Minitab教材（課堂PPT）

1、0Minitab的使用QA Department沈瑩杰2007.081 MINITAB = Mini + Tabulator =小型 + 計(jì)算機(jī)Minitab是眾多統(tǒng)計(jì)軟件當(dāng)中比較簡(jiǎn)單易懂的軟件之一；相對(duì)來講，Minitab在質(zhì)量管理方面的應(yīng)用是比較適合的；Minitab的功能齊全，一般的數(shù)據(jù)分析和圖形處理都可以應(yīng)付自如。在上個(gè)世紀(jì)80年代Motorola開始在公司內(nèi)推行6 Sigma，并開始借助Minitab使6 Sigma得以最大限度的發(fā)揮；6 Sigma的DMAIC階段中，很多分析和計(jì)算都可以都通過Minitab簡(jiǎn)單的完成；即使是對(duì)統(tǒng)計(jì)的知識(shí)不怎么熟悉，也同樣可以運(yùn)用Minitab很好的

2、完成各項(xiàng)分析。Minitab介紹介紹2Minitab界面和基本操作介紹3Data Window: 輸入數(shù)據(jù)的窗口 每一列的名字可以寫在最前面的列 每一列的數(shù)據(jù)性質(zhì)是一致的主菜單主菜單Session Window: 分析結(jié)果輸出窗口Minitab 界面界面4 同一時(shí)間只能激活一個(gè)窗口.每一個(gè)窗口可以單獨(dú)儲(chǔ)存.不同的要求選擇不同的保存命令Minitab 界面界面5打開文件打開文件保存文件保存文件打印窗口打印窗口編輯最后對(duì)話框編輯最后對(duì)話框前一命令前一命令下一命令下一命令查找查找查找下一個(gè)查找下一個(gè)管理圖形管理圖形Info窗窗關(guān)閉圖形關(guān)閉圖形剪切剪切復(fù)制復(fù)制粘貼粘貼恢復(fù)恢復(fù)statguide程序文件

3、夾程序文件夾取消取消幫助幫助數(shù)據(jù)文件夾數(shù)據(jù)文件夾實(shí)驗(yàn)設(shè)計(jì)實(shí)驗(yàn)設(shè)計(jì)撤銷撤銷History窗窗文件窗文件窗report窗窗數(shù)據(jù)窗數(shù)據(jù)窗程序窗程序窗Pjt managerMinitab 工具欄介紹工具欄介紹6 Data Change Data Type Text to Numeric需要轉(zhuǎn)換的列轉(zhuǎn)換后數(shù)據(jù)存放列，可以是原來的數(shù)據(jù)列數(shù)據(jù)類型的轉(zhuǎn)換數(shù)據(jù)類型的轉(zhuǎn)換 (Change Data Type)7 Data Stack Stack Columns輸入需要堆棧的列，如果由前后順序，按前后順序進(jìn)行輸入輸入堆棧后存放列的位置注解可以用來區(qū)分?jǐn)?shù)據(jù)的來源原始數(shù)據(jù)數(shù)據(jù)的堆棧（數(shù)據(jù)的堆棧（Stack&Unstac

4、k）8 Data Stack Stack Blocks of Columns原始數(shù)據(jù)在對(duì)話框中輸入25列數(shù)據(jù)，注解列在前面輸入新工作表和注解的位置數(shù)據(jù)塊的堆積（數(shù)據(jù)塊的堆積（Stack Blocks）9輸入需要轉(zhuǎn)置的列輸入新工作表的位置可以輸入注解列 Data Transpose Columns轉(zhuǎn)置欄（轉(zhuǎn)置欄（Transpose Columns）10 Data Concatenate輸入需要連接的數(shù)據(jù)列輸入新數(shù)據(jù)列的位置原始數(shù)據(jù)連接（連接（Concatenate）11 Data code原始數(shù)據(jù)編碼規(guī)則被編碼的變量編碼（編碼（Code）12基礎(chǔ)統(tǒng)計(jì)13描述性統(tǒng)計(jì)描述性統(tǒng)計(jì) Display De

5、scriptive Statistics 打開附件: 2255MB00 Basic Stats.mpj Stat Basic Statistics Display Descriptive Statistics 在 “Variables” 中輸入“Diameter “ Descriptive Statistics: Diameter Variable N N* Mean SE Mean StDev Minimum Q1 Median Q3Diameter 12 0 1.4000 0.0426 0.1475 1.2100 1.2350 1.4500 1.4650Variable MaximumDi

6、ameter 1.6800選擇需顯示的統(tǒng)計(jì)量14Stat Tables Tally Individual Variables Tally for Discrete Variables: Diameter Diameter Count 1.21 1 1.22 1 1.23 1 1.25 1 1.38 1 1.45 4 1.47 1 1.56 1 1.68 1 N= 12描述性統(tǒng)計(jì)描述性統(tǒng)計(jì) Mode15Stat Basic Statistics Graphical summary描述性統(tǒng)計(jì)描述性統(tǒng)計(jì) Graphical Summary10090807060504030MedianMean71.0

