Minitab操作教程(中文)课件

MINITAB非常容易跟着做MINITAB2.画管理图3.求工程能力4.MSA5.t-test6.One-wayANOVA8.相关分析(Correlation)7.Chi-SquareTest10.试验计划法(DOE)9.返回分析(Regression)1.求基本统计量1.1算术平均1.5最小值1.8标准偏差的信赖区域1.3分散1.7平均的信赖区域1.2标准偏差1.6最大值1.9중中央值的信赖区域1.4中央值1.10正规性检定2.5U管理图2.3P管理图2.2I-MR管理图2.6C管理图2.4NP管理图2.1X-R管理图2.7异常原因2.8管理图的层别3.1车间内工程能力3.3预测的不良率3.2全体工程能力3.4区域内预想不良率3.5全体预想的不良率4.1定密度4.2反复性4.3再形成4.4%R&R4.5P/T5.11-SampleZ5.21-Samplet5.32-Samplet5.4Pairedt6.1平均差检定6.2散布差检定7.1独立性检定8.1r(有关计算)9.1R-Square

9.2返回式10.122

要因排布法10.2主效果주효과10.3相互适用목차

4page

8page

33page

40page

48page

64page

75page..81page...86page

92page2.画管理图3.求工程能力4.MSA5.t-test1.求基本统计量1.1算术平均1.5最小值1.8平均偏差的信赖区域1.3分散1.7平均的信赖区域1.10Stat▶BasicStatistics▶DisplayDescriptiveStatisticsWorksheetA为了仔细观察工程的品质特性的产品长度的分布和统计量抽出标本,收集

Data.例题路线1.2标准偏差1.6最大值1.9中央值得信赖区域1.4中央值定规性检定1.求基本统计量1.1算术平均1.5最小值1.8平均偏差的Dialog窗①变数指定②Graphs计③Graphicalsummary计④OK⑤OKDialog窗①变数指定②Graphs计③GrapSession窗分析结果1.1算术平均1.2标准偏差1.4中央值1.5最小值1.6最大值

平均的标准误差=σ/n

十分位数:根据

Data顺序罗列后根据基准区分

-Q1:根据Data顺序罗列时在25%顺序的位置的数-Median:根据Data顺序罗列时在50%顺序的位置的数-Q3:根据Data顺序罗列时在75%的顺序的位置的数Session窗分析结果1.1算术平均1.2标准偏差1.4Graph窗1.1算术平均1.2标准偏差1.4中央值1.5最小值1.6最大值1.3分散1.8标准偏差的信赖区域1.7平均的信赖区域1.9中央值的信赖区域1.10定规性检定

定规性检定

(有意水准

α=0.05)

▶P-Value≥0.05情况

→Data的分布能根据定规分布做

▶P-Value＜0.05情况

→Data的分布不能根据定规分布做1.10히스토克重,定规分布曲线

BoxPlotGraph窗1.1算术平均1.2标准偏差1.4中央值1.52.画管理图12.1X-R管理图2.5U管理图2.3P管理图2.2I-MR管理图2.6C管理图2.4NP管理图管理图的选择C管理图Data의유형计量尺计量尺Data的类型Data의유형是否是不良品的数?是否是具体的缺点?收集的Data是否个别？车间是否实现?试验的大小是否一致？试验的大小是否一致？U管理图NP管理图P管理图I-MR管理图X-R管理图个别Data车间Data不良数缺点数不是是不是是2.7异常原因2.8管理图的层别2.画管理图12.1X-R管理图2.5U管理图2.3P管Stat▶ControlCharts▶Xbar-RWorksheetB工程制造的产品厚度每8小时试验5个管理.例题路线2.1X-R管理图

计量尺

车间

군

Stat▶ControlCharts▶Xbar-RDialog窗①变数指定②区域的数③OK

区域的数

-在上面的例题

B工程制造的产品的重量每8小时做5个试验,

区域的数5因为以C3(小时)区域区分

输入C3(小时)无妨Dialog窗①变数指定②区域的数③OK区域的数Graph窗分析结果

X-R管理图

▶X管理图

→区域内

Data的平均管理(分布的中心移动管理)

▶R管理图

→区域内的范围管理(分布的扩展程度管理)2.1

异常原因

Graph窗分析结果X-R管理图2.Stat▶ControlCharts▶I-MRWorksheet在B工程制造的产品的厚度每4小时试验1个工程管理例题路线2.2I-MR管理图

计量尺

个别Data

Stat▶ControlCharts▶I-MRWoDialog窗①变数指定②OKDialog窗①变数指定②OKGraph窗分析结果

MR

-相邻的两个Data的移动范围意义,

例如,前线Data的测定值是8，后面

的

Data是12的话,MR是4(=8-12)

I-MR管理图

▶I管理图

→Data的移动管理(分布的中心移动管理)

▶MR管理图

→Data的移动范围管理(分布的扩散程度管理)2.2Graph窗分析结果MRIStat▶ControlCharts▶PWorksheet在B工程一天制造的产品的不良数管理.例题路线2.3P管理图(不良率管理图)

计量尺

各个生产数不一定Stat▶ControlCharts▶PWorksDialog窗①变数指定②Sample的大小输入的列指定

③OKDialog窗①变数指定②Sample的大小输入的列指Graph窗分析结果

LCL(管理下限线)

-P,NP,U,C管理图的管理下限线常常比0相同或者大.

