Minitab软件介绍与应用.ppt

《Minitab软件介绍与应用.ppt》由会员分享，可在线阅读，更多相关《Minitab软件介绍与应用.ppt（65页珍藏版）》请在三一办公上搜索。

1、1,2008.May,Minitab软件 介绍与应用,2,1、Minitab基本界面2、基本图形3、统计分析4、实验设计（DOE),3,Minitab 基本界面,1、基本界面,点击“Mtb”图标，如右图所示；打开Minitab 软件后出现的窗口如下：,点击“Mtb”图标,4,1、基本界面,Minitab 主要有以下四种窗口：-项目管理-会话窗口-数据工作表-图形窗口,点击显示“会话”窗口,点击显示“工作表”窗口,点击显示“图形”窗口,5,2、基本图形 2.1、概述 2.2、图形分析应用,6,2、基本图形概述,2.1、概述,点击”图形“菜单,Minitab 分析的图形有：-散点图-柱形图-箱线图

2、-时间序列图-等值线图 等等.,7,2、基本图形概述,打开”图形“菜单后，任意选择一图形进行分析，会出现五个选项，分别为：尺度、标签、数据视图、多图形、数据选项。,8,选项 用于.尺度 添加或自定义轴与刻度、网格线、参考线 以及其他尺度元素。标签 添加或自定义标题、脚注、数据标签以及其他标签类型。数据视图 添加或自定义数据符号、连接线、回归线、分布拟合以及其他数 据视图元素。多图形 显示多个变量之间的关系。图形变量可以在不同的图形上、同一 个图形的不同 组块上或同一个图形的 重叠区上进行标绘。数据选项 使用子集 指定要标绘的数据的子集，使用频率包括频率列，使 用组选项指定处理缺失值和空单元格的

3、方式。,2、基本图形概述,9,对于需要进行分析评估的数据，与图形类型的选择，具体如下：,2.2、图形分析应用,2、基本图形图形分析应用,10,图形 散点图,散点图：用于通过相对于一个变量绘制另一个变量来图示说明两个变量之间的关系。散点图对话框项 简单 含组 包含回归 包含回归和组 包含连接线 包含连接和组 散点图也可用于绘制随时间变化的变量。散点图例题：分析公司生产的相机电池是否能够很好地满足顾客的需要。市场调查显示，如果两次放电之间等待的时间超过 5.25 秒，顾客就会变得很不耐烦。收集了分别使用过不同时间的电池的一个样本，并在每个电池放电后立即测量了其剩余电压（放电后电压），还测量了各电池

4、再次放电之前必须等待的时间（放电恢复时间）。创建一个散点图来检查结果。,2、基本图形图形分析应用,11,图形 散点图,1打开 电池数.MTW.2选择 图形 散点图.3 选择 含组,然后 确定.4在 Y 变量,输入“放电恢复”.在 X 变量，输入“放电后电压”,5 在 用于分组的类别变量(0-3),输入“公式表示”.6 单击 尺度，然后选择 参考线.7 在 显示Y值 参考线,输入“5.25”.单击各对话框 确定.,选择散点图分析,选择含组,点击,2、基本图形图形分析应用,12,从图中表明:在所测试的电压范围内，新配方电池的放电恢复时间通常要短一些。通过图中的参考线我们看到，新配方电池观测到的大多

5、数恢复时间均低于 5.25 秒。,2、基本图形图形分析应用,13,习题：在木材产品行业中，普遍使用铬酸铜砷酸盐（即 CCA）使木材不易腐烂和遭受虫害。但是，一些团体抨击 CCA，担心以这种方式处理的木材对健康有潜在风险。现在研究一种新型纯有机化合物的耐久性，这种化合物可以替代 CCA，同时保持产品的质量标准并使公共利益团体满意。进行了研究，并在工作表“压力.MTW”中保存了结果：请使用散点图分析两种防腐剂对耐久度的影响。,2、基本图形图形分析应用,14,直方图：用于检查样本数据的形状和分布情况。直方图将样本值划分为许多称为区间 的间隔。条形表示落于每个区间内的观测值的数量（频率）。直方图对话框