7、70.570.069.569.0Anderson-Darling Normality TestVariance100.000Skewness-0.050008Kurtosis0.423256N500Minimum29.824A-Squared1st Quartile63.412Median69.9773rd Quartile76.653Maximum103.30195% Confidence Interval for Mean69.1210.4270.87995% Confidence Interval for Median69.02170.73795% Confidence Interval

8、 for StDev9.41610.662P-Value0.328Mean70.000StDev10.00095% Confidence IntervalsSummary for Normal中位數(shù)四分之三位數(shù)四分之一位數(shù)樣本數(shù)95%CI:真實(shí)的平均值95置信區(qū)間平均P0.05,正態(tài)分布16Minitab 概率計(jì)算概率計(jì)算-Z分布分布10864131412-1-2-33210USL1610假設(shè)過程 = 10 ， = 2問題 1: 如果USL=13,USL和mean之間是多少mm？問題2: 如果StdDev=2,USL和mean之間是多少個(gè)StdDev？問題3: 超過USL部分的概率是多少？X刻

9、度單位是刻度單位是mmZ刻度單位是刻度單位是標(biāo)準(zhǔn)偏差標(biāo)準(zhǔn)偏差Z = X - Z = 13 - 10 2= 1.5P(x13)？17Minitab 概率計(jì)算概率計(jì)算-Z分布分布 Calc Probability Distributions Normal在平均值和觀測(cè)值之間有幾個(gè)StDevNormal with mean = 0 and standard deviation = 1 x P( X 13)=1-0.933193=0.066807練習(xí)：求練習(xí)：求Z0.94的概率的概率Session Window 輸出:18Minitab Z 值值計(jì)算計(jì)算-Z分布分布Calc Probability D

10、istributions NormalNormalCCFZ=?3210-1-2-30.40.30.20.10.082.64%問題：P(Z ?) = 0.8264 Inverse Cumulative Distribution Function Normal with mean = 0 and standard deviation = 1P( X Open WorksheetDataSurfaceflaws.mtwStat Quality tools Cause and effectMinitab常用的圖形常用的圖形-特性要因圖特性要因圖點(diǎn)擊subsuface flawEnvironmentts

11、MeasuremenMethodsMaterialMachinesPersonnelOperatorsTrainingSupervisorsShiftsSpeedLathesBitsSocketsSuppliersLubricantsAlloysBrakeEngagerAngleInspectorsMicroscopesMicrometersCondensationMoisture%TestingMentorsErraticToo slowConditionAccuracyC Ca au us se e- -a an nd d- -E Ef ff fe ec ct t D Di ia ag g

12、r ra am m結(jié)果輸出24Stat Quality tools Pareto ChartMinitab常用的圖形常用的圖形-Pareto Chart輸入缺陷列輸入頻數(shù)列其他項(xiàng)所占的比率1-80%pareto名稱X軸、Y軸名稱 Pareto Chart：掌握核心的少數(shù)原因而使用，遵循2：8法則25Minitab常用的圖形常用的圖形-Pareto ChartCount500300200160150Percent38.222.915.312.211.5Cum %38.261.176.388.5100.0C Co ou un nt tP Pe er rc ce en nt t缺陷項(xiàng)Other劃傷強(qiáng)

13、度不夠漏焊虛焊1400120010008006004002000100806040200P Pa ar re et to o C Ch ha ar rt t o of f 缺缺陷陷項(xiàng)項(xiàng)4個(gè)缺陷項(xiàng)占88.5%26YX65800668106582066830678406785068860688706789068900Minitab常用的圖形常用的圖形-Scatter Plot Scatter Plot：大致掌握兩個(gè)變數(shù)(X,Y)的相關(guān)關(guān)系而使用Gragh ScatterPlot輸入MTB27Minitab常用的圖形常用的圖形-Scatter Plot可以選擇不同的輸出表現(xiàn)形式90085080068

14、676665XY可以用直接方式判定，有正相關(guān)的傾向。更詳細(xì)的說明可以參見回歸分析結(jié)果輸出28Graph Matrix Plot Matrix Plot 為同時(shí)掌握許多變數(shù)間的相關(guān)關(guān)系而使用. 選擇所有所關(guān)心的變數(shù) 顯示Pulse1和 Pulse2相關(guān)關(guān)系的散點(diǎn)圖 顯示Pulse1和 Weight相關(guān)關(guān)系的散點(diǎn)圖 顯示Height和 Weight相關(guān)關(guān)系的散點(diǎn)圖 顯示Height和 Weight相關(guān)關(guān)系的散點(diǎn)圖 和 X軸, Y軸相互被調(diào)換 Data : File Open Worksheet Data Pulse.mtwMinitab常用的圖形常用的圖形-Matrix plot29Graph H

