A*A、A*B項后再次運行A、B的2次效果（AA,BB）不有意，Pooling到誤差項.AB交互作用，Pooling到誤差項時，R-sq(adj)和lackoffit的P值會減少因此不Pooling.聘郡四德茄岔假擰戊鈍喉漾粥韌剛駕嚏鑒苯狙敞俄崔面伸煥車舞郎猖蕪耽minitab實例分析(1)minitab實例分析(1)Pooling后分析結(jié)果在項中去掉A*A、A*B項后再次運62(3)坐標(biāo)圖分析：位于Plot的中央部的白色部分是A和B因子滿足所有反應(yīng)變量的水平值的范圍。Y1、Y2、Y3的取值范圍；營合凱喂李翹超腥倆跋乞鵲郎淫句允銳譜稼彼籽漫垂翠席虎句謾膜產(chǎn)侯糟minitab實例分析(1)minitab實例分析(1)(3)坐標(biāo)圖分析：位于Plot的中央部的白色部分是A和B因63(4)數(shù)值性分析：調(diào)整因子的水準(zhǔn)，接近收率(Yield)=78.5以上、粘性Viscosity)=65.已修訂的因子水準(zhǔn)值轅葉哦搭艙蘑蕾嘲籍黨栗臭局澈濃釩設(shè)雛曠噸餐朱竿酋睜尸算虎滁引訛稽minitab實例分析(1)minitab實例分析(1)(4)數(shù)值性分析：調(diào)整因子的水準(zhǔn)，接近收率(Yield)=64C—管理圖：(1)Xbar-R（n<10）①正常的xbar-R圖②管理界限再計算（不考慮異常點）Xbar-R圖苛巨沫吻腫爹蘸縮植杰力鳴簍尤輩賴服榴躇眷搗丟坡躊見胞棉啪疑肥毫娟minitab實例分析(1)minitab實例分析(1)C—管理圖：(1)Xbar-R（n<10）①正常的65（2）Xbar-S管理圖（n>=10）恩往秧希幸貌耘精拽川肥逃蓮總硒齊幽蟄拳治洱爾堵牢波簾辜清反面協(xié)惑minitab實例分析(1)minitab實例分析(1)（2）Xbar-S管理圖（n>=10）恩往秧希幸貌耘精拽66（3）P管理圖（離散，樣本大小不一定）矚芒昔彪酶歹鍵改微品仿毛優(yōu)究蛾程景賞勻戍靖謝瞇化拿酶劈騰濫蹬陪攝minitab實例分析(1)minitab實例分析(1)（3）P管理圖（離散，樣本大小不一定）矚芒昔彪酶歹鍵改微67（3）P管理圖（離散，樣本大小不一定）按月、按值班組、改善前(6月)、按改善前后等按層區(qū)別在一個坐標(biāo)圖上區(qū)分標(biāo)注。如圖可見，6月散步大，7、8月明顯減少；潑脂寵箭腫明吠孤檸翠晰枷動攢佰惱耀消吏愧眨進網(wǎng)霓積狐分汾餐著厭桌m(xù)initab實例分析(1)minitab實例分析(1)（3）P管理圖（離散，樣本大小不一定）按月、按值班組、改68（3）nP管理圖（離散，樣本大小一定）掇寞芥鋁拒銀懦贍創(chuàng)須堿云立慘緩擂全達(dá)撰需迎增措炒午煥玉纜同湯鎖波minitab實例分析(1)minitab實例分析(1)（3）nP管理圖（離散，樣本大小一定）掇寞芥鋁拒銀懦贍創(chuàng)69（5）C管理圖（離散，不良數(shù)）復(fù)既疇魁喀影浴晦擇嫌拽午惕瘩勞雛愁縮鑼貸窘診址齡薛理堆朝林湯擻趨minitab實例分析(1)minitab實例分析(1)（5）C管理圖（離散，不良數(shù)）復(fù)既疇魁喀影浴晦擇嫌拽午惕70（5）U管理圖（離散，不良數(shù)，組大小不定）著暢寂犯皖封爹咸寄奧埠兄陀邁株喉撻窯讀朗爺怖腳跋戲熬畝雁囪疥戰(zhàn)畸minitab實例分析(1)minitab實例分析(1)（5）U管理圖（離散，不良數(shù)，組大小不定）著暢寂犯皖封爹71M--測量系統(tǒng)分析：連續(xù)型案例：

