MINITAB软件操作及应用

1、MINITAB軟件操作及應用,目 錄,培訓目的 MINITAB基本簡介 MINITAB菜單功能 常用工具介紹,描述性統計 常用圖表制作 假設檢驗 相關與回歸分析 方差分析 測量系統分析(MSA) 控制圖(管制圖) 過程(制程)能力分析 試驗設計(DOE) 可靠性分析,柏拉圖 因果圖(魚骨圖) 直方圖 箱線圖 散點圖(散布圖) 時間序列圖 多變异圖,培訓目的,初步學會Minitab的軟件操作; 逐步體會在實際工作中如何應用Minitab; 深入掌握Minitab軟件的各主要功能模組.,MINITAB基本簡介,Minitab 特點,資料處理，快速便捷; 圖形處理，直觀形象; 問題解決，深入全面.,

2、Minitab是干什么用的?,讓我們現在開始認識它吧,視窗結構,工作表窗口,圖形窗口,會話窗口,項目管理窗口,文件類型,對工作表,對圖形,對項目,數据類型,“D”表示 “日期/時間”,“T”表示“文本”,列名,數据方向,數据輸入區域,表示“數值”,常用菜單與命令,MINITAB菜單功能,在菜單功能方面,我們將會介紹常用的基本功能菜單是如何操作及應用,打開一個項目文件,從文件（Minitab、Excel、Lotus、文本和其他文件）中複製資料，以替換當前工作表,打開一個 Minitab 圖形 (MGF) 文件,將指定行或活動工作表复制到新的工作表中,根据一個或多個變量將活動工作表拆分或取消堆疊成

3、兩個或多個新的工作表,將兩個工作表合并成一個新的工作表,將列取消堆疊（或拆分）成更短的列,互相堆疊各列以生成更多的列,顯示用於生成數字的隨機樣本的命令，從工作表的列中取樣或從各種分布中取樣.,編輯器功能表的命令是動態的，會因活動視窗的不同而變化: 會話窗口 數據窗口 圖形窗口 啟用筆刷時的圖形窗口,顯示和隱藏工具及狀態欄,自定義 Minitab 的功能表、工具欄和快捷鍵,更改 Minitab 的默認選項,Minitab 幫助.,簡單易學的教程，向您介紹了 Minitab 環境，並快速地概述了 Minitab 某些最重要的功能.,描述性統計,案例:你想要比較男生和女生的脈搏（單位：次/分）。,資

4、料來源:脈搏.MTW,描述性統計的路徑,結果分析,上述資料分別顯示: 樣本數 平均值 平均值標准誤 標准差 最小值 最大值等,圖形顯示,資料與圖形的對應,綠色 = 圖形與資料同步,黃色 = 資料發生改變，圖形有待更新,白色 = 不能更新,圖形編輯,常用圖表制作,常用的圖表,柏拉圖 因果圖(魚骨圖) 直方圖 箱線圖 散點圖(散布圖) 時間序列圖 多變异圖,我們主要通過案例的方式讓大家了解各圖表的應用,柏拉圖,案例: QC在塑膠半制品抽檢過程中，記錄了一定數量的塑膠件缺陷的類型及相應的缺陷數。QA想通過集中處理造成大部分拒收的缺陷去節省大部分費用, 請你借助柏拉圖分析哪种缺陷類型產生的缺陷數最多.

