怎样用MINITAB进行过程能力分析
- 格式:doc
- 大小:595.00 KB
- 文档页数:75
过程能力分析minitab版在过程处于统计操纵状态之后,即生产比较稳固时,你专门可能期望明白过程能力,也即满足规格界限和生产良品的能力。
你能够将过程变差的宽度与规格界限的差距进行对比来片段过程能力。
在评判其能力之前,过程应该处于操纵状态,否那么,你得出的过程能力的估量是不正确的。
你能够画能力条形图和能力点图来评判过程能力,这些图形能够关心你评判数据的分布并验证过程是否受控。
你还能够运算过程指数,即规范公差与自然过程变差的比值。
过程指数是评判过程能力的一个简单方法。
因为它们无单位,你能够用能力统计量来比较不同的过程。
一、选择能力命令〔Choosing a capability command〕Minitab提供了许多不同的能力分析命令,你能够依照数据的属性及其分布来选择适当的命令。
你能够为以下几个方面进行能力分析:⏹正态或Weibull概率模型(适合于测量数据)⏹专门可能来源于具有明显组间变差的总体的正态数据⏹二项分布或泊松概率分布模型(适合于属性数据或计数数据)注:假如你的数据倾斜严峻,你能够利用Box-Cox转换或使用Weibull 概率模型。
在进行能力分析时,选择正确的分布是必要的。
例如:Minitab提供基于正态和Weibull概率模型的能力分析。
使用正态概率模型的命令提供更完整的一系列的统计量,然而你的数据必须近似服从正态分布以保证统计量适合于这些数据。
举例来说,Analysis (Normal) 利用正态概率模型来估量期望的PPM。
这些统计量的结实依靠于两个假设:数据来自于稳固的过程,且近似服从的正态分布。
类似地,Capability Analysis (Weibull) 利用Weibull 分布模型运算PPM。
在两种情形下,统计的有效性依靠于假设的分布的有效性。
假如数据倾斜严峻,基于正态分布的概率会提供对实际的超出规格的概率做比较差的统计。
这种情形下,转化数据使其更近似于正态分布,或为数据选择不同的概率模型。
过程能力概述(Process CapabilityOverview)在过程处于统计控制状态之后,即生产比较稳定时,你很可能希望知道过程能力,也即满足规格界限和生产良品的能力。
你可以将过程变差的宽度与规格界限的差距进行对比来片段过程能力。
在评价其能力之前,过程应该处于控制状态,否则,你得出的过程能力的估计是不正确的。
你可以画能力条形图和能力点图来评价过程能力,这些图形可以帮助你评价数据的分布并验证过程是否受控。
你还可以计算过程指数,即规X公差与自然过程变差的比值。
过程指数是评价过程能力的一个简单方法。
因为它们无单位,你可以用能力统计量来比较不同的过程。
一、选择能力命令(Choosing a capability mand)Minitab提供了许多不同的能力分析命令,你可以根据数据的属性及其分布来选择适当的命令。
你可以为以下几个方面进行能力分析:⏹正态或Weibull概率模型(适合于测量数据)⏹很可能来源于具有明显组间变差的总体的正态数据⏹二项分布或泊松概率分布模型 (适合于属性数据或计数数据)注:如果你的数据倾斜严重,你可以利用Box-Cox转换或使用Weibull 概率模型。
在进行能力分析时,选择正确的分布是必要的。
例如:Minitab提供基于正态和Weibull概率模型的能力分析。
使用正态概率模型的命令提供更完整的一系列的统计量,但是你的数据必须近似服从正态分布以保证统计量适合于这些数据。
举例来说,Analysis (Normal) 利用正态概率模型来估计期望的PPM。
这些统计量的结实依赖于两个假设:数据来自于稳定的过程,且近似服从的正态分布。
类似地,Capability Analysis (Weibull) 利用Weibull 分布模型计算PPM。
在两种情况下,统计的有效性依赖于假设的分布的有效性。
