《MINITAB使用基础》PPT课件.ppt

1 MINITAB使用基础 2 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作成6 常用管理图7 DOE 3 使用目录 1 Minitab介绍 P4 2 功能菜单介绍 P5 3 常用工具3 1 EXCELDATA复制 P19 3 2 StackData P20 3 3 UnstackData P22 3 4 MakePatternedData P24 3 5 RandomData P26 3 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 DPMO SIGMA P32 3 8 SIGMA DPMO P33 3 9 基本统计量计算 P34 3 10 正态验证 P36 3 11 Brush P37 3 12 CapabilityAnalysis3 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 P47 3 12 6 有外点工程能力 P56 3 13 GageR R Crossed P58 3 14 GageR R Attribute P61 3 15 样本大小的选择 P68 4 统计性假设验证4 1 1Sample t P70 4 2 2Sample t P71 4 3 Paired t P74 4 4 ANOVA P75 4 5 1 Proportion P76 4 6 2 Proportion P77 4 7 2验证 P78 4 8 非参数验证 P80 5 常用Graph5 1 Pareto P82 5 2 Boxplot P84 5 3 Dotplot P86 5 4 TimeSeriesplot P88 5 5 Plot P90 5 6 Contourplot P92 6 常用管理图6 1 XBAR R P94 6 2 XBAR S P96 6 3 PChart P98 6 4 NPChart P100 6 5 CChart P102 6 6 UChart P104 6 7 I MRChart P106 7 DOE P108 在放映幻灯片状态下点击页码可直接进入 4 1 Minitab介绍 Minitab是什么 现国内使用的很多统计分析用软件有SAS SPSS MINITAB等 MINITAB原来是为了基础统计学的学生 于1972年在美国的宾西法尼亚州立大学开发的 但后来在工学 社会学 经营学等资料的分析和研究方面广泛使用 自从6SIGMA诞生后 就成为6SIGMA活动必要的分析工具 MINITAB的基本数据的输入 输出方式与EXCEL相似 能将复杂的统计分析简单化 可容易理解统计意义 InternetHomePage 为什么要使用Minitab 因为在实行6SIGMA过程中要运用很多统计和概率方面的知识 而进行大量的手工计算 无疑是很不合算的 在时间上也是不允许的 所以我们引进了MINITAB软件 它的基本数据的输入 输出方式与EXCEL相似 能将复杂的统计分析简单化 并且其中图形形式丰富 可容易理解统计意义 且MINITAB作成的所有图表与文字与EXCEL相似并可互换 可使用复制及粘贴功能 在制作报告书时也可灵活使用 返回目录 5 2 功能菜单介绍 双击MINITAB快捷键后出现下面画面 功能菜单工具栏 图标 SessionWindowWorksheet 6 File 文件管理菜单Edit WorkSheet Data编辑 外部Data链接及命令Editor等Manip Manipulation Data处理 的菜单Calc Calculation 计算 对Data进行计算Stat Statistics 统计 对各种Data进行统计分析 Graph 制作GraphEditor 调节WorkSheet Graph SessionWindow的环境Window 控制Window及Graph的画面Help 帮助菜单 2 1 Minitab菜单 7 2 1 1 File功能 新建WorkSheet orProject 打开Project 扩展名 mpj 保存Project另存Project为对Project描述 可查看 可编辑内容 打开WorkSheet 扩展名 mtw 通过ODBC OpenDataBaseConnectivity 打开保存当前WorkSheet另存当前WorkSheet为关闭WorkSheet打开Graph 扩展名 mgf 另存SessionWindows其它文件 Text 等打印SessionWindow打印设置退出MINITAB最近编辑过的文档 8 2 1 2 Edit功能 恢复被删除的Data清除单元格中内容删除单元格复制单元格剪切单元格粘贴单元格粘贴链接链接到其它的Worksheet全部选定单元格编辑最后的对话框Session中命令的编辑Minitab运行参数设定 9 2 1 3 Manip功能 从激活的WorkSheet中复制数据将激活的WorkSheet分开成几个将几个WorkSheet合并为一个 复制列数据分离列数据合并列数据行列数据转换整理Data对指定的Data排序删除行删除行 列 常数 链接其它WorkSheetData 定义数据类型改变Data的类型显示session 