Minitab的定義及其操作培訓(xùn)

Minitab的定義及其操作培訓(xùn)MINITAB=Mini+Tabulator=小型+計(jì)算機(jī)介紹于1972年，美國賓夕法尼亞州立大學(xué)用來作統(tǒng)計(jì)分析、教育用而開發(fā)，目前已出版Window用版本Vesion12.2，并且已在工學(xué)、社會學(xué)等所有領(lǐng)域被廣泛使用。特別是與Six-sigma關(guān)聯(lián)，在GE、AlliedSignal等公司已作為基本的程序而使用。

優(yōu)點(diǎn)以菜單的方式構(gòu)成，所以無需學(xué)習(xí)高難的命令文，只需擁有基本的統(tǒng)計(jì)知識便可使用。圖表支持良好，特別是與Six-sigma有關(guān)聯(lián)的部分陸續(xù)地在完善之中。Minitab什么是Minitab?一般統(tǒng)計(jì)-基礎(chǔ)統(tǒng)計(jì)-回歸分析-分散分析-多變量分析-非母數(shù)分析-TABLE(行列)-探索性資料(數(shù)據(jù))分析品質(zhì)管理-品質(zhì)管理工具-測定系統(tǒng)分析-計(jì)量值數(shù)據(jù)分析-計(jì)數(shù)值數(shù)據(jù)分析-管理圖分析-工程能力分析信賴性及數(shù)據(jù)分析-分布分析-數(shù)據(jù)的回歸分析-受益分析實(shí)驗(yàn)計(jì)劃-要因?qū)嶒?yàn)計(jì)劃-反應(yīng)表面實(shí)驗(yàn)計(jì)劃-混合實(shí)驗(yàn)計(jì)劃-Robust實(shí)驗(yàn)計(jì)劃Minitab什么是Minitab?MinitabMinitab操作Minitab初始畫面方法2.利用Minitab圖標(biāo)運(yùn)行的方法把

Minitab安裝到電腦時(shí)，開始菜單及Minitab公文包里生成Minitab的運(yùn)行圖標(biāo)。運(yùn)行Minitab的方法有利用開始菜單及選擇運(yùn)行圖標(biāo)兩種。方法1.利用開始菜單運(yùn)行Minitab的方法File:有關(guān)文件管理所需的副菜單的構(gòu)成Edit:編輯Worksheetdata,外部data的link及commandlinkeditor副菜單Manip:Worksheetdata的Split、Sort、Rank、Delete、Stack/Unstack等副菜單Calc:利用內(nèi)部函數(shù)的數(shù)據(jù)計(jì)算及利用分布函數(shù)的數(shù)據(jù)生成Stat:是分析統(tǒng)計(jì)資料的副菜單，由基礎(chǔ)統(tǒng)計(jì)、回歸分析、分散分析、品質(zhì)管理、時(shí)針序列分析、離散資料分析、非母數(shù)統(tǒng)計(jì)分析等構(gòu)成Graph:為編輯Graph的GraphLayout,Chart副菜單及文字Graph構(gòu)成Editor:不使用菜單，使用命令直接作業(yè)及Clipboardsetting等副菜單Window:由控制Window畫面構(gòu)成的副菜單及管理Graph畫面的副菜單構(gòu)成MinitabMinitab菜單構(gòu)成打開新建:File->New(project,worksheet)打開保存的Project:File->Openproject打開保存的Worksheet:File->OpenWorksheet打開保存的Graph:File->OpenGraph用ODBC打開:File->QuaryDatabase打開TXT:File->Othersfile->Importspecialtxt

保存保存為當(dāng)前文件名:File->Save(project,worksheet)另存為:File->Saveas(project,worksheet)TXT保存:File->Otherfile->Exportspecialtxt注)OpenGraph下方的Saveas為根據(jù)選擇的窗口可更改保存內(nèi)容。

打印打印當(dāng)前選擇window:File->Print練習(xí))把當(dāng)前的Worksheet保存為Temp.mtw，

并關(guān)閉后重新打開

<5>MinitabMinitab菜單(File)恢復(fù)已刪除資料清除Cell(s)的數(shù)據(jù)刪除Cell(s)的數(shù)據(jù)–下端的cell移動復(fù)制Cell(s)粘貼Cell(s)LinK粘貼Link管理選擇所有cell編輯最后操作的對話框打開命令編輯器一般選項(xiàng)<Cell的修改/復(fù)制/刪除>用鼠標(biāo)拖動工作窗口按鼠標(biāo)的右鍵會出現(xiàn)popupmenu通過此項(xiàng)可編輯把Col/Row的全部作為工作的對象時(shí)，選擇上端/左側(cè)。<資料輸入及刪除>指定變量名:在C1(Col名)

下端的cell上輸入變量名。輸入Data:把數(shù)據(jù)和文字輸入到下端的cell

上但，要是先輸入數(shù)值把變量屬性變更為數(shù)值變量后不能輸入文字。刪除Data:把相關(guān)cell用鼠標(biāo)drag

后按Del鍵相關(guān)cell

的內(nèi)容被刪除掉，并且下端的cell向上移動。練習(xí))在AUTO.MTW上1)刪除4,5Row后把C4,C5的DATA

變更為2342)把C2Col

移動到C53)把C4ColumnSize

變更為12

<6>MinitabMinitab菜單(Edit)從活動Worksheet中復(fù)制數(shù)據(jù)，制作subsetWorksheet。把活動Worksheet分成兩個(gè)以上新的Worksheet把一列以上的數(shù)據(jù)移到多個(gè)列上把多個(gè)列上的數(shù)據(jù)合成一個(gè)列交換行和列的位置對齊排列數(shù)據(jù)數(shù)據(jù)上注明序位刪除特定列的行把多個(gè)列的文字?jǐn)?shù)據(jù)合并為一個(gè)列數(shù)據(jù)按變換條件交換變更Data的屬性把數(shù)據(jù)在Session窗口里輸出把多個(gè)Worksheet合并為一個(gè)Worksheet刪除行、常數(shù)、行列把列上內(nèi)容復(fù)制到其它列上MinitabMinitab菜單(Manip)練習(xí))把EXH_AOV.MTW的Durability和Carpet保存在新的Worksheet后，(1)把Durability為Unstack(2)用上面Unstack的內(nèi)容把C7的data保存到C8Subscript。練習(xí))在AUTO.MTW中，(1)Age按No.M的順序排列。(2)按Yes.M的順序排列的No.F保存到C11。Minitab習(xí)題把多數(shù)的col使用函數(shù)計(jì)算后，保存到新的col上把1個(gè)col的統(tǒng)計(jì)值保存到新的col上用1個(gè)以上的col計(jì)算統(tǒng)計(jì)值后，保存到新的col上變換為標(biāo)準(zhǔn)化資料把數(shù)據(jù)屬性變更為數(shù)值屬性把數(shù)據(jù)屬性變更為文字屬性生成Pattern數(shù)據(jù)把X、Y、Z的值用3D圖象方式組合后生成Mesh數(shù)據(jù)生成在回歸分析中要使用的指示變量指定Random數(shù)據(jù)的基準(zhǔn)點(diǎn)生成符合分布函數(shù)的Random數(shù)據(jù)生成符合分布函數(shù)的概率，并用數(shù)據(jù)保存行列MinitabMinitab菜單(Calc)MinitabMinitab菜單(Window)window:集合了把Minitab的所有window

