Minitab教材.ppt

《Minitab教材.ppt》由会员分享，可在线阅读，更多相关《Minitab教材.ppt（158页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、1 MINITAB = Mini + Tabulator =小型 + 计算机Minitab是众多统计软件当中比较简单易懂的软件之一；相对来讲，Minitab在质量管理方面的应用是比较适合的；Minitab的功能齐全，一般的数据分析和图形处理都可以应付自如。在上个世纪80年代Motorola开始在公司内推行6 Sigma，并开始借助Minitab使6 Sigma得以最大限度的发挥；6 Sigma的DMAIC阶段中，很多分析和计算都可以都通过Minitab简单的完成；即使是对统计的知识不怎么熟悉，也同样可以运用Minitab很好的完成各项分析。Minitab介绍介绍2Minitab界面和基本操作介

2、绍3Data Window: 输入数据的窗口 每一列的名字可以写在最前面的列 每一列的数据性质是一致的主菜单主菜单Session Window: 分析结果输出窗口Minitab 界面界面4 同一时间只能激活一个窗口.每一个窗口可以单独储存.不同的要求选择不同的保存命令Minitab 界面界面5打开文件打开文件保存文件保存文件打印窗口打印窗口编辑最后对话框编辑最后对话框前一命令前一命令下一命令下一命令查找查找查找下一个查找下一个管理图形管理图形Info窗窗关闭图形关闭图形剪切剪切复制复制粘贴粘贴恢复恢复statguide程序文件夹程序文件夹取消取消帮助帮助数据文件夹数据文件夹实验设计实验设计撤销

3、撤销History窗窗文件窗文件窗report窗窗数据窗数据窗程序窗程序窗Pjt managerMinitab 工具栏介绍工具栏介绍6 Data Change Data Type Text to Numeric需要转换的列转换后数据存放列，可以是原来的数据列数据类型的转换数据类型的转换 (Change Data Type)7 Data Stack Stack Columns输入需要堆栈的列，如果由前后顺序，按前后顺序进行输入输入堆栈后存放列的位置注解可以用来区分数据的来源原始数据数据的堆栈（数据的堆栈（Stack&Unstack）8 Data Stack Stack Blocks of Col

4、umns原始数据在对话框中输入25列数据，注解列在前面输入新工作表和注解的位置数据块的堆积（数据块的堆积（Stack Blocks）9输入需要转置的列输入新工作表的位置可以输入注解列 Data Transpose Columns转置栏（转置栏（Transpose Columns）10 Data Concatenate输入需要连接的数据列输入新数据列的位置原始数据连接（连接（Concatenate）11 Data code原始数据编码规则被编码的变量编码（编码（Code）12基础统计13描述性统计描述性统计 Display Descriptive Statistics 打开附件: 2255MB0

5、0 Basic Stats.mpj Stat Basic Statistics Display Descriptive Statistics 在 “Variables” 中输入“Diameter “ Descriptive Statistics: Diameter Variable N N* Mean SE Mean StDev Minimum Q1 Median Q3Diameter 12 0 1.4000 0.0426 0.1475 1.2100 1.2350 1.4500 1.4650Variable MaximumDiameter 1.6800选择需显示的统计量14Stat Table

6、s Tally Individual Variables Tally for Discrete Variables: Diameter Diameter Count 1.21 1 1.22 1 1.23 1 1.25 1 1.38 1 1.45 4 1.47 1 1.56 1 1.68 1 N= 12描述性统计描述性统计 Mode15Stat Basic Statistics Graphical summary描述性统计描述性统计 Graphical Summary10090807060504030MedianMean71.070.570.069.569.0Anderson-Darling N

7、ormality TestVariance100.000Skewness-0.050008Kurtosis0.423256N500Minimum29.824A-Squared1st Quartile63.412Median69.9773rd Quartile76.653Maximum103.30195% Confidence Interval for Mean69.1210.4270.87995% Confidence Interval for Median69.02170.73795% Confidence Interval for StDev9.41610.662P-Value0.328M

8、ean70.000StDev10.00095% Confidence IntervalsSummary for Normal中位数四分之三位数四分之一位数样本数95%CI:真实的平均值95置信区间平均P0.05,正态分布16Minitab 概率计算概率计算-Z分布分布10864131412-1-2-33210USL1610假设过程 = 10 ， = 2问题 1: 如果USL=13,USL和mean之间是多少mm？问题2: 如果StdDev=2,USL和mean之间是多少个StdDev？问题3: 超过USL部分的概率是多少？X刻度单位是刻度单位是mmZ刻度单位是刻度单位是标准偏差标准偏差Z =

