minitab之MSA分析实例.ppt

M-测量系统分析案例：连续型案例：gageaiag.Mtw 背景：3名测定者对10部品反复2次TEST测量值随OP的变动测量值随部品的变动对于部品10，OP有较大分歧；所有点落在管理界限内良好大部分点落在管理界限外主变动原因：部品变动良好M-测量系统分析：离散型案例（名目型）：gage名目.Mtw背景：3名测定者对30部品反复2次TEST检查者1需要再教育；检查者3需要追加训练；(反复性)两数据不能相差较大，否则说明检查者一致的判定与标准有一定差异个人与标准的一致性（再现性？）M-测量系统分析：离散型案例（顺序型）：散文.Mtw背景：3名测定者对30部品反复2次TEST张四 需要再教育；张一、张五需要追加训练；(反复性)两数据不能相差较大，否则说明检查者一致的判定与标准有一定差异M-正态性测定:(测定工序能力的前提)案例：背景：3名测定者对10部品反复2次TESTP-value 0.05 正态分布（P越大越好）本例：P 0.022，数据不服从正态分布。原因：1、Data分层混杂；2、群间变动大；M-工序能力分析（连续型）：案例：Camshaft.MTW 工程能力统计：短期工序能力长期工序能力X平均目标值 CpCpmX平均目标值 Cp Cpm 求解Zst（输入历史均值）：历史均值：表示强行将它拉到中心位置不考虑偏移 Zst(Bench)求解Zlt（无历史均值）：无历史均值：考虑偏移 Zlt(Bench)*Zshift Zlt(Bench)Zlt(Bench)12.131.820.31 工序能力分析：案例：Camshaft.MTW另：capability sixpack工具M-工序能力分析（离散型）：案例：bpcapa.MTW(1)：二项分布的Zst缺陷率：不良率是否受样本大小影响？平均（预想）PPM226427Zlt0.75ZstZlt1.52.25M-工序能力分析（离散型）：案例：bpcapa.MTW(2)：Poisson分布的ZstAGraph（坐标图）：案例：Pulse.MTW(1)Histograpm（直方图）单变量通过形态确认：正规分布有无；异常点有无；(2)Plot（散点图）X、Y双变量通过形态确认：相关关系；确认严重脱离倾向的点；(3)Matrix Plot（行列散点图矩阵图）多变量(4)Box Plot（行列散点图矩阵图）多变量(5)Multi-vari Chart（多变因图）Sinter.MTW目的：掌握多X因子变化对Y的影响（大概）；材料和时间 存在交互作用；(5)Multi-vari Chart（多变因图）Sinter.MTW目的：掌握多X因子变化对Y的影响（）；倾斜越大，主效果越大无交互效果 平行；有交互效果 交叉；(5)Multi-vari Chart（多变因图）Sinter.MTW目的：掌握多X因子变化对Y的影响（交互作用细节）；材料、交互的P 有意；A假设测定决定标本大小：(1)：1-sample Z（已知u）背景：HaN（30，100/25）H0 N（25，100/n）为测定分布差异的标本大小 有意水平 =0.05 查出力 1=0.8差值：u0ua 2530-5功效值（查出力）：1 0.8标准差：sigma10A假设测定决定标本大小：(2)：1-sample T（未知u）背景：HaN（30，100/25）H0 N（25，100/n）为测定分布差异的标本大小 有意水平 =0.05 查出力 1=0.8差值：u0ua 2530-5功效值（查出力）：1 0.8标准差（推定值）：sigma10样本数量27 已知u的1-sample Z的样本数量t 分布假定母标准偏差未制定分析；A假设测定决定标本大小：(3)：1 Proportion（单样本）背景：H0：P 0.9 Ha：P 0.9 测定数据P10.8、P20.9 有意水平 =0.05 查出力 1=0.9P1=0.8功效值（查出力）：1 0.9P2=0.9母比率0.8 实际上是否0.9以下，需要样本102个A假设测定决定标本大小：(3)：2 Proportion（单样本）背景：H0：P1P2 Ha：P1 P2 有意水平 =0.05 查出力 1=0.9P的备择值：实际要测定的比例？