6、项 简单 包含拟合 包含轮廓线和组 包含拟合和组 直方图例题：一家洗发精制造商需要确保瓶盖的紧固程度适当。如果瓶盖扣得过松，则有可能在装运过程中脱落。如果扣得过紧，消费者可能很难打开（尤其是在洗浴过程中）。随机抽取一些瓶子样本，并检测打开瓶盖所需的扭矩。创建一个直方图来评估数据并确定样本与目标值 18 的接近程度。,图形 直方图,2、基本图形图形分析应用,15,1打开 罩.MTW.2选择 图形 直方图.3 选择 包含拟合,然后 确定.4在 图形变量,输入“扭矩”.5 单击 尺度，然后选择 参考线.6 在 在数据处显示参考线,输入“18”.单击各对话框 确定.,图形 直方图,选择直方图分析,选择

7、包含拟合,点击,2、基本图形图形分析应用,16,从图上分析表明：样本的扭矩平均值为 21.26，略高于目标值 18。但是，分布呈正向偏斜，并且有多个瓶盖拧得过紧。许多瓶盖需要大于 24 的扭矩才能打开。,2、基本图形图形分析应用,17,图形 箱线图,箱线图（也称为方框须线图）可用来评估和比较样本分布。下图显示了默认箱线图的组成。箱线图包含有箱子、胡须线、飞点 胡须：上下胡须是从四分位线延伸到上下限范围内的最高、最低值飞点：超出上或下限的点 上须线值=Q3+1.5(Q3-Q1)下须线值=Q1-1.5(Q3-Q1)方框顶部为上四分位数(Q3)-75%的数据值小于等于此值。方框底部为下四分位数(Q1

8、)-25%的数据值小于等于此值。,2、基本图形图形分析应用,18,图形 箱线图,对话框项 一个 Y：简单 含组 多个 Y：简单 含组 箱线图例题：要评估四款试验性地毯产品的耐用性。地毯产品的样本放在四所住宅内，然后测量 60 天后的耐用性。创建带有中位数标签和颜色框的箱线图来检验每款地毯产品的耐用性分布。具体数据如右所示：,2、基本图形图形分析应用,19,1 打开 地毯.MTW.2选择 图形 箱线图.3 选择 一个 Y下的 含组.单击 确定.4在 图形变量,输入“耐用性”.5 在 用于分组的类别变量(1-4,第一个为最外层),输入“地毯”.6 单击 标签,然后选中 数据标签.7 在 标签,选择

9、 中位数.选中 使用Y值做标签.单击 确定.8 选中 数据视图.9 在 属性数据作为类别变量,输入“地毯”.在各对话框单击 确定.,选择箱线图分析,选择一个Y 中的 含组,点击,图形 箱线图,2、基本图形图形分析应用,20,2、基本图形图形分析应用,21,从图中表明：地毯 4 的耐用性中位数最高(19.75)。但是，该产品同时也呈现出最大的变异性。此外，该分布呈负向偏斜，其中至少一个耐用性测量值为 10 左右。地毯 1 和 3 具有相近的耐用性中位数（分别为 13.52 和 12.895）。地毯 3 还呈现出最小的变异性。地毯 2 的耐用性中位数仅为 8.625。该分布与地毯 1 的分布呈正向

10、偏斜。,2、基本图形图形分析应用,22,习题：一家公司生产塑料管件，他们很关心直径的一致性问题。测量每台机器在 1个月内生产的管件。创建一个箱线图来检验分布情况。打开工作表“管道.MTW”。,2、基本图形图形分析应用,23,图形 时间序列图,时间序列图：用于评估数据随时间变化的模式。Minitab 可以为时间尺度生成日历值、时钟值或索引 值，也可以使用自己的标记 值列。对话框项 简单 含组 多个 多个含组 时间序列图例题：ABC 公司在 2000-2001 年使用了两家广告机构-2000 年使用了 Alpha，2001 年使用了 Omega。现在要比较过去这两年的销售数据。请创建一个含组的时间