9、X - Z = 13 - 10 2= 1.5P(x13)？17Minitab 概率计算概率计算-Z分布分布 Calc Probability Distributions Normal在平均值和观测值之间有几个StDevNormal with mean = 0 and standard deviation = 1 x P( X 13)=1-0.933193=0.066807练习：求练习：求Z0.94的概率的概率Session Window 输出:18Minitab Z 值值计算计算-Z分布分布Calc Probability Distributions NormalNormalCCFZ=?321

10、0-1-2-30.40.30.20.10.082.64%问题：P(Z ?) = 0.8264 Inverse Cumulative Distribution Function Normal with mean = 0 and standard deviation = 1P( X Open WorksheetDataSurfaceflaws.mtwStat Quality tools Cause and effectMinitab常用的图形常用的图形-特性要因图特性要因图点击subsuface flawEnvironmenttsMeasuremenMethodsMaterialMachinesP

11、ersonnelOperatorsTrainingSupervisorsShiftsSpeedLathesBitsSocketsSuppliersLubricantsAlloysBrakeEngagerAngleInspectorsMicroscopesMicrometersCondensationMoisture%TestingMentorsErraticToo slowConditionAccuracyC Ca au us se e- -a an nd d- -E Ef ff fe ec ct t D Di ia ag gr ra am m结果输出24Stat Quality tools

12、Pareto ChartMinitab常用的图形常用的图形-Pareto Chart输入缺陷列输入频数列其他项所占的比率1-80%pareto名称X轴、Y轴名称 Pareto Chart：掌握核心的少数原因而使用，遵循2：8法则25Minitab常用的图形常用的图形-Pareto ChartCount500300200160150Percent38.222.915.312.211.5Cum %38.261.176.388.5100.0C Co ou un nt tP Pe er rc ce en nt t缺陷项Other划伤强度不够漏焊虚焊140012001000800600400200010

13、0806040200P Pa ar re et to o C Ch ha ar rt t o of f 缺缺陷陷项项4个缺陷项占88.5%26YX65800668106582066830678406785068860688706789068900Minitab常用的图形常用的图形-Scatter Plot Scatter Plot：大致掌握两个变数(X,Y)的相关关系而使用Gragh ScatterPlot输入MTB27Minitab常用的图形常用的图形-Scatter Plot可以选择不同的输出表现形式90085080068676665XY可以用直接方式判定，有正相关的倾向。更详细的说明可以

14、参见回归分析结果输出28Graph Matrix Plot Matrix Plot 为同时掌握许多变数间的相关关系而使用. 选择所有所关心的变数 显示Pulse1和 Pulse2相关关系的散点图 显示Pulse1和 Weight相关关系的散点图 显示Height和 Weight相关关系的散点图 显示Height和 Weight相关关系的散点图 和 X轴, Y轴相互被调换 Data : File Open Worksheet Data Pulse.mtwMinitab常用的图形常用的图形-Matrix plot29Graph HistogramMinitab常用的图形常用的图形-Histogra

15、m Histogram：大致掌握data的中心和散布、异常点等信息 选择所需的变量，可以是多个选择所需的直方图点击ok102.0101.5101.0100.5100.099.599.098.598.097.597.09876543210測量值Frequency可以知道分布的总体情况，包括范围、形态、最频值、散布大小、有无异常值等30 BoxPlot：大致掌握Data的中心和散布形态，了解异常值是否存在測測量量值值102101100999897B Bo ox xp pl lo ot t o of f 測測量量值值Q1Q3medianUpper Limit, Q3+1.5(Q3-Q1)内的最大值Q

16、3 : 将数据以顺序排列时位于 的值.中央值 :将数据以顺序排列时位于中央的值.Q1 :将数据以顺序排列时位于 1/4 的值.Lower Limit, Q1-1.5(Q3-Q1)内的最小值* 异常值Data的中间50%GraphBoxplotMinitab常用的图形常用的图形-Boxplot31时间销售量2003/11502003/21262003/31352003/41652003/51902003/61702003/71752003/81802003/9176Minitab常用的图形常用的图形-Time series plot Time series plot：掌握Data随时间的变化Gr

