Minitab(中級培訓教材)-OK

Minitab學習第一部分應用版本：Minitab簡體中文版SixsigmaMinitabTraining-2MINITAB教材它是統(tǒng)計軟件的一種，具備強大的統(tǒng)計計算功能MINITAB=Mini+Tabulator=小型

+計算機SixsigmaMinitabTraining-3?Minitab:–

72年

PennState最先開發(fā)統(tǒng)計軟件.–

82年

個人電腦(PersonalComputer)普及并廣泛使用.–

6sigma初創(chuàng)時，Motorola公司主要用

SAS方式,至GE公司使用

MINITAB擴大到全世界.–

目前大部分先進

6sigma公司都使用

MINITAB.(GE,AlliedSignal,Motorolaetc.)BarbaraF.RyanPresident&CEO–

設計成使用者易學而簡便使用，并已成為6sigma方式中最具有代表性的軟件。SixsigmaMinitabTraining-4SixsigmaMinitabTraining-5~Minitab基本上以7個窗口(Window)組成.有七個窗口…窗口常用圖形條介紹各個窗口里會看到什么呢？我得仔細瞧一瞧…7.顯示相關文檔

Ctrl+Alt+L6.顯示項目報表

Ctrl+Alt+R5.顯示歷史記錄

Ctrl+Alt+H4.顯示信息

Ctrl+Alt+I3.顯示圖形文件夾

Ctrl+Alt+G2.顯示工作表文件夾

Ctrl+Alt+D1.顯示會話窗口文件夾

Ctrl+Alt+MSixsigmaMinitabTraining-61.會話-Minitab的命令錯誤信息及數據處理結果用文本形式顯示.2.工作表-同時打開多個輸入Data的窗口，可以不用直接輸入數據，而拷貝EXCEL，WORD上的數據粘貼上去。SixsigmaMinitabTraining-73.圖形4.信息-WorkSheet中-變量名稱(列)-將

Minitab的數據處理結果以圖-變量別數據的個數-缺式值的個數的形式展現-概要的闡述數據類型等內容SixsigmaMinitabTraining-85.歷史-顯示在運用Minitab當中使用過的所有指令。SixsigmaMinitabTraining-96.項目報表7.相關文檔-MINITAB項目報表，可以使用此工具將通過本軟件分析的數據/文字等轉換到此報表中，可以進行編輯，并生成完整的報告。-用于快速訪問與項目相關的非

Minitab文件以便于參考的相關文檔文件夾。SixsigmaMinitabTraining-10文件

:編輯

:數據

:計算

:統(tǒng)計

:圖形

:新建、打開、保存、打印文件等指令的菜單復制、粘貼、剪切、刪除單元格等的操作的菜單將數據集分離、合并、排序、堆棧，轉換等操作的菜單數據的計算，隨機數據的產生及與概率函數有關的菜單使用頻率最高的菜單，檢驗、推斷

及實驗計劃法等主菜單以數據為基礎繪畫出各種圖表有關的菜單編輯器

:變換處理窗體的模式，或變化字體的菜單工具

：

一些Windows常用工具切換菜單窗口

:幫助:選擇窗口及MINITAB畫面處理相關的菜單對MINITAB中使用的主要術語的解釋等菜單SixsigmaMinitabTraining-11目的首先熟悉以下使用MINITAB時最基本的項目，工作表，圖形的定義，及各自打開文件，保存，打印等基本操作。概述注：這里的項目是指的由圖形，文字信息，多個工作表等組成的整體工作表指的就是單一的一個工作表圖形指的單獨的圖形保存后后綴分別如下：項目：MPJ項目包括會話窗口的輸出,圖形,工作表等內容.工作表包括列,常數，及矩陣等所有數據.在一個項目中可打開多個工作表.打開項目時，可以使用最后保存時項目中的所有工作表.保存項目,工作表自動保存在項目文件中.工作表：MTW或

MTP圖形：MGFSixsigmaMinitabTraining-12文件

管理打印管理打印管理SixsigmaMinitabTraining-13路徑：文件

>新建（N）?新建：新建一個項目或者一個工作表SixsigmaMinitabTraining-14路徑：文件

>打開項目（O）?項目：打開或保存會話,工作表,圖形等窗口的一系列操作內容時使用.其擴展名為MPJ.SixsigmaMinitabTraining-15路徑：文件

>打開工作表（W）?工作表：只打開或保存有數據的工作表窗口時使用.其擴展名為

mtw.SixsigmaMinitabTraining-16路徑：文件

>打開工作表（W）?>JAZ2.MTWSixsigmaMinitabTraining-17路徑：文件

>打開圖形（G）?圖形：單獨打開或保存各自的圖形

時的窗口，擴展名為MGF.C1的概率圖正態(tài)-95%置信區(qū)間99.99均值標準差N-0.018731.01210009995AD0.6920.071P值805020510.01-4-3-2-101234C1SixsigmaMinitabTraining-18目的熟悉將數據輸入到MINITAB工作表后，為了分析其內容而修改單元格/行/列，選擇數據的格式,及選擇/刪除/移動等操作的方法.概述輸入數據，拷貝或其它連接中粘貼.為了方便于在各單元格中修改，分析數據可重新整理行和列.而且隨意選擇，刪除，插入，移動單元格/行/列.行的格式有以下幾種方式.(Numeric/Date/Time/Text,etc.)SixsigmaMinitabTraining-19單元格管理選擇最后運行窗口及命令編輯器SixsigmaMinitabTraining-20工作表介紹DATA輸入方向變數(列,列)變數名Cell根據變數的類型?數據形式:C1行(Row)數據Data)文本形式:C1-TSixsigmaMinitabTraining-21路徑：編輯

>編輯最后一個對話框（I）?再執(zhí)行最近使用的對話框窗口(是一個非常有用的操作)這些操作和EXCEL等軟件操作基本一致，這里就不講解了SixsigmaMinitabTraining-22目的本章學習合并兩個不同的工作表

中的數據，或一個工作表

分離成兩個工作表

的方法，并學習行與列中數據

堆疊/拆分，排序，轉換的方法等

如何將數據便于分析而操作的MINITAB主菜單。概述從活動的工作表中粘貼數據制作子工作表.多個列中的數據合并成一個列。替換行與列的位置，幾個列中的文本數據并為一個列