即,不良率,不良数,缺点率,因为缺点数比0常常

相同或者大

UCL,LCL(管理项,下限线)

-P管理图

U管理图的管理项，下限线根据

Sample

大小产生弯曲(度量的差异).-Sample

大小弯曲的情况:度量窄-Sample大小小的情况:度量宽Graph窗分析结果LCL(管理下限线)UCL,Stat▶ControlCharts▶NPWorksheet在B工程一天制造130个

产品的不良数管理

例题路线2.4NP管理图(不良数管理图)

计量尺

因为Sample的大小一定

能画NP管理图.

Stat▶ControlCharts▶NPWorkDialog窗①变数指定②Sample的大小输入的列指定③OK

Subgroupsize

-在上面的例题

B工程

因为Samplesize常常130个统一

Subgroupsize

Click后,

输入130Dialog窗①变数指定②Sample的大小输入的列指Graph窗分析结果

LCL(管理下限线)

-P,NP,U,C管理图的管理下限线

常常比0相同或大.

即,不良率,不良数,缺点率,缺点数

比0常常相同后大

UCL,LCL(管理项,下限线)

-NP管理图和C管理图的管理项，下限线

因为Sample大小常常统一平行.Graph窗分析结果LCL(管理下限线)UCL,Stat▶ControlCharts▶UWorksheet在B工程一天制造的产品缺点数管理.例题路线2.5U管理图(缺点率管理图)

计量尺

不良和缺点的区分

-缺点:具体指示的需要由于看不合格尺要因，

一个产品能有许多缺点，总共缺点数

比总Samplesize能大.-不良:具体指示需要不合格尺产品总共的不良数

比总Samplesize不能大

生产数不一定

Stat▶ControlCharts▶UWorksDialog窗①变数指定②Sample的大小输入的列指定③OKDialog窗①变数指定②Sample的大小输入Graph窗分析结果

LCL(管理下限线)

-P,NP,U,C管理图的管理下限线常常比0相同或者大.

即,不良率,不良数,缺点率,因为缺点数比0常常

相同或者大

UCL,LCL(管理项,下限线)

-P管理图

U管理图的管理项，下限线根据

Sample

大小产生弯曲(度量的差异).-Sample

大小弯曲的情况:度量窄-Sample大小小的情况:度量宽Graph窗分析结果LCL(管理下限线)UCL,Stat▶ControlCharts▶CWorksheet在B工程一天每150个实验的产品缺点数管理.

例题路线2.6C管理图(缺点数管理图)

计量尺

由于Sample的大小一定

能画C관管理图.

Stat▶ControlCharts▶CWorksDialog窗①变数指定②OKDialog窗①变数指定②OKGraph窗分析结果

LCL(管理下限线)

-P,NP,U,C管理图的管理下限线

常常比0相同或大.

即,不良率,不良数,缺点率,缺点数

比0常常相同后大

UCL,LCL(管理项,下限线)

-NP管理图和C管理图的管理项，下限线

因为Sample大小常常统一平行.Graph窗分析结果LCL(管理下限线)UCL,2.7异常原因

Test

在管理图出现的一般的异常原因形态

-异常点-Run-Trend-Cycle中心线管理上线管理下线中心线管理上线管理下线中心线管理上线管理下线中心线管理上线管理下线

异常原因

Test的条件

1.脱离管理项,下限线点2.在中心线的上面或下面连续性出现的9个点

3.连续性的增加或者减少6个点4.连续性的增加，减少,增加，减少...14个点5.3个适中2个点为中心2시그마以上的位置出现6.5个适中4个点为中心1시그마以上的位置出现7.15个点为中心1시그마内的位置连续出现8.8个点为中心1시그마以上的位置连续出现2.7异常原因Test在管理图出现的一般的异常原因形态Dialog窗⑤OK②Tests计③Performalleighttests

计④OK

所有管理图统一的路线使用①变数指定Dialog窗⑤OK②Tests计③PerformGraph窗分析结果

例)1次.脱离管理项,下限线的点

例)5次.3个的中点2个的点一中心2시그마异常位置出现

例)6次.5个适中4个的点以中心1시그마以上的位置出现

管理图异常原因发生情况

发生时点的点用红色标示,

异常原因Test的理由和有关的号码标示

Graph窗分析结果例)1次.脱离管理项,下限线的点2.8管理图的层别例题在B工程制造的产品的重量每4小时1个做

Sampling管理工程.从5月减少产品的重量的散布活动开始,从6月改善完了为了看掌握改善的效果看层别管理图做.Worksheet

各个月层别产品的重量画管理图2.8管理图的层别例题在B工程制造的产品的重量每4小时1个做Dialog窗②EstimateParametersBYGroupsin计⑤OK①变数指定③以层别区分变数指定⑥OK④Newgroupsstartateachnewvalueingroupvariable计

