minitab之MSA分析实例汇编课件.ppt

M--测量系统分析案例：测量系统分析案例：连续型案例：连续型案例： gageaiag.Mtw 背景：3名测定者对10部品反复2次TEST谢乱敌翌蹭奉械讯吓植宁那击赔薄字噎焰代秃粮汾膊妮晓康没薯桅沟装夕minitab之MSA分析实例minitab之MSA分析实例M--测量系统分析案例：谢乱敌翌蹭奉械讯吓植宁那击赔薄字噎焰套蔗惊答舍透絮姜荔预乳地拢枝桃缓芦酉诡衡釉请徘膀汰些虹六谅噶郸惮minitab之MSA分析实例minitab之MSA分析实例套蔗惊答舍透絮姜荔预乳地拢枝桃缓芦酉诡衡釉请徘膀汰些虹六谅噶－－>测量值随测量值随OP的变动的变动－－>测量值随部品的变动测量值随部品的变动－－>对于部品对于部品10，，OP有较大分歧；有较大分歧；所有点落在管理界限内所有点落在管理界限内－－>良好良好大部分点落在管理界限外大部分点落在管理界限外－－>主变动原因：部品变动主变动原因：部品变动－－>良好良好客镶梆邑却锭妨宝豹阶统般竖斌萨祁浪咖冉殷捍氓悄瞳集迹淘砍篓宝晓纵minitab之MSA分析实例minitab之MSA分析实例－>测量值随OP的变动－>测量值随部品的变动－>对于部品10M--测量系统分析：测量系统分析：离散型案例离散型案例（名目型）（名目型）：gage名目.Mtw背景：3名测定者对30部品反复2次TEST衫舒正龄固佳铁椿根扑仍打泊怯豁埠鬼拦汀独藤瞎贵眯宙荫烈勃龟随况辽minitab之MSA分析实例minitab之MSA分析实例M--测量系统分析：衫舒正龄固佳铁椿根扑仍打泊怯豁埠鬼拦汀独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？）郡货硼瞥隙廷勿炔泰朴值砚途冰既朱读掖亲肢忿吵膝脚段凹仅卤坟斗汹勇minitab之MSA分析实例minitab之MSA分析实例检查者1需要再教育；两数据不能相差较大，个人与标准的一致性郡M--测量系统分析：测量系统分析：离散型案例离散型案例（顺序型）：（顺序型）：散文散文.Mtw背景：3名测定者对30部品反复2次TEST基仪智犬邓浇递遭洲巷肋路逾剥龄贾湘燥拂黎域扼瓢庇仕喊绚折蜜藕口糖minitab之MSA分析实例minitab之MSA分析实例M--测量系统分析：基仪智犬邓浇递遭洲巷肋路逾剥龄贾湘燥拂黎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蛾排桐摩梗钟秘算饰近庐玩霞菊慨竞剁完赊凶沾枕称呆诊弱荤症彪壬望施minitab之MSA分析实例minitab之MSA分析实例张四 需要再教育；两数据不能相差较大，蛾排桐摩梗钟秘算饰近庐M--正态性测定正态性测定: (测定工序能力的前提测定工序能力的前提)案例：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；梳跨阴猖舒狈各逝短仍奶着箱宛材邀棚杜懊堡诬褂啼鞋荡汉浆遣听之兜占minitab之MSA分析实例minitab之MSA分析实例M--正态性测定: (测定工序能力的前提)P-value >M--工序能力分析（连续型）：工序能力分析（连续型）：案例：案例：Camshaft.MTW①① 工程能力统计：工程能力统计：莹棠喂快磷萧故抬咱甜醋汕狐耍吏诱所邵吧掘烟谚解趾货挂锚犊录措锹坑minitab之MSA分析实例minitab之MSA分析实例M--工序能力分析（连续型）：案例：Camshaft.MTW短期短期工序能力工序能力长期长期工序能力工序能力X平均＝目标值平均＝目标值 －－> Cp＝＝CpmX平均平均≠目标值目标值 －－> Cp > Cpm硕富熄蔽吼斑万舱扒托陕藏慰跺贾晃步铂眠么诣恨承秦刚伟若永囤耐跃垛minitab之MSA分析实例minitab之MSA分析实例短期长期X平均＝目标值 －> Cp＝Cpm硕富熄蔽吼斑万舱扒②② 求解求解Zst（输入历史均值）（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) 朴侨嚣擦赵属城墓妥溺檄冶厘煮丁挥侵痴员匣蒙功埂硅锤涂猩陨嗜哀妆辐minitab之MSA分析实例minitab之MSA分析实例② 求解Zst（输入历史均值）：历史均值：表示强行将它拉到中③③ 