5、,數据來源:柏拉圖.MTW,柏拉圖的路徑,分別輸入“塑膠缺陷”及“缺陷數”,可改變“其它項”所占比例,輸入相關資料,圖形分析,“批鋒”所占比例最大,先改善“批鋒”問題.,因果圖(魚骨圖),案例: 通過前面柏拉圖的分析,QA确定先改善塑膠件的“批鋒”問題,請你采用因果圖(魚骨圖)對目前產生“批鋒”的原因作分析.,資料來源:因果圖.MTW,因果圖的路徑,分別輸入“相應子原因”,圖形分析,直方圖,案例: 某馬達供應商在MP2階段供應了一批馬達, QA想通過圖形比較MP2與MP1的馬達火數情況,IQC幫忙各測試了20個樣本,并記錄了相應數据,請你繪制馬達火數的直方圖以比較MP2與MP1是否一致.,資料

6、來源:直方圖.MTW,直方圖的路徑,選擇“包含擬合”,輸入MP1(馬達火數)MP2(馬達火數),輸入相關資料,選擇所需圖形,圖形如何擺放,圖形分析,結論: MP2的馬達火數整體上比MP1的馬達火數偏大,分散程度比MP1小.,箱線圖,仍采用直方圖的例子.,資料來源:直方圖.MTW,箱線圖的路徑,選擇多個Y“簡單”,輸入MP1(馬達火數) MP2(馬達火數),輸入相應資料,選擇需顯示的數据,圖形分析,結論: MP1馬達火數整體比MP2偏小, MP1馬達火數的數据跨幅較大.,散點圖(散布圖),案例: 某刀具供應商為了判斷焠火溫度是否會影響金屬的硬度,分別收集了焠火溫度与相應硬度的30組數据,請你用散

7、點圖(散布圖)分析這兩者是否存在關系.,資料來源:散點圖.MTW,散點圖的路徑,選擇“簡單”,分別輸入硬度焠火溫度,輸入相關資料,在回歸項選擇線性,圖形分析,結論: 焠火溫度升高時,金屬硬度會相應變大.,時間序列圖,案例: QA為了解每星期的次品走勢,收集了QC過往的次品數据資料,其中次品率的目標值為4%,請你根据QC提供的資料繪制時間序列圖.,資料來源:時間序列圖及P圖.MTW,時間序列圖的路徑,選擇簡單,輸入退貨率,選擇標記 輸入日期,再選擇參考線,在顯示Y值的參考線輸入0.04,輸入相關資料,圖形分析,在這几個階段頻頻出現次品率超出目標的情況.,多變异圖,案例: 某產品開發過程中,QA對

8、A,B兩個供應商提供的開關制作磅力測試,測試檔位包括ON檔和OFF檔,各測試4個樣辦,請你用多變异圖分析開關制磅力情況.,資料來源:多變异圖及方差分析.MTW,多變异圖的路徑,“響應”項輸入磅力,“因子”項輸入供應商檔位,根據需要選擇顯示項,並輸入標題,圖形分析,結論: A供應商無論在OFF檔還是在ON檔,其磅力都明顯小于B供應商,此外,這兩個供應商的OFF檔磅力數值都比ON檔分散.,假設檢驗,什麼是假設檢驗,概念 事先對總體參數或分布形式作出某種假設; 然後利用樣本數据來判斷原假設是否成立; 類型 參數假設檢驗; 非參數假設檢驗; 特點 採用邏輯上的反證法; 依據統計上的小概率原理.,假設檢

9、驗原則,等號放在原假設; 原假設（Ho）和備擇假設（ H1）完備且互斥; 備擇假設稱為研究假設，把變化後的問題放在備擇假設中.,假設檢驗的基本思想,因此我們拒絕原假設=20,樣本均值,=50,抽樣分布,H1,雙側檢驗,某產品的馬達平均火數是否等於設計時預定的160W,從統計角度陳述問題 ( = 160) 從統計角度提出相反的問題 (160) 必需互斥和窮盡 提出原假設 ( = 160) 提出備擇假設 ( 160) 有 符號,單側假設,採用新技術生產後，將會使產品的使用壽命明顯延長到1500小時以上,建立的原假設與備擇假設應為: H0: 1500 H1: 1500,假設檢驗中的兩類錯誤,第一類錯

