Minitab17图形分布和常规操作
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Minitab17图形分布 和常规操作
1. 直方图 2. 柏拉图 3. 因果图 4. 控制图 5. 散布图
目录
6. 回归分析 7. 箱线图 8. 假设检验 9. 方差分析 10. MSA
1. 直方图
在工作中经常要面对许多测量数据，如果我 们应用统计绘图的方法，将这些数据加以整 理，则制造过程的质量散布的情况，问题所 在及过程能力等均呈现在我们眼前，我们即 可利用这些信息来掌握问题点以及制定改进 对策。
37
38
39
40
测试值 251
250
229249Fra bibliotek239254
240
243
238
241
序号
41
42
43
44
45
46
47
48
49
50
测试值 243
238
245
242
235
239
232
249
236
240
1. 直方图
数据整理并选择“如下”
1. 直方图
1. 直方图
2.柏拉图
又名：排列图，其用途如下： （1） 作为降低不合格质量的依据，解决主 要矛盾/缺陷。 （2）确定改善目标。 （3）关键的少数，次要的多数。
1. 直方图
例 如下为某产品特性记录表，请使用直方图看其分布情况！
序号
1
2
3
4
5
6
7
8
9
10
测试值 241
236
246
238
244
248
237
237
228
220
序号
11
12
13
14
15
16
17
18
19
20
测试值 244
245
250
230
245
226
218
241
241
245
序号
31
32
33
34
35
36
序号 1 2 3 4 5
样本_1 样本_2 样本_3 样本_4 样本_5 样本_6 样本_7 样本_8 样本_9 样本_10 样本_11 样本_12 样本_13 样本_14 样本_15 样本_16 样本_17 样本_18 样本_19 样本_20 598.93 600.63 598.67 601.15 598.22 598.35 598.66 602.07 600.96 601.55 596.64 597.66 596.18 594.62 596.71 600.82 603.63 600.94 602.34 602.68 602.80 591.97 597.73 596.54 597.41 600.39 598.89 596.94 596.19 598.54 599.53 603.14 597.27 602.42 604.71 599.24 604.43 604.56 602.30 597.70 597.57 598.44 600.76 601.54 599.76 596.92 605.03 594.58 597.16 595.35 604.66 600.23 601.49 604.58 602.14 598.85 601.78 601.61 602.66 595.73 604.02 598.76 604.58 598.26 601.87 594.95 602.19 600.19 596.53 604.71 598.81 596.38 599.17 604.68 597.53 603.42 594.35 600.32 598.13 605.61 598.84 599.83 600.57 597.04 597.84 601.40 603.70 596.02 600.67 600.29 600.15 597.73 601.41 598.77 595.10 596.73 599.22 601.85 598.32 598.38
6. 回归分析
例
在某合金厂的一次质量改进活动中，合金的强度值y不稳定，经过 6SIGMA小组分析合金中的碳含量x是主要原因。6SIGMA小组经过试 验，取得数据如下：
序号
含碳量x 合金强度值y
1
0.10
3.因果图
3.因果图
3.因果图
3.因果图
4. 控制图
用途：
（1） 能及时发现生产过程中的异常现象和缓慢 的变异、预防不合格产品发生
（2） 能有效分析判断生产过程中的稳定性，降 低检验、测试费用
（3） 可查明设备和工艺手段的实际技术状况 （4） 使生产成本和质量成为可预测的参数，可
高效识别系统误差的影响程度，降低质量 差别最小，提高质量和经济效益
4. 控制图
4. 控制图
4. 控制图
控制图的判异标准：
（1）一点落在A区以外 （2）连续9点落在中心线同一侧 （3）连续6点递增或递降 （4）连续14点中相邻点上下交替 （5）连续3点有2点落在中心线同一侧的B区以外 （6）连续5点中有4点落在中心线同一侧的C区以外 （7）连续15点在C区中心线上下 （8）连续8点在中心线两侧但无一在C区中
4. 控制图
例
汽车发动机组装厂，某部件的轴承长度必须为600+/-2.5mm,以满足规格， 轴承长度不符合规格是个长期的问题，它引起装配时配合不良，导致废 品率和返工率居高不下，你的主管要求绘制Xbar-R 控制图已监控此特征， 于是你在一个月中从工厂使用的轴承收集共100个观测值（20个样本，每 个样本5个轴承)
2.柏拉图
例
序号
1 2 3 4 5 6 7 8 9 10
不良现像
不开机 撞板不回弹 开机后退 充电无负载 驱动轮异音 下视失灵 不延边 不回充电座 面盖划伤 wifi不联网
不良数
5 16 8 20 30 22 2 2 7 13
2.柏拉图
2.柏拉图
2.柏拉图
3.因果图
又名：鱼骨图、树枝图 其是分析质量问题与其影响原因之间的关系 的有效工具。
5. 散布图
5. 散布图
5. 散布图
5. 散布图
5. 散布图
正强相关 （X 增大， Y也增大）
6. 回归分析
在生产实际的过程中，有时需要知道一个 变量与另一个变更的具体关系，回归分析 就是找出合适的回归方程，从而用一个变 量来预测另一个变量。
一元线性回归方程是最简单的 y=f(x）X为 自变更，Y 为因变量。
5. 散布图
散点图又称散布图、相关图，他研究的是 两个变量是否具有相关性。
1. 正强相关（X 增大， Y也增大） 2. 正弱相关（X 增大， Y增大不明显）说明还有其他不