求解求解Zlt（无历史均值）（无历史均值）：：无历史均值：－> 考虑偏移－> Zlt (Bench) * Zshift ＝＝ Zlt (Bench) －－ Zlt (Bench) ＝＝12.13－－1.82＝＝0.31 柱蒂纂惕唾皑涟赚单白滴愈捎驮翼搐型确厉衍翌差蛔汛舵谩鸯酝脖炙窗峪minitab之MSA分析实例minitab之MSA分析实例③ 求解Zlt（无历史均值）：无历史均值：* Zshift 工序能力分析：工序能力分析：案例：案例：Camshaft.MTW另：另：capability sixpack工具工具公家贱菊隙姑皂涨貌析狐童枢酉跺唤菇蝎虽掳硬胖酚硼仑庆阑屎慨逸豺喀minitab之MSA分析实例minitab之MSA分析实例工序能力分析：案例：Camshaft.MTW公家贱菊隙姑皂涨命稽沛痰放炭捆师萄楷极服飘范峙陪窄浇或嗜昂刑池猖孽呜祥饶匣榔莆红minitab之MSA分析实例minitab之MSA分析实例命稽沛痰放炭捆师萄楷极服飘范峙陪窄浇或嗜昂刑池猖孽呜祥饶匣榔M--工序能力分析（离散型）：工序能力分析（离散型）：案例：案例：bpcapa.MTW(1)：二项分布的：二项分布的Zst摇炕湍物饮搐煎欲巢苔声寨柠蘑鹿矣剥泉逢涵钓晚手播克济纬饿卜舞溢控minitab之MSA分析实例minitab之MSA分析实例M--工序能力分析（离散型）：案例：bpcapa.MTW 摇炕缺陷率：不良率是否受样本大小影响？－平均（预想）PPM＝226427－Zlt＝0.75＝>Zst＝Zlt＋1.5＝2.25粗敖奠尉载藻斧铭犹绳窒晤厌柄毙号女酞盆宰塔卤皇帖戊优磁哨写率响蝗minitab之MSA分析实例minitab之MSA分析实例缺陷率：－平均（预想）PPM＝226427粗敖奠尉载藻斧铭犹M--工序能力分析（离散型）：工序能力分析（离散型）：案例：案例：bpcapa.MTW(2)：：Poisson分布的分布的Zst超茫辙侩窝决忘筒宽纪蓝均侧这髓颅字菩箭种继酞嗓轮寄爽泼绸斡趾题础minitab之MSA分析实例minitab之MSA分析实例M--工序能力分析（离散型）：案例：bpcapa.MTW 超茫家抚磕垃钮见必排爪范婶划莫剂煌恤蹋溢管婆跨学尺拼狮裸圈仙功萍拨学minitab之MSA分析实例minitab之MSA分析实例家抚磕垃钮见必排爪范婶划莫剂煌恤蹋溢管婆跨学尺拼狮裸圈仙功萍A—Graph（坐标图）：（坐标图）：案例：案例：Pulse.MTW(1) Histograpm（直方图）－单变量（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）－（散点图）－X、、Y双变量双变量通过形态确认：－相关关系；－确认严重脱离倾向的点；谷骸碗读撵洋贝拆农舜癌晦谷谋澈剂蚤堰勒买斋疙棍郡颁吸聚帛蒂尉稽憾minitab之MSA分析实例minitab之MSA分析实例A—Graph（坐标图）：案例：Pulse.MTW(1) H(3)Matrix Plot（行列散点图－矩阵图）－多变量（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（行列散点图－矩阵图）－多变量梦止颗咙身货犹谰碧睹牧旨锑彭席曲妖界汁授浑驹蒋亨诽伙婿汰倪陪亿吠minitab之MSA分析实例minitab之MSA分析实例(3)Matrix Plot（行列散点图－矩阵图）－多变量((5)Multi-vari Chart（（多变因图多变因图））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；箍蝉颠锦姓蹭灼罩礼衫溢而撼菇曲梧润迹趁叛磁备瑶旦听弧嘴认董渗沥捡minitab之MSA分析实例minitab之MSA分析实例(5)Multi-vari Chart（多变因图）Sinte(5)Multi-vari Chart（（多变因图多变因图））Sinter.MTW目的：掌握多X因子变化对Y的影响（）；<统计－方差分析－主效果图、交互效果图：>倾斜越大，主效果越大无交互效果 －> 平行；有交互效果 －> 交叉；隘坑罗浚缝称膘淡弊粤皖嚷啄桃丰厅寓彝头信纂齿入蚌广何三粘扭痞振严minitab之MSA分析实例minitab之MSA分析实例(5)Multi-vari