Minitab-培训教程大全-500多页

Minitab介绍Minitab是众多统计软件当中比较简单易懂的软件之一；相对来讲，Minitab在质量管理方面的应用是比较适合的；Minitab的功能齐全，一般的数据分析和图形处理都可以应付自如。CompanyConfidentialMinitab与6Sigma的关系在上个世纪80年代Motolora开始在公司内推行6Sigma，并开始借助Minitab使6

Sigma得以最大限度的发挥；6Sigma的MAIC阶段中，很多分析和计算都可以都通过Minitab简单的完成；即使是对统计的知识不怎么熟悉，也同样可以运用Minitab很好的完成各项分析。CompanyConfidentialMinitab的功能计算功能–

计算器功能–

生成数据功能–

概率分布功能–

矩阵运算CompanyConfidentialMinitab的功能数据分析功能–

基本统计–

回归分析–

方差分析–

实验设计分析–

控制图–

质量工具–

可靠度分析–

多变量分析•

时间序列•

列联表•

非参数估计•

EDA•

概率与样本容量CompanyConfidentialMinitab的功能图形分析–

直方图–

散布图–

时间序列图–

条形图–

箱图•

三维图•

点图•

饼图•

边际图•

概率图•

茎叶图•

特征图–

矩阵图–

轮廓图CompanyConfidential课程内容安排R&D研发6σ生产支援TransactionManufacturing※由于时间有限，很多内容只是做简单的介绍；※在两天的时间里，主要的课程内容安排如下：CompanyConfidential区分第一天第二天基本界面和操作介绍

4）组间/组内能力分析常用图形的Minitab操作

5）Weibull能力分析特性要因图柏拉图散布图直方图时间序列图基础统计和假设检验1)描述统计试3)单样本T测试

4)双样本T测试5)成对T测试

6)1比率测试7)2比率测试

8)正态分布上午2)单样本Z测SPC的Minitab操作1)Xbar-R

Chart2)Xbar-S

Chart3)I-MR

ChartChart

5)I-MR-R/S

Chart6)P

ChartChart方差分析1)单因数和双因数方差分析回归分析1)简单回归MSA测量系统分析4)Z-MR下午2)逐步回归7)NP1)测量重复和再现性8)C

ChartChart能力分析1）正态分布图能力分析2）泊松分布图能力分析3）二项分布图能力分析9)U(交叉Crossed、嵌套Nested)2)测量走势图

3)测量线性研究4)属性测量R&R研究（计数）CompanyConfidentialMinitab界面和基本操作介绍CompanyConfidentialMinitab界面主菜单Session

Window:•分析结果输出窗口Data

Window:•输入数据的窗口•每一列的名字可以写在最前面的列•每一列的数据性质是一致的CompanyConfidentialMinitab界面•

同一时间只能激活一个窗口.每一个窗口可以单独储存.不同的要求选择不同的保存命令CompanyConfidential报告便栈工具栏的介绍打开相关文件打开文件保存文件打印窗口之前之后命令显示因子设计查找数据查找下一个数据取消session窗口当前数据窗口帮助项目管理窗口剪切复制粘贴恢复重做编辑最近对话框状态向导关闭所有图形窗口插入单元格显示session窗口折叠显示worksheets折叠显示GRAPH折叠插入行插入列移除列项目窗口历史记录CompanyConfidential数据的生成(Make

Random

Data)例：生成一组男生身高的数据，要求：平均身高175cm，标准偏差5cm，数据个数100.•

Select:

Calc>RandomData

>NormalCompanyConfidential数据的生成结果CompanyConfidential生成有规律的数据•

Select:Calc>MakePatternedData

>Simple

Set

ofNumberCompanyConfidential结果输出CompanyConfidential数据类型的转换(ChangeData

Type)•

Select:

Data>Change

DataType

>

Numeric

to

Text需要转换的列转换后数据存放列，可以是原来的数据列CompanyConfidential数据类型的转换结果CompanyConfidential数据的堆栈（Stack&Unstack）•Select:

Data>Stack

>columns原始数据输入需要堆栈的列，如果由前后顺序，按前后顺序进行输入输入堆栈后存放列的位置注解可以用来区分数据的来源CompanyConfidential数据的堆栈结果CompanyConfidential数据块的堆栈(Stack

Blocks)•Select:

Data

>Stack

>Blocks

of

columns原始数据在对话框中输入2~5列数据，注解列在前面输入新工作表和注解的位置CompanyConfidential数据块的堆栈结果CompanyConfidential转置栏（TransposeColumns）•Select:

Data

>Transpose

Columns输入需要转置的列输入新工作表的位置可以输入注解列CompanyConfidential转置结果CompanyConfidential连接（Concatenate）•

Select:

Data

>Concatenate原始数据输入需要连接的数据列输入新数据列的位置CompanyConfidential连接结果CompanyConfidential编码（Code）•

Select:

Data

>code>Numeric

toText被编码的变量原始数据存储编码值的栏编码规则CompanyConfidential编码结果CompanyConfidentialMinitab之常用图形CompanyConfidentialQC手法常用的图形如下:特性要因图控制图(参见SPC部分)柏拉图散布图直方图时间序列图CompanyConfidential特性要因图决定特性Y头脑风暴找出可能的要因X将X依5M+1E方式列表将表输出MINITAB中输出结果图形CompanyConfidential练习人机料法环测不够

