MINITAB常用工具汇集.ppt

《MINITAB常用工具汇集.ppt》由会员分享，可在线阅读，更多相关《MINITAB常用工具汇集.ppt（124页珍藏版）》请在三一办公上搜索。

1、容易理解的,6西格玛推进TAEM,1.MSA(计测System的分析),4.1,精密度,4.3,重现性,4.5,%P/T Ratio,4.2,反复性,4.4,%R&R,Screen工程中所使用的荧光体药品的粘性度对荧光屏的品质起着较大的影响,因此Screen工程每交班时间都要测定管理药品的粘性度.Screen工程的拉长或组长,科长为了评价测定荧光体药品粘性的粘度计信赖度,让3位交班班长各测定3个药品试料,反复测定各三次并记录其测定结果.荧光体药品的粘度规格范围为242.,例题,测 定 人:3名(金班长,李班长,朴班长),药品试料:3个(1号试料,2号试料,3号试料),测定次数:3次,总测定次数

2、:27次(=3名 3名 3次),Worksheet,STAT MENU,Stat Quality Tools Gage R&R Study(Crossed).,路径,STAT MENU,测定值,输入规格的公差,测定者,点击Options,样本编号,OK,OK,规格的范围-上面的例题中点度规格范围是 242,公差是2,即为4.-如果规格范围是403,则公差是 3,即为6.,Dialog 窗口,STAT MENU,分析结果,4.4,%R&R,4.1,精密度,4.2,反复性,4.3,再现性,4.5,P/T,精密度(测量的散布程度)对精密度的评价方法是通过%R&R,P/T.精密度有反复性和再现性的区分

3、.,4.1,反复性 测定机的散布程度,4.2,再现性 测定者间的散布程度,4.3,Session窗口,Graph窗口(1),4.1,精密度,4.2,反复性,4.3,再现性,4.4,%R&R,4.5,P/T,Components of Variation 通过画柱状图来表示Session窗口上的分析结果,柱状图通过%R&R,P/T的基准来表示各个精密度,反复性,再现性.精密度,反复性,再现性 的柱子高度越低越好.,Graph 窗口(2),R Chart by 测量者-每点表示某一个测量者对同一个产品反复测定几次时,其中的最大值与最小值的差值(称为极差),用R值表示.-所有点应该处于管理上下限以内

4、.-对测量者别进行评价的时候,R值越小表示某个测量者 反复测量的越精密.本例中的白班长所测量的三次R值相比其他人要小,因此可说明白班长较其他人测量要精密些.,Xbar Chart by 测量者-每个点表示某个测定者对同一产品的反复测量几次时,几个测量值的平均值.-管理上下限的幅度表示测量散布的大小.-希望所有的点都在管理上下限以外,并且呈现出有规律的 形态.即,希望产品间的散布比测量的散布要大.,Graph 窗口(3),By 样本编号-表示各样本所有测量值的平均及其散布的程度.-对于每个样本来说,我们希望反复几次测量的所有值 其散布的程度越小.,By 测量者-表示各测量者所有测量值的平均及其散

5、布的程度.-理论上对于各个测量者所有的测量值的平均值应相等.,By 测量者*样本编号 Interaction-表示按照样本别各测量者之间的测量值.-理论上各条线应该平行或重合,假设线之间有交叉,我们可以认为测量者与样本之间有交互作用.,Graph 窗口(4),2.计算器的使用与分析,-69-,Calc Calculator,打开Worksheet表格:Oxygen.mtw,CALC MENU,“Piece*Oxygen”的数据另存在 C4列中,-70-,Calc Calculator,CALC MENU,“Piece*Oxygen”自动算出,-71-,Calc Calculator,CALC

6、MENU,Oxygen的平均值另存在 C5 列中,-72-,Calc Calculator,CALC MENU,Oxygen的平均值自动算出,3.Basic Statistics(统计基础),Stat Basic Statistics Display Descriptive Statistics,Worksheet,为观察 A 工程的品质特性产品长度的分布与统计量，抽出一定量的样本（Sample)的数据。,路径,STAT MENU,Dialog 窗口,指定 变数,选定 Graphs,选定Graphical summary,OK,OK,STAT MENU,Session 窗口,1.1,算术平均,