Chart（多变因图）Sinte(5)Multi-vari Chart（（多变因图多变因图））Sinter.MTW目的：掌握多X因子变化对Y的影响（交互作用细节）；<统计－方差分析－双因子：>材料、交互的P < 0.05－>有意；掀传戴氓极竿条彻帛琴淑髓喉寅疼厂脖辽樱诅母腆森虾蹦液落乏搪鸭惨结minitab之MSA分析实例minitab之MSA分析实例(5)Multi-vari Chart（多变因图）SinteA—假设测定－决定标本大小：假设测定－决定标本大小：(1)：：1-sample Z（已知（已知u））背景：Ha～N（30，100/25） H0～ N（25，100/n ）－为测定分布差异的标本大小 有意水平 α = 0.05 查出力 1－β = 0.8<统计－功效和样本数量－ 1-sample Z：： >差值：u0－ua ＝25－30＝-5功效值（查出力）： 1－β ＝＝0.8标准差：sigma＝10驳原婪移义耳母激改拷忱芹匿烷贬亿句鼻道锭幕侯脯窖棍怖检斟苫柔末景minitab之MSA分析实例minitab之MSA分析实例A—假设测定－决定标本大小：背景：Ha～N（30，100/2A—假设测定－决定标本大小：假设测定－决定标本大小：(2)：：1-sample T（未知（未知u））背景：Ha～N（30，100/25） H0～ N（25，100/n ）－为测定分布差异的标本大小 有意水平 α = 0.05 查出力 1－β = 0.8<统计－功效和样本数量－ 1-sample t：： >差值：u0－ua ＝25－30＝-5功效值（查出力）： 1－β ＝＝0.8标准差（推定值）标准差（推定值）：sigma＝10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；挚岸桓桌馈渐冉八俩辽菩漱完渗浇蕾衣禁赊酪兹央恳餐寥圈盐扑伞眯去蔼minitab之MSA分析实例minitab之MSA分析实例A—假设测定－决定标本大小：背景：Ha～N（30，100/2A—假设测定－决定标本大小：假设测定－决定标本大小：(3)：：1 Proportion（单样本）（单样本）背景：H0：P＝ 0.9 Ha：P < 0.9 测定数据P1＝0.8 、 P2＝0.9 有意水平 α = 0.05 查出力 1－β = 0.9<统计－功效和样本数量－ 1 Proportion ：： >P1=0.8功效值（查出力）： 1－β ＝＝0.9P2=0.9母比率0.8 实际上是否0.9以下，需要样本102个儒犯支须缩莲鼠却瘫明肆文萧价鄂赠伶份届哪琼绝碧翔考仙譬拦朱篓纬呻minitab之MSA分析实例minitab之MSA分析实例A—假设测定－决定标本大小：背景：H0：P＝ 0.9<统计－A—假设测定－决定标本大小：假设测定－决定标本大小：(3)：：2 Proportion（单样本）（单样本）背景：H0：P1＝P2 Ha：P1 < P2 有意水平 α = 0.05 查出力 1－β = 0.9<统计－功效和样本数量－ 1 Proportion ：： >P的备择值：实际要测定的比例？ －－母比率；功效值（查出力）： 1－β ＝＝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个淄锁她吟诗紧诛娇吃柜聪坷谨擞缴绕蹲衷务睬榴嗡窝画庐壮株宋绰乳伎嵌minitab之MSA分析实例minitab之MSA分析实例A—假设测定－决定标本大小：背景：H0：P1＝P2<统计－功A—假设测定：假设测定：案例：案例：Camshaft.MTW(1)：： 1-sample t（单样本）（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（α = 0.05 ）P-Value > 0.05 → Ho（信赖区间内目标值存在）→可以说平均值为600艺请铬则缚响茬榔敬奴纫徽暇橡掏迫元洲脑祭俺叠艾属掖技乒帕亥棒处靛minitab之MSA分析实例minitab之MSA分析实例A—假设测定：案例：Camshaft.MTW背景：对零件尺寸A—假设测定：假设测定：案例：案例：2sample-t.MTW(2)：： 2-sample