15、istogramMinitab常用的圖形常用的圖形-Histogram Histogram：大致掌握data的中心和散布、異常點(diǎn)等信息 選擇所需的變量，可以是多個(gè)選擇所需的直方圖點(diǎn)擊ok102.0101.5101.0100.5100.099.599.098.598.097.597.09876543210測(cè)量值Frequency可以知道分布的總體情況，包括范圍、形態(tài)、最頻值、散布大小、有無異常值等30 BoxPlot：大致掌握Data的中心和散布形態(tài)，了解異常值是否存在測(cè)測(cè)量量值值102101100999897B Bo ox xp pl lo ot t o of f 測(cè)測(cè)量量值值Q1Q3medi

16、anUpper Limit, Q3+1.5(Q3-Q1)內(nèi)的最大值Q3 : 將數(shù)據(jù)以順序排列時(shí)位于 的值.中央值 :將數(shù)據(jù)以順序排列時(shí)位于中央的值.Q1 :將數(shù)據(jù)以順序排列時(shí)位于 1/4 的值.Lower Limit, Q1-1.5(Q3-Q1)內(nèi)的最小值* 異常值Data的中間50%GraphBoxplotMinitab常用的圖形常用的圖形-Boxplot31時(shí)間銷售量2003/11502003/21262003/31352003/41652003/51902003/61702003/71752003/81802003/9176Minitab常用的圖形常用的圖形-Time series pl

17、ot Time series plot：掌握Data隨時(shí)間的變化Graph Time Series Plot輸入MTB32輸入序列點(diǎn)擊Minitab常用的圖形常用的圖形-Time series plot選擇合適的圖2003/92003/82003/72003/62003/52003/42003/32003/22003/1190180170160150140130120Date/Time銷售量依此狀況來判定未定的銷售趨勢(shì)。結(jié)果輸出33Minitab常用的圖形常用的圖形-Run ChartStat Quality Tools Runchart 是Stack形態(tài)的Data的話，選擇有 測(cè) 定 D a

18、 t a 的 行 列 ， 指 定 Subgroup Size抽樣內(nèi)平均, 中位數(shù)中選擇 Run Chart : 掌握隨時(shí)間經(jīng)過對(duì)過程 Data有何影響，掌握是否有異常原因的過程變化. 用4個(gè) P-Value判斷數(shù)據(jù)的傾向 - P-Value 0.05以上 : 穩(wěn)定 - P-Value 0.05 不到 : 存在異常原因 Clustering P-Value為為 0.0096的解釋的解釋 : Clustering 的假設(shè)驗(yàn)證判定值P-Value: 0.0096 Open Worksheet Data Pulse.mtw34Minitab常用的圖形常用的圖形-Multi-Vari ChartStat

19、 Quality Tools Multi-Vari chart 選擇反應(yīng)值(Y) 選擇輸入因子(X), 最多能選擇 4個(gè) Multi-Vari Chart : 掌握許多 X因子水平變化時(shí), Y 因子的值怎樣變化從而掌握因子間相互關(guān)系. (在各 X因子水平上 Y因子的平均值怎樣不同，在坐標(biāo)上顯示) Metal Type 3水平的平均連接的線Metal Type別 Sinter Time 3 水平的平均連接的線 Metal Type 15是 Sinter Time 0.5, Metal Type 18是 Sinter Time 1.0, Metal Type 21是Sinter Time 2.0上

20、 Strength最高. (Metal Type和 Sinter Time間交互作用存在.) Data : File Open Worksheet Data Sinter.mtw35MSA測(cè)量系統(tǒng)分析36準(zhǔn)度/ 偏差線性度穩(wěn)定性重復(fù)性再現(xiàn)性精度測(cè)量誤差的組成部分測(cè)量誤差的組成部分Accuracy/準(zhǔn)確度Bias/偏移Linearity/線性Stability (consistency)/ 穩(wěn)定性(一致性)Precision/精密度Repeatability test/retest / 重復(fù)性Reproducibility / 再現(xiàn)性37重復(fù)性重復(fù)性是由一個(gè)評(píng)價(jià)人，采用一種測(cè)量?jī)x器，多次測(cè)量同一

21、零件的同一特性時(shí)獲得的測(cè)量值變差。重復(fù)性重復(fù)性 & 再現(xiàn)性再現(xiàn)性再現(xiàn)性是由不同的評(píng)價(jià)人，采用相同的測(cè)量?jī)x器，測(cè)量同一零件的同一特性時(shí)測(cè)量平均值的變差。 GRR=5.15 Gage R&R變動(dòng)：變動(dòng)：99%置信區(qū)間置信區(qū)間再現(xiàn)性38分辨率/分辨力發(fā)現(xiàn)最小變化的能力不恰當(dāng)?shù)臏y(cè)量單位測(cè)量單位對(duì)于所檢測(cè)的變差來講太大指導(dǎo)方針：“10份制規(guī)則”測(cè)量系統(tǒng)的最小辨識(shí)力應(yīng)為產(chǎn)品規(guī)范或過程變差的1/1012345分辨力好12345分辨力差測(cè)量同樣的過程輸出1.31分辨力分辨力39變量型變量型MSA的的6步驟步驟進(jìn)行初始校正進(jìn)行初始校正研究策劃研究策劃 - 取樣：大部分選擇10個(gè)零件，是事先有計(jì)劃準(zhǔn)備，cover