设备没有

原料没有

没有设定标

温度太

仪器偏差熟练

保养

检查

准化方法

高

太大培训

设备不常

原料含

抽样方式不

湿度太

仪器R&R不够

清扫

s,p太高

合理

低

太高监督

没有进行不够

点检CompanyConfidential输入表中•Select:

Stat

>Qualitytools>

Cause

-and

-effect注意输入格式CompanyConfidential填好各项需要的参数CompanyConfidential结果输出:C

au

se-an

d-E

ffect

D

iagramMeasuremenMaterialPersonnel不够熟练培训不够监督不够仪器偏差太大原料没有检查仪器R&R太高原料含s,p太高为什么有缺陷产生没有进行点检设备不常清扫湿度太低抽样方式不合理温度太高没有设定标准化方法设备没有保养EnvironmenMethodsMachinesCompanyConfidential柏拉图收集各项质量特性缺陷列成表输入到MINITAB中MINITAB绘出图形找出关键的Y特性CompanyConfidential练习项次缺陷项数量1虚焊5002345漏焊强度不够外观受损其它300200150160CompanyConfidential输入数据•Select:

Stat

>Qualitytools>

ParetoChartCompanyConfidential填好各项参数输入缺陷列输入频数列在此指定

“95%‖

将使余下的图示为

“Others‖。设置X轴,Y轴标签可以对柏拉图进行命名CompanyConfidential结果输出CompanyConfidential练习:下表为STS冷轧工厂ZRM不良现状,试做分析不良项目摩擦痕辊印不良数7.782.442.272.221.971.331.11不良率0.310.090.060.050.040.030.02累计不良率0.370.48污染0.59划伤0.70线形裂纹异物压入斑痕0.790.850.91微细裂纹垫纸压入轧机垫纸印痕合计0.770.680.5121.080.940.981.00CompanyConfidential散布图决定你所关心的Y决定和Y有可能的X收集Y和X的数据输入MINITAB绘出图形判定Y和X之间的关系CompanyConfidential练习Y65666566676768686768X800810820830840850860870890900CompanyConfidential输入数据•Select:

Gragh>

ScatterplotCompanyConfidential输入参数可以选择不同的输出表现形式CompanyConfidential输出图形•可以用直接方式判定，有正相关的倾向。•更详细的说明可以参见回归分析CompanyConfidential直方图决定你所关心的Y或X收集Y或X的数据输入MINITAB表MINITAB绘出直方图进行判定CompanyConfidential练习序号1零件重量61.160.661.361.060.961.060.360.561.061.260.460.862.362.260.161.360.860.660.860.260.860.761.361.460.960.560.861.260.960.861.460.960.361.860.660.961.061.561.060.461.359.761.260.561.060.661.360.760.961.560.661.761.160.361.661.260.860.061.661.160.661.061.260.961.761.160.561.061.160.661.961.061.062.560.862.060.860.661.759.861.061.660.761.160.460.961.261.060.761.161.461.261.060.361.060.661.461.061.760.660.262.160.462.360.960.760.861.160.660.760.761.161.460.523456789101112131415CompanyConfidential输入数据

Select:

Gragh>

Histogram例:右表为某零件重量的数据.试作(1)直方图(2)计算均值x和标准差s(3)该特性值的下限是60.2克,上限是62.6克,在直方图中加入规格线并加以讨论.CompanyConfidential填入参数可以同时为几个变量作直方图点击此选项输入上下规格界限CompanyConfidential结果输出•请依照直方图分析方法来进行图形分析和判定•更深入的分析可以参见制程能力分析部份。CompanyConfidential时间序列图决定你所关心的Y或X收集Y或X的数据输入MINITAB表MINITAB绘出时间序列图进行判定CompanyConfidential练习时间2006/12006/22006/32006/42006/52006/62006/72006/82006/9销售量150126135165190170175180176CompanyConfidential输入数据•Select:

Gragh>

Time

SeriesPlotCompanyConfidential时间刻度设置填入参数可以选择不同的输出表现形式CompanyConfidential结果输出Time

Series

Plotof

销售量1901801701601501401301202006/1

2006/2

2006/3

2006/4

2006/5

2006/6

2006/7

2006/8

2006/9时间•依此状况来判定未定的销售趋势。CompanyConfidentialMinitab的SPC使用CompanyConfidential一.控制图原理控制图1.现代质量管理的一个观点--产品质量的统计观点a.产品的质量具有变异性.至工业革命以后,人们一开始误认为:产品是由机器造出来的,因此,生产出来的产品是一样的.随着测量理论与测量工具的进步,人们终于认识到:产品质量具有变异性,公差制度的建立是一个标志.b.产品质量的变异具有统计规律性.产品质量的变异也是有规律性的,但它不是通常的确定性现象的确定性规律,而是随机现象的统计规律.CompanyConfidential一.控制图原理2.控制图的原理a.计量值产品特性的正态分布如果我们对某一计量控制图n(x;