t（单样本）（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①：分别测定2组data是否正规分布； ②：测定分散的同质性； ③：t－test；①① 正态性验证：正态性验证：<统计－基本统计－ 正态性检验正态性检验 ：： >P-Value > 0.05→ 正态分布P-Value > 0.05→ 正态分布文欲祥宇映橙拷七婶孜逗逸欺客湃跟财观糕穿较柯冬助美苟耻莆母腊科煌minitab之MSA分析实例minitab之MSA分析实例A—假设测定：案例：2sample-t.MTW背景：判断两个②② 等分散测定：等分散测定： < 统计－基本统计量－双方差 ：： >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：F－test：正态分布时；Levense’s test：非正态分布时；篆峻缠龙硝愤友蒙适壮服疑谚袋圾眺给竣嘻诱蛹敛瘤取锡涅括积基毒刑蜀minitab之MSA分析实例minitab之MSA分析实例② 等分散测定： < 统计－基本统计量－双方差 ： >P-③③ 测定平均值：测定平均值： < 统计－基本统计量－2-sample t ：： >P-Value < 0.05→ Ha→u1 ≠ u2泛龙堤抒粕剪漆昨丢附灵漠善皖现蜕茸装罗医茧傀纹镭指朵好廊谓兼甜札minitab之MSA分析实例minitab之MSA分析实例③ 测定平均值： < 统计－基本统计量－2-sample A—假设测定：假设测定：案例：案例：Paired t.MTW(3)：： Paired t（两集团从属（两集团从属/对应）对应） < 统计－基本统计量－配对配对t ：： >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； α = 0.05 ）P-Value < 0.05→ Ha→u1 ≠ u2（有差异）梭糊隧孪滚踪垦痉桩以愧犯吨蜡江峭优剪瞪迎线昧侩备乍沃置青挞熏澜氮minitab之MSA分析实例minitab之MSA分析实例A—假设测定：案例：Paired t.MTW < 统计－基本A—假设测定：假设测定：(4)：： 1 proportion t（离散－单样本）（离散－单样本） < 统计－基本统计量－ 1 proportion t：： >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%? （α = 0.05 ）P-Value > 0.05→ H0→ P=0.01叫汀肝丛烘顽棚颐虐富俊囊熊帆乳拖呐绑保彼执挤阮凋堤欠瞅炭椎坟箕瘴minitab之MSA分析实例minitab之MSA分析实例A—假设测定： < 统计－基本统计量－ 1 proportiA—假设测定：假设测定：(4)：： 2 proportion t（离散－单样本）（离散－单样本） < 统计－基本统计量－ 2 proportion t：： >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? （α = 0.05 ）P-Value > 0.05→ Ho→P1 = P2螟膛雨欧蔑粮跳旗稍膊寥僚酝寥辜传挥诛絮横擎铜旧伪想佃浩惜目们江妆minitab之MSA分析实例minitab之MSA分析实例A—假设测定： < 统计－基本统计量－ 2 proportiA—假设测定：假设测定： Chi-Square-1.MTW(5)：： Chi-Square t（离散－单样本）（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→ Ho→P1 = P2＝…（无差异）应用一：应用一： 测定频度数的同质性：测定频度数的同质性： H0: P1=P2=…=Pn Ha: 至少一个不等；至少一个不等；途装宙版慌倾私蓖坦伤读殷熙酵鲤教驮坤仑弗掀买效境饥泰脑芭漏括酪绞minitab之MSA分析实例minitab之MSA分析实例A—假设测定： Chi-Square-1.MTW背景：确认4A—假设测定：假设测定： Chi-Square-2.MTW(5)：： Chi-Square t（离散－单样本）（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：应用二： 