所有管理图统一路线使用Dialog窗②EstimateParameters⑤Graph窗分析结果

产品的重量各个月层别仔细观察开始改善

在5月能知道4月机体散布减小，改善完了的在6月能比4,5月更减小散布

Graph窗分析结果产品的重量各个月层别仔细观察开始改3.求工程能力3.1区域内工程能力3.3观测的不良率Stat▶QualityTools▶CapabilityAnalysis(Normal)WorksheetB为了仔细看工程的品质特性的产品重量的工程能力每8小时抽出5个标本,收集

Data.产品重量的规格(Spec.)10±1g.例题路线3.2全体工程能力3.4区域内预想不良率군

区域

3.5全体预想不良率3.求工程能力3.1区域内工程能力3.3观测的不良率StaDialog窗③规格下线⑤OK②区域的数④规格上线①变数指定

区域的数

-在上面的例题

B工程制造的产品的重量每8小时做5个试验,

区域的数5因为以C3(小时)区域区分输入C3

(小时)无妨

如果，区域没有概念,个别

Data的情况输入1

规格项,下线

-在上面例题

B工程制造的产品重量的规格10±1g

规格下线是9,规格上线是11.Dialog窗③规格下线⑤OK②区域的数④规格上线Graph窗[1]

规格上线

规格下线

算术平均

试验数

区域内标准偏差

全体标准偏差Graph窗[1]规格上线规格下线算术平均3.1区域工程能力

区域工程能力

(潜在的工程能力:没有区域的变动的假定的工程能力)

▶Cp:不考虑歪斜,Data的平均和目标一致的假定的工程能力

→基本假定:平均没有歪斜,区域间没有移动

▶Cpk:考虑歪斜的工程能力

→基本假定:区域间没有移动

3.1Graph窗[2]3.1区域工程能力区域工程能力(潜在的工程3.2全体工程能力Graph窗[3]

全体工程能力

(实际工程能力)

▶Pp:不考虑弯曲,Data的平均和目标一致假定的工程能力

→基本假定:品均没有弯曲

▶Ppk:考虑工程的工程能力

→基本假定:没有3.23.2全体工程能力Graph窗[3]全体3.3观测的不良率Graph窗[4]3.4区域预想不良率3.5全体预想不良率

PPM<LSL

-脱离规格的不良率

PPM<USL

-脱离规格的不良率

PPMTotal

-全体不良率

PPM

-1,000,000(百万)个不良数

PPM

以%

-PPM分10,000.

例如,30000ppm情况,

是3%的不良率3.3观测的不良率Graph窗[4]3.4区域预想不良率

比Cp或

Pp

Cpk,Ppk是否能更大?

-Cp,Pp

“Data没有平均歪斜”的假定算出的指数,

Cpk,Ppk

到

Data平均的歪斜因为考虑实质性的指数,

比Cp,Pp

Cpk,Ppk不能更大,实际

Data的平均规格中心和一致情况,

Cp,Pp和

Cpk,Ppk相同.

在最好的工程出现的工程能力形态?

-Cp大,Ppk和

Cp的差异没有

Cpk,Ppk比0小的情况,即(-)值低的情况?

-Data的平均规格范围外脱离的情况Cpk,Ppk(-)值低.

Cp<1.5:工程的散布大.

▶工程的技术力不足,工程条件(5M)的散布需要减小.

Cp-Cpk>0.3:Data的平均规格中心有大的脱离.▶再设定工程的条件Data的平均和规格中心能一致

Cpk-Ppk>0.3:长期涉及的工程的管理不足.▶工程的管理能力不足,需要持续关心通过工程能力认识问题工程能力的一般常识比Cp或PpCpk,Ppk是否能更大?4.MSA14.1定密度4.3再形成4.5P/T4.2反复性4.4%R&RWorksheetC在工程使用的药品的稠度完成的产品的品质因为造成大的影响,C工程每4小时测定一次药品的

稠度,正在管理.C工程的班长人组代理检测药品稠度

的稠度计给予信赖性评价，3名的检测者3个药品试验各反复检测3遍记录测定值。稠度的规格范围是30±5.例题

检测者:3名(崔氏,金氏,朴氏)

药品试验:3个(1次试验,2次试验,3次试验)

反复检测数:3次

总测定回数:27次(=3名×3个×3次)4.MSA14.1定密度4.3再形成4.5P/T4.2反复Stat▶QualityTools▶GageR&RStudy(Crossed)...路线Stat▶QualityTools▶GageR&Dialog窗③检测值⑤输入规格公差②检测者④Options计①试验号码⑥OK⑦OK

规格的范围

-在上面的例题稠度规格范围是30±5公差是±5,即是10.-如果规格范围是40±3的话,

公差是±3,即是6.

Dialog窗③检测值⑤输入规格公差②检测者④OpSession窗分析结果4.4%R&R4.1定密度4.2反复性4.3再形成4.5P/T

%R&R,P/T:

评价定密度的检测能力指数

▶%R&R:总散布中对于检测占有的比率

→%R&R<30%情况能信赖检测机.

▶P/T:规格公差中由于检测散布的比率

→P/T<30%情况能信赖检测机4.44.5

定密度

(根据检测散布程度)

▶评价定密度的方法

有%R&R,P/T.

→定密度区分反复性和再形成.