10 2 1 4 Calc功能 计算器列数据统计量行数据统计量对数据实行标准化将日期 时间数据提取为一般数据将日期 时间数据提取为文本数据作成一些有规律的数据作成由X Y Z值制作3DGraph的组合数据作成变量的指标数据设定数据库产生随机数据概率分布计算矩阵计算 11 2 1 5 Stat功能 基础的统计计算回归分析分散分析实验计划法 管理图制作品质分析工具信赖性分析多变量分析时序变化分析Table形态数据分析非参数分析ExploratoryDataAnalysis样品大小分析 12 2 1 6 Graph功能 图形显示方式设置X Y相关形式图Y随时间变化的时序图制作X与Y间相关关系的Chart制作表示出现频度的柱状图制作BoxPlot2个以上X Y相互关系Matrix图制作X Y的Matrix草图由X Y Z值3次坐标用等高线表示由X Y Z值做3D坐标图由X Y Z值做3D线型坐标图由X Y Z值做3D表面图制作散点图制作表示占有率的饼图在边际有标示的X YPlot制作表示概率分布的Plot制作径叶图设置Graph在SessionWindow中显示的参数 13 2 1 7 Editor功能 查找数据或文本替换数据或文本转到其它行或列转到指定的行或列格式化列列的属性编辑WorkSheet属性编辑插入单元格插入行插入列移动列定义使用者偏好的设置剪切板参数设定 14 2 1 8 Window功能 层叠所有的Window使所有的Window显示成Tile形式所有窗口最小化重新储存按钮图标重新排列图标刷新使用标准工具按钮使用Project管理工具按钮使用状态工具按钮关闭所有的Graph窗口设定Graph的大小 位置显示Session窗口显示Project管理窗口当前激活窗口为WorkSheet1 15 2 1 9 Help功能 帮助查找帮助怎样使用帮助Stat 统计分析 向导查找Stat 统计分析 向导怎样使用Stat 统计分析 向导使用指南查找使用指南Session命令帮助查找Session命令帮助Minitab的主页关于Minitab的信息 16 打开PROJECT PROJECT保存 打印WORKSHEET 剪切 复制 粘贴 恢复 以前brushed行 下面brushed行 过去对话筐 SESSIONWINDOW 现数据WINDOW HELP 插入 插入行 插入列 列移动 删除 WORKSHEET管理 图表管理 关闭图表 取消 工具栏在数据WINDOW击活时显示 2 2 1 数据window工具栏 17 2 2 2 Sessionwindow工具栏 打印SESSIONWINDOW 前命令语 后命令语 查找 查找下一个 工具栏在SESSIONWINDOW击活时显示 也有几个是例外 18 2 2 3 图表window工具栏 打印图表 看的方式 编辑方式 Brush方式 19 3 Minitab常用工具介绍 3 1 ExcelData复制到MINITABWorksheet 选中要复制的DATA后点击 复制 图表或 Ctrl C 在MINITAB的Worksheet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 20 3 2 StackData 路径 Manip Stack StackColumns 功能 可以Stack两列以上的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 21 3 2 StackData 原始DATA Stack后的DATA 在C3中 Subscript 在C4 T中 T 表示是文本 22 3 3 UnstackData 路径 Manip UnstackColumns 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 保存DATA 选择此项时 会自动给Unstack的DATA以列名 23 3 3 UnstackData 原始DATA Unstack后的DATA 24 3 4 MakePatternedData 作成一些有规律的数据 路径 Calc MakePatternedData 功能 构造有规律的数据 如做GageR R时 很有用 选择保存DATA的列 第一个DATA的值 本例是1 最后一个DATA的值 本例是3 步长 本例是1 每个值的反复次数 本例是2 整体数值的反复次数 本例是3 25 3 4 MakePatternedData 作成一些有规律的数据 通过上面的设置后 DATA形式如右 26 3 5 产生随机数 Randomdata 路径 Calc RandomData Normal 在学习统计时 经常用到一些DATA 用此菜单可以产生指定要求的随机数一般正态数据较多 但也可以产生其它类型的随机数 27 3 5 产生随机数 Randomdata 随机数的个数 保存随机数的列 随机数的平均值 随机数的标准偏差 结果如下 因为是随机的 所以每个人的结果不一样 28 3 6 概率计算 路径 Calc ProbabilityDistributions 计算概率 计算累积概率 计算Z水准 选择DATA列 输入DATA 可以计算正态 二项 超几何分布等的概率 EX 正态分布 29 3 6 1 