质量策划工具MINITAB.doc

质量策划工具MINITAB
1、走势图（Run Chart）
[概述]
走势图能够显示你将处理的数据的变化趋势，并对非随机行为进行两种检验。走势图同时显示所有的观看结果及子组数，并在中位数处划一水平线。但子组大小大于1时，走势图还能够显示子组的均值或中位数并以线条将它们连接起来。
对非随机行为的两种检验能够探察趋势、变动幅度、混合及数据的聚类性。这些分析说明已察觉的变差来自于专门因素，即来自于系统外的能够被纠正的因素。另一方面，一样因素导致的变差，是隐含的变差或过程自身的属性导致的变差。一个过程当仅有一样因素而不是专门因素阻碍过程输出时才是受控的。
[例]
假设你在一家生产各种测量辐射的设备的公司工作。作为QC工程师，你对一个薄膜型的装置连续测量辐射量的设备感爱好。你期望分析在一个试验室中收集的二十台设备的数据。每次测试后，你都记录下了每台设备测量的辐射量。
作为探讨性的测量，你决定利用走势图评判测量结果的变动性。
1 Open the worksheet RADON.MTW.
2 Choose Stat > Quality Tools > Run Chart.
3 In Single column, enter Membrane.
4 In Subgroup size, enter 2. Click OK.
[结果]

[结果分析]
聚类检验在0.05的水平上是显著的。既然聚类检验的概率（p=0.02）比0.05小，你能够得出结论存在异因阻碍你的过程，你应该调查可能的来源。聚类可能意味着取样或测量有问题。
注：在那个地点选择0.05的显著性水平进行说明。因为在许多应用中它都适用。你能够选择任何显著性水平对非随机现象进行检验显著性评估。当显示的p值比选择的显著性水平低时，你应拒绝虚拟假设—数据随机排列—支持另一个选择。参见对随机性检验的更完整的研讨。
2、排列图（Pareto Chart）
[概述]
排列图是一种条图，其横轴表示研究对象的类别，而不是连续的刻度。横轴的分类通常是缺陷。通过按最大到最小顺序排列的条形，排列图能够关心你判定缺陷中有哪些是关键的少数以及次要的多数。一个累积百分比的连线能够关心你判定每个类别的累加成效。排列图能够将改善努力的重点放在能够取得最大成果的因素上。
排列图能够为所有的数据画一张图，或数据内部的分组对应的几个独立的图形。
[例1] Example of using Pareto Chart using Raw Data
你所工作的公司制造金属书架。在最终检查中，一定数量的书架因为划伤、裂片、弯曲或花边等缘故被拒收。你期望通过排列图了解是什么缺陷导致了要紧问题。第一，你运算每个缺陷发生的次数，接着你在每次发生时将缺陷的名称输入到叫“Damage”的工作表列中。
1 Open the worksheet EXH_QC.MTW.
2 Choose Stat > Quality Tools > Pareto Chart.
3 Choose Chart defects data in and enter Damage in the text box. Click OK.
[结果1]

[结果分析1]
75%的缺失是划伤和裂片造成的，因此你应该将改善的重点放在这两个方面。
[例2] Example of using Pareto Chart using Count Data
假设你在一家制造摩托车的公司工作。你期望减少因为速度计不良导致的质量成本。在检查中，一定数量的速度计被拒收，缺陷的类型也被记录了下来。你在“Defects”中输入缺陷的名称，在“Count”中输入相应的计数。你明白你能够将重点放在导致大多数的拒收的缺陷上而省下许多钱。一个排列图能够关心你识别哪些缺陷导致了多数的问题。
1 Open the worksheet EXH_QC.MTW.
2 Choose Stat > Quality Tools > Pareto Chart.
3 Choose Chart defects table. Enter Defects in Labels in and Counts in Frequencies in. Click OK.
[结果2]