如果数据倾斜严重,基于正态分布的概率会提供对实际的超出规格的概率做比较差的统计。
这种情况下,转化数据使其更近似于正态分布,或为数据选择不同的概率模型。
第二章MINITAB之制程能力分析制程能力分析是通过对生产过程进行统计分析,识别和评估生产过程偏离目标值的能力。
MINITAB是一种常用的统计分析软件,可以帮助我们进行制程能力分析。
本文将介绍MINITAB在制程能力分析中的应用,包括测量系统分析、过程稳定性分析和过程能力指数计算等。
首先,我们需要进行测量系统的分析,以确保测量系统具有良好的稳定性和准确性。
MINITAB提供了一系列测量系统分析工具,包括平均值图、范围图、方差分析等。
通过这些工具,我们可以评估测量系统的可靠性,进而确定测量系统是否适合用于制程能力分析。
接下来是过程稳定性分析,主要应用MINITAB中的控制图工具。
控制图可以帮助我们监控过程的稳定性,及时发现和纠正过程中的异常情况。
MINITAB提供了许多不同类型的控制图,例如X-控制图、R-控制图、P-控制图等。
我们可以根据数据类型和分布情况选择合适的控制图,分析过程是否稳定,并识别特殊原因的存在。
最后是过程能力指数的计算。
过程能力指数是衡量过程能力的一个重要指标。
MINITAB提供了能力分析工具,可以帮助我们计算过程的CP、CPK、Pp和Ppk等指数。
通过这些指标,我们可以评估过程是否能够满足要求,并进行相应的改进。
在使用MINITAB进行制程能力分析时,有一些注意事项需要注意。
首先,要选择合适的样本大小和采样方案,以确保分析结果具有一定的可信度。
其次,要确保数据的质量,包括数据的准确性和完整性。
如果数据存在异常值或缺失值,应进行相应的处理。
最后,要结合实际情况对分析结果进行解释和应用,提出相应的改进措施。
综上所述,MINITAB是一种功能强大的统计分析软件,在制程能力分析中有着广泛的应用。
通过MINITAB的测量系统分析、过程稳定性分析和过程能力指数计算等功能,我们可以全面评估和改进生产过程,提高产品质量和生产效率。
1、输入数据。
2、堆栈:将数据堆叠到一列中,点选数据—堆叠—列。
出现堆叠列选项框,选取要堆叠的列,点选当前工作表的列,输入存放堆叠的列C26,点确定,即可出现堆叠的列C26。
3、正态性检验
点选工具栏统计-—基本统计量-—正态性检验
选择堆叠的列C26,点选百分位数线无,正态性检验Anderson-Darling,输入标题,确定
自动生成正态性检验
4、绘制Xbar-R控制图
点选工具栏统计—控制图—子组的变量控制图-—Xbar-R(B)
出现Xbar-R控制图选项框,选择刚堆叠的列,输入子组大小,
点选选项,出现下图对话框,点选检验,选择对特殊原因进行所有检验,确定点选标签,出现下图对话框,输入标题,确定
Xbar-R控制图选项框确定后,自动生成Xbar—R控制图
5、过程能力分析
点选工具栏统计--质量工具—-能力分析--正态
点选单列,选取堆叠的列,输入子组大小、规格上下限,
确定后,自动生成过程能力分析图表。
6、6σ绘制
点选工具栏统计—-质量工具-—Capability Sixpack(S)-—正态
在正态分布对话框中点选单列,选择堆叠的列C26,输入子组大小、规格上下限点选检验,出现下图对话框,点选进行所有8项检验(A),确定
点选选项,出现下图对话框,输入标题,确定确定后,自动生成。
过程能力概述(Process CapabilityOverview)在过程处于统计控制状态之后,即生产比较稳定时,你很可能希望知道过程能力,也即满足规格界限和生产良品的能力。
你可以将过程变差的宽度与规格界限的差距进行对比来片段过程能力。
在评价其能力之前,过程应该处于控制状态,否则,你得出的过程能力的估计是不正确的。
你可以画能力条形图和能力点图来评价过程能力,这些图形可以帮助你评价数据的分布并验证过程是否受控。
你还可以计算过程指数,即规范公差与自然过程变差的比值。
过程指数是评价过程能力的一个简单方法。
