Minitab培训-SPC统计过程分析
合集下载
SPC过程能力分析minitab版
1、输入数据。
2、堆栈:将数据堆叠到一列中,点选数据—堆叠—列。
出现堆叠列选项框,选取要堆叠的列，点选当前工作表的列，输入存放堆叠的列C26，点确定,即可出现堆叠的列C26。
3、正态性检验
点选工具栏统计-—基本统计量-—正态性检验
选择堆叠的列C26，点选百分位数线无，正态性检验Anderson-Darling,输入标题,确定
自动生成正态性检验
4、绘制Xbar-R控制图
点选工具栏统计—控制图—子组的变量控制图-—Xbar-R(B）
出现Xbar-R控制图选项框，选择刚堆叠的列，输入子组大小,
点选选项，出现下图对话框，点选检验，选择对特殊原因进行所有检验，确定点选标签，出现下图对话框，输入标题,确定
Xbar-R控制图选项框确定后，自动生成Xbar—R控制图
5、过程能力分析
点选工具栏统计--质量工具—-能力分析--正态
点选单列，选取堆叠的列，输入子组大小、规格上下限，
确定后，自动生成过程能力分析图表。
6、6σ绘制
点选工具栏统计—-质量工具-—Capability Sixpack(S）-—正态
在正态分布对话框中点选单列，选择堆叠的列C26，输入子组大小、规格上下限点选检验,出现下图对话框，点选进行所有8项检验（A），确定
点选选项，出现下图对话框，输入标题，确定确定后，自动生成。
MINITAB数据-分析-统计
11
数据的堆积（Stack&Unstack）
• Select: Data > Stack/Unstack > Stack
原始数据
输入需要堆积的 列，如果由前后 顺序，按前后顺 序进行输入 输入堆积后存放 列的位置 注解可以用来区 分数据的来源
12
数据块的堆积（Stack Blocks）
• Select: Data > Stack/Unstack > Stack Blocks
计数型
P (不合格品率控制图） nP （不合格品数控制图） C （不合格数控制图） U （单位不合格数）
52
Xbar-R
(平均值-极差)
Xbar-R是用于计量型 判稳准则：连续二十五点没有超出控制界限。 判异准则：
一点超出控制界限 连续六点上升或下降或在同一侧 不呈正态分布，大部份点子没有集中在中心线。
计算功能
计算器功能 生成数据功能 概率分布功能 矩阵运算
4
Minitab的功能
数据分析功能
基本统计 回归分析 方差分析 实验设计分析 控制图
– – – – –
时间序列 列联表 非参数估计 EDA(探索性数据分析 ) 概率与样本容量
质量工具
可靠度分析 多变量分析
Y
0 X
32
输入数据
• Select: Gragh> ScatterPlot
33
输入参数
34
输出图形
35
直方图
决定你所关心的Y或X
收集Y或X的数据 输入MINITAB表 MINITAB绘出直方图
进行判定
36
录入数据
数据的堆积（Stack&Unstack）
• Select: Data > Stack/Unstack > Stack
原始数据
输入需要堆积的 列，如果由前后 顺序，按前后顺 序进行输入 输入堆积后存放 列的位置 注解可以用来区 分数据的来源
12
数据块的堆积（Stack Blocks）
• Select: Data > Stack/Unstack > Stack Blocks
计数型
P (不合格品率控制图） nP （不合格品数控制图） C （不合格数控制图） U （单位不合格数）
52
Xbar-R
(平均值-极差)
Xbar-R是用于计量型 判稳准则：连续二十五点没有超出控制界限。 判异准则：
一点超出控制界限 连续六点上升或下降或在同一侧 不呈正态分布，大部份点子没有集中在中心线。
计算功能
计算器功能 生成数据功能 概率分布功能 矩阵运算
4
Minitab的功能
数据分析功能
基本统计 回归分析 方差分析 实验设计分析 控制图
– – – – –
时间序列 列联表 非参数估计 EDA(探索性数据分析 ) 概率与样本容量
质量工具
可靠度分析 多变量分析
Y
0 X
32
输入数据
• Select: Gragh> ScatterPlot
33
输入参数
34
输出图形
35
直方图
决定你所关心的Y或X
收集Y或X的数据 输入MINITAB表 MINITAB绘出直方图
进行判定
36
录入数据
第一章 Minitab的SPC使用
结论:点出界就判异以后要把它当成一条规定来记住.