。變更數據的屬性，將數據顯示在會話窗口中。SixsigmaMinitabTraining-23工作表關聯(lián)單元格列關聯(lián)排序關聯(lián)屬性轉換等關聯(lián)會話顯示SixsigmaMinitabTraining-24打開工作表

:Bear.mtw路徑：數據

>子集化工作表（B）?用于將指定行從活動工作表復制到新的工作表中?？梢灾付ɑ谛刑枴D形上的被刷點

或某個條件的子集。指定要新生成的子工作表的位置SixsigmaMinitabTraining-25路徑：數據

>子集化工作表（B）?結果生成

1~6行的子工作表.-下面工作表是本來可以和上面的

工作表單獨制作,也可以與上面的

工作表匹配生成.SixsigmaMinitabTraining-26路徑：數據

>拆分工作表（P）?以SEX變量列為基準分離工作表-從活動工作表已特定變數為基準分離新的工作表SixsigmaMinitabTraining-27路徑：數據

>拆分工作表（P）?結果SEX變數為基準分離成兩個工作表的結果SixsigmaMinitabTraining-28路徑：數據

>合并工作表（M）?已分離的工作表重新合并成一個工作表-多個工作表合并為一個工作表SixsigmaMinitabTraining-29路徑：數據

>合并工作表（M）?結果SEX變數為基準分離過的工作表從新組合為新工作表的

結果SixsigmaMinitabTraining-30-可選擇部分數據粘貼在另一個列中.路徑：數據

>復制（C）?制定復制的列位置制定已保存的列位置其他方式類似，這里不再舉例SixsigmaMinitabTraining-31路徑：數據

>拆分列（U）?在一個列數據中，根據需要將數據分到另一個列中。在Age

列中按管理者名為條件分離新的工作表的例子。SixsigmaMinitabTraining-32結果根據需要以管理者名為基準把數據分到另外列的結果-新生成管理者別年齡段的工作表人名別(Name)數據拆分無數據的各自表示為

“

*”

。-50-SixsigmaMinitabTraining-33路徑：數據

>堆疊（T）?>列（C）?分散在幾個列中的數據根據需要并在一個列中時應用。名為“ID”,“Age”,“Month”的列在新的工作表中合并并顯示以便數據分析更容易。SixsigmaMinitabTraining-34路徑：數據

>堆疊（T）?>列（C）?數據被堆疊在一個列的結果結果……SixsigmaMinitabTraining-35路徑：數據

>轉置列（A）?記錄在列中的數據轉換為行數據的操作。根據實際要求調整數據后指定因素名。SixsigmaMinitabTraining-36路徑：數據

>轉置列（A）?結果SixsigmaMinitabTraining-37路徑：數據

>排序（S）?變量“Name”按照“ID”進行排序列中記錄的數據可根據特定因子遞增或遞減的順序重新整理。SixsigmaMinitabTraining-38路徑：數據

>排秩（S）?您可以向列中的值分配排秩分值：1分配給該列中最小的值，2分配給第二小的值，以此類推。為結分配該值的平均秩。缺失值保留為缺失。SixsigmaMinitabTraining-39路徑：數據

>刪除行（D）?在特定列中選擇要刪除的行的范圍?Name?列中刪除

1~10行。SixsigmaMinitabTraining-40路徑：數據>刪除變量（E）?制定要刪除的特定列,常數,行列。刪除名為‘ID’,‘Age’,‘Month’的列。SixsigmaMinitabTraining-41路徑：數據>編碼（O）?在指定列中數字形數據改變?yōu)槲谋拘问降臄祿?。將?’,‘2’數字形數據變?yōu)椤小?‘女’文本型數據。SixsigmaMinitabTraining-42路徑：數據

>編碼（O）??女’文本數據后的結果結果變?yōu)椤小?SixsigmaMinitabTraining-43路徑：數據

>更改數據類型（H）?>數字到文本（N）?特定

列中把數字形數據變?yōu)槲谋緮祿慕Y果數字形數據變?yōu)槲谋拘问綌祿?。SixsigmaMinitabTraining-44路徑：數據

>更改數據類型（H）?>數字到文本（N）?轉換為文本數據的結果(顯示的是數字但其性質為文本形式)RESULTSixsigmaMinitabTraining-45路徑：數據

>從日期/時間提?。╔）?>到數字（N）SixsigmaMinitabTraining-46路徑：數據

>合并（N）?使用“合并”將兩個或多個文本列并列合并在一起，并將它們存儲在一個新的更寬的列中。SixsigmaMinitabTraining-47路徑：數據>顯示數據（I）?使工作表的指定列顯示在會話窗口.名為‘Name’,‘Obs.No’,‘Weight’的工作表上的數據顯示在會話窗口。SixsigmaMinitabTraining-48路徑：數據

>顯示數據（I）?結果表示在

會話窗口上的工作表上的數據SixsigmaMinitabTraining-49Minitab學習第二部分應用版本：Minitab簡體中文版SixsigmaMinitabTraining-50目的本章節(jié)學習有關行與列的簡單計算方法，及關于分布函數及其生成所需隨機數據并利用的方法。概述可作數學方式的表現及變換。以行與列為單位可算出各種統(tǒng)計量。對于行與列執(zhí)行標準化變換。生成有規(guī)則的數據，也可產生回歸分析中所用的指示因子。產生根據分布函數的隨機數據,

將其另存。SixsigmaMinitabTraining-51打開工作表“Oxygen”路徑：計算

>計算器（L）?“Piece×Oxygen”的數據另存在

C4列中SixsigmaMinitabTraining-52路徑：計算

>計算器（L）?“Piece×

Oxygen”自動算出結果SixsigmaMinitabTraining-53路徑：計算

>計算器（L）?Oxygen的平均值另存在

C5

列中SixsigmaMinitabTraining-54路徑：計算

>列統(tǒng)計量（C）?計算

Oxygen

列的平均值SixsigmaMinitabTraining-55路徑：計算

>行統(tǒng)計量（O）?SixsigmaMinitabTraining-56路徑：計算

>標準化（S）?計算

Oxygen

列的標準值并另存在

C4

列中-

減去平均并除以標準差SixsigmaMinitabTraining-57路徑：計算

>產生模塊化數據（P）?產生具有一定規(guī)律的數據，要仔細的觀察一下。SixsigmaMinitabTraining-58路徑：計算

>產生模塊化數據（P）?>簡單數集（S）?要形成如下規(guī)律的數據如何操作？111222333444555111222333444555每個數字的反復次數整體反復次數SixsigmaMinitabTraining-59路徑：計算