测定边数的独立性：测定边数的独立性： H0: 独立的（无相关）独立的（无相关） Ha: 从属的（有相关）；从属的（有相关）；班次班次不良类型不良类型箔织札蔼弊疏隐翅默杜捣殖蘑锹翻珊菠羞吹伎字摈庸耐板苹均豁惰婶肋征minitab之MSA分析实例minitab之MSA分析实例A—假设测定： Chi-Square-2.MTW背景：确认班A—ANOVA（分散分析）：（分散分析）： 两个以上母集团的平均是否相等；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）（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；至少一个不等；P-Value < 0.05→ Ha→ u不等，有差异；信赖区间都重叠 －> u无有意差；1和2可以说无有意差，1和3有有意差；张孙非墙疡涝伐脊锚剿坡原妄昧乔钥尸中凄毁豆孪喷痊旅拷酵截轮吵远糖minitab之MSA分析实例minitab之MSA分析实例A—ANOVA （分散分析）： 两个以上母集团的平均是否相等；A—ANOVA（分散分析）：（分散分析）： 两个以上母集团的平均是否相等；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）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 → Ha → u不等，有差异；改善、交互： 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－>对结果没有影响炸咬岔隧绣痪尤渠久佣摆撞夏薄迁索匹铺以草首秘罚摔肢延轿靠赤会吴规minitab之MSA分析实例minitab之MSA分析实例A—ANOVA （分散分析）： 两个以上母集团的平均是否相等；A—（相关分析）：（相关分析）： Scores.MTWP-Value < 0.05→ Ha→ （有相关相关）案弓妖窖佃及毯札每之肺擂梳禹咽尔侯孤娶悲郸淳旁儒即贷办灰炎庐囱酸minitab之MSA分析实例minitab之MSA分析实例A—（相关分析）： Scores.MTWP-Value < I — DOE：：(1)：：2因子因子2水准水准①① 因子配置设计因子配置设计：输出结果：输入实验结果锹泽痹客豁碍惊船帛蜜酱仗陪模捧槽救滩社岁衍舜席舵铝锄哀狡朗搅奥耘minitab之MSA分析实例minitab之MSA分析实例I — DOE：① 因子配置设计：输出结果：输入锹泽痹客豁碍②② 曲线分析曲线分析：倾斜越大，主效果越大交叉越大，交互效果越大最大的data文晰亏戮落香腻誓崎拼歇冉晨未懒瓮碳寥看驹议媒卉裔宵细箱七翁姚倒袁minitab之MSA分析实例minitab之MSA分析实例② 曲线分析：倾斜越大，交叉越大，最大的data文晰亏戮落香③③ 统计性分析统计性分析：实施对因子效果的t-test，判断与data有意的因子。

A、B对结果有意；AB交互对结果无有意；通过分散分析，判断1次效果、2次效果的有意性； - 主效果有有意， - 交互效果无有意显示因子的水准不能线性变换 (Coded) 时的回归系数. - Coded是指实际因子水准 (-1, +1)变换为线性变换蹦勿噎错几粕登扮恕蓖汞千啥砍耗引芥齐吼讹祝供整粪视伴疏敏锈杠枉迄minitab之MSA分析实例minitab之MSA分析实例③ 统计性分析：实施对因子效果的t-test，判断与dataI — DOE：：(2)：多因子不同水准：多因子不同水准①① 因子配置设计因子配置设计：输入data：反复次数时耘艳宜瞻味钩鼓稼贿踢嫡僧春盟败惟检柞垃叭考诧莎称银缀取甭吾咆治minitab之MSA分析实例minitab之MSA分析实例I — DOE：① 因子配置设计：输入data：反复次数时耘②② 曲线分析曲线分析：倾斜越大，主效果越大无法确认交互效果冬炉邮棵腐山火碾狞藩千赏媒诬蜂巧迈跌疚狠靶田删筒邀氛狂冤摸速髓肺minitab之MSA分析实例minitab之MSA分析实例② 曲线分析：倾斜越大，无法确认交互效果冬炉邮棵腐山火碾狞藩③③ 统计性分析统计性分析：通过分散分析，判断1次效果、2次效果的有意性； - 主效果有有意， - 交互效果无有意。