•
一.控制图原理
第二种解释:
控 制 图
1.偶然因素引起偶然波动。偶然波动不可避 免,但对质量的影响微小,通常服从正态分布, 且其分布不随时间的变化而改变。
可预测
过程受控
•
一.控制图原理
第二种解释:
2.异因引起异波。异波
控 产生后,其分布会随时 制 间的变化而发生变化。 图 异波对质量影响大,但
图形输出:
1
602
Xbar-S Chart of Supp2
1
600
598
6
1
3
5
7
9
11
13
15
17SaLeabharlann ple321
0
1
3
5
7
9
11
13
15
17
Sample
+3SL=602.424 +2SL=601.693 __+1SL=600.961 X=600.23 -1SL=599.499 -2SL=598.767 -3SL=598.036 19
决定选项
进行正态性转换
➢λ值将标准转换变量的 标准偏差最小化,当λ≠0， 转换结果为Y λ,如λ＝0,转 换结果为LOGeY
λ值 λ＝2 λ＝0.5 λ＝0 λ＝-0.5 λ＝-1
转换值 Y´=Y2 Y´=√Y Y´=logeY Y´=1/√Y Y´=1/Y
决定选项(续)
输入1,2,3StDEV控制限
15
17
19
21
23
25
Sample
判图
• 请判定前图是否有异常 • 请问本图为分析用图或是控
2024年Minitab培训教程详解-(带目录)
Minitab培训教程详解-(带目录)Minitab培训教程详解一、引言Minitab是一款广泛应用于质量管理、数据分析、过程改进等领域的统计软件。
它凭借其强大的数据处理能力、简便的操作界面和丰富的图表功能，受到了众多专业人士的青睐。
为了让用户更好地掌握Minitab的使用技巧，本文将详细介绍Minitab的基本操作、常用功能及实际应用案例，帮助读者快速提升数据分析能力。
二、Minitab基本操作1.安装与启动（1）从官网Minitab安装包。
（2）按照提示完成安装过程。
（3）启动Minitab，输入序列号激活软件。
2.界面介绍（1）菜单栏：包含文件、编辑、视图、帮助等菜单。
（2）工具栏：提供常用功能的快捷按钮。
（3）项目管理器：用于创建、管理和保存项目。
（4）工作表：用于输入、编辑和查看数据。
（5）图表：用于展示数据分析结果。
3.数据输入与编辑（1）手动输入数据：在工作表中直接输入数据。
（2）导入外部数据：支持Excel、CSV、TXT等格式。
（3）数据编辑：包括复制、粘贴、删除、插入等操作。
（4）数据筛选：根据条件筛选数据。
三、Minitab常用功能1.描述性统计（1）基本统计量：包括均值、中位数、标准差等。
（2）频数分析：统计各数据出现的次数。
（3）图表展示：包括直方图、箱线图等。
2.假设检验（1）单样本t检验：检验样本均值是否等于总体均值。
（2）两独立样本t检验：检验两个样本均值是否存在显著差异。
（3）配对样本t检验：检验两个相关样本均值是否存在显著差异。
3.方差分析（1）单因素方差分析：检验多个样本均值是否存在显著差异。
（2）双因素方差分析：检验两个因素对样本均值的影响。
4.相关分析与回归分析（1）相关分析：研究两个变量之间的关系。
（2）线性回归：建立一个或多个自变量与因变量之间的线性关系模型。
（3）多元回归：建立一个或多个自变量与多个因变量之间的线性关系模型。
5.质量管理工具（1）控制图：监控过程稳定性，发现异常因素。
MINITAB-统计过程控制SPC资料讲解
举例
准备过程能力分析
正态性检测,看凸轮轴的长度是否符合正态分布 1 选择Graph>Histogram
2 选择With Fit，点击OK 3 在Graph variables，输入Supp1
举例
从图中可以看到，分布符合钟型
举例
执行过程能力分析
查看是否Supplier 1有能力生产出符合工程规格600mm+/-2mm的 产品来
7 Target(adds Cpm to table)，输入600
举例
Supplier1的均值和极差看起来是受控的。但是注意到均值是599.548mm 而不是600mm.Supplier1的平均极差是1.341mm
举例
评估供应商2过程类似供应商1
从Supplier 2的xbar和R图表中可以看到有两个点超过了上控制限 R图表没有显示过程超出控制。 然而,注意到中心线是在3.890，这几乎是Supplier 1的3倍
S Limits
子组均值-极差图