7、1.2,标准偏差,1.4,中央值,1.5,最小值,1.6,最大值,四分位数:将Data依序排列后，重新区分开来-Q1:依序排列 Data时，列在25%位置的数字-Median:依序排列 Data时，列在50%位置的数字-Q3:依序排列 Data 时，排列在75%位置的数字,STAT MENU,Graph 窗口,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,标准偏差的信赖区间,1.7,平均的信赖区间,1.9,中央值的信赖区间,1.10,验证正规性,正规性验证(注意水平=0.05)P-Value 0.05 时 可以认为 Data的散布遵循

8、正规分布的规则。P-Value 0.05 Data的分布没有遵循正规分布的规则。,1.10,Histogram,正规分布曲线,Box Plot,STAT MENU,4.Statistical Process Control(管理图),1.1,U 管理图,P 管理图,I-MR 管理图,C 管理图,NP 管理图,1.2,1.3,1.4,1.5,1.6,X-R 管理图,U 管理图,P 管理图,I-MR 管理图,C 管理图,NP 管理图,理度的选择,C管理图,Data,计量值,计数值,Data的类型,Data,是不是不良品数量？是否是具体的缺陷?,已收集的Data是否是个别的？是否组成群数据？,抽样数

9、是否是一定量？,抽样数是否是一定量？,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,Data群,不良数,缺陷数,否,是,否,是,STAT MENU,Stat Control Charts Xbar-R,在B工程中做出的产品的 重量每8个小时抽样5个进行测量，对该工程进行管理。,例题,计量值,子群,子群,Worksheet,路径,STAT MENU,Dialog,指定变数,子群的大小,OK,子群的大小-上述例题中，B工程按每8小时 测5个产品的重量，群的数量为5EA。.或区分为C3（时间段别），也可 输入C3(时间段）。,Dialog 窗口,STAT MEN

10、U,分析结果,X-R 管理图 X 管理图 管理群内的 Data的平均(管理分布的中心)R 管理图 管理群的范围(管理分布的散布),2.1,Graph 窗口,STAT MENU,Stat Control Charts I-MR,在B工程中做出的产品的 重量每4个小时抽样1个进行测量，对该工程进行管理,例 题,I-MR 管理图,计量值,个别 Data,Worksheet,路径,STAT MENU,Dialog,指定变数,OK,Dialog 窗口,STAT MENU,30,20,10,Subgroup,0,11.5,10.5,9.5,8.5,I,n,d,i,v,i,d,u,a,l,V,a,l,u,e

11、,Mean=10.01,UCL=11.27,LCL=8.741,1.5,1.0,0.5,0.0,M,o,v,i,n,g,R,a,n,g,e,R=0.4759,UCL=1.555,LCL=0,I and MR Chart for 重量,分析结果,I-MR 管理图 I 管理图 Data移动的管理(管理分布图中心移动)MR 管理图 管理Data移动范围(管理分布图的散布),2.2,MR(Moving Range)-意味着相邻两个Data的移动范围.例如,前面的 Data的测定值为8,后一个Data为12时,MR:4(=8-12),Graph 窗口,STAT MENU,Stat Control Cha

12、rts P,B工程管理一天中发生的产品不良数.,例 题,P 管理图(不良率管理图),计数值,Worksheet,路 径,STAT MENU,指定变数,Sample的数量决定 指定输入列,OK,Dialog 窗口,STAT MENU,30,20,10,0,0.10,0.05,0.00,Sample Number,P,r,o,p,o,r,t,i,o,n,P Chart for 不良数,P=0.02984,UCL=0.07496,LCL=0,分析结果,LCL(管理下限)-P,NP,U,C管理图的管理下限总是大于等于0.即,不良率,不良数,缺陷率,缺陷数总大于等于0.,UCL(管理上限)-在P管理图与