>產生模塊化數據（P）?>簡單數集（S）?結果SixsigmaMinitabTraining-60路徑：計算

>產生模塊化數據（P）?>任意數集（A）?給任意選擇的數字予以一定的規(guī)律，無初始值/最后值/步長

等規(guī)律。要形成如下規(guī)律的數據如何操作？22995566882299556688每個數字的反復次數整體反復次數SixsigmaMinitabTraining-61路徑：計算

>產生模塊化數據（P）?>任意數集（A）?結果22995566882299556688對照一下SixsigmaMinitabTraining-62路徑：計算

>產生模塊化數據（P）?>文本值（A）?給任意選擇的數據（數字/文本）予以一定的規(guī)律，無初始值/最后值/步長

等規(guī)律。要形成如下規(guī)律的數據如何操作？FredFredJoeJoeRalphRalphFredFredJoeJoeRalphRalph每個數字的反復次數整體反復次數SixsigmaMinitabTraining-63路徑：計算

>產生模塊化數據（P）?>文本值（A）?結果FredFredJoeJoeRalphRalphFredFredJoeJoeRalphRalph對照一下SixsigmaMinitabTraining-64路徑：計算

>產生網格數據（H）?新生成為畫出3D曲面圖,等值線圖,輪廓圖像的數據。SixsigmaMinitabTraining-65路徑：計算

>產生網格數據（H）?結果根據X與

變數

Y各11個數據，

產生

121個的

z值SixsigmaMinitabTraining-66圖形菜單圖形

>3D線框圖C3與C2,C1的曲面圖6420C350C2-50-5C15SixsigmaMinitabTraining-67路徑：計算

>產生網格數據（H）?實習X:-10~10,Y:-10~10XY點數據各

30個作出鞍馬型數據

，畫出3D曲面圖SixsigmaMinitabTraining-68圖形菜單圖形

>3D曲面圖結果SixsigmaMinitabTraining-69路徑：計算

>產生指示變量（I）?數據變換成指示變數用于為選定的類別變量創(chuàng)建指示變量。Minitab可為類別變量的每個水平創(chuàng)建一個指示變量，并為每個觀測值分配合適的二進制值（0或

1）。如下輸入文本數據SixsigmaMinitabTraining-70路徑：計算

>產生指示變量（I）?目的：在回歸模型中，需要將類別變量轉換為指示變量，以便將它們包括在回歸模型中指示變量通常稱作虛擬變量或二進制變量SixsigmaMinitabTraining-71路徑：計算

>設置基數（B）?可以設置

Minitab的隨機數生成元的起始點。當您希望選擇相同的隨機樣本

或多次生成相同的隨機數據集合時，該選項十分有用。Minitab有一長串可用的"隨機"數。如果

Minitab始終從列表的開頭開始，您將始終得到相同的數據。為避免出現這一情況，Minitab使用當天的時間（精確到秒或小數秒）來選擇字符串中的“隨機”起始點。設置基數可以告訴隨機數生成元在何處開始。生成元將從其停止的點處繼續(xù)讀取，除非指定一個新的基數。要每次都生成完全相同的隨機數集合，可在每次選擇隨機樣本或生成隨機數據時設置相同的基數。--說明來源MINITAB幫助文件SixsigmaMinitabTraining-72路徑：計算

>隨機數據（R）?使用這些命令可獲取隨機樣本

，生成隨機數據和計算不同分布的概率。進行隨機取樣各類分布的隨機數據SixsigmaMinitabTraining-73路徑：計算>隨機數據（R）?>來自列的樣本（C）?各個數字的反復次數SixsigmaMinitabTraining-74路徑：計算>隨機數據（R）?>來自列的樣本（C）?結果SixsigmaMinitabTraining-75路徑：計算>隨機數據（R）?>卡方分布（Q）?C4的直方圖正態(tài)均值標準差4.629206.1496543210N-40481216C4SixsigmaMinitabTraining-76路徑：計算>隨機數據（R）?>正態(tài)分布（Q）?C6的直方圖正態(tài)403020100均值標準差1.0762002.958N0123456C6SixsigmaMinitabTraining-77路徑：計算

>概率分布（D）?SixsigmaMinitabTraining-78關于概率分布對于從菜單中選擇的分布，您可以計算數據的概率密度函數、累積分布函數或逆累積概率的值?！じ怕拭芏群瘮?/p>

