minitab应用经典案例
- 格式:pptx
- 大小:2.79 MB
- 文档页数:33
minitab的使⽤教材第⼀节计量值控制图应⽤案例⼀、Xbar-R控制图应⽤案例某公司SPC⼩组对A产品注塑过程的⼀个关键尺⼨的分布离散过⼤的问题进⾏改进,在控制阶段,他们选⽤了X-R控制图对该尺⼨进⾏监控,应⽤流程如下:1.确定需要控制的过程:本例选定的需控制过程为A产品注塑成型过程。
2.确定需控制的项⽬:A产品的⼀个关键尺⼨规格为5.50+0.05mm3.定义测量系统:因为该过程采⽤3班⽣产,因此项⽬组确定的测量系统为3班各⼀位检验员,共⽤同⼀把卡尺,及各班⽣产的产品.4.量测系统分析:经⼩组分析认为该测量系统可接受5.消除明显过程偏差经过⼩组DMAI各阶段已将注塑成型过程的偏差降⾄最低6.确定抽样数及频率每⼩时⼀次,每次5PCS抽取样本数如下表:表17.计算控制界限:(1)计算X和RbarX=5.501 Rbar=0.031(2)计算X bar图控制界限:UCL=X+A2 R bar =5.501+0.58×0.031=5.519LCL=X-A2 R bar =5.5.01-0.58×0.03=5.483CL= X=5.501(3)计算R图控制界限:UCL=D4 R bar =2.11×0.031=0.065LCL= D3 R bar (⽆)CL=R bar =0.0318.根据作图:图,根据准则未发现异常.9.分析Rbar10分析X图:异常总结如下:bar(1)第6、10、11、26、超过控制界限(2)第3、7、27、28点排列呈⼀定的规律性,因为在这些点上,连续3个点中中⼼线⼀侧有2点超过2ó,即靠近控制界限的点太多。
11、计算过程能⼒:因为处于⾮受控状态,故⽆法计算过程能⼒。
12、Minitab在作X bar-R图中的运⽤:步骤如下:第⼀步:将表中的数据输⼊Minitab⼯作表中如下图:(图1-1)第⼆步:在minitab的下拉菜单中选择stat>control charts>Xbar-R,格⼯如下图(图1-2)第三步选中后出现的对话框出现如下信息:如(图1-3).(图1-3)第四步,点选TEST选项作测试选项选择:见(图1-4)(图1-4)各选项含义如下:超出3sigma的规格点;连续9点出现在中⼼线的⼀侧;连续14点交替上升或下降;中⼼线的⼀侧连续3个点中有2个超过2sigma;中⼼线的⼀侧连续5个点中有4个超出1sigma;连续15点位于1sigma规格内;连续8点超过1sigma规格;第五步:点击Options,输⼊sigma⽔平和控制图标题图1-5 第六步:点击“OK”⽣产我们所需的控制图:如下:图1-6第七步⼯作表输出结果如下:⼆、案例X bar-S控制图案例某公司最近接到⼀批机加⼯订单,因客户对产品的某个关键尺⼨“孔径A”要求极为严格,该公司决定⽤控制图平对该尺⼨的加⼯过程进⾏控制,为了对“孔径A”的分布状态有较为详细-S图对“孔径A”进⾏控制,控制流程如下:的了解,品质⼯程部⼯程师决定⽤Xbar1.确定需控制的过程及项⽬。
MINITAB应用案例就近一个文章说:对2010 年全国大学生调查的分析。
该调查利用随机分层法,抽取了19 所的5000 多名大四学生进行调查。
在这19 所高校中,有10 所“211 工程”的重点大学和9 所普通大学。
调查中搜集了学生的来源省份、家庭背景、高考成绩和高中表现等多项数据。
统计结果发现,如果其父母在政府、国企和事业单位有干部身份,那么这些学生有更大几率上“211”。
而如果其父母是工人,农民,文员,技术员或企业家,那么这些学生上重点大学的几率则会降低。
统计结果说明,在控制了父母教育水平和家庭收入两个变量之后,父母职业这个变量的影响还是显著。
以上是原文调查者是如何统计得到结论的,利用MINITAB软件就可以搞定,假如他们调查得到的数据是:5000大学生,其中官二代2670,考入大学重点大学有1000人;富二代2330,考入重点大学有680人。
打开minitab软件/基本统计量/2p在右上图中输入1000,2670;680,2330点击确定,得到以下:样本 X N 样本 p1 1000 2670 0.3745322 680 2330 0.291845差值 = p (1) - p (2)差值估计值: 0.0826863差值的 95% 置信区间: (0.0566522, 0.108720)差值 = 0(与≠ 0) 的检验: Z = 6.22 P 值 = 0.000Fisher 精确检验: P 值 = 0.000解释:差值的 95% 置信区间: (0.0566522, 0.108720) 不包含0,说明两者之间有差异。
重复核对在,假如富二代考入重点大学的有811人,这样检验数据就没有差异。
差值的 95% 置信区间: (-0.000204317, 0.0531306)包括0.样本 X N 样本 p1 1000 2670 0.3745322 811 2330 0.348069差值 = p (1) - p (2)差值估计值: 0.0264632差值的 95% 置信区间: (-0.000204317, 0.0531306)差值 = 0(与≠ 0) 的检验: Z = 1.94 P 值 = 0.052Fisher 精确检验: P 值 = 0.055以上用实际生活案例来引发MINITAB的应用。
minitab doe案例