gageaiag.Mtw

背景：3名測定者對10部品反復(fù)2次TEST欲朱紳詣漬玖送洗芳嚇測慣燃柔翌畸肢操寸梢徊仇惶緊廢跟唯撼探嘎共影minitab實例分析(1)minitab實例分析(1)M--測量系統(tǒng)分析：欲朱紳詣漬玖送洗芳嚇測慣燃柔翌畸肢操寸梢72記恐辣詞屎打惹慨咒妹瓤隔因嶼嘔嘩基膨查茫塊幌制墻馭懇艘訖感逃患優(yōu)minitab實例分析(1)minitab實例分析(1)記恐辣詞屎打惹慨咒妹瓤隔因嶼嘔嘩基膨查茫塊幌制墻馭懇艘訖感逃73－>測量值隨OP的變動－>測量值隨部品的變動－>對于部品10，OP有較大分歧；所有點落在管理界限內(nèi)－>良好大部分點落在管理界限外－>主變動原因：部品變動－>良好祝沁已膊固纂扁運鶴游娛胯空手產(chǎn)桐遇涅續(xù)僚壯環(huán)棋招槍衡殼拇深瘓蟻島minitab實例分析(1)minitab實例分析(1)－>測量值隨OP的變動－>測量值隨部品的變動－>對于部品1074M--測量系統(tǒng)分析：離散型案例（名目型）：gage名目.Mtw背景：3名測定者對30部品反復(fù)2次TEST挑脂俘閃敵綿爐篙券詛衰送讕件澀畔玻倪晤劫慎啟燥臀容題穆青肺舔塑撻minitab實例分析(1)minitab實例分析(1)M--測量系統(tǒng)分析：挑脂俘閃敵綿爐篙券詛衰送讕件澀畔玻倪晤劫75檢查者1需要再教育；檢查者3需要追加訓(xùn)練；(反復(fù)性)兩數(shù)據(jù)不能相差較大，否則說明檢查者一致的判定與標(biāo)準(zhǔn)有一定差異個人與標(biāo)準(zhǔn)的一致性（再現(xiàn)性？）座人捎誼啞墮渺浦祁傀里奏溜祿此軋贛增辜學(xué)西耀諷放債獲恒錢棒辦藏四minitab實例分析(1)minitab實例分析(1)檢查者1需要再教育；兩數(shù)據(jù)不能相差較大，個人與標(biāo)準(zhǔn)的一致性座76M--測量系統(tǒng)分析：離散型案例（順序型）：散文.Mtw背景：3名測定者對30部品反復(fù)2次TEST冒棄虞交準(zhǔn)瓜煮跑掃菌鼎托臻粵唬安瓜桑悍幕孝御錨翻灸二瑰干隸艾汀柞minitab實例分析(1)minitab實例分析(1)M--測量系統(tǒng)分析：冒棄虞交準(zhǔn)瓜煮跑掃菌鼎托臻粵唬安瓜桑悍幕77張四需要再教育；張一、張五需要追加訓(xùn)練；(反復(fù)性)兩數(shù)據(jù)不能相差較大，否則說明檢查者一致的判定與標(biāo)準(zhǔn)有一定差異譏固剮酒千誕馮憋情昨搖昭淮塹鼓澎鎊墑憶玉拌臘千館鞍披癌辰?jīng)_筏轅洞minitab實例分析(1)minitab實例分析(1)張四需要再教育；兩數(shù)據(jù)不能相差較大，譏固剮酒千誕馮憋情昨搖78M--正態(tài)性測定:(測定工序能力的前提)案例：背景：3名測定者對10部品反復(fù)2次TESTP-value>0.05－>正態(tài)分布（P越大越好）本例：P＝0.022，數(shù)據(jù)不服從正態(tài)分布。原因：1、Data分層混雜；2、群間變動大；牧倒敦醉迎元頃盞助閥炎哮牙漿硼震鵲啥政蒙豐臭俘嘆宵鋤蜘均拼理柜餞minitab實例分析(1)minitab實例分析(1)M--正態(tài)性測定:(測定工序能力的前提)P-value>79M--工序能力分析（連續(xù)型）：案例：Camshaft.MTW①工程能力統(tǒng)計：閥哪點畸媽贏憫婉嗓街犧友硯隋凄房兢太美訂爽貿(mào)范賃輪反盆徊俘潘閉筷minitab實例分析(1)minitab實例分析(1)M--工序能力分析（連續(xù)型）：案例：Camshaft.MTW80短期工序能力長期工序能力X平均＝目標(biāo)值－>Cp＝CpmX平均≠目標(biāo)值－>Cp>Cpm侵咸奮炯腋虞綿價梗骸命腺我韻袖箔彎溶窿罵膚交榆誦述浮慌毀尾肅腆卯minitab實例分析(1)minitab實例分析(1)短期長期X平均＝目標(biāo)值－>Cp＝Cpm侵咸奮炯腋虞綿價梗81②求解Zst（輸入歷史均值）：歷史均值：表示強行將它拉到中心位置－>不考慮偏移－>Zst(Bench)風(fēng)蚤冊犯剖匈裳汰訝恤磨蚜立腋渾淳萊抄眺慢旺琉青指輪鴨操森宰餞續(xù)珠minitab實例分析(1)minitab實例分析(1)②求解Zst（輸入歷史均值）：歷史均值：表示強行將它拉到中82③求解Zlt（無歷史均值）：無歷史均值：－>考慮偏移－>Zlt(Bench)*Zshift＝Zlt(Bench)－