調(diào)節(jié)的命令和總體管理的Graph,Worksheet的命令等,全面性Window

的運(yùn)營命令。指定把各個(gè)window都顯示,或者用小圖標(biāo)來顯示

把Toolbar

與Statusbar

隱藏或顯示使總括Graphwindow

的window活性化使管理Worksheet

的window活性化活性window

用Vmark

表示，用Vmark標(biāo)記打開

window2.基礎(chǔ)統(tǒng)計(jì)基礎(chǔ)統(tǒng)計(jì)量輸出基礎(chǔ)統(tǒng)計(jì)量保存對母平均的推定及檢定對母比率的推定及檢定相關(guān)分析公分散分析正態(tài)性檢定Minitab基礎(chǔ)統(tǒng)計(jì)

兩個(gè)母集團(tuán)的分散的同一性檢定資料應(yīng)為連續(xù)性的列資料,同時(shí)應(yīng)為數(shù)值資料。能輸出圖表。Variables:選擇需要分析的Col(變量)Byvariable:使用集團(tuán)(Gvoup)變量計(jì)算基礎(chǔ)統(tǒng)計(jì)量-N:data數(shù)值-Mean:平均-Median:中央值-TrMean:調(diào)整平均-StDev:標(biāo)準(zhǔn)偏差-SEMean:StandardErroofMean-Minimum:最小值-Maximum:最大值-Q1:1/4數(shù)

-Q3:3/4數(shù)Minitab基礎(chǔ)統(tǒng)計(jì)量

(DisplayDescriptiveStatistics)

<制作圖表選項(xiàng)>Histogramofdata:制作HistgramHistogramofdatawithnormalcurve:制作Histogram和正態(tài)分布曲線Dotplotofdata:制作DotplotBoxplotofdata:制作BoxplotGraphicalsummary:把統(tǒng)計(jì)值用Graph輸出NormalityTest:正態(tài)性檢定A-Squared:越接近零時(shí)判斷為接近正態(tài)P-Value:比留意水準(zhǔn)大時(shí)為正態(tài)性Minitab基礎(chǔ)統(tǒng)計(jì)量

(DisplayDescriptiveStatistics)

計(jì)算統(tǒng)計(jì)量并保存在當(dāng)前的Worksheet在選擇兩個(gè)以上的Col時(shí)，變量名區(qū)分為1,2。當(dāng)指定Byvariable時(shí)，隨著相關(guān)Variable的種類按Row

方向保存。-Firstquartile:1/4數(shù)-Thirdquartile:3/4數(shù)-Interquartilerange:Q3-Q1-Skewness:歪度分布的對稱性,越接近0越滿足對稱性-Kurtosis:添度分布的尖的程度為0時(shí)正態(tài)分布,負(fù)數(shù)為完滿,正數(shù)時(shí)比正態(tài)分布尖-MSSD:把前后數(shù)據(jù)差的乘方除以2-Nnonmissing:填滿的Col數(shù)Nmissing:空Col數(shù)CumulativeN:Col的DATA數(shù)-Percent:集團(tuán)占有率-Cumpercent:累積占有率Minitab保存基礎(chǔ)統(tǒng)計(jì)量

(StoreDescriptiveStatistics)

-留意水準(zhǔn):犯第一種錯(cuò)誤的最大概率-P-Value:犯一種錯(cuò)誤的概率的推定值-駁回領(lǐng)域:駁回假設(shè)的部分領(lǐng)域-兩側(cè)檢定:駁回領(lǐng)域存在于兩端的檢定-單側(cè)檢定:駁回領(lǐng)域存在于分布一端時(shí)的檢定Minitab活用Minitab的假設(shè)檢定<Confidenceinterval指定的情況>結(jié)果解釋:信賴區(qū)間為最小4.6582,最大4.9196(信賴度為95%時(shí))

圖像對Test與Confidenceinterval的輸出不同。Test時(shí)Ho值追加表示。<Test指定><Confidence

指定>Minitab1-SleZ不知標(biāo)準(zhǔn)偏差時(shí)母平均的推定和檢定Variables:指定要分析的ColConfidenceinterval:指定計(jì)算信賴區(qū)間的信賴度Testmean:指定檢定時(shí)對象值A(chǔ)lternative:設(shè)定對立假設(shè)StDev:標(biāo)準(zhǔn)偏差SEMean:平均誤差CI:信賴區(qū)間mu:歸屬假設(shè),munot:對立假設(shè)P值比留意水準(zhǔn)小時(shí)駁回Ho，即p值指脫離的概率。結(jié)果解釋:p值小于5%留意水準(zhǔn)，故駁回歸屬假設(shè),即平均不等于5Testmean指定的情況Minitab1-SletEXH_STAT.MTW不知標(biāo)準(zhǔn)偏差時(shí)兩個(gè)母平均差的推定和檢定Slesinonecolumn(stack形態(tài)):在1Col中比較兩個(gè)集團(tuán)Sleindifferentcolumns(unstack形態(tài))->First:選擇第一個(gè)Col->Second:選擇第二個(gè)ColAlternative:設(shè)定對立假設(shè)Confidencelevel:設(shè)定信賴水準(zhǔn)Assumeequalvariance:假設(shè)兩個(gè)集團(tuán)的母分散一致結(jié)果解釋:p值大于5%有益水準(zhǔn)，故選擇歸屬假設(shè)，即兩個(gè)母平均在95%信賴區(qū)間無差異Minitab2-SletTwo-SleT-TestandCI:BTU.In,DerTwo-sleTforBTU.InDerNMeanStDevSEMean1409.913.020.4825010.142.770.39Difference=mu(1)-mu(2)Estimatefordifference:-0.23595%CIfordifference:(-1.464,0.993)T-Testofdifference=0(vsnot=):T-Value=-0.38P-Value=0.704DF=80Furnace.mtw有關(guān)對應(yīng)的兩個(gè)母集團(tuán)的母平均差的推定和檢定Firstsle:選擇第一個(gè)dataColSecondsle:選擇第二個(gè)dataCol->1Col與2Col的資料數(shù)應(yīng)相同Confidencelevel:輸入信賴度Testmean:輸入對應(yīng)差的檢定平均值A(chǔ)lternative:設(shè)定對立假設(shè)結(jié)果解釋:p值小于留意水準(zhǔn)5%，故駁回歸屬假設(shè),即兩個(gè)母平均間有差EXH_STAT.MTWMinitabPairedt母不良率的推定及檢定Slesincolumns:只限兩種文字或者數(shù)字Summarizeddata-Numberoftrials:全體試行次數(shù)-Numberofsuccesses:成功(不良)次數(shù)Confidencelevel:信賴度Testproportion:檢定不良率Alternative:設(shè)定對立假設(shè)Usetestandintervalbasedonnormaldistribution:決定是否按正態(tài)分布近似計(jì)算結(jié)果解釋:p值比留意水準(zhǔn)5%小，故駁回歸屬假設(shè)Minitab1-Proportion(單一母集團(tuán)母比率的檢.推定)兩個(gè)母不良率差的推定及檢定Summarizeddata-Numberoftrials:全體試行次數(shù)-Numberofsuccesses:成功(不良)次數(shù)Confidencelevel:信賴度Testproportion:檢定不良率Alternative:設(shè)定對立假設(shè)Usetestandintervalbasedonnormaldistribution:是否按正態(tài)分布近似計(jì)算結(jié)果解釋:p值比留意水準(zhǔn)5%大，故選擇歸屬假設(shè)，即兩個(gè)母集團(tuán)不良率無差異Minitab2-Proportion(兩個(gè)母集團(tuán)母比率的檢.推定)命名兩個(gè)變量間關(guān)系的方法Variables:要分析的ColDisplayp-value:輸出p值Storematrix:保存為matrix結(jié)果解釋:p值比留意水準(zhǔn)5%小，故駁回歸屬假設(shè)，即各變量之間有關(guān)系GRADES.MTWMinitabCorrelation(相關(guān)分析)公分散為像相關(guān)分析似的表示兩個(gè)變量間關(guān)系的統(tǒng)計(jì)量-Verbal與Math的標(biāo)本公分散為1333.9704-Verbal與GPA的標(biāo)本公分散為13.6995-GPA與Math的標(biāo)本公分散為7.4790MinitabCovariance(公分散)GRADES.MTW檢定資料的分布形態(tài)是否隨正態(tài)分布的分析法歸屬假設(shè):數(shù)據(jù)是隨正態(tài)分布對立假設(shè):數(shù)據(jù)是不隨正態(tài)分布Variable:設(shè)定需正態(tài)性檢定的Col(變量)Referenceprobabilities:輸入概率值TestsforNormality:三個(gè)方法中選擇一種結(jié)果分析:首先若資料與圖象中的直線一致，可認(rèn)為按正態(tài)分布。因P-value為0.022比留意水準(zhǔn)小，故駁回歸屬假設(shè)，即不隨正態(tài)分布Cranksh.mtwMinitabNormalityTest(正態(tài)性檢定)3.回歸分析為了模型化及調(diào)查反應(yīng)變量與一個(gè)以上的獨(dú)立變量之間關(guān)系的分析