Tests 选择要进行的异常现象测试
子组均值-极差图
显示历史阶段图形
Stages
子组均值-极差图
进行Box-Cox转换
Box-Cox
子组均值-极差图
Display
定义结果显示
子组均值-极差图
选择保存的指标值
Storage
子组均值-标准差图
在一个图形中同时显示子组均值和标准差图 同时评估过程水平及变差,并检查过程中是否存
MINITAB-统计过程控制SPC
Box-Cox转换
选择数据是在一列或多列
输入选择的列
子组大小
其他选项
Box-Cox转换
选择自定义或者使用默认值来自转换后列保存位置子组均值-极差图
SPC统计过程控制及minitab应用
步骤: 1.先决定是属于那一种控制图 Ø 板厚数据:属于计量值控制图 Ø 每天量测四点板厚数据:样本数介于2 < n=4 < 10 间 →平均值及极差控制图
29/129
平均值&极差控制图
步骤: 2.先计算各组的平均值 及 极差
4/25 4/26 4/27 4/28 4/29 4/30 5/1 5/2 5/3
– 中心线(centerline，简称CL ) :
• 用来代表制程质量数据的平均值
– 描绘的点:
• 由制程收集质量数据经加以计算获得
15/129
控制图
22
21
20
6s
19
Sam ple M ean
X barChartof 銅厚
控制上限
X 3s
U CL=21.775
__ X =19.824
中心线
18
Ø X bar控制图控制界限
UCL X X A 2 R CL X X
LCL X X A 2 R
A2 3 d2 n
Ø R bar控制图控制界限 : UCL R D 4 R
CL R R LCL R D 3 R
D3 1 3 d3 d2
D4 1 3 d3 d2
备注:控制图系数A2、D3 、D4 为由样本大小n决定之系数
常的变化，其变化是不可避免的，如要予以减少或去除是非常不经济的 6/129
制程变动的原因分析
Ø 非机遇原因(Random cause):
– 又可称为不正常原因或异常原因，乃由下列各项所引起: (一)使用不合格的原料或材料 (二)未按SOP作业，或本身SOP不合理 (三)机械故障或工具损坏 (四)未经考试合格人员作业
特性 ü平均值、标准偏差…
29/129
平均值&极差控制图
步骤: 2.先计算各组的平均值 及 极差
4/25 4/26 4/27 4/28 4/29 4/30 5/1 5/2 5/3
– 中心线(centerline，简称CL ) :
• 用来代表制程质量数据的平均值
– 描绘的点:
• 由制程收集质量数据经加以计算获得
15/129
控制图
22
21
20
6s
19
Sam ple M ean
X barChartof 銅厚
控制上限
X 3s
U CL=21.775
__ X =19.824
中心线
18
Ø X bar控制图控制界限
UCL X X A 2 R CL X X
LCL X X A 2 R
A2 3 d2 n
Ø R bar控制图控制界限 : UCL R D 4 R
CL R R LCL R D 3 R
D3 1 3 d3 d2
D4 1 3 d3 d2
备注:控制图系数A2、D3 、D4 为由样本大小n决定之系数
常的变化，其变化是不可避免的，如要予以减少或去除是非常不经济的 6/129
制程变动的原因分析
Ø 非机遇原因(Random cause):
– 又可称为不正常原因或异常原因，乃由下列各项所引起: (一)使用不合格的原料或材料 (二)未按SOP作业，或本身SOP不合理 (三)机械故障或工具损坏 (四)未经考试合格人员作业
特性 ü平均值、标准偏差…
SPC统计过程控制及minitab应用
制程能力分析-Cp
制程精密度Cp (Capability of precision)：单边规格
[1].上限规格(USL)的场合
Cpu USL X 3s
[2].下限规格(LSL)的场合
x ˆ
USL
Cpl X LSL 3s
LSL
x ˆ
105/129
制程能力分析-Cpk
Cpk，制程能力指数： Cpk 是总合Ca和Cp二值之指数，其计算式为；
(2)样本数要大,才能准确地估计制程参数与制程能力指标 数据需要至少25 组样本, 达到125 个数据, 如果数据不足, 则依照绩 效指标公式计算。
(3)质量特性値服从or近似常态分配;非常态则使用百分位法计算
百分位法
99/129
制程能力分析
例:打靶靶图
试述那一个“精” ? 那一个“准 ” ?