可忽视的因素 3. 不相关 4. 曲线相关（X 增大， Y以某种曲线的形式变化） 5. 弱负相关（X 增大， Y有减小的趋势） 6. 强负相关（X 增大， Y随之减小）
1. 直方图 2. 柏拉图 3. 因果图 4. 控制图 5. 散布图
目录
6. 回归分析 7. 箱线图 8. 假设检验 9. 方差分析 10. MSA
1. 直方图
在工作中经常要面对许多测量数据，如果我 们应用统计绘图的方法，将这些数据加以整 理，则制造过程的质量散布的情况，问题所 在及过程能力等均呈现在我们眼前，我们即 可利用这些信息来掌握问题点以及制定改进 对策。
37
38
39
40
测试值 251
250
229249Fra bibliotek239254
240
243
238
241
序号
41
42
43
44
45
46
47
48
49
50
测试值 243
238
245
242
235
239
232
249
236
240
1. 直方图
数据整理并选择“如下”
1. 直方图
1. 直方图
2.柏拉图
又名：排列图，其用途如下： （1） 作为降低不合格质量的依据，解决主 要矛盾/缺陷。 （2）确定改善目标。 （3）关键的少数，次要的多数。
1. 直方图
例 如下为某产品特性记录表，请使用直方图看其分布情况！
序号
1
2
3
4
5
6
7
8
9
10
测试值 241
236
246
238
244
248
237
237
228
220
序号
11
12
13
14
15
16
17
18
19
20
测试值 244
245
250
230
245
226
218
241
241
245
序号
31
32
33
34
35
36
序号 1 2 3 4 5
样本_1 样本_2 样本_3 样本_4 样本_5 样本_6 样本_7 样本_8 样本_9 样本_10 样本_11 样本_12 样本_13 样本_14 样本_15 样本_16 样本_17 样本_18 样本_19 样本_20 598.93 600.63 598.67 601.15 598.22 598.35 598.66 602.07 600.96 601.55 596.64 597.66 596.18 594.62 596.71 600.82 603.63 600.94 602.34 602.68 602.80 591.97 597.73 596.54 597.41 600.39 598.89 596.94 596.19 598.54 599.53 603.14 597.27 602.42 604.71 599.24 604.43 604.56 602.30 597.70 597.57 598.44 600.76 601.54 599.76 596.92 605.03 594.58 597.16 595.35 604.66 600.23 601.49 604.58 602.14 598.85 601.78 601.61 602.66 595.73 604.02 598.76 604.58 598.26 601.87 594.95 602.19 600.19 596.53 604.71 598.81 596.38 599.17 604.68 597.53 603.42 594.35 600.32 598.13 605.61 598.84 599.83 600.57 597.04 597.84 601.40 603.70 596.02 600.67 600.29 600.15 597.73 601.41 598.77 595.10 596.73 599.22 601.85 598.32 598.38
6. 回归分析
例
在某合金厂的一次质量改进活动中，合金的强度值y不稳定，经过 6SIGMA小组分析合金中的碳含量x是主要原因。6SIGMA小组经过试 验，取得数据如下：
序号
含碳量x 合金强度值y
1
0.10
3.因果图
3.因果图
3.因果图
3.因果图
4. 控制图
用途：
（1） 能及时发现生产过程中的异常现象和缓慢 的变异、预防不合格产品发生
（2） 能有效分析判断生产过程中的稳定性，降 低检验、测试费用
（3） 可查明设备和工艺手段的实际技术状况 （4） 使生产成本和质量成为可预测的参数，可
高效识别系统误差的影响程度，降低质量 差别最小，提高质量和经济效益
4. 控制图
4. 控制图
4. 控制图
控制图的判异标准：
（1）一点落在A区以外 （2）连续9点落在中心线同一侧 （3）连续6点递增或递降 （4）连续14点中相邻点上下交替 （5）连续3点有2点落在中心线同一侧的B区以外 （6）连续5点中有4点落在中心线同一侧的C区以外 （7）连续15点在C区中心线上下 （8）连续8点在中心线两侧但无一在C区中
4. 控制图
例
汽车发动机组装厂，某部件的轴承长度必须为600+/-2.5mm,以满足规格， 轴承长度不符合规格是个长期的问题，它引起装配时配合不良，导致废 品率和返工率居高不下，你的主管要求绘制Xbar-R 控制图已监控此特征， 于是你在一个月中从工厂使用的轴承收集共100个观测值（20个样本，每 个样本5个轴承)
2.柏拉图
例
序号
1 2 3 4 5 6 7 8 9 10
不良现像
不开机 撞板不回弹 开机后退 充电无负载 驱动轮异音 下视失灵 不延边 不回充电座 面盖划伤 wifi不联网
不良数
5 16 8 20 30 22 2 2 7 13
2.柏拉图
2.柏拉图
2.柏拉图
3.因果图
又名：鱼骨图、树枝图 其是分析质量问题与其影响原因之间的关系 的有效工具。
5. 散布图
5. 散布图
5. 散布图
5. 散布图
5. 散布图
正强相关 （X 增大， Y也增大）
6. 回归分析
在生产实际的过程中，有时需要知道一个 变量与另一个变更的具体关系，回归分析 就是找出合适的回归方程，从而用一个变 量来预测另一个变量。
一元线性回归方程是最简单的 y=f(x）X为 自变更，Y 为因变量。
5. 散布图
散点图又称散布图、相关图，他研究的是 两个变量是否具有相关性。
1. 正强相关（X 增大， Y也增大） 2. 正弱相关（X 增大， Y增大不明显）说明还有其他不
可忽视的因素 3. 不相关 4. 曲线相关（X 增大， Y以某种曲线的形式变化） 5. 弱负相关（X 增大， Y有减小的趋势） 6. 强负相关（X 增大， Y随之减小）