6西格玛质量控制数据处理与分析

6西格玛质量控制数据处理与分析

院：理学院课程名称：《试验设计与质量控制》实验日期：2013年12月11日姓名XXX

组

号

1

学号XXXX 实验室统计实验室专业统计学班号2011.1

老师签名

成绩评定

实验器材三台计算机

一、实验目的

（1）熟悉6西格玛过程；

（2）学会运用Statistical软件；

（3）学会Statistical环境下进行数据处理与分析，绘制质量控制图。

二、预备知识

计算机操作基础，Statistical软件操作基础。

三、实验内容与操作结果

（一）描述统计：

1、均值、中位数、标准差、最小值、最大值和极差。

打开statistical软件→开启→统计→基本统计→描述统计→变量→按

住ctrl选取变量WIDTH和LENGTH→确定→进阶→选择“平均数、中位

数、标准差、最小值和最大值、极差”→摘要，得到如下结果：

2、直方图。

在1的操作步骤后：点击快速→直方图→摘要，得到如下结果：

3、箱线图。

点击统计→六西格玛→测量（M）→盒须图→变量→“1-2为”反应变量，分类变量为none→确定→确定，得到如下结果：

（二）假设检验：

1、单样本t检验。

打开statistical软件→开启例2.2数据→统计→基本统计→单一样本t检验→点击快速→设定均值为8.48→摘要→选择”耗油量”→摘要，得到如下结果：

结论：根据实验操作得到的P值为0.085808，在显著性水平α取0.05时，我们不能拒绝原假设，顾接受原假设。即认为百公里耗油仍然为8.48升，并没有显著性改进。

2、两独立样本t检验。

打开statistical软件→开启例2.3数据→统计→基本统计→独立样本

t检验、依据分群定义→进阶→变量→反应变量“配件厚度”，分群变量“组别”→确定→摘要t检验→摘要，得到如下结果：

结论：在给定显著性α为0.05的水平下，P值远远大于α，不能拒绝原假设。即认为两样本代表的均值是相等的。

进阶→分类正太概率图→摘要，得到下图：

3、配对样本t检验。

打开statistical软件→开启例2.4数据→统计→基本统计→相依样本t 检验→变量→选择第一变量列表“m1”，第二变量列表“m2”→确定→摘要，得到如下结果：

（三）质量管理图表：

1、因果图。

打开statistical软件→开启例2.6的数据→统计→六西格玛→定义（D）→要因图→将变量“预防成本、鉴定成本”选入中心线上方的原因，“内部故障、外部故障”选入中心线下方的原因→快速→摘要：显示要因图→确定，得到如下结果：

2、帕累托图。

打开statistical软件→开启例2.7数据→统计→六西格玛→改进（I）→帕累托图→快速→编码与计数值→变量→包含缺点类型的变量“缺陷类型”，包含缺点计数的变量“缺陷数”→确定→确定→在帕累托图生成对话框选择“显示图表摘要”，得到如下结果：

（四）测量系统分析：

1、重复性。

打开statistical软件→开启例3.1数据→统计→基本统计→进阶→选

择平均值和标准差→选择变量“零件1”→确定→摘要，得到如下结果：

重复以上步骤，将变量改为“零件2、零件3、零件4、零件5”，再得到汇总表如下：

（五）R&R分析：

1、打开statistical软件→开启例3.2数据→统计→工业统计与six sigma→量测→量规重复性与重置性分析→分析数据文件→变量→依次选择“操作者代码、测量对象、测量对次数、测量值”→确定→编码（用于操作员、零件与操作次数）→所有都选择全选→确定→确定→进阶→极差法与方差估计，得到如下结果：

击方差估计，得到如下结果：

（六）过程能力与西格玛水平：

1、过程能力指数。

打开statistical软件→开启例2.1数据→统计→过程分析→过程能力分析与容差区间，原始数据→确定→分群→变量→选择“WIDTH-LENGTH”→确定→过程规格→输入两变量的规格中心分别为100和1000，公差为10和15→确定→选择固定样本数位3→确定→进阶、正态→所有变量，得到如下结果：

(七)SPC与控制图。

1、均值极差图

打开statistical软件→开启例4.1数据→统计→质量控制图→计量型X-bar与R控制图→确定→变量选择“观测值为电阻值，样本定义卷为样本代码”→确定→确定，得到如下结果：

2、单值-移动极差控制图。

打开statistical软件→开启例4.2数据→统计→质量控制图→个别观测值与移动级差控制图→确定→选择变量为“甲醛浓度”→确定，得到如下结果：

3、计数值控制图。

打开statistical软件→开启例4.3数据→统计→质量控制图→技术型控制图→计数型控制P图→确定→计数值（以样本大小区分两侧值，用于计算比率或比例）→选择“np”为计数值或比例，选择“n”为样本大小→确定，得到如下结果：