当前位置：文档之家 › 用minitab做Plackett-Burman_design(帕累托图)操作详解(全)

用minitab做Plackett-Burman_design(帕累托图)操作详解(全)

  • 格式：xls
  • 大小：15.50 MB
  • 文档页数：14

二：试验实施及分析：
1：改善小组按MINITA B生成的试验方案进行试验，取得的数据如下表：
2：用MINITA B对试验数据进行分析
a:在MINITA B下拉式菜单选：
Stat>Fact
orial>Ana
lysis
Factorial
Design
如下图
b:在出现
的对话框
选如下图
信息，
c:选“
Graphs”
按钮，选
中下图所
示内容
d:选“Results”按钮，输入下图所示内容：
e：选“Storage”按钮，输入下图所示内容：
f：MINITA B分析结果输出如下：
Fractional Estimated Term
Constant A B C D E F G H Analysis Source Main
Residual Total Least A
E -1-1
1 1B F -1-1 1 1C G -1-1 1 1D H -1-1 1
1
分析上表可知：因g:MINIT
因素影响柏拉图残差与拟合值图
分析因素影响柏拉D 、G 、F 、H 四因
显著影响因素
主要影响为显著影响因素
各因素不同水平输出的平均值及误差
的算法稍
有差别，处理时将
其作为显分析残差
与拟合值h:MINITA
B工作表误差。

I:生成各因素对输出变量的影响图，步骤如下：(a):在MINITA B下拉式菜单选：Stat>Fact orial>Fact orial Plots (b):在出现的对话框选择/输入下图所示信息：
别输入以
下图示信
息在出现
的对话框
选择/输
入下图所
示信息：
主要影响图
选项设置(d):生成
的影响图
如下：
主要影响图
分析主要
影响图可
以得出因
素D、F
、G、H
为Y的显
著影响因
素。

响图可
知：
各因
素水平设
置如下
时，Y值
最大。

A-、B+
、C-、
D+、E-
、F+、G-
、H+
j:建立Y
的回归方
程
(a):用极
差法手工
建立方
程，参照
第五章第
二节，
（略）
(b):用
MINITA
B建立回
归方程：
因为
本例未考
虑因素交
互作用影
响，故可
直接用“Regressio
n”方法进
行分析：
第一步：
在
MINITA
B下拉式
菜单选：
Stat>Reg
ression>
Regressi
on
图所示内容：
第二步：点击“Options”按钮，在出现的对话框填入下图所示内容，按“OK”即可：
第三步：MINITA B分析结果输出如下：Regression Analysis: Y versus A, B, C, D, E, F, G, H
The
Y = 69.6 -Predictor Constant
A
B
C D E F G H
S = 4.645 Analysis Source Regression Residual Total
注意，上
表预测值
只是针对
本试验所
包含的因
素组合作
出预测，
因为最优
因素组合
可能并
未包含在
已有的12
次试验组
合中，所
以上表的
预测可能
只是Y的
较优值和
对应的X
的较优
组合。

据
前面的分
析，本例
的最优X
组合为：
A-、B+
、C-、以上组合
并未包含
可得出Y
的最优预
Y的回归
方程为：
Y =
69.6 -
1.07 A +
3.10 B -
1.73 C +
8.37 D -
2.03 E +
4.45 F -
4.97 G +
3.93 H
因为因素
A、B、C
、E为非
显著因
素，从方
程中去
除，得最
终的回归
方程：
Y =
69.6 +
将：D=1
、F=1、
G=-1、
H=1代入
回归方程
得：
Y=91.32而包含在
本试验12
在进行试
验设计
最优组合。

j:用优化
设计方法
确定Y的
最优值及
X的最优
组合
MINITA
B提供了
一种优化
方法，可
通过试验
分析给出
输出变量
的最优值
及其对应
的各试
验因素的
最优组合。

在同时
对2个以
上试验指
标进行改
善时，此
方法可提
供一种折
中方案。

步骤如
下：
第一步：
创建试验
第二步：
用
第三步：
在
第四步：
在出现的第五步：
点击“
点击“所有因素
的初始值
MINITA B输出的数据输Response
Optimizati Parameters Y
从上表看出，优化Y的优化图输出：
优化图的分析结果与数据分析结果相吻合。

三：试验结论：
通过本次试验改善小组得出以下结论：
1：影响波峰炉焊接FPY的关键因素为：锡炉温度、松香比重、预热温度和锡条型号。

2：将各试验因素设置在如下水平时焊接FPY 最优：
3：波峰炉焊接FPY最优预测值为99.22%。

合集下载

Minitab做柏拉图

Minitab做柏拉图

Minitab做柏拉图
分析
编著：鲁仁山
2007.9.4
1．双击桌面上的Minitab图标。

2．打开后的界面。

3.将C1定义为不良项目（Item），C2定义为数量/频次（Frequency）。

4.将资料输入相应的栏位中。

5.资料输入完毕，打开Stat菜单，点选Quality Tools Pareto Chart..
6.这是弹出的柏拉图定义界面。

后的少数不良项目将会合并在一起。

你也可以根据自己的需要选择其他数字，但不得低于80。

8.填写完毕，点选Options按钮，这是弹出的界面。

9.在弹出的界面上填入相应的内容，然后按下所有的OK。

10.这是输出的柏拉图。

11.在输出的柏拉图区域内，按下鼠标右键，在弹出的菜单中点选Add Data Labels。

12.这是弹出的界面。

点选不同的项目会得到不同的标注。

13.这是点选“Use y-values labels”得到的柏拉图。

14.这是点选“Use row numbers”得到的柏拉图。

“Use labels from colum”一般不用。

15.在输出的柏拉图区域内，按下鼠标右键，在弹出的菜单中点选Add .Title/Subtitle/Footnote，可以为柏拉图加注标题、制作人、制作日期等。

16.这是加注后的柏拉图。

六西格玛工具：帕累托图

六西格玛工具：帕累托图

六西格玛工具：帕累托图帕累托图的目的是比较不同的缺陷类型所导致的结果或对顾客的影响，以便找出最重要的需要优先关注的问题；设置优先权并定义问题/机会，确定关键输出变量。