Leastsquareregression:反應(yīng)變量為連續(xù)性資料時(shí)Regression:利用最小乘方法，實(shí)施單一回歸或多重回歸StepwiseRegression:為了找出最合適的說明變量模型進(jìn)行追加或刪除變量而分析BestSubsetsRegression:利用最大R-square基準(zhǔn)來分析最大Subset回歸FittedLinePlot:用一個(gè)預(yù)測變量的線型或多次項(xiàng)進(jìn)行回歸分析ResidualPlot:為殘差分析的Plot作成

Logisticsquareregression:反應(yīng)變量為范籌型資料時(shí)BinaryLogisticRegression:利用二項(xiàng)反應(yīng)變量的回歸分析(2個(gè)范籌時(shí))OrdinalLogisticRegression:利用順序型反應(yīng)變量的回歸分析(3個(gè)以上范籌時(shí))NominalLogisticRegression:利用名目型反應(yīng)變量的回歸分析(3個(gè)以上范籌時(shí))Minitab回歸分析基礎(chǔ)MinitabRegression

在兩個(gè)以上變量的關(guān)系上建立數(shù)學(xué)函數(shù)的方法Response:選擇種屬變量(結(jié)果值)->Score2Predictors:選擇獨(dú)立變量(輸入值)->Score1EXH_REGR.MTWOptions...Weight:為加重回歸指定有加重值的ColFitintercept:決定在模型中是否除去絕對項(xiàng)Display-Varianceinflationfactors:以多重空線型判別(VIF)影響值，指定VIF值輸出與否-Durbin-Watsonstatistic:指定檢定殘差自己相關(guān)Durbin-Watson統(tǒng)計(jì)量輸出與否LackofFitTests-Pureerror:指定履行適合性檢定時(shí)純誤差項(xiàng)的輸出與否-Datasubsetting:指定把說明變量細(xì)分而提供類似反復(fù)效果的算法適用與否Predictionintervalsfornewobservation:推定回歸式后，按說明變量的值推定y值Storage-Fits:指定是否保存推定的y-Confidencelimits:指定是否保存推定y的信賴水準(zhǔn)的信賴區(qū)間-SDsoffits:指定是否保存y的標(biāo)準(zhǔn)偏差-Predicctionlimits:指定是否保存y的預(yù)測界限MinitabRegressionResults...在Session窗不顯示任何結(jié)果時(shí)顯示基本的回歸分析結(jié)果時(shí)顯示基礎(chǔ)統(tǒng)計(jì)量時(shí)顯示追加統(tǒng)計(jì)量時(shí)Graphs...ResidualsforPlots:殘差圖象中顯示的殘差種類選擇-Regular:在資料的原來測度內(nèi)利用殘差時(shí)-Standardized:利用標(biāo)準(zhǔn)殘差時(shí)-Deleted:利用Studentized殘差時(shí)ResidualPlots-Histogramofresidual:畫殘差的Histogram時(shí)-Normalplotofresidual:畫殘差的正態(tài)概率圖時(shí)-Residualsversusfits:想看殘差的適合性時(shí)-Residualsversusorder:關(guān)于殘差對比資料的順序-Residualsversusthevariables:殘差與變量之間的關(guān)系MinitabRegressionMinitabRegression分析結(jié)果回歸方程式為SCORE2=1.12+0.218SCORE1P值比留意水準(zhǔn)小，故駁回歸屬假設(shè)。即兩個(gè)變量的回歸系數(shù)不是0。對資料的說明程度(決定系數(shù))為95.7%，因第9個(gè)數(shù)據(jù)是非正常數(shù)據(jù)，故需要進(jìn)一步觀察。新數(shù)據(jù)的信賴區(qū)間為(2.7614,3.0439),預(yù)測區(qū)間為(2.5697,3.2356)。MinitabStepwise

說明變量數(shù)量多時(shí)，添加或減少變量而選別適當(dāng)?shù)淖兞考蠟槟康乃锌赡艿幕貧w:當(dāng)有k個(gè)變量時(shí)，調(diào)查從一個(gè)也不包含的模型至包含k個(gè)的所有模型