22、變動(dòng)或Spec全范圍 - 分辨力：記錄所有測(cè)量系統(tǒng)所有的分辨力 -試驗(yàn)和數(shù)據(jù)收集： 通常需要3個(gè)操作員，10個(gè)零件，每個(gè)操作員對(duì)每個(gè)零件測(cè)量3次(重復(fù))； 如果沒有3個(gè)操作員，選擇足夠的樣品以滿足(# of samples) x (# of operators) 14 如果還是不可能，選擇重復(fù)次數(shù)滿足 S x O 4, # trials = 6 S x O 5, # trials = 5 S x O 8, # trials = 4 S x O Quality Tools Gage Study Gage R&R Study (Crossed)首選ANOVA方法，因?yàn)槿绻鹢perator*part

23、顯著，可以包含交互作用項(xiàng)USL LSL = 0.50USL=1.0LSL=0.6USL = 1.0LSL = 0.5本例中41Two-Way ANOVA Table With InteractionSource DF SS MS F P Part 9 2.05871 0.228745 39.7178 0.00000Operator 2 0.04800 0.024000 4.1672 0.03256Operator*Part 18 0.10367 0.005759 4.4588 0.00016Repeatability 30 0.03875 0.001292 Total 59 2.24912 G

24、age R&R %ContributionSource VarComp (of VarComp) Total Gage R&R 0.004437 10.67 Repeatability 0.001292 3.10 Reproducibility 0.003146 7.56 Operator 0.000912 2.19 Operator*Part 0.002234 5.37 Part-To-Part 0.037164 89.33 Total Variation 0.041602 100.00 StdDev Study Var %Study Var %ToleranceSource (SD) (5

25、.15*SD) (%SV) (SV/Toler) Total Gage R&R 0.066615 0.34306 32.66 68.61 Repeatability 0.035940 0.18509 17.62 37.02 Reproducibility 0.056088 0.28885 27.50 57.77 Operator 0.030200 0.15553 14.81 31.11 Operator*Part 0.047263 0.24340 23.17 48.68 Part-To-Part 0.192781 0.99282 94.52 198.56 Total Variation 0.2

26、03965 1.05042 100.00 210.08 Number of Distinct Categories = 4Gage name:Date of study:Reported by:Tolerance:Misc:00.30.40.50.60.70.80.91.01.1123Xbar Chart by OperatorSample MeanMean=0.8075UCL=0.8796LCL=0.735400.000.050.100.15123R Chart by OperatorSample RangeR=0.03833UCL=0.1252LCL=0 1 2 3 4 5 6 7 8 9

27、100.40.50.60.70.80.91.01.1PartOperatorOperator*Part InteractionAverage1 2 3 1230.40.50.60.70.80.91.01.1OperatorBy Operator 1 2 3 4 5 6 7 8 9100.40.50.60.70.80.91.01.1PartBy Part%Contribution %Study Var %Tolerance Gage R&RRepeatReprodPart-to-Part0100200Components of VariationPercentGage R&R (ANOVA) f

28、or ResponseSession WindowGraphsMSA- Variables42MSA- VariablesGage name:Date of study:Reported by:Tolerance:Misc:00.30.40.50.60.70.80.91.01.1123Xbar Chart by OperatorSample MeanMean=0.8075UCL=0.8796LCL=0.735400.000.050.100.15123R Chart by OperatorSample RangeR=0.03833UCL=0.1252LCL=0 1 2 3 4 5 6 7 8 9

29、100.40.50.60.70.80.91.01.1PartOperatorOperator*Part InteractionAverage1 2 3 1230.40.50.60.70.80.91.01.1OperatorBy Operator 1 2 3 4 5 6 7 8 9100.40.50.60.70.80.91.01.1PartBy Part%Contribution %Study Var %Tolerance Gage R&RRepeatReprodPart-to-Part0100200Components of VariationPercentGage R&R (ANOVA) f

30、or Response1Stability穩(wěn)定性2Discrimination分辨力3Repeatability重復(fù)性4Product vs. Measurement variation產(chǎn)品vs測(cè)量變差1235545對(duì)測(cè)定系統(tǒng)變動(dòng)的直方圖根據(jù)測(cè)定者反復(fù)值 R-chart 在管理界線內(nèi)，故良好5Reproducibility再現(xiàn)性目標(biāo)是50%以上的點(diǎn)落在控制線以外，變動(dòng)的原因主要是部件間的差異根據(jù)測(cè)定者的變動(dòng)，是測(cè)定者別全體的平均根據(jù)部件的變動(dòng)，是隨部件的全體平均部件與測(cè)定者間交互作用ANOVA上交互作用“Oper * Part”是顯著的.43% Study% Tolerance置信區(qū)間不重疊的