正态分布概率计算 ex 对某一制品的拉长长度进行品质管理 平均为40 标准偏差为2 即N 40 22 购买此制品时顾客要求拉长长度在35以上 此工程生产的制品 满足顾客要求的概率为多少 Minitab中求的概率P x 35 解 如下图形转换问题 35 40 2 满足顾客要求的概率 答案 1 0 0062 0 9938 路径 Calc ProbabilityDistributions Normal 30 3 6 2 超几何分布概率计算 ex 由20个制品构成的LOT中有5个不良品 此时抽取4个制品时 有2个不良品的概率是多少 ProbabilityDensityFunctionHypergeometricwithN 20 X 5 andn 4xP X x 2 000 2167 31 3 6 3 二项分布概率计算 ex 某制品的工程不良率为1 随即抽取10个制品 求1个以下 含1个 不良品的概率 CumulativeDistributionFunctionBinomialwithn 10andp 0 0100000 xP X x 1 000 9957 32 3 7 根据DPMO PPM 计算SIGMA水准 ex 某工程不良率为1 000PPM 求短期SIGMA水准 输入良品率 InverseCumulativeDistributionFunctionP X x x0 99903 0902 短期SIGMA水准 3 09 1 5 4 59 33 3 8 根据SIGMA值计算PPM DPMO 值 ex 已知短期SIGMA值是3 0 求DPMO PPM 是多少 输入长期SIGMA值 短期 1 5 CumulativeDistributionFunctionxP X x 1 50000 9332 DPMO 1 0 9332 66 800PPM 34 3 9 基本统计量计算 ex 收集了20个某制品长度的DATA 基本统计量计算如下 选择数据列 选择输出图形 选择信赖区间 FILENAME 基本统计量DATA 35 结果如下 DescriptiveStatistics lengthVariableNMeanMedianTrMeanStDevSEMeanlength2012 36512 45012 3560 9420 211VariableMinimumMaximumQ1Q3length10 80014 10011 50013 175 P Value 0 05小 因此数据符合正态分布 0 05 Skewness 正态分布是0 右边斜型分布是 左边斜型分布是 Kurtosis 正态分布是0 急尖分布是 平尖分布是 平均的区间推定值 95 信赖区间 36 3 10 正态性验证 DATA的正态性是DATA分析的基础 一般来说 制造过程的DATA大部分遵循正态分布 如果不是 则暗示过程存在异常 须引起注意 例 收集了特征A的20个DATA 验证其正态性 FILE NORMALTEST P 0 138 0 05 正态 37 3 11 Brush功能 Brush功能 在图形窗口激活时才能使用 FILE brush mpj 1 选择Brush功能 2 选择要Brush的点 Brush的结果 worksheet中 Brush的结果 session中 38 3 12 CapabilityAnalysis 工程能力分析 3 12 1 正态性DATA工程能力分析 路径 Stat QualityTools CapabilityAnalysis Normal EX file CapabilityAnalysis mpj 打开文件后 按下面方法进行 选择分析数据列 输入样品组的大小 输入规格下限 输入规格上限 39 DPMO PPM 结果 19 461PPM 根据 3 7 计算SIGMA水准 2 06 1 5 3 56 40 3 12 2 二项分布DATA工程能力分析 路径 Stat QualityTools CapabilityAnalysis Binomial EX file CapabilityAnalysis Binomial mpj 打开文件后 按下面方法进行 选择不良数列 选择样品大小 41 结果 SIGMA水准 0 75 1 5 2 25 42 3 12 3 泊松分布DATA工程能力分析 路径 Stat QualityTools CapabilityAnalysis Poisson EX file CapabilityAnalysis Poisson mpj 打开文件后 按下面方法进行 选择缺点数列 选择样品大小 43 结果 SIGMA水准计算 DPU 0 0265 假设Opportunity 10则 DPO DPU 10 0 00265根据 3 7 计算 SIGMA水准 2 78 1 5 4 28 44 3 12 4 Box Cox转换 以Box CoxTransformation为例来说明处理方法 EX FILE boxcox mpj 打开该文件后 进行下面操作 路径 Stat ControlCharts Box CoxTransformation 选择DATA列 选择样品群大小 选择保存变换后DATA的列 45 结果 推测值LamdaStDev0 1132 782 Box Cox转换结果 最佳变换是使用Y0 113函数式 即 利用Lambda值使用0 