前進(jìn)選擇法:在影響反應(yīng)變量的k個(gè)說明變量中選擇最大影響的變量，并判斷為再無其它重要變量時(shí),停止變量的選擇

后進(jìn)選擇法:在影響反應(yīng)變量的k個(gè)說明變量中除去影響小的變量，并判斷為再無可除變量時(shí)，停止變量的除去階段別回歸方法:在前進(jìn)選擇法里加后進(jìn)選擇法的方法MinitabStepwiseResponse:輸入反應(yīng)變量(Pulse2)Predictors:輸入說明變量(Pulse1Ran-Weight)Predictorstoincludeineverymodel:指定先包含的變量選擇Forwardselection后指定留意水準(zhǔn)留意水準(zhǔn):把預(yù)測變量追加到回歸模型的基準(zhǔn)(p值小于留意水準(zhǔn)時(shí)追加)PULSE.MTWMinitabBestSubsets在分析者所希望的說明變量中找出最佳模型的分析Response:指定反應(yīng)變量Freepredictors:指定在模型里包含可能性的變量Predictorsinallmodels:指定必須包含在模型中的變量包含在模型的至少變量數(shù)和最大變量數(shù)在說明變量數(shù)為相同的組合中，指定最高說明結(jié)果的幾個(gè)輸出與否EXH_REGR.MTW結(jié)果解釋在模型選擇上有根據(jù)的統(tǒng)計(jì)量(R-square,adj-R,Cp)Vars:包含在各模型的說明變量數(shù)。以下是如前所定的5個(gè)說明變量中包含2個(gè)至4個(gè)的模型中按R-square高順序所表示的。另在包含2個(gè)、3個(gè)、4個(gè)說明變量的模型中，每各變量個(gè)數(shù)輸出3個(gè)。MinitabBestSubsets履行單一回歸步驟,繪出回歸圖在線型回歸及多項(xiàng)回歸中有用的方法,即一個(gè)變量對應(yīng)一個(gè)反應(yīng)值時(shí)。Options...Response:指定反應(yīng)變量Predictor:指定說明變量(僅一個(gè))TypeofRegressionModel:指定回歸Model(1,2,3次方程式)Transformations:反應(yīng)變量與說明變量取10為底的LogDisplayOption:表示信賴區(qū)間及預(yù)測區(qū)間MinitabFittedLinePlotMinitabFittedLinePlot結(jié)果解釋顯示2次項(xiàng)模型比直線模型更為適合殘差plot是為回歸分析診斷而使用回歸分析時(shí),若保存了殘差和推定值(Fits),則利用ResidualPlot步驟繪出殘差圖形。進(jìn)行殘差分析之前應(yīng)先保存殘差和適合值Stat>Regression>Storage:把Fits與ResidualcheckResiduals:指定殘差Fits:指定反應(yīng)變量的推定值MinitabResidualPlotsMinitabResidualPlots顯示為檢查殘差是否近似于正態(tài)分布的正態(tài)概率圖，接近直線時(shí)為良好。用類似于正態(tài)概率圖的用途顯示全面的殘差形態(tài)的圖象，正態(tài)分布形態(tài)時(shí)為良好殘差對適合值的圖象是顯示越小的預(yù)測值更為適合當(dāng)反應(yīng)變量不是連續(xù)性的二分型(0,1)資料時(shí)的回歸分析Response:指定反應(yīng)變量Frequency:輸入頻率數(shù)存在成功與試行次數(shù),成功與失敗,失敗與試行次數(shù)形態(tài)的反應(yīng)變量時(shí)，各自輸入。

Model:指定說明變量Factors:在說明變量中指定離散型變量Graph...指定為回歸模型診斷的各種圖象EXH_REGR.MTWMinitabBinaryLogisticRegressionResults...通過圖象診斷過程中顯示不適合模型的值有2個(gè)。在圖象上按鼠標(biāo)右鍵則出現(xiàn)Play菜單，并通過Brush確認(rèn)是第31號值與第66號值MinitabBinaryLogisticRegressionMinitabOrdinalLogisticRegression反應(yīng)變量按順序型顯示的logistic回歸模型Response:指定反應(yīng)變量Frequency:輸入頻率數(shù)存在成功與試行次數(shù),成功與失敗,失敗與試行次數(shù)形態(tài)的反應(yīng)變量時(shí)，各自輸入。

Model:指定說明變量Factors:在說明變量中指定離散型變量EXH_REGR.MTWRegionr的p-value=0.685

比留意水準(zhǔn)0.05大，故沒有影響。在這模型中刪除Region后,再進(jìn)行分析為好。MinitabOrdinalLogisticRegression反應(yīng)變量為名目型(性別,,學(xué)號等)資料構(gòu)成的logistic回歸模型。Response:指定反應(yīng)變量Frequency:輸入頻率數(shù)存在成功與試行次數(shù),成功與失敗,失敗與試行次數(shù)形態(tài)的反應(yīng)變量時(shí)各自輸入。

Model:指定說明變量Factors:在說明變量中指定離散型變量EXH_REGR.MTWMinitabNominalLogisticRegression4.分散分析Minitab分散分析基礎(chǔ)

尋找說明變量與反應(yīng)變量關(guān)系式的方法論一元配置分散分析(DATA形態(tài)為Stack的時(shí)候)一元配置分散分析(DATA形態(tài)為Unstack的時(shí)候)二元配置分散分析平均分析均型分散分析(在各水準(zhǔn)反復(fù)相同的時(shí)候)一般線型模型支份分散分析檢定分散的同一性區(qū)間Plot主效果Plot交互效果PlotMinitabOneWayANOVA(一元配置法)因子為一個(gè),反復(fù)數(shù)為對所有水準(zhǔn)不相同也可,Radom實(shí)驗(yàn)。在數(shù)據(jù)為一個(gè)Col中以Stack形態(tài)保存時(shí)使用。Response:指定反應(yīng)變量Factor:指定說明變量(要因)Comparisons:檢定多重比較Storeresiduals:保存殘差Storefits:保存水準(zhǔn)平均值DF:自由圖(DegreeofFreedom)SS:乘方的和(SumofSquare)MS:不偏分散(MeanofSquare)F:F-概率值P:P-value(留意概率)留意水準(zhǔn)比p-value

大則有影響。即水準(zhǔn)間有差。(級區(qū)間有變動)->上面的p值大于0.05，故沒有影響。EXH_AOV.MTW(先需要檢定RESPONSE值的正態(tài)性)當(dāng)數(shù)據(jù)按水準(zhǔn)類別指定在Col時(shí)使用(Unstack形態(tài))剩余事項(xiàng)與Stack情況相同Responses:指定按各水準(zhǔn)別有反應(yīng)值的ColMinitabOneWayANOVA(Unstacked))

因子為2個(gè)，把因子各水準(zhǔn)的組合全部Radom實(shí)施的實(shí)驗(yàn)。數(shù)據(jù)應(yīng)為Stack形態(tài)。Response:實(shí)驗(yàn)結(jié)果數(shù)據(jù)Rowfactor:B因子Columnfactor:A因子Storeresiduals:保存殘差Fitadditivemodel:選擇交互作用的有無Lake與

Interaction

的p值大于0.05，故不會

引起效果。Suppleme的p值小于0.05，故Suppleme的水準(zhǔn)間有差?？醋髨D可知道Suppleme的平均間有差?？醋髨D可知道Lake的平均間沒有差。EXH_AOV.MTWMinitabTwo-wayANOVA用Graph來顯示因子的平均值，檢討因子的哪個(gè)水準(zhǔn)有影響<分散分析與平均分析的差距>->分散分析是對水準(zhǔn)間有無差距的分析->平均分析是對全體平均與各水準(zhǔn)平均間有無差距的分析Response:反應(yīng)(結(jié)果)值DistributionofData:資料的分布形態(tài)-Normal:正態(tài)分布,Factor1:因子水準(zhǔn)Col(一元配置法時(shí))Factor2:因子水準(zhǔn)第二Col(二元配置法時(shí))-Binomial:二項(xiàng)分布-Poisson:Poisson分布Alphalevel:留意水準(zhǔn)脫離管理線則有影響用兩個(gè)因子的交互作用效果MainEffect:主要因Minutes的3水準(zhǔn)(值=18)時(shí)有影響Strength的3水準(zhǔn)(值=3)時(shí)有影響EXH_AOV.MTWMinitabAnalysisofMeansMinitabBalancedANOVA2水準(zhǔn)各組合內(nèi)的實(shí)驗(yàn)次數(shù)相同時(shí)使用Response:實(shí)驗(yàn)結(jié)果數(shù)據(jù)Model:指定需分析的因子Randomfactors:指定變量因子Probtype|Calculat的標(biāo)記為考慮交互作用效果的計(jì)算實(shí)施.EXH_AOV.MTWProbtype,Calculat,Probtype*Calculat等比留意水準(zhǔn)(0.05)小，故判斷為各因子的水準(zhǔn)間存在散布的差。Engineer為變量因子故無統(tǒng)計(jì)意義。MinitabIntervalPlot平均信賴區(qū)間得出后作成plotYvariable:設(shè)定反應(yīng)值Groupvariable:subscript指定Typeofintervalplot-StandardError:適用標(biāo)準(zhǔn)誤差-Multiple:適用標(biāo)準(zhǔn)誤差倍數(shù)-Confidenceinterval:指定信賴度Displaymeanas:設(shè)定plot表示方法Poolerroracrossgroups->適用總合誤差◆平均值以symbol標(biāo)記，且有信賴區(qū)間標(biāo)記。