母比率；功效值（查出力）：1 0.9假设P：H0的P值（0.9）母比率0.8 实际上是否小于0.9，需要样本217个A假设测定：案例：Camshaft.MTW(1)：1-sample t（单样本）背景：对零件尺寸测定100次，数据能否说明与目标值（600）一致（=0.05）P-Value 0.05 Ho（信赖区间内目标值存在）可以说平均值为600A假设测定：案例：2sample-t.MTW(2)：2-sample t（单样本）背景：判断两个母集团Data的平均，统计上是否相等（有差异）步骤：分别测定2组data是否正规分布；：测定分散的同质性；：ttest；正态性验证：P-Value 0.05 正态分布P-Value 0.05 正态分布 等分散测定：P-Value 0.05 等分散对Data的Box-plot标准偏差的信赖区间测定方法选择：Ftest：正态分布时；Levenses test：非正态分布时；测定平均值：P-Value 0.05 Hau1 u2A假设测定：案例：Paired t.MTW(3)：Paired t（两集团从属/对应）背景：老化实验前后样本复原时间；10样本前后实验数据，判断老化实验前后复原时间是否有差异；（正态分布；等分散；=0.05）P-Value 0.05 Hau1 u2（有差异）A假设测定：(4)：1 proportion t（离散单样本）背景：为确认某不良P是否为1，检查1000样本，检出13不良，能否说P=1%?（=0.05）P-Value 0.05 H0 P=0.01A假设测定：(4)：2 proportion t（离散单样本）背景：为确认两台设备不良率是否相等，A:检查1000样本，检出14不良，B:检查1200样本，检出13不良，能否说P1=P2?（=0.05）P-Value 0.05 HoP1=P2A假设测定：Chi-Square-1.MTW(5)：Chi-Square t（离散单样本）背景：确认4个不同条件下，某不良是否有差异？P-Value 0.05 HoP1=P2（无差异）应用一：测定频度数的同质性：H0:P1=P2=Pn Ha:至少一个不等；A假设测定：Chi-Square-2.MTW(5)：Chi-Square t（离散单样本）背景：确认班次别和不同类型不良率是否相关？P-Value 0.05 Ha 两因素从属（相关）应用二：测定边数的独立性：H0:独立的（无相关）Ha:从属的（有相关）；班次不良类型AANOVA（分散分析）：两个以上母集团的平均是否相等；(1)：One-way A（一因子多水平数）背景：确认三根弹簧弹力比较？H0:u1=u2=unHa:至少一个不等；P-Value u无有意差；1和2可以说无有意差，1和3有有意差；AANOVA（分散分析）：两个以上母集团的平均是否相等；(1)：Two-way A（2因子多水平数）背景：确认生产线（因子1）、改善（因子2）影响下，测定值母平均是否相等，主效果和交互效果是否有意？生产线：P-Value 0.05 H0 u相等，无差异；生产线：信赖区间没有都重叠 u有差别对结果有影响改 善：信赖区间重叠 u无差别对结果没有影响A（相关分析）：Scores.MTWP-Value 确认哪个因子影响收率，利用2（5-1）配置法输入data：表示2 5-1 部分配置的清晰度和部分实施程度.曲线分析：-B、D、E有意；-BD、DE有交互作用；-在A=10,B=2,C=120,D=180,E=3时，Y95最佳；统计性分析：实施t-test，判断有意因子 B、D、E、BD、DE有意通过分散分析，判断1次效果、2次效果的有意性-主效果和交互作用效果都有意。I 最大倾斜法：一次试验(1)因子配置设计：背景：反应值:收率(Yield)时间35min，温度155时，Y80 因 子:时间(30,40)温度(150,160)确认哪个因子影响收率，利用中心点包括的22配置法在中心点实验的次数！一次试验(2)统计性分析：实施对因子效果的 t-test，判断有意的因子。A,B 有意；通过分散分析判断1次效果、交互作用及曲率效果的有意性。-1次效果(Main Effect)有意；-弯曲不有意，故而没有曲率效果。一次试验(3)确认最大倾斜方向：线性变换的因子的水准还原为实际水准值。-实际水平:A(30,40),B(150,160)为还原实际水平值，线性变换的 值各各乘5.