4.1

反复性

▶根据检测机散布程度4.2

再形成

▶检测者的散布程度4.3Session窗分析结果4.4%R&R4.1定密度4.2反Graph窗[1]Graph窗[1]Graph窗[2]4.1定密度4.2反复性4.3再形成4.4%R&R4.5P/T

ComponentsofVariation

▶Session窗的分析结果

以直线图表形态画,

直线图表

以%R&R,P/T为基准标示各个定密度,反复性,再形成.

▶定密度,反复性,再形成直线图表的大小越小越好.Graph窗[2]4.1定密度4.2反复性4.3再形成4.Graph窗[3]

RChartby检测者

-各点检测者相同的产品反复检测时,

出现R值(=最大检测值-最小检测值).-所有点管理项,下限线希望在里面.-各检测者评价时,R值越小能做到检测精密的检测位置.

在前

RChart里朴氏3点比别人点小,能看出朴氏比别人

检测的更精确.金氏朴氏催氏金氏朴氏催氏

XbarChartby检测者

-各点检测者相同的产品反复检测时,出现检测值的平均.-管理项,下限线的度量出现检测分布的大小.-所有点管理项,下限线希望在外面,

希望以规则性的点的形态出现.

即,由于检测比散布产品间的散布希望更大.Graph窗[3]RChartby检测者金氏朴Graph窗[4]

By试验号码

-各个试验出现检测值的平均和散布的程度.-各个试验反复检测的值的散布程度希望标记.

By检测者

-各个检测者出现检测值的平均和分布.-各个检测者希望平均相同.

By检测者

-各个试验检测者间出现检测值.-希望各线实现平行,线的交叉作业者

和试验间能看到相互适用.Graph窗[4]By试验号码By检测者5.t-test5.11-SampleZ5.32-Samplet5.21-Samplet5.4Pairedtt-test的选择

1-SampleZ

▶试验

Data的平均和集体(全体)的平均是否相同,想在别的地方评价的时候...

但,全体的平均和标准偏差知道.

→为了仔细观察D电子送货的副品的平均重量检测10个的

Data试验重量.

我们希望的副品的重量是40g,到现在生产的副品的标准偏差是3g.1-Samplet

▶试验

Data的平均和集体(全体)的平均是否相同,想在别的地方评价的时...

但,知道全体的平均但是,不知道标准偏差.

→为了仔细观察D电子送货的副品的平均重量检测10个的

Data试验重量.

我们希望的副品的重量是40g,

副品的标准偏差不知道.

2-Samplet

▶在相互别的2集体输出的试验Data的平均是否相同,想在别的地方评价的时...

→D公司和E公司送货的副品的平均重量是否相同,别的地方评价各个公司的送货的产品中

每10个做实验检测重量

Pairedt

▶相互一组实现的实验

Data的平均是否相同,想在别的地方评价的时...

→在D公司送货的副品德左边厚度的平均是否相同,别的地方评价

做10个的

Data实验检测左边和右边的厚度.5.15.35.45.25.t-test5.11-SampleZ5.32-Sam5.11-SampleZStat▶BasicStatistics▶1-SampleZWorksheet为了仔细观察在D电子送货的副品的平均重量10个的

Data做实验检测重量.我么希望的副品的重量是40g,到现在生产的副品德标准偏差是3g.例题路线

平均

标准偏差

5.11-SampleZStat▶BasicStatDialog窗

③平均②标准偏差④OK①变数指定Dialog窗③平均②标准偏差④OK①变数指定Session窗分析结果

试验数

算术平均

标准偏差95.0%CI:平均的95%信赖区域

-在上面的例题平均的95%信赖区域

是(35.231,38.949),

总平均40g在95%信赖区域里不存在.

这样,在

D公司送货的副品的平均重量不是总平均的40g。

P:P-value值

▶P-Value≥0.05情况的

→Data的平均和总平均能相同.

▶P-Value＜0.05的情况

→Data的平均和总平均能不同。

-在上面的例子以

P=0.002,比0.05小,

在D公司送货的副品的平均重量不是总平均的

40gSession窗分析结果试验数算术平均标准偏差5.21-SampletStat▶BasicStatistics▶1-SampletWorksheet为了仔细观察在D电子送货的副品的平均重量10个的

Data做实验检测重量.我么希望的副品的重量是40g例题路线

总平均5.21-SampletStat▶BasicStatDialog窗②平均③OK①变数指定Dialog窗②平均③OK①变数指定Session窗分析结果

试验数

算术平均

标准偏差95.0%CI:平均的95%信赖区域

-在上面的例题平均的95%信赖区域

是(35.492,38.688),总平均40g在95%信赖区域里不存在.

这样,在

D公司送货的副品的平均重量不是总平均的40g。

P:P-value值

▶P-Value≥0.05情况

→Data的平均能和总评均相同.

▶P-Value＜0.05情况

→Data的平均能和总评均不同.