31、個(gè)數(shù) 全部變差的全部變差的10.7% 來自測(cè)量系統(tǒng)來自測(cè)量系統(tǒng)全部變差的全部變差的3.1% 來自來自重復(fù)性問題，其余的部分來自重復(fù)性問題，其余的部分來自再現(xiàn)性問題再現(xiàn)性問題89% 來自來自零件的變差零件的變差Session WindowMSA- Variables44MSA- Variables100* onContributi %TOTAL22RR&Acceptance Criteria% Contribution1%9%Acceptance Criteria% Study Variation10%30%100* TOTALR&RationStudy Vari %Acceptance Cri

32、teria% Tolerance10%30%100*Tolerance*155 Tolerance %P/T Tolerance to PrecisionR&RRRActual&41.1 Categories Distinct of NumberAcceptance Criteria# of Distinct Categories5 or more0-3445MSA- Purpose Of Attribute MSA 準(zhǔn)確性檢查 評(píng)價(jià)標(biāo)準(zhǔn)和顧客要求對(duì)比 /識(shí)別測(cè)量系統(tǒng)符合”已知標(biāo)準(zhǔn)”的程度 精密性檢查 確認(rèn)檢查員(評(píng)價(jià)者)所有班次、設(shè)備、生產(chǎn)線是否使用相同標(biāo)準(zhǔn)評(píng)價(jià) 再現(xiàn)性再現(xiàn)性 量化檢查員(評(píng)

33、價(jià)者)或儀器準(zhǔn)確重復(fù)檢查結(jié)果的能力重復(fù)性重復(fù)性 識(shí)別檢查員/儀器測(cè)量”已知標(biāo)準(zhǔn)”(顧客定義),確保沒有錯(cuò)誤分類的能力 多久操作員會(huì)將不良品判為良品？ 多久操作員會(huì)將良品判為不良品？ 確定以下范圍 是否需要培訓(xùn) 是否缺乏程序或控制計(jì)劃 標(biāo)準(zhǔn)是否未定義 儀器調(diào)整是否是必須的46MSA- Attribute MSA 6 stepStep 1:至少選擇30個(gè)部件 50%有缺陷50%沒有缺陷盡可能選擇界限附近的好的和不好的樣品Step 2:選擇有資格的評(píng)價(jià)者Step 3:每個(gè)評(píng)價(jià)者隨機(jī)評(píng)價(jià)部件，確認(rèn)是否通過或不通過Step 4:輸入Excel或MTB 報(bào)告屬性數(shù)據(jù)MSA的有效性Step 5: 結(jié)果文件化

34、，如有必要，進(jìn)行相應(yīng)的改善Step 6:再運(yùn)行MSA，驗(yàn)證改善有效47MSA- Attribute MSA Kappa 比較了評(píng)價(jià)者之間去除了的偶然性的一致性比率比較了評(píng)價(jià)者之間去除了的偶然性的一致性比率 由于偶然性一致的比率由于偶然性一致的比率 Pchance = (P Insp1 Good) (P Insp2 Good) + (P Insp1 Bad)(PInsp2 Bad) chancechanceobservedP1PPKappa Kappa的判定規(guī)則通常如下的判定規(guī)則通常如下 0 非隨機(jī)的不一致 0.9極好的測(cè)量系統(tǒng)48MSA- Attribute MSA 屬性數(shù)據(jù)用屬性數(shù)據(jù)用3個(gè)或

35、以上分類的順序表示，可用個(gè)或以上分類的順序表示，可用KCC (Kendalls Coefficient Of Concordance)評(píng)價(jià)測(cè)量系統(tǒng)評(píng)價(jià)測(cè)量系統(tǒng)- KAPPA: Pass/Fail- KCC: Mild/Medium/Hot/Very Hot KCC的判定規(guī)則通常如下的判定規(guī)則通常如下 - 0-0.7 低程度聯(lián)系，需關(guān)注測(cè)量系統(tǒng) - 0.7-1.0 通常可接收49MSA- Attribute MSA (Kappa)Stat Quality ToolsAttribute Agreement Analysis DATADATA : : Unstack數(shù)據(jù)stack數(shù)據(jù)評(píng)價(jià)人員重復(fù)次數(shù)

36、已知標(biāo)準(zhǔn)值則輸入所在列順序型數(shù)據(jù)check50MSA- Attribute MSA (Kappa) Attribute Agreement AnalysisAttribute Agreement Analysis for R1T1, R1T2, R2T1, R2T2 Within Appraisers Assessment AgreementAppraiser # Inspected # Matched Percent 95 % CI1 20 19 95.00 (75.13, 99.87)2 20 18 90.00 (68.30, 98.77)# Matched: Appraiser agre

37、es with him/herself across trials.Fleiss Kappa StatisticsAppraiser Response Kappa SE Kappa Z P(vs 0)1 n 0.897698 0.223607 4.01463 0.0000 y 0.897698 0.223607 4.01463 0.00002 n 0.791667 0.223607 3.54044 0.0002 y 0.791667 0.223607 3.54044 0.0002Between Appraisers Assessment Agreement# Inspected # Match