(pdf)是該分布的曲線。例如，pdf可以描述一片新生林中樹木直徑的分布?！と我庵?/p>

x的累積分布函數

(cdf)給出了與一個概率分布函數相關聯(lián)的累積概率。cdf還特別給出了

pdf下直到指定值的累積區(qū)域。例如，cdf可以告訴您這片新生林中直徑在

10英寸以上的樹木所占的比例?！つ胬鄯e概率（逆

cdf）是與一個區(qū)域相關聯(lián)的值。它是

cdf的反函數，cdf是與一個值相關聯(lián)的區(qū)域。例如，逆累積概率可以告訴您

75%的樹木的寬度是多少。-說明資料來源于MINITAB幫助文件SixsigmaMinitabTraining-79打開工作表“Oxygen”路徑：計算

>概率分布（D）?調查Oxygen數據的基本統(tǒng)計量SixsigmaMinitabTraining-80路徑：計算

>概率分布（D）?SixsigmaMinitabTraining-81路徑：計算

>矩陣（M）?Minitab矩陣

（指定為

M1、M2、M3、...）以您使用計算

>矩陣

>讀取命令指定的格式存在于工作表中，或通過分析命令存儲在工作表中。具有

n個條目的一個工作表列可以用作一個

nx1矩陣。一個常量可以用作一個

1x1矩陣。Minitab工作表最多可包含100個矩陣。SixsigmaMinitabTraining-82路徑：計算

>矩陣（M）?>讀?。≧）?1.把數據用鍵盤輸入到會話窗口。2.數據>顯示數據（I）?注：在進行數據讀取時，注意編輯器中的啟動命令器，在軟件默認狀態(tài)下，會話窗口中的輸入命令是禁止的SixsigmaMinitabTraining-83Minitab學習第三部分應用版本：Minitab簡體中文版SixsigmaMinitabTraining-84我們先學習這一些12345基本統(tǒng)計67卡方檢驗均值檢驗統(tǒng)計過程控制過程能力分布測量系統(tǒng)分析多變量分析8方差分析9相關/回歸實驗設計DOE10SixsigmaMinitabTraining-85目的本章主要學習，有關為了從分析出來的數據中，重新賦予統(tǒng)計意義的幾種MINITAB中經常使用的統(tǒng)計方法。概述數據中算出基本的統(tǒng)計量(BasicStatistic)。驗證從不同總體中得出的數據平均值，在統(tǒng)計的理論上是否相同。掌握本工程的能力水平，分析測出數據的測定儀信賴度。進行改善試驗時，可明確具體的計劃與分析方法。管理與解釋工程中的數據，收集需要的信息，再根據此信息有效地管理工程散布，并利用多種格式的管理圖。SixsigmaMinitabTraining-86路徑：統(tǒng)計>基本統(tǒng)計量（B）?>顯示描述性統(tǒng)計（D）?為觀察A

工程的品質特性－產品長度的分布與統(tǒng)計量，抽出一定量（10個）的樣本（Sample)的數據。這里指的就上一按某一變量來劃分調查，比如按時間，第一天和第二天測的數據分開調查接著下一頁SixsigmaMinitabTraining-87路徑：統(tǒng)計>基本統(tǒng)計量（B）?>顯示描述性統(tǒng)計（D）?-選擇你想要用的圖表體現數據的特征-選擇你想要調查的統(tǒng)計量名稱90%75%接著下一頁50%25%10%SixsigmaMinitabTraining-88路徑：統(tǒng)計>基本統(tǒng)計量（B）?>顯示描述性統(tǒng)計（D）?平均的標準誤差=σ/n四分位數:將數據依序排列后，重新區(qū)分開來-下四分位數（Q1）:依序排列數據時，列在25%位置的數字-中央值:依序排列數據時，列在50%位置的數字-上四分位數（Q3）:依序排列數據時，排列在75%位置的數字SixsigmaMinitabTraining-89路徑：統(tǒng)計>基本統(tǒng)計量（B）?>存儲描述性統(tǒng)計（S）?SixsigmaMinitabTraining-90路徑：統(tǒng)計>基本統(tǒng)計量（B）?>圖形化匯總（G）?SixsigmaMinitabTraining-91路徑：統(tǒng)計>基本統(tǒng)計量（B）?>圖形化匯總（G）?正態(tài)性驗證(α

=0.05)?

P-Value≥0.05時→可以認為數據遵循正態(tài)分布的規(guī)則?

P-Value＜0.05時直方圖，正態(tài)分布曲線→數據沒有遵循正態(tài)分布的規(guī)則。統(tǒng)計量調查結果箱線圖均值/中位數/標準偏差95%的置信區(qū)間調查SixsigmaMinitabTraining-92基本統(tǒng)計量介紹

平均值

設有n個觀察樣本

x1,x2,...,xn,則樣本均值為

nx

x

xxix

12ni1

nn

平均值是最常用的衡量位置或數據中心的量.

中位數(Median)

把樣本x1,x2,...,xn從小到大重新排列得

x(1),x(2),...,x(n),則樣本中位數(samplemedian)定義為

x如果n是奇數

([n1]/2)~x

x

x([n/2]

1)(n/2)

如果n是偶數2

中位數的一個優(yōu)點是具有穩(wěn)健性,受極值的影響不大.

眾數(Mode)

眾數是指樣本中出現次數最多的觀察值.

眾數可以是唯一的,也可以有多個,也可以不存在.SixsigmaMinitabTraining-93基本統(tǒng)計量介紹分析結果?

數據個數N=23個,數據和Σ=1,380A算術平均

(Mean)20,20,20,20,20,20,20,20,20,20,40,40,40,40,40,50,50,50,50,50,50,200,480?

1,380萬元/23名

=60萬元12thB中央值

(Median)20,20,20,20,20,20,20,20,20,20,40,40,40,40,40,50,50,50,50,50,50,200,480?

中間(第12個)數據

=40萬元C眾數（Mode)20,20,20,20,20,20,20,20,20,20,40,40,40,40,40,50,50,50,50,50,50,200,480?

頻率最高的

數據

=20萬元SixsigmaMinitabTraining-94基本統(tǒng)計量介紹

方差

(Variance)和

標準差

(StandardDeviation)

設

x,x,...,x是

n個樣本觀察值,則樣本方差(samplevariance)12n定義為

n

xi

x

2s2

i1n

1

而樣本標準差(samplestandarddeviation)則定義為樣本方差的開方根,即

x

x

n2s

i

1in

1SixsigmaMinitabTraining-95基本統(tǒng)計量介紹

極差(Range)

樣本極差是指最大樣本與最小樣本之差.r=x(max)–

x(min)

樣本極差是反映數據離散或變化的最簡單的統(tǒng)計量,但它忽視了中間樣本的所有信息.

四分位數(Quartiles)

當一個有序數據集被劃分為四個相等的部分,則劃分點就稱為四分位點(quartiles).

第一分位點（或下分位點）q1指小于它的觀察值約占25%的點.

