MINITAB活用基础.ppt

1,Minitab 活用基础,Minitab 介绍Minitab 窗口数据窗口编辑基本图形的做法,2,Minitab是什么？,是统计的软件为数据分析提供工具Six Sigma 推进需要的统计工具,1.Minitab 介绍,3,Minitab 概要,什么是MINITAB？现国内使用的统计分析软件一般有SAS，SPSS，MINITAB等。MINITAB是美国的宾西法尼亚州立大学基础统计学的学生1972年开发的。后来在工学，社会学，经营学等研究方面广泛使用。且GE在6-SIGMA活动中作为分析工具取得了成功，最近成为6-SIGMA活动必需的分析工具。MINITAB的基本数据的输入，输出方式与EXCEL相似，因此将复杂的统计分析简单化，可容易理解统计意义。且MINITAB作成的所有图表与文字与EXCEL相似并可互换，可使用复制及粘贴功能，在制作报告书时也可灵活使用。Internet Home Page:,4,2.Minitab 窗口,点击M,输出window,Worksheet,5,首先在 worksheet 上输入如下 data.,在Minitab menu中利用取出随机数据的功能在 worksheet的第一列(column)命名为 x后,如下输入15个数据.,CalcRandom DataNormal,15个数据,保存的列(column)的名字,6,如下形成 worksheet,因为是随机数据有可能与下列数据不同,Data x是平均为 0 标准偏差为1的数据,7,画一个Graph,Menu中 GraphHistogram,双击,在这里输入要分析的变量,Display：显示图表的形状For each：显示一个图表Group Variable：多个图表时注明变量的类别Edit Attrbuite：编辑图表的颜色、线条,8,如下画成 Histogram(因为是随机数据形状各异),Graph的意义在分析阶段详细说明,9,Option的选项功能,图表的3个种类：,数据分割区间的两种类型,定义区间的三类,10,看一下Minitab的窗口构成如下制作 窗口,菜单中 WindowTile,图表窗口,数据窗口,输出窗口,11,Minitab 基本要素,工具栏,菜单,12,数据WINDOW工具栏,打开PROJECT,PROJECT保存,打印WORKSHEET,剪切,复制,粘贴,恢复,以前brushed 行,下面 brushed行,过去对话筐,SESSION WINDOW,现数据WINDOW,HELP,插入,插入行,插入列,列移动,删除,WORKSHEET管理,图表管理,关闭图表,取消,13,SESSION WINDOW工具栏,打印SESSION WINDOW,前命令语,后命令语,查找,查找下一个,14,图表WINDOW工具栏,打印图表,看的方式,编辑方式,Brush 方式,15,3.文件的保存方式,文件的保存方式共有三种方式 1.以Project的方式保存：包含所有的窗口（数据、图表、输出）都会保存在同一个文件中 2.以Worksheet的方式保存 包含数据和输出窗口会保存在同一个文件 3.以Graph的方式保存 只保存图表输出的结果,16,Project 保存,生成Minitab worksheet,保存Project时,File选择Save Project,17,Worksheet 保存,保存Worksheet时,Menu中 FileSave Current Worksheet,选择文件夹 File 名选定后保存,18,利用Manip menu,Stacking:两个以上的列(column)变为一个列(column)时,选择需堆积的列堆积生成的列放置位置对生成堆积的列进行标注,常见的使用方法,19,Unstacking,一个列(column)data分为两个以上的列时使用并按照 Subscript分离,指定要拆分的列(C3)指定拆分的依据指定生成的列的保存位置指定生成的列的名称,Menu中 ManipUnstack Columns,20,利用CalcMake patterned Data制作简单并有一定特征或者有一定规律的数据,例如：,123456,112233,AABBCC,1357911,李李王王张张,1116171911161719,为什么要作这些数据呢？因为我们在M阶段作测量系统分析时非常有用，同时在阶段进行ANOVA分析时有用。,21,得到结果如下：,22,数据SHEET 准备,一、连续型的测量系统分析 举例：生产部张怀儒工程师要对焊锡高度检测系统进行测定，并检验系统是否可以接受。他任意抽取了10块板，由李燕，王东，张娟3个作业者对这10块板的焊锡高度进行测定，每人重复2次。问题：大家想想，我们总共能得到多少个数据？,23,Minitab要求数据排成3 列.,堆积数据：把所有部品放在1 列，所有测量者放在第2 列，测量结果放在第3列.这意味着如果 有:10部品3个测量者2 次重复测量则两列长度将有60格编号，1,210重复6 次。