38、ed Percent 95 % CI 20 17 85.00 (62.11, 96.79)# Matched: All appraisers assessments agree with each other.Fleiss Kappa StatisticsResponse Kappa SE Kappa Z P(vs 0)n 0.845261 0.0912871 9.25937 0.0000y 0.845261 0.0912871 9.25937 0.0002個(gè)評(píng)價(jià)者Kappa 0.70，一致度較好 足夠的重復(fù)性評(píng)價(jià)者間的Kappa 0.70 /足夠的再現(xiàn)性 51MSA- Attribute M

39、SA (KCC)下面是對(duì)提議好壞的判斷值。使用1-5的標(biāo)準(zhǔn)，1表示差，5表示極好，Proposal Judge 1 Judge 2 Judge 3 1433 2424 3545 4344 5321 6232 例例 : : 52MSA- Attribute MSA (KCC)Stat Quality ToolsAttribute Agreement Analysis53MSA- Attribute MSA (KCC)Attribute Agreement Analysis for Judge 1, Judge 2, Judge 3 Between Appraisers Assessment Ag

40、reement# Inspected # Matched Percent 95 % CI 6 0 0.00 (0.00, 39.30)# Matched: All Appraisers assessments agree with each other.Fleiss Kappa StatisticsResponse Kappa SE Kappa Z P(vs 0)1 -0.058824 0.235702 -0.24957 0.59852 0.035714 0.235702 0.15152 0.43983 -0.107692 0.235702 -0.45690 0.67614 0.000000

41、0.235702 0.00000 0.50005 0.437500 0.235702 1.85616 0.0317Overall 0.033058 0.132073 0.25030 0.4012Kendalls Coefficient of Concordance Coef Chi - Sq DF P0.670034 10.0505 5 0.0738還是能得到Kappa統(tǒng)計(jì)表，但是用不到它們首先要看p值，記住KCC0，表示有聯(lián)系，如果p值很小，我們接受KCC0。P值表示純粹由于偶然而發(fā)生聯(lián)系的可能性。這里表示有的純粹由于偶然而發(fā)生非0 KCC的機(jī)會(huì)是7.4%(互相聯(lián)系的水平)。你的決定取決于你

42、愿意承擔(dān)的風(fēng)險(xiǎn)。通常設(shè)為0.05KCC比較小54MINITAB 過程能力分析55Data Collection反映長(zhǎng)期的反映長(zhǎng)期的 變動(dòng)變動(dòng)C C 指數(shù)指數(shù)P P指數(shù)指數(shù)TargetTargetTargetTarget規(guī)格界限規(guī)格界限對(duì)稱對(duì)稱規(guī)格界限規(guī)格界限對(duì)稱對(duì)稱CpkCpCpmCpmkPpkPpPpmPpmkNNYYNYNYNY過程能力指數(shù)整理過程能力指數(shù)整理變量型數(shù)據(jù)過程能力分析變量型數(shù)據(jù)過程能力分析56變量型數(shù)據(jù)過程能力分析變量型數(shù)據(jù)過程能力分析* PLSL實(shí)際實(shí)際 Data變換變換 Data ZBench的結(jié)果隨長(zhǎng)期或短期的標(biāo)準(zhǔn)偏差以及 Target 設(shè)定有、無， ZST和 ZLT進(jìn)

43、行變換.USLLSL* PUSL3.0%4.5%ZBenchPTOTAL = PLSL + PUSL+7.5% 一般的一般的 水平指水平指 ZBench 的的ZST值值.* ZBench ZBench的定義的定義57變量型數(shù)據(jù)過程能力分析變量型數(shù)據(jù)過程能力分析-Normality Test 變量型Data上正態(tài)性測(cè)定是Data分析的基礎(chǔ).過程能力分析, 平均值測(cè)定, 效果分析等大部分利用變量型Data的分析結(jié)果的解釋都假定正態(tài)分布. 沒有正態(tài)分布的話根據(jù)過程能力指數(shù)及 P-value的判斷會(huì)出錯(cuò).Normality Test (Normality Test (正態(tài)性測(cè)定正態(tài)性測(cè)定) )Stat

44、Basic StatisticsNormality Test 利用利用MinitabMinitab的正態(tài)性測(cè)定的正態(tài)性測(cè)定正態(tài)性測(cè)定方法正態(tài)性測(cè)定方法 通過一般坐標(biāo)的大概的診斷. (通過Histogram頻度數(shù)的形狀) 利用Normal Probability Plot的大概的診斷 : 使正態(tài)分布的曲線成直線化，判斷Data與直線的類似性 利用Normal Probability Plot適合性測(cè)定 : P-valueP-value值越大越接近于值越大越接近于正態(tài)正態(tài)分布分布. . (接近直線)D Di is st ta an nc ce e 2 25 5P Pe er rc ce en nt