精而不准
X 3s
1 4 7 10 13 16 19 22 25 28
Sample
控制下限
15/129
控制图种类
➢控制图依收集的数据型态可分为：
– 计量值控制图(Variable Control Chart)
计量
– 计数值控制图(Attribute Control Chart)
计数
➢依用途目的可分为：
1.解析用控制图–目的在于研究制程能力同时解析制程 以进行制程控制之准备
• 未正确实施设备维护 • 不正确之操作方法
7/129
制程变动的原因分析
➢ 制程变动比较
机遇原因 • 种类很多 特 • 随时存在 性 • 每类影响性小 • 不易消除
非机遇原因 • 种类少 • 偶而发生 • 每类影响性皆很大 • 可经济的消除
Minitab全面经典教程：统计分析
输入参数
可以选择不同的 输出表现形式
输出图形
•可以用直接方式判定，有正相关的倾向。 •更详细的说明可以参见回归分析
直方图
决定你所关心的Y或X 收集Y或X的数据 输入MINITAB表 MINITAB绘出直方图 进行判定
练习
序号
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 61.1 60.6 61.3 61.0 60.9 61.0 60.3 60.5 61.0 61.2 60.4 60.8 62.3 62.2 60.1 61.3 60.8 60.6 60.8 60.2 60.8 60.7 61.3 61.4 60.9 60.5 60.8 61.2 60.9 60.8 61.4 60.9 60.3 61.8 60.6 60.9 61.0 61.5 61.0 60.4 61.3 59.7 61.2 60.5 61.0
零件重量
60.6 61.3 60.7 60.9 61.5 60.6 61.7 61.1 60.3 61.6 61.2 60.8 60.0 61.6 61.1 60.6 61.0 61.2 60.9 61.7 61.1 60.5 61.0 61.1 60.6 61.9 61.0 61.0 62.5 60.8 62.0 60.8 60.6 61.7 59.8 61.0 61.6 60.7 61.1 60.4 60.9 61.2 60.1 61.1 61.5 61.0 60.7 61.1 61.4 62.1 61.1 61.6 61.2 61.0 60.3 61.0 60.6 61.4 61.0 61.7 60.6 60.2 62.1 60.4 62.3 60.9 60.7 60.8 61.1 60.6 60.7 60.7 61.1 61.4 60.5
MINITAB_SPC功能简介
HELP—软件顾问
Help 提供软件操作的全程服 务 StatGuide 给予使用者统计知 识的指导
Tutorials：初学者的家庭老师
点选Help-〉Help，出现以下界面：Help按菜单子目录呈现。
例如进入Xbar and R Chart子目录
Overview 概述 How to Example 例子示范 Data 提供相关数据 See also 相关链接
Calc
可作数学方式的表现及变 换。 以行与列为单位可算出各 种统计量。 对于行与列执行标准化变 换。 生成有规则的数据，也可 产生回归分析中所用的指 示因子。 产生根据分布函数的 RENDOM DATA, 分布概 率。
Stat-Minitab的精华★
GB4091.8 GB4091.9
Normal，Poisson，Binomial的比较
H i st og ra m of no rm a l, poi s so n, B i
Normal 30 25 20 15 10 5 0 -3 -2 -1 0 Data 1 2 3
Variable normal poisson Bi Mean StDev N 0.5107 1.148 100 0.5 0.7454 100 0.51 0.6741 100
Minitab 简介
软件主界面—Default Window :Session, Worksheet, Project Manager 各功能
Project Manager Minitab 以项目形式管理文件