第二分位點（或中位數）

q2指小于它的觀察值約占50%的點.第三分位點（或上分位點）q3指小于它的觀察值約占75%的點.SixsigmaMinitabTraining-96例

題C航空公司發(fā)現，預約機票的客人中有15％的人沒有在規(guī)定時間內到達機場，或者變更機票。該航空公司為了減少剩余座位的損失，在有200個座位的飛機接收230位客人的預約。事先預約機票，要登機的所有客人全都能登上飛機的概率有多高？SixsigmaMinitabTraining-97該題的答案是

0.821352.大約為

82%。SixsigmaMinitabTraining-98例

題某事業(yè)部的生產的產品中

5%是不良品

。在該事業(yè)部生產的產品中隨意抽出(Random)200個產品并進行檢查時?有12個及以上不良品的概率是多少？SixsigmaMinitabTraining-99分析結果這里求出來的P(X<=x)是指小于或者等于11個不良的概率,所以我們目前要求大于或者等于12個不良的概率,則需要:1-0.699756=0.300244=30%及大于或者等于12個不良品的概率大約為30%SixsigmaMinitabTraining-100StatisticalProcessControl(統(tǒng)計過程控制)1.11.21.31.41.51.6X-R管理圖I-MR管理圖P管理圖NP管理圖U管理圖C管理圖SixsigmaMinitabTraining-101如何選擇用圖X-R管理圖P管理圖I-MR管理圖NP管理圖U管理圖C管理圖計量值計數值數據的類型不良數缺陷數已收集的數據是否是個別的？是不是不良品數量？是否組成群數據？是否是具體的缺陷?數據群個別

數據抽樣數是否是一定量？抽樣數是否是一定量？否是否是X-R管理圖I-MR管理圖P管理圖NP管理圖U管理圖C管理圖SixsigmaMinitabTraining-102例題在B工程加熱的爐溫參數特性,品質工程師每1天進行5次進行測量，對該工程進行管理,共測試了8天的數據進行分析

。判斷使用什么圖:溫度參數是計量值,子群容量為5,所以使用Xbar-R圖路徑：統(tǒng)計

>控制圖(C)>子組的變量控制圖(G)>Xbar-R(B)?SixsigmaMinitabTraining-103分析結果溫度的Xbar-R控制圖UCL=144.23140130120110100_X=119.42LCL=94.60123415678樣本1007550250UCL=91.0_R=43.0LCL=012345678樣本X-R管理圖?

Xbar管理圖→管理群內的數據的平均(管理分布的中心)?

R管理圖→管理群的范圍(管理分布的散布)因異常原因的工程脫離SixsigmaMinitabTraining-104例

題在B工程中做出的產品的重量每4個小時抽樣1個進行測量，對該工程進行管理判斷使用什么圖:重量參數是計量值,子群容量為1,所以使用I-MR圖路徑：統(tǒng)計

>控制圖(C)>單值的變量控制圖(I)>I-MR(R)?SixsigmaMinitabTraining-105分析結果重量的I-MR控制圖UCL=211.68210200190180170_X=188.93LCL=166.1914710131619222528觀測值3020100UCL=27.94__MR=8.55LCL=014710131619222528觀測值I-MR管理圖?

I管理圖MR(MovingRange)-意味著相鄰兩個數據的移動的差.例如,前面的數據的測定值為8,后一個數據為12時,MR:4(=8-12)→數據移動的管理(管理分布圖中心移動)?

MR管理圖→管理數據移動范圍(管理分布圖的散布)SixsigmaMinitabTraining-106例

題對某事業(yè)部每天的產量及不良數進行記錄,共30天數據,對每日不良率情況進行管理判斷使用什么圖:不良數是計數值,產量不一致,所以使用P管理圖路徑：統(tǒng)計

>控制圖(C)>屬性控制圖(A)>P圖?SixsigmaMinitabTraining-107分析結果不良數

的

P控制圖1UCL=0.045470.045UCL(管理上限)-在P管理圖與U管理圖中,下限線跟著樣本的大小形成曲線(幅度差).-樣本量大時

:幅度小0.0400.0350.0300.0250.020_P=0.03382-樣本量小時

:幅度大LCL=0.0221714710131619222528樣本LCL(管理下限)使用不相等樣本量進行的檢驗-P,NP,U,C管理圖的管理下限總是大于等于0.即,不良率,不良數,缺陷率,缺陷數總大于等于0.SixsigmaMinitabTraining-108練習)求過程能力分析例

題在B工程加熱的爐溫參數特性,品質工程師每1天進行5次進行測量，對該工程進行管理,共測試了8天的數據進行分析

。規(guī)格是:120±20℃SixsigmaMinitabTraining-109溫度

的過程能力LSLUSL過程數據組內整體LSL100目標*USL140潛在（組內）能力樣本均值樣本

N119.91240Cp1.46CPL1.46CPU1.47Cpk1.46標準差（組內）標準差（整體）4.558284.52445整體能力Pp1.47PPL1.47PPU1.48Ppk1.47Cpm*105.0112.5120.0127.5135.0實測性能預期組內性能預期整體性能PPM<LSL0.00PPM>USL0.00PPM<LSL6.26PPM>USL5.24PPM<LSL5.39PPM>USL4.50PPM合計0.00PPM合計11.50PPM合計9.89SixsigmaMinitabTraining-110MSA(測量系統(tǒng)分析)例題Screen工程中所使用的熒光體藥品的粘性度對熒光屏的品質起著較大的影響,因此Screen工程每交班時間都要測定管理藥品的粘性度.Screen工程的拉長或組長,科長為了評價測定熒光體藥品粘性的粘度計信賴度,讓3位交班班長各測定3個藥品試料,反復測定各三次并記錄其測定結果.熒光體藥品的粘度規(guī)格范圍為24±2.測

定

人

:3名

(王班長,李班長,張班長)藥品試料

:3個

(1號試料,2號試料,3號試料)測定次數

:3次總測定次數:27次

(=3名

×3名

×3次

)SixsigmaMinitabTraining-111路徑：統(tǒng)計

>質量工具(Q)>量具研究(G)>量具R&R研究(交叉)(G)…SixsigmaMinitabTraining-112路徑：統(tǒng)計>質量工具(Q)>量具研究(G)>量具R&R研究(交叉)(G)…交互作用不顯著%R&RP/T比%R&R,P/T:評價精密度的計測能力指數?

%R&R:表示測量散布在總散布中所占的比率→%R&R<30%的時候意味該計測器可以信賴.?