MinitabMainEffectsPlot對主效果的水準(zhǔn)間差異比較Responses:指定反應(yīng)值Factors:指定因子Baseplotson:指定plot基準(zhǔn)Supplement在2水準(zhǔn)時(shí)值特大。Lake在各水準(zhǔn)間無太大的變動。EXH_AOV.MTWMinitabInteractionsPlot交互作用的水準(zhǔn)間差異比較Displayfullinteractionplotmatrix:

作成為matrix可知道按Field水準(zhǔn)變更的Variety各水準(zhǔn)的變動及平均值。-平均是Variety4,6水準(zhǔn)比別的水準(zhǔn)小。-變動是Variety2水準(zhǔn)比別的水準(zhǔn)大。-水準(zhǔn)間Cross角度越大，交互作用效果就越大。ALFALFA.MTW5.DOE(實(shí)驗(yàn)計(jì)劃法)Minitab實(shí)驗(yàn)計(jì)劃法基礎(chǔ)

如何實(shí)施實(shí)驗(yàn)如何選取數(shù)據(jù),如何解釋才能以最少的實(shí)驗(yàn)次數(shù)

迅速獲得最大的信息量的計(jì)劃方法.

實(shí)驗(yàn)的成敗，只有把以往的經(jīng)驗(yàn)或者理論性、

技術(shù)性知識等的原有技術(shù)與

依照實(shí)驗(yàn)計(jì)劃法的知識結(jié)合起來才有可能.

CreateFactorialDesign:要因配置法實(shí)驗(yàn)設(shè)計(jì)DefineCustomFactorialDesign:在變更當(dāng)前的實(shí)驗(yàn)計(jì)劃而再指定時(shí)使用。AnalyzeFactorialDesign:得出實(shí)驗(yàn)分析結(jié)果FactorialPlot:主效果,交互效果plot作成Contour/Surface(Wireframe)Plots:展現(xiàn)實(shí)驗(yàn)的

反應(yīng)表面OverlaidContourPlot:以視覺性展示多個(gè)反應(yīng)

變量的妥協(xié)領(lǐng)域ResponseOptimizer:尋找滿足目標(biāo)值因子的

最佳組合Factorial:要因配置實(shí)驗(yàn)RSDesign:反應(yīng)表面實(shí)驗(yàn)MixtureDesign:混合物實(shí)驗(yàn)ModifyDesign:對實(shí)驗(yàn)的修正DisplayDesign:實(shí)驗(yàn)計(jì)劃后生成的內(nèi)容通過Worksheet可見

在多個(gè)因子的各水準(zhǔn)上分析同時(shí)實(shí)驗(yàn)的結(jié)果的技法

根據(jù)因子的數(shù)量-

一元配置法,二元配置法,多元配置法

要因配置法種類-完全要因配置法(FullFactorialDesign):2水準(zhǔn)完全要因配置法,多水準(zhǔn)完全要因配置法-部分實(shí)施法(FractionalFactorialDesign)-Plackett-Burman計(jì)劃法(Plackett-BurmanDesign)

在Minitab中要因配置法的實(shí)行階段-利用“CreateFactorialDesign”為了完全要因配置法或部分實(shí)施法的實(shí)驗(yàn)設(shè)計(jì)的選擇-選擇實(shí)驗(yàn)設(shè)計(jì)后,指定各因子的名名稱及水準(zhǔn)、反復(fù)次數(shù)、Random化與否-實(shí)行實(shí)驗(yàn)后,輸入數(shù)據(jù)實(shí)行“AnalyzeFactorialDesign”得出實(shí)驗(yàn)分析結(jié)果-最后利用“FactorialPlot”繪出主效果及交互效果的plotMinitabFactorialDesign(要因配置法)MinitabFactorialDesign(要因配置法）

CreateFactorialDesign2-levelfactorial(defaultgenerators)->2水準(zhǔn)要因配置(generator自動指定)2-levelfactorial(specifygenerators)->2水準(zhǔn)要因配置(generator使用者指定)Plackett-Burmandesign:15因子以上的情況Generalfullfactorialdesign:在2水準(zhǔn)以上，

且要因類別水準(zhǔn)不同時(shí)的完全要因?qū)嶒?yàn)Numberoffactors:因子數(shù)指定DisplayAvailableDesigns:展示使用可能的

配置

顯示因子別實(shí)驗(yàn)數(shù)(Run)和

分析度（Resolution)·實(shí)驗(yàn)次數(shù)越多，分析度越高分析度高的順序Full>VII>VI>V>IV>IIIPlackett-BurmanDesign是分析度為IIILeveldlek.MinitabFactorialDesign(要因故配置法)Options...FoldDesign:設(shè)定FoldRandomizeRuns:實(shí)驗(yàn)順序RandomFraction:使用部分配置法時(shí)設(shè)定Fraction

使用位置Baseforrandomdatagenerator:設(shè)定Random

生成基準(zhǔn)點(diǎn)Storedesigninworksheet:把實(shí)驗(yàn)計(jì)劃保存在Worksheet能多樣化地指定，愿意在Session窗口輸出的實(shí)驗(yàn)計(jì)劃結(jié)果在Session窗口輸出與別名(alias)關(guān)聯(lián)的內(nèi)

容時(shí)，指定交互作用的次數(shù)。Results...MinitabFactorialDesign(要因配置法)DesignCustomFactorialDesign

在變更當(dāng)前的實(shí)驗(yàn)計(jì)劃重新指定時(shí)使用Factors:指定已輸入的因子水準(zhǔn)的列2-levelfactorial:2水準(zhǔn)要因?qū)嶒?yàn)Generalfullfactorial:不是2水準(zhǔn)的完全要因?qū)嶒?yàn)計(jì)劃指定因子的水準(zhǔn)Low/High...MinitabFactorialDesign(要因配置法)Designs...指定實(shí)驗(yàn)編號、實(shí)驗(yàn)的基本順序、中心點(diǎn)、實(shí)驗(yàn)的Block.Orderofthedata:以設(shè)定的數(shù)據(jù)配置指定Specifybycolumn:指定特定columnMinitabFactorialDesign(要因配置法)AnalyzeFactorialDesign實(shí)驗(yàn)結(jié)果分析FULLFACT.MTWResponses:指定有實(shí)驗(yàn)結(jié)果值的ColTerms...計(jì)算里欲包括的項(xiàng)目設(shè)定->未包括的項(xiàng)目按誤差項(xiàng)PoolingGraphs...EffectsPlots:設(shè)定效果PlotsAlpha:指定留意水準(zhǔn)ResidualsforPlots:殘差處理方法MinitabFactorialDesign(要因配置法)Results...對于Session窗口輸出的結(jié)果可以選擇選擇把別名Table在Session窗口輸出顯示在模型中的因子和其對交互作用的

