MFG MINITAB 操作及解析

STAT MENU Graph 窗口
Histogram, 正规分布曲线
1.10
正规性验证 ( 注意水平 α = 0.05 )
▶ P-Value ≥ 0.05 时 →可以认为 Data的散布遵循正规分布的规则。 ▶ P-Value ＜ 0.05 인 경우 →Data的分布没有遵循正规分布的规则。
Descriptive Statistics
dialog窗口statmenu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statmenu群内工程能力无平均偏差无群间变动无群见假设31graph窗口2statmenu全体工程能力不考虑偏差data平均与目标一致假设下的工程能力32graph窗口3statmenu33观测的不良率34群内预想不良率35全体预想不良率ppm脱离规格下限的不良率ppm脱离规格上限的不良率ppmtotal全体不良率ppm1000000百万个中不良数把ppm为ppm除以10000
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: 27次 ( = 3名 × 3名 × 3次 )
STAT MENU
路径
Stat ▶ Quality Tools ▶ Gage R&R Study (Crossed)...
STAT MENU
Graph 窗口 (1)
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
STAT MENU Graph 窗口(2)
3.1
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
子群
STAT MENU Dialog 窗口
① 指定变数
② 子群的大小
子群的大小 - 上述例题中, B工程每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”.
③ 规格下限 ④ 规格上限
⑤ OK 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10± 1g, 规格下限为 9, 规格上限 11.
Graph 窗口(3)
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. - 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.
6σ (MFG)
Minitab
的实际操作及理解
1. 测定System的分析
STAT MENU
4.1 4.3 4.5
Worksheet
4.2 4.4
精密度 重现性 %P/T Ratio
例题
反复性 %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24± 2.
5. T-Test
t-test
1-Sample Z 1-Sample t 2-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.
By 测量者
- 表示各测量者所有测量值的平均及其散布的程度. - 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.
2. Basic Statistics (统计基础)
PPM < LSL - 脱离规格下限的不良率 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%.
3.3
观测的不良率
3.4
群内预想不良率
STAT MENU Dialog 窗口
① 样本编号
④ 点击Options ② 测定者 ③ 测定值 ⑦ OK
⑤ 输入规格的公差 ⑥ OK
规格的范围
- 上面的例题中点度规格范围是 24± 2,公差是± 2, 即为4. - 如果规格范围是40± 3,则公差是 ± 3, 即为6.
分析结果 Session窗口
Gage name: Date of study: Reported by: Tolerance: Misc:
By 矫丰 锅龋
Percent
矫丰 锅龋
1
2
3
R Chart by 螟沥磊 辫馆厘 冠馆厘 捞馆厘
Sample Range
2
By 螟沥磊
UCL=2.317 28 27 26 25 24 23 22 21 20
② 选定 Graphs
④ OK
⑤ OK
STAT MENU Session 窗口
1.1
算术平均
1.4
中央值
1.2
标准偏差
平均的标准误差 =σ/ n
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
螟沥磊
辫馆厘 冠馆厘 捞馆厘
Sample Mean
矫丰 锅龋
Average
Graph 窗口(2)
4.4 4.5
%R&R P/T
4.1
精密度
4.2
反复性
4.3
再现性
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.
精密度 (测量的散布程度 ) 4.1 ▶ 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.
4.2 4.4
%R&R
4.5
反复性 ▶ 测定机的散布程度 再现性 ▶ 测定者间的散布程度
4.3
P/T
4.1 4.2 4.3 4.4 4.5
精密度 反复性 再现性
%R&R, P/T : 评价精密度的计测能力指数 ▶ %R&R : 表示测量散布在总散布中所占的比率 → %R&R < 30% 的时候意味该计测器可以信赖. ▶ P/T : 表示测量散布在规格公差中所占的比率 →P/T < 30% 的时候意味该计测器可以信赖.
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(4)
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.
171.0 171.5 172.0 172.5
1.7
1.8 1.9
95% Confidence Interval for Sigma 3.599 95% Confidence Interval for Median
95% Confidence Interval for Median
171.101
3. Capability Study (工程能力)
→ 基本假设 : 无群见假设
STAT MENU Graph 窗口(3)
3.2
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
STAT MENU
Graph 窗口(4)
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.
独立性检验
Worksheet
路径
Stat ▶ Tables ▶ Chi-Square Test
STAT MENU
Dialog窗口 Dialog 창
① 变数指定
② 点击OK
STAT MENU
分析结果
Session窗口
P-value值 ▶ P-Value ≥ 0.05 的时候 → 各变数相互独立. ▶ P-Value＜ 0.05 인 경우 → 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.
3.5
全体预想不良率
4. Chi-Square 检验
STAT MENU
Chi-Square test
X (原因变数) 记数值 计量值
记 数 值
Y (结果变数)
Chi-Square test
Logistic Regression
计 量 值
t-test One-Way ANOVA
回归分析 相关分析
STAT MENU 例题 [1]
STAT MENU 例 题
实习) 求工程能力
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 10± 1g. Worksheet 路 径
子群
Stat ▶ Quality Tools ▶ Capability Analysis (Normal)...
1.10 验证正规性 1.1 1.2 1.3 1.5 1.4 1.6
算术平均 标准偏差 分散
164
167
170
173
176
179
Box Plot
最小值
中央值 最大值 平均的信赖区间 标准偏差的信赖区间 中央值的信赖区间
95% Confidence Interval for Mu
95% Confidence Interval for Mu
STAT MENU
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。
Байду номын сангаас
Worksheet
路径 Stat ▶ Basic Statistics ▶ Display Descriptive Statistics
STAT MENU
Dialog 窗口
① 指定 变数 ③ 选定Graphical summary
Graph窗口(1)
Gage R&R (ANOVA) for 螟沥蔼
Components of Variation
450 400 350 300 250 200 150 100 50 0 Gage R&R Repeat Reprod Part-to-Part %Contribution %Study Var %Tolerance 28 27 26 25 24 23 22 21 20
1
R=0.9 LCL=0 0
0
螟沥磊 辫馆厘
28 27 26 25 24 23 22 21 20 0
Xbar Chart by 螟沥磊 辫馆厘 捞馆厘 冠馆厘
UCL=24.96 Mean=24.04 LCL=23.12
冠馆厘 捞馆厘 螟沥磊*矫丰 锅龋 Interaction
28 27 26 25 24 23 22 21 1 2 3
Variable: ±æ ÀÌ
Anderson-Darling Normality Test A-Squared: P-Value: Mean StDev Variance Skewness Kurtosis N Minimum 1st Quartile Median 3rd Quartile Maximum 171.344 0.522 0.182 171.895 3.952 15.6209 -7.1E-02 -7.0E-01 200 162.712 169.062 171.952 174.887 180.270 172.446 4.383 172.710