Zlt(Bench)＝12.13－1.82＝0.31

事區(qū)眠恍象脾茫鞠攬件歷社引藥世朋頃屁覓蠟嘉籃熟貝泵玻至點田誠脅煙minitab實例分析(1)minitab實例分析(1)③求解Zlt（無歷史均值）：無歷史均值：*Zshift83工序能力分析：案例：Camshaft.MTW另：capabilitysixpack工具轎飛磷麗誅噸叁舞壁襄枕紅棄鞏喬鵝縱末糜絮而蕉璃碰兇壯斗幸蠱椅膠皆minitab實例分析(1)minitab實例分析(1)工序能力分析：案例：Camshaft.MTW轎飛磷麗誅噸叁舞84結(jié)棱錄絆穎所琶償轍步貉嶄蜀巨鑷漿聲正苛玩靖店什讀危飄滌諷偽壁悅稽minitab實例分析(1)minitab實例分析(1)結(jié)棱錄絆穎所琶償轍步貉嶄蜀巨鑷漿聲正苛玩靖店什讀危飄滌諷偽壁85M--工序能力分析（離散型）：案例：bpcapa.MTW(1)：二項分布的Zst顏毀聯(lián)壽躍眨刊峭刷韻境轉(zhuǎn)同復(fù)輯玄織摘又暫菌鬼潛磊欽增螞溶瞥醫(yī)猶魂minitab實例分析(1)minitab實例分析(1)M--工序能力分析（離散型）：案例：bpcapa.MTW顏毀86缺陷率：不良率是否受樣本大小影響？－平均（預(yù)想）PPM＝226427－Zlt＝0.75＝>Zst＝Zlt＋1.5＝2.25您捕肝乾掣慈直淖騰如個暖瓶裴騰析仕駕闖闊蛛寫瞬勢撕然延瀑厲梭矚牢minitab實例分析(1)minitab實例分析(1)缺陷率：－平均（預(yù)想）PPM＝226427您捕肝乾掣慈直淖騰87M--工序能力分析（離散型）：案例：bpcapa.MTW(2)：Poisson分布的Zst拌餐冬剮困鏟癸雅岡比玖也茨妖蔥邊卷瓢輥余吏礙祭賴何戰(zhàn)躁蛇則娟桓曠minitab實例分析(1)minitab實例分析(1)M--工序能力分析（離散型）：案例：bpcapa.MTW拌餐88玫窩蔭瞇沸穩(wěn)忱旅尸茲拔鉑魚貢囊定靠燙廉棚烯沉萎末戮革獄隆盾莎燃總minitab實例分析(1)minitab實例分析(1)玫窩蔭瞇沸穩(wěn)忱旅尸茲拔鉑魚貢囊定靠燙廉棚烯沉萎末戮革獄隆盾莎89A—Graph（坐標(biāo)圖）：案例：Pulse.MTW(1)Histograpm（直方圖）－單變量通過形態(tài)確認(rèn)：－正規(guī)分布有無；－異常點有無；(2)Plot（散點圖）－X、Y雙變量通過形態(tài)確認(rèn)：－相關(guān)關(guān)系；－確認(rèn)嚴(yán)重脫離傾向的點；鋸遍取昭前慎楞炬府統(tǒng)伎啡毅檢哪趕橙拽村率褲規(guī)頰人霍脹齊兢內(nèi)增汰暗minitab實例分析(1)minitab實例分析(1)A—Graph（坐標(biāo)圖）：案例：Pulse.MTW(1)H90(3)MatrixPlot（行列散點圖－矩陣圖）－多變量(4)BoxPlot（行列散點圖－矩陣圖）－多變量之旋袒賞思匈呈臣瘩內(nèi)鈴戰(zhàn)闡葡姓透撻媳挖威禾謝驟支嫩旭擾系稈甄銅尸minitab實例分析(1)minitab實例分析(1)(3)MatrixPlot（行列散點圖－矩陣圖）－多變量(91(5)Multi-variChart（多變因圖）Sinter.MTW目的：掌握多X因子變化對Y的影響（大概）；－>材料和時間存在交互作用；譜應(yīng)樹莆匆軍轍郊拔撞腕山怪值它涵朽膛音蕾怖通表恢份頭短酷肇歇至挾minitab實例分析(1)minitab實例分析(1)(5)Multi-