13、U管理图中,下限线根着 Sample的大小形成曲线(幅度差).-Sample 大小大时:幅度小-Sample 大小小时:幅度大,Graph 窗口,STAT MENU,5.Capability Study(工程能力),实习)求工程能力,Stat Quality Tools Capability Analysis(Normal).,观察B工程品质特性之一的产品重量工程能力时,每8个小时抽样5个样品并收集其数据,产品重量的规格(Spec.)为 101g.,例 题,子群,子 群,Worksheet,路 径,STAT MENU,规格下限,OK,子群的大小,规格上限,指定变数,子群的大小-上述例题中,B工

14、程每8小时抽出 样品,即群的数量为5.或者有因分为时间段 在C3中可输入时间变数.个别 Data时输入“1”.,规格的上,下限-上述例题中,因B工程做出的产品重量的规格为101g,规格下限为 9,规格上限 11.,Dialog 窗口,STAT MENU,规格上限,规格下限,算术平均,抽样数,群内标准偏差,全体标准偏差,Graph 窗口(1),STAT MENU,群内工程能力:(潜在工程能力:假设群间无变动的条件下的工程能力)Cp:在不考虑偏差,数据的平均与目标一致的假设下的工程能力 基本假设:无平均偏差,无群间变动 Cpk:考虑偏差的工程能力 基本假设:无群见假设,3.1,Graph 窗口(2

15、),STAT MENU,全体工程能力(实际的工程能力)Pp:不考虑偏差,Data平均与目标一致假设下的工程能力 基本假设:无平均偏差 Ppk:考虑偏差的工程能力 基本假设:无,3.2,Graph 窗口(3),STAT MENU,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,PPM USL-脱离规格上限的不良率 PPM Total-全体不良率,PPM-1,000,000(百万)个中不良数 把PPM为%-PPM除以10,000.例如,30,000 ppm时,不良率为3%.,Graph 窗口(4),STAT MENU,6.Multi-Vari 分析,Multi-vari(例)

16、,Worksheet,STAT MENU,Time Series Plot 分析,1.利用Minitab制作Time Series Plot,GraphTime Series Plot,路径,STAT MENU,点击OK,Worksheet,Dialog 窗口,STAT MENU,分析结果:组装时间随着时间的推移有逐渐增加的趋势且有一定的周期(cycle).,Graph 窗口,STAT MENU,Box Plot 分析,GraphBox plot,Worksheet Open:Multi.mtw,路径,STAT MENU,点击OK,Worksheet,Dialog 窗口,STAT MENU,日

17、期和组装时间,分析结果:可以知道日期别不同组装时间有差异.,Graph窗口,STAT MENU,ZIP MODEL和组装时间,分析结果:ZIP MODEL不同组装时间有差异,特别是G MODEL的散布较大,Graph窗口,STAT MENU,分析结果:各个组装者的组装时间有差异,组装者和组装时间,STAT MENU,Main Effect Plot(主效果分析),StatANOVAMain Effect Plot,路径,STAT MENU,点击OK,Worksheet,Dialog窗口,STAT MENU,分析结果:日期,Zip Model,组装者之间的组装时间的差异较大,为了进一步分析,对日

18、期,组装者进行t-test,对Zip Model实施ANOVA 分析,Graph窗口,STAT MENU,7.Chi-Square 检验,Chi-Square test,X(原因变数),Y(结果变数),记数值,计量值,记数值,计量值,Chi-Square test,Logistic Regression,t-testOne-Way ANOVA,回归分析相关分析,STAT MENU,独立性检验,Stat Tables Chi-Square Test,S公司的职位分布参考右表,想知道部门别人力的职位比率是 否相同.,例题 1,Worksheet,路径,STAT MENU,Dialog,点击OK,变

19、数指定,Dialog窗口,STAT MENU,分析结果,P-value值 P-Value 0.05 的时候 各变数相互独立.P-Value 0.05 各变数相互从属.-上例中的 P-Value=0.606,比0.05要大,职位比率和部门没有相关,是独立性变数.即,可以推定部门别人力比率相同.,Session窗口,STAT MENU,8.T-Test,t-test,1-Sample Z,2-Sample t,1-Sample t,Paired t,t-test的选择,1-Sample Z 在当我们想评价样本Data的平均和母集团(全体集团)的平均是否相同的时候.且当母集团的平均和标准偏差已知的时

