JMP 常用工具整理

1Copyright©2008QualiSysConsultancyServices开启档案相位差.jmp分别利用前三栏位的资料制作NormalPlot哪一组趋近于正态?再分别制作直方图(Histogram)这其中透露了什么?练习2Copyright©2008QualiSysConsultancyServices认识数据的分布3Copyright©2008QualiSysConsultancyServices认识数据的分布4Copyright©2008QualiSysConsultancyServices柏拉图展示的是根据出现频率进行排序后的数据类别，例如：返工的原因。柏拉图5Copyright©2008QualiSysConsultancyServicesJMP里的柏拉图练习请打开QUALITYCONTROL.jmp，里面的Flows是瑕疵的类型，右侧记录了瑕疵“发生的时刻”。这组数据没有直接提供瑕疵计数。所以要用“X分组”来区隔。6Copyright©2008QualiSysConsultancyServices基准（可调）JMP里的柏拉图练习JMP会以第一个“发生时刻”值的瑕疵多少排列顺序作为不同时刻分隔的基准，并可自行调整。于是，可以观察各种瑕疵在不同“作业时刻”的具体数量分布。7Copyright©2008QualiSysConsultancyServices•打开文件SPC-X.jmp，看I-MR单值–移动全距图控制图看的就是“异常点”8Copyright©2008QualiSysConsultancyServices因I-MR数据基于正态分布，所以“移动极差”只有超限点控制图看的就是“异常点”9Copyright©2008QualiSysConsultancyServices打开文件SPC-X.jmp，看X-Bar分组均值范围图若无GROUP列，则在此输入组内个数X-Bar分组均值范围图10Copyright©2008QualiSysConsultancyServicesX-Bar分组均值范围图11Copyright©2008QualiSysConsultancyServices练习•打开P-CHART.jmp，反映了一段时间内被检验产品的不良数，其中分母不尽一致。•当然，若分母一致，可自行输入样本常数。12Copyright©2008QualiSysConsultancyServices•流程能力diag1.jmp数据包含以下特征:–数据正态–5个一组的SPC基本正常–Max=85.752，Min=56.749若将LSL=57、USL=80以及LSL=57、USL=86分别输入看流程能力分析•分组若非连续采集（比如每周4算一组等），可在上方“分组依据”里选类似Subgroup（此时Subgroup算属性）。•JMP缺省显示长期能力，尽管显示出的是Cpk13Copyright©2008QualiSysConsultancyServices分析•若需单独显示传统意义上的短期能力，则需点选最下方的分组大小（缺省5个一组）。•此时，前面的Cpk变成了真正的Ppk14Copyright©2008QualiSysConsultancyServices流程能力分析数据Camshaft.mtw(Minitab工作表)凸轮轴由机床削切数据在第3列(Supp2)规格是600±5凸轮轴生产的子群大小为1流程能力如何？15Copyright©2008QualiSysConsultancyServices流程能力分析步骤SPC稳定性检查，对异常点作出处理。正态检定。如果数据非正态，需做拟合转换。执行流程能力分析。所以，建议JMP先从“分析分布”开始逐步推进分析。16Copyright©2008QualiSysConsultancyServices长期Sigma水平短期Sigma水平JMP里的“Z基准”反映出流程的西格玛水平注意，这里的长短期有1.5的水平位移。看来，是按照MOTOROLA的观点去表现的。17Copyright©2008QualiSysConsultancyServices特性不清楚的分布利用BOX-COX转换，转换成正态分布案例分析:打开文件BOX-COX.JMP，其中的D3数据，规格为LSL=0.06，USL=0.15，请计算流程能力。非正态数据的流程能力计算D3Percent0.140.130.120.110.100.090.080.070.0699.99995908070605040302010510.1Mean0.0050.1004StDev0.01021N500AD2.628P-ValueProbabilityPlotofD3Normal-95%CID3-TPercent1413121110987699.99995908070605040302010510.1Mean0.77110.06StDev0.9933N500AD0.242P-ValueProbabilityPlotofD3-TNormal-95%CI18Copyright©2008QualiSysConsultancyServices非正态数据的流程能力计算非正态数据，直接在“连续拟合”里观察全部分布的“对数似然”，JMP会自动给出最合适的“分布形态”。将该分布形态代入D3“能力分析”即可。19Copyright©2008QualiSysConsultancyServices选项/信息屏–用JMP打开连续性MSA.jmp20Copyright©2008QualiSysConsultancyServicesJMP输出方差32.66%，希望小于8%独立分类数=4，希望大于521Copyright©2008QualiSysConsultancyServices属性R&R—利用JMP打开：“属性MSA.jmp”分析质量和过程变异性/计数量具（多元控制图）图表类型选“计数”，而非“变异性”。