Session—一个类似日志窗口:输入命令，操作的执行 及所得结果的输出。
Worksheet—数据记录、处理、呈现。具有EXECL 一般功能。 注： 1. Worksheet 以栏-Column为变量,行-Row 为记录。 2. 数据有数值，文本，时间/日期三种格 式（选中区域，右击得到弹出窗口， 选Format Column更改）
CPK-SPC-minitab操作培训教程
14
计算每个子组的平均值和极差
平均值X的计算：
x1 x 2 x 3 x 4 x 5 x 5
R值的计算：
R xmax xmin
eg.计算每组的平均值和极差
1
2 3 4 5 平均 极差
100
98 99 100 101 99.6 3
98
99 97 100 99 98.6 3
质量特性波动因素
2、从对质量影响的大小区分
偶然原因：简称偶因，由偶因引起质量偶然波动简称偶 波。偶波是不可避免的，但对质量的影响很小。 异常原因：简称异因，由异因引起质量异常波动简称异 波，它对质量影响大，且采取措施不难消除。但一旦发 生，应尽快找出，采取措施加以消除，并纳入标准，保 证不再出现。
只有偶然因素没有异常因素的状态，称为统计控制状态， 简称稳态，是控制阶段实施过程控制所追求的目标。
分布(distribution)：用来描述随机现象的统计规 律，说明两个问题：变异的幅度有多大；出现这么 大幅度的概率。 计量特性值：如焊线推拉力、固晶推力、金球厚度、 等连续性数据，最常见的是正态分布(normal distribution)。 计件特性值：如检验合格/不合格两种离散性数据， 最常见的是二项分布(binomial distribution)。 计点特性值：如单位芯片上外观检验缺陷数等离散 性数据，最常见的是泊松分布(Poisson distribution)。
0.14
1.86 0.37
0.18
1.82 0.34
0.22
1.78 0.31
步骤C：过程控制解释
C1分析控制图上的数据点
Ｃ 过 程 控 制 解 释
超出控制限的点 链 明显的非随机图形
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
一、集中量数：一群数据之代表值，表示数据的集中位置。
意义：1.次数分配中心的位置，又称位置量数。 2.计算法由【平均方式】而得。 3.各种结果皆向其中心集中，也称集中趋势量数。 种类：平均数、中位数、众数
3.众数(Mode):－Mo
一群数据中，出现次数最多次的数值。若二相邻两数值均为出现次数最多的数值， 则取平均值。 频数最大的数量,用以消除极大及极小值的影响。
控制图不是
• • • • 1. 不是能力分析的替代工具。 2. 在来料检验的过程中很难用到（没有时间序列）。 3. 控制图不是高效的比较分析工具。 4. 不应与运行图或预控制图混淆。
三、控制图目的
• 运用控制图的目的之一就是，通过观察控制图上产品质 量特性值的分布状况，分析和判断生产过程是否发生了异 常，一旦发现异常就要及时采取必要的措施加以消除，使 生产过程恢复稳定状态。也可以应用控制图来使生产过程 达到统计控制的状态。产品质量特性值的分布是一种统计 分布．因此，绘制控制图需要应用概率论的相关理论和知 识。
1.极差（Range）－R:度量样本数据分散范围的量, 公式：R=Xmax-Xmin(样本或总体中的最大值减最小值)。 2.标准差(σ.S):样本数据离散程度的统计量,利用每个样本数据偏离其中心位置 的大小来表示离散程度,较精确。 国际标准化组织规定，把样本方差的正平方根作为样本标准偏差，用符号S 来表示。其计算公式：
二、控制图诞生
1. 美国W. A. Shewhart博士于1924年5月16日发明了第一 张管制异或异常变异,并判断过程是否处 于控制状态的一种工具.
控制图是：
• 1. 实时图表化反馈过程的工具。 • 2. 设计的目的是告诉操作者什么时候做什么或不做 什么。 • 3. 按时间序列展示过程的个性/表现。 • 4. 设计用来区分信号与噪音。 • 5. 侦测均值及/或标准差的变化。 • 6. 用于决定过程是稳定的（可预测的）或 失控的 （不可预测的）。
什么是SPC?