17、aph Time Series Plot输入MTB32输入序列点击Minitab常用的图形常用的图形-Time series plot选择合适的图2003/92003/82003/72003/62003/52003/42003/32003/22003/1190180170160150140130120Date/Time銷售量依此状况来判定未定的销售趋势。结果输出33Minitab常用的图形常用的图形-Run ChartStat Quality Tools Runchart 是Stack形态的Data的话，选择有 测 定 D a t a 的 行 列 ， 指 定 Subgroup Size抽样内平

18、均, 中位数中选择 Run Chart : 掌握随时间经过对过程 Data有何影响，掌握是否有异常原因的过程变化. 用4个 P-Value判断数据的倾向 - P-Value 0.05以上 : 稳定 - P-Value 0.05 不到 : 存在异常原因 Clustering P-Value为为 0.0096的解释的解释 : Clustering 的假设验证判定值P-Value: 0.0096 Open Worksheet Data Pulse.mtw34Minitab常用的图形常用的图形-Multi-Vari ChartStat Quality Tools Multi-Vari chart 选择

19、反应值(Y) 选择输入因子(X), 最多能选择 4个 Multi-Vari Chart : 掌握许多 X因子水平变化时, Y 因子的值怎样变化从而掌握因子间相互关系. (在各 X因子水平上 Y因子的平均值怎样不同，在坐标上显示) Metal Type 3水平的平均连接的线Metal Type别 Sinter Time 3 水平的平均连接的线 Metal Type 15是 Sinter Time 0.5, Metal Type 18是 Sinter Time 1.0, Metal Type 21是Sinter Time 2.0上 Strength最高. (Metal Type和 Sinter T

20、ime间交互作用存在.) Data : File Open Worksheet Data Sinter.mtw35MSA测量系统分析36准度/ 偏差线性度稳定性重复性再现性精度测量误差的组成部分测量误差的组成部分Accuracy/准确度Bias/偏移Linearity/线性Stability (consistency)/ 稳定性(一致性)Precision/精密度Repeatability test/retest / 重复性Reproducibility / 再现性37重复性重复性是由一个评价人，采用一种测量仪器，多次测量同一零件的同一特性时获得的测量值变差。重复性重复性 & 再现性再现性再现

21、性是由不同的评价人，采用相同的测量仪器，测量同一零件的同一特性时测量平均值的变差。 GRR=5.15 Gage R&R变动：变动：99%置信区间置信区间再现性38分辨率/分辨力发现最小变化的能力不恰当的测量单位测量单位对于所检测的变差来讲太大指导方针：“10份制规则”测量系统的最小辨识力应为产品规范或过程变差的1/1012345分辨力好12345分辨力差测量同样的过程输出1.31分辨力分辨力39变量型变量型MSA的的6步骤步骤进行初始校正进行初始校正研究策划研究策划 - 取样：大部分选择10个零件，是事先有计划准备，cover变动或Spec全范围 - 分辨力：记录所有测量系统所有的分辨力 -试

22、验和数据收集： 通常需要3个操作员，10个零件，每个操作员对每个零件测量3次(重复)； 如果没有3个操作员，选择足够的样品以满足(# of samples) x (# of operators) 14 如果还是不可能，选择重复次数满足 S x O 4, # trials = 6 S x O 5, # trials = 5 S x O 8, # trials = 4 S x O Quality Tools Gage Study Gage R&R Study (Crossed)首选ANOVA方法，因为如果operator*part显著，可以包含交互作用项USL LSL = 0.50USL=1.0L

23、SL=0.6USL = 1.0LSL = 0.5本例中41Two-Way ANOVA Table With InteractionSource DF SS MS F P Part 9 2.05871 0.228745 39.7178 0.00000Operator 2 0.04800 0.024000 4.1672 0.03256Operator*Part 18 0.10367 0.005759 4.4588 0.00016Repeatability 30 0.03875 0.001292 Total 59 2.24912 Gage R&R %ContributionSource VarCom

24、p (of VarComp) Total Gage R&R 0.004437 10.67 Repeatability 0.001292 3.10 Reproducibility 0.003146 7.56 Operator 0.000912 2.19 Operator*Part 0.002234 5.37 Part-To-Part 0.037164 89.33 Total Variation 0.041602 100.00 StdDev Study Var %Study Var %ToleranceSource (SD) (5.15*SD) (%SV) (SV/Toler) Total Gag

25、e R&R 0.066615 0.34306 32.66 68.61 Repeatability 0.035940 0.18509 17.62 37.02 Reproducibility 0.056088 0.28885 27.50 57.77 Operator 0.030200 0.15553 14.81 31.11 Operator*Part 0.047263 0.24340 23.17 48.68 Part-To-Part 0.192781 0.99282 94.52 198.56 Total Variation 0.203965 1.05042 100.00 210.08 Number

