1分钟教您制作柏拉图

假设你的公司生产摩托车,你希望能降低因不良计速表所耗费的品质成本。在检测过程中,有一批不良的计速表遭退货。 你期望用柏拉图来找出主要问题点. 数据:   缺陷数...
假设你的公司生产摩托车,你希望能降低因不良计速表所耗费的品质成本。在检测过程中,有一批不良的计速表遭退货。
你期望用柏拉图来找出主要问题点.
数据:
 
缺陷数    计数
丢失螺丝    274
缺少的线夹    59
有缺陷的外罩    19
漏油衬垫    43
废料    4
未连接的线    8
缺少的大头钉    6
不完整部件    10
 
 
1,6SQ统计--质量工具--柏拉图

QQ图片20180513185211.png


 
2, 选择缺陷数据列, 频数数据列。其它的用默认。


QQ图片20180513185331.png



3, 确定,输出结果。

QQ图片20180513185344.png



丢失螺丝占一大半(67.8%),是未来改善的重点
 
Excel案例数据
http://pan.baidu.com/s/1i5AXSRN
 
6SQ统计3.0企业版90天试用下载​ http://pan.baidu.com/s/1i5AXSRN   
  收起阅读 »

1分钟教您制作过程能力分析

一家线缆制造商希望评估线缆的直径是否符合规格。线缆直径必须为 0.55 + 0.05 cm 才符合工程规格。分析员评估过程的能力以确保其满足客户的要求,即 Pp...
一家线缆制造商希望评估线缆的直径是否符合规格。线缆直径必须为 0.55 + 0.05 cm 才符合工程规格。分析员评估过程的能力以确保其满足客户的要求,即 Ppk 为 1.33。分析人员每隔一小时连续从生产线上取 5 根线缆记录其直径。
 
数据                
X1    X2    X3    X4    X5
0.529    0.55    0.555    0.541    0.559
0.543    0.557    0.559    0.581    0.551
0.493    0.534    0.527    0.511    0.565
0.559    0.519    0.562    0.551    0.53
0.545    0.588    0.544    0.561    0.573
0.607    0.532    0.562    0.542    0.549
0.577    0.526    0.546    0.557    0.548
0.546    0.56    0.53    0.564    0.514
0.527    0.545    0.513    0.557    0.525
0.557    0.559    0.529    0.539    0.591
0.538    0.557    0.517    0.521    0.568
0.544    0.55    0.562    0.54    0.537
0.558    0.548    0.532    0.57    0.567
0.56    0.533    0.538    0.567    0.557
0.541    0.534    0.544    0.537    0.574
0.572    0.556    0.56    0.52    0.578
0.543    0.544    0.541    0.526    0.518
0.521    0.532    0.524    0.544    0.523
0.55    0.544    0.545    0.571    0.527
0.536    0.554    0.569    0.531    0.534
 
 
1, 6SQ统计--质量工具--能力分析(正态)

QQ图片20180513181854.png


2, 选择数据范围, 输入规格下限0.5 规格上限 0.6。
默认采用合并标准差的计算方式 (同minitab)
QQ图片20180513181428.png

3,确认,输出结果:
QQ图片20180513181505.png

数据是正态分布
组内标准差 是每个子组的标准差

整体标准差 是通过合并标准差的公式计算而来的

QQ图片20180513181522.png

Cp 和Cpk 的值是以 子组内变异为基础计算出来的  
Cpk是CPU (相对于 USL的能力) 及 CPL (相对于LSL的能力)的最小值 Cp 和 Cpk 的值是 “短期的”过程能力指数

QQ图片20180513181531.png

Pp和Ppk  的值是以 变异(全部)为基础计算出来的  
Ppk是PPU (相对于 USL的能力) 及PPL  (相对于LSL的能力)的最小值
Pp 和Ppk 的值是 “长期的”过程能力指数

QQ图片20180513181540.png

 6SQ统计输出窗口在“实测”里的PPM 是基于实际的超出规格的数量,而在“组内 ”和“整体”中的是利用正态分布原理所预测的组内与全部机会缺陷率

QQ图片20180513182306.png

输出直方图
过程均值 (0.54646) 略小于目标 (0.55)。并且分布的两个尾部都落在规格限之外。这意味着,有时会发现某些电缆直径小于 0.50 厘米的规格下限或大于 0.60 厘米的规格上限。
Ppk 指数表明过程生产的单位是否在公差 限内。此处,Ppk 指数为 0.80,表明制造商必须通过减少变异并使过程以目标为中心来改进过程。显然,与过程不以目标为中心相比,过程中的较大变异对此生产线而言是严重得多的问题。
同样,PPM 合计(预期整体性能)是其受关注的特征在公差限之外的百万分数 部件数 (10969.28)。这意味着每一百万条线缆中大约有 10969 条不符合规格。
制造商未满足客户的要求,应通过降低过程变异来改进其过程。

QQ图片20180513182316.png

输出能力图

红色代表规格的长度,另外两条分别代表组内和整体能力,均长于规格,说明能力不能达到要求

Excel案例数据
http://pan.baidu.com/s/1i5AXSRN​
 
6SQ统计3.0企业版90天试用下载​ http://pan.baidu.com/s/1i5AXSRN    收起阅读 »