-在上面的例子以P=0.003,比0.05小,

在D公司送货的副品的平均重量不是总平均的40g。Session窗分析结果试验数算术平均标准偏差5.32-SampletWorksheetD公司和

E公司送货的副品的平均重量是否相同评价别的地方在各个公司送货的产品中,每10个做实验称重量例题

UnstackData

StackData

D公司副品的重量

E公司副品的重量

5.32-SampletWorksheetD公司和E公司Stat▶BasicStatistics▶2-Samplet路线Stat▶BasicStatistics▶2-SaDialog窗[1]②Assumeequalvariances计

UnstackData的情况

①变数指定④Boxplotsofdata计⑤OK⑥OK③Graphs计Dialog窗[1]②AssumeequalvarDialog窗[2]③Assumeequalvariances计

StackData的情况

①变数指定

(检测的

Data列选择)⑤Boxplotsofdata计⑥OK⑦OK④Graphs计②变数指定(输入条件选择列)Dialog窗[2]③AssumeequalvariSession窗分析结果

试验数

算术平均

标准偏差95.0%CI:两个集体平均差异的95%信赖区域

-在上面的例子两个集体平均偏差的95%信赖区域是(-3.87,1.77),0在95%信赖区域里存在.即,(D公司副品平均重量-E公司副品平均重量=0).

在这两个集体各个收集的Data的平均能相同的意义.

这样,D公司送货的副品的平均重量和E公司送货副品德平均重量能相同.

P-Value

▶P-Value≥0.05情况

→两个集体偏差的

Data平均能相同.

▶P-Value＜0.05情况

→两个集体的

Data平均能不同.

-在上面的例子以

P-Value=0.445,因为比0.05大

在D公司送货的副品的平均重量和E公司送货的副品的平均重量能相同.

两个集体平均的差异

Session窗分析结果试验数算术平均标准偏差Graph窗

中央值(Median)

算术平均Graph窗中央值(Median)算术平均5.4PairedtStat▶BasicStatistics▶PairedtWorksheetD公司送货的副品德左边厚度和右边厚度的平均是否相同,评价别的地方10个的

Data做实验检测左边和右边的厚度例题路线5.4PairedtStat▶BasicStatisDialog窗②OK①变数指定Dialog窗②OK①变数指定Session窗分析结果

试验数

算术平均

标准偏差

P-Value

▶P-Value≥0.05情况

→两个集体偏差的

Data平均能相同.

▶P-Value＜0.05情况

→两个集体的

Data平均能不同..

-在上面的例子以

P-Value=0.053,

因为比0.05大,

左边和右边没有厚度的差异

两个集体的平均差异

95.0%CI:两个集体平均差异的95%信赖区域

-在上面的例子两个集体平均偏差的95%信赖区域是

(-2.936,0.024),

0在95%信赖区域里存在.即.(左边平均厚度-右边平均厚度=0).

在这两个集体各个没有收集的Data的差异的意义

，这样,没有左边和右边厚度的差异Session窗分析结果试验数算术平均标准偏差6.One-wayANOVA16.1平均差检定6.2分布差检定平均差检定使用的

Tool

2-Samplet(两个集体条件)

▶相互在别的集体输出的实验Data的平均是否相同,想评价别的地方时...

→D公司和E公司送货的副品的平均重量是否相同,评价别的地方在各个公司送货的产品中

每10个做实验检测重量.

One-wayANOVA(3个以上的集体条件)

▶相互在别的3个以上的集体输出的实验Data的平均是否相同,想评价别的地方时...

→E工程生产的副品副品的HoleSize是重要的品质.在E工程制造副品的3台设备在启动中

各个设备生产的副品的

HoleSize的平均是否相同,评价别的地方各个设备生产的副品每5

个做实验检测HoleSize

5.36

两集体

三集体6.One-wayANOVA16.1平均差检定6.2分布6.1平均差检定Worksheet在E公司生产的副品副品的HoleSize是重要的品质.在E工程制造副品德3台设备在启动中,各个设备生产的副品的HoleSize的平均是否相同，评价别的地方,各个生产的副品每5个做实验检测HoleSize.Size的目标值是25.0mm.

例题

UnstackData

StackData1次副品的HoleSize

2次副品的

HoleSize

3次副品的

HoleSize

6.1平均差检定Worksheet在E公司生产的副品副品的HStat▶ANOVA▶One-way(Unstacked)路线[1]

UnstackData情况Stat▶ANOVA▶One-way(UnstacStat▶ANOVA▶One-way路线[2]

StackData情况Stat▶ANOVA▶One-way路线[2]Dialog窗[1]③Boxplotsofdata计

UnstackData情况

①变数指定④OK②Graphs计⑤OKDialog窗[1]③BoxplotsofdataDialog窗[2]

StackData情况

①变数指定

(检测的

Data选择列)⑥OK③Graphs计②变数指定(输入条件的选择列)④Boxplotsofdata计⑤OKDialog窗[2]StackData情况①变数Session窗分析结果

试验数

算术平均

标准偏差

设备的评价

-在上面的例题以

P-Value=0.009比0.05小,三个设备中即使少在两台设备生产的产品的HoleSize平均能不同.-HoleSize的目标值是25.0mm,平均的信赖区域包含25.0mm1次设备和2次设备好的设备,3次设备是不好的设备.

-如果,P-Value比0.05大的值的话,各个设备生产的产品的HoleSize的平均因为没有不同,三个的设备评价没有大的意义

各条件平均的95%信赖区域

P:P-Value

▶P-Value≥0.05情况

→集体

Data平均能相同.