113的转换 Lambda决定的基准是使转换DATA的标准偏差最小化 Lambda的真值的95 的信赖区间是 0 056 0 170 46 变换前后 正态性验证 可看到转换后DATA为正态分布 根据SPEC就可以求工程能力了 P Value 0 000 P Value 0 867 47 3 12 5 多重峰的工程能力分析 EX FILE 双峰工程能力分析 mpj 路径 Stat QualityTools CapabilityAnalysis Normal 此值不能正确反映实际工程能力 工程本身是改善对象 48 做dotplotgraph 分为2个GROUP 49 激活 Brush 后 把DATA分成两个GROUP 参考 3 11 P37 Brush 选定要Brush的DATA 50 在Worksheet中把DATA分成两GROUP 方法 在dotplot上激活brush后用下面功能来实现 Editor CreateIndicatorVariable IndicatorVariable是DATA用BRUSH选择时的值为1 反则表示0的DATASHEET的列 此变量与Unstack命令语句一起为把DATA重新分为两个变量而使用 两个变量的名称可随意定义 51 把DATAUnstack 方法 Manip UnstackColumns 52 Unstack的结果 右边GROUPDATA 左边GROUPDATA 到此为止就可以对两个GROUP的DATA进行工程能力分析了 53 先计算右边GROUP的工程能力 weight 0列对应的DATA 路径 Stat QualityTools CapabilityAnalysis Normal 右边GROUP对应DATA超出SPEC的可能是 221 43PPM 54 计算左边GROUP的工程能力 weight 1列对应的DATA 路径 Stat QualityTools CapabilityAnalysis Normal 左边GROUP对应DATA超出SPEC的可能是 15651 08PPM 55 整体DATA的工程能力计算 整体80个中40个属于左边GROUP 因此左边GROUP的计算如下 期待PPM 15651 08PPM 40 80 7825 54PPM 整体80个中40个属于右边GROUP 因此右边GROUP的计算如下 期待PPM 221 43PPM 40 80 110 715PPM 计算复合PPM 把两个推测值相加后求出 7825 54 110 715 7936 255PPM 计算SIGMA水准 根据7936 255PPM计算 2 41 1 5 3 91 56 3 12 6 有外点DATA工程能力分析 DATA有外点时 先计算外点的PPM 再计算剩下的DATA的PPM 然后计算复合PPM EX 4个外点 4 40 100 000PPM 57 对 剩余 DATA进行分析 40个DATA中包括36个 应调整为36 40 90 则 0 9 349 65 314 69PPM上页的外点100 000PPM加在这里 100 000 314 69 100314 69PPM利用MINITAB 可得长期Z 1 28 所以短期为1 28 1 5 2 78SIGMA 36个DATA 349 65PPM SIGMA水准计算 58 3 13 GageR R Crossed 路径 Stat QualityTools GageR Rstudy Crossed EX file GageR R Crossed mpj 打开文件后 按下面方法进行 选择样品NO 列 选择作业者列 选择测定值 59 Graph结果 60 GageR R ContributionSourceVarComp ofVarComp TotalGageR R0 00443710 67Repeatability0 0012923 10Reproducibility0 0031467 56Operator0 0009122 19Operator Part0 0022345 37Part To Part0 03716489 33TotalVariation0 041602100 00StdDevStudyVar StudyVarSource SD 5 15 SD SV TotalGageR R0 0666150 3430632 66Repeatability0 0359400 1850917 62Reproducibility0 0560880 2888527 50Operator0 0302000 1555314 81Operator Part0 0472630 2434023 17Part To Part0 1927810 9928294 52TotalVariation0 2039651 05042100 00NumberofDistinctCategories 4 Session结果 基准 10 基准 30 基准 4 61 3 14 GageR R Attribute 路径 Stat QualityTools AttributeGageR Rstudy EX file GageR R Attribute mpj 选择测定值 选择样品NO 选择测定者 输入真值 62 结果解释 WithinAppraiserAssessmentAgreementAppraiser