MINITAB技术汇总.docx

MINITAB-16技术汇总
一、箱线图
箱线图可从一个阶段(前半年)到下一个阶段(后半年)的状态提升,显示直观的效果图,例如缺陷数的箱线图,图1为源数据,图2为选择项,图3为结果图,下文不特殊说明,每种技术3张图均为以上设置。
图1
图2
图3
鼠标悬停在箱体内,可以显示中位数、四分卫数和均值箱体框,这里以不同阶段的缺陷数为例,从上图可以清晰看见缺陷数的改进提升效果。
二、控制图
标准控制图
控制图的使用方法非常简单,均值、上限(均值+3倍标准差),下限(均值-3倍标准差),下限因为是单纯的减法,所以可能导致某些数据为负(此种情况通常出现在标准差较大),可以通过控制图中的设置将下限设置为0,即下限不会出现负数的情况。
这里以需求阶段生产率为例,见下图:
图1
图2
图3
控制图的判异原则一般有,1)点子出界、2)6点都呈现往上或下、3)9点都在同一侧,4)14点交替上升下降。
分阶段控制图
本章具体介绍控制图和分阶段的控制图,以下为分阶段的控制图介绍:
分阶段的控制图,具体好处是直观的显示稳定的生产率之前和之后的比较,数据的律动情况和上下限都能一目了然。
图1
图2
图3
从以上图形,可以明显看出之前和之后的标准差、均值对比,对两阶段的不同图形也能直观反映在同一张控制图上,对于过程改进的之前和之后效果图,尤为直观。
三、正态分布图
正态分布,作为检验一组数据是否呈正态分布,一般是SPC(统计过程控制)的先导步骤。
图1
源数据省略
图2
图3
从上图可见,P值=>,所以总生产率是呈正态分布的。
四、单因子方差分析
单因子方差分析,通常是为了找出Y值到底是受哪种因子影响,这些因子是否可以分组,如果他们是纠缠在一起的一组数据(比如各因子没有呈现单独的关系),那么可能需要继续往下探究各个因子的子因子是否能够分组,如果到了最低层的因子依然没有呈现显著的不同,那么这组数据就需要舍弃掉,因为他们是同一类的数据。MINITAB中X值通常以数字代表进行分析,比如下例中我们需要洞察生产率是否受行业、模型和编程语言的分组影响,那么我们就将客户行业设置为1,模型设置为2,编程语言设置为3。
图1
Y值=生产率
X值分别=客户行业、生命周期模型、不同的编程语言
图2
图3
总生产率与客户行业
来源自由度 SS MS F P
客户行业 2 686 343
误差 54 68064 1260
合计 56 68750
S = R-Sq = % R-Sq(调整) = %
均值(基于合并标准差)的单组 95% 置信区间
水平 N 均值标准差---+---------+---------+---------+------
1 19 (----------------*---------------)
2 22 (--------------*---------------)
3 16 (-----------------*-----------------)
---+---------+---------+---------+------
170 180 190 200
合并标准差=
通过上图可知:P值=>,所以总生产率和客户行业无关。
五、图形化汇总
图形化汇总,可以从图中清楚的观察到,均值、标准差和百分比的可能性值,对于单值的分析非常适用。
图1
图2
图3
从图形化汇总可见:最小值和最大值,均值,标准差,正态性检验P值。
六、帕累托分析
帕累托分析,即20/80原则,一般适用于从所有影响因素中找出最关键的几项,通常是百分之二十的因素导致了百分之八十的问题。
图1
源数据省略,一般为单列统计出现的问题次数
图2
图3
七、双样本T检验
双样本T检验,适用于两个过程之间的显著变化统计,用值的形式显示于计算图表中。
图1
源数据省略,一般是不同的两组数据,在过程之前和之后的统计
图2