▶P-Value＜0.05情况

→及时少两个集体

Data平均

能不同。

-在上面的例子以

P-Value=0.009比0.05小,

三个的设备中,即使小在两个的设备生产的产品的

HoleSize平均不同.25.0mm:HoleSize目标值

设备名Session窗分析结果试验数算术平均标准偏差

Boxplots-

掌握各个设备中心和扩展的程度.Graph窗BoxplotsGraph窗6.2散布差检定在E工程生产的副品的HoleSize是重要的品质.在

E工程制造副品的3台设备在启动中。

各个设备生产的副品的

HoleSize的散布是否相同,评价别的地方,各个设备生产的副品每5个做实验检测HoleSize例题

StackDataStat▶ANOVA▶TestforEqualVariancesWorksheet路线

Data的形态...-

为了散布检定

Data应该带有

StackData形态6.2散布差检定在E工程生产的副品的HoleSize是重要Dialog窗①变数指定

(检测的

Data选择列)③OK②变数指定(输入条件选择列)Dialog窗①变数指定③OK②变数指定分析结果Graph窗

Bartlett’sTest

▶Data的形态正规分布时使用

Levene’sTest

▶Data的形态没有关系使用

P-Value

▶P-Value≥0.05的情况

→集体

Data的散布能相同.

▶P-Value＜0.05的情况

→即使少两个集体Data的散布能不同.

-在上面的例子以Bartlett’sTest的

P-Value=0.358,Levene’sTest的

P-Value=0.471比0.05都大,在三台设备生产的产品的HoleSize散布相同.分析结果Graph窗Bartlett’sTest7.Chi-SquareTest7.1独立性检定Stat▶Tables▶Chi-SquareTestWorksheetS公司职级面临改编,各个部门人力的职级比率是否相同

告诉别的地方.例题[1]路线7.Chi-SquareTest7.1独立性检定StaDialog窗②OK①变数指定Dialog窗②OK①变数指定Session窗分析结果

P-value值

▶P-Value≥0.05情况

→各个变数相互独立.

▶P-Value＜0.05情况

→各个变数相互从属.

-在上面的例子以

P-Value=0.606,比0.05大,职级比率和部门没有相关的独立性的变数.

即,各个部门人力的职级比率能相同.Session窗分析结果P-value值Stat▶Tables▶Chi-SquareTestWorksheet在F工程4台设备启动制造相同的产品.调查4台设备生产的产品良品数，不良数，分析各个设备不良发生差异有无例题[2]路线Stat▶Tables▶Chi-SquareTesDialog窗②OK①变数指定Dialog窗②OK①变数指定Session窗分析结果

P-value值

▶P-Value≥0.05情况

→各个变数相互独立.

▶P-Value＜0.05情况

→各个变数相互从属.

-在上面的例子以P-Value=0.003,因为比0.05小,不良发生比例在设备上从属性的变数.

即,各个设备不良发生比率能不同.Session窗分析结果P-value值Stat▶BasicStatistics▶Correlation8.相关分析(Correlation)8.1r(相关计算)为了调查在K产地水的消费量，每月的水消费量，

平均温度,根据总降雨量收集Data.例题路线WorksheetStat▶BasicStatistics▶CorrDialog窗①变数指定②Displayp-values计③OKDialog窗①变数指定②Displayp-valuSession窗分析结果

P-Value(有的水准

α=0.05)

▶P-Value≥0.05情况

→在变数之间没有直线关系.

▶P-Value＜0.05情况

→在变数之间有直线关系8.1r(相关计算)

→下一张有仔细的说明Session窗分析结果P-Value(有的水准8.1

r(相关计算)

r(相关计算)的性质

▶r(相关计算)的范围是-1≤r≤1.

▶r(相关计算)变数差异的直线关系程度。

即,变数差异的关系是曲线关系的情况,求r(相关计算)没有任何意义.

r(相关计算)和算稠度▶r的符号

是‘+’情况:两个变数之间有量的相关关系.▶r的符号是‘-’情况:两个变数之间有音的相关关系.▶是r=+1情况,算稠度所有的点在一条直线上，

带有量的相关关系▶是

r=-1的情况,算稠度所有点在一条直线上,带有音的相关关系.▶是r=0的情况,两变数之间没有任何相关关系.r=-1r=-0.7r=-0.4r=0r=+0.4r=+0.7r=+18.1r(相关计算)r(相关计算)的性质r=│r│

≤0.2▶几乎算是无视的相关关系0.2＜│r│

≤0.4▶低的相关关系0.4＜│r│

≤0.7▶比较高的相关关系0.7＜│r│

≤0.9▶好的相关关系,即清楚地关系0.9＜│r│

≤1.0▶非常高的相关关系,即算是非常信赖的关系相关计算的解析│r│≤0.29.返回分析(Regression)K公司的

指定科长

仔细观察美国的

同种产业界的每日株式变动是否给子公司的每日株式变动带来影响

制造相似产品的美国的同种产业界选择10个公司.K公司的每日株式变动率和美国10个同种产业界公司的每日平均株式变动率算出两个月时间,收集40个

Data.例题9.1R-Square9.2返回式Stat▶Regression▶FittedLinePlotWorksheet路线9.返回分析(Regression)K公司的指定科长仔Dialog窗①结果变数指定

(得到影响的变数)②原因变数指定(给影响的变数)③TypeofRegressionModel选择④OK

TypeofRegressionModel:；选择返回模式

▶Linear ▶Quadratic ▶Cubic

→线型 →2回曲线 →3回曲线Dialog窗①结果变数指定②原因变数指定③TypSession窗分析结果9.1R-Square9.2返回式

R-Square

▶全体变动中由于返回直线说明的变动

▶R-Square≥70.0%时,

X(原因变数)给Y(结果变数)影响.