因为它们无单位,你可以用能力统计量来比较不同的过程。
一、选择能力命令(Choosing a capability command)Minitab提供了许多不同的能力分析命令,你可以根据数据的属性及其分布来选择适当的命令。
你可以为以下几个方面进行能力分析:⏹正态或Weibull概率模型(适合于测量数据)⏹很可能来源于具有明显组间变差的总体的正态数据⏹二项分布或泊松概率分布模型(适合于属性数据或计数数据)注:如果你的数据倾斜严重,你可以利用Box-Cox转换或使用Weibull 概率模型。
在进行能力分析时,选择正确的分布是必要的。
例如:Minitab提供基于正态和Weibull概率模型的能力分析。
使用正态概率模型的命令提供更完整的一系列的统计量,但是你的数据必须近似服从正态分布以保证统计量适合于这些数据。
举例来说,Analysis (Normal) 利用正态概率模型来估计期望的PPM。
这些统计量的结实依赖于两个假设:数据来自于稳定的过程,且近似服从的正态分布。
类似地,Capability Analysis (Weibull) 利用Weibull 分布模型计算PPM。
在两种情况下,统计的有效性依赖于假设的分布的有效性。
如果数据倾斜严重,基于正态分布的概率会提供对实际的超出规格的概率做比较差的统计。
这种情况下,转化数据使其更近似于正态分布,或为数据选择不同的概率模型。
过程能力概述( Process CapabilityOverview)在过程处于统计控制状态之后,即生产比较稳定时,你很可能希望知道过程能力,也即满足规格界限和生产良品的能力。
你可以将过程变差的宽度与规格界限的差距进行对比来片段过程能力。
在评价其能力之前,过程应该处于控制状态,否则,你得出的过程能力的估计是不正确的。
你可以画能力条形图和能力点图来评价过程能力,这些图形可以帮助你评价数据的分布并验证过程是否受控。
你还可以计算过程指数,即规范公差与自然过程变差的比值。
过程指数是评价过程能力的一个简单方法。
因为它们无单位,你可以用能力统计量来比较不同的过程。
一、选择能力命令( Choosing a capability command)Minitab 提供了许多不同的能力分析命令,你可以根据数据的属性及其分布来选择适当的命令。
你可以为以下几个方面进行能力分析:正态或Weibull 概率模型(适合于测量数据) 很可能来源于具有明显组间变差的总体的正态数据二项分布或泊松概率分布模型(适合于属性数据或计数数据) 注:如果你的数据倾斜严重,你可以利用Box-Cox 转换或使用Weibull 概率模型。
在进行能力分析时,选择正确的分布是必要的。
例如:Minitab 提供基于正态和Weibull 概率模型的能力分析。
使用正态概率模型的命令提供更完整的一系列的统计量,但是你的数据必须近似服从正态分布以保证统计量适合于这些数据。
举例来说,Analysis (Normal)利用正态概率模型来估计期望的PPM。
这些统计量的结实依赖于两个假设:数据来自于稳定的过程,且近似服从的正态分布。
类似地,Capability Analysis (Weibull)利用Weibull分布模型计算PPM。
在两种情况下,统计的有效性依赖于假设的分布的有效性。
如果数据倾斜严重,基于正态分布的概率会提供对实际的超出规格的概率做比较差的统计。
这种情况下,转化数据使其更近似于正态分布,或为数据选择不同的概率模型。
过程能力概述一旦过程处于统计控制状态,并且是连续生产,那么你可能想知道这个过程是否有能力满足规范的限制,生产出好的零件(产品),通过比较过程变差的宽度和规范界限的宽度可以确定过程能力。
在评估过程能力之前,过程必须受控。
如果过程不受控,你将得到不正确的过程能力值。
.你能通过画能力柱状图和能力图来评估过程能力。
这些图形能够帮助你评估数据的分布和检验过程是否受控。
你也可以估计包括规范公差与正常过程变差之间比率的能力指数。
