Minitab 常用操作简介初级

29 Oct 2009
18
Johnson Controls
X bar-R控制图
29 Oct 2009
19
Johnson Controls
X bar-R控制图
29 Oct 2009
20
Johnson Controls
IM-R控制图
29 Oct 2009
21
Johnson Controls
IM-R控制图



29 Oct 2009
4
Johnson Controls
三. 如何选择合适的质量工具
Y=f(x)
Y
离散型 离 散 型 卡方检验 (Chi Square) 连续型 T检验(t-test) 方差分析(ANOVA) 试验设计(DOE) 相关回归
X
连 续 型
对数回归
(Logistic Regression)
Percent
100 50 0
%?Study?Var % Tolerance
“整个散布中,GAUGE R&R占据的比重是否 Measurement by Part 充分的小? ” 2 Gage R&R, Repeat,Reprod.的高度 0 越接近0越好.
-2 1 2 3 4 5 Part 6 7 8 9 10
-2 1 2 3 4 5 6 Part 7 8 9 10
-2
29 Oct 2009
36
Johnson Controls
Average
可变数据MSA
Minitab 图表分析
Gage R&R (ANOVA) for Measurement
G age name: D ate of study : Reported by : Tolerance: M isc:
我们无法评价我们不知道的， 如果我们不能用数据表示，实际上就等于不知道 只有正确地认识，才能进行管理 我们无法管理时，只能依靠运气 - 摘自“The Vision of Six Sigma” (Mikel J. Harry)
29 Oct 2009
27
Johnson Controls
测量值的构成
＋
=
29 Oct 2009
31
Johnson Controls
可变数据MSA
29 Oct 2009
32
Johnson Controls
可变数据MSA
Minitab Session解释
来源 DF SS MS F P
部件
操作者 Part * Operator
9
2 18
88.3619
3.1673 0.3590
群 (平均值) (n>1)
个体数值 (n=1)
特殊类型的 “缺陷”
不良项目
X-Bar R X-Bar S
个体移动范围 （ I-MR ）
ห้องสมุดไป่ตู้
注: X-Bar S 适合于 群大小 (n) > 10
缺陷的概率低吗? 泊松分布 是
如果你知道坏的数， 你知道好的数吗？ 二项分布 是 个体移动范围 （I-MR） 否
29 Oct 2009
14
Johnson Controls
一个控制图的组成成分
UCL:控制上限
39 3.0SL=37.36
I Chart for C1
UCL = m + k1s CL = m LCL = m – k2s
Individual Value
34 X=30.60 29
CL:中心线
24 -3.0SL=23.84 0 5 10 15 20 25 30 35
① + ② = α = 0.27%
29 Oct 2009
17
Johnson Controls
控制图异常状态检验方法
在MINITAB可以对可能成为异常状态的8种特别原因进行检验. A,B.C显示离中心线分别相距标准偏差3,2,1的区域.
• 检验1:一个点超出区域A
• 检验2: 以中心线为基准,在同一侧面有9个连续点. • 检验3: 相连的6个点连续上升或下降. • 检验4: 连续的14个点相继上升或下降,对此应检讨数据的操作性. • 检验5: 连续的3个点中2个在A区域(以中心线为基准在同一侧) • 检验6: 连续的5个点中4个在区域B或其外边的位置(以中心值为基准在同一侧) • 检验7: 连续的15个点在区域C(以中心线为基准看两侧) 第一是什么使它变好 第二是数据是否读错或测定仪误差 • 检验8: 连续的8个点在区域C外边的位置(以中心线基准两侧)
29 Oct 2009
35
Johnson Controls
可变数据MSA
Minitab 图表分析
Gage R&R (ANOVA) for Measurement
G age name: D ate of study :
Components of Variation
% Contribution
Reported by : Tolerance: M isc:
直方图
29 Oct 2009
8
Johnson Controls
Paratoo图
29 Oct 2009
9
Johnson Controls
Paratoo图
29 Oct 2009
10
Johnson Controls
饼图
29 Oct 2009
11
Johnson Controls
散点图
29 Oct 2009
Measurement by Part
2 0 -2 Gage R&R Repeat Reprod Part-to-Part 1 2 3 4 5 Part 6 7 8 9 10
- 通过/不通过，好/坏 等
计量值和计数值
必须用不同的 方法处理
29 Oct 2009
29
Johnson Controls
计量型测量系统分析
29 Oct 2009
30
Johnson Controls
可变数据MSA
• • • 让我们用Minitab来分析一些数据 打开文件计量型MSA试题-1 使用Minitab的测量测量系统分析功能