1分钟教你制作一元线性回归分析

您是某种产品的制造商,希望对产品的质量进行度量,但度量过程花费太高。可以采用一种间接方式,即采用另一产品分值(分值 1)来替代实际质量度量(分值 2)。这种方法...
您是某种产品的制造商,希望对产品的质量进行度量,但度量过程花费太高。可以采用一种间接方式,即采用另一产品分值(分值 1)来替代实际质量度量(分值 2)。这种方法费用相对较低,但精确度也较低。您可以使用回归来分析“分值 1”是否能够解释“分值 2”中的大部分方差,以确定“分值 1”是否能作为“分值 2”的替代。
数据如下:
 
分值 1    分值 2
4.1    2.1
2.2    1.5
2.7    1.7
6.0    2.5
8.5    3.0
4.1    2.1
9.0    3.2
8.0    2.8
7.5    2.5
 
操作:
1, 6SQ统计--回归分析--一元线性回归分析
QQ图片20170219213641.png

 
2,输入Y数据范围 分值2 输入X数据范围 分值1
QQ图片20170219213945.png

 
3, 点击确定,输出结果。

QQ图片20170219214901.png

 

Sheet4_SixSQStat_XYScatterPlot.jpg

 

Sheet4_SixSQStat_PredictionChart.jpg

 
Sheet4_SixSQStat_ResidualChart.jpg


解释结果


·    方差分析表 中的 p 值 (0.000) 表明在 a 水平 为 0.05 时“分值 1”与“分值 2”之间的关系具有统计上的显著 性。“分值 1”的估计系数 的 p 值 0.000 也证明了这一点。

·    R2 值显示“分值 1”解释了“分值 2”中 95.7% 的方差,表明模型与数据拟合得非常好。

·    观测值 9 被标识为异常观测值 ,因为它的标准化残差 小于 -2。这就证明这个观测值是一个异常值。请参见识别异常值。

由于该模型是显著的,它解释了“分值 2”中的大部分方差,因此制造商决定使用“分值 1”替代“分值 2”作为产品质量的度量标准。
 
Excel案例数据:
  收起阅读 »

1分钟教你制作双因素方差分析

作为一位生物学家,您正在研究生活在两个湖中的浮游动物。您在实验室中放置了十二个容器,每六个容器一组分别装有取自两个湖的水。您在每个容器中添加了三种营养补充物质中...
作为一位生物学家,您正在研究生活在两个湖中的浮游动物。您在实验室中放置了十二个容器,每六个容器一组分别装有取自两个湖的水。您在每个容器中添加了三种营养补充物质中的一种,30 天后对单位体积水中的浮游动物进行计数。您使用双因子方差分析检验总体平均值是否相等,这相当于检验是否有显著证据证明存在交互作用 和主效应 。
 
操作:
1, 6SQ统计--方差分析--双因素方差分析(交叉的)

 
2,输入因素A水平数 3  因素B水平数 2 重复试验次数  2
QQ图片20170216224655.png

3,点击设计输出空白表格
QQ图片20170216224817.png

4,填入实验数据

QQ图片20170216225054.png

5,输入因素A水平数 3  因素B水平数 2 重复试验次数  2
选择全部的红框内数据
QQ图片20170216224655.png

6,点击确认,输出分析结果

QQ图片20170216225248.png

解释结果

双因子方差分析的默认输出为方差分析表 。对于浮游动物数据,如果可接受值小于 0.145(交互作用 F 检验的 p 值 ),则没有显著证据表明存在补充物质*湖水交互作用效应或湖水主效应。当 alpha 水平 为 0.05 时,由于 F 检验 p 值为 0.015,因此有显著证据表明存在补充物质主效应。

Excel数据
http://pan.baidu.com/s/1i5AXSRN​
  收起阅读 »

1分钟教你制作单因素方差分析

您设计了一项试验来评估四种试验性地毯产品的耐用性。您将这些地毯产品中每种的一个样本分别铺在四个家庭,并在 60 天后测量其耐用性。 共四种地毯,每个地毯实验四次...
您设计了一项试验来评估四种试验性地毯产品的耐用性。您将这些地毯产品中每种的一个样本分别铺在四个家庭,并在 60 天后测量其耐用性。
共四种地毯,每个地毯实验四次。

操作:
1, 6SQ统计--方差分析--单因素方差

QQ图片20170216213041.png


2,输入因素水平数 4   试验次数  4

QQ图片20170216215453.png



3, 点击设计,输出表格

QQ图片20170216220006.png


4,填入实验数据

QQ图片20170216221738.png


5,选择上所有红框的内容, 因素水平数 4 试验次数4

QQ图片20170216221843.png


6,点确认,输出分析结果

QQ图片20170216222243.png



在方差分析表 中,地毯的 p 值 (0.047) 表明,有足够证据证明,当 alpha 设置为 0.05 时,并非所有平均值都相等。

Excel数据
 http://pan.baidu.com/s/1i5AXSRN​ 

6SQ统计3.0企业版90天试用下载​ http://pan.baidu.com/s/1i5AXSRN    收起阅读 »

1分钟教你制作双方差检验

为了提高家庭暖气系统的效率,进行了一项旨在评估两种设备功效的研究。安装其中一种设备后,对房舍的能耗进行了测量。这两种设备分别是电动气闸(气闸 1)和热活化气闸(...
为了提高家庭暖气系统的效率,进行了一项旨在评估两种设备功效的研究。安装其中一种设备后,对房舍的能耗进行了测量。这两种设备分别是电动气闸(气闸 1)和热活化气闸(气闸 2)。能耗数据(气闸内置能量消耗)堆叠在一列中,另外还有一个分组列(气闸),包含用于表示总体的标识符或下标。您要比较两个总体的方差,以便构造用于比较两个气闸的双样本 t 检验和置信区间 。 
 
数据:
 