45、 t11.010.510.09.59.099.99995908070605040302010510.1Mean9.769StDev0.3029N125AD0.370P-Value0.421P Pr ro ob ba ab bi il li it ty y P Pl lo ot t o of f D Di is st ta an nc ce e 2 25 5Normal D Di is st ta an nc ce e 2 25 5P Pe er rc ce en nt t11.010.510.09.59.099.99995908070605040302010510.1Mean9.769StDe

46、v0.3029N125AD0.370P-Value0.421P Pr ro ob ba ab bi il li it ty y P Pl lo ot t o of f D Di is st ta an nc ce e 2 25 5Normal 58正態(tài)分布的變量型數(shù)據(jù)過程能力分析正態(tài)分布的變量型數(shù)據(jù)過程能力分析StatQuality ToolsCapability Analysis(Normal) 利用利用MinitabMinitab的過程能力分析的過程能力分析 / / 假定正態(tài)分布的過程能力分析過程能力分析設(shè)定過程能力分析設(shè)定一個(gè)OP生產(chǎn)的連續(xù)5個(gè)樣品為一組輸入Single column:

47、Distance 25.Sub-group size: Sub-group 25 or 5LSL: 9USL: 11非正態(tài)數(shù)據(jù)用Box-Cox轉(zhuǎn)化5910.810.510.29.99.69.39.0LSLTargetUSLLSL9Target10USL11Sample Mean9.76944Sample N125StDev(Within)0.243594StDev(Overall)0.303479Process DataCp1.37CPL1.05CPU1.68Cpk1.05Pp1.10PPL0.85PPU1.35Ppk0.85Cpm0.87Overall CapabilityPotential

48、 (Within) CapabilityPPM USL0.00PPM Total0.00Observed PerformancePPM USL0.22PPM Total792.61Exp. Within PerformancePPM USL25.08PPM Total5641.18Exp. Overall PerformanceWithinOverallP Pr ro oc ce es ss s C Ca ap pa ab bi il li it ty y o of f D Di is st ta an nc ce e 2 25 5 工序數(shù)據(jù)工序數(shù)據(jù) 規(guī)格的上限 規(guī)格的目標(biāo)值規(guī)格的下限 數(shù)據(jù)的

49、平均 數(shù)據(jù)量 組內(nèi)標(biāo)準(zhǔn)偏差 全體標(biāo)準(zhǔn)偏差 短期過程能力短期過程能力Cp : 短期工序能力指數(shù)Cpk : 考慮偏移的短期 工序能力指數(shù)長(zhǎng)期過程能力長(zhǎng)期過程能力Pp :長(zhǎng)期工序能力指數(shù)Ppk : 考慮偏移的實(shí)際 工序能力指數(shù)表示平均離目標(biāo)值(Target)脫離多少的指數(shù)(平均與 Target一樣的話 Cp=Cpm 相反遠(yuǎn)離的話是 CpCpm) 現(xiàn)在 Data的完成能力現(xiàn)在數(shù)據(jù)來看 因達(dá)不到規(guī)格的 不良率是 0PPM. 短期的預(yù)想完成能力規(guī)格未達(dá)到或超過而發(fā)生的不良率是 762.61PPM長(zhǎng)期的預(yù)想完成能力規(guī)格未達(dá)到或超過而發(fā)生的不良率是 5641.18PPM正態(tài)分布的變量型數(shù)據(jù)過程能力分析正態(tài)分布

50、的變量型數(shù)據(jù)過程能力分析60StatQuality ToolsCapability Analysis(Normal)Option 利用利用Minitab的過程能力分析的過程能力分析 / ZBench ZST 算出方法(輸入輸入Target值值) 過程能力分析設(shè)定過程能力分析設(shè)定LSL輸入U(xiǎn)SL輸入TargetTarget值輸入值輸入正態(tài)分布的變量型數(shù)據(jù)過程能力分析正態(tài)分布的變量型數(shù)據(jù)過程能力分析-Zst bench為求ZBench 值Check下面6110.810.510.29.99.69.39.0LSLUSLLSL9Target*USL11Sample Mean10Sample N125St

51、Dev(Within)0.243594StDev(Overall)0.381973Process DataZ.Bench3.94Z.LSL4.11Z.USL4.11Cpk1.37Z.Bench2.37Z.LSL2.62Z.USL2.62Ppk0.87Cpm*Overall CapabilityPotential (Within) CapabilityPPM USL0.00PPM Total0.00Observed PerformancePPM USL20.20PPM Total40.40Exp. Within PerformancePPM USL4422.56PPM Total8845.12E

52、xp. Overall PerformanceWithinOverallP Pr ro oc ce es ss s C Ca ap pa ab bi il li it ty y o of f D Di is st ta an nc ce e 2 25 5 短期工序能力短期工序能力( (ST) )ZBench : 自Target ZST 值Cpk : 自Target算出 Z 值算出值算出 短期過程能力指數(shù)(ZST) Historical Mean上輸入 Target值 Within的 ZBench = 3.94 輸入Target時(shí) Data的平均被忽視, 只對(duì)Target的長(zhǎng).短期標(biāo)準(zhǔn)偏差計(jì)算正