P/T:表示測量散布在規(guī)格公差中所占的比率→P/T<30%的時候意味該計測器可以信賴.SixsigmaMinitabTraining-113測

試

結

果

的

量

具

R&R(方

差

分

析

)報表人:公差:其他:量具名稱:研究日期:變

異

分

量測

試

結

果樣

品30.027.525.080%%%貢獻研究變異公差400123量具

R&R重復再現性部件間樣

品R控

制

圖

（

按

操

作

者

）測

試

結

果操

作

者李班長王班長張班長UCL=5.49930.027.525.0420_R=2.136LCL=0李班長王班長操

作

者張班長Xbar控

制

圖

（

按

操

作

者

）李班長王班長張班長操

作

者乘樣

品

交

互

作

用282624UCL=27.715_操作者李班長王班長張班長27.0_X=25.52925.524.0LCL=23.344123樣

品SixsigmaMinitabTraining-114多變量分析SixsigmaMinitabTraining-115打開例題“Zip.mtw”SixsigmaMinitabTraining-116時序圖分析路徑：圖形>時序圖1.利用Minitab制作時序圖SixsigmaMinitabTraining-117時序圖分析Minutes的

時

間

序

列

圖1816141210864201234567891011121314指

數■

分析結果

:組裝時間隨著時間的推移有逐漸增加的趨勢且有一定的周期(cycle).SixsigmaMinitabTraining-118箱線圖分析路徑：圖形>箱線圖SixsigmaMinitabTraining-119日期箱線圖分析Minutes的

箱

線

圖18161412108642012Day■

分析結果

:可以知道日期別不同組裝時間有差異.SixsigmaMinitabTraining-120ZIPMODEL箱線圖分析Minutes的箱線圖181614121086420AlphaBetaDeltaGammaZipModel■

分析結果

:ZIPMODEL不同組裝時間有差異,特別是GMODEL的散布較大SixsigmaMinitabTraining-121組裝者箱線圖分析Minutes的

箱

線

圖181614121086420HelenMikeAssembler■

分析結果

:各個組裝者的組裝時間有差異SixsigmaMinitabTraining-122主效應圖分析路徑：統(tǒng)計>方差分析>主效應圖Minutes主

效

應

圖數據平均值DayZipModel121086412AlphaBetaDeltaGammaAssembler1210864HelenMike■

分析結果

:日期,ZipModel,組裝者之間的組裝時間的差異較大,為了進一步分析,對日期,組裝者進行t-test,對ZipModel實施ANOVA分析SixsigmaMinitabTraining-123多變量分析SixsigmaMinitabTraining-124打開例題“Zip.mtw”SixsigmaMinitabTraining-125時序圖分析路徑：圖形>時序圖1.利用Minitab制作時序圖SixsigmaMinitabTraining-126時序圖分析Minutes的

時

間

序

列

圖1816141210864201234567891011121314指

數■

分析結果

:組裝時間隨著時間的推移有逐漸增加的趨勢且有一定的周期(cycle).SixsigmaMinitabTraining-127箱線圖分析路徑：圖形>箱線圖SixsigmaMinitabTraining-128日期箱線圖分析Minutes的

箱

線

圖18161412108642012Day■

分析結果

:可以知道日期別不同組裝時間有差異.SixsigmaMinitabTraining-129ZIPMODEL箱線圖分析Minutes的箱線圖181614121086420AlphaBetaDeltaGammaZipModel■

分析結果

:ZIPMODEL不同組裝時間有差異,特別是GMODEL的散布較大SixsigmaMinitabTraining-130組裝者箱線圖分析Minutes的

箱

線

圖181614121086420HelenMikeAssembler■

分析結果

:各個組裝者的組裝時間有差異SixsigmaMinitabTraining-131主效應圖分析路徑：統(tǒng)計>方差分析>主效應圖Minutes主

效

應

圖數據平均值DayZipModel121086412AlphaBetaDeltaGammaAssembler1210864HelenMike■

分析結果

:日期,ZipModel,組裝者之間的組裝時間的差異較大,為了進一步分析,對日期,組裝者進行t-test,對ZipModel實施ANOVA分析SixsigmaMinitabTraining-132卡方檢驗SixsigmaMinitabTraining-133卡方檢驗X(原因變數)記數值計量值記數值卡方檢驗邏輯回歸Y(結果變數)計量值t-檢驗方差分析回歸分析相關分析SixsigmaMinitabTraining-134卡方檢驗例題

[1]某工程師想檢驗A，B，C三臺設備所生產的產品質量水平等級(1級，2級，3級）是否有差異，抽樣數據參考右表路徑：統(tǒng)計>表格>卡方檢驗SixsigmaMinitabTraining-135路徑：統(tǒng)計>表格>卡方檢驗①

變數指定②

點擊OKSixsigmaMinitabTraining-136路徑：統(tǒng)計>表格>卡方檢驗分析結果P-value值?

P-Value≥0.05的時候→各變數相互獨立.?

P-Value＜0.05的時候→各變數相互從屬.-上例中的P-Value=0.000,比0.05要小,說明產品質量水平等級比例與這三臺設備無關。SixsigmaMinitabTraining-137T-TestSixsigmaMinitabTraining-1381-SampleZ1-Samplet2-SampletPairedtt-test的選擇1-SampleZ：單樣本Z檢驗?

在當我們想評價樣本數據的平均和總體的平均是否相同的時候...且當總體的平均和標準偏差已知的時候適用.→為了觀察從D電子購買的部品的平均重量,隨機抽取10個樣本并對其重量進行測量.我們希望部品的重量為40g,到目前為止生產的部品的母標準偏差為3g.1-Samplet：單樣本T檢驗?

在當我們想評價樣本數據的平均和總體(全體集團)的平均是否相同的時候...且當總體的平均已知而標準偏差未知的時候適用.→為了觀察從D電子購買的部品的平均重量,隨機抽取10個樣本并對其重量進行測量.我們希望部品的重量為40g,而部品的母標準偏差未知.2-Samplet：雙樣本T檢驗?