μ,σ)值产品的特性值(如:钢卷厚度等）进行连续测试,只要样本量足够大,就可看到它们服从正态分布的规律.0μCompanyConfidential一.控制图原理控制图b.3σ控制方式下的产品特性值区间3σ控制方式下产品特性值落在[μ

-3σ,μ

+3σ]范围内的概率为0.135%0.135%99.73%,其产品特性值落在此区间外的概率为1-μ-3σμμ+3σ99.73%=0.27%.CompanyConfidential一.控制图原理c.常规控制图的形成控制图μμ-3σμ+3σμ+3σμ-3σμμμ-3σμ+3σCompanyConfidential一.控制图原理UCLCL控

d.控制图原理的解释制图第一种解释:LCL时间(h)8910

111.若过程正常,即分布不变,则点子超过UCL的概率只

有1‰

左右.2.若过程异常,μ值发生偏移,于是分布曲线上、下偏移,则点子超过UCL或LCL的概率大为增加.结论:点出界就判异以后要把它当成一条规定来记住.CompanyConfidential一.控制图原理第二种解释:1.偶然因素引起偶然波动。偶然波动不可避免,但对质量的影响微小,通常服从正态分布,且其分布不随时间的变化而改变。控制图可预测过程受控CompanyConfidential一.控制图原理第二种解释:2.异因引起异波。异波产生后,其分布会随时间的变化而发生变化。异波对质量影响大,但采取措施后不难消除。控制图过程失控不可预测结论:控制图上的控制界限就是区分偶波与异波的科学

界限,休哈特控制图的实质是区分偶然因素与异常

因素两类因素.CompanyConfidential二.常规控制图及其用途控制图分布控制图名称控制图界限备

注控制图代号最常用最基本的控制图.控制对象:长度、重量等.UCL

=

X+A

RX2X-

R均值-极差控制图UCL

=

D

RR4LCL

=D

RR3UCL

=

X+A

s当样本大小n>10,需要应用s图来代替R图.X3正态分布(计均值-标准差控制图中位数-极差控制图X-

sUCL

=

B

ss4LCL

=

B

ss3量值)现场需把测定数据直接记入控制图进行控制.~UCL

=X+m

A

R~X3

2X-

RUCL

=D

RLCLR=D3RR4UCL

=X+2.66R

取样费时、昂X-Rs

单值-移动极差控制图xs贵的场合.UCL

=3.267RRssCompanyConfidential二.常规控制图及其用途控制图控制图代号分布控制图名称控制图界限备注二项分布(计件值)用于不合格品率或合格品率控制不合格品率控制图√pnpuUCLp=

p+3

p(1-p)/n不合格品数控制不合格品数控制图√UCLnp=np+3

np(1-p)一定单位中所出现缺陷数目控制单位不合格数控制图√UCL

=u+3

u/n泊松分布(计点值)u一定单位,样品大小不变时不合格数控制图√UCL

=c+3

cccCompanyConfidentialMinitab可提供的图形•

计量型–Xbar-R•

计数型–P–Xbar-s–I-MR–Np–C–I-MR-s–Z-MR–UCompanyConfidentialXbar-R做法Xbar-R是用于计量型判稳准则：连续二十五点没有超出控制界限。判异准则：–

一点超出控制界限–

连续六点上升或下降或在同一侧–

不呈正态分布，大部份点子没有集中在中心线。CompanyConfidentialXbar-R做法决定要研究或控制的Y或X特性收集数据输入minitab中用minitab绘图及分析判定及采取措施CompanyConfidentialXbar-R练习打开Data目录下的Camshaft.mtw•Select:

Stat

>Control

Charts>Variables

Charts

forSubgroups

>Xbar-RCompanyConfidential输入参数根据不同的输入方式选择不同的分析方法CompanyConfidential决定测试要求可以在这里选择判异准则CompanyConfidential※判

异

准

则准则1:

一点超出控制界限UCL区域A(+3σ)区域B(+2σ)区域C(+1σ)区域C(-1σ)区域B(-2σ)区域A(-3σ)CLLCL×UCLCLABCCBALCL×CompanyConfidential※判

异

准

则准则2:

连续9点在中心线的同侧UCLABCCLCBALCLCompanyConfidential※判

异

准则准则3:

连续6点呈上升或下降趋势UCLABCCLCBALCLCompanyConfidential※判

异

准

则准则4:

连续14点上下交替UCLABCCLCBALCLCompanyConfidential※判

异

准

则准则5:

连续3点中有2点落在中心线同一侧的B区以外UCLABCCLCBALCLCompanyConfidential※判

异

准

则准则6:

连续5点中有4点在C区之外(同侧)UCLABCCLCBALCLCompanyConfidential※判

异

准则准则7:

连续15点在中心线附近的C区内UCLABCCLCBALCLCompanyConfidential※判

异

准则准则8:

连续8点在中心线两侧而无一点在C区UCLABCCLCBALCLCompanyConfidential决定标准差的估计方法一般选择Rbar的标准差估计方式CompanyConfidential决定选项进行正态性转换λ值转换值λ值将标准转换变量的标准偏差最小化,当λ≠0，转换结果为Y