10、誤（棄真錯誤） 原假設為真時拒絕原假設 第一類錯誤的概率為(Alpha) 被稱為顯著性水準 2. 第二類錯誤（取偽錯誤） 原假設為假時接受原假設 第二類錯誤的概率為(Beta) 1-被稱為檢驗功效,兩種錯誤的關係,你不能同時減少這兩類錯誤!,和的關系就像翹翹板,小就大,大就小.,假設檢驗的步驟,提出原假設和備擇假設,確定適當的檢驗統計量,規定顯著性水平,計算檢驗統計量的值,作出統計決策,假設檢驗的類型及應用,F檢驗案例,QA為判斷馬達供應商提供的馬達火數在MP1與MP2這兩個階段是否存在明顯的區別,分別於這兩個階段來料中測試了20個樣本,請你用F檢驗判斷這兩批來料的方差是否相等.,資料來源:假

11、設檢驗及制程能力分析.MTW,F檢驗的路徑,輸入(馬達火數)MP1與(馬達火數)MP2,輸入置信水準及標題,結果分析,數據顯正態分布時,看該值,P=0.03小於0.05,故MP1與MP2的馬達火數方差不相等,MP1與MP2的馬達火數有差異.,數據不顯正態分布時,看該值,單樣本Z檢驗案例,QA為判斷MP1階段馬達供應商提供的馬達平均火數是否等於設計時預定的160W,來料中隨機抽取了20個樣本做測試,假設已知標準差 = 2,馬達火數服從正態分布,請用單樣本Z檢驗判斷MP1階段馬達平均火數是否等於預定值.,資料來源:假設檢驗及制程能力分析.MTW,單樣本Z檢驗的路徑,輸入(馬達火數)MP1,輸入標準

12、差2,選擇“進行假設檢驗”並輸入均值160,選擇所需圖形,選擇置信水平及備擇假設,結果分析,P值=0.000小於0.05,故MP1馬達的平均火數不等於160.,單樣本T檢驗案例,QA為判斷在MP1階段馬達供應商提供的馬達平均火數是否等於設計時預定的160W,來料中隨機抽取了20個樣本做測試,假設已知馬達火數服從正態分布,請用單樣本T檢驗判斷MP1階段馬達平均火數是否等於預定值.,資料來源:假設檢驗及制程能力分析.MTW,單樣本T檢驗的路徑,輸入(馬達火數)MP1,選擇“進行假設檢驗”並輸入均值160,選擇所需圖形,選擇置信水平及備擇假設,結果分析,P值=0.002小於0.05,故MP1馬達的平

13、均火數不等於160.,雙樣本T檢驗案例,QA為判斷MP3階段的馬達火數均值是否與MP1相一致,測試了6個樣本與MP1做比較,假設MP1與MP3的馬達火數的方差相等,且馬達火數服從正態分布,請用雙樣本T檢驗判斷這兩個階段的均值是否一致.,資料來源:假設檢驗及制程能力分析.MTW,雙樣本T檢驗的路徑,輸入(馬達火數)MP1與(馬達火數)MP3,選擇“假定等方差”,選擇相應圖形,選擇置信水準及備擇假設,結果分析,P值=0.523大於0.05,故MP3與MP1馬達平均火數相一致.,配對T檢驗案例,某產品開發過程中,QA為了驗証old blade與new blade的Load Wattage是否相一致,

14、抽取了37個樣本機來測試這兩種部件的Load Wattage,請用配對T檢驗分析這兩者的Load Wattage是否一致.,資料來源:配對T檢驗.MTW,配對T檢驗的路徑,選擇所需圖形,分別輸入old blade (w) new blade (w),輸入相關資料,結果分析,P值=0.488大于0.05,故old blade與new blade的Load Wattage是一致的.,什麼是 P 值,是一個概率值; 是觀測到的原假設為真時的概率: 左側檢驗時，P值為曲線上方小於等於檢驗統計量部分的面積 右側檢驗時，P值為曲線上方大於等於檢驗統計量部分的面積 被稱為觀察到的(或實測的)顯著性水準: H