20、候适用.为了观察从D电子购买的部品的平均重量,随机抽取10个样本并对其重量进行测量.我们希望部品的重量为40g,到目前为止生产的部品的母标准偏差为3g.1-Sample t 在当我们想评价样本Data的平均和母集团(全体集团)的平均是否相同的时候.且当母集团的平均已知而标准偏差未知的时候适用.为了观察从D电子购买的部品的平均重量,随机抽取10个样本并对其重量进行测量.我们希望部品的重量为40g,而部品的母标准偏差未知.2-Sample t 在当我们想评价从两个相互不同的集团中取出的样本Data的平均是否相同的时候适用.为了评价从D公司和E公司购买的部品的平均重量是相同还是不同,从各公司购买的部

21、品中 各随机抽取10个并测量其重量.Paired t 在当我们想评价两个互相成对的样本Data的平均是否的时候适用.为了评价从D公司购买的部品的左侧厚度和右侧厚度的平均是相同还是不同,随机抽取 10个并测量其左侧和右侧厚度.,2-Sample t,为了评价从D公司和E公司购买的部品的平均重量是否相同,从各公司购买的部品中各随机抽取10个并测量其重量.,Stacked Data,D公司部品的重量,E公司部品的重量,Worksheet,STAT MENU,Stat Basic Statistics 2-Sample t,路径,STAT MENU,点击Assume equal variances,S

22、tacked Data,变数指定(选择测量的Data列),点击Boxplots of data,点击OK,点击OK,点击Graphs,变数指定(选择条件输入的列),Dialog窗口,STAT MENU,分析结果,样本数,算术平均,标准偏差,95.0%CI:两个集团平均差异的95%信赖区间-上例中两个集团平均差异的95%信赖区间(-3.87,1.77),0在这个95%信赖区间以内.即,(D公司部品平均重量 E公司部品平均重量=0)可以成立.从这两个集团中分别收集的Data的平均可以相等的意思.所以,从D公司购买的部品的平均重量和E公司购买的部品的平均重量可以相等.,P-Value P-Value

23、 0.05 的时候 可以推断出两个集团的Data 平均相同.P-Value 0.05 的时候 可以推断出两个集团的Data 平均不相同.上例中的P-Value=0.445,比0.05大,可说明 从D公司购买的部品的平均重量和从E公司 购买的部品的平均重量相同.,两个集团平均的差异,Session窗口,STAT MENU,中央值(Median),算术平均,Graph 窗口,STAT MENU,9.ANOVA(分散分析),One-way ANOVA(一元分散分析),1,平均差检验,散布差检验,平均差检验使用的Tool,2-Sample t(两个集团或条件时)在当我们想评价从两个互相不同的集团中抽取

24、的样本Data的平均是否相同的时候适用.为了评价从D公司购买的部品平均重量和从E公司购买的部品平均重量是否相同,从各个公司 购买的产品中各随机抽取10个并测量其重量.One-way ANOVA(三个以上集团或条件时)在当我们想评价从互相不同的三个以上集团中抽取的样本Data的平均是相同还是不同的时候适用.在E工程生产的部品其Hole Size是最重要的品质.而E工程生产该部品起用了3台设备,为了评价设备别生产的部品 Hole Size的平均是否相同,按照设备别生产的部品各随机抽样5个,并测量其Hole Size.,STAT MENU,平均差检验,在E工程生产的部品其Hole Size是最重要的

25、品质.而E工程生产该部品起用了3台设备,为了评价设备别生产的部品 Hole Size的平均是否相同,按照设备别生产的部品各随机抽样5个,并测量其Hole Size.假设Hole Size的目标值是25.0mm.,例题,Unstacked Data,Stacked Data,1号设备部品的Hole Size,2号设备部品的Hole Size,3号设备部品的Hole Size,Worksheet,STAT MENU,Stat ANOVA One-way,Stacked Data,路径,STAT MENU,Dialog,Stacked Data,变数指定(选择测量的Data列),OK,点击Graph

