《Minitab(中文)质量常用图表.ppt》由会员分享，可在线阅读，更多相关《Minitab(中文)质量常用图表.ppt（36页珍藏版）》请在三一办公上搜索。
1、六西格玛工具百宝箱MINITAB操作,1.Minitab介绍,MINITAB=Mini+Tabulator=小的+计算机,Minitab:72年 Penn State最先开发统计软件.82年 个人电脑(Personal Computer)普及并广泛使用.6sigma 初创时，Motorola公司主要用 SAS方式,至GE公司使用 MINITAB扩大到全世界.目前大部分先进 6 sigma 公司都使用 MINITAB.(GE,AlliedSignal,Motorola,Honeywell etc.)设计成使用者易学而简便使用，并已成为6sigma 方式中最具有代表性的软件。,背景,Barbara
2、 F.Ryan President&CEO,2.Full Frame&Basic Windows,结构和基本的视窗,1.文本窗口,2.工作表,3.图形,4.相关信息,5.历史记录,报告生成,相关文件,Minitab基本上以5个窗口(Window)组成.,快捷菜单,单击快捷键即可切换到相应窗口,1.会话窗口,Minitab的命令,错误信息及数据处理结果用文本形式显示.,2.工作表,同时打开多个输入Data的窗口，可以不用直接输入数据，拷贝EXCEL，WORD 上的数据粘贴上去。相同类型的数据，按列输入,3.图形窗口,将 Minitab的数据处理结果以图像的形式展现,4.信息窗口,工作表中数据的相
3、关信息-名称(Column)-所在列-Data的个数-错误值的个数-概要的阐述Data Type等内容(N:NUMBER,T:TEXT,D:DAY.),5.历史数据,显示在运用Minitab当中使用过的所有指令。,3.Minitab 常用图表,3.1,柏拉图,测量系统分析,鱼骨图,多变量分析,工程能力分析,3.2,3.3,3.4,3.5,3.6,3.7,3.8,3.9,改善前后对比图,点图,时间序列图,箱图,4.0,图形化汇总,3.1 柏拉图,1、原始数据如下：质量控制示例.MTW,2、选择：统计质量工具Pareto 图,4、Minitab输出如下表：,3、点击：已整理成表格的缺陷数据,3.2
4、 因果分析图,1、原始数据如下：表面缺陷.MTW,2、选择：统计质量工具因果,4、Minitab输出如下表：,3、矫正标签，对应录入数据,Measure,Case 3：,一家线缆制造商希望评估线缆的直径是否符合规格。线缆直径必须为 0.55+0.05 cm 才符合工程规格。分析员评估过程的能力以确保其满足客户的要求，即 Ppk 为 1.33。分析员每小时从生产线中取 5 根连续的线缆作为一个子组，并记录直径。,3.3 工程能力分析,1、原始数据如下：线缆.MTW,3.3 工程能力分析,2、选择：统计质量工具能力分析正态,3、选择对话框,4、点击选项,Measure,规格下限0.50规格上限 0
5、.60,图形输出如下：,PP、PPK,3.3 工程能力分析,规格下限,规格上限,算术平均,抽样数,群内标准偏差,全体标准偏差,3.3,观测的不良率,3.4,群内预想不良率,3.5,全体预想不良率,CP、CPK,汽车工业行动组织量具研究，选择了 10 个代表过程变异预期范围的部件。3 名操作员以随机顺序测量这 10 个部件，每个部件测量 3 次,测量系统分析计量型数据,Measure,3.4 MSA,1、原始数据：汽车工业行动组织量具研究,共10个部件(3人对同一部件测量3次),Measure,3.4 MSA,2、选择：统计质量工具量具研究 量具R&R 研究(交叉),3、选择对话框,5、会话框输
6、出如下：,4、图形输出如下：,判定：Gage R&R30%,判定：5,Measure,3.4 MSA,量具 R&R 研究-方差分析法 不包含交互作用的双因子方差分析表 来源 自由度 SS MS F P部件 9 88.3619 9.81799 245.614 0.000操作员 2 3.1673 1.58363 39.617 0.000重复性 78 3.1179 0.03997合计 89 94.6471量具 R&R 方差分量来源 方差分量 贡献率合计量具 R&R 0.09143 7.76 重复性 0.03997 3.39 再现性 0.05146 4.37 操作员 0.05146 4.37部件间 1
7、.08645 92.24合计变异 1.17788 100.00 研究变异%研究变来源 标准差(SD)(6*SD)异(%SV)合计量具 R&R 0.30237 1.81423 27.86 重复性 0.19993 1.19960 18.42 再现性 0.22684 1.36103 20.90 操作员 0.22684 1.36103 20.90部件间 1.04233 6.25396 96.04合计变异 1.08530 6.51180 100.00可区分的类别数=4,测量系统分析计数型数据,一家教育考试公司正在为六年级标准化论文式考试的写作部分培训五名新检验员。现在需要评估检验员对论文评级时遵守标准的