气闸内置能量消耗_1    气闸内置能量消耗_2
7.87    12.28
9.43    7.23
7.16    2.97
8.67    8.81
12.31    9.27
9.84    11.29
16.90    8.29
10.04    9.96
12.62    10.30
7.62    16.06
11.12    14.24
13.43    11.43
9.07    10.28
6.94    13.60
10.28    5.94
9.37    10.36
7.93    6.85
13.96    6.72
6.80    10.21
4.00    8.61
8.58    11.62
8.00    11.21
5.98    10.95
15.24    7.62
8.54    10.40
11.09    12.92
11.70    15.12
12.71    13.47
6.78    8.47
9.82    11.70
12.91    7.73
10.35    8.37
9.60    7.29
9.58    10.49
9.83    8.69
9.52    8.26
18.26    7.69
10.64    12.19
6.62    5.56
5.20    9.76
*    7.15
*    12.69
*    13.38
*    13.11
*    10.50
*    14.35
*    13.42
*    6.35
*    9.83
*    12.16
 
操作:
1, 6SQ统计--估计和假设检验--双方差检验

 
2, 选择样本1数据列和样本2数据列 

QQ图片20170214231413.png

3, 确认,输出结果

QQ图片20170214231625.png


输出结果_SixSQStat_StDevCIChart.jpg


输出结果_SixSQStat_VarCIChart.jpg

解释结果

方差检验会生成一个图,该图显示两个因子水平的总体标准差的 95% Bonferroni 置信区间。该图形还显示两个样本的原始数据的并列箱线图。最后,在会话窗口和图形中都给出了 F 检验和 Levene 检验的结果。当数据来自正态分布时解释 F 检验,当数据来自连续但不一定正态的分布时使用 Levene 检验。请注意,95% 置信区间适用于区间族,区间的非对称性是由卡方分布的偏度造成的。

对于该能耗示例来说,p 值 0.558 和 0.996 都大于 a 的合理选择范围,因此无法否定方差相等的原假设 。也就是说,这些数据并未提供足够证据证明两个总体的方差不相等。因此,使用双样本 t 过程时假定方差相等是合理的。 
excel案例数据
http://pan.baidu.com/s/1i5AXSRN​
  收起阅读 »

1分钟教你制作单方差检验

您在一家制造飞机发动机的高精度部件(包括测量长度必须为 15 英寸的金属销栓)的工厂任质量控制检验员。安全法规定,销栓长度的方差不得超过 0.001in2。以前...
您在一家制造飞机发动机的高精度部件(包括测量长度必须为 15 英寸的金属销栓)的工厂任质量控制检验员。安全法规定,销栓长度的方差不得超过 0.001in2。以前的分析表明,销栓长度服从正态分布。您收集了 100 个销栓的样本,并对其长度进行了测量,以便进行假设检验并为总体方差创建一个置信区间。

销长度
14.99
15.01
14.96
15
15.03
14.96
14.99
14.96
14.96
15.05
15.03
15.05
14.99
14.98
14.94
14.96
14.97
15.02
14.95
15.02
15.02
14.98
15
15
14.95
14.99
14.98
15.01
14.95
14.96
15.05
15.01
15.04
14.97
14.98
14.99
14.95
14.98
14.98
15
15
15
14.97
14.99
15.02
14.96
14.96
15.01
15.01
15
14.97
15.02
15.02
15.01
15.03
14.98
15.01
15
15.02
15.03
15.01
14.98
14.96
14.97
14.97
14.99
14.99
14.96
15.03
14.99
14.98
14.99
15.03
15.02
15
15.01
15.02
15
14.95
14.97
15.01
14.96
15
14.95
15.03
15.03
14.99
15
15.01
14.97
14.99
15
14.97
15.02
15
14.97
14.96
15
14.99
14.94
 
操作:
1, 6SQ统计--估计和假设检验--单方差检验

 
2, 选择方差  填入假设方差0.001 
选择样本数据
备择假设选择小于

QQ图片20170214160249.png

3, 点确定,输出结果

QQ图片20170214160336.png

 

Sheet7_SixSQStat_VarCIChart.jpg

 
解释结果

由于数据来自正态分布总体,因此请参考卡方方法。单侧假设检验的 p 值为 0.014。此值足够低,可以否定原假设,并可推断销长度的方差小于 0.001。通过考查 95% 的置信上限,可以使总体方差的估计值更确切,该置信上限提供总体方差可能低于的值。从此分析中应该能推断出,销栓长度的方差足够小,可以满足规范并确保乘客安全。
 
Excel案例数据
http://pan.baidu.com/s/1i5AXSRN​
  收起阅读 »