以下是一个使用Minitab进行DOE(实验设计)的案例:
案例:PCB板的镀铜线质量优化
1. 确定每个因子的高低水平,例如温度、时间、电流等。
2. 打开Minitab软件,创建一个新的DOE计划。
3. 选择合适的因子数、区组中心点数、角点仿行数和区组数,以满足实验需求。
4. 生成正交试验矩阵,并按照计划进行实验。
5. 将实验数据复制到Minitab中进行DOE分析。
6. 选择因子和响应,进行效应图和方差分析。
7. 根据分析结果,优化因子水平,以提高镀铜线的质量。
通过以上步骤,可以使用Minitab进行DOE,优化PCB板的镀铜线质量。
minitab 分类模型案例Minitab是一种常用的统计分析软件,它可以用于各种分类模型的建立和分析。
下面列举了10个基于Minitab的分类模型案例,来说明其在实际应用中的作用和效果。
1. 疾病诊断模型:医院收集了大量患者的临床数据和诊断结果,利用Minitab建立了一个疾病诊断模型。
该模型可以根据患者的临床指标,如血压、血糖、血脂等,预测患者是否患有某种疾病,并给出相应的诊断建议。
2. 信用评分模型:银行通过Minitab分析了大量客户的信用记录和还款情况,建立了一个信用评分模型。
该模型可以根据客户的个人信息、财务状况和信用历史等因素,预测客户的还款能力和风险等级,并据此决定是否给予贷款。
3. 市场细分模型:一家电商公司利用Minitab分析了大量用户的购物行为和偏好数据,建立了一个市场细分模型。
该模型可以根据用户的购买记录、浏览行为和兴趣标签等,将用户分为不同的市场细分群体,并据此进行个性化推荐和营销策略。
4. 员工离职预测模型:一家公司利用Minitab分析了员工的离职记录和个人信息,建立了一个员工离职预测模型。
该模型可以根据员工的职位、工龄、绩效等因素,预测员工是否有离职倾向,并据此采取相应的人力资源管理措施。
5. 欺诈检测模型:一家保险公司利用Minitab分析了保单的理赔记录和客户信息,建立了一个欺诈检测模型。
该模型可以根据保单的理赔金额、申请时间、客户的历史记录等因素,预测保单是否存在欺诈嫌疑,并据此采取相应的调查和处理措施。
6. 产品质量分类模型:一家制造公司利用Minitab分析了产品的质量数据和生产参数,建立了一个产品质量分类模型。
该模型可以根据产品的生产批次、工艺参数、质量指标等因素,预测产品的合格率和质量等级,并据此进行质量控制和改进。
7. 股票市场预测模型:一家投资公司利用Minitab分析了股票市场的历史数据和宏观经济指标,建立了一个股票市场预测模型。
该模型可以根据股票的历史价格、交易量、市场情绪等因素,预测股票的涨跌趋势,并据此进行投资决策和风险管理。
Minitab应用实例引言Minitab是一款流行的统计分析软件,可用于数据分析、质量管理和过程改进。
它提供了广泛的功能和工具,使用户能够轻松地进行数据探索、统计分析和报告生成。
本文将通过介绍几个实际应用实例,展示Minitab的一些主要功能和应用场景。
这些实例将涵盖数据探索、假设检验、回归分析和质量控制等方面。
数据探索数据探索是数据分析的第一步,它可以帮助我们了解数据的特征和结构。
Minitab提供了多种方式来进行数据探索,包括数据摘要、描述性统计、数据可视化等。
例如,我们有一组销售数据,想要了解销售额的分布和趋势。
我们可以使用Minitab的柱状图和直方图功能,绘制销售额的分布图。
这样可以直观地看到销售额在哪个区间的数据更多,是否存在异常值等。
另外,Minitab还提供了箱线图、散点图等图表类型,可以帮助我们分析数据间的相关性和趋势。
假设检验假设检验是统计学中常用的技术,用于验证关于总体参数的假设。
Minitab提供了多种假设检验的功能,可以帮助我们进行参数估计和假设检验。
举个例子,我们有一份某公司员工的薪资数据,我们想要检验该公司的平均薪资是否高于行业平均水平。
我们可以使用Minitab的t检验功能来进行假设检验,得出结论是否拒绝原假设。
除了t检验,Minitab还支持多种其他假设检验方法,如方差分析、卡方检验等。
回归分析回归分析是用于建立因果关系模型的一种统计技术。
Minitab提供了强大的回归分析功能,可以帮助我们建立和评估回归模型。
例如,我们有一份汽车销售数据,想要预测汽车销售量与价格、广告费用和促销活动等变量之间的关系。
我们可以使用Minitab的多元线性回归功能来建立回归模型,并通过分析回归系数和显著性水平来评估模型的拟合优度。
此外,Minitab还提供了其他回归分析方法,如逐步回归、逻辑回归等。
质量控制质量控制是制造业中重要的环节,用于监控和改善产品的质量。
Minitab提供了一系列用于质量控制的统计工具和方法。
1、试作均值极差控制图
2、试作均值极差控制图、中位数极差控制图和均值标准差控制图
3、试作移动极差控制图
4、试作样本大小n 相等时的p
控制图
5、试作样本大小n 相等时的pn
控制图
6. 试作样本大小n不相等时的p控制图
〔案例〕
某电机厂生产洗衣机用小型电机,构成交验批的批量各不相等,现每隔1
小时抽取一个样本,共25批,经检验将不合格品数及不合格品率记入数据
表,试作分析用控制图。
7. 试作C控制图
某电线生产过程中,每隔一定时间对100m导线进行检查,检查的结果如表所示,试作C控制图。
8. 试作U控制图
某电子产品检查的结果如表所示,试作U控制图。