26、s,变数指定(选择条件输入的列),点击Boxplots of data,OK,Dialog 窗口,分析结果,样本数,算术平均,标准偏差,设备的评价-上例中的P-Value=0.009,比0.05小,可说明三个设备中中至少有一个设备生产的产品的Hole Size 平均与其它不同.-Hole Size的目标值为25.0mm,平均的信赖区间中包含25.0mm,可推断出其中的1号设备和2号设备是较好的设备,而3号设备不好.-如果,P-Value比0.05大时,不能确定设备别生产的产品的Hole Size的平均有不同，从而评价三个设备这也是没有 太大的意义.,条件别平均的95%信赖区间,P:P-Valu

27、e P-Value 0.05 的时候 可推断出各集团间Data 平均相同.P-Value 0.05 的时候 可得知至少有一个集团Data 平均与其它不同.-上例中的P-Value=0.009,比0.05小,可说明三个 设备中至少有一个设备生产的产品的Hole Size 平均 与其它设备不同.,25.0mm:Hole Size 目标值,设备名,Session 窗口,Boxplots-可看出各设备别中心和散布的程度.,Graph窗口,STAT MENU,10.相关/回归分析,相关分析(Correlation Analysis),(x,y)观测值参考下表,画出散点图并求样本相关系数(Correlat

28、ion Coefficient),例题,相关系数,Worksheet,STAT MENU,散点图,路径,Graph 窗口,分析结果,Correlations:x,yPearson correlation of x and y=0.919P-Value=0.027,相关系数 r,13,10,20,回归分析(Regression),K公司的池科长为了查看美国同产业每日股份变动对于公司的每日股份变动有无影响,在制造类似的产品的美国同产业中选择了10个公司.检查了2个月左右的K公司的日日股份变动率和美国的10个同产业公司的日日平均股份变动率,收集了40个Data.,例题,R-Square,回归式,St

29、at Regression Fitted Line Plot,Worksheet,路径,STAT MENU,Dialog,结果变数指定(得到影响的变数),原因变数指定(造成影响的变数),选择Type of Regression Model,OK,Type of Regression:选择回归模式 Linear Quadratic Cubic 线形 2次曲线 3次曲线,Dialog窗口,分析结果,R-Square,回归式,R-Square(决定系数)全体变动中根据回归直线能说明的变动.R-Square=79.2%,即是说对于K公司的每日股市变动率,其中有79.2%的变动 可由美国同产业的每日股市

30、变动率来说明.而20.8%的变动是由其它的原因引起的变动.,回归式 0:截距 X是0的时候,预测的Y值 上例中,同产业的每日变动率是0的时候,K公司的预想每日变动率是-0.117925.1:偏差 X增加1时,Y值的增加幅度 上例中,同产业的每日变动率增加1,K公司的 每日变动率增加1,即,预想增加0.98948.,0,1,Session窗口,0:-0.117925,1 0.948948 增加,1增加,R-Square,回归式,Graph窗口,STAT MENU,Y值的预测方法,当同产业的每日股市变动率为5.0时,K公司的预想的每日股市变动率为多少呢?-利用回归式 回归式的“变动率(同产业)”输

31、入0.5 计算“变动率(K公司)变动率(k公司)=-0.117925+0.948948 0.5=0.356549-利用回归线 利用回归线,当同产业变动率是5.0的 时候查找K公司的变动率,0.05,0.356549,STAT MENU,Y 规格 355,X的范围设定 14.63.4,X的管理范围设定方法,X的管理范围选定方法 1.把握顾客的要求或规格(Spec.)例)Y规格(顾客的要求):355 2.满足顾客要求的X的范围设定-通过回归式计算,或利用Graph设定-设定X的范围:14.63.4 3.考虑残差(Error),比初次设定的范围要窄的范围设定,STAT MENU,11.DOE(实验计