【原创】方差分析原理解析

潜水很长时间,第一次发帖请多关照。今天是元宵佳节,祝大家团团圆圆,元宵节快乐安康。 在论坛中潜水期间,学习到了很多专业人士的卓越见解,因此也希望所学所获能与大家...
潜水很长时间,第一次发帖请多关照。今天是元宵佳节,祝大家团团圆圆,元宵节快乐安康。
在论坛中潜水期间,学习到了很多专业人士的卓越见解,因此也希望所学所获能与大家分享,算是一种感恩与回馈。
文章来自微信公众号“Excel与Minitab”大家不要误会,并非广告贴,只因微信公众号的文章能插入动态图片便于阅读与在Minitab中操作。原文链接如下就不显示了。
我们比较两个正态样本时可以采用假设检验,如果我们要比较三个样本是否有差异时,例如我们要比较三个供应商提供的同一类型的零件强度是否有明显差异,在我们用双样本假设检验进行两两比较,甲乙,甲丙,乙丙,需要比较三次,且置信水平为0.95%3=85.7%,如果我们比较更多的样本时,比较的数量以及置信区间均无法满足我们的需求,这时假设检验已经无法适用,在此我们引入方差分析的方法比较多个均值是否一致。因此方差分析的前提条件与双样本假设检验的前提条件是一致的,即满足:1,每一个总体的分布需要符合正态分布 2,各正态总体的方差相等 3,确保数据的独立性。
现实中,我们理解的方差分析不仅仅用于多个等方差正态总体的均值之间的比较;当我们怀疑某个变量(X)对结果(Y)可能存在影响时,我们需要在不同的X下,例如对X分别取值X1,X2,X3(X的三种水平下重复试验)比较与之对应的Y1,Y2,Y3,然后我们使用方差分析比较Y1,Y2,Y3的均值,以确定X对于Y来讲是否为一个有影响的因素,试想如果X对Y没有影响,不论X取什么值,只要其他条件不变输出Y都应该是差不多的,用专业的统计术语即试验的观测值Y们之间的均值没有显著差异,因此方差分析是我们找寻关键因素的关键。
基于上述三个基本条件,我们在单因子ANOVA分析过程中其实就是比较多个等方差的正态分布他们的均值有无显著差异,如果H0成立,各水平下的均值无显著差异,如下图,分布均值的Gap很小;

2anvoa.jpg

如果H1成立,即各水平下的均值不完全相同,如下图,分布均值的Gap很大。

1anova.jpg

其分析原理:

(组间方差/自由度A):(组内方差/自由度e)服从F分布--我们在《三类等方差检验》一文中讲过F分布,两个独立的卡方分布(正态分布的平方和)除以各自自由度服从F分布,我们在此用于方差分析,如果F值落入拒绝域,认为Gap足够大,即该因子影响显著。注意其中组间偏差的自由度fA=水平数r-1,组内偏差自由度=试验总次数n-水平数r。
读到这里,也许你已经完全明白了,也许还不是太明白方差分析的原理,我们比较均值最终是通过比较方差来实现的,为什么?为什么方差分析法可以分析各样本均值是否相等?通过5WHY我们再理一理其中的逻辑,如下图:

1.jpg

通过一个例子我们再次理解一下上述5WHY图中所述的随机误差与系统误差。
判断温度是否对产出有影响,在4个不同温度下分别进行了5次试验

捕获1.JPG

 
我们看到即使在同一温度下,例如60度下的五个产出值并不完全一样,因为过程受到一些随机因素的影响,这时实测值与理论真值(我们通常认为平均值接近于理论真值故实际计算时用均值代替,下文的均值等同于理论真值)的偏离(方差)为随机误差,同一温度下各测量值与该温度下均值的方差又称之为组内方差,所以组内的方差只包含随机误差;我们再来看不同温度下的产出值,它们的均值上的差异时由于温度不同造成的,我们称之为系统误差,从数据上来看,不同温度组的产出值的组间方差既有不同温度带来的系统误差,也有随机因素造成的随机误差。如果该因素“温度”并不影响产出的话,那么组间方差中的系统误差部分应该接近于0,那么总的组间方差应该会接近于总的组内方差(组内方差只含随机误差),二者的比值就接近于1;反之,如果该因素对于输出有显著影响的话,组间方差则主要由系统误差构成,总的组间方差与总的随机方差的比值就比较大,而且该值越大因子效应越显著。根据前文统计基础《三大分布》中所述,两组方差与自由度之比(两卡方分布之比)符合F分布,因此方差分析的统计量为F值=(组间方差/自由度A):(组内方差/自由度e),拒绝域临界值为F1-α(dfA,dfe)。
相关案例如何在Minitab中操作,由于无法显示动态gif图片,就在本文省略了。文章不足之处,欢迎大家批评指正,谢谢。圣人云:“君子以文会友,以友辅仁”,Email:[email]neverlookbackxjy@163.com[/email]


  收起阅读 »

1分钟教你制作双比例检验

作为公司的采购经理,您需要授权采购二十台新复印机。在根据价格、复印质量、保修和功能对多个品牌进行比较后,将选择范围缩小到两个品牌:X 品牌和 Y 品牌。您认为决...
作为公司的采购经理,您需要授权采购二十台新复印机。在根据价格、复印质量、保修和功能对多个品牌进行比较后,将选择范围缩小到两个品牌:X 品牌和 Y 品牌。您认为决定性因素是品牌的可靠度,定义为在购买后一年内需要维修的比率。

由于您的公司已经使用过这两种品牌,因此可获得每种品牌随机选择的 50 台机器的维修历史记录信息。记录显示,六台 X 品牌的机器和八台 Y 品牌的机器需要维修。使用此信息可以指导您选择要购买的品牌。
 
操作:
1, 6SQ统计--估计和假设检验--双比例检验

 
2, 比例1 分母输入 50  事件数输入 6  
    比例2 分母输入 50  事件数输入 8
 备择假设选择  不等于

QQ图片20170208183835.png

 
3, 确认输出结果

QQ图片20170208184209.png


Sheet4_SixSQStat_StDevCIChart.jpg

解释结果

对于此示例,正态近似检验有效,因为对于两个样本而言,事件数都大于四,试验数与事件数之间的差值也大于四。正态近似检验报告 p 值 为 0.564,Fisher 精确检验 报告 p 值为 0.774。这两个 p 值都大于通常选择的 a 水平 。因此,数据与总体比率相等的原假设一致。换句话说,在第一年内需要维修的复印机比率不因品牌不同而存在差异。作为采购经理,您需要根据别的标准来决定采购哪种品牌的复印机。

