MINITAB之制程能力分析

•在收集Y特性時要注意層別和分組。 •各項的數據要按時間順序做好相應的整理
進行分析
結果說明
p9
STEP3決定Y特性
決定Y特性
收集Y特性數據
輸入MINITAB數據表
•將數據輸入MINTAB中，或則在EXCEL中都可以。
進行分析
結果說明
p10
STEP4決定Y特性
決定Y特性
收集Y特性數據
輸入MINITAB數據表
• 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
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
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)
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
99.15 99.66
97.74 101.18 101.54
99.71 100.80
98.82 100.24 100.96
• 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
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.
p38
選capability six pack (normal)
p39
輸入各項參數
p40
選定判異准則
p41
選擇標准差估計方法
p42
考慮可選擇項
p43
結果輸出
p44
Capability Sixpack (Between/Within)
• 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
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. •
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
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。
• 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
p66
• PPL is the ratio of X0.5 - LSL to X0.5 - X0.0013. PPU is the ratio of USL - X0.5 to X0.9987 - X0.5. For machine 1, PPL = 1.33 and PPU = 0.66, indicating that more than 0.13 percent pf the process output is more than the upper specification limit. This also indicates that the process has median close to the lower specification limit. This is also evident in the histogram. Machine 2 show similar results. • Ppk is the minimum of PPU and PPL. For both machines, high value of Pp and low value of Ppk indicate that the process median is off the specification midpoint. This also indicates that more than 0.13 percent of the process output is outside at least one of the specification limits.
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)
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.
MINITAB之製程能力分析
易騰涂順章
p1
製程能力之分類
計量型(基於正態分佈)
計數型(基於二項分佈)
計數型(基於卜氏項分佈)
p2
MINITAB 能力分析的選項(計量型)
• • • • • • Capability Analysis (Normal) Capability Analysis (Between/Within) Capability Analysis (Weibull) Capability Sixpack (Normal) Capability Sixpack (Between/Within) Capability Sixpack (Weibull)
輸入MINITAB數據表
•Y特性一般是指客戶所關心所重視的特性。 •Y要先能量化，儘量以定量數據為主。 •Y要事先了解其規格界限，是單邊規格，還是雙邊規格。 •目標值是在中心，或則不在中心 •測量系統的分析要先做好。
進行分析
結果說明
p8
STEP2決定Y特性
決定Y特性
收集Y特性數據
輸入MINITABBaidu Nhomakorabea據表
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
• 此項的分析是用在當制程不是呈現正態分 佈時所使用。因為如果制程不是正態分佈 硬用正態分佈來分析時，容易產生誤差， 所以此時可以使用韋氏分佈來進行分析， 會更貼近真實現像。
p23
練習
• • • • 請使用同前之數據來進行分析。 上規格：103 下規格：97 規格中心：100
p24
選韋氏分佈
p25
•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
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