基础班

29 Oct 2009
2
Johnson Controls
一、数据的分类
二项分布 属性数据
泊松分布
数据 正态分布 可变数据 非正态分布
29 Oct 2009
3
Johnson Controls
二.数据分析的一般思路
我们看到一组或几组数据，一定要理清大致的分析思 路，一般来说，分为四个阶段： 稳定性分析 研究分布 研究偏差 研究中心
量具 R&R 方差分量 来源 方差分量 合计量具 R&R 0.09143 重复性 0.03997 再现性 0.05146 Operator 0.05146 部件间 1.08645 合计变异 1.17788 过程公差 = 2 来源 标准差(SD) 合计量具 R&R 0.30237 重复性 0.19993 再现性 0.22684 Operator 0.22684 部件间 1.04233 合计变异 1.08530 可区分的类别数 = 4 贡献率 7.76 3.39 4.37 4.37 92.24 100.00 研究变异 (6 * SD) 1.81423 1.19960 1.36103 1.36103 6.25396 6.51180 %研究变异 (%SV) 27.86 18.42 20.90 20.90 96.04 100.00 %公差 (SV/Toler) 36.28 23.99 27.22 27.22 125.08 130.24
Minitab 常用操作简介
29 Oct 2009
Johnson Controls
目录

入门课程

数据分类 数据分析的一般思路（四步骤） 如何选择合适的质量工具？ 简单的统计图形：直方图、Paratoo图、饼图、散点图 SPC方法及步骤 MSA(可变数据/属性数据) 计算过程能力Cp/Cpk/Pp/Ppk
真值 (实际产品散布)
测量误差 (测量散布 )
测量值 (观测的散布)
尽管有数据但它不是时常是事实,有必要确认数据的可靠性.
29 Oct 2009
28
Johnson Controls
测量系统分析方法
测量内容有两种形式 计量值/定量值 - 数据可以用连续的标尺来描述 计数值/定性值
- 数据不能用连续的标尺来描述
-3.0SL=23.84
Observation Number
29 Oct 2009
13
Johnson Controls
什么是控制图 •控制图是通过时间的推移来统计跟踪流程和产品参 数的方法。控制图具体表现出反应(随机)变动的变 动的自然界限的控制上限与下限。这些界限不应与 客户规格界限相比较。
•控制图基于对X或Y设立± 3σ平均界限
12
Johnson Controls
五、SPC控制图
目标
理解控制图的基本原理，确认过程稳定性 I Chart for C1
39
主要内容
• 控制图 • 统计过程控制 • 过程判异原则
Individual Value
34
3.0SL=37.36
X=30.60 29
24 0 5 10 15 20 25 30 35
29 Oct 2009
34
Johnson Controls
可变数据MSA
Minitab Session解释
• 因测量系统的变动(贡献度)是 7.76%, 零件间的差异变动是 92.24%. • 重复性散布是 3.39%再现性散布是 4.37%. • 测量系统的精确度/过程波动比是 27.86%, 可以接受. • 测量系统的精确度/容差比是36.28,测量系统判别良/不良的能力不足. • 测量系统的识别力是4， 可以接受.
LCL:控制下限
Observation Number
M x 样本平均的均值 S 得自样本的标准差 K1,k2 标示不同寻常的观测值的常数(通常=3)
29 Oct 2009
15
Johnson Controls
选择正确的管理图
控制图选择方法
计量型 什么类型的数据 按群还是按个 体收集的数据 ?
?
计数型 是缺陷 还是不良项目?
Johnson Controls
测量系统的意义
• 没有两个东西是完全相同的，但是即使是， 我们测量时仍然会得到不同的值。 • 在六西格玛管理中，数据的应用是极其频繁和相当广泛的。六西格玛方法的 成败与效益，在很大程度上取决于所使用的数据的质量。无论是过程控制、 抽样检验、回归分析、试验设计等都需要使用数据。为了获得高质量的数据， 需要对产生数据的测量系统有充分的了解和深入的分析。
Gage R&R
Repeat
Reprod
Part-to-Part
R Chart by Operator
A B C UCL=0.880 _ R=0.342 LCL=0
Sample Range
1.0
0.5
0.0
“作业者别反复测量值是否稳定” Measurement by Operator 2 注意 !!! 0 R Chart的界限线超出的话,调查其原因后 再测量. -2
(Correlation Regression) 非参数检验
29 Oct 2009
5
Johnson Controls
四、简单的统计图形

直方图 Paratoo图 饼图 散点图
29 Oct 2009
6
Johnson Controls
直方图
29 Oct 2009
7
Johnson Controls
每个样本数 的几率面积不变 ?
否 u 图
29 Oct 2009
不变的样本数 ? 否 p 图
是 c 图
是 np 图
16
Johnson Controls
控制图管理一般原则
LCL
①
异常状态(特殊原因引起的波动) +3σ 管理状态(偶然原因引起的波动) -3σ 异常状态(特殊原因引起的波动)
CL UCL
②
A B Operator C
Xbar Chart by Operator
A 2 B C 2
Operator * Part Interaction
O perator A B C
Sample Mean
0
_ _ UCL=0.351 X=0.001 LCL=-0.348
“相互不同零件鉴别能力是否充分?” 0 与R Chart相反，脱离管理界限线越多越好.
9.81799
1.58363 0.01994
492.291
79.406 0.434
0.000
0.000 0.974
重复性
Total
60
89
2.7589
94.6471
0.04598
零件与操作者没有交互影响
29 Oct 2009
33
Johnson Controls
可变数据MSA
Minitab Session解释
29 Oct 2009
22
Johnson Controls
P图
29 Oct 2009
23
Johnson Controls
P图
29 Oct 2009
24
Johnson Controls
U图
29 Oct 2009
25
Johnson Controls
六. 测量系统分析MSA
29 Oct 2009
26