由于正态分布有效,因此从 95% 置信区间 中可以得出相同的结论。由于零位于置信区间(-0.0957903 至 0.175790)之内,因此可以得出结论,数据与原假设一致。如果您认为置信区间太宽,并且未提供有关 p1-p2值的精确信息,则可能需要收集更多数据才能获得差值的更好估计。
 
Excel案例数据
http://pan.baidu.com/s/1i5AXSRN​
  收起阅读 »

6SQ统计 for Excel 3.1企业版发布

6SQ统计 for Excel 3.1企业版发布 1,增加了: Johnson变换 个体分布识别 能力分析 (非正态) 能力分析 (二项) 能力分析 (Poi...
6SQ统计 for Excel 3.1企业版发布

1,增加了:
Johnson变换
个体分布识别
能力分析 (非正态)
能力分析 (二项)
能力分析 (Poisson)
属性控制图:Laney p’
属性控制图:Laney u’
子组的变量控制图:区域
单值的变量: Z-MR
稀有事件控制图: G图
稀有事件控制图: T图
2,增加网络版共享用户数购买方式
3,完善了能力分析,控制图功能。
4,修正了已知的问题。

90天试用申请地址:  http://pan.baidu.com/s/1i5AXSRN
6SQ统计for excel 3.1 交流QQ群 14194812 

QQ图片20161226134502.png


QQ图片20161226134457.png


QQ图片20161226134451.png
收起阅读 »

1分钟教你制作区域控制图

您在一家加工厂工作,关注质量的提高。您决定每日对每个班次(共五个班次)生产的 10 套汽缸(共计 50 个样本)的长度进行测量。由于区域控制图非常易于解释,因此...
您在一家加工厂工作,关注质量的提高。您决定每日对每个班次(共五个班次)生产的 10 套汽缸(共计 50 个样本)的长度进行测量。由于区域控制图非常易于解释,因此您决定用它来评估数据。您还决定在每个不受控制信号后重置累积的分值。
 
长度
数据1 数据2 数据3 数据4 数据5
601.472 599.672 599.672 600.672 598.672
601.072 599.172 600.472 599.772 598.972
600.172 601.272 601.372 600.072 599.972
599.972 600.372 598.472 597.715 598.172
599.972 597.972 598.872 599.972 600.072
599.972 597.972 598.872 599.972 600.072
599.072 599.872 599.272 599.372 601.572
601.172 601.272 601.672 600.572 600.072
601.172 601.072 601.172 600.072 600.16
599.972 601.172 600.76 601.572 601.372
 
操作:
1, 6SQ统计--控制图--子组的变量:区域

 
2,选择对应的数据列

QQ图片20161222104405.png

3,点击确定输出结果.

输出结果_SixSQStat_SPC_XChart.jpg

 
解释结果

子组 6 的累积分值等于 8,表示过程不受控制。您发现操作员在子组 6 后重置了机器,因为他认为该机器出现了脱位。但是,区域控制图检测到过程在子组 10 处也不受控制。在看到区域控制图上子组 7-10 中接下来的上升之后,您确定操作员可能对子组 6 处识别出的问题补偿过度。
 
Excel案例数据:
http://pan.baidu.com/s/1i5AXSRN​
  收起阅读 »

1分钟教你制作Laney u'控制图

什么是 Laney U' 控制图? Laney U' 控制图与传统 U 控制图十分相似。这两种控制图都可帮助您监控过程中生产的每单位缺陷数。Laney ...
什么是 Laney U' 控制图?




Laney U' 控制图与传统 U 控制图十分相似。这两种控制图都可帮助您监控过程中生产的每单位缺陷数。Laney U' 控制图在以下情况中非常有用:

您的子组非常大,且您的数据存在过度离散现象。

您的数据存在过度集中现象。

Laney U' 控制图的计算包括西格玛 Z,它是对过度离散或过度集中的调整。西格玛 Z 值为 1 表明不需要调整,并且 Laney U' 控制图与传统 U 控制图完全相同。
 
 
 一家连锁医院的工作人员每周都记录药物错误使用的次数。错误示例包括服药时间错误、剂量错误和药物错误。

这家连锁医院接待大量的患者,平均每周 7500 人。数据显示出较大数量的过度离散。工作人员决定使用 Laney U' 控制图(而不使用传统 U 控制图)来监控药物错误使用次数.

错误    患者
71    5750
15    9010
84    7179
56    6830
18    7134
69    8478
12    8858
20    7412
39    7537
93    8957
62    8330
33    9810
3    8645
79    5716
12    9240
28    7243
91    8846
42    6215
31    4718
13    4993
68    9356
15    7654
147    4535
67    5659
52    5593
94    9550
82    7589
91    8520
7    9606
58    6808
61    8876
16    5355
操作:
1, 6SQ统计--控制图--属性控制图:Laney u'



2,选择对应的数据列

QQ图片20161221184307.png


3,点击确定输出结果.