26、 of Distinct Categories = 4Gage name:Date of study:Reported by:Tolerance:Misc:00.30.40.50.60.70.80.91.01.1123Xbar Chart by OperatorSample MeanMean=0.8075UCL=0.8796LCL=0.735400.000.050.100.15123R Chart by OperatorSample RangeR=0.03833UCL=0.1252LCL=0 1 2 3 4 5 6 7 8 9100.40.50.60.70.80.91.01.1PartOper

27、atorOperator*Part InteractionAverage1 2 3 1230.40.50.60.70.80.91.01.1OperatorBy Operator 1 2 3 4 5 6 7 8 9100.40.50.60.70.80.91.01.1PartBy Part%Contribution %Study Var %Tolerance Gage R&RRepeatReprodPart-to-Part0100200Components of VariationPercentGage R&R (ANOVA) for ResponseSession WindowGraphsMSA

28、- Variables42MSA- VariablesGage name:Date of study:Reported by:Tolerance:Misc:00.30.40.50.60.70.80.91.01.1123Xbar Chart by OperatorSample MeanMean=0.8075UCL=0.8796LCL=0.735400.000.050.100.15123R Chart by OperatorSample RangeR=0.03833UCL=0.1252LCL=0 1 2 3 4 5 6 7 8 9100.40.50.60.70.80.91.01.1PartOper

29、atorOperator*Part InteractionAverage1 2 3 1230.40.50.60.70.80.91.01.1OperatorBy Operator 1 2 3 4 5 6 7 8 9100.40.50.60.70.80.91.01.1PartBy Part%Contribution %Study Var %Tolerance Gage R&RRepeatReprodPart-to-Part0100200Components of VariationPercentGage R&R (ANOVA) for Response1Stability稳定性2Discrimin

30、ation分辨力3Repeatability重复性4Product vs. Measurement variation产品vs测量变差1235545对测定系统变动的直方图根据测定者反复值 R-chart 在管理界线内，故良好5Reproducibility再现性目标是50%以上的点落在控制线以外，变动的原因主要是部件间的差异根据测定者的变动，是测定者别全体的平均根据部件的变动，是随部件的全体平均部件与测定者间交互作用ANOVA上交互作用“Oper * Part”是显著的.43% Study% Tolerance置信区间不重叠的个数 全部变差的全部变差的10.7% 来自测量系统来自测量系统全部变

31、差的全部变差的3.1% 来自来自重复性问题，其余的部分来自重复性问题，其余的部分来自再现性问题再现性问题89% 来自来自零件的变差零件的变差Session WindowMSA- Variables44MSA- Variables100* onContributi %TOTAL22RR&Acceptance Criteria% Contribution1%9%Acceptance Criteria% Study Variation10%30%100* TOTALR&RationStudy Vari %Acceptance Criteria% Tolerance10%30%100*Toleranc

32、e*155 Tolerance %P/T Tolerance to PrecisionR&RRRActual&41. 1 Categories Distinct of NumberAcceptance Criteria# of Distinct Categories5 or more0-3445MSA- Purpose Of Attribute MSA 准确性检查 评价标准和顾客要求对比 /识别测量系统符合”已知标准”的程度 精密性检查 确认检查员(评价者)所有班次、设备、生产线是否使用相同标准评价 再现性再现性 量化检查员(评价者)或仪器准确重复检查结果的能力重复性重复性 识别检查员/仪器测

33、量”已知标准”(顾客定义),确保没有错误分类的能力 多久操作员会将不良品判为良品？ 多久操作员会将良品判为不良品？ 确定以下范围 是否需要培训 是否缺乏程序或控制计划 标准是否未定义 仪器调整是否是必须的46MSA- Attribute MSA 6 stepStep 1:至少选择30个部件 50%有缺陷50%没有缺陷尽可能选择界限附近的好的和不好的样品Step 2:选择有资格的评价者Step 3:每个评价者随机评价部件，确认是否通过或不通过Step 4:输入Excel或MTB 报告属性数据MSA的有效性Step 5: 结果文件化，如有必要，进行相应的改善Step 6:再运行MSA，验证改善有效