32、划法),提高S工程的药品吸收速度这是提高工程的制造效率的重要因素.而对药品吸收速度影响重要的因子取触媒量和反应温度各取2个水准，按照下面的条件再现2次做实验,然后收集Data.-触媒量(%):0.3%,0.5%-反应温度():150,170,例题,Stat DOE Factorial Create Factorial Design,Worksheet 制作,路径,Dialog 1,选择因子数,选择水准数,上例中的因子有触媒量和反应温度,所以因子数有2个.,点击Designs,Dialog 窗口(1),STAT MENU,选择再现次数,上例中各因子再现2次做实验.,OK,Dialog 窗口(2)

33、,STAT MENU,点击Factors,因子和水准输入,OK,OK,Dialog窗口(3),STAT MENU,输入实验结果的列,输入实验结果,吸收速度 88是当 触媒量为0.3%,反应温度为 150时所作实验的结果,Worksheet,分析,Stat DOE Factorial Analyze Factorial Design,路径,STAT MENU,点击OK,结果变数指定(实验结果),Dialog窗口,STAT MENU,分析结果,主效果,交互作用,P:P-value值 P-Value 0.05 的时候 因子的水准变化时,结果值平均没有变化.即说明该因子不是明显影响的因子.P-Valu

34、e 0.05 的时候 因子的水准变化时,结果值平均有变化.即该因子是明显的因子.-上例中触媒量和反应温度的主效果的P-Value比0.05要小,可说明这两个因子影响明显,接着要研究的是其最佳的水准,而触媒量和反应温度的交互作用P值比0.05要大,这可以 说明该交互作用不存在.,因子别明显与否 主效果-触媒量(P=0.010 0.05)明显-反应温度(P=0.004 0.05)明显 交互作用-触媒量*反应温度(P=0.889 0.05)不明显,Session窗口,通过图表设定最佳水准,Stat DOE Factorial Factorial Plots,路径,STAT MENU,上例中因子别明显

35、与否 主效果-触媒量(P=0.010 0.05)明显-反应温度(P=0.004 0.05)明显 交互作用-触媒量*反应温度(P=0.889 0.05)不明显,设定最佳水准 主效果的两个因子都明显,交互作用不明显,故在Main Effects Plot上 设定最佳水准,STAT MENU,点击Main Effects Plot,点击Interaction Plot,点击Setup,结果变数指定(实验结果),指定经选择 的主效果,OK,Dialog窗口(1),STAT MENU,点击Setup,Dialog窗口(2),STAT MENU,结果变数指定(实验结果),指定经选择的 交互作用,OK,OK

36、,Dialog窗口(3),STAT MENU,分析结果,因子别明显与否 主效果-触媒量(P-Value=0.010 0.05)明显-反应温度(P-Value=0.004 0.05)明显,主效果的最佳水准:结果(吸收速度)是越大越好.主效果 触媒量,反应温度都是影响明显的因子,各个因子设定最佳水准-触媒量:0.5%水准时的结果(吸收速度)最大-反应温度:170 水准时的结果(吸收速度)最大,Graph窗口(1),STAT MENU,因子别明显与否 交互作用-触媒量*反应温度(P=0.889 0.05)不明显,交互作用的最佳水准 交互作用不明显,故不设定 最佳水准,Graph窗口(2),STAT

37、MENU,最佳水准设定:为了使吸收速度最高的因子别水准 触媒量:0.5%反应温度:170,在最佳水准上预想的结果值 触媒量:0.5%反应温度:170 的时候,实验结果出现110,108,则平均109是对最佳水准 所预想的吸收速度.,STAT MENU,附录 6SIGMA DMAIC 阶段别使用术语说明DefineHidden Factory:所有活动无缺点顺利进行时消失的业务即,产生再作业，过大在库，移动，废弃，错误，契约，待机时间等工程叫Hidden FactorY.SWOT分析:SWOT是 Strength(强点),Weakness(弱点),Opportunity(机会),Threat(危