▶在上面的例子,以

R-Square=79.2%比70.0%大,美国的同种产业界的每日株式变动率

在给K社的每日变动率影响.9.1

返回式

▶β0:절편

→X是

0时,预测的Y值→在上面的例子,同种产业界的每日变动率是0,

K社的预想每日变动率是-0.117925.

▶β1:

斜度

→X增加1的情况,Y值的增减度量→在上面的例子,同种产业界的每日变动率增加

1的情况,K社的每日变动率β1,

即,预想增加0.989489.2

β0

β1

Session窗分析结果9.1R-Square9.2返回式Graph窗

β0:-0.117925

β1:0.948948增加

1增加9.1R-Square9.2返回式Graph窗β0:-0.117925β1:

Y值得预测方法

▶同种产业界的每日株式变动率5.0情况,

K社预想的每日株式变动率是?-返回式利用

→返回式的“变动率(同种)”输入5.0“变动率(K社)计算

→变动率(k社)=-0.117925+0.948948×5.0=4.6-返回线利用

→利用返回线变动率(同种)是

5.0情况的变动率找(K社)

5.0

4.6Y值得预测方法▶同种产业界的每日株式变动率5.0情况①Y规格35±5②X的范围设定14.6±3.4

X的管理范围设定方法▶X的管理范围选定方法1.掌握顾客的要求规格(Spec.)

例)Y规格(顾客的要求):35±5

2.满足顾客要求的X的范围设定

-通过返回式计算或者利用,

Gragh设定-设定的X的范围:14.6±3.4

3.考虑到잔차(Error),

比初次设定的范围设定窄的范围①Y规格②X的范围设定X的管理范围设定方法▶X的10.试验计划法(DOE)10.122

要因分布法10.2主效果主效果和相互作用

主效果

▶各个因数在试验上造成的影响的大小

相互作用

▶因数之间的合作在实验上造成的影响的大小

→22

原因分布法,为了知道因数间的相互作用应该2次以上反复试验10.210.310.3相互作用

2k

要因分布法

▶2:水准的水.即,在2K

要因分布法各个的认知具有2水准的实验条件.

▶K:认知的数.即,在22

要因分布法因数的数是2个.

▶实验数:因素数,实验数,根据反复数决定→22

要因分布法的基本实验数

作为(2因数×2水准),要做4遍试验或,

为了了解相互作用反复2次试验的情况,2因数×2水准×2反复，实验数是8次.2K

要因分布法10.110.试验计划法(DOE)10.122要因分布法10.Worksheet制作在S工程药品的吸收速度高为了提高工程的制造效率是重要的要素在药品的吸收速度认为影响的大因素的催化剂量和反映温度取给简单的2水准下面的条件反复2回收集Data<实验条件>-催化剂量(%):0.3%,0.5%-反映温度(℃):150℃,170℃例题Stat▶DOE▶Factorial▶CreateFactorialDesign路线Worksheet制作在S工程药品的吸收速度高为了提高工程Dialog窗[1]②因数数选择①水准数选择

在上面的例子因数以催化剂量和反映温度,

因数数是2个.③Designs计

在上面的例子

各个因数以2水准试验.Dialog窗[1]②因数数选择①水准数选择在上Dialog窗[2]④反复数选择

为了仔细观察相互作用,

反复2次试验⑤OKDialog窗[2]④反复数选择为了仔细观察相互作Dialog窗[3]⑥Factors计⑦输入因素和水准⑧OK⑨OKDialog窗[3]⑥Factors计⑦输入因素和水Worksheet

输入试验结果制造行

输入试验结果

吸收速度‘88’

催化剂0.3%,反映温度150℃

试验的结果Worksheet输入试验结果制造行输入试验结果分析Stat▶DOE▶Factorial▶AnalyzeFactorialDesign路线分析Stat▶DOE▶Factorial▶AnaDialog窗②因素数选择①结果变数指定

(试验结果)Dialog窗②因素数选择①结果变数指定通过图表设定最少水准Stat▶DOE▶Factorial▶FactorialPlots路线通过图表设定最少水准Stat▶DOE▶Factori相互作用有意有意不有意应该检定的PlotInteractionPlotMainEffectsPlot主效果有意不有意有意有意性不有意-不有意最少水准试验▶Y越大越好的情况←在Graph最上面的Plot

选择▶Y越小越好的情况←在Graph最下面的Plot

选择▶Y具有目标值的情况←在Graph目标值最近

Plot选择

上面例子各个因数有意有无

▶主效果-催化剂量(P=0.010<0.05)→有意-反映温度(P=0.004<0.05)→有意

▶相互作用-催化剂量*反映温度(P=0.889≥0.05)

→不有意

设定最少水准

▶在上面的例子，

主效果两个因数都有意或,

因为相互作用不有意,在MainEffectsPlot

设定最少水准相互作用有意有意不有意应该检定的InteractionPlDialog窗[1]①MainEffectsPlot计②InteractionPlot计③Setup计④结果变数指定(试验结果)⑤主效果用

Selected指定⑥OKDialog窗[1]①MainEffectsPloDialog窗[2]⑦Setup计Dialog窗[2]⑦Setup计Dialog窗[3]⑧结果变数指定

(试验结果)⑨相互作用用

Selected指定⑩OK⑪OKDialog窗[3]⑧结果变数指定⑨相互作用用Graph窗[1]分析结果

各因数有意有无

▶主效果-催化剂量(P-Value=0.010<0.05)→有意-反映温度(P-Value=0.004<0.05)→有意

主效果的最少水准:在上面的例子,结果(吸收速度)越大越好.

