Minitab17-常规操作

1、唐唐 勇勇 2016/9/82016/9/8 Minitab17 Minitab17 12021/3/23 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. MSA 22021/3/23 1. 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。 32021/3/23 序号12345678910 测试值2412362462382442482

2、37237228220 序号11121314151617181920 测试值244245250230245226218241241245 序号31323334353637383940 测试值251250229249239254240243238241 序号41424344454647484950 测试值243238245242235239232249236240 1. 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 42021/3/23 1. 直方图 数据整理并选择“如下” 52021/3/23 1. 直方图 62021/3/23 1. 直方图 72021/3/23 2.柏拉图

3、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。 82021/3/23 2.柏拉图 例 序号不良现像不良数 1不开机5 2撞板不回弹16 3开机后退8 4充电无负载20 5驱动轮异音30 6下视失灵22 7不延边2 8不回充电座2 9面盖划伤7 10wifi不联网13 92021/3/23 2.柏拉图 102021/3/23 2.柏拉图 112021/3/23 2.柏拉图 122021/3/23 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。 132021/3/23

4、 3.因果图 142021/3/23 3.因果图 152021/3/23 3.因果图 162021/3/23 3.因果图 172021/3/23 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 182021/3/23 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

5、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_20 1 598.93 600.63 598.67 601.15 598.22 598.35 598.66 602.07 600.96 601.55 596.64 597.66 596.18 594.62 596.71 600.82 603.63 600.94 602.34 602.68 2 602.80 591.97 597.73 596.54 597.41 600.39 598.89 596.94 596.19 598.54 599.53 603.14 597.27

6、 602.42 604.71 599.24 604.43 604.56 602.30 597.70 3 597.57 598.44 600.76 601.54 599.76 596.92 605.03 594.58 597.16 595.35 604.66 600.23 601.49 604.58 602.14 598.85 601.78 601.61 602.66 595.73 4 604.02 598.76 604.58 598.26 601.87 594.95 602.19 600.19 596.53 604.71 598.81 596.38 599.17 604.68 597.53 6

7、03.42 594.35 600.32 598.13 605.61 5 598.84 599.83 600.57 597.04 597.84 601.40 603.70 596.02 600.67 600.29 600.15 597.73 601.41 598.77 595.10 596.73 599.22 601.85 598.32 598.38 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

8、收集共100个观测值（20个样本,每个 样本5个轴承) 例 192021/3/23 4. 控制图 202021/3/23 4. 控制图 212021/3/23 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 222021/3/23 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

9、（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） 232021/3/23 5. 散布图 242021/3/23 5. 散布图 252021/3/23 5. 散布图 262021/3/23 5. 散布图 272021/3/23 5. 散布图 正强相关正强相关 （X X 增大增大, , Y Y也增大）也增大） 282021/3/23 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

10、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。 292021/3/23 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: 10.10 42.0 20.11 43.5 30.12 45.0 40.13 45.5 50.14 45.0 60.15 47.5 70.16 49.0 80.17 53.0 90.18 50.0 100.20 55.0 110.21 55.0

11、120.23 60.0 302021/3/23 6. 回归分析 312021/3/23 6. 回归分析 322021/3/23 6. 回归分析 332021/3/23 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 342021/3/23 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

12、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 352021/3/23 7. 箱线图 Q3 or UQ，第三四分位点 Q1 or LQ，第一四分位点 中位数 Q3+1.5*IQR IQR=Q3-Q1 Q1-1.5*IQR IQR=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0f0.05, 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5.6

13、2 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: 462021/3/23 8. 假设检验 未知未知 472021/3/23 8. 假设检验 482021/3/23 8. 假设检验 与上面已知的结论相同结论相同 492021/3/23 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 502021/3/23 9. 方差分析 ANOVA 512021/3/23 9. 方差分析 ANOVA 522021/3/23 9. 方差分析 ANOVA P=0.0339% 2. %研究的变异=33.