11、序列图。,2、基本图形图形分析应用,24,1打开 ABC销售人员.MTW.2选择 图形 时间序列图 或者统计 时间序列 时间序列图.3 选择 含组,单击 确认.4 在 序列,输入“销售人员”.5 在 用于分组的类别变量(1-3),输入“广告机构”.6 单击 时间/尺度，7 在 时间尺度 选日历，然后选择 月 年.8 在 月的开始值下输入1，在 年下输入2000.9 在各对话框单击确认.,图形 时间序列图,选择箱线图分析,选择 含组,点击,2、基本图形图形分析应用,25,从图中分析表明：两年的销售额持续上升。使用 Alpha 广告机构时销售额上升了 161，从 210 上升为 371。随后，使用

12、 Omega 广告机构时销售额变化尽管没有那么显著，也从 368 上升为 450，提高了 82。,2、基本图形图形分析应用,26,习题：1900 年到 1992 年奥运会男子 150 米跑的获胜时间。打开工作表“男子150米田径.MTW”。请创建时间序列图,2、基本图形图形分析应用,27,等值线图：将两个变量的值分别表示在 X 轴和 Y 轴上，而将第三个变量的值用称为等值线的阴影区域表示。例题：一家公司生产冷冻食品，需要确定重新加热一种新的冷冻食品的最佳时间和温度。以各种时间和温度重新加热样本，然后由经过培训的鉴定员为每个样本的总体质量按 0（味道不好）-10（味道最好）进行评级。创建一个等值

13、线图来检验结果。,图形 等值线图,选择等值线图分析,2、基本图形图形分析应用,28,1打开工作表“再热.MTW”。2选择 图形 等值线图。3在 Z 变量中，输入质量。在 Y 变量中，输入时间。在 X 变量中，输入温度。4 单击数据视图。5 在数据显示下，选中等值线。6 在每个对话框中单击确定。,图形 等值线图,2、基本图形图形分析应用,29,由分析图表明：较深的区域表明 Z 值较高。图形下部和右上部的低谷则分别表示此段加热时间-温度组合的效果不好。峰值集中在时间 35 和温度 425 处附近。此峰值区域的质量得分大于 8,2、基本图形图形分析应用,30,例题来自试验的数据，该试验是为研究两个因

14、子对薄饼质量的影响而设计的。这两个因子是乳清量和是否使用补充。有四个水平的乳清量和两个水平的补充，总共可得到 4 x 2=8 个处理组合或单元格。使用每个处理组合煎了三张薄饼。然后，专家对每张薄饼进行了评级；并对三个等级求平均值以得出一个总的质量等级。质量等级越高，薄饼质量越好。对每个处理组合进行三次这样的评级，总共可得到 3 x 8=24 个总质量评级。,31,3、统计分析3.1、控制图 子组的变量控制图3.2、质量工具 能力分析 正态3.3、质量工具 Pareto图,32,3.1、控制图子组的变量控制图,控制图：使用图行来跟踪一段时间内的过程统计量并检测是否存在特殊原因。子组的变量控制图：

15、子组的变量控制图 为子组 数据标绘来自连续测量数据（如长度或压力）的统计量。子组：在一组相同条件下产生的一组单位。例题：汽车发动机组装厂，部件之一的凸轮轴的长度必须为 600 毫米+2 毫米以满足工程规格。凸轮轴长度不符合规格是一个长期以来的问题，它引起装配时配合不良，导致废品率和返工率都居高不下。要绘制 Xbar 和 R 控制图以监控此特征，在一个月中从工厂使用的所有凸轮轴收集共 100 个观测值（20 个样本，每个样本中 5 个凸轮轴），并从每个供应商处收集 100 个观测值。,3、统计分析控制图,33,3.1、控制图 子组的变量控制图,1打开 凸轮轴.MTW.2选择 图统计 控制图 子组