Inspected MatchedPercent 95 0 CI1121083 3 51 6 97 9 212541 7 15 2 72 3 312866 7 34 9 90 1 Matched Appraiseragreeswithhim herselfacrosstrials 测定者具有一贯性地评价的次数 测定者 检查数 测定者具有一贯性地评价的 这里 Matched是表示测定者对同一部品反复测定2次时一致性 63 EachAppraiservsStandardAssessmentAgreementAppraiser Inspected MatchedPercent 95 0 CI112975 0 42 8 94 5 212433 3 9 9 65 1 312866 7 34 9 90 1 Matched Appraiser sassessmentacrosstrialsagreeswithstandard 测定者测定的与真值相同的次数 测定者 测定者测定的与真值相同的 这里 Matched是表示测定者的测定值与真值相同的一致性 检查数 64 AssessmentDisagreementAppraiser 良品 不良Percent 不良 良品Percent MixedPercent 118 300 0216 7218 300 0758 3300 000 0433 3 良品 不良 Assessmentsacrosstrials 良品 standard 不良 不良 良品 Assessmentsacrosstrials 不良 standard 良品 Mixed Assessmentsacrosstrialsarenotidentical 真值为不良但判断为良品的 真值为良品但判断为不良的 以同一部品测定者的判断良 不良混乱的 65 BetweenAppraisersAssessmentAgreement Inspected MatchedPercent 95 0 CI12325 0 5 5 57 2 Matched Allappraisers assessmentsagreewitheachother 检查数 这里 Matched是所有测定者测定各部品时的一致性 所有测定者测定结果相同的次数及 一致性不超过90 需要及时改善 66 AllAppraisersvsStandardAssessmentAgreement Inspected MatchedPercent 95 0 CI12325 0 5 5 57 2 Matched Allappraisers assessmentsagreewithstandard 检查数 这里 Matched是所有测定者测定值与真值的一致性 所有测定者测定值与真值相同的次数及 一致性不超过90 需要及时改善 67 结果图表 测定者一贯性评价程度用95 置信区间表现 对真值的测定者的一致性表现为95 置信区间 在这里2号测定者对自己的评价基准模糊 连真值也无法区分 68 3 15 样本大小的选择 路径 Stat PowerSamplesize 2 Samplet ex 某制品的尺寸平均为19 48MM 导入了新方法后 认为平均扩大到19 58MM 想用90 的验证力判断事实 求出需要的样品的大小 已知标准偏差0 1 留意水准0 05 SampleTargetActualDifferenceSizePowerPower0 1180 90000 9023 输入Delta 差值 输入验证力 输入标准偏差 选择H1 选择留意水准 69 4 统计性假设验证 我们经常使用的假设验证的种类 及在什么情况下使用什么验证方法 按验证形态别分类如下 70 4 1 平均验证 1 Samplettest 一个母集团与基准的平均比较 EX 把现在生产的M制品的Wire粘接到Pad后 为了固定wire而注射Bonding液 但Bonding液平均至少要在达到110g 由于生产量的增加新增设了FLine 并为了知道在FLine的Bonding设备注射的Bonding液的重量平均值是否比整体Line的平均值大 调查了15个样品得到了数据 用留意水准5 验证在FLine的Bonding设备注射的Bonding液的重量平均值是否大于整体Line 假设 H0 110 g H1 110 g 路径 Stat Basicstatistics 1 Samplet 输入对立假设 One SampleT Bond量Testofmu 110vsmu 110Variable95 0 LowerBoundTPBond量110 902 270 020 P 0 05 采纳H1 71 4 2 平均验证 2 Samplettest 2个母集团的平均比较 EX FILE 2 SAMPLET 想调查M制品的用最新设备构成的新Line生产的产量是否与原Line不同 数据是连续型测定数据 对同一机种 调查新Line和原Line的时间当生产量 各得到了10个测定值 用留意水准5 验证两个Line的生产量是否不同 假设 1 先验证收集的DATA是不是正态的 P值均 0 05所以是正态分布 72 2 再验证DATA的等分散性 Stat ANOVA TestforEqualVariances 正态时选择 非正态时选择 通过前面的验证 