MINITAB之制程能力分析

99.17 101.06
99.24 99.62 100.62
99.30 101.16
98.64 99.33 100.67
98.80 100.45
98.73 99.91 100.49
9
10
101.49
97.16
100.67
98.26
99.36
97.59
100.38
100.09
102.10
99.78
p13
• 不可以用在
– 0,1,2,3等二項以的選擇，此種狀況必頇使用卜 氏分佈。
p49
示例
• 數據在excel檔案中
p50
選二項分佈制程能力
p51
填好各項的參數
p52
選好控制圖的判異准則
p53
填入選擇項
p54
結果及輸出
p55
結果解釋
• 請針對前圖進行相應的各項解釋
p56
卜氏分佈制程能力分析
輸入數據
p14
執行能力分析
p15
輸入選項
p16
選擇標准差的估計方法
p17
選項的輸入
p18
以Cpk, Ppk結果的輸出
p19
以Zbench方式輸出
p20
結果說明
• 請學員按此圖形來說明該製程狀況
p21
Capability Analysis (Between/Within)
p22
Capability Analysis (Weibull)
• 卜分佈只適合用在
– 計數型，有二個以上的選擇時
• 例如可以用在
– 外觀檢驗，但非關鍵項部份 – 0,1,2,3等二項以的選擇，此種狀況必頇使用卜 氏分佈。
p57
示例
• 數據在excel檔案中
p58
選卜氏分佈制程能力
p59
填好各項的參數
p60
選好控制圖的判異准則
p61
填入選擇項
p62
結果及輸出
輸入相關參數
p26
填入選項要求
p27
結果圖形
p28
比較二者有何差異
• 此二項誰更適合來解釋制程狀況。 • 如果你是制程工程師你應如何抉擇
p29
正態分佈適用性的判定
• 可以使用
– Stat>basic statistic>normality test
• 但數據要放到同一個column中，所以必頇 針對前面的數據進行一下處理
p65
• The probability plot confirms that the data follows largest extreme value distribution. For machine 1, AD = 0.335 and P > 0.25. For machine 2, AD = 0.341 and P > 0.25. • The capability statistics are based on the 0.5, 99.87 and 0.13 percentiles denoted as X0.5, X0.9987, and X0.0013. The percentiles are calculated using the parameter estimates for the largest extreme value distribution. • Pp is defined as the ratio of the specification range (USL - LSL) to the potential process range (X0.9987 X0.0013 ). Pp for machine 1 and machine two are 0.84 and 0.90 respectively, indicating that the probability that the process produces conforming frozen food packets is slightly less than 0.9974.
1
2 3
99.70
99.32 99.89
98.72
100.97 99.83
100.24
100.87 101.48
101.28
99.24 99.56
101.20
98.21 100.90
4 5
6 7 8
ห้องสมุดไป่ตู้
99.15 99.66
97.74 101.18 101.54
99.71 100.80
98.82 100.24 100.96
p5
Capability Analysis (Weibull)
• 該命會會劃出帶韋伯曲線的直方圖，這可 直觀評估數據是否服從韋伯分布。輸出報 告中還包含總體過程總能力統計
p6
製程能力分析做法
決定Y特性
收集Y特性數據
輸入MINITAB數據表
進行分析
結果說明
p7
STEP1決定Y特性
決定Y特性
收集Y特性數據
• 當非正態分佈時則可以使用
– Capability Analysis (Weibull)
p36
Capability Sixpack (Normal)
• 複合了以下的六個圖形
– Xbar –R – 原始數據分佈 – 直方圖 – 正態分佈檢定 – CPK, PPK
p37
練習
• 請以前面的數據來進行相應的Capability Sixpack (Normal)練習
p3
Capability Analysis (Normal)
• 該命令會劃出帶理論正態曲線的直方圖， 這可直觀評估數據的正態性。輸出報告中 還包含過程能力統計表，包括子組內和總 體能力統計。
p4
Capability Analysis (Between/Within)
• 該命令會劃出帶理論正態曲線的直方圖， 可以直觀評估數據的正態性。 • 該命令適用於子組間存在較變差的場合。 輸出報告中還包含過程能力統計表，包括 子組間／子組內和總體能力統計。
p30
數據調整
p31
選擇執行項目
p32
填寫選項
p33
結果輸出
p34
結果輸出(加標0.5概率)
p35
計量型製程能力分析總結
• 一般的正態分佈使用
– Capability Analysis (Normal)
• 如果是正態分佈且其組內和組間差異較大 時可用
– Capability Analysis (Between/Within)
p45
同前練習及結果
p46
Capability Sixpack (Weibull)
• 複合了以下的六個圖形
– Xbar –R – 原始數據分佈 – 直方圖 – 正態分佈檢定 – CPK, PPK
p47
結果輸出
p48
二項分佈制程能力分析
• 二項分佈只適合用在
– 好，不好 – 過，不過 – 好，壞
•利用MINITAB>STAT>QUALITY TOOL •>CAPABILITY ANALYSIS (NORMAL)
進行分析
結果說明
p11
STEP5決定Y特性
決定Y特性
收集Y特性數據
輸入MINITAB數據表
•利用MINITAB的各項圖形來進行結果說明
進行分析
結果說明
p12
練習
樣本 X1 X2 X3 X4 X5
p63
結果解釋
• 請針對前圖進行相應的各項解釋
p64
Example of Capability Analysis for Multiple Variables (Nonnormal)
• 1 Open the worksheet MNCAPA.MTW. • 2 Choose Stat > Quality Tools > Capability Analysis > Multiple Variable (Nonnormal). • 3 In Variables, enter Weight. • 4 Check BY variables and enter Machine. • 4 In Fit data with, choose Distribution and then select Largest extreme value. • 5 In Lower spec, enter 27. In Upper spec, enter 35. • 6 Click OK.
p67
• The PPM < LSL (1.03209) indicates that for machine 1, 1 out of 1 million is expected to fall below the lower specification limit of 27 oz. The PPM > USL (10904) indicates that for machine 1, 10904 out of 1 million are expected to exceed the upper specification limit of 35 oz. Machine two show similar results. • Industry guidelines determine whether the process is capable. A generally accepted minimum value for the indices is 1.33. For both machines the capability indices are lower than 1.33. The process tends to put more food in a package than the upper limit. The manufacturer needs to take immediate steps to improve the process. •