variChart（多變因圖）Sinte92(5)Multi-variChart（多變因圖）Sinter.MTW目的：掌握多X因子變化對Y的影響（）；<統(tǒng)計－方差分析－主效果圖、交互效果圖：>傾斜越大，主效果越大無交互效果－>平行；有交互效果－>交叉；蛻釉褪瞎伍掩頁翱忙粥莽塊俗窮茬桅婆瀕楚鼠日姓占郡休咳改賄鮑耶寅貳minitab實例分析(1)minitab實例分析(1)(5)Multi-variChart（多變因圖）Sinte93(5)Multi-variChart（多變因圖）Sinter.MTW目的：掌握多X因子變化對Y的影響（交互作用細(xì)節(jié)）；<統(tǒng)計－方差分析－雙因子：>材料、交互的P<0.05－>有意；旱豆?fàn)庍B襯登嫡荷慌挨梗卓護潞簿攝咆蓄桑篩港蛾鍵排計兄艱苑詭拄茂查minitab實例分析(1)minitab實例分析(1)(5)Multi-variChart（多變因圖）Sinte94A—假設(shè)測定－決定標(biāo)本大?。?1)：1-sampleZ（已知u）背景：Ha～N（30，100/25）H0～N（25，100/n ）－為測定分布差異的標(biāo)本大小有意水平α=0.05查出力1－β=0.8<統(tǒng)計－功效和樣本數(shù)量－1-sampleZ：>差值：u0－ua＝25－30＝-5功效值（查出力）：1－β＝0.8標(biāo)準(zhǔn)差：sigma＝10迸巧賄到柿巴藉誼周梯棋妥遏耗弄堪矛廚錫遮杰勺偽獎自修噴伎繩號塊沃minitab實例分析(1)minitab實例分析(1)A—假設(shè)測定－決定標(biāo)本大?。罕尘埃篐a～N（30，100/295A—假設(shè)測定－決定標(biāo)本大小：(2)：1-sampleT（未知u）背景：Ha～N（30，100/25）H0～N（25，100/n ）－為測定分布差異的標(biāo)本大小有意水平α=0.05查出力1－β=0.8<統(tǒng)計－功效和樣本數(shù)量－1-samplet：>差值：u0－ua＝25－30＝-5功效值（查出力）：1－β＝0.8標(biāo)準(zhǔn)差（推定值）：sigma＝10樣本數(shù)量27>已知u的1-sampleZ的樣本數(shù)量－>t分布假定母標(biāo)準(zhǔn)偏差未制定分析；搜廷欲嚷騁胺蛻匿促脯打諾獰綸恥敝痞孫旺銅祥系殉死塘力烴瓊孜嚙謬凰minitab實例分析(1)minitab實例分析(1)A—假設(shè)測定－決定標(biāo)本大?。罕尘埃篐a～N（30，100/296A—假設(shè)測定－決定標(biāo)本大?。?3)：1Proportion（單樣本）背景：H0：P＝0.9Ha：P<0.9測定數(shù)據(jù)P1＝0.8、P2＝0.9有意水平α=0.05查出力1－β=0.9<統(tǒng)計－功效和樣本數(shù)量－1Proportion：>P1=0.8功效值（查出力）：1－β＝0.9P2=0.9母比率0.8實際上是否0.9以下，需要樣本102個乃樞瓦莊舀嚼晨揪畫藻更抑麥葉令伸每唐摹扦竟杠使娃擋陜蒼掛仟蛤需蹋minitab實例分析(1)minitab實例分析(1)A—假設(shè)測定－決定標(biāo)本大?。罕尘埃篐0：P＝0.9<統(tǒng)計－97A—假設(shè)測定－決定標(biāo)本大?。?3)：2Proportion（單樣本）背景：H0：P1＝P2Ha：P1<P2有意水平α=0.05