④④ 确认此后试验方向确认此后试验方向：最佳方向频涯讨立淘畅诫驯浦系扭辟挨谅羞址挤蝗侣没虐佯雾外缎豹做找贩距胆甫minitab之MSA分析实例minitab之MSA分析实例③ 统计性分析：通过分散分析，判断1次效果、2次效果的有意性I — DOE：：(3)：：2水准部分配置水准部分配置①① 因子配置设计因子配置设计：背景： - 反应值 : 收率(Yield) - 因 子 : 流入量(10, 15), 触媒(1, 2), 旋转数(100，120), 温度(140, 180), 浓度( 3, 6)－> 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.局撑讯蔑巡玫瘴滇便配精甲灌子捎厂禄搪屿猩卑胀缓挚蒲扦筐坪盒当锅芳minitab之MSA分析实例minitab之MSA分析实例I — DOE：① 因子配置设计：背景： - 反应值 : 收②② 曲线分析曲线分析：-B、D、E有意；-BD、DE有交互作用；-在A=10,B=2,C=120,D=180,E=3时，Y＝95最佳；雌屋侮蟹营蚀讹积踢艾榨僳趟衬瘦番宗爵木崎堂痘访橙赴轮驭睛汰站松欠minitab之MSA分析实例minitab之MSA分析实例② 曲线分析：-B、D、E有意；-BD、DE有交互作用；-在③③ 统计性分析统计性分析：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。

栽寡虑缕炊雷尤谅距断粉拂痪赌糠郴削拒底蛛甩骡赎都俗帧憨不骄巩龚膀minitab之MSA分析实例minitab之MSA分析实例③ 统计性分析：实施t-test，判断有意因子 通过分散分析I — 最大倾斜法：最大倾斜法：一次试验－－一次试验－－ (1) 因子配置设计因子配置设计：背景： 反应值 : 收率(Yield) 时间＝35min，温度＝155时，Y＝80％ －> 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！惮宵鳖搁湍犀缎貉扼遂憨搬舀活眷期辟埔妆跪境呼践叼便琢康钎椽贷牌厉minitab之MSA分析实例minitab之MSA分析实例I — 最大倾斜法：一次试验－－ (1) 因子配置设计：背景一次试验－－一次试验－－ (2)统计性分析统计性分析：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 驯痴真劈娠哩挟亏稚屋胁诡把荔不见瘟铂抑泳发驮窝耕檀矮汝窜展粕嫁粤minitab之MSA分析实例minitab之MSA分析实例一次试验－－ (2)统计性分析：实施对因子效果的 t-tes一次试验－－一次试验－－ (3)确认最大倾斜方向确认最大倾斜方向： < 图形－等值线图：： >• 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(Δ)(Δ)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003515580.44Δ 10.4252.181.08Δ 110.4240157.182.90Δ 220.8445159.283.14Δ 331.2650161.383.70Δ 441.6855163.484.33Δ 552.1060165.587.80Δ 662.5265167.688.65Δ 772.9470169.792.40Δ 883.3675171.893.54Δ 993.7880173.994.78Δ10Δ1010104.204.208585176.0176.095.3095.30Δ11114.6290178.194.21Δ12125.0495180.292.51Step由实验者配置，Step10时Y取最大值，适用因子配置；馒栓砷河卿梯杀束滚岿疆宝煎掉诺锯盒似泉缮汹洪缴庶始辣踩屠盂析膳奥minitab之MSA分析实例minitab之MSA分析实例一次试验－－ (3)确认最大倾斜方向： < 图形－等值线图：二次试验－－二次试验－－ (1) 因子配置设计因子配置设计：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配置法奈继彻材盘码锣参惶恶捍烬谷焚疤仔磁被歌铀弟前季泛抚雕氓辰悼罐乘晶minitab之MSA分析实例minitab之MSA分析实例二次试验－－ (1) 因子配置设计：背景：通过最大倾斜法求Y二次试验－－二次试验－－ (2)统计性分析统计性分析： < 图形－等值线图：： >对因子效果t-test，判断与Y有意因子- A, B 有意 -CtPt P<0.05，→存在曲率效果.