λ,如λ＝0,转换结果为LOGeYλ＝2Y´=Y2λ＝0.5

Y´=√Yλ＝0Y´=logeYλ＝-0.5

Y´=1/√Yλ＝-1Y´=1/YCompanyConfidential决定选项(续)输入1,2,3StDEV控制限CompanyConfidential图形输出:Xbar-R

Chartof

Supp211+3SL=602.376+2SL=601.660+1SL=600.945602600598__X=600.23-1SL=599.515-2SL=598.800-3SL=598.0846135791113151719Sample86420+3SL=7.866+2SL=6.484+1SL=5.102_R=3.72-1SL=2.338-2SL=0.956-3SL=0135791113151719SampleCompanyConfidential判

图•

请判定前图是否有异常•

请问本图为解析用图或是控制用图CompanyConfidentialXbar-s做法决定要研究或控制的Y或X特性收集数据输入minitab中用minitab绘图及分析判定及采取措施CompanyConfidentialXbar-s练习打开Data目录下的Camshaft.mtw

Select:

Stat

>Control

Charts

>VariablesCharts

forSubgroups

>Xbar-sCompanyConfidential输入参数其他参数设置与Xbar-R图相同CompanyConfidential图形输出:Xbar-S

Chartof

Supp211+3SL=602.424+2SL=601.693+1SL=600.961602600598__X=600.23-1SL=599.499-2SL=598.767-3SL=598.0366135791113151719Sample+3SL=3.211+2SL=2.653+1SL=2.0953210_S=1.537-1SL=0.979-2SL=0.421-3SL=0135791113151719SampleCompanyConfidential判

图•

请判定前图是否有异常•

请问本图为分析用图或是控制用图CompanyConfidentialI-MR图做法决定要研究或控制的Y或X特性收集数据输入minitab中用minitab绘图及分析判定及采取措施CompanyConfidentialI-MR练习•

打开下列档案:Data目录下的Coating.MTW•

Select:

Stat

>Control

Charts

>VariablesCharts

forIndividuals

>I-MRCompanyConfidential输入参数输入变量CompanyConfidential图形输出I-MR

Chart

ofCoating+3SL=329.92+2SL=316.3632030028026024066+1SL=302.80_X=289.24-1SL=275.68-2SL=262.12-3SL=248.57159131721252933374145Observation+3SL=49.97+2SL=38.41+1SL=26.86483624120__MR=15.30-1SL=3.74-32SL=0159131721252933374145ObservationCompanyConfidential判

图•

请判定前图是否有异常•

请问本图为解析用图或是控制用图CompanyConfidentialI-MR-R图做法决定要研究或控制的Y或X特性收集数据输入minitab中用minitab绘图及分析判定及采取措施CompanyConfidentialI-MR-R练习•

打开Data目录下的Camshaft.mtw•

Select:

Stat

>Control

Charts

>VariablesCharts

forSubgroups

>I-MR-RCompanyConfidential输入参数输入变量和样本数CompanyConfidential图形输出I-MR-R/S

(Between/Within)

Chart

of

Supp21+3SL=602.169+2SL=601.523+1SL=600.8766026005985_X=600.23-1SL=599.584-2SL=598.937-3SL=598.291651135791113151719212325+3SL=2.382+2SL=1.831+1SL=1.280210__MR=0.729-1SL=0.178-32SL=0135791113151719212325105+3SL=8.83+2SL=7.17+1SL=5.52_R=3.87-1SL=2.22-2SL=0.560-3SL=0135791113151719212325SampleCompanyConfidential判

图•

请判定前图是否有异常•

请问本图为分析用图或是控制用图CompanyConfidentialZ-MR(标准化的单值移动极差)图做法决定要研究或控制的Y或X特性收集数据输入minitab中用minitab绘图及分析判定及采取措施CompanyConfidentialZ-MR练习打开Data目录下的Exh_qc.MTW•

Select:

Stat

>Control

Charts

>VariablesCharts

forIndividuals

>Z-MR当过程数据少而无法很好评估过程参数时使用CompanyConfidential输入参数输入变量输入自变量CompanyConfidential决定估计选择标准差的估计方法CompanyConfidential图形输出CompanyConfidentialP图做法决定要研究或控制的Y特性收集数据输入minitab中用minitab绘图及分析判定及采取措施CompanyConfidentialP图练习•

P图只能适用在二项分布的质量特性性。•

在做p图时，要注意其样本数必须达到1/p~5/p，如此之下的图才比较具有意义。CompanyConfidential输入数据打开数据文档

Minitab表中将数据输入到样本数105109100120146104117192200163107122146188104106129114125133162180124103172不合格数4205324352151023161332073•Select:Stat>Control

Charts>AttributesCharts>PCompanyConfidential输入参数输入变量输入样本数CompanyConfidential决定判异准则选择判异准则计数型的判异准则与计量型的不太一样CompanyConfidential图形输出P