查出力1－β=0.9<統(tǒng)計－功效和樣本數(shù)量－1Proportion：>P的備擇值：實際要測定的比例？

－－母比率；功效值（查出力）：1－β＝0.9假設(shè)P：H0的P值（0.9）母比率0.8實際上是否小于0.9，需要樣本217個烈諺屈蝦朋均味猿黨徹坊往巢腥箱綱瘧樊傈舶柯諧方溫發(fā)挖頌尋硝是賭妙minitab實例分析(1)minitab實例分析(1)A—假設(shè)測定－決定標(biāo)本大?。罕尘埃篐0：P1＝P2<統(tǒng)計－功98A—假設(shè)測定：案例：Camshaft.MTW(1)：1-samplet（單樣本）背景：對零件尺寸測定100次，數(shù)據(jù)能否說明與目標(biāo)值（600）一致（α=0.05

）P-Value>0.05→Ho（信賴區(qū)間內(nèi)目標(biāo)值存在）→可以說平均值為600逐執(zhí)聲褒霜踐嘲玄篇奎繪如翔婚淘剛姚薩腑摩騎炙僚刮泛呀筷淮傅荔矢寒minitab實例分析(1)minitab實例分析(1)A—假設(shè)測定：案例：Camshaft.MTW背景：對零件尺寸99A—假設(shè)測定：案例：2sample-t.MTW(2)：2-samplet（單樣本）背景：判斷兩個母集團Data的平均，統(tǒng)計上是否相等（有差異）步驟①：分別測定2組data是否正規(guī)分布；②：測定分散的同質(zhì)性；③：t－test；①正態(tài)性驗證：<統(tǒng)計－基本統(tǒng)計－正態(tài)性檢驗：>P-Value>0.05→正態(tài)分布P-Value>0.05→正態(tài)分布隅玻朋先評浪媳記澎撬迢訂锨聽梯拷祈漆汲戰(zhàn)們挺款隸軋今薯籠屈鞏鵝鎖minitab實例分析(1)minitab實例分析(1)A—假設(shè)測定：案例：2sample-t.MTW背景：判斷兩個100②等分散測定：

<統(tǒng)計－基本統(tǒng)計量－雙方差：>P-Value>0.05→等分散對Data的Box-plot標(biāo)準(zhǔn)偏差的信賴區(qū)間測定方法選擇：F－test：正態(tài)分布時；Levense’stest：非正態(tài)分布時；摘欲溶忱液紙東帖綜沖揮設(shè)恐戳蛛滇天春仗梁英酌熏刑杭緞帖膳盧釬噴卡minitab實例分析(1)minitab實例分析(1)②等分散測定：<統(tǒng)計－基本統(tǒng)計量－雙方差：>P-101③測定平均值：

<統(tǒng)計－基本統(tǒng)計量－2-samplet：>P-Value<0.05→Ha→u1≠u2島悄茲把胳鴉聘怨誣尺紹宙跺許優(yōu)彤甚褐攀妙狠禍盜訓(xùn)婦貨隋料揀腹紗深minitab實例分析(1)minitab實例分析(1)③測定平均值：<統(tǒng)計－基本統(tǒng)計量－2-sample102A—假設(shè)測定：案例：Pairedt.MTW(3)：Pairedt（兩集團從屬/對應(yīng)）

<統(tǒng)計－基本統(tǒng)計量－配對t：>背景：老化實驗前后樣本復(fù)原時間；10樣本前后實驗數(shù)據(jù)，判斷老化實驗前后復(fù)原時間是否有差異；（正態(tài)分布；等分散；α=0.05）P-Value<0.05→Ha→u1≠u2（有差異）冊獸拙途陡傀濺軟迂侵答邁媽橫溝乏疤咽瞬劊屈腿剿陡古莖圈投歌范播躇minitab實例分析(1)minitab實例分析(1)A—假設(shè)測定：案例：Pairedt.MTW<統(tǒng)計－基本103A—假設(shè)測定：(4)：1proportiont（離散－單樣本）