[结果分析2]
一半以上的速度计是因为无螺钉而拒收，因此你应将重点放在那个问题上。
[例3] Example of using Pareto Chart with a "By" Variable
假想你在生产洋娃娃的公司工作。最近你注意到，在工厂最终检查中，因为划伤、剥落、脏污而被拒收的洋娃娃数量在上升。你想了解是否在类型和缺陷数量以及生产洋娃娃的班次之间存在某个关系。1 Open the worksheet EXH_QC.MTW.
2 Choose Stat > Quality Tools > Pareto Chart.
3 Choose Chart defects data in and enter Flaws in the text box. In BY variable in, enter Period. Click OK
[结果3]

[结果分析3]
夜班生产的缺陷品较多。大多数的问题是划伤和剥落引起的。假如你检查夜班生产的过程细节的话，你可能会了解到专门多与问题相关的信息。
3、因果图（Cause-and-Effect Diagram）
[概述]
利用因果图（鱼骨图）来组织头脑风暴法获得的关于问题的潜在缘故，它能够关心你识别潜在缘故之间的关系。你能够画一张空图，或在图中添加任何你想添加的信息。
[例] Draw a blank diagram
利用排列图，你发觉你的零件要紧是因为表面缺陷而被拒收。今天下午，你将与不同部门的成员利用头脑风暴法查找这些缺陷的潜在缘故。你需要提早打印出一张因果图帮你组织会议中的信息。你能够：
¨ 画一张空图
1 Choose Stat > Quality Tools > Cause-and-Effect.
2 Check Do not label the branches, then click OK
¨ 画一张带空枝的图
1 Choose Stat > Quality Tools > Cause-and-Effect.
2 In Title, type Sample FISHBONE Diagram, then click OK.
¨ 画一个完整的图
1 Open the file EXH_QC.MTW.
2 Choose Stat > Quality Tools > Cause-and-Effect.
3 Under Causes, type Man, Machine, Material, Method, Measure, and Enviro in rows 1 through 6, respectively.
4 In Effect, type Surface Flaws. Click OK.
[结果] 画一个完整的图

4、多变量图（Multi-Vari Chart）
[概述]
Minitab能够显示最多含四个因子的多变量图（Shainin multi-vari charts）。多变量图以图形表示变差分析的结果从而为变差分析提供了又一种可视化的选择。这些图还可用于数据的初步分析以纵览数据。该图同时为每个因子的不同水平显示平均值。
[例]
你负责评判三种不同金属的烧结时刻对耐压强度的阻碍。You are responsible for evaluating the effects of sintering time on the compressive strength of three different metals. 在每个烧结时刻下各取5个金属样本测量耐压强度：100 minutes, 150 minutes, and 200 minutes. 在进行全面的数据分析前，你期望通过多变量图观看数据是否有可察觉的趋势或交互作用。
1 Open the worksheet SINTER.MTW.
2 Choose Stat > Quality Tools > Multi-Vari Chart.
3 In Response, enter Strength.
4 In Factor 1, enter SinterTime. In Factor 2, enter MetalType Click OK.
[结果]

[结果分析]
多变量图说明在金属类型和烧结时刻长短之间存在着交互作用。烧结100Min时，金属1获得最大耐压强度，金属2烧结150Min，金属3烧结200Min。
为量化分析交互作用，你能够进一步地使用变差分析或通用线性模型。
5、对称图（Symmetry Plot）
[概述]
对称图能够用来评判样本数据是否来自于对称分布。许多统计过程假设数据来自于正态分布。然而，许多过程不服从正态分布，因此数据来自于一个对称分布通常是必要的。其它统计过程，比如非参数方法，假设数据来自于对称分布而不是正态分布。因此，对称图在许多情形差不多上一个专门有用的工具。
[例]
在做进一步的分析之前，你想判定是否样本数据来自于对称分布。
1 Open the worksheet EXH_QC.MTW.
2 Choose Stat > Quality Tools > Symmetry Plot.
3 In Variables, enter Faults. Click OK
[结果]

[结果分析]
注意在线的右上部的点，这些点说明分布向左边倾斜。你还可从条形图中看到这一点。