最低乘方平均

若設(shè)計(jì)為直交型,無covariate，那么各個(gè)

最小乘方平均為在同一窗口中的所有

觀測值的平均。選擇欲輸出最小乘方平均的termMinitabFactorialDesign(要因配置法)Minitab實(shí)行結(jié)果在看各因子的p-value時(shí)可以

知道主因子C,T和

交互因子

K*T為統(tǒng)計(jì)性的有影響的因子根據(jù)分散分析表(ANOVATable)可知道主因子占全體散布的82.4%(=2225.0/2699.0)MinitabFactorialDesign(要因配置法)Pareto圖可同時(shí)看到效果的大小與

重要性。超過指針線的C,AC,B因子為有影響在正態(tài)概率圖中離直線遠(yuǎn)離的因子可

認(rèn)為信號因子在上圖中C,AC,B因子為有影響MinitabFactorialDesign(要因配置法)FactorialPlotsSetup...Maineffect:主效果Interaction:交互效果Cube:三個(gè)因子的效果Setup:選定要作業(yè)的因子TypeofMeanstouseinPlots:指定生成

主效果圖平均的數(shù)據(jù)類型Responses:y,即選擇已輸入結(jié)果值的列指定要繪出主效果圖的因子

MinitabFactorialDesign(要因配置法)主效果圖交互效果圖3因子效果圖主效果圖:傾斜度越大符合水準(zhǔn)的效果

越大交互效果圖:交叉的傾斜度越大符合水準(zhǔn)

的效果越大3因子效果圖:計(jì)算水準(zhǔn)的平均值T因子從低水準(zhǔn)變?yōu)楦咚疁?zhǔn)時(shí)，他的反應(yīng)值

就大幅度增加MinitabResponseOptimizer(反應(yīng)值的最佳條件)Stat》DOE》Factorial》ResponseOptimizer選反應(yīng)變量MinitabResponseSurfaceDesigns(反應(yīng)表面計(jì)劃)

在重要的實(shí)驗(yàn)因子(VitalFew)確認(rèn)后，為尋找對反應(yīng)值的最佳實(shí)驗(yàn)條件而使用

在懷疑反應(yīng)表面有曲線形態(tài)時(shí)使用

反應(yīng)表面計(jì)劃法的種類-中心合成計(jì)劃法(CentralCompositeDesign)-Box-Behnken計(jì)劃法(Box-BehnkenDesign)

Minitab運(yùn)行步驟-利用“CreateRSDesign”選擇實(shí)驗(yàn)設(shè)計(jì)-指定因子數(shù)及因子名、水準(zhǔn)、反復(fù)次數(shù)、Random化與否-執(zhí)行實(shí)驗(yàn)后輸入數(shù)據(jù)，并實(shí)行“AnalyzeRSDesign”導(dǎo)出實(shí)驗(yàn)分析結(jié)果-利用“RSPlot”繪出ContourPlot及SurfacePlot，得出最佳條件的資料TypeofDesign:選擇實(shí)驗(yàn)設(shè)計(jì)Numberoffactors:選擇實(shí)驗(yàn)因子數(shù)Designs...(中心合成計(jì)劃法）(Box-Behnken法)選擇需要的實(shí)驗(yàn)計(jì)劃NumberofCenterPoints:指定中心點(diǎn)ValueofAlpha:指定Alpha-FacedCentered:alpha=1軸點(diǎn)在cube位置，

在因子水準(zhǔn)的變動幅度限制時(shí)選擇-Custom:輸入數(shù)量。小于1的值在cube內(nèi)，

大于1時(shí)軸點(diǎn)位置則在cube位置外NumberofBlock:指定Block數(shù)NumberofCenterpoints:指定中心點(diǎn)MinitabResponseSurfaceDesigns(反應(yīng)表面計(jì)劃)MinitabResponseSurfaceDesigns(反應(yīng)表面計(jì)劃)Factors...輸入因子名與水準(zhǔn)Options...實(shí)驗(yàn)順序random化生成相同的實(shí)驗(yàn)計(jì)劃時(shí)指定其次數(shù)把實(shí)驗(yàn)計(jì)劃保存在WorksheetResults...能多樣指定欲在Session窗輸出的實(shí)驗(yàn)計(jì)劃結(jié)果

MinitabResponseSurfaceDesigns(反應(yīng)表面計(jì)劃)AnalyzeRSDesignResponses:選擇已輸入結(jié)果的列Analyzedatausing:決定在分析時(shí)是否使用因子水準(zhǔn)code化、或uncode化，uncode指已輸入的因子實(shí)際水準(zhǔn)Terms...選擇Model項(xiàng)(term)-Linear:A,B,C-LinearandSquare:A,B,C,A*A,B*B,C*C-Linearand和2因子交互作用：A,B,C,A*B,B*C,A*C-fullquadratic:A,B,C,A*A,B*B,C*C,A*B,A*C,B*CResults...Storage...在Session窗輸出系數(shù)和分散分析表、異常值把適合值與殘差保存在WorksheetMinitabResponseSurfaceDesigns(反應(yīng)表面計(jì)劃)Minitab實(shí)行結(jié)果-Linear分散分析表Linear部分的p-value為0.387，故表示LinearModel沒有影響在看分散分析表的Lack-of-Fit

部分的p-value為0.026，

可知預(yù)測模型的適合性缺乏

即,必要其它形態(tài)的預(yù)測模型

看2次形態(tài)的預(yù)測模型MinitabResponseSurfaceDesigns(反應(yīng)表面計(jì)劃)Terms...Graphs...選擇Fullquadratic在ResidualPlots中選擇“Histogram”“Normalplot”,“Residualversusfits”“Residualversusorder”

選擇AnalyzeRSDesign變更Terms與GraphsMinitabResponseSurfaceDesigns(反應(yīng)表面計(jì)劃)Minitab實(shí)行結(jié)果---Fullquadratic看分散分析表時(shí)，對Lack-of-fits的p-value為0.133，便可知現(xiàn)在的

預(yù)測模型為確切

看分散分析表時(shí)，二次項(xiàng)與交互

因子的p-value為0.05以下，顯示為預(yù)測模型的有意因子二次項(xiàng)中Nitrogen*Nitrogen項(xiàng)，在

交互因子中Nitrogen*Potash項(xiàng)的p-value為0.05以下，故顯示為有意因子

MinitabResponseSurfaceDesigns(反應(yīng)表面計(jì)劃)RSPlotsContourplot:等高線圖Surfaceplot:表面圖先確認(rèn)后按SetupSetup...選擇要畫等高線圖的因子要畫對因子組合的所有等高線圖

時(shí)選擇

在畫等高線圖時(shí)選擇數(shù)據(jù)的單位

是否用code或uncodeMinitabResponseSurfaceDesigns(反應(yīng)表面計(jì)劃)顯示對因子組合的反應(yīng)值曲線，在等高線所有地點(diǎn)的反應(yīng)值相同用3維的表面輸出的圖表確認(rèn)