DATA是正态的 所以等分散验证的结果P value 0 776 0 05 分散相同 73 3 进行2 Samplettest Stat BasicStatistics 2 Samplet 等分散时选择 选择对立假设H1 Two SampleT TestandCI Cuurrent NewlineDifference muCuurrent muNewlineEstimatefordifference 36 095 CIfordifference 92 3 20 3 T Testofdifference 0 vsnot T Value 1 34P Value 0 195DF 18BothusePooledStDev 59 9 P Value 0 05 采纳H0 74 4 3 平均验证 Pairedt 双数据平均比较 对同一个体测定两次进行比较 EX 路径 Stat BasicStatistics Pairedt 某制品经过热处理后厚度尺寸可能变化 一般工程师认为热处理后厚度会变薄 为了了解热处理后尺寸是否发生变化 选定20个标本并标上号码标记后 对同一部品各测定了热处理前后的两次厚度尺寸得到厚度的测定值 用5 有意水准验证是否可以说热处理后制品的厚度发生变化 FILE Pairedt PairedT TestandCI Before AfterPairedTforBefore AfterNMeanStDevSEMeanBefore208 7980 7030 157After208 5820 7920 177Difference200 21650 17790 039895 CIformeandifference 0 1332 0 2998 T Testofmeandifference 0 vsnot 0 T Value 5 44P Value 0 000 P Value 0 05 不采纳H0 H0 a b H1 a b 75 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 ONEWAY 路径 Stat ANOVA One way 结果 One wayANOVA 特征AversusoperatorAnalysisofVariancefor特征ASourceDFSSMSFPoperator28 3154 1587 050 005Error1810 6170 590Total2018 932Individual95 CIsForMeanBasedonPooledStDevLevelNMeanStDev A716 1711 119 B715 1140 667 C714 6710 269 PooledStDev 0 76814 4015 2016 0016 80 P Value 0 05 平均不同 76 4 5 1 Proportion Stat BasicStatistics 1Proportion 一个比率和基准的比较 EX 新LINESet 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 p 0 89 操作方法 TestandCIforOneProportionTestofp 0 89vsp 0 89ExactSampleXNSamplep95 0 LowerBoundP Value1911000 9100000 8482050 328 77 4 6 2 Proportion Stat BasicStatistics 2Proportion 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 TestandCIforTwoProportionsEstimateforp 1 p 2 0 12333395 CIforp 1 p 2 0 193816 0 0528507 Testforp 1 p 2 0 vsnot 0 Z 3 43P Value 0 001 采纳H1 78 4 7 比率验证 Chi SquareTest 2验证 多个集团的比率验证 路径 Stat Tables Chi SquareTest 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 p4H1 H0不成立 79 Chi SquareTest Good BadExpectedcountsareprintedbelowobservedcountsGoodBadTotal1962412091 4328 57264289270 1021 903942812292 9529 05466208665 5220 48Total320100420Chi Sq 0 229 0 731 0 530 1 696 0 012 0 038 0 003 0 011 3 250DF 3 P Value 0 355 结果如下 Sessionwindows P value值比0 05大 因此不能说设备别不良率不一样 80 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 Kruskalwallis H0 1 2 kH1 至少有一个Median是不同的 假设 EX 验证设备别 A1 A4 