34、47MSA- Attribute MSA Kappa 比较了评价者之间去除了的偶然性的一致性比率比较了评价者之间去除了的偶然性的一致性比率 由于偶然性一致的比率由于偶然性一致的比率 Pchance = (P Insp1 Good) (P Insp2 Good) + (P Insp1 Bad)(PInsp2 Bad) chancechanceobservedP1PPKappa Kappa的判定规则通常如下的判定规则通常如下 0 非随机的不一致 0.9极好的测量系统48MSA- Attribute MSA 属性数据用属性数据用3个或以上分类的顺序表示，可用个或以上分类的顺序表示，可用KCC (Ke

35、ndalls Coefficient Of Concordance)评价测量系统评价测量系统- KAPPA: Pass/Fail- KCC: Mild/Medium/Hot/Very Hot KCC的判定规则通常如下的判定规则通常如下 - 0-0.7 低程度联系，需关注测量系统 - 0.7-1.0 通常可接收49MSA- Attribute MSA (Kappa)Stat Quality ToolsAttribute Agreement Analysis DATADATA : : Unstack数据stack数据评价人员重复次数已知标准值则输入所在列顺序型数据check50MSA- Attri

36、bute MSA (Kappa) Attribute Agreement AnalysisAttribute Agreement Analysis for R1T1, R1T2, R2T1, R2T2 Within Appraisers Assessment AgreementAppraiser # Inspected # Matched Percent 95 % CI1 20 19 95.00 (75.13, 99.87)2 20 18 90.00 (68.30, 98.77)# Matched: Appraiser agrees with him/herself across trials

37、.Fleiss Kappa StatisticsAppraiser Response Kappa SE Kappa Z P(vs 0)1 n 0.897698 0.223607 4.01463 0.0000 y 0.897698 0.223607 4.01463 0.00002 n 0.791667 0.223607 3.54044 0.0002 y 0.791667 0.223607 3.54044 0.0002Between Appraisers Assessment Agreement# Inspected # Matched Percent 95 % CI 20 17 85.00 (6

38、2.11, 96.79)# Matched: All appraisers assessments agree with each other.Fleiss Kappa StatisticsResponse Kappa SE Kappa Z P(vs 0)n 0.845261 0.0912871 9.25937 0.0000y 0.845261 0.0912871 9.25937 0.0002个评价者Kappa 0.70，一致度较好 足够的重复性评价者间的Kappa 0.70 /足够的再现性 51MSA- Attribute MSA (KCC)下面是对提议好坏的判断值。使用1-5的标准，1表示

39、差，5表示极好，Proposal Judge 1 Judge 2 Judge 3 1433 2424 3545 4344 5321 6232 例例 : : 52MSA- Attribute MSA (KCC)Stat Quality ToolsAttribute Agreement Analysis53MSA- Attribute MSA (KCC)Attribute Agreement Analysis for Judge 1, Judge 2, Judge 3 Between Appraisers Assessment Agreement# Inspected # Matched Perc

40、ent 95 % CI 6 0 0.00 (0.00, 39.30)# Matched: All Appraisers assessments agree with each other.Fleiss Kappa StatisticsResponse Kappa SE Kappa Z P(vs 0)1 -0.058824 0.235702 -0.24957 0.59852 0.035714 0.235702 0.15152 0.43983 -0.107692 0.235702 -0.45690 0.67614 0.000000 0.235702 0.00000 0.50005 0.437500

41、 0.235702 1.85616 0.0317Overall 0.033058 0.132073 0.25030 0.4012Kendalls Coefficient of Concordance Coef Chi - Sq DF P0.670034 10.0505 5 0.0738还是能得到Kappa统计表，但是用不到它们首先要看p值，记住KCC0，表示有联系，如果p值很小，我们接受KCC0。P值表示纯粹由于偶然而发生联系的可能性。这里表示有的纯粹由于偶然而发生非0 KCC的机会是7.4%(互相联系的水平)。你的决定取决于你愿意承担的风险。通常设为0.05KCC比较小54MINITAB 过

42、程能力分析55Data Collection反映长期的反映长期的 变动变动C C 指数指数P P指数指数TargetTargetTargetTarget规格界限规格界限对称对称规格界限规格界限对称对称CpkCpCpmCpmkPpkPpPpmPpmkNNYYNYNYNYSTLT过程能力指数整理过程能力指数整理变量型数据过程能力分析变量型数据过程能力分析56变量型数据过程能力分析变量型数据过程能力分析LSLZLSL* PLSL实际实际 Data变换变换 Data ZBench的结果随长期或短期的标准偏差以及 Target 设定有、无， ZST和 ZLT进行变换.USLZUSLUSLLSL* PUS