Chartof

不合格数10.070.060.050.040.030.020.010.00UCL=0.05233_P=0.02017LCL=0135791113

15SampleTests

performed

with

unequalsample

sizes17

1921

2325CompanyConfidentialNP图做法决定要研究或控制的Y特性收集数据输入minitab中用minitab绘图及分析判定及采取措施CompanyConfidentialNP图练习•

np图只能适用在二项分布的质量特性性。•

在做np图时，要注意其样本数必须达到1/p~5/p，如此之下的图才比较具有意义。CompanyConfidential输入数据打开数据文档

Minitab表中将数据输入到样本数105109100120146104117192200163107122146188104106129114125133162180124103172不合格数4205324352151023161332073•Select:Stat>Control

Charts>AttributesCharts>NPCompanyConfidential图形输出NP

Chartof

不合格数108UCL=9.00164__NP=3.4720LCL=0135791113151719212325SampleTests

performed

with

unequalsample

sizesCompanyConfidentialC图做法决定要研究或控制的Y特性收集数据输入minitab中用minitab绘图及分析判定及采取措施CompanyConfidentialC图练习•

c图只能适用在泊松分布的质量特性上。•

在做c图时，要注意其样本数必须达到取样时至少包含一个缺陷以上，如此之下的图才比较具有意义。•

另外就是基本上c图的样本要一定才可以。如果样本数不一样，则应当使用u图。CompanyConfidential输入数据将数据输入到Minitab表中打开数据文档次

数

样

本

数

缺

陷

数133333333333333333333333333333374231234•Select:

Stat>Control

Charts>

AttributesCharts>C55647288981011121314151617181920212223242526272829301353447105647167884109965CompanyConfidential输入参数输入变量CompanyConfidential决定判异准则判异准则同P图一样CompanyConfidential图形输出C

Chart

of

缺陷数181614121081UCL=14.57_C=6.776420LCL=014710131619222528SampleCompanyConfidentialU图做法决定要研究或控制的Y特性收集数据输入minitab中用minitab绘图及分析判定及采取措施CompanyConfidentialU图练习•

u图只能适用在泊松分布的质量特性上。•

在做u图时，要注意其样本数必须达到取样时至少包含一个缺陷以上，如此之下的图才比较具有意义。CompanyConfidential输入数据打开数据文档将数据输入到Minitab表中组

号

面

积

缺

陷

数114233167755320013241364332421314151•Select:Stat>ControlChart

>AttributesCharts>U6781.61.610111213141516171819202122232425CompanyConfidential输入参数输入变量输入样本量CompanyConfidential图形输出U

Chart

of

缺陷数121081UCL=6.9464_U=2.9020LCL=0135791113151719212325SampleTestsperformedwith

unequalsamplesizesCompanyConfidentialEWMA做法决定要研究或控制的Y或X特性收集数据输入minitab中用minitab绘图及分析判定及采取措施CompanyConfidentialEWMA的全称为Exponentially

WeightedMovingAverage,即指数加权移动平均控制图.EWMA图的特点:1、对过程位置的稍小变动十分敏感;2、图上每一点都综合考虑了前面子组的信息;3、对过程位置的大幅度移动没有Xbar图敏感;4、可应用于单值,也可应用于子组容量大于1的场合.EWMA图的适用场合:可用于检测任意大小的过程位置变化,因此常用于监控已受控过程,以发现过程均值相对于目标值的漂移CompanyConfidentialEWMA练习•

Select:

Stat>ControlChart>TimeWeightedCharts

>

EWMACompanyConfidential输入参数确定权重系数λ

的值,λ由所需的EWMA图对位置偏移检测灵敏度所决定,要求检测灵敏度越高,

λ值越小.如需检测1σ的过程偏移,

λ=0.2,如需检测2σ的过程偏移,λ=0.4.常取λ=0.2,

1<λ<2.CompanyConfidential图形输出CompanyConfidentialCUSUM做法决定要研究或控制的Y或X特性收集数据输入minitab中用minitab绘图及分析判定及采取措施CompanyConfidentialCUSUM的全称为Cumulative

Sum,即累积和控制图.CUSUM图的特点:1、可以检测每个样本值偏离目标值的偏差的累积和;2、可应用于单值,也可应用于子组容量大于1的场合;3、要求每个子组的样本容量相等.CUSUM图的适用场合:CUSUM图适用于在过程受控时,检测过程实际值偏离目标的异常点,作用与EWMA图类似.CompanyConfidentialCUSUM练习组号1nNP23271302241121300232221162112110010010010010010010010010010010010010010010010010010010010010010010010010010010010010010023456789•

Select:

Stat>ControlChart>TimeWeightedCharts>CUSUM例:某机场每天离港、进港航班多达千架次,航班延误情况很是严重.航空公司在6σ管理中把航班延误作为重点解决的质量项目,规定航班起飞时间比时刻表晚5分钟为延误,其中不包括因恶劣天气等无法抗拒因数造成的延误.通过一段时间的治理,航班延误率从过去的10%降到现在的2%左右,公司决定采取过程控制,把航班延误率控制在2%的较好水平.101112131415161718192021222324252627282930CompanyConfidential输入参数决策区间过程允许偏移量CompanyConfidential图形输出CompanyConfidentialMINITAB之制程能力分析CompanyConfidential制程能力之分类计量型(基于正态分布)计数型(基于二项分布)计数型(基于泊松分布)CompanyConfidentialMINITAB