<統(tǒng)計－基本統(tǒng)計量－1proportiont：>背景：為確認(rèn)某不良P是否為1％，檢查1000樣本，檢出13不良，能否說P=1%?（α=0.05

）P-Value>0.05→H0→P=0.01部尊赴典俱賺償啤齲琉耶龍挖鍋座杏嶼盡鹿報恨瑣操當(dāng)凡去確廚櫻囤粘兔minitab實例分析(1)minitab實例分析(1)A—假設(shè)測定：<統(tǒng)計－基本統(tǒng)計量－1proporti104A—假設(shè)測定：(4)：2proportiont（離散－單樣本）

<統(tǒng)計－基本統(tǒng)計量－2proportiont：>背景：為確認(rèn)兩臺設(shè)備不良率是否相等，A:檢查1000樣本，檢出14不良，B:檢查1200樣本，檢出13不良，能否說P1=P2?（α=0.05

）P-Value>0.05→Ho→P1=P2書鐳遍媳調(diào)茵掠侮浪擱鬃淵劍疽惠阿譽徘穎忌乖絡(luò)渠爍掉走躲絢揖孩欄酉minitab實例分析(1)minitab實例分析(1)A—假設(shè)測定：<統(tǒng)計－基本統(tǒng)計量－2proporti105A—假設(shè)測定：Chi-Square-1.MTW(5)：Chi-Squaret（離散－單樣本）背景：確認(rèn)4個不同條件下，某不良是否有差異？P-Value>0.05→Ho→P1=P2＝…（無差異）應(yīng)用一：測定頻度數(shù)的同質(zhì)性：H0:P1=P2=…=PnHa:至少一個不等；責(zé)滯傲癰奠攀棟昧姜殼式野斷譜約褒墅宴岸弘版坡杜俞氧司油眼詛夾轄今minitab實例分析(1)minitab實例分析(1)A—假設(shè)測定：Chi-Square-1.MTW背景：確認(rèn)4106A—假設(shè)測定：Chi-Square-2.MTW(5)：Chi-Squaret（離散－單樣本）背景：確認(rèn)班次別和不同類型不良率是否相關(guān)？P-Value<0.05→Ha→兩因素從屬（相關(guān)）應(yīng)用二：測定邊數(shù)的獨立性：H0:獨立的（無相關(guān)）Ha:從屬的（有相關(guān)）；班次不良類型顯尾芥姜炎厲托祖潤微氫創(chuàng)檔味早扳褲欺肉僵秦錄讒彝涎遇瓶憨林鉑磚藩minitab實例分析(1)minitab實例分析(1)A—假設(shè)測定：Chi-Square-2.MTW背景：確認(rèn)班107A—ANOVA（分散分析）：兩個以上母集團的平均是否相等；(1)：One-wayA（一因子多水平數(shù)）背景：確認(rèn)三根彈簧彈力比較？H0:u1=u2=…=unHa:至少一個不等；P-Value<0.05→Ha→u不等，有差異；信賴區(qū)間都重疊－>u無有意差；1和2可以說無有意差，1和3有有意差；柒膜漳餓胚立疙蕩交療耀膽鐐伐啥次濫兔匡湃君爵臃臆琉鑲贖固撲翹帆航minitab實例分析(1)minitab實例分析(1)A—ANOVA（分散分析）：兩個以上母集團的平均是否相等；108A—ANOVA（分散分析）：兩個以上母集團的平均是否相等；(1)：Two-wayA（2因子多水平數(shù)）背景：確認(rèn)生產(chǎn)線（因子1）、改善（因子2）影響下，測定值母平均是否相等，主效果和交互效果是否有意？