在當我們想評價從兩個相互不同的集團中取出的樣本數據的平均是否相同的時候適用...→為了評價從D公司和E公司購買的部品的平均重量是相同還是不同,從各公司購買的部品中各隨機抽取10個并測量其重量.Pairedt：配對T檢驗?

在當我們想評價兩個互相成對的樣本數據的平均是否的時候適用...→為了評價從D公司購買的部品的左側厚度和右側厚度的平均是相同還是不同,隨機抽取10個并測量其左側和右側厚度.SixsigmaMinitabTraining-139路徑：統(tǒng)計>基本統(tǒng)計量>雙樣本T檢驗例

題為了評價從D公司和E公司購買的部品的平均重量是否相同,從各公司購買的部品中各隨機抽取10個并測量其重量.D公司部品的重量E公司部品的重量SixsigmaMinitabTraining-140路徑：統(tǒng)計>基本統(tǒng)計量>雙樣本T檢驗①

選擇測量的數據列②

選擇條件輸入的列SixsigmaMinitabTraining-141分析結果P-Value?

P-Value≥0.05的時候→可以推斷出兩個總體的數據平均相同.?

P-Value＜0.05的時候→可以推斷出兩個總體的數據平均不相同.-上例中的P-Value=0.445,比0.05大,可說明從D公司購買的部品的平均重量和從E公司購買的部品的平均重量相同.95.0%CI:兩個總體平均差異的95%信賴區(qū)間-上例中兩個總體平均差異的95%信賴區(qū)間(-3.87,1.77),0在這個95%信賴區(qū)間以內.即,(D公司部品平均重量–

E公司部品平均重量=0)可以成立.從這兩個集團中分別收集的數據的平均可以相等的意思.所以,從D公司購買的部品的平均重量和E公司購買的部品的平均重量可以相等.SixsigmaMinitabTraining-142箱線圖分析C1的箱線圖44424038363432中央值

(Median)算術平均D公司E公司C2SixsigmaMinitabTraining-143ANOVA(方差分析)SixsigmaMinitabTraining-144路徑：統(tǒng)計>方差分析>單因素方差分析One-wayANOVA(單因素方差分析)平均差檢驗散布差檢驗平均差檢驗使用的工具2-Samplet(兩個集團或條件時)?

在當我們想評價從兩個互相不同的總體中抽取的樣本數據的平均是否相同的時候適用...→為了評價從D公司購買的部品平均重量和從E公司購買的部品平均重量是否相同,從各個公司購買的產品中各隨機抽取10個并測量其重量.One-wayANOVA(三個以上集團或條件時)?

在當我們想評價從互相不同的三個以上總體中抽取的樣本數據的平均是相同還是不同的時候適用...→在E工程生產的部品其孔部尺寸是最重要的品質.而E工程生產該部品起用了3臺設備,為了評價設備別生產的部品孔部尺寸的平均是否相同,按照設備別生產的部品各隨機抽樣5個,并測量其孔部尺寸.SixsigmaMinitabTraining-145路徑：統(tǒng)計>方差分析>單因素方差分析平均差檢驗例題在E工程生產的部品其孔部尺寸是最重要的品質.而E工程生產該部品起用了3臺設備,為了評價設備別生產的部品孔部尺寸的平均是否相同,按照設備別生產的部品各隨機抽樣5個,并測量其孔部尺寸.假設孔部尺寸的目標值是25.0mm.堆疊的數據未堆疊的數據A號設備部品的孔部尺寸B號設備部品的孔部尺寸C號設備部品的孔部尺寸SixsigmaMinitabTraining-146路徑：統(tǒng)計>方差分析>單因素方差分析SixsigmaMinitabTraining-147路徑：統(tǒng)計>方差分析>單因素方差分析P:P-Value分析結果?

P-Value≥0.05的時候→可推斷出各總體間數據平均相同.?

P-Value＜0.05的時候→可得知至少有一個總體數據平均與其它不同.-上例中的P-Value=0.009,比0.05小,可說明三個設備中至少有一個設備生產的產品的孔部尺寸平均與其它設備不同.條件別平均的95%信賴區(qū)間25.0mm:孔部尺寸目標值設備的評價-上例中的P-Value=0.008,比0.05小,可說明三個設備中中至少有一個設備生產的產品的孔部尺寸平均與其它不同.-孔部尺寸的目標值為25.0mm,平均的信賴區(qū)間中包含25.0mm,可推斷出其中的A號設備和B號設備是較好的設備,而C號設備不好.-如果,P-Value比0.05大時,不能確定設備別生產的產品的孔部尺寸的平均有不同，從而評價三個設備這也是沒有太大的意義.SixsigmaMinitabTraining-148箱線圖分析箱線圖-可看出各設備別中心和散布的程度.C6的箱線圖26.526.025.525.024.524.023.523.0A設備B設備C設備C5SixsigmaMinitabTraining-149相關/回歸分析SixsigmaMinitabTraining-150路徑：統(tǒng)計>基本統(tǒng)計量>相關相關分析(CorrelationAnalysis)散點圖相關系數例題(x,y)觀測值參考下表,畫出散點圖并求樣本相關系數(CorrelationCoefficient)SixsigmaMinitabTraining-151分析結果畫出散點圖看一看rY與

X的散點圖相關系數10987654相關系數公式

n

y

Σxxyii

i1r=

2

2nn

x

iΣ

xΣ

yyi

i1

i1234X56SixsigmaMinitabTraining-152路徑：統(tǒng)計>回歸>擬合線圖回歸分析(Regression)R-Square回歸式例題K公司的池科長為了查看美國同產業(yè)每日股份變動對于公司的每日股份變動有無影響,在制造類似的產品的美國同產業(yè)中選擇了10個公司.檢查了2個月左右的K公司的日日股份變動率和美國的10個同產業(yè)公司的日日平均股份變動率,收集了40個數據.SixsigmaMinitabTraining-153路徑：統(tǒng)計>回歸>擬合線圖①結果變數指定(得到影響的變數)②原因變數指定(造成影響的變數)④確定③選擇回歸模型的類型TypeofRegression:選擇回歸模式?

線性：Linear?

二次：Quadratic→2次曲線?