15、0能被拒絕的最小值,利用 P 值進行決策,單、雙側檢驗 若p值 ,不能拒絕 H0 若p值 , 拒絕 H0,雙側檢驗,1/2 ,H0值,实际值,实际值,样本统计量,1/2 p值,1/2 p值,1/2 ,拒绝,拒绝,單側檢驗,H0值,实际值,样本统计量,p值,拒绝,功 效,何為功效? 功效是指在假設檢驗中，當存在顯著效應或差异時找到這些效應或差異的可能性; 功效是在原假設不成立時正確否定原假設的概率。 計算方法為：1-，或 1-類型 II 錯誤（當原假設不成立時未能否定原假設）。,你用的假設檢驗可靠嗎?,影響功效的因素,樣本數量：增加樣本數量可提供有關總體的更多信息,因此可以提高功效; （類型 I

16、 錯誤的概率）：增大值可增加功效,值變大否定原假設的可能性增大; （總體的變異性）：當較小時,較容易檢測到差异,有助於增加功效; 總體效應的量值：總體越相似,越難檢測到差異,功效降低。,功效的應用,功效的應用主要體現在兩個方面: 收集數据之前計算功效,可判斷假設檢驗能檢測到顯著差異或效應有多少機率; 實施實驗後計算功效,可了解已經執行的檢驗功效有多大.,功效的檢驗類型,單樣本Z檢驗的功效案例,根据單樣本Z檢驗案例的計算結果,計算其功效是多少?,單樣本Z檢驗的功效的路徑,輸入樣本數量20,輸入差值1.7,輸入標准差2,結果分析,功效=0.967215,意味著我們有約97%的可靠度認為MP1階段馬

17、達平均火數是不等于設計時預定的160W.,單樣本T檢驗功效的案例,根据單本T檢驗案例的計算結果,計算其功效是多少?,單樣本T檢驗的功效的路徑,輸入樣本數量20,輸入差值1.7,輸入標准差2.164,結果分析,功效=0.914790,意味著我們有約91%的可靠度認為MP1階段馬達平均火數是不等于設計時預定的160W.,方差分析(ANOVA),何為方差分析?,方差分析：對多個總體平均數差異進行顯著性檢驗的方法叫做方差分析。 單因素方差分析：用方差分析的方法檢驗某一因素對因變量的作用，稱為單因素方差分析。與單因素相對應的是多因素方差分析。,方差分析中的几個重要術語,組內差异：各個組內的數据與本組的平

18、均數之間的差异; 組內平方和：各個組內的數据與本組的平均數之間的差异的平方和; 組間差异：各組的平均數與總平均數之間的差异; 組間平方和：各組的平均數與總平均數之間的差异的平方和; 總平方和:等於組間平方和加上組內平方和.,方差分析的檢驗原理,方差分析用F檢驗統計量來表示組間差異和組內差異大小比較的比值，並利用F檢驗來檢驗組間差異與組內差異是否相等; 若組間差異與組內差異的比值大於F抽樣分布上的顯著性水準的臨界值，則總體的差異可認為是來自於各組總體平均數之間的差異，即各組總體平均數之間確實有本質差異; 若組間差異與組內差異的比值小於F抽樣分布上的顯著性水準的臨界值，則總體的差異可認為是由抽樣誤

19、差引起的，即各組總體平均數之間沒有本質差異。,方差分析的應用條件,各樣本是相互獨立的隨機樣本; 各樣本來自正態分布; 各樣本方差相等.,方差分析的類型及應用,單因子方差分析案例,某產品開發過程中,QA對A,B兩個供應商提供的開關制作磅力測試,測試檔位包括ON檔和OFF檔,各測試4個樣辦,根据前面的多變异圖分析,可初步判斷該兩個供應商的開關制磅力會存在差异,請你用單因子方差分析從統計角度進一步判斷它們是否存在顯著差异.,資料來源:多變异圖及方差分析.MTW,單因子方差分析的路徑,分別輸入磅力供應商,輸入“置信水平”,選擇所需圖形,結果分析,P=0.002小于0.05,表明兩供應商的開關制磅力存在

