多变量分析研究

多变量分析研究ProcessImprovementMethodology分析根源分析多级Pareto排列图5Why图辨认浪费多变量研究ANOVA相关性与回归

DMAIC流程 分析根源分析多级Pareto排列图5Why图辨认浪费多变量研究ANOVA相关性与回归控制错误防范及实施SPC更新控制计划更新所有文件交还给流程拥有者定义识别差异建立范围及边界指派黑带及项目团队建立项目定义表测量0级及价值流图确定基线实施能力起始流程能力研究流程能力起始控制计划详细流程图测量系统分析（MSA）因果矩阵C&EMatrix失效模式分析FMEA目录数据分析最终报告的模版多变量分析在生产状态下描述一个流程的基线能力的方法．收集数据的方法是“不影响流程”的，即在自然状态下分析流程在短时间內收集数据并分析，以测定流程能力、稳定性、及关键输入变量（KPIV’s）和关键输出变量（KPOV’s），即X’s和

Y’s之间的关系“多变量分析”应该持续到输出变量的所有范围都被观测完为止明确固有的流程能力和限制为什么要进行多变量分析？以统计置信度决定流程的能力确认流程变异的可确定因素分析影响流程的一般原因不同班次Shift-to-Shift,不同运行Run-to-Run,不同操作员Operator-to-Operator,不同操作时间Time-to-Time初步了解流程的稳定性提供下一步实验设计(DOE)所需的方向及输入主要聚焦点首先研究不可控的噪音变量!噪音变量的变异会长期或不定期地影响流程中心值和变异的大小，导致流程不稳定在我们对关键的可控输入变量进行系统化分析前，我们需尽可能地先将噪音变量的变异消除噪音变量我们可以将噪音变量分为以下三种主要类型的变异:位置的-由于生产线中相似流程的差异而产生的变异反应器之间的差异生产线之间的差异压力差异产品区域之间的差异操作员之间的差异时间的-由于时间的差异产生的流程变异不同班次不同天不同周连续的--一系列连续流程的差异如果输出变量受几个不同流程的影响，我们测试流程与流程的变异阶段阶段I:实行短期流程能力分析–参看流程改善方法的测量阶段基于短期流程能力分析的数据和记录，制定流程深入分析的计划阶段II:初步分析可控制因素、不可控因素（噪音）和原料输入变量对输出变量的影响着重于描述系统中主要不可控变量(噪音)

的影响初步了解可控输入变量及输出变量之间的关系练习目标:确定噪音和可控输入变量对%杂质（Impurities）的影响输出变量:%杂质 规格上限:8%输入变量:可控的:温度,压力不可控的:天,班次,轮班内的时间合理分组:班次分析:能力,能力Sixpack盒型图散点图问题:声么使解释%杂质重要的基本变量DMMulti-variStudies.mpj,

工作表

Multi-vari.mtw数据采集结果正态检验正态概率图能力Sixpack流程能力Sixpack流程能力Sixpack流程能力分析流程能力分析流程能力时间序列图时间序列图盒型图盒型图目的：___________________________重复每一个变量盒型图按天,班次,时间分组主要影响图主要影响图的目的：____________________主要影响图不同班次的影响很显著主要影响图-杂质数据均值主要影响图-杂质数据均值什么是可变性显而易见的来源?

天Day ________________

班次Shift ________________

时间Time ________________

温度Temp ________________

压力Pressure ________________

下一步是什么?结论让我么再次检查主要影响*主要影响图比较每个水平输入的均值.注意-图表比较的是均值而不是方差.这些是否易于解释?将连续输入转化为属性输入变量这种技术允许你使用检验输出变量对输入变量的影响这样允许你使用二项式检验避免线性相关的影响步骤:运行描述统计程序使用编码程序,创建4个类别分别定义为：最小值到Q1Q1到中位数中位数到Q3Q3到最大值对于小样本量,做MedianSplit

创建高和低类别分析使用单向ANOVA的常规方法解释F检验结果从另一个角度看温度和压力温度和压力能够进行编码，让我们看起来他们有些不同让我们通过把他们的值分为四分为数使用描述统计量功能确定4组温度和压力

Stat>BasicStatistics>DisplayDescriptiveStatistics

使用编码功能建立两列数据代表温度和压力

Data>Code>NumerictoNumeric描述统计/四分为数连续输入变量编码主要影响图-杂质数据均值主要影响图-编码的vs.不编码的主要影响图-杂质数据均值主要影响图-杂质数据均值1)在不影响流程自然运作的状态下所收集的“X”，其变异范围可能太狹窄2)交互作用存在,但我们只能一次研究一个“X”3)有多元线性相关（Multi-colinearity）和混淆

（Confounding）存在.9.9511.051.1

X=CarWeight(tons)Y=GasMileage(mpg)3025200.511.52

X=CarWeight(tons)Y=GasMileage(mpg)302010YouSee

1313.51414.515

X=AgeofCar(Yrs)Y=SellingPrice(Thousands)64216142230

X=AgeofCar(Yrs)Y=SellingPrice(Thousands)35255YouSee我们发现...X(Heat)看起来步重要事实上...X(Heat)是重要的并受班次的影响765432137322722HeatYield765432137322722HeatYieldSHIFT12多变量易犯的错误报告结果描述目标测量的输入和输出变量抽样计划流程设置稳定性和流程能力趋势/控制图表能力和能力Sixpack分析直方图Cp,