能滿足的反應(yīng)值及尋找條件時(shí)

有用。

在Ink、Paint、Cake等由幾種成份構(gòu)成時(shí)存在各成份的混合比率的問題點(diǎn)，

此時(shí)求哪些成份對反應(yīng)變量帶來有意影響及滿足最佳混合比率的實(shí)驗(yàn)

在Minitab中支援的混合物實(shí)驗(yàn)-mixture實(shí)驗(yàn):總量已指定，想知道成份比調(diào)到何程度時(shí)-mixture-amounts實(shí)驗(yàn):與成份比一起想知道總量時(shí)適用-mixture-processvariable實(shí)驗(yàn):想知道與成份比一起影響的變量條件時(shí)

在Minitab

混合物實(shí)驗(yàn)步驟-CreateMixtureDesign:生成Simplex中心排列法,Simplex格字型排列法,頂頭點(diǎn)計(jì)劃法-AnalyzeMixtureDesign:實(shí)驗(yàn)結(jié)果分析MinitabMixtureDesign(混合物實(shí)驗(yàn))MinitabModifyDesign(實(shí)驗(yàn)計(jì)劃修正)Modifyfactors:修正因子名和因子水準(zhǔn)Replicatedesign:指定實(shí)驗(yàn)計(jì)劃的反復(fù)次數(shù)Randomizedesign:指定對所有實(shí)驗(yàn)計(jì)劃的Random

化或者Block內(nèi)的Random化Folddesign:對所有因子fold或者

對特定的因子foldAddaxialpoints:對軸點(diǎn)追加的修正

（相當(dāng)于2水準(zhǔn)實(shí)驗(yàn)計(jì)劃)alpha=1時(shí)軸點(diǎn)位置在cube上，小于1時(shí)在cube的

內(nèi)側(cè)，大于1時(shí)在cube外

MinitabDisplayDesign(顯示實(shí)驗(yàn)計(jì)劃)Options...Orderforallpointsintheworksheet:在Worksheet顯示的

實(shí)驗(yàn)計(jì)劃的順序指定為runorder或者standardorder

Unitsforfactors:在Worksheet顯示的因子水準(zhǔn)指定為

uncoded或者coded在Worksheet上顯示的實(shí)驗(yàn)計(jì)劃列中sorting

上，如有刪除的內(nèi)容時(shí)選擇Minitab實(shí)驗(yàn)計(jì)劃例題因子

低水準(zhǔn)

高水準(zhǔn)溫度20度40度壓力1氣壓2氣壓催化劑AB

反應(yīng)值:數(shù)率2回反復(fù)實(shí)驗(yàn)

實(shí)驗(yàn)DATA:Stdorder順序

666610298655410768536655851088952636.管理圖MinitabDefineTest

管理圖的初期設(shè)定R,S,MA-chart,計(jì)數(shù)型

管理圖為Test1~41.在中心離K-sigma的一個(gè)點(diǎn)2.在中心一側(cè)連續(xù)出現(xiàn)（RUN）K個(gè)時(shí)3.當(dāng)連續(xù)K個(gè)漸漸上升或下降(Trend)時(shí)4.當(dāng)上下變動的K個(gè)點(diǎn)出現(xiàn)時(shí)(Cycle)5.在中心線脫離2-sigma以上，K+1個(gè)中K個(gè)時(shí)(同側(cè))(Freak-突出)6.在中心線脫離1-sigma以上，K+1個(gè)中K個(gè)時(shí)(同側(cè))(Freak-突出)7.在中心線1sigma內(nèi)K個(gè)時(shí)(無論哪一側(cè))8.在中心線1sigma以上K個(gè)時(shí)(無論哪一側(cè)）MinitabBox-CoxTransformation

在控制數(shù)據(jù)的非正態(tài)性與ServeGroup平均相關(guān)的ServeGroup工程變動修正時(shí)使用。Dataarearrangedas:-Singlecolumn:變換對象Col-Subgroupsize:部分群的大小Storetransformeddatain:-Singlecolumn:欲保存的ColMinitabXbarR管理圖選擇包含已測定data的列指定群的大小Unstackdata時(shí)輸入已知的平均、標(biāo)準(zhǔn)偏差便可繪出管理界線依指定的Group獨(dú)立繪出管理界線。例如分月別,作業(yè)人員別,時(shí)間別表示Tests:指定test使其看出管理圖的異常值Estimate:在推定母數(shù)時(shí)指定欲刪掉的數(shù)據(jù)St:在管理圖的X軸上追加TICKLABEL列Option:可選擇Box-Cox變換的菜單在管理界線內(nèi)點(diǎn)分布randomCAMSHAFT.MTW

最一般的管理圖MinitabXbarS管理圖CAMSHAFT.MTW

當(dāng)試料群的大小在6個(gè)以上的情況MinitabI-MR管理圖

試料群的大小為1的情況CAMSHAFT.MTWMinitabI-MRR管理圖

同時(shí)管理相互不同工程的數(shù)據(jù)

同時(shí)顯現(xiàn)試料群內(nèi)的散布與試料群間的散布CAMSHAFT.MTWMinitabNP管理圖Vaiable:不良數(shù)量Subgroupsize:檢查數(shù)量相同時(shí)Subgroupsin:檢查數(shù)量不同時(shí)EXH_QC.MTW

不良率管理圖隨著試料的大小不同，限界的幅度也發(fā)生變化MinitabC管理圖

一定單位內(nèi)的缺點(diǎn)數(shù)管理圖,當(dāng)一個(gè)中的缺點(diǎn)數(shù)少時(shí),

使用一定個(gè)數(shù)中的缺點(diǎn)數(shù)Variable:缺點(diǎn)數(shù)EXH_QC.MTWMinitabU管理圖

單位缺點(diǎn)數(shù)管理圖

檢查的試料面積或長度等不同時(shí)適用

Variable:缺點(diǎn)數(shù)Slesize:相同的檢查數(shù)(試料數(shù))Subgroupsin:試料群的大小不同時(shí)EXH_QC.MTW7.品質(zhì)工具M(jìn)initab品質(zhì)工具基礎(chǔ)RunChart:通過數(shù)據(jù)，發(fā)現(xiàn)Processpattern，

并確認(rèn)是否non-randomParetoChart:確認(rèn)什么問題最重要CauseandEffect:特性要因圖CapabilityAnalysis:工程能力分析GageR&R:測定系統(tǒng)評價(jià)Multi-VariChart:使數(shù)據(jù)一眼所能見到的視覺形態(tài)，

提供分散分析的數(shù)據(jù)SymmetryPlot:評價(jià)數(shù)據(jù)是否從對稱分布而來欲分析的Rawdata輸入在一個(gè)列時(shí)欲分析的data輸入在多個(gè)列時(shí)指定在圖表中表示的點(diǎn)按Subgroup的平均或

中央值個(gè)別data的打點(diǎn)Subgroup平均值的得分所有data的中央值Cranksh.mtwMinitabRunChartMinitabParetoChart

在現(xiàn)場成為問題的不良品以及缺點(diǎn)、Claim、事故等按現(xiàn)象或原因類別分類,并使其數(shù)據(jù)