20、顯著差异.,R-Sq=49.79%遠小于1,表明可能還有其它因子會影響開關制磅力,A供應商的平均值為0.225,B供應商的平均值為0.27375,單因子方差分析的功效案例,根据單因子方差分析案例的計算結果,計算其功效是多少?,單因子方差分析的功效的路徑,輸入樣本數量8,輸入差值0.04875,輸入標准差0.02617,輸入水平數2,結果分析,功效=0.933200,意味著我們有約93%的可靠度認為A,B兩個供應商提供的開關制磅力存在顯著差异.,雙因子方差分析案例,某產品開發過程中,QA對A,B兩個供應商提供的開關制作磅力測試,測試檔位包括ON檔和OFF檔,各測試4個樣辦,根据單因子方差分析,可

21、判斷這兩個供應商的開關制磅力确實存在統計意義上的顯著差异,但在分析R-Sq值時,發現R-Sq值遠小于1,表明可能還有其它因子會影響開關制磅力,請用雙因子方差分析進一步判斷其它的影響因素.,資料來源:多變异圖及方差分析.MTW,雙因子方差分析的路徑,選擇所需圖形,分別選取磅力供應商檔位并顯示均值,輸入“置信水平”,結果分析,P值均小于0.05,表明供應商,檔位,以及它們的交互作用均顯著影響開關制磅力,R-Sq=90.70%已接近1,表明分析的因素較全面,分別顯示各供應商及各檔位的平均值,一般線性模型案例,用雙因子方差分析中的案例.,資料來源:多變异圖及方差分析.MTW,一般線性模型的路徑,分別選

22、取磅力供應商檔位及供應商*檔位,選擇所需圖形,輸入相關資料,結果分析,結果分析與雙因子方差分析一樣,相關與回歸分析,回歸的基本概念,客觀事物的聯系,確定性關係 （函數關係）,非確定性關係 （相關關係）,根據變量間客觀存在的 相關關係，建立起合適的數學模型，分析和討論其性質和應用的統計方法，稱為回歸（Regression）。,有效的數理統計工具,社會經濟 金融財務,工藝質量 市場營銷,確認X和Y之間的關係； 找到少數關鍵的X； 通過設置X，控制和優化Y； 對Y進行預測。,常見的回歸形式,回歸分析的一般過程,相關係數 (r),變化範圍： -1 1 r = 1 絕對負相關 r = 0 無線性關係 r

23、 = + 1 絕對正相關,散點圖與相關係數,X,Y,X,Y,X,Y,X,Y,X,Y,X,Y,強的正相關性r=0.95,适度正相關r=0.70,無相關性r=0.06,其它模式-無線性關系r=-0.29,适度負相關r=-0.73,強的負相關r=-0.90,回歸模型,最小二乘法及其應用條件,應用條件: 殘差服從均值為0,標准差衡定的正態分布; 每個殘差相互獨立; 殘差與xi值獨立.,理論公式,Yi= a + bxi,回歸斜率,回歸截距,回歸方程,模型評估的三個方面,變差測量 可決係數 (R2) 標準誤差 (Se) 殘差分析 顯著性檢驗,變差圖示,可決係數R2,可決係數表示：由回歸方程解釋的總變异的比

24、例:,R2=回歸方程解釋的變异/總變异=SSR/SST,0 R2 1,回歸分析的類型及應用,簡單及多元線性回歸案例,某刀具供應商為判斷焠火溫度是否會影響金屬的硬度,分別收集了焠火溫度與相應硬度的30組數据,經前面的散點圖(散佈圖)分析,QA初步判斷它們存在正比例關系,請用簡單及多元線性回歸求這兩個變量的關系式.,資料來源:散點圖及單因素回歸分析.MTW,簡單及多元線性回歸的路徑,分別輸入硬度焠火溫度,分別選擇“正規”與“四合一”,結果分析,“硬度”與“焠火溫度”的關系式,P=0.000小于0.05,表明“焠火溫度”為顯著因子,R-Sq=49.0%遠小于1,表明還有其它因子或可能存在2次/3次方