能力指数或统计指数都是评估过程能力的一种方法,因为它们都没有单位,所以,可以用能力统计表来比较不同过程的能力。
选择能力命令MINITAB提供了一组不同的能力分析命令,你可以根据数据的性质和分布从中选择命令,你可以对以下情况进行能力分析:——正态或Weibull概率模式(对于测量数据)——不同子组之间可能有很强变差的正态数据——二项式或Poisson概率模式(对于计数数据或属性数据)当进行能力分析时,选择正确的公式是基本要求,例如,MINITAB提供基于正态或Weibull分布模型上的能力分析工具,使用正态概率模型的命令提供了更完全的统计设置,但是,适用的数据必须近似于正态分布.例如,利用正态概率模型,能力分析(正态)可以估计预期零件的缺陷PPM 数。
这些统计分析建立在两个假设的基础上,1、数据来自于一个稳定的过程,2、数据服从近似的正态分布,类似地,能力分析(Weibull)计算零件的缺陷的PPM 值利用的是Weibull分布。
在这两个例子中,统计分析正确性依赖于假设分布模型的正确性。
如果数据是歪斜非常严重,那么用正态分布分析将得出与实际的缺陷率相差很大的结果。
在这种情况下,把这个数据转化比正态分布更适当的模型,或为数据选择不同的概率模式.用M INITAB,你可以使用Box-Cox能力转化或Weibull概率模型,非正态数据比较了这两种方法.如果怀疑过程中子组之间有很强的变差来源,可以使用能力分析(组间/组内)或SIXpack能力分析(组间/组内)。
MINITAB过程能力分析概述MINITAB是一种专业的数据分析软件,广泛用于各个领域的数据分析和统计学研究。
MINITAB能够对数据进行快速、准确的分析,并生成相应的统计图表,帮助用户更好地理解数据特征和趋势。
过程能力分析是MINITAB中的一个重要功能,它可以帮助用户评估和改进不同过程的稳定性和能力。
过程能力分析主要用于评估和监控一个过程是否稳定,并确定其能力是否足够满足特定要求。
它通常涉及两个主要方面:过程稳定性和过程能力。
过程稳定性是指一个过程在统计控制范围内的变异程度,在过程稳定的前提下,过程能力则是指过程在特定控制限内能够提供的产品或服务的变异程度。
在MINITAB中进行过程能力分析需要先导入数据,通常是一个过程中的一系列样本数据。
然后,用户需要选择一个合适的过程能力分析方法。
MINITAB提供了多种方法,如正态分布能力分析、非正态分布能力分析、双容限分析等。
用户可以根据具体情况选择最适合的方法。
以正态分布能力分析为例,用户需要输入数据列和规格限制。
数据列包含了过程中得到的一系列样本数据,规格限制是用户根据产品或服务的要求设定的控制限。
通过分析这些数据,MINITAB可以计算出过程的过程能力指标,如Cp、Cpk、Pp、Ppk等。
这些指标可以帮助用户评估过程的稳定性和能力,并作出相应的决策。
过程能力指标主要包括以下几个方面:Cp指标是一个比率,表示过程的容差能力,值越大表示过程的能力越高;Cpk指标是一个比率,表示过程中心到最近规格限的距离与过程控制限的一半之比,值越大表示过程的中心越接近规格限;Pp指标是一个比率,表示整个过程的容差能力,值越大表示过程的能力越高;Ppk指标是一个比率,表示过程中心到最近规格限的距离与整个过程控制限的一半之比,值越大表示过程的中心越接近规格限。
通过分析这些指标,用户可以对过程的稳定性和能力有一个全面的了解,并做出相应的改进措施。
MINITAB还提供了丰富的统计图表功能,可以直观地展示数据的分布情况和过程能力指标的计算结果。
过程能力概述一旦过程处于统计控制状态,并且是连续生产,那么你可能想知道这个过程是否有能力满足规范的限制,生产出好的零件(产品),通过比较过程变差的宽度和规范界限的宽度可以确定过程能力。
在评估过程能力之前,过程必须受控。
如果过程不受控,你将得到不正确的过程能力值。
.你能通过画能力柱状图和能力图来评估过程能力。
这些图形能够帮助你评估数据的分布和检验过程是否受控。