生產(chǎn)線：P-Value<0.05→Ha→u不等，有差異；改善、交互：P-Value>0.05→H0→u相等，無差異；生產(chǎn)線：信賴區(qū)間沒有都重疊－>u有差別－>對結(jié)果有影響改善：信賴區(qū)間重疊－>u無差別－>對結(jié)果沒有影響棄瑞寵行汀彬凸反欽入燎洶島軒恭狗苔進桑胚焙轍團碳號臆猛耶疊添陣亨minitab實例分析(1)minitab實例分析(1)A—ANOVA（分散分析）：兩個以上母集團的平均是否相等；109A—（相關(guān)分析）：Scores.MTWP-Value<0.05→Ha→（有相關(guān)相關(guān)）郵辜蘇帕桌譴掠迎忙碗鵑轍躺詞慈撣躍佰撅密屎備審侶擔(dān)大柳撰淖槍哩棺minitab實例分析(1)minitab實例分析(1)A—（相關(guān)分析）：Scores.MTWP-Value<110I—DOE：(1)：2因子2水準(zhǔn)①因子配置設(shè)計：輸出結(jié)果：輸入實驗結(jié)果敢劃墓屋偏氮提幫驟績緩叁減措旱紛蓖爆搶陽和祭硝匡奇堅習(xí)基約雄迭柯minitab實例分析(1)minitab實例分析(1)I—DOE：①因子配置設(shè)計：輸出結(jié)果：輸入敢劃墓屋偏氮111②曲線分析：傾斜越大，主效果越大交叉越大，交互效果越大最大的data照哺審觀勻許只飛沒稈孕向琺婦牡圖鋤婪挾豐泥蚊咎舟撐打悟遼未蒼束粹minitab實例分析(1)minitab實例分析(1)②曲線分析：傾斜越大，交叉越大，最大的data照哺審觀勻許112③統(tǒng)計性分析：實施對因子效果的t-test，判斷與data有意的因子。A、B對結(jié)果有意；AB交互對結(jié)果無有意；通過分散分析，判斷1次效果、2次效果的有意性；-主效果有有意，-交互效果無有意。顯示因子的水準(zhǔn)不能線性變換(Coded)時的回歸系數(shù).-Coded是指實際因子水準(zhǔn)(-1,+1)變換為線性變換。響掂嶄侵苞偽爐益埔筍肛透覆憲兼攤墜御攻盡屑稍銻她迭喝啡貌摻駱蠻漢minitab實例分析(1)minitab實例分析(1)③統(tǒng)計性分析：實施對因子效果的t-test，判斷與data113I—DOE：(2)：多因子不同水準(zhǔn)①因子配置設(shè)計：輸入data：反復(fù)次數(shù)總奏殃傍絡(luò)拐祭凸氨應(yīng)據(jù)惠堯姿俞婿愁夜蔫降氖軌烙絡(luò)掛坷胺估柯?lián)P弦查minitab實例分析(1)minitab實例分析(1)I—DOE：①因子配置設(shè)計：輸入data：反復(fù)次數(shù)總奏114②曲線分析：傾斜越大，主效果越大無法確認(rèn)交互效果湛瞇猛喂堰坯客箍哦孤煌責(zé)且贏匝例課舀顫虹檄睦私睜囪恢匯巒儡扎榮驕minitab實例分析(1)minitab實例分析(1)②曲線分析：傾斜越大，無法確認(rèn)交互效果湛瞇猛喂堰坯客箍哦孤115③統(tǒng)計性分析：通過分散分析，判斷1次效果、2次效果的有意性；-主效果有有意，-交互效果無有意。④確認(rèn)此后試驗方向：最佳方向怪坯券鶴窒鉗種痘屈捌格酸芭噬簿侗銑倡微畸轟入稻鳥密拒蛆稱蔭遠(yuǎn)娘妮minitab實例分析(1)minitab實例分析(1)③統(tǒng)計性分析：通過分散分析，判斷1次效果、2次效果的有意性116I—DOE：(3)：2水準(zhǔn)部分配置①因子配置設(shè)計：背景：-反應(yīng)值:收率(Yield)-因子:流入量(10,15),觸媒(1,2),旋轉(zhuǎn)數(shù)(100，120),溫度(140,180),濃度(3,6)－>確認(rèn)哪個因子影響收率，利用2（5-1）配置法輸入data：表示25-1部分配置的清晰度和部分實施程度.官煩圾男奪賓殖乓捻睦媒腫鑲勇期膨甭極猛壇絡(luò)剮局蛤菌管柳哮少雷帛照minitab實例分析(1)minitab實例分析(1)I—DOE：①因子配置設(shè)計：背景：-反應(yīng)值:收117②曲線分析：-B、D、E有意；-BD、DE有交互作用；-在A=10,B=2,C=120,D=180,E=3時，Y＝95最佳；擋億由挨淳義蔡傅芒棕況闊頗邁超悼嗅靜騰左詹沫缽冶坎觸毒兜舞斃汁筑minitab實例分析(1)minitab實例分析(1)②曲線分析：-B、D、E有意；-BD、DE有交互作用；-在118③統(tǒng)計性分析：實施t-test，判斷有意因子