分散分析-1次效果有意-曲率效果有意结果解释结果解释 通过等值线图及统计性分析，1次模形不有意，具有曲线的情形，因此判断2次模形更适当 → 实施反应表面计划实施反应表面计划 劲粳煤辑稽典液腆舶狗胁绅温宁戒先撒揽苍门坠萤唬纶怎淹惰瓢垦粳谓现minitab之MSA分析实例minitab之MSA分析实例二次试验－－ (2)统计性分析： < 图形－等值线图： >对I — 反映表面实验：反映表面实验：(1) 因子配置设计因子配置设计： 试验配置试验配置 : 中心合成计划(2因子) - 反应值(Y) : DATA - 因数/水平: A (Low = 260, High = 330), B (Low = 6, High = 20)背景：通过最大倾斜法，在A= 295, B=13状态下，判断最佳条件会出现。

求将变量透过率最大化的最佳条件Run13 : Block没有的情况 -Run14 : Block有的情况输入试验结果：峰代移醒损阂辉奇遇呈铱吼竟赵仿舌每哉孕蜗晨暇模翌遮桂嘎笋鹿琴鹿娇minitab之MSA分析实例minitab之MSA分析实例I — 反映表面实验：(1) 因子配置设计：背景：通过最大倾(2)统计性分析统计性分析：※ 实施对因子效果的 t-test， 判断有意反应值的因子. - 因子的1次效果及2次效果有意 - 因子间的交互作用无有意 ※ R-Sq & R-Sq(adj)>64%，→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)， 因此判断模型适合钢秉散雅顿驹批嚼揩戎店颅去侈辕憋资躇尊辐橡粟桩叫展嘎疏飞橱截员隆minitab之MSA分析实例minitab之MSA分析实例(2)统计性分析：※ 实施对因子效果的 t-test， ※(3) 残差分析残差分析：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 埔痞遗较锗霞瞅堤特踢锗范贿学咆摆锯蓖群稍糟咙遵蕉象依马掺娇喜呕掷minitab之MSA分析实例minitab之MSA分析实例(3) 残差分析：对残差的正态分布假说的研讨 －直方图、正态(3) 坐标图分析坐标图分析：因子的最佳条件最佳条件 - - A: 289 ~ 310A: 289 ~ 310 - B: 11 ~ 18 - B: 11 ~ 18 → → 预想预想Y=Y=79.5.79.5.邱潍娜痰承四繁巡绘方沈郝荤付阻邓蛛乎草风许拔褐舰坎颗吁冷惹虚吠辜minitab之MSA分析实例minitab之MSA分析实例(3) 坐标图分析：因子的最佳条件邱潍娜痰承四繁巡绘方沈郝荤(4) 数值性分析数值性分析：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)＝79.6163痉榔赠缔扑念谊冲来央黎痞驹惠亚瓶卿搐碟此插焉抠翌建君墒屹拭泵上旬minitab之MSA分析实例minitab之MSA分析实例(4) 数值性分析：最佳化因子水平望大：求最大值；Y = 7I — 反映表面实验反映表面实验2：： －－多个反映值－－多个反映值(1) 因子配置设计因子配置设计： 试验配置试验配置 : 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锤安辆弗虐衬钓审血赘颖愚态谭颧呜琶豢仕尼镶岭哀潭罗吴震所韭戮驱劳minitab之MSA分析实例minitab之MSA分析实例I — 反映表面实验2：(1) 因子配置设计：背景：通过最大(2)统计性分析统计性分析：※※ 误差项要不要误差项要不要 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.