16、的变量控制图 X-bar.3 选择 图表的所有观测值均在一列中,输入“长度”，在 子组大小 输入“5”，4单击 Xbar 选项，然后单击检验选项卡。5选择 对特殊原因进行所有检验。然后点击 确定.,3、统计分析控制图,34,3.1、控制图 子组的变量控制图,3、统计分析控制图,35,3.1、控制图 子组的变量控制图,1选择 统计 控制图 子组的变量控制图 Xbar-R。2选择 图表的所有观测值均在一列中，然后输入“供应商 1”和“供应商 2”。3在子组大小中，键入“5”。单击确定。,3、统计分析控制图,36,根据Xbar和R控制图表明：供应商1的平均值和极差似乎都受控，但其平均值为599.54

17、8毫米，而不是600毫米。供应商1的平均极差为1.341。,3、统计分析控制图,37,从供应商2的Xbar和R控制图中，可以看到有两个点在控制上限以上。5点中有4点在中心线的同一侧，R控制图的中心线在3.890处，几乎是供应商1的R（1.341）的三倍。,3、统计分析控制图,38,习题：公司以 2500 根为一批接收用于组装生产的 2”塑料管。这些塑料管的平均壁厚为 0.20”。设置一个变量抽样计划来验证塑料管的壁厚。根据这些规格，随机从每批次 2500 根塑料管中选取并测量了 104 组塑料管。具体记录见“管道样本.MTW”。,39,过程一旦处于统计控制 状态下（即稳定生产）后，就可能要确定

18、其是否有能力（即符合规格限制并生产出“良好”的部件）。通过将过程变异的宽度与规格限制的宽度相比较来确定能力。过程需要处于受控状态，然后才能评估其能力；否则，会错误地估计过程能力。可以通过绘制能力直方图和能力图以图形化方式评估过程能力。这些图形有助于评估数据的分布并证实过程受控。能力分析（正态）在数据服从正态分布 时生成过程能力报告。报告中包括能力直方图（上面覆盖有基于分布参数的分布曲线），以便评估数据是否服从所选分布。报告中还包括一个过程能力统计量表（同时包括组内和整体统计量）。例题：一家线缆制造商希望评估线缆的直径是否符合规格。线缆直径必须为 0.55+0.05 cm 才符合工程规格。分析员

19、评估过程的能力以确保其满足客户的要求，分析员每小时从生产线中取 5 根连续的线缆作为一个子组，并记录直径。,3.2、质量工具 能力分析 正态,3、统计分析质量工具,40,1打开工作表“线缆.MTW”。2选择 统计 质量工具 能力分析 正态。3在 单列 中，输入直径。在子组大小中，输入 5。4在规格下限中，输入 0.50。在规格上限中，输入 0.60。5单击选项。在目标（添加 Cpm 到表格）中，输入 0.55。6 在每个对话框中单击确定。,3.2、质量工具 能力分析 正态,3、统计分析质量工具,41,3、统计分析质量工具,由图分析可以看到：过程平均值(0.54646)略小于目标(0.55)。并

20、且分布的两个尾部都落在规格限之外。这意味着，有时会发现某些电缆直径小于 0.50 厘米的规格下限或大于 0.60 厘米的规格上限。,42,习题：随机从每批次 2500 根塑料管中选取并测量了 104 组塑料管。这些塑料管的平均壁厚为 0.20“，其规格上下限为 0.09”。具体记录见“管道样本.MTW”。,43,质量工具包括运行图：检测过程数据中的模式，并对非随机行为执行两种检验；Pareto图：确认哪些问题最重要，可以集中改进；因果（鱼骨）图：组织分析有关问题的潜在原因；多变异图：以图形形式分析方差数据；对称图：评估数据是否对称分布；Pareto图Pareto 图 是一种条形图，其中水平轴表