,24,数据输入到MINITAB Calc Make Patterned Data Simple Set of Number,指定保存列,指定开始值,指定结束值,指定增加值,输入各各PATEN DATE反复的次数,决定一次生成的PATEN DATA共生成几次,25,结果,测定后输入测定值,26,Stat Quality Tools Gage R&R Study(Crossed),选择ANOVA,Xbar and R方法分析 part to part,反复性,再现性ANOVA方法是 part to part,反复性,再现性分析的基础上,追加分析因 operator-by-part引起的变动,27,MINITAB分析结果图表的解释,28,Two-Way ANOVA Table With InteractionSource DF SS MS F PPART 9 2.05871 0.228745 39.7178 0.00000 2 0.04800 0.024000 4.1672 0.03256*PART 18 0.10367 0.005759 4.4588 0.00016Repeatability 30 0.03875 0.001292 Total 59 2.24912Gage R&R%ContributionSource VarComp(of VarComp)Total Gage R&R 0.004437 10.67 Repeatability 0.001292 3.10 Reproducibility 0.003146 7.56 0.000912 2.19*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)(5.15*SD)(%SV)(SV/Toler)Total Gage R&R 0.066615 0.34306 32.66 34.31 Repeatability 0.035940 0.18509 17.62 18.51 Reproducibility 0.056088 0.28885 27.50 28.89 0.030200 0.15553 14.81 15.55*PART 0.047263 0.24340 23.17 24.34 Part-To-Part 0.192781 0.99282 94.52 99.28 Total Variation 0.203965 1.05042 100.00 105.04Number of Distinct Categories=4,MINITAB分析结果评价指标值的解释,测定者*Part 是有意的(ANOVA Table中 Part是非常有意的,测定者及测定者*Part应是非有意的),再现性存在问题,29,二、离散型数据 R&R,使用离散型数据 R&R的理由,为了了解与交接班或机器无关的情况下检查者在同一基准下 对良品与不良品的判断基准是否明确?为确认检查者的一贯性 为确认检查者判定是否与真实一致-作业者将实际不良品判定为良品的频率-作业者将实际良品判定为不良品的频率 为了知道如下事项-需要训练的部分-标准程序不足的部分,30,12个部品,3名检查者,反复2次后 收集了如下数据,31,利用MINITAB计算,在MINITAB的 Work sheet输入如下数据,32,输入测定结果,输入部品号,输入测定者,已知部品真值时输入,33,结果解释,Within AppraiserAssessment AgreementAppraiser#Inspected#Matched Percent(%)95.0%CI 1 12 10 83.3(51.6,97.9)2 12 5 41.7(15.2,72.3)3 12 8 66.7(34.9,90.1)#Matched:Appraiser agrees with him/herself across trials.,测定者具有一贯性地评价的次数,测定者,检查数,测定者具有一贯性地评价的%,这里#Matched是?表示测定者对同一部品反复测定2次时的一致性,34,Each Appraiser vs StandardAssessment AgreementAppraiser#Inspected#Matched Percent(%)95.0%CI 1 12 9 75.0(42.8,94.5)2 12 4 33.3(9.9,65.1)3 12 8 66.7(34.9,90.1)#Matched:Appraisers assessment across trials agrees with standard.,测定者测定的与真值相同的次数,测定者,测定者测定的与真值相同的%,这里#Matched是?表示测定者的测定值与真值相同的一致性.,检查数,35,Assessment Disagreement Appraiser#良品/不良 Percent(%)#不良/良品 Percent(%)#Mixed Percent(%)1 1 8.3 0 0.0 2 16.7 2 1 8.3 0 0.0 7 58.3 3 0 0.0 0 0.0 4 33.3#良品/不良:Assessments across trials=良品/standard=不良.