生产的某制品的FORCE的中心是否一样 测定DATA如下 81 操作方法 Kruskal WallisTest ForceversusMachineKruskal WallisTestonForceMachineNMedianAveRankZA1419 007 90 54A2520 007 70 51A3418 005 3 1 08Overall137 0H 1 17DF 2P 0 557H 1 20DF 2P 0 549 adjustedforties 结果 Sessionwindows P Value 0 05 中心值无差异 82 5 常用Graph作成 5 1 ParetoChart 路径 Stat Qualitytools ParetoChart ex 83 结果 不良数量 不良数占有率 不良数累计占有率 84 5 2 Boxplot 路径 Graph Boxplot ex 选择要分析的数据列 选择Factor 如果有 选择填充 线条颜色 85 结果 Inter QuartileRange IQR Thehighestvaluewithinupperlimit Q3 1 5IQR Thelowestvaluewithinlowerlimit Q1 1 5 IQR Median 中心值 3 4分位数 Q3 1 4分位数 Q1 86 5 3 Dotplot 路径 Graph Dotplot ex file dotplot mpj 选择Factor 如果有 选择要分析的数据列 87 结果 88 5 4 TimeSeriesplot 路径 Graph TimeSeriesplot ex 添加趋势线 89 结果 趋势线 90 5 5 Plot 相关关系图 路径 Graph plot ex file plot mpj 输入X Y 91 结果 从图形看出 Length与thickness之间没有很明显的相关关系 92 5 6 Contourplot 等高线图 路径 Graph Contourplot ex file contourplot 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 93 结果 94 6 常用管理图 6 1 Xbar Rchart 路径 Stat controlcharts Xbar R ex file XBARR mtw 95 结果 177181181180178 Mean79 4 Range4 96 6 2 Xbar Schart 路径 Stat controlcharts Xbar S ex file XBARS mtw 97 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 98 6 3 Pchart 路径 Stat controlcharts Pchart ex file P mtw 输入不良DATA 输入样品大小 99 结果 100 6 4 nPchart 路径 Stat controlcharts NPchart ex file nP mtw 输入不良DATA 输入样品大小 144 101 结果 102 6 5 Cchart 路径 Stat controlcharts Cchart ex file C mtw 输入缺陷数列 103 结果 104 6 6 Uchart 路径 Stat controlcharts Uchart ex file U mtw 输入缺陷数列 输入样品大小 105 结果 106 6 7 I MR IndividualsandMovingRange 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 controlcharts I MR ex file I MR mtw 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 107 结果 IndividualCHART的UCL LCL表示对预想值的最大 最小值 MovingRangeCHART的UCL LCL表示对部品间变动的最大 最小值 108 7 DOE DesignofExperiment 现在以2因子的完全要因实验来说明 EX 109 7 1 Minitab的实验设计方法Stat DOE Factorial CreateFactorialdesign 输入中心点数 输入反复数 输入块数 110 7 2 FactorsandOptions设置 选择实验的随机性 输入因子名及高低水准 111 7 3 CreateFactorialdesign结果 112 7 4 在Worksheet中输入实验结果 实验结果输入 113 7 5 确认MainEffectsPlot InteractionPlot CubePlot 路径 Stat DOE Factorial FactorialPlots 输入实验DAYA列 输入因子 114 结果 MainEffectsPlot 温度为 70 的4种情况 StdOrder1 3 5 7 y平均值2 95 温度为 90 的4种情况 StdOrder2 4 6 8 的y平均值5 2 Y值的实验整体平均4 075 115 结果 InteractionPlot 两线间的平行性