数据统计分析工具课件.ppt

《数据统计分析工具课件.ppt》由会员分享，可在线阅读，更多相关《数据统计分析工具课件.ppt（83页珍藏版）》请在三一办公上搜索。

1、数据统计分析工具,时代新材精益培训课件之一,Page 2,目录,数据的种类统计分析工具数据在各阶段的应用,Page 3,数据的种类,Page 4,Data收集的目的,确定流程是否稳定 如果流程不稳定，鉴别并祛除不稳定的要因 确定流程的平均值的位置-它在目标线上吗?如果不在，确定影响平均值的变量，并决定最优的设置以达到 目标值 估计总散布的幅度-与顾客的要求（规格限）比起来，是可接受的吗？如果不是,确定散布源，而后消除或减少他们对工程的影响。,Page 5,-Y-因变量（附属的）-输出（结果）-效果-症状-观察（记录）,-X1Xn-自变量（独立的）-输入（流程）-原因-问题-管理,为了取得成果，

2、应把焦点对准X还是Y,f(X),Y=,Data收集的目的,Page 6,计数型数据（Attribute Data）(定性的)种类好/坏机器1,机器2,机器3班次记数事件（如文件中的错误数,装船的部品数，等）计量型数据（Variable Data）(定量的)连续的数据(有意义的小数)时间(秒)压力(psi)传送带速度(ft/min)Rate(inches)等等.,Data的种类,Page 7,问题 判断下面的情况是计数型还是计量型?,1)不同地区顾客的平均消费,电话待机时间2)硫化机在使用过程中发生的故障次数3)班次 白班,中班,晚班.4)铁件底盆的直径5)供应商发货无误差发生的次数6)输入预定

3、支出完了所用时间,Data的种类,Page 8,Data的搭配,f(X),Y=,计数型数据,计数型数据,计数型数据,计数型数据,计量型数据,计量型数据,计量型数据,计量型数据,Page 9,计数型,计量型,计量型,计数型,单个输出,单个输入,Chi-square,点图、直方图、箱线图2t-test、主效果图,散点图回归,统计分析路径图（1）,Page 10,统计分析路径图（2）,计量型管理图Individual-X and Moving Range ChartX-Bar/R Chart 计数型管理图np-Chartp-Chartc-Chartu-Chart,输入和输出都适用：,Page 11,

4、统计分析与项目阶段的关联,回归分析,主效果图,箱线图,2-T检验,散点图,点图,柏拉图,主效果图,2-T检验,直方图,控制图,定义阶段,测量阶段,分析阶段,改善阶段,控制阶段,所涉及到的工具,计数型控制图,计量型控制图,卡方分析,Page 12,Data的建议,在工作中和项目中，我们尽量使用计量型的数据,1、计量型的数据给你的信息量多。对反应自己的能力、提供的信息要多。2、计量型数据要求的样本量要比计数型数据的样本量少。举例：有的公司要求注塑件规格要求20-30cm，但是检测第一个28、第二个29，最后检测完毕，全部合格，他就说100%的合格率。其实他可以使用cpk进行。这是不好的。我们还是尽

5、量使用计量型的数据,Page 13,统计分析工具,Page 14,统计分析工具介绍,Minitab是数据统计分析的图形工具,Page 15,统计分析工具介绍,Page 16,统计分析工具介绍,Page 17,统计分析工具介绍,Page 18,统计分析工具介绍,返回上一次执行,数据分析报告,显示工作表文件夹,显示图形文件夹,Page 19,数据统计分析的前提,1、确定需要解决的问题2、确定数据收集点3、需要设定相应的数据收集的规则、数据收集表格、数据收集工具、数据收集频率并确定数据收集人4、保证数据的可靠性5、确保数据的真实性和完整性,Page 20,定义阶段工具学习,Page 21,时序图介绍

6、,现状介绍、现状陈述时，通过时序图将我们的现状以动态数据的形式展示出来。如：公司2010年的销售额、项目的现状介绍等,新市场数据.MTW,Page 22,时序图介绍,通过数据分析可知，公司的销售持续增长，因此要求我们的效率要跟上，同时质量不良要降低,Page 23,时序图新材案例,Page 24,柏拉图介绍,帮助我们聚焦主要问题，从而确定主要的改善点或矛盾。,打开例题：质量控制示例.MTW,Page 25,柏拉图介绍,通过数据分析可知，草稿和芯片占总不良的75%，应重点解决,Page 26,柏拉图介绍,思考：是否可以继续往下分解,Page 27,柏拉图新材案例,Page 28,柏拉图新材案例,

7、Page 29,测量阶段工具学习,Page 30,罩.MTW,柱状图介绍,用于检查样本数据的形状和分布情况。如生产产品螺栓扭矩的分布情况是什么样,Page 31,柱状图介绍,大多数螺栓紧固时的扭矩在 13 到 25 之间。只有 1 个螺栓过松，扭矩小于 11。但是，该分布呈正向偏斜；有多个螺栓拧得过紧。许多螺栓需要大于 24 的扭矩才能打开，5 个螺栓的扭矩大于 33，这几乎是目标值的两倍,Minitab 结果,Page 32,柱状图介绍-新材案例,Page 33,观察扭矩罩.MTW 使用扭矩作为变量.,点图介绍,Page 34,Minitab 结果,作图如上。每一个点代表一个具有给定值输出的