#不良/良品:Assessments across trials=不良/standard=良品.#Mixed:Assessments across trials are not identical.,真值为不良但判断 为良品的数/%,真值为良品但判断 为不良的数/%,以同一部品测定舒者的判断良,不良混乱的数/%,不良流出的状态,36,Between AppraisersAssessment Agreement#Inspected#Matched Percent(%)95.0%CI 12 3 25.0(5.5,57.2)#Matched:All appraisers assessments agree with each other.,检查数,这里#Matched是?所有测定者测定各部品时的一致性,所有测定者测定结果相同的次数/%,一致性不超过90%,需要及时改善,37,All Appraisers vs StandardAssessment Agreement#Inspected#Matched Percent(%)95.0%CI 12 3 25.0(5.5,57.2)#Matched:All appraisers assessments agree with standard.,检查数,这里#Matched是?所有测定者测定值与真值的一致性,所有测定者测定值与真值相同的次数/%,一致性不超过90%,需要及时改善,38,结果图表,测定者一贯性评价程度用95%置信区间表现,对真值的测定者的一致性表现为95%置信区间,在这里2号测定者对自己的评价基准模糊,连真值也无法区分,39,三、怎样计算Z值,离散型数据的SIGMA水平（即Z值的计算方法）,缺点数据的情况求DPMO从SIGMA表读对应于DPMO的 Z.st值受率数据的情况SCRAP,再作业等视为不良计算受率从SIGMA表读百万个当良品数=(受率)*1,000,000相对应的Z.st值,不良率数据的情况从不良率计算PPMPPM=(不良率)*1,000,000从SIGMA表读与PPM值一样的DPMO值相应的Z.st值.,下面我们讲怎样利用MINITAB计算Z值,40,例题1.对某一工程生产出荷的制品经过较长时间调查特定类型的缺点的 结果346个制品中发现了一个缺点.此工程这种类型的缺点相关的 SIGMA水平是多少?,下面我们利用Calcprobability Distributionsnormal来计算Z值，即SIGMA水准,41,Calc Probability Distributions Normal,SIGMA水准算出（Z值）2.7600+1.5=4.26,42,连续型数据的SIGMA水平（即Z值的计算方法）,Minitab:Stat Quality Tools Capability Analysis(Normal),注意：首先要判断是否为正态分布，若否，则须经转换为正态分布后方可使用Minitab求取Cpk。,打开数据文件:过程能力分析.MTV,43,计算过程能力指数Cpk,44,图形结果显示：,计算过程能力指数Cpk,45,4.画图表,Minitab把数据作成图表.图表可显示中心倾向,离散程度,分布的趋势,过程变化等内容.图表可提供与TEAM员间易于对话的方法,好的图胜过百句话,46,Worksheet,FileOpen Worksheet(Data file:Thickness.mtw),数据是两台机器生产的制品的厚度,从每个机器获得10个数据,利用这个数据进行画图分析练习,C1,C2 里各输入机器 1,2 的厚度数据,利用 stacking 将C1,C2的数据得到C3的数据.C1是机器1,C2是机器2的厚度数据.,47,时间列Plot(Time series plot),Time series plot是以 x 轴为时间时可看出按时间数据是否有变化?,GraphTime Series plot,假定C3的厚度数据是按照时间连续测定的,时间以分(minute)为单位,48,时间别,时间别的厚度变化趋势,49,Graph 题目及趋势线追加,为了确认按照时间是否存在倾向或周期性在这里选择 Lowess.,为了输入题目点出这里(Annotation)后输入题目,50,Graph 题目,趋势线,51,Plot,Plot是两个变数配对后表示的图表,GraphPlot,输入两个变数(x,y),52,可看出Thickness1 和Thickness2 间的相关关系.