43、L3.0%4.5%ZBenchPTOTAL = PLSL + PUSL+7.5% 一般的一般的 水平指水平指 ZBench 的的ZST值值.* ZBench ZBench的定义的定义57变量型数据过程能力分析变量型数据过程能力分析-Normality Test 变量型Data上正态性测定是Data分析的基础.过程能力分析, 平均值测定, 效果分析等大部分利用变量型Data的分析结果的解释都假定正态分布. 没有正态分布的话根据过程能力指数及 P-value的判断会出错.Normality Test (Normality Test (正态性测定正态性测定) )StatBasic Statistic

44、sNormality Test 利用利用MinitabMinitab的正态性测定的正态性测定正态性测定方法正态性测定方法 通过一般坐标的大概的诊断. (通过Histogram频度数的形状) 利用Normal Probability Plot的大概的诊断 : 使正态分布的曲线成直线化，判断Data与直线的类似性 利用Normal Probability Plot适合性测定 : P-valueP-value值越大越接近于值越大越接近于正态正态分布分布. . (接近直线)D Di is st ta an nc ce e 2 25 5P Pe er rc ce en nt t11.010.510.09

45、.59.099.99995908070605040302010510.1Mean9.769StDev0.3029N125AD0.370P-Value0.421P Pr ro ob ba ab bi il li it ty y P Pl lo ot t o of f D Di is st ta an nc ce e 2 25 5Normal D Di is st ta an nc ce e 2 25 5P Pe er rc ce en nt t11.010.510.09.59.099.99995908070605040302010510.1Mean9.769StDev0.3029N125AD0.

46、370P-Value0.421P Pr ro ob ba ab bi il li it ty y P Pl lo ot t o of f D Di is st ta an nc ce e 2 25 5Normal 58正态分布的变量型数据过程能力分析正态分布的变量型数据过程能力分析StatQuality ToolsCapability Analysis(Normal) 利用利用MinitabMinitab的过程能力分析的过程能力分析 / / 假定正态分布的过程能力分析过程能力分析设定过程能力分析设定一个OP生产的连续5个样品为一组输入Single column: Distance 25.Sub

47、-group size: Sub-group 25 or 5LSL: 9USL: 11非正态数据用Box-Cox转化5910.810.510.29.99.69.39.0LSLTargetUSLLSL9Target10USL11Sample Mean9.76944Sample N125StDev(Within)0.243594StDev(Overall)0.303479Process DataCp1.37CPL1.05CPU1.68Cpk1.05Pp1.10PPL0.85PPU1.35Ppk0.85Cpm0.87Overall CapabilityPotential (Within) Capab

48、ilityPPM USL0.00PPM Total0.00Observed PerformancePPM USL0.22PPM Total792.61Exp. Within PerformancePPM USL25.08PPM Total5641.18Exp. Overall PerformanceWithinOverallP Pr ro oc ce es ss s C Ca ap pa ab bi il li it ty y o of f D Di is st ta an nc ce e 2 25 5 工序数据工序数据 规格的上限 规格的目标值规格的下限 数据的平均 数据量 组内标准偏差 全

49、体标准偏差 短期过程能力短期过程能力Cp : 短期工序能力指数Cpk : 考虑偏移的短期 工序能力指数长期过程能力长期过程能力Pp :长期工序能力指数Ppk : 考虑偏移的实际 工序能力指数表示平均离目标值(Target)脱离多少的指数(平均与 Target一样的话 Cp=Cpm 相反远离的话是 CpCpm) 现在 Data的完成能力现在数据来看 因达不到规格的 不良率是 0PPM. 短期的预想完成能力规格未达到或超过而发生的不良率是 762.61PPM长期的预想完成能力规格未达到或超过而发生的不良率是 5641.18PPM正态分布的变量型数据过程能力分析正态分布的变量型数据过程能力分析60S

50、tatQuality ToolsCapability Analysis(Normal)Option 利用利用Minitab的过程能力分析的过程能力分析 / ZBench ZST 算出方法(输入输入Target值值) 过程能力分析设定过程能力分析设定LSL输入USL输入TargetTarget值输入值输入正态分布的变量型数据过程能力分析正态分布的变量型数据过程能力分析-Zst bench为求ZBench 值Check下面6110.810.510.29.99.69.39.0LSLUSLLSL9Target*USL11Sample Mean10Sample N125StDev(Within)0.24