21、示所关注的类别。类别通常是缺陷。通过从大到小排列条形。累积百分比 线条帮助判断每种类别所加入的贡献。Pareto 图可帮助着重改进能获得最大收益的方面。Pareto 图可以为所有数据绘制一个图（默认），也可以为数据内的组单独绘制图。,3.2、质量工具 Pareto图,3、统计分析质量工具,44,3、统计分析质量工具,3.3、质量工具 Pareto图,例题：一家公司生产金属书柜。在最终检查过程中，有一定数量的书柜因划痕、缺口、弯曲或凹痕而遭到拒收。要绘制 Pareto 图以了解导致大多数问题的是何种缺陷。,选择Pareto图分析,45,1选择 图统计 质量工具 Pareto图.2 选择 已整理成

22、表格的缺陷数据,3 在 标签位于 输入“缺陷数”，在 频率位于 输入“计数”，然后点击 确定.,3.3-1、质量工具 Pareto图,3、统计分析质量工具,由Pareto图表明：64.8%的缺陷是由于丢失螺丝钉，13.9%的缺陷是缺少线夹，因此请着重改进此两项。,46,3.3-2、质量工具 Pareto图,1选择 图统计 质量工具 Pareto图.2选择,原始缺陷数据位于,输入“瑕疵数”，在 分组变量位于 输入“期间”，然后点击 确定.,由Pateto图中表明：夜班生产的缺陷数量更多。如果您检查夜班过程中的那部分，就会了解到问题所在。,3、统计分析质量工具,47,4、实验设计（DOE)4.1、

23、实验设计概述 4.2、因子设计分析,48,以最少的实验次数迅速获得最大的信息量的计划方法.把以往的经验或者理论性、技术性知识等的原有技术与依照实验计划法的知识结合起来 设计试验的执行通常分为四个阶段：计划、筛选（也称为过程特征化)、优化和验证。因子设计：允许同时研究多个因子 对某一过程可能具有的效应。执行试验时，同时改变多个因子水平（而非一次一个）可以大大节省时间和成本，而且还可以研究因子之间的交互作用。响应曲面方法：用于检查一个或多个响应变量与一系列数量试验变量或因子之间的关系。混料试验：是一类特殊的响应曲面试验，其中所调查的产品由多种成分组成。田口设计（或正交表）：是用于产品或过程设计的工

24、程方法，关注的是使变异性的敏感度最小化。,4.1、实验设计概述,4、实验设计,49,DOE 用语,因子(Factor)实验所用的输入要素(例)温度,湿度,水准(Level)各实验因子的设定值(例)温度 100 200(-)(+)反应值(Response)实验的数值性结果(一般用 Y表示)(例)Y=267mm 主效果(Main Effect)随一个独立因子的水准变化相应的(例)E1=2 反应值的影响 E2=-7 交互效果 两个以上的因子结合后对反应(例)E12=5(Interaction Effect)因子产生的影响 解析度(Resolution)在部分实施法中表示实验设计的搅乱(例)III,I

25、V,V 程度的记号 搅乱(Confounding)以两个以上因子的效果合并后(例)1+2 产生的现象难以分离 1+3,2+2,4、实验设计,50,设计类型 2 水平因子（默认生成元）：选择此项将使用 Minitab 的默认生成元。2 水平因子（指定生成元）：选择此项将自行指定设计生成元。Plackett-Burman 设计：选择此项将生成 Plackett-Burman 设计。一般全因子设计：选择此项将生成至少一个因子 有二个以上水平 的设计。因子数：指定要生成的设计中的因子数。例题：假设您要设计一个试验以检验以下三个因子：压力（1 个大气压和4 个大气压、温度（20和40）和催化剂（A、B两

26、种类型）。,4.2、因子设计,4、实验设计,51,4.2、因子设计创建因子设计,4、实验设计,1选择 统计 DOE 因子 创建因子设计。2单击 显示可用设计。3单击确定。此时您回到主对话框中。4选择 2 水平因子（默认生成元）。5在因子数中，选择 3。6单击设计。顶部的框中显示可用于所选择的设计类型和因子数的所有设计。7在设计框中，选择全因子。8在角点的仿行数中，选择 2。9单击确定。,选择创建因子设计,52,4、实验设计,备注：1、绿色为Minitab 推荐使用的因子实验设计；2、黄色是Minitab 不推荐使用的因子实验设计；3、红色为不可行的因子实验设计。,53,角点-表示在其最高水平或