▶主效果

→催化剂量,反应速度都是有意的因数，设定各个因数最小水准

-催化剂量:在0.5水准结果(吸收速度)变大-反映温度:在170水准结果(吸收速度)变大Graph窗[1]分析结果各因数有意有无主效Graph窗[2]

各因数有意有无

▶相互作用-催化剂量*反映温度(P=0.889≥0.05)

→不有意

相互作用的最少水准

→相互作用因为不有意不设定最少水准Graph窗[2]各因数有意有无相互作用的最

设定最少水准

:为了最高吸收速度各因数水准

▶催化剂量:0.5%

▶反映温度:170℃

最少水准预想的结果值

▶催化剂量0.5%,反映温度是170℃,

实验结果是110,108,

平均

预想109在最少水准的吸收速度设定最少水准:为了最高吸收速度各因数水准最少MINITAB非常容易跟着做MINITAB2.画管理图3.求工程能力4.MSA5.t-test6.One-wayANOVA8.相关分析(Correlation)7.Chi-SquareTest10.试验计划法(DOE)9.返回分析(Regression)1.求基本统计量1.1算术平均1.5最小值1.8标准偏差的信赖区域1.3分散1.7平均的信赖区域1.2标准偏差1.6最大值1.9중中央值的信赖区域1.4中央值1.10正规性检定2.5U管理图2.3P管理图2.2I-MR管理图2.6C管理图2.4NP管理图2.1X-R管理图2.7异常原因2.8管理图的层别3.1车间内工程能力3.3预测的不良率3.2全体工程能力3.4区域内预想不良率3.5全体预想的不良率4.1定密度4.2反复性4.3再形成4.4%R&R4.5P/T5.11-SampleZ5.21-Samplet5.32-Samplet5.4Pairedt6.1平均差检定6.2散布差检定7.1独立性检定8.1r(有关计算)9.1R-Square

9.2返回式10.122

要因排布法10.2主效果주효과10.3相互适用목차

4page

8page

33page

40page

48page

64page

75page..81page...86page

92page2.画管理图3.求工程能力4.MSA5.t-test1.求基本统计量1.1算术平均1.5最小值1.8平均偏差的信赖区域1.3分散1.7平均的信赖区域1.10Stat▶BasicStatistics▶DisplayDescriptiveStatisticsWorksheetA为了仔细观察工程的品质特性的产品长度的分布和统计量抽出标本,收集

Data.例题路线1.2标准偏差1.6最大值1.9中央值得信赖区域1.4中央值定规性检定1.求基本统计量1.1算术平均1.5最小值1.8平均偏差的Dialog窗①变数指定②Graphs计③Graphicalsummary计④OK⑤OKDialog窗①变数指定②Graphs计③GrapSession窗分析结果1.1算术平均1.2标准偏差1.4中央值1.5最小值1.6最大值

平均的标准误差=σ/n

十分位数:根据

Data顺序罗列后根据基准区分

-Q1:根据Data顺序罗列时在25%顺序的位置的数-Median:根据Data顺序罗列时在50%顺序的位置的数-Q3:根据Data顺序罗列时在75%的顺序的位置的数Session窗分析结果1.1算术平均1.2标准偏差1.4Graph窗1.1算术平均1.2标准偏差1.4中央值1.5最小值1.6最大值1.3分散1.8标准偏差的信赖区域1.7平均的信赖区域1.9中央值的信赖区域1.10定规性检定

定规性检定

(有意水准

α=0.05)

▶P-Value≥0.05情况

→Data的分布能根据定规分布做

▶P-Value＜0.05情况

→Data的分布不能根据定规分布做1.10히스토克重,定规分布曲线

BoxPlotGraph窗1.1算术平均1.2标准偏差1.4中央值1.52.画管理图12.1X-R管理图2.5U管理图2.3P管理图2.2I-MR管理图2.6C管理图2.4NP管理图管理图的选择C管理图Data의유형计量尺计量尺Data的类型Data의유형是否是不良品的数?是否是具体的缺点?收集的Data是否个别？车间是否实现?试验的大小是否一致？试验的大小是否一致？U管理图NP管理图P管理图I-MR管理图X-R管理图个别Data车间Data不良数缺点数不是是不是是2.7异常原因2.8管理图的层别2.画管理图12.1X-R管理图2.5U管理图2.3P管Stat▶ControlCharts▶Xbar-RWorksheetB工程制造的产品厚度每8小时试验5个管理.例题路线2.1X-R管理图

计量尺

车间

군

Stat▶ControlCharts