你也可以估计包括规范公差与正常过程变差之间比率的能力指数。
能力指数或统计指数都是评估过程能力的一种方法,因为它们都没有单位,所以,可以用能力统计表来比较不同过程的能力。
选择能力命令MINITAB提供了一组不同的能力分析命令,你可以根据数据的性质和分布从中选择命令,你可以对以下情况进行能力分析:——正态或Weibull概率模式(对于测量数据)——不同子组之间可能有很强变差的正态数据——二项式或Poisson概率模式(对于计数数据或属性数据)当进行能力分析时,选择正确的公式是基本要求,例如,MINITAB提供基于正态或Weibull分布模型上的能力分析工具,使用正态概率模型的命令提供了更完全的统计设置,但是,适用的数据必须近似于正态分布.例如,利用正态概率模型,能力分析(正态)可以估计预期零件的缺陷PPM 数。
这些统计分析建立在两个假设的基础上,1、数据来自于一个稳定的过程,2、数据服从近似的正态分布,类似地,能力分析(Weibull)计算零件的缺陷的PPM 值利用的是Weibull分布。
在这两个例子中,统计分析正确性依赖于假设分布模型的正确性。
如果数据是歪斜非常严重,那么用正态分布分析将得出与实际的缺陷率相差很大的结果。
在这种情况下,把这个数据转化比正态分布更适当的模型,或为数据选择不同的概率模式.用M INITAB,你可以使用Box-Cox能力转化或Weibull概率模型,非正态数据比较了这两种方法.如果怀疑过程中子组之间有很强的变差来源,可以使用能力分析(组间/组内)或SIXpack能力分析(组间/组内)。
1、输入数据。
2、堆栈:将数据堆叠到一列中,点选数据—堆叠—列。
出现堆叠列选项框,选取要堆叠的列,点选当前工作表的列,输入存放堆叠的列C26,点确定,即可出现堆叠的列C26。
3、正态性检验
点选工具栏统计--基本统计量--正态性检验
选择堆叠的列C26,点选百分位数线无,正态性检验Anderson-Darling,输入标题,确定
自动生成正态性检验
4、绘制Xbar-R控制图
点选工具栏统计—控制图—子组的变量控制图--Xbar-R(B)
出现Xbar-R控制图选项框,选择刚堆叠的列,输入子组大小,
点选选项,出现下图对话框,点选检验,选择对特殊原因进行所有检验,确定点选标签,出现下图对话框,输入标题,确定
Xbar-R控制图选项框确定后,自动生成Xbar-R控制图
5、过程能力分析
点选工具栏统计--质量工具--能力分析--正态
点选单列,选取堆叠的列,输入子组大小、规格上下限,
确定后,自动生成过程能力分析图表。
6、6σ绘制
点选工具栏统计--质量工具--Capability Sixpack(S)--正态
在正态分布对话框中点选单列,选择堆叠的列C26,输入子组大小、规格上下限点选检验,出现下图对话框,点选进行所有8项检验(A),确定
点选选项,出现下图对话框,输入标题,确定
确定后,自动生成
【下载本文档,可以自由复制内容或自由编辑修改内容,更多精彩文章,期待你的好评和关注,我将一如既往为您服务】。
如何用Minitab软件进行过程能力分析(CpCpk)01、引入过程能力分析的目的1、在我们现有的管理过程中,我们经常会遇到有些具体指标总是不尽人意,存在许多需要改进的地方。
那么在改进之前,我们就有必要知道我们的问题到底有多严重?目前的过程能力到底是多少?也就是说,在试图解决一个问题(改进)之前,首先需要深入了解问题现状及其过程能力。
因此进行过程能力分析很有必要。
过程能力分析可以根据实际情况选择使用,如果暂时还不能计算,可以放在以后去解决。
2、哪一个过程最佳?上面三个图中,哪一个过程最佳?你是否想知道,为什么?过程表现如何?什么是最佳的过程?什么是最差的过程?02、连续数据过程能力指数:Cp1、Cp-表示过程容差与自然容差的比值大小,用来衡量过程的能力。
2、计算过程能力的要求:A、稳定过程;B、数据分布类型——正态分布。