输出结果_SixSQStat_SPC_pChart.jpg


解释结果

第 23 周的药物错误使用次数异常高。此数据点不受控制,应该加以调查研究。

查看在传统 U 控制图上标绘的相同数据,请参见下图,非常多的超控点。

普通u图结果_SixSQStat_SPC_pChart.jpg


Excel案例数据
http://pan.baidu.com/s/1i5AXSRN​
  收起阅读 »

1分钟教你制作Laney p'控制图

一家小型医院的病历管理人员提高了病历的准确性和完整性。为了保持持续改进,这些工作人员跟踪每天填写的不完整和不准确病历数。  病历数量较大,平均子组大小超过 2...
一家小型医院的病历管理人员提高了病历的准确性和完整性。为了保持持续改进,这些工作人员跟踪每天填写的不完整和不准确病历数。 

病历数量较大,平均子组大小超过 2500。这些数据显示出较大数量的过度离散(请参见 P 控制图诊断示例)。工作人员决定使用 Laney P' 控制图(而不使用传统 P 控制图)来监控病历。
缺陷    总记录数
31    3450
34    2364
27    2677
5    1315
28    3401
29    3500
17    2949
3    1778
16    2506
45    2902
17    2727
26    2862
27    3164
23    2871
30    3026
21    1808
25    2767
18    2148
40    3055
24    2741
22    2900
29    2712
28    3187
35    2806
35    2653
13    2128
9    2119
15    1321
41    3212
41    3437
33    3018
33    3129
28    3080
34    2833
26    1447
24    2470
23    3284
22    2671
16    1986
38    3212
18    1543
33    3073
22    2772
11    2533
35    3109
8    1712
18    2276
11    2240
18    2199
28    1914
12    2486
34    2821
19    2691
36    3352
29    2561
33    1905
18    2781
18    3008
45    3391
24    2366
20    2724
8    1837
16    2222
11    2196
26    2669
24    3131
29    1941
24    1497
30    2823
16    2501
28    1939
15    1757
30    3087
20    1542
4    1800
6    1639
28    1968
26    3418
10    2280
28    2668
21    2818
31    3363
26    2063
23    2596
13    2066
14    1322
7    2402
35    2616
51    3368
27    3292
11    1655
20    2842
 
 
操作:
1, 6SQ统计--控制图--属性控制图:Laney p'

QQ图片20161211214034.png


2,选择对应的数据列

QQ图片20161211214227.png


 
3,点击确定输出结果.


输出结果_SixSQStat_SPC_pChart.jpg


 
解释结果

不完整的病例数似乎比较稳定。数据中没有出现任何模式。没有任何点不受控制:

对照在传统 P 控制图上标绘的相同数据. 如果使用传统的控制图会有多个异常点。

P控制图_SixSQStat_SPC_pChart.jpg

 
Excel案例数据: 
http://pan.baidu.com/s/1i5AXSRN收起阅读 »

质量人看大选 | 从美国大选看随机化

70508  四年一次的美国大选上周已落下帷幕。 本次驴象之争确实精彩。 摇摆州佛多里达州拥有29张选举人票,成为历年大...

t01e322220d338a68b4.jpg

 四年一次的美国大选上周已落下帷幕。

本次驴象之争确实精彩。

摇摆州佛多里达州拥有29张选举人票,成为历年大选两党必争的摇摆州,流传着“得佛州者得天下”的说法

11.9号开票时我们发现一个现象, 两党在佛州的选票是轮替领先的。票数都开了一大半了,结果还是在变来变去,无法确定。

在其它的州的开票过程中也有这种情况.

为什么会出现这种情况?  

说明选票的开票不是随机的。有一定的潜在因素在影响。

假设有1000万张选票,如果我们随机化抽取100万张选票,理论上我们就应该能轻松推论出谁的票数是领先的。

在选举前,很多民调结果都是预测是希拉里获胜, 最后却是特朗普获胜了。
为什么?

说明这些民调机构用了各种数学模型,都无法随机取样。 最后不随机的样本,得出一个不正确的结果。

所以随机化很重要。

我们在做质量数据分析时,随机化同样非常重要。随机化能帮我们排除很多潜在的干扰因素。

抽样时的随机抽样。

测量系统分析时人员和测量部件的随机化

实验设计时,实验顺序的随机化。


下面介绍一个简单的随机化的方法:

假设我们有16次设验要做。

编好号,输入在Excel中.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

打6SQ统计3.0--实用工具--随机数发生器.

选择 正态分布 (或其它任意分布),变量个数输入 1 随机数个数 16.

IMG_5684.PNG



确定生成 16个随机数。跟刚才的16组实验数分别放在不同的列。
1    88.6
2    100.82
3    105.09
4    93.91
5    94.16
6    99.72
7    91.66
8    107
9    91.65
10    106.99
11    94.94
12    102.34
13    94.43
14    120.64
15    79.93
16    102.33
选择两个列,打开excel数据--排序, 选择主要关键字为随机数列


IMG_5685.PNG



确认后,数据重新排列, 数据A中就是我们随机化后,真正要做实验的顺序。

IMG_5686.PNG


当然,如果您觉的随机化还不够,可以再取16个随机数,再随机一次。 收起阅读 »

1分钟教你制作单比例检验

县地区检察官想竞选州地区检察官职位。她已决定,如果她的党派成员中支持她的人超过 65%,她就放弃县检察官职位,而竞选州检察官职位。您需要检验 H0:p = .6...
县地区检察官想竞选州地区检察官职位。她已决定,如果她的党派成员中支持她的人超过 65%,她就放弃县检察官职位,而竞选州检察官职位。您需要检验 H0:p = .65 与 H1:p > .65。 

作为竞选活动管理者,您收集了 950 名随机选择的党派成员的数据,并发现有 560 人支持该候选人。您进行了一项比率检验,以确定支持者的比率是否大于必需比率 0.65。此外,还构造了 95% 的置信限,以确定支持者比率的下限。
操作:
1, 6SQ统计--估计和假设检验--单比例检验