■ Statistical:（统计）
以概率统计学为基础，用科学的方法分析数据，得出结论；
■ Process： （过程）有输入-输出的一系列的活动； ■ Control： （控制）事物的发展和变化是可预测的；
抽 样 检 验
UCL
生产过程
样本
数据
CL
在管制图中发现不正常状态 调整品质 管制图
总体-N μ X- bar 样本-n 总体平均值 样本平均值
Control
规格 过程
USL
SL LSL Ca Cp
UCL
CL LCL Cpk
计量值: 均值－极差控制图 中位数－极差控制图 单值－移动极差控制图 均值－标准差控制图 计数值 不合格品率控制图（Ｐ图） 不合格品数控制图（Pn图） 缺陷数控制图（c图） 单位缺陷数控制图（ µ图）
LCL
统计分析的基本概念
一、总体（母体）：是指在某一次统计分析中研究对象的全体。 1.有限总体：被研究对象是有限的，如一批产品的总数； 2.无限总体：被研究对象是无限的，如某个企业、某个生产过程 从前、现在、将来生产的全部产品。 3.个体：组成总体的每个单元（产品）叫做个体 4.总体含量（总体大小）：总体中所含的个体数，常用N表示。
Statistical Process control
统计过程控制 SPC
课程目标
了解统计基本概念 了解控制图原理 计量型与计数型控制图的作法与适用范围 控制图的选用原则 过程的特性及过程能力 Ppk 和 Cpk 之间的区别以及了解如何计算这些指 数。
课程重点
Statistical Process
Process:（过程）
制程控制系统 -有反馈的过程控制系统模型
过程的呼声 人员 设备 材料 方法 环境 我们工作 的方式/资 源的融合 产品或服务 顾客 识别不断变化的需 求量和期望 过程/系统 统计方法
输入
输出
顾客的呼声
过程的稳定性:
■稳定过程：产品质量 质量特性的变异是在 可预测的统计控制
范围之内；
过程受控
■不稳定过程：产品质量质 量特性的变异无法以统计 方法来预测；
过程失控
过程变差：包含普通原因和特殊原因
控制 Control
一、 控制图概述
控制图(Control chart)就是对生产过程的 关键质量特性值进行测定、记录、评估并监测过 程是否处于控制状态的一种图形方法。 根据假设 检验的原理构造一种图，用于监测生产过程是否 处于控制状态。它是统计质量管理的一种重要手 段和工具。
二、差异量数：以一个数字来代表一群统计数据内差异或离散程度。离散趋 势指标。
目的：若一群数据差异量大，则平均数代表性小，反之则大，因此为 了了解一群数据之特性，除了计算平均数外，还必须计算差异量数的 大小。
种类：极差、标准差 案例说明：
组别 A B 1 50 0 2 50 100 3 50 0 4 50 100 结果 ? ?
总体
样本
一批 半成品 判断
数据
对工序进行分析 控制
工序
样本
数据
对一批产品质量进 行判断，确定是否 合格
有 限 总 体
一批 产品
样本
数据
判断
案例
某种成品零件分装在20个零件箱装，每箱各装50个，总共是 1000个。如果想从中取100个零件作为样本进行测试研究。 简单随机抽样：将20箱零件倒在一起，混合均匀，并将零件从 1～ 1000编号，然后用查随机数表或抽签的办 法从中抽出编号毫无规律的100个零件组成样 本。 系统抽样：将20箱零件倒在一起，混合均匀，并将零件从1～ 1000编号，然后用查随机数表或抽签的办法先决定 起始编号，按相同的尾数抽取100个零件组成样 本。 分层抽样：20箱零件，每箱都随机抽取5个零件，共100个组成 样本。 整群抽样：先从20箱零件随机抽出2箱，该2箱零件组成样本。
二、样本（子样）：是指从总体中随机抽取出来并且要对它进行详细 研究分析的一部分个体（产品）； 1.样本是由1个或若干个样品组成的。 2.样本容量（样本大小）：样本中所含的样品数目，常用n表示。
抽样：是指从总体中随机 抽取样品组成样本 的活动过程。
Ｎ μ σ
n x s
数据、样本和总体的关系
目的
无 限 总 体