03、连续数据过程能力指数:CpK1、Cpk-表示当过程中心值偏移时,中心值与规格上下限之间的最短距离与1/2自然容差的比值大小。
2、计算过程能力的要求:A、稳定过程;B、数据分布类型——正态分布。
3、中心值无偏离时,Cpk= Cp04、CP/CPK计算事例 [一]中心值无偏离时,Cpk= Cp05、CP/CPK计算事例[二]中心值偏离时, Cpk < Cp06、CP/CPK计算事例[Minitab]1、例如:按照设计图纸的要求,某一机柜门板的长度要求是1.5±0.1图纸下发给供应商后,供应商试加工了32个样品,具体的数据如下,请衡量该供应商加工该门板的过程能力。
2、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。
A、数据是否正态根据P值来判断,如果P值大于0.05,数据符合正态分布;P值小于0.05,则数据是非正态的。
B、实际操作过程中,如果数据为非正态,只要数据的容量大于30个,我们也可以近视认为数据是符合正态分布的。
3、用Minitab软件计算CPK07、Sigma计算事例[Minitab]08、使用Excel计算Sigma——水平说明:在上图Probability一栏中输入合格率,则Excel会自动计算出的长期的σ水平,即:Zlt=1.9110;最后加上1.5 σ的补偿,得出短期的σ水平,即:Zst=3.411。
过程能力概述一旦过程处于统计操纵状态,同时是连续生产,那么你可能想明白那个过程是否有能力满足规范的限制,生产出好的零件(产品),通过比较过程变差的宽度和规范界限的宽度能够确定过程能力。
在评估过程能力之前,过程必须受控。
假如过程不受控,你将得到不正确的过程能力值。
.你能通过画能力柱状图和能力图来评估过程能力。
这些图形能够关心你评估数据的分布和检验过程是否受控。
你也能够可能包括规范公差与正常过程变差之间比率的能力指数。
能力指数或统计指数差不多上评估过程能力的一种方法,因为它们都没有单位,因此,能够用能力统计表来比较不同过程的能力。
选择能力命令MINITAB提供了一组不同的能力分析命令,你能够依照数据的性质和分布从中选择命令,你能够对以下情况进行能力分析:——正态或Weibull概率模式(关于测量数据)——不同子组之间可能有专门强变差的正态数据——二项式或Poisson概率模式(关于计数数据或属性数据)当进行能力分析时,选择正确的公式是差不多要求,例如,MINITAB提供基于正态或Weibull分布模型上的能力分析工具,使用正态概率模型的命令提供了更完全的统计设置,然而,适用的数据必须近似于正态分布.例如,利用正态概率模型,能力分析(正态)能够可能预期零件的缺陷PPM数。
这些统计分析建立在两个假设的基础上,1、数据来自于一个稳定的过程,2、数据服从近似的正态分布,类似地,能力分析(Weibull)计算零件的缺陷的PPM值利用的是Weibull分布。
在这两个例子中,统计分析正确性依靠于假设分布模型的正确性。
假如数据是歪斜特不严峻,那么用正态分布分析将得出与实际的缺陷率相差专门大的结果。
在这种情况下,把那个数据转化比正态分布更适当的模型,或为数据选择不同的概率模式.用MINITAB,你能够使用Box-Cox能力转化或Weibull概率模型,非正态数据比较了这两种方法.假如怀疑过程中子组之间有专门强的变差来源,能够使用能力分析(组间/组内)或SIXpack能力分析(组间/组内)。
除组内数据具有随机误差外,组间还可能有随机变差。
明白了子组变差的来源,能够为你提供过程更真实的潜在能力评估。
能力分析(组间/组内)或SIXpack能力分析(组间/组内)既计算组内标准偏差也计算组间标准偏差,然后,集中它们来计算总的标准偏差。
MINITAB也提供基于二项式和Poisson概率模型属性数据(计数型)的能力分析,例如,产品可与标准比较分为有缺陷和没有缺陷(用能力分析(二项式))。
也能够依照缺陷个数对产品进行分类(用能力分析(Poisson))。