53、態(tài)分布的變量型數(shù)據(jù)過程能力分析正態(tài)分布的變量型數(shù)據(jù)過程能力分析-Zst bench62LSL輸入U(xiǎn)SL輸入StatQuality ToolsCapability Analysis(Normal)Option 利用利用MinitabMinitab的工序能力分析的工序能力分析 / / ZBench ZLT 算出方法(Target值未輸入 考慮平均值)要分析的 Raw數(shù)據(jù)在一個(gè)列輸入的情況工序能力分析設(shè)定工序能力分析設(shè)定Target值未輸入為求ZBench 值Check下面正態(tài)分布的變量型數(shù)據(jù)過程能力分析正態(tài)分布的變量型數(shù)據(jù)過程能力分析-Zlt bench6310.810.510.29.99.69.

54、39.0LSLUSLLSL9Target*USL11Sample Mean9.76944Sample N125StDev(Within)0.243594StDev(Overall)0.303479Process DataZ.Bench3.16Z.LSL3.16Z.USL5.05Cpk1.05Z.Bench2.53Z.LSL2.54Z.USL4.05Ppk0.85Cpm*Overall CapabilityPotential (Within) CapabilityPPM USL0.00PPM Total0.00Observed PerformancePPM USL0.22PPM Total792

55、.61Exp. Within PerformancePPM USL25.08PPM Total5641.18Exp. Overall PerformanceWithinOverallP Pr ro oc ce es ss s C Ca ap pa ab bi il li it ty y o of f D Di is st ta an nc ce e 2 25 5長(zhǎng)期過程能力長(zhǎng)期過程能力( (LT) )ZBench : 考慮偏移算出 (Ppk) ZLT值值Ppk :考慮偏移的實(shí)際 過程能力指數(shù) Z 值算出值算出 短期過程能力指數(shù)(ZST) Historical Mean上輸入 Target值 W

56、ithin ZBench = 3.94 無偏移影響 長(zhǎng)期過程能力指數(shù)(ZLT) Historical Mean上未輸入 Target值 Overall ZBench = 2.53 有偏移影響 ZShift = ZST - ZLT = 3.94 2.53 = 1.41正態(tài)分布的變量型數(shù)據(jù)過程能力分析正態(tài)分布的變量型數(shù)據(jù)過程能力分析-Zlt bench6410.810.510.29.99.69.39.0LSLUSL242220181614121086421.0000E+0610000.000100.0001.0000.000Lower Spec:9Nominal: Opportunity:Date

57、:Reported by:Project:Department:Process:Characteristic:Units:Upper Spec:11Actual (LT)Potential (ST)P Pr ro oc ce es ss s P Pe er rf fo or rm ma an nc ce eP Pr ro oc ce es ss s D De em mo og gr ra ap ph hi ic cs sActual (LT)Potential (ST)Sigma(Z.Bench)DPMO2.535641.23.9440.4P Pr ro oc ce es ss s B Be

58、en nc ch hm ma ar rk ks sR Re ep po or rt t 1 1: : E Ex xe ec cu ut ti iv ve e S Su um mm ma ar ry yStatSix SigmaProcess Report Normal 利用利用Minitab的過程能力分析的過程能力分析 其他方法其他方法正態(tài)分布的變量型數(shù)據(jù)過程能力分析正態(tài)分布的變量型數(shù)據(jù)過程能力分析-其他方法其他方法65StatQuality ToolsCapability Sixpack Normal 利用利用Minitab的過程能力分析的過程能力分析 其他方法其他方法Sample Mean

59、25232119171513119753110.009.759.50_X=9.7694UCL=10.0963LCL=9.4426Sample Range2523211917151311975311.00.50.0_R=0.567UCL=1.198LCL=0SampleValues2520151051110910.810.510.29.99.69.39.010.510.09.59.0WithinOverallSpecsWithinStDev0.243594Cp1.37Cpk1.05CCpk1.37OverallStDev0.303479Pp1.1Ppk0.85Cpm0.871Process Ca

60、pability Sixpack of Distance 25Xbar ChartR ChartLast 25 SubgroupsCapability HistogramNormal Prob PlotAD: 0.370, P: 0.421Capability Plot正態(tài)分布的變量型數(shù)據(jù)過程能力分析正態(tài)分布的變量型數(shù)據(jù)過程能力分析-其他方法其他方法66屬性數(shù)據(jù)過程能力分析屬性數(shù)據(jù)過程能力分析二項(xiàng)分布二項(xiàng)分布nxPPCxXPxnxxn.3 ,2, 1 ,0,)1 ( 二項(xiàng)分布式二項(xiàng)分布式 P是出現(xiàn)特定現(xiàn)象的概率, (1-P)是不出現(xiàn)特定現(xiàn)象的概率 n = 抽樣數(shù), x = 不良數(shù), P = 母