Minitab17-常规操作

唐勇2016/9/8Minitab17常规操作目录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.MSA1.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。序号12345678910测试值241236246238244248237237228220序号11121314151617181920测试值244245250230245226218241241245序号31323334353637383940测试值251250229249239254240243238241序号41424344454647484950测试值2432382452422352392322492362401.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1.直方图数据整理并选择“如下”1.直方图1.直方图2.柏拉图又名：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。2.柏拉图例序号不良现像不良数1不开机52撞板不回弹163开机后退84充电无负载205驱动轮异音306下视失灵227不延边28不回充电座29面盖划伤710wifi不联网132.柏拉图2.柏拉图2.柏拉图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。3.因果图3.因果图3.因果图3.因果图4.控制图用途：（1）能及时发现生产过程中的异常现象和缓慢的变异、预防不合格产品发生（2）能有效分析判断生产过程中的稳定性，降低检验、测试费用（3）可查明设备和工艺手段的实际技术状况（4）使生产成本和质量成为可预测的参数，可高效识别系统误差的影响程度，降低质量差别最小，提高质量和经济效益4.控制图序号样本_1样本_2样本_3样本_4样本_5样本_6样本_7样本_8样本_9样本_10样本_11样本_12样本_13样本_14样本_15样本_16样本_17样本_18样本_19样本_201598.93600.63598.67601.15598.22598.35598.66602.07600.96601.55596.64597.66596.18594.62596.71600.82603.63600.94602.34602.682602.80591.97597.73596.54597.41600.39598.89596.94596.19598.54599.53603.14597.27602.42604.71599.24604.43604.56602.30597.703597.57598.44600.76601.54599.76596.92605.03594.58597.16595.35604.66600.23601.49604.58602.14598.85601.78601.61602.66595.734604.02598.76604.58598.26601.87594.95602.19600.19596.53604.71598.81596.38599.17604.68597.53603.42594.35600.32598.13605.615598.84599.83600.57597.04597.84601.40603.70596.02600.67600.29600.15597.73601.41598.77595.10596.73599.22601.85598.32598.38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Xbar-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4.控制图4.控制图4.控制图控制图的判异标准：（1）一点落在A区以外（2）连续9点落在中心线同一侧（3）连续6点递增或递降（4）连续14点中相邻点上下交替（5）连续3点有2点落在中心线同一侧的B区以外（6）连续5点中有4点落在中心线同一侧的C区以外（7）连续15点在C区中心线上下（8）连续8点在中心线两侧但无一在C区中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。1.正强相关（X增大，Y也增大）2.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3.不相关4.曲线相关（X增大，Y以某种曲线的形式变化）5.弱负相关（X增大，Y有减小的趋势）6.强负相关（X增大，Y随之减小）5.散布图5.散布图5.散布图5.散布图5.散布图正强相关（X增大，Y也增大）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。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：序号含碳量x合金强度值y10.1042.020.1143.530.1245.040.1345.550.1445.060.1547.570.1649.080.1753.090.1850.0100.2055.0110.2155.0120.2360.06.回归分析6.回归分析6.回归分析回归P=00.05说明回归方程显著有效含碳量xP=00.05说明含碳量是显著因子6.回归分析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7.箱线图Q3orUQ，第三四分位点Q1orLQ，第一四分位点中位数Q3+1.5*IQRIQR=Q3-Q1Q1-1.5*IQRIQR=Q3-Q1*异常值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,其整数部分记为k,其小数部分记为f(当然0≤f1)Q=Xk+f(XK+1-XK）7.箱线图例随机抽取甲乙两家灯泡的制造商的灯泡使用寿命，如下供应商灯泡使寿命供应商灯泡使用寿命甲1780乙1090甲930乙1000甲1400乙880甲1630乙1590甲1160乙160甲1150乙1520甲1770乙1270甲1190乙1470甲1030乙1110甲1570乙12907.箱线图7.箱线图7.箱线图7.箱线图8.假设检验在质量改进中，如要判断改进后是否比原来的方案有效？采取改进措施后合格率是否比原来提高了？等等，这类参数的性质（如均值、标准差、分布等）作出结论性的判断，我们都可以采用假设检验的方发来得出科学的结论。8.假设检验例某工厂用自动包装机包装葡萄糖，规定每袋质量为500g。现随机抽取10袋，测得每袋葡萄糖的质量如下表序号12345678910质量495510505498503492502505497506设每袋葡萄糖的质量服从正态分布N（u,σ)若1，已知σ=5g2，σ未知显著水平α=0.05请判断包装机是否正常。Z=𝑋−𝜇0𝜎𝑛t=𝑋−𝜇0𝑆𝑛单个正态总体均值检验水平检验统计量8.假设检验已知σ=5g8.假设检验8.假设检验1.检验统计量的观测值Z=0.82，通过手工查表可知临界值为1.96，因此接受原假设，即包装机正常工作2.总体置信区间为（498.20，504.40）包含了样本的平均值501.30，因此接受原假设。3.P=0.4110.05,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：Z=𝑋−𝜇0𝜎𝑛8.假设检验σ未知8.假设检验8.假设检验与上面已知的σ结论相同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9.方差分析ANOVA9.方差分析ANOVA9.方差分析ANOVAP=0.0330.05因此我们要拒绝原假设即不同的车床加工出来的零件存在显著差异。质量管理是以事实和数据驱动管理，而数据是测量过程的结果，因此数据本身的质量以及测量过程的分析与改进是非常重要的。度量一个测量过程是否好坏可用如下6个指标1.分辨率；2.稳定性；3.偏移；4.线性;5.重复性；6.再现性10.MSA10.MSA例某食品厂生产袋装食品，出厂前需要检验其重量是否符合要求。已经知道公差要求是（45.5+/-0.5g),为了进行测量系统的分析，在出厂前有代表性的抽取10包，编好号，随机挑选3位检验员用各自的测量器具测量每包重量，将样品打乱后再测量一次，第三次打乱，再测量之，数据如下,请进行测量系统的R&R分析检验员次数袋装食品重量12345678910A145.6546.0045.8545.8545.5546.0045.9545.8546.0045.60245.6046.0045.8045.9545.4546.0045.9545.8046.0045.70345.6446.0245.8245.9745.5846.0145.9745.8446.0045.64B145.5546.0545.8045.8045.4046.0045.9545.7546.0045.55245.5545.9545.7545.7545.4046.0545.9045.7045.9545.50345.5446.0145.8245.8145.3946.0245.9745.7746.0245.58C145.5046.0545.8045.8045.4546.0045.9545.8046.0545.85245.5546.0045.8045.8045.5046.0545.9545.8046.0545.80345.5945.9745.8145.8045.5246.0345.9845.8146.0745.8610.MSA10.MSA10.MSA1.量具的方差贡献比=11.26%9%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分辨率达不到要求因此，测量系统不合格，需要对测量系统进行改进，改进后再次进行测量系统分析，合格后方可使用。10.MSA10.MSA10.MSA测量系统评价指标结束