27、最低水平上设置所有因子时的试验游程。例如，在二因子设计中，位于右上角的点表示同时在其高水平(1,1)设置因子 A 和因子 B 时的试验游程。中心点-表示所有因子水平都设置在低设置和高设置之间的中间位置时的试验游程。仿行-因子设置（水平）相同的多次试验运行。,4.2、因子设计创建因子设计,4、实验设计,中心点,角点,54,因子 低设置 高设置温度 20 40 压力 1 个大气压 4 个大气压催化剂 A B,4.2、因子设计创建因子设计,4、实验设计,1单击因子。2单击名称列的第一行以更改第一个因子的名称。然后，使用箭头键在表中导航，即在行间或列间移动3单击确定。,55,1单击选项。2在随机数生成

28、元基数中，键入 9。输入随机数生成元的基数可以控制随机化，此示例课程中所用的设计顺序。3确保选中将设计存储在工作表中。单击确定。4回到主对话框中。单击确定。,4.2、因子设计创建因子设计,4、实验设计,56,1在数据窗口中，单击 C8 的名称字段并键入产量。2 执行试验的所有十六个游程，并记录观测到的产量。假设获得以下产品产量（以克为单位）：66 66 102 98 65 54 107 68 53 66 55 85 108 89 52 633将观测到的产量键入到数据窗口的“产量”列中。,4、实验设计,4.2、因子设计创建因子设计,57,1选择统计 DOE 因子 分析因子设计。2在响应中，输入产

29、量。验证对话框。3单击图形。4要生成有助于确定哪些效应处于活动状态的两个效应图，请选中正态和 Pareto。使用默认的 a 水平(0.05)。验证对话框。5单击确定。,4、实验设计,4.2、因子设计创建因子设计,58,4、实验设计,正态概率图标记出低于在“分析因子设计-图形”子对话框中所选择的 a 水平的效应。此处，使用 a=0.05 时，压力、催化剂以及压力*催化剂交互作用的效应显著。,59,1选择统计 DOE 因子 分析因子设计。2单击项。3设置要拟合的模型。从按顺序在模型中包括项中，选择 2。4单击确定。回到主对话框中。5在分析因子设计对话框中单击确定,4、实验设计,4.2、因子设计创建

30、因子设计,60,1选择 统计 DOE 因子 因子图。2选中 主效应图并验证对话框。单击设置。3在响应中，键入产量。4接下来，选择要绘制的项：5选中交互作用图 并单击设置。6重复步骤 3 和 4。验证交互作用对话框。7在主对话框中单击确定。,4、实验设计,4.2、因子设计创建因子设计,61,4、实验设计,可以看出，催化剂类型比压力的主效应更大。也就是说，连接催化剂 A 与催化剂 B 的平均值响应的直线比连接压力低设置和高设置的平均值响应的直线的斜率更陡。尽管催化剂类型对产量的影响似乎比压力更大，但查看交互作用是很重要的。交互作用可以放大或抵消主效应。,交互作用图显示更改一个因子的设置对另一个因子

31、的影响。在压力为 1 个和 4 个大气压下，催化剂 A 的产量都要高于催化剂 B 的产量。,62,1 选择 统计 DOE 因子 响应优化器。2 将 可用里的产量传到 所选框内。3 点击 设置。4 在 产量 的 下限输入80，望目输入90，上限输入100，在各对话框中单击确定。,4.2、因子设计创建因子设计,4、实验设计,63,由图中分析表明：在A种催化剂，压力控制在1.4-3.6 个大气压中，可用将产能控制80-100的范围以内。,4、实验设计,64,3因子2个水平DOE实验例题：测试的因子与水平如下:Temp:160o C(-1),180o C(1)Time:(min):8(-1),12(1)Chip:Brand A(-1),Brand B(1)实验设计结果如下矩阵:,4、实验设计,该例为全因子实验,65,报告完毕 谢谢！,