8、“事件”。随着点的积累，泵运转的实际表现的特性可被看作一个抽速数值的“分布”。,点图介绍,Page 35,让我们用 点图来显示班组对扭矩的影响,点图介绍,Page 36,这个图形告诉我们什么？谁能告诉我，那个班组的好些？,点图介绍,Minitab 结果,Page 37,是各分布差异容易把握的数据调查方法.,让我们看一下喷漆的厚度打开文件 PUMPING.MPJ用列厚度作为变量,箱线图介绍,Page 38,箱线图可以体现数据扩散性及中心.注意!箱线图中的中心线不是 平均 而是 中央值.,箱线图介绍,Page 39,我们也可以用一个变量来作箱线图，以分析由此变量导致的散布,箱线图介绍,什么结论呢？

9、,Page 40,流程能力分析,Page 41,USL,C,-,LSL,6,p,C,Min(,X,-,LSL,3,USL,-,X,3,pk,),统计学为测量流程能力发展了2个关键的方法,流程能力分析,Page 42,流程能力分析,Page 43,流程能力分析,Page 44,流程能力分析,Page 45,流程能力分析,Page 46,C,Min(,X,-,LSL,3,USL,-,X,3,pk,),流程能力分析,Page 47,流程能力分析,Page 48,流程能力分析,USL,C,-,LSL,6,p,C,Min(,pk,思考：,值大小代表什么,值大小代表什么,Page 49,流程能力分析,现在

10、让我们做4个流程能力研究，以实践我们所学的知识 使用在CAPABILITY.MPJ 中的工作表 Diag 1,Diag 2,Diag 3,Diag 4流程目标:70流程USL:100流程LSL:40使用这些数据集来分析我们的Cp和Cpk,用早些时候讨论过的流程能力的诊断结果，提出行动方针,Page 50,流程能力新材案例,Cpk的评级标准：（可据此标准对计算出之制程能力指数做相应对策）A+级 Cpk2.0 特优A+级 2.0 Cpk 1.67 优 应当保持之 A 级 1.67 Cpk 1.33 良 能力良好，状态稳定，但应尽力提升为A级 B 级 1.33 Cpk 1.0 一般 状态一般，制程因

11、素稍有变异即有产生不良的危险，应利用各种资源及方法将其提升为 A级 C 级 1.0 Cpk 0.67 差 制程不良较多，必须提升其能力 D 级 0.67 Cpk 不可接受 其能力太差，应考虑重新整改设计制程,流程能力新材案例,Page 52,分析阶段工具学习,Page 53,在 Y 变量下，输入伸长率。在 X 变量下，输入停放时间,打开文件伸长率.MTW,散点图介绍,用来分析输入与输出之间的关系,Page 54,散点图介绍,Minitab 结果,正如所料，停放时间越长，伸长率越低,Page 55,回归分析介绍,用来分析输入与输出之间的关系，并获取输入与输出之间的关系式前提：输入与输出之间确实存

12、在相关性，且输入输出均为计量型数据,在响应中，伸长率。在预测变量中，输入停放时间,Page 56,Minitab 结果,回归分析介绍,回归方程为伸长率=1.537-0.06401 停放时间S=0.110554 R-Sq=22.9%R-Sq（调整）=20.8%方差分析来源 自由度 SS MS F P回归 1 0.137689 0.137689 11.27 0.002误差 38 0.464443 0.012222合计 39 0.602132,通过分析可知（1）、伸长率与时间的关系方程（2）、相关系数：R-Sq=22.9%（3）、回归因子的显著性：P小于0.05,Page 57,散点图介绍,回归分析

13、新材案例,Ho:停放时间与伸长率无关系Ha:停放时间与伸长率有关系方差分析来源 自由度 SS MS F P回归 3 61.7804 20.5935 6.30 0.054误差 4 13.0823 3.2706合计 7 74.8627,（技术要求：伸长率450%）,技术指标：伸长率450%,P值处于0.05的边缘，由于相关性强，暂且认为该回归方程有效。结合GB6038要求停放时间为224h，可以将混炼胶停放时间由现在的16h，调整为 2h。,Page 58,卡方分析介绍,用来分析输入与输出之间的关系，并获取输入与输出之间的关系式前提：输入与输出之间确实存在相关性，且输入输出均为计数型数据,被雇佣,

14、未被雇佣,年老,30,45,150,230,年轻,年龄:年老&年轻雇佣实际:雇佣&不雇佣然后我们收集数据来进行分析.,Page 59,卡方分析介绍,打开文件供应商卡法.MTW,Page 60,Ho:A、B供应商产品质量无差异Ha:A、B供应商产品质量有差异,卡方分析介绍,在期望计数下方给出的是卡方贡献 不合格 合格 合计 1 12 104 116 9.99 106.01 0.406 0.038 2 35 395 430 37.01 392.99 0.110 0.010合计 47 499 546卡方=0.565,DF=1,P 值=0.452,P值0.05，你什么结论？,Minitab 结果,Pa