必须每个测量员1列22Copyright©2008QualiSysConsultancyServices上方图示反映每个样本的测量一致性。此处每个操作员自身的一致性算法与MINITAB不同。重点解释下方的Kappa值（算法同MINITAB）属性R&R—利用JMP23Copyright©2008QualiSysConsultancyServices属性R&R—利用JMP2228=78.5714%24Copyright©2008QualiSysConsultancyServicesJMP里不管Z检验还是t检验，只看“均值检验”目标值若数据非正态，点选“非参数检验”25Copyright©2008QualiSysConsultancyServices分析输出e)比较P值和重要水平：P-value=0.798，=0.05所以我们不能否定零假设。数据不能提供足够的证据否定平均强度等于2.85磅。单样本Z:forcemu=2.85与≠2.85的检验假定标准差=0.100492平均值变量N平均值标准差标准误95%置信区间ZPforce492.84630.10050.0144(2.8182,2.8745)-0.260.79826Copyright©2008QualiSysConsultancyServices我们首先使用Shapiro-WilkW检验评估正态分布。统计基本统计量正态性检验正态检验Ｐ值＝0.6806＞0.05，服从正态。27Copyright©2008QualiSysConsultancyServices单样本T:Thicknessmu=3与≠3的检验平均值变量N平均值标准差标准误95%置信区间TPThickness183.002940.003100.00073(3.00140,3.00448)4.040.001P值d)计算P值：分析分布均值检验e)因为p=0.0010.05,我们否定零假设。f)数据提供了足够的证据证明平均厚度不等于3厘米。28Copyright©2008QualiSysConsultancyServices收集数据和计算P数值JMP分析前必须先做数据表的堆叠转换c.)随机抽取样本yOfficeA:n=80=1.48s=0.45OfficeB:n=80=1.58s=0.51y29Copyright©2008QualiSysConsultancyServices双样本td.)JMP计算P值针对已“堆叠”好的新数据表：分析以X拟合Y勾选“假定等方差”30Copyright©2008QualiSysConsultancyServices首先按“不等方差”做等方差检验。正态看F检验，非正态看Levene检验，从它们各自的p值是否大于0.05，确定是否“等方差”。如果“等方差”，则按“均值/方差分析/合并的t”；若“不等方差”，则“t检验”。P=0.1830.05，均值相等JMP输出31Copyright©2008QualiSysConsultancyServices利用软件检验两个相关的样本是否相等两个相关的样本必须是随机抽取的每个抽样总体都应该大致呈正态分布统计基本统计量配对t成对t检验32Copyright©2008QualiSysConsultancyServices练习一轮胎公司认为他们新生产的轮胎的里程数较竞争者的有提高。选择了12部车，用新轮胎跑1000哩，再用竞争者的轮胎跑1000哩。假定里程的差异服从正态分布。File:CarMileage.jmp33Copyright©2008QualiSysConsultancyServices结论是什么？如果我们将数据作双样本t检验会如何？试试单样本t检验其中的差异。练习34Copyright©2008QualiSysConsultancyServices3水平以上一元方差分析路径图或直接看“Welch检验”35Copyright©2008QualiSysConsultancyServices思考练习打开三人快递.jmp因为数据没有进行堆栈，先运行“表堆叠”。接着再针对堆叠表，进入“分析以X拟合Y”；或“分析拟合模型”（可看残差）。36Copyright©2008QualiSysConsultancyServices首先通过JMP的“分布”栏做各组数据的SPC稳定性研究与正态检定。进入“分析以X拟合Y”。接着还是做等方差检验（“不等方差”），步骤同前面的“双样本检验”。如果“等方差”，则看“均值/方差分析”；p0.05说明3个均值至少有一个不等，具体可从“CI菱形图or比较环图”看哪个CI不交叉？哪几个CI有重合？若“不等方差”，也是执行“均值/方差分析”，但要直接看输出结果下方的“Welch检验”，其中的“概率F”即p值。JMP的3水平以上一元ANOVA37Copyright©2008QualiSysConsultancyServicesR2=0.50712一元ANOVA的数据分析（“分析以X拟合Y”）p0.05说明3个均值至少有一个不等，即三者有差异。具体可从“CI菱形图or比较环图”看哪个CI不交叉？哪几个CI有重合？R-Sq越大，说明X不同水平间的差异（组间变异）越显著，即存在某设置对Y的影响很大。R方值超过50%，应该算是关键因子。若“不等方差”，也看“均值/方差分析”，但要直接看输出结果下方的“Welch检验”，其中的“概率F”即p值。138Copyright©2008QualiSysConsultancyServices一元ANOVA的数据分析（“分析拟合模型”）首先通过“分布”做各组数据的SPC稳定性研究与正态检定。如果各组数据都是等方差，也可以直接运行JMP的“分析拟合模型”，同样可得判定各组数据是否“相等”的p值和因子显著性的R方值。1239Copyright©2008QualiSysConsultancyServices在