能力分析的选项(计量型)Capability

Analysis(Normal)Capability

Analysis(Between/Within)Capability

Analysis(Nonnormal)Capability

Analysis(Multiple

Variable

normal)Capability

Analysis(Multiple

Variable

Nonnormal)Capability

Analysis(Binomial)Capability

Analysis(Poission)Capability

Sixpack(Normal)Capability

Sixpack(Between/Within)Capability

Sixpack(Nonnormal)CompanyConfidentialCapabilityAnalysis(Normal)•

该命令会划出带理论正态曲线的直方图，这可直观评估数据的正态性。输出报告中还包含过程能力统计表，包括子组内和总体能力统计。CompanyConfidentialCapabilityAnalysis(Between/Within)•

该命令会划出带理论正态曲线的直方图，可以直观评估数据的正态性。•

该命令适用于子组间存在较大变差的场合。输出报告中还包含过程能力统计表，包括子组间／子组内和总体能力统计。CompanyConfidentialCapability

Analysis(Nonnormal)•

该命会会划出带非正态曲线的直方图，这可直观评估数据是否服从其他分布。输出报告中还包含总体过程总能力统计CompanyConfidential.Capability

Analysis(Multiple

Variable

normal).Capability

Analysis(Multiple

Variable

Nonnormal)---上述两个命令用于对多个变量进行分析CompanyConfidential制程能力分析做法决定Y特性收集Y特性数据输入MINITAB数据表进行分析结果说明CompanyConfidentialSTEP1决定Y特性决定Y特性收集Y特性数据输入MINITAB数据表进行分析•Y特性一般是指客户所关心所重视的特性。•Y要先能量化，尽量以定量数据为主。•Y要事先了解其规格界限，是单边规格，还是双边规格。•目标值是在中心，或则不在中心•测量系统的分析要先做好。结果说明CompanyConfidentialSTEP2决定Y特性决定Y特性收集Y特性数据输入MINITAB数据表进行分析•在收集Y特性时要注意层别和分组。•各项的数据要按时间顺序做好相应的整理结果说明CompanyConfidentialSTEP3决定Y特性决定Y特性收集Y特性数据输入MINITAB数据表进行分析•将数据输入MINTAB中，或则在EXCEL中都可以。结果说明CompanyConfidentialSTEP4决定Y特性决定Y特性收集Y特性数据•利用MINITAB>STAT>QUALITY

TOOLS>CAPABILITY输入MINITAB数据表进行分析ANALYSIS

(NORMAL)结果说明CompanyConfidentialSTEP5决定Y特性决定Y特性收集Y特性数据输入MINITAB数据表进行分析•利用MINITAB的各项图形来进行结果说明结果说明CompanyConfidential练习样本1X1X2X3X4X599.70

98.72

100.24

101.28

101.2099.32

100.97

100.87

99.24

98.2199.89

99.83

101.48

99.56

100.9099.15

99.71

99.17

99.30

98.8099.66

100.80

101.06

101.16

100.4597.74

98.82

99.24

98.64

98.73101.18

100.24

99.62

99.33

99.91101.54

100.96

100.62

100.67

100.49101.49

100.67

99.36

100.38

102.1097.16

98.26

97.59

100.09

99.782345678910CompanyConfidential输入数据•Select:

Stat>Quality

Tools

>Capabilty

Analysis(Normal)注意输入方式CompanyConfidential输入选项根据不同的数据输入方式选择分析方法输入上下规格界限CompanyConfidential选择标准差的估计方法一般选择复合的标准差估计方式CompanyConfidential选项的输入选择是否作正态型转换如果需要计算Cpm则需要输入目标值过程能力表现形式的选择CompanyConfidential以Cpk,Ppk结果的输出样本数值超过分析规格界限的分布率模拟曲线落在控制线以外的分布率Cpm是指样本数值相对于对于目标值的一个能力值，也就是样本是否靠近目标值的概率CompanyConfidentialCp:过程能力指数,又称为潜在过程能力指数,为容差的宽度与过程波动范围之比.Cp=(USL-LSL)/6σ其中:σ=R/d2Cpk:过程能力指数,又称为实际过程能力指数,为过程中心µ与两个规范限最近的距离min{USL-µ,µ-LSL}与3σ之比.Cpk=min{USL-µ,µ-LSL}/3σ

其中:σ=R/dCpm:过程能力指数，有时也称第二代过程力2指数，质量特性偏离目标值造成的质量损失．Cpm

=(USL-LSL)/6σ′:σ2

σ2+(µ-m)2́

=其中Cpmk=Cpk/√1+[(µ-m)/σ]2Cpmk称为混合能力指数CompanyConfidentialPp与Ppk:过程绩效指数，计算方法与计算Cp和Cpk类似，所不同的是，它们是规范限与过程总波动的比值．过程总波动通常由标准差s来估计．√2

(x

x)S=K=(2

M-µ

)/Tin

1过程能力与缺陷率的关系：1、假如过程中心µ位于规范中心M与上规范限USL之间，即M≤

µ≤USL时，p(d)=Φ[-3(2Cp-Cpk)]+Φ(-3Cpk)2、假如过程中心µ位于规范中心M与下规范限LSL之间，即LSL≤

µ≤M时，p(d)=Φ[-3(1+K)Cp]+Φ[-3(1-K)Cp]CompanyConfidential以Zbench方式输出CompanyConfidential结果说明ZUSL=(USL-

