Minitab应用基础知识

Minitab应用基础知识

一、 Minitab界面和基本操作介绍 (1)

1.1 Minitab界面 (1)

1.2 工具栏的介绍 (2)

1.3 常用菜单与命令 (2)

1.4 数据类型 (3)

1.5 数据类型的转换 (3)

1.6 数据类型的堆积 (4)

1.7 数据块的堆积 (4)

1.8 转置栏 (5)

二、Minitab之常用图形 (6)

2.1鱼骨图 (6)

2.2 柏拉图 (8)

2.3 散布图 (11)

2.4 直方图 (13)

三、 Minitab在控制图中的应用 (15)

3.1 计量型控制图 (16)

3.1.1 Xbar-R做法 (16)

3.1.2 Xbar-s做法 (19)

3.1.3 I-MR图做法 (21)

3.2计数型控制图 (24)

3.2.1 p图做法 (24)

3.2.2 np图做法 (26)

3.2.3 c图做法 (28)

3.2.4 u图做法 (31)

附录一 (33)

一、Minitab界面和基本操作介绍

1.1 Minitab界面

打开文件

Session Window:

分析结果输出窗口

同一时间只能激活一个窗口，每一个窗口可以单独储存。

1.2 工具栏的介绍

1.3 常用菜单与命令

1.4 数据类型

1.5 数据类型的转换

Select: Data > Change Data Type > Text to Numeric

1.6 数据类型的堆积

Select: Data > Stack > Stack Columns

1.7 数据块的堆积

Select: Data > Stack > Stack Blocks of Columns

1.8 转置栏

Select: Data > Transpose Columns

二、Minitab之常用图形

QC七大工具中常用图形如下

鱼骨图、柏拉图、散布图、直方图、控制图（见第三章）

2.1鱼骨图

又称因果图，石川图，鱼刺图。上世纪50年代的日本质量管理专家石川馨发明。协助全面查找问题原因

因果图的优点：结构清晰；揭示因果关系

头脑风暴法：美国的一个广告策划人奥斯本提出，采用会议的形式（6－8人），对一个中心议题广开言路，激发灵感。畅所欲言、强调数量、不作评论，互相结合（以别人观点再进行发展）

练习

Select: Stat > Quality tools> Cause and effect Step1：输入数据

Step2：填好各项需要的参数

Step3：结果输出

2.2 柏拉图

又称排列图，是意大利经济学家Pareto发明（他研究社会财富，80％得财富在20％得少数人手中），朱兰博士归结为“关键得少数，次要得多数”用于质量管理，影响产品质量往往是一，两个主要原因。

练习

序号缺陷项数量

1 虚焊500

2 漏焊300

3 强度不够200

4 外观受损150

5 其它160 Select: Stat > Quality tools> Pareto Chart

Step1：输入数据

Step2：填好各项参数

Step3：结果输出

曲线明显趋于“平坦”的点称为分界点，该斜率的突减代表累积曲线的一个突变，即分出了“关键少数”和“次要的多数”

若曲线的斜率变化不明显，可以暂对影响达60％的进行分析、诊断。也可采用分层的方法二次进行柏拉图分析。

2.3散布图

考察y的增减与因素x之间的相关程度

检验推测的问题根本原因与问题之间的关

练习

Y 65 66 65 66 67 67 68 68 67 68 X 800 810 820 830 840 850 860 870 890 900

Select: Gragh > ScatterPlots

Step1：输入数据

Step2：输入参数

Step3：输出图形

散点图与相关性的关系：

2.4 直方图

对你所关心的x或y，分组并统计每组出现的频率，对于制程比较稳定的直方图而言，应该与正态分布的形状相似。我们通过直方图，可以形象了解数据的分布，是否处于受控的情况（既无飘移，又服从正态分布）。

练习

Select: Gragh > Histogram Step1：输入数据

Step2：输入参数

Step3：结果输出

三、Minitab在控制图中的应用

监控过程绩效，迅速发现过程出现的异常波动；及时采取纠正和纠正措施，避免异常的再次的发生。两种波动源的介绍。控制图的原理介绍。

Minitab可提供的图形

在普通波动情况下，质量特性X服从N（μ，σ2），σ即为正常的变差。在界限μ±3σ时，正常情况下包含在内的点的概率是99.73％，也就是说超出这个控制界限的点，且是正常波动下的点的概率可以认为是微乎其微，那么，则说明这个超出界限的点多数是异常值。在控制图中，如何得到代表正常的变差的σ是很重要的，我们往往会采取在很短的时间内抽取一些样本作为子组，算出各子组的极差，再得到总的平均极差，除以一个系数，即可得到正常的变差的σ了。有些控制图之间的区别就因为，子组样本数的不同而使σ的估计方法的不同。