38、险)的合成语利用 SWOT通过市场/行情 分析问题的方法.*内部环境分析(SW)内部情况(与竞争者比较)-Strength(强点),Weakness(弱点)*外部环境比较(OT)外部环境(内部环境除外)-Opportunity(机会),Threat(危险)Work-Out:GE里关系到经营活动问题点的成员聚在一起协议后把改善方案上报经营层，经营层推进或非推进与否是现场最终确认的方法论.BENCHMARKING:同种业体中把最优秀的公司为典范学习他们独特的经营手法推进革新活动。它不是单纯去追求世界上最高水准的竞争公司，公司内或其他业种应用范围也同样广泛.Best Practice:包括竞争社学习

39、所有行业的好的方法引进到本公司的活动，选定基准及顺序是按照各公司的基准/运营自主运营.(Kano Analysis):把顾客要求事项 分为Must be needs,One Dimensional needs,Delighter等3类分析顾客满足度决定优先次序寻找解决方案是使用.,(Brainstorming):根据自主讨论选拔有创意的想法对某个主题制定解决对策时不须按照分析次序几个人自由讨论然后制定方案的方式.Measure机会(Opportunity):指的是有可能发生缺陷的检查或管理的对象有必要改善或排除.测量系统分析(Measurement System Analysis,MSA):为

40、了确保数据的信赖性分析测量系统带来的变动在工程变动里占的比率判断测量系统适合与否分析测量系统的精密度(Gage R&R),精确度等.测量误差(Measurement Error):测量值和真值之间的差距测量误差是测量仪器的精密度和精确度决定所以误差的原因有温度，湿度，灰尘等环境因数，测量仪器的变形，操作不熟练，操作者的失误等原因.安全性(Stability):对SAMPLE的一个特性长期间测量时根据时间变化带来的总变动.线形(Linearity):测量系统分析中脱离DATA测量范围的变动.精密度(Precision):测量系统反复性和再现性带来的总变动.,反复性(Repeatability):

41、用同一测量仪器，同一操作者对同一部品的同一特性测量数次得到的测量散布.再现性(Reproducibility):不同的操作者使用同一测量仪器，对同一部品测量同一特性的测量平均的散布.Gage R&R Study:在测量系统中因反复性，再现性带来的变动给工程带来的影响有多大用统计方法分析后评价测量系统适合性的方法.%Contribution:Gage R&R 分析的总变动中因仪器，测量者，测量者*Part,部品间(Part-To-Part)占的比率通过分散分析.%Study Variation:Gage R&R 分析的总变动中因仪器，测量者，测量者*Part,部品间(Part-To-Part)占

42、的比率通过标准偏差分析.Number of Distinct Categories:评价测量系统的尺度区分测量系统区域数.DPU(Defects Per Unit):一个单位中存在的缺陷的比率，发生的缺陷数除于总单位数.DPO(Defects Per Opportunity):缺陷发生的机会当出现的缺陷数，发生的缺陷数除于总的机会数.,DPMO:Defects Per Million Opportunities的简写一百万个机会当出现的缺陷数等于DPO乘于一百万(106).初期数率(FTY):First Time Yield的简写在单位工程里没有再作业或修理时的初期良品率.累计数率(RTY):

43、Rolled Throughput Yield的简写产品经过各阶段的工程完成的理论性数率，各初期的数率的乘积.工程能力(Process Capability):工程在管理状态时产品或服务的品质变动的程度.工程能力分析(Process Capability Analysis):开发，制造，服务阶段为了测量工程散步减少变动幅度利用统计性方法与规格比较，分析.子群(Subgroup):为了整理数据把测量值分成几个子群在管理图上显示为一点，为了求出统计量值筛选的SAMPLE子群.工程能力指数(Process Capability Index):使用在工程间散布的比较,工程能力和规格幅度的比率能否生产符

44、合规格的产品的工程能力指数。有两侧规格的工程能力为 Cp如下.*USL:Upper Specification Limit*LSL:Lower Specification Limit,短期工程能力(Short Term Capability):没有工程上外部影响，短期工程能力，现在的工程所能达到的最大的工程能力叫短期工程能力.长期工程能力(Long Term Capability):包括工程的所有变动因数，长期工程能力，一般性工程的情况下工程的目标值不固定在目标值上经过时间的推移随之变动所以短期工程能力和长期工程能力不同。变动范围在1.5.现在水准(Baseline):表现在PROJECT特性