使用方法一般来说，帕累托图的作图步骤如下：第一步，收集过程输出在某时间段内的数据，并确定过程输出中都有哪些不符合顾客要求的缺陷项。

第二步，将各项缺陷发生的频数按从大到小的顺序排列，计算各自占总缺陷数的比率和累计比率。

第三步，将横坐标按从大到小的顺序，依次列出各种缺陷项。

第四步，以左侧坐标为缺陷发生频数，右侧纵坐标为频率。

第五步，在横坐标上的每个缺陷项处，画出与其发生频数对应的矩形。

第六步，由左至右累加每个缺陷项的比率，画出累积频率曲线。

帕累托图的结构示例：采用JMP或Minitab软件制图会大大简化作图步骤，提高效率。

JMP的操作路径为：主菜单Graph > Pareto Plot，确定“Y, Cause”为“缺陷”、“Freq”为“数量”后，即可得到如图2所示的报表。

Minitab的操作路径为：主菜单Stat > Quality Tools > Pareto Chart，在“Chart defects table”中，确定“Labels in:”为“缺陷”、“Frequencies in:”为“数量”后，即可得到如图3所示的报表。

使用方法在下面的实例中，通过帕累托图可以找到“至关重要的极少数”和“微不足道的大多数”，从而找出关键输出变量。

可以看出账单及交易明细查询、密码重臵/申请/解锁、账户额度查询、临时额度/永久额度调整、卡片信息查询、卡片功能咨询、账单日/还款日查询等十几种类型的来电量占所有类型来电量的80%，也就是项目后期分析重点。

JMP和Minitab的比较(帕累托图)

JMP和Minitab的比较(帕累托图)

JMP和Minitab的比较（Pareto帕累托图）关键字：帕累托图品质管理工具六西格玛JMP Minitab最近在网上查阅资料，发现有些朋友常常在选择六西格玛软件时在JMP和Minitab之间犹豫良久。

正好我所在的公司刚刚选了六西格玛软件，当时选择的时候也遇到过同样的问题，后来我们专门对这两款软件进行了半年左右的试用和评估比较。

这里，我把其中的一部分比较结果整理了一下，供有类似困惑的朋友参考——因为比较的内容很多，就先以六西格玛中必用的Pareto帕累托图为例来说明吧，希望能抛砖引玉，对大家的工作有所帮助，共同开启六西格玛的成功之路。

我把把生产现场的数据“缺陷”、“数量”、“清洁”和“日期”四列数据分别输入到最新版的JMP和Minitab中，想用Pareto 帕累托图分析一下现在的质量情况。

比较项目一：操作的简便性。

JMP的操作路径为：主菜单Graph > Pareto Plot，确定“Y, Cause”为“缺陷”、“Freq”为“数量”后，即可得到如图一所示的报表；Minitab的操作路径为：主菜单Stat > Quality Tools > Pareto Chart，在“Chart defects table”中，确定“Labels in:”为“缺陷”、“Frequencies in:”为“数量”后，即可得到如图二所示的报表。

如果用的是未经汇总的原始数据，在JMP中只要确定“Y, Cause”为“缺陷”即可；在Minitab中则要切换到“Chart defects data in:”中，确定其为“缺陷”。

从操作层面上来看，JMP 操作的简便性稍占优势，其对话框结构也更符合我们平时解决问题的思路，很容易上手。

图一JMP制作的Pareto图图二Minitab制作的Pareto图比较项目二：图形效果及信息展示。

观察图一、图二可知，JMP和Minitab都能体现出排序柱状图和折线图的变化规律，JMP将对应数据在图形上直接标注，Minitab则将数据集中显示在图形下方。

六西格玛管理工具DOE试验设计所涉及的命令

六西格玛管理工具DOE试验设计所涉及的命令

六西格玛管理工具DOE试验设计所涉及的命令通过试验设计方法可以对过程进行改善。

可以通过试验设计筛选出对过程变异存在重要影响的因素,MINITAB可以分析这些因素及其交互作用对过程的影向状况, 可以通过分析发现这些因素的最优水平设置从而优化过程性能。

MINITAB的DOE试验设计分析渉及以下命令:1. Factorial。

(1) Create FactorialDesign: 生成二水平全因子、分部因子和“Plackett-Burman”设计表。

(2) Define Custom Factorial Design: 从已经输入到工作表中的数提创建一个因子试验设计方案。

(3) Analyze Factorial Design分析二水平全因子和分部因子设计以及“Plackett-Burman”设计。

(4) Factorial Plots: 显示二水平全因子、分部因子和“Plackett-Burman”试验设计的主要影响图、交互作用影响图和三维图。

(5) Contour Surface/Wireframe Plots: 画出轮廓图和三维图响应表面图。

(6) Response Optimizer: 计算优化的解决方案并画出交互影响图以确定一组同时优化所有响应变量的因子水平。

(7) Overlaid Contour Plot:为多个响应变量画出轮廓图。

2. Response Sarface(1) Create Response Surface Design, 生成“Box-Be-hnken”和中心复合试验设计表。

(2） Deflne Castom Response Surface Design, 从已经输入到工作表中的数据创建一个响应表面设计方案(3)Select 〇ptin,al Design: 选择一个设计点的子集, 增加一个设计或评估一个设计(4)Analyze Response Surface Design: 分析响应表面设计。