25、關系,P=0.000,表明存在回歸,第25組的數值有异常,多項式回歸案例,某刀具供應商為判斷焠火溫度是否會影響金屬的硬度,分別收集了焠火溫度與相應硬度的30組數据,經前面的簡單及多元線性回歸分析,QA初步求出這兩個變量的關系式.但判斷R-Sq值時,發現該值為49.0%,遠小於1,可能還有其他因子或存在2次/3次方關系,請用多項式回歸分析“焠火溫度”與“硬度”是否存在2次/3次方關系.,資料來源:散點圖及單因素回歸分析.MTW,多項式回歸的路徑,分別輸入硬度焠火溫度,選擇“立方”,選擇“正規” 及“四合一”,輸入“置信水平”及“標題”,結果分析,P=0.000,表明存在回歸.,R-Sq=50.2

26、%還遠小于1,表明還有其它因素會影響硬度.,線性P=0.000,二次P=0.450,立方P=0.897,表明存在線性回歸,但沒有2次/3次回歸,上述回歸方程不可取.,測量系統分析(MSA),基本概念,測量系統 對測量單元進行量化或對被測的特性進行評估，其所使用的儀器或量具、標準、操作、方法、夾具、軟體、人員、環境及假設的集合；也就是說，包含獲得測量結果的整個過程。 測量系統分析 對測量系統進行評估，驗證其是否在合適的特性位置測量了正確的參數，確定其需要具備哪些可被接受的統計特徵，以便了解測量結果的變異來源及其分布。,變异分類,總體變异,T2=P2+M2 T=總體變异 P=流程變异 M=測量變异

27、,穩定性,穩定性(Stability, drift)： 隨時間變化的偏倚值; 一個穩定的測量過程在位置方面處於統計上受控狀態.,.,Time 2,Time 1,Time 1,Time 2,(時間相關的漂移),偏 倚,偏倚(bias, offset)： 觀測到測量值的平均值與參考值之間的差值; 構成測量系統的系統誤差.,線 性,線性(linearity)： 在量具正常工作量程內的偏倚變化量; 多個獨立的偏倚誤差在量具工作量程內的關係; 構成測量系統的系統誤差.,偏倚與線性分析案例,某電壓表的量程為0120V,QA校正室為分析該電壓表的偏倚和線性,分別于20,60,80,100, 120這五個點與

28、標准值作對比,并各測量了五次,請你根据測量的數据用“量具線性和偏倚研究”對該電壓表的偏倚與線性作分析.,資料來源:量具偏倚與線性分析.MTW,量具線性和偏倚研究的路徑,輸入NO.標准值 測試值,輸入相關資料,輸入估計方法及標題,結果分析,P=0.286大于0.05,以及圖形顯示,表明量具的線性可接受.,(平均)P=0.033小于0.05,表明量具的偏倚較大.,分辨力,能產生一個可探測到的輸出信號的最小輸入; 測量系統對被測特性變化的感應度; 取決於量具設計、固有品質、使用期間的維修及測量儀器與標準的操作情況; 通常被描述為測量單元.,重復性與再現性及其測量能力指數,重復性與再現性定義(略),精

29、度跟公差之比 良好: 10%, 可接受: 30%,P / T =,5,15 MS,Toleranz,Gage R 當總體為非正態分布時，樣本均值X近似服從正態分布N(,2/n),且樣本量n越大，近似越好。,常見控制圖的類型,常見控制圖的應用,XBar-S控制圖案例,QC為管制某產品的某關鍵尺寸,每小時從生產流程里隨機抽取5個樣本來測量該尺寸,共測量了25組數据,請用XBar-S圖判斷該制程是否穩定.,資料來源: XBar-S控制圖.MTW,XBar-S控制圖的路徑,選擇子組的觀測值位于多列的同一行中:,輸入X1-X5,輸入相關資料,圖形分析,結論: 制程穩定.,P控制圖案例,QA為了解每星期的