8、能力。每个评分员以五点尺度（-2，-1，0，1，2）对 15 篇论文进行了评级。,3.4 MSA,1、原始数据：散文.MTW,Measure,2、选择：统计质量工具属性一致性分析,3.4 MSA,选择对话框,会话框输出如下：,图形输出如下：,作业者之间判定结果不一致，应 85%,测量系统只有40%的可信度,Measure,评级的属性一致性分析每个检验员与标准评估一致性#检#相检验员验数符数百分比95%置信区间Duncan15853.33(26.59,78.73)Hayes151386.67(59.54,98.34)Holmes1515100.00(81.90,100.00)Montgomery
9、1515100.00(81.90,100.00)Simpson151493.33(68.05,99.83)检验员之间评估一致性#检#相验数符数百分比95%置信区间15640.00(16.34,67.71)所有检验员与标准评估一致性#检#相验数符数百分比95%置信区间15640.00(16.34,67.71),每个检验员的准确性 85%合格,3.4 MSA,3.5 多变量分析,多变量图（Multi-vari Chart）直观地提供过程各影响因素之间的关系以及它们对过程输出影响的图形工具。多变量图可以用来确定影响过程输出Y的主要因素。它一般用在数据分析的早期阶段。,您负责评估烧结时间对三种不同金属
10、的耐压强度的效应。在以下每种烧结时间下对每种金属类型的五个样本测量了耐压强度：100 分钟、150 分钟和 200 分钟。在您进行全面数据分析之前，要通过创建多变异图来查看数据以了解是否有明显的趋势或交互作用。数据输入如右下方：,1、选择：统计质量工具多变异图,2、双击录入数据,3.5 多变量分析,多变异图表明金属的类型与其烧结的时间长度之间存在交互作用。金属类型 1 在烧结 100 分钟时获得最佳耐压强度，金属类型 2 在烧结 150 分钟时获得，金属类型 3 在烧结 200 分钟时获得。要量化此交互作用，可以使用如方差分析或一般线性模型等技术来进一步分析此数据。,3、结果说明,3.5 多变
11、量分析,您在一家汽车工厂工作，目前正面临所用凸轮轴长度的变异性问题。您想了解由两家供应商提供的凸轮轴的质量是否相当，因此从每家随机抽取 100 件凸轮轴测量其长度。创建一个含堆叠组的点图来比较两家供应商的样本。工作表“凸轮轴 2.MTW”,3.6 点图,1、选择：图形点图多变异图,2、单击含组、确定,3、图形变量“长度”类别变量“供应商”,3.6 点图,4、出图如下，,来自两家供应商的凸轮轴的平均长度彼此接近。但是，供应商 B 提供的凸轮轴的长度呈现出更大的变异性。您可以对供应商 B 的工艺流程进行更细致的调查。,3.6 点图,时间序列图：观察特定时间内的数据变化趋势作用：1、监控一个或多个过
12、程在一段时间的绩效以探测趋势或模式4、追踪对预测趋势有用的信息,3.7 时间序列图,路径：图形时间序列图,3.7 箱图,您的公司生产塑料管件，您很关心直径的一致性问题。您要测量每台机器在 3 周内生产的管件，每周各测量 10 个管件。创建一个箱线图来检验分布情况。,数据收集,1、选择：图形箱线图,2、选择：含组 确定,3.7 箱图,3、选择：如图选择输入数据 确定,4、结果输出,该箱线图显示：对于机器 1，直径中位数和变异性看来每周都在增加。对于机器 2，直径中位数和变异性在各周似乎都比较稳定。,3.7 箱图,中值,4分之一值Q1,4分之三值Q3,最小Q3+1.5(Q3-Q1),MaxQ3-1
13、.5(Q3-Q1),异常值,50数据,箱图：用来分析中值和四分值关系作用：1、帮助识别极限数价值2、体现数据中央趋势和数据分布,3.7 箱图,4分之1值为约25%的观测值小于它，4分之3值为约75%的观测值小于它,1,原始数据如下：,2,3,选择对话框：,4,Session输出如下：,3.8 改善前后数据对比分析,点击进入在“阶段”里面选入C1,3.9 图形化汇总,用于连续性数据的描述,1、选择：统计基本统计量图形化汇总,2、在变量里输入要分析的数据,3.9 图形化汇总,学生们静息脉搏的平均值为 72.870（70.590 和 75.149 的 95%置信区间）。标准差为 11.009（9.615 和 12.878 的 95%置信区间）。使用 0.05 的显著性水平，正态性检验（A 平方=0.98，P 值=0.013）表明静息脉搏数据不服从正态分布。,