15、ge 61,1、案例我们想要调查桶式蒸发器氩弧焊点热缩套保护（有、无）和焊漏（漏、不漏）是否有关联2、数据收集方法（试验步骤）测量对象：130个蒸发器氩弧焊点测量Data收集：,有热缩套,无热缩套,漏,不漏,卡方分析介绍,Page 62,3、分析结果,Chi-Square Test:漏,不漏 Expected counts are printed below observed countsChi-Square contributions are printed below expected counts 漏 不漏 Total 1 13 87 100 30.50 69.50 10.041 4.4

16、06 2 48 52 100 30.50 69.50 10.041 4.406 Total 61 139 200 Chi-Sq=28.895,DF=1,P-Value=0.000,P0.05,推翻Ho假设，备择假设成立焊漏与有无热缩套有关联,卡方分析介绍,Minitab 结果,Page 63,改善阶段工具学习,Page 64,主效果图介绍,这些数据是光洁度性能这一更广泛研究中的一部分，我们将在下一示例中继续讨论。这些变量有：面板 ID：从每条喷漆线中抽样的面板的序号生产线：哪一条喷漆线日期：面板抽样日期AM/FM：面板在上午或下午抽样漆层厚度：响应变量（以英寸为单位，额定 0.04）位置：抽样

17、面板出现在喷漆台上时哪一面样品：面板序号（大小为 3 的子群）,例题1打开文件 PAINTLIN.MTW,Page 65,主效果图介绍,Page 66,主效果图介绍,我们可以分析什么原因造成的差异，也可以判定哪种改善方案对结果更有影响,Minitab 结果,Page 67,2-T检验介绍,2-T检验，又叫双样本均值检验，是用来分析两个样本之间均值是否存在差异注意：是用样本来描述整体,Page 68,2-T检验介绍,Page 69,2-T检验介绍,Minitab 结果,新工艺 与 老工艺 的双样本 T 平均值 N 平均值 标准差 标准误新工艺 16 129.71 2.31 0.58老工艺 16

18、120.88 4.22 1.1差值=mu(新工艺)-mu(老工艺)差值估计:8.83差值的 95%置信区间:(6.34,11.32)差值=0(与)的 T 检验:T 值=7.34 P 值=0.000 自由度=23,Ho：数据改善前后无变化Ha:数据改善前后有差异,Page 70,散点图介绍,2t检验新材案例,塑炼胶停放0h、1h与标准停放时间4h无差异。,技术指标：ML1+4(100):4060,Page 71,控制阶段工具学习,Page 72,控制图介绍,控制图也叫做SPC。帮助我们对一段时间内的流程进行监控并检测，是否存在特殊原因。SPC 的意义Statistical=为了调查流程变动使用的

19、统计方法.Process=流程,意味着所有的流程.Control=通过积极的管理，管理流程.,Page 73,控制图介绍,Page 74,计数型,计量型,什么类型的数据?,按群还是按个体收集的数据?,数特定缺陷或缺陷性项目?,群(平均值)(n1),个体数值(n=1),X-Bar RX-Bar S,个体移动范围（I-MR）,特殊类型的“缺陷”,缺陷性项目,每个样本数的几率面积不变?,是,否,c 图,u 图,不变的样本数?,np 图,否,是,p 图,注:X-Bar S 适合于群大小(n)10,控制图介绍,Page 75,控制图介绍,单值-极差图（个体图看上去像一个运行图，但现在它为数据提供了一些工

20、程控制限）,Page 76,控制图介绍,Minitab 结果,Page 77,控制图介绍,p-Chart（即可用于恒定的也可用于变化的样品大小）,统计 控制图 属性控制图 P控制图变量：Number 子组大小：Sample,我们计算每个月的合格率、每天的效率等,Page 78,控制图介绍,Minitab 结果,Page 79,控制图介绍,U-Chart（即可用于恒定的也可用于变化的缺陷多少）,统计 控制图 属性控制图 C控制图变量：Number 子组大小：8,我们计算每片风叶的缺陷数等,Page 80,Minitab 例题-u Chart 例题,8 17 18 15 23 9 19 6 14 17 13 15 16 22,在所有的8个单位发现的缺陷数,缺陷比例,1.0 2.1 2.3 1.9 2.9 1.1 2.4.8 1.8 2.1 1.6 1.9 2 2.8,假设我们有一套数据(工作表 u Chart)描述在运输码头进行的检查 每天为检查损坏情况取样8个单位,控制图介绍,Page 81,控制图介绍,Minitab 结果,Page 82,数据统计分析只是解决问题的工具更重要的是解决问题的思路路的方向正确了+正确的工具才能更快的达到目标,Page 83,完 毕谢 谢,