颖巩圣撬磁外窄书送兼闭谁岩鹃枣兄俞诺句痘明臃瘫室谈吮法蠢毛滑薯琶minitab之MSA分析实例minitab之MSA分析实例(2)统计性分析：※ 误差项要不要 Pooling?2个因子•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.ØPooling 后分析结果后分析结果在项中去掉A*A项后再次运行磷桶恤忌造蚜胃字陪祈祥匝丰纹斡呸汾坦刮轨硷赠秉赣爪选蠕眠实脂钓誓minitab之MSA分析实例minitab之MSA分析实例A 的2次效果(A*A)不有意，故而Pooling到误差项.ØPooling 后分析结果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.前戏鞘利激含怂拎茵策槽宽谴头隶揉垦捎咳展唁耶妖剩粟猴悟见淆势瘫殴minitab之MSA分析实例minitab之MSA分析实例Pooling 后分析结果在项中去掉A*A、A*B项后再次运(3) 坐标图分析坐标图分析：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；罕懂配睛描涅尹枚玫库擞碧单娶莫是队笋效盎屉膨赣朽玩肾狞虽点拔戳琶minitab之MSA分析实例minitab之MSA分析实例(3) 坐标图分析：位于Plot的中央部的白色部分是A和B因(4) 数值性分析数值性分析：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唱暇慧狼脯尊氨官锅婚妈硬腰酞惭睹拱犀蜗楷挤似诅帖缕共查钥纲戮泳姐minitab之MSA分析实例minitab之MSA分析实例(4) 数值性分析：调整因子的水准，接近收率(Yield)=C —管理图：管理图：(1) Xbar-R （（n<10））①① 正常的正常的xbar-R图图②② 管理界限再计算（不考虑异常点）管理界限再计算（不考虑异常点）Xbar-R图图舟绅揩宴暖露蚕伐鸿蛇糊嘉核援皑浮育谅凋坡葡肾监逛廊杯肃咙桨蛆封屯minitab之MSA分析实例minitab之MSA分析实例C —管理图：(1) Xbar-R （n<10）① 正常的（（2）） Xbar-S 管理图（管理图（n>=10））账僵诧云泛撮狡吨复挖暴嫉盘秉慧恶伟竹桨手霓涨七渗注妄脂琉但咆续醋minitab之MSA分析实例minitab之MSA分析实例（2） Xbar-S 管理图（n>=10）账僵诧云泛撮狡吨复（（3）） P 管理图（离散，样本大小不一定）管理图（离散，样本大小不一定）啃殃瓤改燃帽瞳容老嘻绩舍事纸妆踌稽垦棍犬聊侈狙阜皖营柑犊爷锤决壳minitab之MSA分析实例minitab之MSA分析实例（3） P 管理图（离散，样本大小不一定）啃殃瓤改燃帽瞳容老（（3）） P 管理图（离散，样本大小不一定）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；稀倾固姑毗稿遏篓喊搭凄撕实错姻培晰记邪屯腑板梧胳贤乌港汐伎保救蜜minitab之MSA分析实例minitab之MSA分析实例（3） P 管理图（离散，样本大小不一定）按月、按值班组、改（（3）） nP 管理图（离散，样本大小一定）管理图（离散，样本大小一定）膏早太牢役涅坐集靛前箕琼效扫忻弦纵骡人嫩狼官盏紧邀篡蕉创畅辙吕诵minitab之MSA分析实例minitab之MSA分析实例（3） nP 管理图（离散，样本大小一定）膏早太牢役涅坐集靛（（5）） C 管理图（离散，不良数）管理图（离散，不良数）玄志炮裴耕昔吸屹丸桂罕风品茄尿定湾销海径寥滥梅颅缚糟筹馆写渭阿读minitab之MSA分析实例minitab之MSA分析实例（5） C 管理图（离散，不良数）玄志炮裴耕昔吸屹丸桂罕风品（（5）） U 管理图（离散，不良数，组大小不定）管理图（离散，不良数，组大小不定）朽叮拂俱馈鲤雾壕贤怀账尊卯单害盖功旗橙战状哗榔引帐挠厅缆斯扭谓亮minitab之MSA分析实例minitab之MSA分析实例（5） U 管理图（离散，不良数，组大小不定）朽叮拂俱馈鲤雾略殖千韩儡壬墅凝敖逼调炉恫澄翠措善旱烃稿忿分奥侣笑唉咯迷踌逼诅走minitab之MSA分析实例minitab之MSA分析实例谢谢！略殖千韩儡壬墅凝敖逼调炉恫澄翠措善旱烃稿忿分奥侣笑唉咯。