在这个图表上看不出明显的相关关系,53,活用Brush功能,Brush功能表示对图表中关心的数据,可容易看出数据所在的行号,Tool bar中选择这个符号,选择关心的数据,相应的行号显示在 Brushing box,54,Chart,选择Function(在这里是Mean),选择X,y变数(在这里是X:Machine,Y:thickness,选择Graph形态(在这里是柱形图),55,比较机器 1,2 制品的厚度,56,Histogram,表示数据的频率数据,非统计专家也可容易理解的图表,输入数据,图表形态,图表编辑(Color),柱子的个数调整,57,58,Boxplot,Y里是厚度 x里是机器号,59,机器1生产的制品厚度大,散布也大,60,Stat Basic Statistics Display Descriptive Statistics,各位要养成一有数据就先用上记菜单确认基本统计量的习惯.,Descriptive Statistics 可以利用多种图表,提供数据的平均值,标准偏差 Skewness,Kurtosis,信赖区间,Data的正态性,四分位数等情报.还可以优先确认基本统计量.,确定基本统计量,61,利用Descriptive Statistics可以从Graph以及Session很容易 看出基本统计,62,多个变量之间的关系,Graph Matrix Plot,利用A_01付款天数.mtv例子对入库金额/合同付款期/合同目标/洽谈后/实际付款期等变量进行分析，了解它们之间有什么关系？,63,利用Matrix Plot可以在图表里看出全部因子间的关系,合同目标与合同付款期有非常强的关系,洽谈后与实际付款期,合同付款期和实际付款期有强的关系.,64,Multi-vari(多个因素同时影响Y)分析,我们想知道什么？哪一个变量对输出影响更大，适合输出变量为连续型数据。,看一看下面数据收集方法的例子.特性值:转线时间,变动要因:变动的三个因素是单板种类,白夜班,生产线可作成下面的DATA收集格式.,65,Stat Quality Tools Multi-vari Chart,多变量调查在有计划进行时才有效果以上数据是1至3月收集的转线时间变化的主要因子(单板，班，线),因子间的变化呈多种形态时,选择Factor进行区分,66,67,假设检验举例,连续型数据均值的检验（两个总体比较）,对于技术一部的材料工程师想检验国内供应商和国外供应商提供的电容质量是否有显著性差异，如果没有显著性差异，为了降低成本，我们就可以用国内供应商的产品进行替代。因此分别选择了两个供应商的10个产品，由设计部门进行测试。以5%的有意水平，验证两个供应商的电容性能是否相同,打开:A_05电容.mtw,假设:,68,首先要检验它们是否是正态分布，其次要检验它们的方差是否相同？,69,正态性检验,方差检验,70,均值检验：,Stat Basic statistics 2-Sample t.,两个样本为等方差时选择,71,结果,Session windows,P-Value 0.788,P-Value 0.05，没有足够的证据证明它们之间存在显著性差异,统计检验问题转化为实际问题：国内供应商和国外供应商电容的质量特性是一样的,72,离散型数据比率检验（两个总体比较）,事例分析,为了解供应部和供应商签订的框架协议的有效性是否跟供应商的类别（贸易和直供），分别收集了1月份签订的协议，针对贸易商抽取500个协议，现在没有执行合同的有12个供应商，针对直供协议抽取了800个协议，现在没有执行的有15个协议。请在5%的显著水平下判断框架协议执行是否有差异。,假设:,73,Stat Basic Statistics 2 proportions,74,Session windows,总体差的95%置信区间,没有足够的证据证明它们之间存在显著性差异,75,假设检验的另外一种表现形式,Analysis of means,以前面的数据为例,76,77,回归分析,物流配送公司想了解运送货物行使的公里数（X1)、运送货物的次数（X2)和每天行使的时间（Y)之间的关系,78,Stat Regression Regression,79,分析残差,80,回归分析的另外一种类型：当研究的自变量中有离散行的数据时例如：公司为了研究返修中心单板的维修效率（y）与单板的使用时间(X1)、维修故障类型（X2）之间的关系，抽取了10块坏板，有关资料如下：,81,在这个时候我们可以定义以下变量：X2=0：机械故障 1：电子故障,82,DOE的使用方法,实习例题：纸直升飞机,纸直升飞机的 CTQ是从 2m高度到落地的总飞行时间。因子是 机翼的宽度,机翼的长度,机翼的材质，机身的重量4个因素 通过 DOE实验，请选择影响飞行时间最长的主要因素。,83,设计试验,输入：水平机翼的宽度（1.5、2.0）机翼的长度（15、20）机翼的纸质（报纸、白纸）,输出：纸飞机的飞行时间（Y)反复：3次,84,设计试验,85,Display Available Designs,Designs,86,Factors,options,87,分析试验结果,1.对输入因素的影响进行分析,Main Effects Plot：主要效果分析Interaction Plot：交互作用分析Cube Plot：立方体图分析,88,89,2.试验结果的方差分析,StatDOEFactorialAnalyze Factorial design,90,91,3.输入变量的设定,92,SPC的使用方法,X bar-R 管理图使用方法 StatControl ChartsXbarR,连续型的数据,93,Test,Estimate,