不良個(gè)數(shù)或損失金額等多的順序展示，并把其大小用柱形繪出的圖形。

-決定改善的功擊目標(biāo)、

掌握問題點(diǎn)、不良對策及改善效果確認(rèn)、不良或故障原因調(diào)查<使用原資料><使用頻率數(shù)><按集團(tuán)類別繪出時(shí)>EXH_QC.MTWMinitabCause-and-Effect

顯示結(jié)果特性和引發(fā)原因的要因之間關(guān)系的圖形。

-掌握異常原因及采取對策用/現(xiàn)場改善活動時(shí)現(xiàn)況解釋及改善手段的整理-作業(yè)標(biāo)準(zhǔn)的作成或改正/新入社員的教育或作業(yè)說明-有助于觀察潛在原因之間的關(guān)系-在Minitab中只能畫出一次levelEXH_QC.MTWMinitabCapabilityAnalysis(Normal)

工程的數(shù)據(jù)為連續(xù)性資料并隨正態(tài)分布時(shí)的工程能力指數(shù)計(jì)算欲分析的data輸入在一個(gè)列的情況欲分析的data

輸入在多個(gè)列的情況輸入規(guī)格的上限和下限,Hardlimit在輸入

規(guī)格的上、下限值外，無數(shù)據(jù)時(shí)選擇

知道母集團(tuán)的平均和標(biāo)準(zhǔn)偏差或者從以前

的數(shù)據(jù)推定的平均和標(biāo)準(zhǔn)偏差便輸入Camshaft.mtwMinitabCapabilityAnalysis(Weibull)

工程的數(shù)據(jù)為連續(xù)性資料并隨Weibull分布時(shí)的工程能力指數(shù)計(jì)算選擇數(shù)據(jù)列選擇決定Weibull分布模樣的形象母數(shù)產(chǎn)品特性為單側(cè)規(guī)格時(shí)輸入3，而

兩側(cè)規(guī)格時(shí)保留6。長期工程能力當(dāng)前能力長期預(yù)測能力Tiles.mtwMinitabCapabilitySixpack(Normal)MinitabCapabilityAnalysis(Binomial)

二項(xiàng)分布數(shù)據(jù)的工程能力計(jì)算(不良率)Defectives:已輸入不良率的列Slesize:已輸入試料數(shù)的列Target:輸入目標(biāo)不良率PCHART顯示在工程控制外有一個(gè)點(diǎn)顯示累計(jì)%DEFECTIVECHART為約22%Defectivesrate不受資料量的影響ProcessZ為0.75，2.25σ低水準(zhǔn)BPCAPA.MTWMinitabCapabilityAnalysis(Poisson)Poisson分布數(shù)據(jù)的工程能力計(jì)算(缺點(diǎn)數(shù))指定輸入缺點(diǎn)數(shù)的列指定輸入試料數(shù)的列輸入目標(biāo)值U管理圖顯示在管理狀態(tài)外有3個(gè)點(diǎn)累積平均DPU在0.025與0.03之間的

某一個(gè)地點(diǎn)顯示相對穩(wěn)定的狀態(tài)

觀察DPU的Histogram,似乎隨Weibull

分布，但有更多的數(shù)據(jù)存在時(shí)

才可以判斷

BPCAPA.MTWMinitabGageRunChart

分析測定數(shù)據(jù)的散布后發(fā)現(xiàn)問題點(diǎn)Partnumber:選擇Part列Operators:選擇測定者的列Measurementdata:選擇測定值的列X軸按試料類別區(qū)分，便于一眼看到

各測定值出現(xiàn)何種程度差異(第1,5,10號試料為測定值小)。特定的試料根據(jù)測定系統(tǒng)不同,

數(shù)值差異的大小不同

(第10號試料在第3號測定系統(tǒng)中的測定值大)GAGEAIAG.MTWMinitabGageLinearityStudy

稱作直線性，分析在各測定系統(tǒng)所及測定范圍內(nèi)與真值發(fā)生的差異，

并設(shè)定準(zhǔn)確的測定范圍Partnumber:選擇part列Mastermeasurements:選擇master測定值(真值)列Measurementdata:選擇輸入測定值數(shù)據(jù)的列ProcessVariation:在GageR&RStudy中選擇StudyVar的TotalVariation(5.15*SD)%Linearity為13.16%，測定系統(tǒng)的

直線性占有全體工程散布的13.16%%Bias為0.376%傾向性很小%Linearity和%Bias的值越小,

測定系統(tǒng)越好Gagelin.mtwMinitabGageR&RStudy(Crossed)調(diào)查測定系統(tǒng)的散布對工程散布的影響,并判斷測定系統(tǒng)的測定能力的技法按“Option”鍵后，在ProcessTolerance輸入

規(guī)格公差，便可求規(guī)格比%R&R值

(%Tolerance)。Gageaiag.mtwMinitabMulti-VariChart

稱作多變量chart，使數(shù)據(jù)能一目了然按視覺的形態(tài)進(jìn)行分散數(shù)據(jù)的分析,

對所有因子表示各個(gè)因子水準(zhǔn)的平均Response:選擇反應(yīng)值的列Factor1:選擇因子的列Displayoptions:用與輸出結(jié)果相關(guān)的選項(xiàng)表示個(gè)別

數(shù)據(jù)的分?jǐn)?shù)或者可選擇連接因子平均SINTER.MTWMinitabSymmetryPlot評價(jià)數(shù)據(jù)是否對稱分布

多數(shù)點(diǎn)越接近CHART的直線,對稱性越強(qiáng)選擇已輸入數(shù)據(jù)的列對稱性判斷-數(shù)據(jù)的點(diǎn)越接近基準(zhǔn)線,對稱分布越強(qiáng)-若數(shù)據(jù)點(diǎn)往基準(zhǔn)線上方分離,是偏左側(cè)的分布-若數(shù)據(jù)點(diǎn)往基準(zhǔn)線下方分離,是偏右側(cè)的分布-若在右上端存在離基準(zhǔn)線的點(diǎn)，在分布的

尾部稍有偏向結(jié)果解釋-數(shù)據(jù)幾乎是對稱-右上端的點(diǎn)處于偏離，象從Histogram所見

稍微向左偏

但是，不能說存在顯眼的偏向Exh_qc.mtwMinitab

計(jì)數(shù)型數(shù)據(jù)R&R

計(jì)數(shù)型數(shù)據(jù)R&R對各標(biāo)本的適合與不適合按作業(yè)人員別評價(jià)

順序

準(zhǔn)備20個(gè)標(biāo)本-不易區(qū)別的良品和不良品各準(zhǔn)備10個(gè)

讓2名作業(yè)人員按Random順序各判定2回-Blindappraisal

整理結(jié)果同一作業(yè)人員的判定不一致數(shù)，作業(yè)人員之間的不一致數(shù)，

與實(shí)際有差異的次數(shù)

若對各標(biāo)本的所有結(jié)果不一致,則改善測定系統(tǒng)后重新評價(jià)

若不能改善測定系統(tǒng)則用其它測定系統(tǒng)交替進(jìn)行

Minitab

計(jì)數(shù)型數(shù)據(jù)R&R例)Go/No-Go基準(zhǔn)

作業(yè)人員1的情況對相同標(biāo)本的評價(jià)結(jié)果不同次數(shù)為

二回，故必要對評價(jià)方法及步驟的教育及訓(xùn)練。Minitab

計(jì)數(shù)型數(shù)據(jù)R&R

在Worksheet輸入數(shù)據(jù)Minitab