µ)/σZLSL=(µ

-LSL)/σZ=(USL-

LSL)/2σ

或

Z=3Cp双侧规范下综合Sigma

Level

Zbench需通过总缺陷率进行折算使用SigmaLevel

Z来评价过程能力的优点是:Z与过程的不合格率p(d)或DPMO是一一对应的.CompanyConfidential练

习请打开Data目录下的Camshaft.mtw，以Zbench方式输出CompanyConfidential填入参数CompanyConfidential结果输出CompanyConfidential通过DPMO求Sigma

Level•Select:Calc–Calculator•Select:Calc–ProbabilityDistribution-NormalCompanyConfidential结果输出合格率

Z值,Sigma

LevelCompanyConfidentialCapability

Analysis(Between/Within)组间的σ组内的σ总的σ=√组间的σ2+组内的σ2√∑(Xi－X)2/(n－1)此处的Ppk>CpkCompanyConfidential※StDev(overall):长期标准差的估计值StDev(B/W)

:短期标准差的估计值※过程稳定系数dσ

=StDev(overall)

-StDev(B/W)※过程相对稳定系数drσ

=[StDev(overall)

-StDev(B/W)]/StDev(overall)过程相对稳定系数的评价参考过程相对稳定系数drσ的范围评价接近稳定d

<10%rσ不太稳定不稳定10%<=d

<20%rσ20%<=d

<50%rσ很不稳定d

>=50%rσCompanyConfidentialCapability

Analysis(Nonnormal)此项的分析是用在当制程不是呈现正态分布时所使用。因为如果制程不是正态分布硬用正态分布来分析时，容易产生误差，所以此时可以使用其他分布来进行分析，会更贴近真实现像。CompanyConfidential练

习•

请使用同前之数据来进行分析。•

上规格：103•

下规格：97•

规格中心：100CompanyConfidential输入相关参数Select:

Stat>Quality

Tools

>Capabilty

Analysis(Nonnormal)CompanyConfidential填入选项要求威布尔分布的参数估计CompanyConfidential结果图形形状参数CompanyConfidential正态分布适用性的判定•

可以使用–

Stat>basicstatistic>normalitytest•

但数据要放到同一个column中，所以必须针对前面的数据进行一下处理CompanyConfidential数据调整进行数据的堆积CompanyConfidential填写选项输入变量输入作为参考的概率记号CompanyConfidential结果输出P-value＞0.05，接收为正态分布CompanyConfidential结果输出(加标0.5概率)CompanyConfidential计量型制程能力分析总结•

一般的正态分布使用–

Capability

Analysis(Normal)•

如果是正态分布且其组内和组间差异较大时可用–

Capability

Analysis(Between/Within)•

当非正态分布时则可以使用–

Capability

Analysis(Nonnormal)CompanyConfidentialCapabilitySixpack(Normal)•

复合了以下的六个图形–

Xbar–

R–

原始数据分布（plot）–

直方图–

正态分布检定–

CPK,PPKCompanyConfidential练习•

请以前面的数据来进行相应的CapabilitySixpack

(Normal)练习•

Select:

Stat

>Quality

Tools

>CapabiltySixpack(Normal)CompanyConfidential输入各项参数输入规格CompanyConfidential选定判异准则选择判异准则CompanyConfidential选择标准差估计方法默认值是复合标准差计算公式CompanyConfidential考虑可选择项如果希望计算Cpm,则输入目标值CompanyConfidential结果输出CompanyConfidentialCapability

Sixpack(Between/Within)•

复合了以下的六个图形–

Individual–

Moving

Range–

Range–

直方图–

正态分布检定–

CPK,PPKCompanyConfidential同前练习及结果CompanyConfidentialCapability

Sixpack(Nonnormal)•

复合了以下的六个图形–

Xbar–

R–

原始数据分布–

直方图–

正态分布检定–

CPK,PPKCompanyConfidential结果输出形状参数CompanyConfidential二项分布制程能力分析•

二项分布只适合用在–

好，不好–

过，不过–

好，坏•

不可以用在–

0,1,2,3等二项以上的选择，此种状况必须使用泊松分布。CompanyConfidential示例•

数据在Data目录下的Bpcapa.mtw中•

Select:Stat>QualityTools

>Capabilty

>Analysis

>BinomialCompanyConfidential填好各项的参数输入样本数输入历史的不良率CompanyConfidential选好控制图的判异准则CompanyConfidential结果及输出不良的比例（希望它是随机分布）该线与PChart中的Pbar

是相同的累计不良率CompanyConfidential泊松分布制程能力分析•

泊松分布只适合用在–

计数型，有二个以上的选择时•

例如可以用在–

外观检验，但非关键项部份–

0,1,2,3等二项以上的选择，此种状况必须使用泊松分布。CompanyConfidential示例•

数据在Data目录下的Bpcapa.mtw中•Select:

Stat>Quality

Tools

>Capabilty

Analysis(Poisson)CompanyConfidential填好各项的参数CompanyConfidential结果及输出CompanyConfidential基础统计CompanyConfidential描述性统计HEIGHT175168181169166173173176180181155154162157167156159165163159SEX11111111112222222222•

Select:

Stat>BasicStatistics>Display

descriptive

statistics假设想对两组学生的身高进行描述性统计以便比较,数据如右:CompanyConfidential填入参数CompanyConfidential输出结果选定栏数据修正均值Trimmed

MeanDescriptiveStatistics:HEIGHTTotalVariable

SEX

Count

N

N*

CumN

Percent

CumPctMean

SEMean

TrMeanHEIGHT1210

10

010

10

01020505050

174.201.72

174.381.39

159.50100

159.70变异系数SumofVariable

SEX

StDev

Variance

CoefVarSumSquares

MinimumQ1HEIGHT125.434.4029.5119.343.12

1742.00

303722.00

166.00

168.752.75

1597.00

255215.00

154.00

155.753/4数据点与1/4数据点的差值InterQuartileRange

数据连续差异平方的均值Variable

SEX

MedianQ3

Maximum

RangeIQR

Skewness

Kurtosis

MSSDHEIGHT12174.00

180.25

181.00

15.00

11.50159.00

163.50

167.00

13.00

7.75-0.090.37-1.29

24.78-1.10

20.89CompanyConfidential输出结果(续1)CompanyConfidential输出结果(续2)Select:

Stat

>

Basic

Statistics>Graphical

SummaryCompanyConfidential输出结果(续3)CompanyConfidential假设检验CompanyConfidential广告宣传的虚假性手机电池的使用寿命不是按年来计算的，而是按电池的充放电次数来计算的。镍氢电池一般可充放电200-300次，锂电池一般可充放电350-700次。某手机电池厂商宣称其一种改良产品能够充放电900次，为了验证厂商的说法，消费者协会对10件该产品进行了充放电试验。得到的次数分别为891，863，903，912，861，885，874，923，841，836。CompanyConfidential广告宣传是虚假的吗上述数据的均值为878.9，明显少于900。但是，到底均值落在什么范围内我们就认为广告宣传是虚假的呢？现在的问题是如何确定这两条线的位置900接受广告宣传CompanyConfidential假设检验的原理•

假设检验的原理是逻辑上的反证法和统计上的小概率原理•

反证法：当一件事情的发生只有两种可能A和B，如果能否定B，则等同于间接的肯定了A。•

小概率原理：发生概率很小的随机事件在一次实验中是几乎不可能发生的。CompanyConfidential假设检验的原理(续)由于个体差异的存在，即使从同一总体中严格的随机抽样，X

、X

、X

、X

、、、，也不尽不同。3124它们的

不同有两种（只有两种）可能：（1）分别所代表的总体均值相同，由于抽样误差造成了样本均值的差别。差别无显著性

。（2）分别所代表的总体均值不同。差别有显著性。CompanyConfidential假设检验的几个步骤假设检验的一般步骤，即提出假设、确定检验统计量、计算检验统计量值、做出决策。计算统计量值

做出统计提出假设

构造统计量做出推断决策CompanyConfidential提出假设在决策分析过程中，人们常常需要证实自己通过样本数据对总体分布形式做出的某种推断的正确性（比如，总体的参数θ大于某个值θ0），这时就需要提出假设，假设包括零假设H

与备择假设H

。01CompanyConfidential零假设的选取假设检验所使用的逻辑上的间接证明法决定了我们选取的零假设应当是与我们希望证实的推断相对立的一种逻辑判断，也就是我们希望否定的那种推断。CompanyConfidential零假设的选取(续一)同时，作为零假设的这个推断是不会轻易被推翻的，只有当样本数据提供的不利于零假设的证据足够充分，使得我们做出拒绝零假设的决策时错误的可能性非常小的时候，才能推翻零假设。CompanyConfidential零假设的选取(续二)所以，一旦零假设被拒绝，它的对立面——我们希望证实的推断就应被视为是可以接受的。CompanyConfidential构造检验统计量收集样本信息利用样本信息构造检验统计量x

0

nz

CompanyConfidential计算检验统计量值把样本信息代入到检验统计量中，得到检验统计量的值。x

0

nz

CompanyConfidential做出决策1、

规定显著性水平α，也就是决策中所面临的风险2、决定拒绝域(critical

region)和判别值(critical

v3、判定检验统计量是否落在拒绝域内4、得出关于H

和关于H

的结论10CompanyConfidential显著性水平显著性水平α是当原假设正确却被拒绝的概率通常人们取0.05或0.01这表明，当做出接受原假设的决定时，其正确的可能性(概率)为95%或99%CompanyConfidential判定法则1、如果检验统计量落入拒绝域中，则拒绝原假设2、如果检验统计量落入接受域中，则我们说不能拒绝原假设※注意：判定法则2的含义是指我们在这个置信水平下没有足够的证据推翻原假设；实际上，如果我们改变置信水平或样本数量就有可能得到与先前相反的结果。CompanyConfidential零假设和备择假设可能的零假设和备择假设的情况零假设备择假设小于(＜)大于(＞)不等于(≠