利用追定的回归系数，决定最大倾斜方向()最大倾斜方向：A每增加1时，B增加0.42 的方向。StepCoded LevelUncoded Level试验结果(收率)ABAB中心点003515580.44 10.4252.181.08 110.4240157.182.90 220.8445159.283.14 331.2650161.383.70 441.6855163.484.33 552.1060165.587.80 662.5265167.688.65 772.9470169.792.40 883.3675171.893.54 993.7880173.994.78101010104.204.208585176.0176.095.3095.3011114.6290178.194.2112125.0495180.292.51Step由实验者配置，Step10时Y取最大值，适用因子配置；二次试验(1)因子配置设计：背景：通过最大倾斜法求Y最大化的因子水平，通过追加实验，确认是否最佳水准的领域；收率(Yield)时间(80,90)温度(171,181)确认哪个因子影响收率，利用中心点包括的22配置法二次试验(2)统计性分析：对因子效果t-test，判断与Y有意因子-A,B 有意-CtPt P64%，可以信赖回归模型；通过分散分析，判断1、2次效果的有意性-1次效果、2次效果有意 通过Lack-of-Fit Test，判断模型的 适合性-失拟 0.05(不有意)，因此判断模型适合(3)残差分析：对残差的正态分布假说的研讨 直方图、正态分布图对分散同质假说的研讨与拟合值 残差已确定为随机分布，可以进行分散同质假说研讨 (3)坐标图分析：因子的最佳条件 -A:289 310 -B:11 18 预 想Y=79.5.(4)数值性分析：最佳化因子水平初期设定（大概值）望大：求最大值；下限：设定最小值望目：设定目标值Y=79.5，满足度=1。即意味着满足目标值要求；调整因数水平而使透过率更好。A=299.50、B=14.90时，Y(Max)79.6163I 反映表面实验2：多个反映值(1)因子配置设计：试验配置:中心合成计划(2因子)-反应值(Y):Y1、Y2、Y3-因数/水平:A(Low=80,High=90),B(Low=170,High=180)背景：通过最大倾斜法，知道反应时间A=85分钟、反应温度B=175F是最佳条件。求可以满足3个反应变量(Y1、Y2、Y3)结果条件的因子的最佳水准。输入试验结果：A、B：选中后右键选择数据格式转换成整数(2)统计性分析：误差项要不要 Pooling?误差项Pooling的话 Lack of fit（失拟）的 P-value要大起来,R-sq(adj)要升高，或者Regression（回归）的 F值要升高 不然的话，证明现在的模型更适当2个因子的主效果、2次效果都有意，不实施Pooling.交互作用，Pooling到误差项时，R-sq(adj)和lack of fit的P值会减少，因此不Pooling.A 的2次效果(A*A)不有意，故而Pooling到误差项.交互作用(A*B)，Pooling到误差项时，R-sq(adj)和lack of fit的P值会减少因此不Pooling.Pooling 后分析结果在项中去掉A*A项后再次运行Pooling 后分析结果在项中去掉A*A、A*B项后再次运行A、B的2次效果（AA,BB）不有意，Pooling到误差项.AB交互作用，Pooling到误差项时，R-sq(adj)和lack of fit的 P值会减少因此不Pooling.(3)坐标图分析：位于Plot的中央部的白色部分是A和B因子满足所有反应变量的水平值的范围。Y1、Y2、Y3的取值范围；(4)数值性分析：调整因子的水准，接近收率(Yield)=78.5以上、粘性Viscosity)=65.已修订的因子水准值C 管理图：(1)Xbar-R（n=10）（3）P 管理图（离散，样本大小不一定）（3）P 管理图（离散，样本大小不一定）按月、按值班组、改善前(6月)、按改善前后等按层区别在一个坐标图上区分标注。如图可见，6月散步大，7、8月明显减少；（3）nP 管理图（离散，样本大小一定）（5）C 管理图（离散，不良数）（5）U 管理图（离散，不良数，组大小不定）