MINITAB的能力分析命令能力分析(正态)画出单个测量值的能力柱状图,用一条基于过程平均值和标准偏差的正态曲线覆盖在柱状图上,那个图形有助于进行正态假设的视觉评估。
那个报告包括了过程能力统计表,既包括组内也包括整体统计。
能力分析(组间/组内)画出了用正态曲线覆盖的单个测量值的能力柱状图。
这有助于进行正态假设的视觉评估。
用这种分析方法可进行组间\组内有专门强变差来源的子组数据的分析,那个报告包括组间/组内和整个过程能力的统计分析能力分析(Weibull分布)画出基于过程形状和比例的Weibull曲线覆盖单个测量值的能力柱状图,这有助于进行Weibull分布的视觉评估。
那个报告也包括了整个过程能力的统计分析SIXPACK能力分析(正态分布)连同那个能力统计的子集一起,结合下面的图表深入了解单个的显示值的含义:——单个数据图,R 或 S(离差),以及运行图,可用来检验过程是否受控.——能力柱状图和正态分布图,可用来检验数据是否服从正态分布.SIXPACK能力分析(组间/组内)适用于组间有专门强变差来源的子组数据, SIXPACK能力分析(组间/组内)连同那个能力统计的子集一起,结合下面的图表深入了解单个的显示值的含义:——单个极差,离差图和极差和离差图,可用于检验过程受控状态.——柱状图和正态分布图可用于检验数据的正态分布情况——能力图显示了与规范比较后的过程变异SIXPACK能力(Weibull) 在一个显示面上显示了下面的多个图形,和各项能力统计数据:——一个(或单个数据)图、R(或移动极差)图,以及运行图,通常用于检验过程是否受控。
——能力柱状图和Weibull性能图通常用于检验数据是否服从Weibull分布。
——能力图显示了与规范比较过程的可变性。
尽管SIXPACK能力命令提供了比能力分析命令少的统计,然而图形的排列通常用于检验过程是否受控,以及数据是否服从所选择的分布模型。
能力分析(Binomial)适用于数据由总的抽样零件的缺陷数组成时,它画了一个P图,这有助于检验过程是否受控,那个报告还包括缺陷累积率的图形,缺陷百分比的柱状图和缺陷率图。
能力分析(泊松)适用于数据由每个项目的缺陷数构成时,报告画了一个U图,它有助于检验过程是否受控,报告还包括了累积的平均DPU(每单位缺陷数)的柱状图和缺陷率图。
能力统计分析过程能力统计是过程能力的数值,用来衡量过程满足标准的能力程度,这些统计量是单个的和没有单位的,因此能够比较不同过程的的能力,能力统计差不多上是同意的过程波动(标准界限的范围)与实际过程波动(6δ)的比值。
某些统计考虑了过程平均值或目标值。
讲明:能力统计使用简单,然而,具有未完全了解的分布特性。
总的来讲,依靠单个能力统计来评价(表现)一个过程不是好的适应,许多业内人士认为1.33是过程能力的最小可同意的值,几乎没有人相信小于1的值是可同意的,小于1的值表明过程变差比规范的公差宽,那个地点有一些如何使用能力统计的指导方针:过程能力命令能力统计能力分析(正态)和能力SIXPACK (正态)Cp, Cpk, CPU, CPL, and Cpm(假如你指定目标值)——与组内变差有关,Pp, Ppk, PPU, PPL——与整体变差有关能力分析(组间/组内)和能力SIXPACK (组间/组内)Cp, Cpk, CPU, CPL, and Cpm(假如你指定一个目标值)——与组内和组间变差有关Pp, Ppk, PPU, PPL——与整体变差有关能力统计适用场合定义Cp或Pp适用于过程在规范界限的中心时是公差(规范界限的宽度)与实际宽度(过程公差)的比值。
(USL - LSL) / 6σCpk或Ppk适用于过程不在规范界限的中心位置,然而落在界限之内时公差(规范界限宽度)与实际宽度的比值,考虑了过程平均值和规范中点的关系。
minimum [(USL - μ) / 3σ, (μ - LSL) / 3σ]CPU 或PPU适用于仅有规范上限时USL - μ / 3σCPL 或PPL适用于只有规范下限时μ - LSL / 3σ讲明:假如过程目标值不是规范中心点,应使用Cpm代替Cpk,因为Cpm衡量相关于目标值的过程平均值优于相关于规范中心值的过程平均值。