立方：Cubic→3次曲線→線形SixsigmaMinitabTraining-154分析結果β

1β

0回歸式?

β

0:截距→X是0的時候,預測的Y值→上例中,同產業(yè)的每日變動率是0的時候,K公司的預想每日變動率是-0.117925.?

β

1:偏差→X增加1時,Y值的增加幅度→上例中,同產業(yè)的每日變動率增加1,K公司的每日變動率增加β

1,即,預想增加0.98948.R-Square回歸式Square(決定系數)?

全體變動中根據回歸直線能說明的變動.?

R-Square=79.2%,即是說對于K公司的每日股市變動率,其中有79.2%的變動可由美國同產業(yè)的每日股市變動率來說明.而20.8%的變動是由其它的原因引起的變動.SixsigmaMinitabTraining-155擬合線圖分析回歸式擬合線圖K公司

=-0.1179+0.9489美國公司S2.3297679.2%105R-SqR-Sq（調整）78.6%0-5-10-10-50510美國公司SixsigmaMinitabTraining-156回歸預測擬合線圖K公司=-0.1179+0.9489美國公司S2.3297679.2%10R-SqR-Sq（調整）78.6%0.35654950?

當同產業(yè)的每日股市變動率為5.0時,K公司的預想的每日股市變動率為多少呢?-利用回歸式→回歸式的“變動率(同產業(yè))”輸入0.5計算“變動率(K公司)→變動率(k公司)=-0.1179+0.9489×0.5-5=4.627-10-利用回歸線-10-50510→利用回歸線,當同產業(yè)變動率是5.0的時候查找K公司的變動率美國公司0.05SixsigmaMinitabTraining-157殘差檢驗K公司

殘差圖關于殘差的解釋：正態(tài)概率圖與擬合值回歸分析中的殘差=每個X所對應的Y真實值與根據每個X對應的回歸方程所求得的Y值的差。根據高斯假定：殘差必須要具備幾個特性：1）所有的殘差具有獨立性；2）殘差總是具備以0為中心的，固定方差的正態(tài)分布3）所有殘差的和總是等于099905.02.50.050-2.5-5.0101-5.0-2.50.02.55.0-10-50510殘差擬合值4）殘差總是圍繞0中心線上下隨機分布等等，詳細看統(tǒng)計學書。直方圖與順序5.02.51290.06-2.5-5.030-6.0-4.5-3.0-1.50.01.53.04.51510152025303540殘差觀測值順序左上圖：看殘差是否服從正態(tài)分布右上圖：看殘差是否在0中心線上下隨機分布，如果形為“拋物線”或“喇叭”等形狀表示殘差有異常。左下圖：看殘差是否服從正態(tài)分布和樣本量的多少（輔助看左上圖）右下圖：看殘差的時序變化，如果有某種趨勢等則表示數據可能經過人工處理過，或數據所對應的特性有某種磨損現象等SixsigmaMinitabTraining-158路徑：統(tǒng)計>回歸>回歸回歸預測新觀測值的預測值新觀擬合值測值

擬合值

標準誤14.6270.44095%置信區(qū)間(3.736,5.518)95%預測區(qū)間(-0.173,9.427)新觀測值的自變量值新觀測值

美國公司15.00SixsigmaMinitabTraining-159X的管理范圍設定方法RegressionPlotY=13.4860+1.46625XR-Sq=83.0%?

X的管理范圍選定方法1.把握顧客的要求或規(guī)格(Spec.)例)Y規(guī)格

(顧客的要求):35±55040302.滿足顧客要求的X的范圍設定-通過回歸式計算,或利用圖表設定-設定X的范圍

:14.6±3.43.考慮殘差(Error),比初次設定的范圍要窄的范圍設定2051525①

Y規(guī)格35±5X②

X的范圍設定14.6±3.4SixsigmaMinitabTraining-160DOE(實驗計劃法)SixsigmaMinitabTraining-161例題提高S工程的藥品吸收速度這是提高工程的制造效率的重要因素.而對藥品吸收速度影響重要的因子取觸媒量和反應溫度各取2個水準，按照下面的條件再現2次做實驗,然后收集數據.<實驗條件>-觸媒量(%):0.3%,0.5%-反應溫度(℃):150℃,170℃生成實驗表格路徑路徑：統(tǒng)計>DOE>因子>創(chuàng)建因子設計SixsigmaMinitabTraining-162①

選擇設計類型③

點擊設計②

選擇因子數上例中的因子有觸媒量和反應溫度,所以因子數有2個.⑤

OK④

選擇再現次數上例中各因子再現2次做實驗.SixsigmaMinitabTraining-163⑥

點擊因子⑦

因子和水準輸入SixsigmaMinitabTraining-164實驗生成表格結果輸入實驗結果的列實施試驗，收集Y的數據輸入實驗結果吸收速度

‘88’是當觸媒量為0.3%,反應溫度為150℃時所作實驗的結果SixsigmaMinitabTraining-165分析試驗路徑：統(tǒng)計>DOE>因子>創(chuàng)建因子設計SixsigmaMinitabTraining-166分析試驗①

結果變數指定(實驗結果)②

點擊OKSixsigmaMinitabTraining-167分析結果主效果交互作用因子別明顯與否?

主效果-觸媒量(P=0.010<0.05)→明顯-反應溫度(P=0.004<0.05)→明顯?

交互作用-觸媒量*反應溫度(P=0.889≥0.05)→不明顯P:P-value值?

P-Value≥0.05的時候→因子的水準變化時,結果值平均沒有變化.即說明該因子不是明顯影響的因子.?

P-Value＜0.05的時候→因子的水準變化時,結果值平均有變化.即該因子是顯著的因子.-上例中觸媒量和反應溫度的主效果的P-Value比0.05要小,可說明這兩個因子影響明顯,接著要研究的是其最佳的水準,而觸媒量和反應溫度的交互作用P值比0.05要大,這可以說明該交互作用不存在.SixsigmaMinitabTraining-168通過圖表設定最佳水準SixsigmaMinitabTraining-169通過圖表設定最佳水準明顯性應該檢驗的圖設定最佳水準交互作用明顯主效果明顯?

Y越大越好時←選擇圖上最上面的值?