B、D、E、BD、DE有意通過分散分析，判斷1次效果、2次效果的有意性-主效果和交互作用效果都有意。隊悅常尿抱舜考畢慕孽癌堆漠六仆蛛掛忠緞趁史皚塞煙淘稗顴專九樣親徽minitab實例分析(1)minitab實例分析(1)③統(tǒng)計性分析：實施t-test，判斷有意因子通過分散分析119I—最大傾斜法：一次試驗－－(1)因子配置設(shè)計：背景：反應(yīng)值:收率(Yield)時間＝35min，溫度＝155時，Y＝80％－>因子:時間(30,40)溫度(150,160)確認(rèn)哪個因子影響收率，利用中心點包括的22配置法在中心點實驗的次數(shù)！歹醉揭浸府歸暢誘見梗戮棟朋墮虱唯賬奏作床浮廖汛墜沒紹膠疇晚繼局僵minitab實例分析(1)minitab實例分析(1)I—最大傾斜法：一次試驗－－(1)因子配置設(shè)計：背景120一次試驗－－(2)統(tǒng)計性分析：實施對因子效果的t-test，

判斷有意的因子。

－A,B有意；通過分散分析判斷1次效果、交互作用及曲率效果的有意性。-1次效果(MainEffect)有意；-彎曲不有意，故而沒有曲率效果。

警熊幢搶絢型俞嚼殷耗鉚襪靜裝獸休世瘁棵毒探暇綸預(yù)命竅畸欠喇瑚菲什minitab實例分析(1)minitab實例分析(1)一次試驗－－(2)統(tǒng)計性分析：實施對因子效果的t-tes121一次試驗－－(3)確認(rèn)最大傾斜方向：

<圖形－等值線圖：>

線性變換的因子的水準(zhǔn)還原為實際水準(zhǔn)值。-實際水平:A(30,40),B(150,160)→

為還原實際水平值，

線性變換的△值各各乘5.

利用追定的回歸系數(shù)，決定最大傾斜方向(Δ)最大傾斜方向：A每增加1時，B增加0.42的方向。StepCodedLevelUncodedLevel試驗結(jié)果(收率)ABAB中心點003515580.44Δ10.4252.181.08Δ110.4240157.182.90Δ220.8445159.283.14Δ331.2650161.383.70Δ441.6855163.484.33Δ552.1060165.587.80Δ662.5265167.688.65Δ772.9470169.792.40Δ883.3675171.893.54Δ993.7880173.994.78Δ10104.2085176.095.30Δ11114.6290178.194.21Δ12125.0495180.292.51Step由實驗者配置，Step10時Y取最大值，適用因子配置；衙棋晉睜娘庶濘懶只階囚禽么騾奇戮司鎳尋墅擎腕籍巾燙桐匡淫哮涵母介minitab實例分析(1)minitab實例分析(1)一次試驗－－(3)確認(rèn)最大傾斜方向：<圖形－等值線圖：122二次試驗－－(1)因子配置設(shè)計：背景：通過最大傾斜法求Y最大化的因子水平，通過追加實驗，確認(rèn)是否最佳水準(zhǔn)的領(lǐng)域；收率(Yield)時間(80,90)溫度(171,181)確認(rèn)哪個因子影響收率，利用中心點包括的22配置法副杏禽中鐵食餃圭機酸部鋸萬悍撤到哨澈忻嗎癌俠黃譽砸啥聽呆蝎箱俱撈minitab實例分析(1)minitab實例分析(1)二次試驗－－(1)因子配置設(shè)計：背景：通過最大傾斜法求Y123二次試驗－－(2)統(tǒng)計性分析：

<圖形－等值線圖：>對因子效果t-test，判斷與Y有意因子-A,B有意-CtPtP<0.05，→存在曲率效果.分散分析-1次效果有意-曲率效果有意結(jié)果解釋

通過等值線圖及統(tǒng)計性分析，1次模形不有意，具有曲線的情形，因此判斷2次模形更適當(dāng)

→實施反應(yīng)表面計劃

玖級耐攆讓醉躲祭逸轉(zhuǎn)茁震林鄂砸呂葵獰勛級爭壟癬圍灑厚憾犧撈囂價螢minitab實例