见[9]的讨论,Cpm可通过在选项子对话框中输入一个目标值来计算。
非正态数据数据为非正态分布时,能够选择转化数据得到更合适的正态分布,或选择Weibull分布模式,——转化数据,使用带优化Box—Cox能力转化的能力分析(正态),SIXPACK能力分析(正态),能力分析(组间/组内)或SIXPACK(组间/组内)命令。
见非正态数据的Box—Cox能力转化。
——使用Weibull分布模型,使用能力分析(Weibull)和SIXPACK能力(Weibull)。
下面的表格概述了两种方法之间的不同。
哪一种方法更好?唯一的答案是看哪种模型拟合数据更好,假如两种模型拟合数据一样,则选择正态模式可能更好,因为它能评估整体和组内过程能力。
能力分析(正态分布)当数据服从正态分布或具有Box-Cox转化数据时,可用能力分析(正态分布)来产生一个能力分析报告。
那个报告包括覆盖着两条正态曲线的能力柱状图和整体和组内能力统计的完整表格,这两条正态曲线是分不用过程平均值和组内标准偏差和过程平均值和整体标准偏差产生的。
那个报告还包括了过程数据的统计,如过程平均值、目标值(假如输入了的话),组内和整体标准偏差,和过程规范,观看到的性能,和预期的组内和整体性能。
能力分析(正态分布)过程能力进行能力分析,从报告上可直观地判定数据是否是正态分布,过程是否在目标中心,以及是否有能力连续满足过程规范要求。
假设大多数的过程数据都服从正态分布。
如数据严峻歪斜,见非正态数据的讨论。
数据你能够使用单个的观看值或子组数据,单个的观看值应在一列中,子组数据能够在单个列中,或几列的行中,当子组数据个数不等时,在一列中输入数据,然后,建立一列存放子组指示器.举例见数据.假如为分组数据,为了评估过程标准偏差,一个子组中必须至少有两个观看值.在使用Box-Cox转化时,数据必须是正数。
假如一个观看值丢失了,MINITAB在计算时将予以忽略。
运行能力分析(正态概率模型)1、选择“统计”菜单栏下的“质量工具”栏中的“能力分析(正态)”。
2、进行以下操作:——当子组或单个的观测值在同一列时,输入数据列号到“Single column”中,在“subgroup size”中,输入子组大小或子组指示器的列号,关于单个数据,输入子组大小为 1。
——当子组在不同的列时,选择“Subgroups across rows of”,输包含数据所有行的列号。
3、在“Lower spec ”或“ Upper spec,”中,输入规范的下限和/或上限。
必须至少输入其中的一个数据。
4、假如需要,能够使用下面列出的所有选项,然后点击“OK”选项能力分析(正态分布)对话框——定义规范的上、下界为“界限”,表示测量值不能落在界限之外,因此,关于界限来讲,希望的规范外的百分率为0,假如选择界限,那么规范的上、下限在分析时将被上、下界限替代。
——假如明白过程参数或以往数据的可能数据,能够输入(过程平均值)和(过程的潜在标准偏差)的历史值,假如不指明或的数值,MINITAB将从给出的数据进行估算。
评估子对话框用不同的方法来可能过程标准偏差()。
见可能过程变差选项子对话框当数据严峻歪斜时,可使用Box-Cox能力转化。
见非正态分布数据的Box-Cox能力转化——输入过程目标值,或正常规范值,MINITAB除了进行标准能力统计外,还计算Cpm值。
——输入一个出了6δ(过程均值每边3个)以外的δ公差间隔来计算过程能力。
例如,输入12,表示用12δ的间隔宽度来计算,均值每边6个δ。
——仅进行组内或整体分析,默认为两个都计算。
——显示用百分比或ppm表示的看到的性能,期望的“组内”性能,和预期的“整体”性能。
——输入一个能力柱状图的最小和/或最大显示刻度。
——显示代替能力统计的Zbench值,缺省显示能力统计。