45、或指标上测量现水准的测量值.Design Scorecard(DSC):产品，工程的设计PROJECT的制造，工程，服务的最终品质事前预防改善时使用的图表.KPIV(Key Process Input Variable):重要工程输入变数，顾客认为重要的产品的特性或工程的结果物，即把特性看为输出变数能影响输出变数的因子.KPOV(Key Process Output Variable):重要工程输出变数顾客认为重要的产品的特性或工程的结果物，受工程输入变数的影响(KPIV).特性要因图:Cause and Effect Diagram一般人，材料，方法，环境，设备，测量系统等对结果值带来影响的

46、原因导出方法.(Process Map):构成工程的阶段或内容根据时间顺序把事实原本用图画表现。分为上位PROCESS MAP和下位PROCESS MAP。在微观上把工程输入，输出，周期，再作业，检查视点图式化.,SIPOC(High Level Process Map):上位水准的PROCESS MAP也叫 SIPOC,为了核心工程的具体化PROCESS MAPPING时不仅仅是对 Process Input,Output情报提供OUTPUT的 Customer及 VOC掌握跟着提供INPUT的 Supplier为止扩大定义。把这些情报为基础从系统观点上能谋求顾客的志向性问题.C&E Mat

47、rix:输入变数和输出变数之间的关系，指定优先顺序。也叫 XY Matrix,FDM.在表格的上端记录输出变数把输入变数记录到表格的左侧在中部填写阐明关系的分数利用累计排序.FMEA(Failure Modes and Effects Analysis):故障类型及影响分析工程发生的故障类型和其故障类型要明确，把关系到故障类型的危险度数值化为了指定改善的优先顺序制定的表格。潜在输入变数出现错误的情况掌握.*种类:Design FMEA,Process FMEA,System FMEA 深刻度(SEV):FMEA 制作时故障类型给顾客带来的影响分数越高越危险.*顾客:包括后工程的内，外部顾客.发

48、生度(OCC):FMEA制作时根据潜在故障原因的发生频度给予分数，数值越高故障频度越高，反之相反.检出度(DET):FMEA 制作时根据问题的检出度给予分数数值越高发现越困难，反之相反.危险优先顺序(RPN):Risk Priority NumberFMEA里把危险度数值化为了制定优先顺序把各故障类型(深刻度)x(发生度)x(检出度)计算这数值越高越是重要.,计量型Data(Variable Data):连续型测量的品质特性值.例)长度，重量，强度，浓度，速度，压力，时间，温度等 连续型DATA(Continuous Data)计数型数据(Attribute Data):不良品数，缺陷数等能数

49、出的带有品质特性的值分为缺陷数DATA和不良绿率DATA.*缺陷数DATA:教材修正时错别字*不良率DATA:再作业件数 离散型DATA(Discrete Data)母集团(Population):关心对象的总集合叫母集团元素的个数叫母集团的大小母集团的大小是无限就叫无限母集团反之叫有限母集团.样本(Sampling):从母集团中筛选的一部分叫SAMPLE.中心倾向性(Central Tendency):计量型DATA中倾向于中央.例)平均，中央值，最频值等歪度(Skewness):分布形状倾向于一侧.(Kurtosis):判断是否比正态分布形状更接近与中央的尺度.平均(Mean):母平均:=

50、xi/N=总DATA和/总DATA数(个数)样本平均:=xi/n=样本DATA和/样本DATA数(个数),中央值(Median):把数据按顺序排序后中间的值，很少受异常点带来的影响(Outlier).最频值(Mode):在全部数据中发生次数最多的值.分散(Variance):表示数据的分散程度，表现为与平均值的差距.标准偏差(Standard Deviation,StDev):标准偏差是表示 Data平均散布的统计量。是分散的平方根.*母集团的标准偏差,SAMPLE的标准偏差用 s(Quartile):按顺序排列分为4等份.*Q1:(First quartile)=25%值*Q2:(Secon