30、次品走勢,收集了QC過往的次品數据資料,其中次品率的目標值為4%,請根据QC提供的資料繪制P控制圖并判斷該制程是否穩定.,資料來源:時間序列圖及P控制圖.MTW,P控制圖的路徑,輸入退貨LOT數,輸入檢查LOT數,輸入0.04,輸入相關資料,圖形分析,超出控制線,制程不穩定,目標線,Z-MR 控制圖案例,某高速沖床應實際生產需要須不定期地轉換加工不同部件,有時會出現一天內要轉換數次,QC認為該沖床較穩定,不會出現什么异常,每小時從加工過程中抽取一個部件進行檢測,某時間段某關鍵尺寸的數据見後表,請用Z-MR控制圖判斷該高速沖床是否穩定.,資料來源:Z-MR控制圖.MTW,Z-MR 控制圖數据,Z

31、-MR控制圖的路徑,輸入尺寸部件型號,輸入相關資料,選擇該項,圖形分析,該時間段可能出現异常,需調查其原因,過程(制程)能力分析,與過程能力分析相關的兩种波動,過程固有波動(inherent process variation): 僅由普通因素影響而產生的過程波動,這部分波動可以通過控制圖的R/d2估計;,過程的總波動: 由普通因素和特殊因素影響而產生的波動,它可以由樣本標准差s估計.,過程能力指數Cp,Cpk,Pp,Ppk,Cp,Cpk(略) Pp:也稱過程績效指數,是從過程總波動的角度考察過程輸出滿足客戶要求的能力; Pp、Ppk的算法與Cp、Cpk的算法類似，只是標准差不一樣，過程總波動

32、標准差常用S來估計.,正態性檢驗與過程能力分析,執行過程能力分析之前,需檢驗數据的正態性,若數据服從正態分布,我們可用正態分布的能力分析, MINITAB軟件提供了三种正態性檢驗的方法:,過程能力分析的類型及應用,正態性檢驗案例,某新產品的PP階段,QA為了制定馬達火數的規格用于MP階段作控制,共測試了52個樣本,請用正態性檢驗判斷PP階段馬達火數的數据是否服從正態分布.,資料來源:假設檢驗及制程能力分析.MTW,正態性檢驗的路徑,輸入(馬達火數)PP,輸入標題,圖形分析,P值=0.024小于0.05,表明PP階段的馬達火數數据不服從正態分布.,個體分布標識案例,接前面案例,經正態性檢驗發現馬

33、達火數的數据未服從正態分布,此時,可能存在兩种情況: 馬達火數的數据原本就不服從正態分布; 馬達火數的數据是服從正態分布,但由于制程存在异常,導致PP階段數据不服從正態分布. 請用“個體分布標識”判斷PP階段的數据偏向哪种分布或變換.,資料來源:假設檢驗及制程能力分析.MTW,個體分布標識的路徑,輸入(馬達火數)PP,選擇“使用所有分布和變換”,結果分析,Johnson變換的P值=0.856在這十多种類型的P值中是最大的,制程能力分析時,需選擇Johnson變換.,由于數据不服從正態分布,規格可參考最大值與最小值,我們先預定規格為140165w.,非正態分布能力分析案例,接前面案例,經個體分布標識可判斷該馬達火數的數据需進行Johnson變換後才能進行制程能力分析,請用非正態分布能力分析對PP階段的馬達火數進行制程能力分析(其中:馬達火數設計預定值為160W,初次預定的規格為140165W).,資料來源:假設檢驗及制程能力分析.MTW,非正