 
2, 试验数输入 950  事件数输入 560  假设比例为 0.65
 备择假设选择  大于

a07ae7d55cecfdddc11492ece485b621.png


3, 确认输出结果

98c2dcdd9926a72ccefdc546f1516e23.png


6d4edbb05416ff5cb820b756f54827d1.jpg


 
解释结果

p 值 1.0 表示,数据与原假设一致(H0:p = 0.65),即支持候选人的党派成员的比率不大于 0.65 这一必需比率。作为活动管理者,您建议她不要竞选州地区检察官职位。
  收起阅读 »

1分钟教你制作双样本t检验

为了提高家庭暖气系统的效率,进行了一项旨在评估两种设备功效的研究。安装其中一种设备后,对房舍的能耗进行了测量。这两种设备分别是电动气闸 和热活化气闸 。能耗数据...
为了提高家庭暖气系统的效率,进行了一项旨在评估两种设备功效的研究。安装其中一种设备后,对房舍的能耗进行了测量。这两种设备分别是电动气闸 和热活化气闸 。能耗数据(气闸内置能量消耗)堆叠在一列中,另外还有一个分组列(气闸),包含用于表示总体的标识符或下标。假设进行了方差检验,并且没有发现方差不等的证据(请参见双方差示例)。现在,您要确定是否有证据证明这两种设备之间的差值不为零,以比较出这两种设备的功效。
数据如下:
 
热活化气闸 电动气闸
13.07 8.25
7.6 9.66
3.2 8.33
9.28 8.82
9.73 12.06
11.73 9.67
9.67 17.51
10.76 10.79
11.05 13.59
17.63 7.99
15.58 12.64
12.53 14.42
11.87 9.25
14.19 7.79
6.84 11.29
11.89 10.26
7.41 9.46
7.42 14.77
10.83 7.21
9.44 4.29
12.94 9.81
13.15 8.41
11.69 6.78
7.73 16.3
11.94 9.01
13.62 11.41
17.07 12.37
14.66 13.28
9.56 7.24
12.37 10.55
8.33 13.89
8.67 10.72
11.27 9.22
11.67 10.61
9.37 10.04
8.93 10.2
8.41 20.55
12.85 11.75
5.27 7.08
10.02 5.5
7.87
11.82
14.42
13.69
10.77
15.26
14.53
6.84
10.92
13.05
 
操作:
1, 6SQ统计--估计和假设检验--双样本t检验

 
2,置信水平输入 95% 选择样本1和样本2数据列
 备择假设选择 不等于 . 图表选择 数据单值图。

QQ图片20161007124940.png

3,点击确认输出结果:

QQ图片20161007125955.png


Sheet5_SixSQStat_IndivadualPlot.jpg

解释结果

由于以前没有发现方差不等的证据,因此我们通过选中假定等方差选择了使用合并标准差。合并标准差 2.8818 用来计算检验统计量和置信区间 。

第二个表给出了总体均值之间差值的置信区间。对于此示例,95% 置信区间为 (-1.450, 0.980),其中包含零,这表明不存在差异。接下来是假设检验 结果。检验统计量为 -0.38,p 值为 0.701,自由度 为 88。

由于 p 值 大于通常选择的 a 水平 ,因此,没有证据证明,使用电动气闸与使用热活化气闸在能耗上有差异
 
Excel数据案例
http://pan.baidu.com/s/1i5AXSRN​
  收起阅读 »

1分钟教你制作单样本t检验

对九个小配件进行了测量。根据历史经验,小配件的测量数据的分布接近于正态,但假设不知道 s。为了检验总体均值是否为 5 并获得均值的 90% 置信区间,需要使用 ...
对九个小配件进行了测量。根据历史经验,小配件的测量数据的分布接近于正态,但假设不知道 s。为了检验总体均值是否为 5 并获得均值的 90% 置信区间,需要使用 t 检验。
数据如下:

4.9
5.1
4.6
5.0
5.1
4.7
4.4
4.7
4.6
 
操作:
1, 6SQ统计--估计和假设检验--单样本t检验

2,置信水平输入 90% 假设均值 5   
 备择假设选择 不等于 . 图表选择 数据单值图。

QQ图片20161006155356.png

3,点击确认输出结果:

QQ图片20161006155448.png


输出结果_SixSQStat_IndivadualPlot.jpg

解释结果

对于 H0:m = 5,检验统计量 T 的计算结果为 -2.56。

此检验的 p 值 或在原假设为真时获得检验统计量的更接近的极值的概率为 0.034。这称为达到的显著水平 或 p 值。因此,如果可接受的 a 水平大于 p 值或 0.034,则否 H0 。

总体均值 m 的 90% 置信区间 为 (4.6357,4.9421)。此区间略宽于单样本 Z 示例中显示的对应 Z 区间。
 
excel案例数据
http://pan.baidu.com/s/1i5AXSRN​ 

6SQ统计3.0企业版90天试用下载​ http://pan.baidu.com/s/1i5AXSRN    收起阅读 »

1分钟教你制作单样本Z检验

对九个小配件进行了测量。您知道,根据历史经验,测量值的分布接近于正态,且 s = 0.2。由于已知 s,并且要检验总体均值是否为 5 并获得均值的 90% 置信...
对九个小配件进行了测量。您知道,根据历史经验,测量值的分布接近于正态,且 s = 0.2。由于已知 s,并且要检验总体均值是否为 5 并获得均值的 90% 置信区间,因此使用 Z 检验。
 
数据如下:

4.9
5.1
4.6
5.0
5.1
4.7
4.4
4.7
4.6
 
操作:
1, 6SQ统计--估计和假设检验--单样本Z检验

QQ图片20161006152547.png

 
2,置信水平输入 90% 假设均值 5  总体标准偏差0.2 
 备择假设选择 不等于 . 图表选择 数据单值图。
QQ图片20161006153358.png

 
3,点击确认输出结果:
QQ图片20161006153630.png


Sheet4_SixSQStat_IndivadualPlot.jpg

解释结果

用于检验总体均值是否等于 5 的检验统计量 Z 为 -3.17。p 值 或在原假设为真时否定原假设的概率为 0.0015。这称为达到的显著水平 、p 值或检验达到的 a。由于 p 值 0.0015 小于通常选择的 a 水平 ,有显著证据表明 m不等于 5,因此否定 H0,支持 m 不等于 5。

通过查看单值图还可以执行 a = 0.1 时的假设检验 。假设值落于总体均值的 90% 置信区间 (4.6792, 4.8985) 之外,因此可以否定原假设。

excel案例数据
http://pan.baidu.com/s/1i5AXSRN​
  收起阅读 »

1分钟教你制作测量系统线性案例

某工厂检验员对某过程引进一套新测量系统,作用PPAP的一部分需要对测量系统的线性进行评价。 根据已文件化的过程变差描述,在测量系统的全部工作量程范围内选取了五个...
某工厂检验员对某过程引进一套新测量系统,作用PPAP的一部分需要对测量系统的线性进行评价。
根据已文件化的过程变差描述,在测量系统的全部工作量程范围内选取了五个零件。通过对每个零件进行
全尺寸检验测量以确定其参考值,然后由主要操作者对每个零件测量12次。 在分析中,这些零件是附件抽取的.
 
数据如下:
 
基准值                
2    4    6    8    10
测试数据                
2.7    5.1    5.8    7.6    9.1
2.5    3.9    5.7    7.7    9.3
2.4    4.2    5.9    7.8    9.5
2.5    5    5.9    7.7    9.3
2.7    3.8    6    7.8    9.4
2.3    3.9    6.1    7.8    9.5
2.5    3.9    6    7.8    9.5
2.5    3.9    6.1    7.7    9.5
2.4    3.9    6.4    7.8    9.6
2.4    4    6.3    7.5    9.2
2.6    4.1    6    7.6    9.3
2.4    3.8    6.1    7.7    9.4
 
操作:
1, 6SQ统计--测量系统分析--线性

 
2, 分布选择基准值范围和数据范围

QQ图片20161005135844.png

3,点确定,输出结果

QQ图片20161005140219.png


Sheet16_SixSQStat_LinearityChart.jpg


线性百分率(斜率 * 100 的绝对值)是 13.2,这表示量具线性占整个过程变异的 13%。

Excel数据及案例
http://pan.baidu.com/s/1i5AXSRN​ 

  收起阅读 »

1分钟教你制作计数型测量系统案例

MSA手册中的案例。 随机选择了50个表示过程的部件。由三名操作员按照随机顺序评价这50个部件,每个部件评价三次  1表示判断为良品,0表示判断为坏品 同时这5...
MSA手册中的案例。
随机选择了50个表示过程的部件。由三名操作员按照随机顺序评价这50个部件,每个部件评价三次
 1表示判断为良品,0表示判断为坏品
同时这50个部件的准确值我们是已知的。
注意:
  目前本软件只能分析两个层次的计数型测量系统分析。即分为良品/坏品,好/坏。 而不可以用于分析更多层次的,比喻,好 中 坏。
 
操作:
1, 6SQ统计--测量系统分析--计数型测量系统研究

 
2, 输入: 实验次数: 3
          评价人数: 3
          零件个数: 50
QQ图片20161004152756.png

 
点击设计,输出设计表格.
QQ图片20161004153010.png

 
3,在青色的区域填入实验数据,  1表示判断为良品,0表示判断为坏品 . 
 填入基准.
 基准值是这个样品的真实测量值,与计算无关,可以不填
QQ图片20161004153343.png

 
4, 分析时请选择红色框内的区域!点击确认输出结果.
QQ图片20161004152756.png

QQ图片20161004154735.png

QQ图片20161004154740.png

Kappa值大于0.75则表示有很好的一致性,Kappa最大值为1,Kappa小于0.4则表示一致性差。
 
注释:
(1) 评价人自己在所有试验上都一致
(2) 评价人在所有试验上都与基准一致
(3) 所有评价人自己保持一致,两两间一致
(4) 所有评价人自己和两两间一致并且于基准一致
(5) UCI和LCI分别是上、下置信区间边界线

QQ图片20161004155129.png


为进一步分析,列出以下表格, 为每个评价人的结果提供指南。
结论: 当考量有了有效性,错误率与错误警报率, 该测量系统究评价人B来说有限度的接受,评价人A处于边缘,评价人C不可接受。
 
Excel数据案例:
http://pan.baidu.com/s/1i5AXSRN​
  收起阅读 »

1分钟教你制作GR&R案例(方差分析法)

MSA手册中的案例。 选择了十个表示过程变异预期极差的部件。由三名操作员按照随机顺序测量这十个部件,每个部件测量三次。 我们用方差分析法进行GRR分析:   操...
MSA手册中的案例。
选择了十个表示过程变异预期极差的部件。由三名操作员按照随机顺序测量这十个部件,每个部件测量三次。
我们用方差分析法进行GRR分析:
 
操作:
1, 6SQ统计--测量系统分析--量具R&R(方差分析法)
QQ图片20161002161834.png

 
2,输入 实验次数: 3 
     评价人数: 3  
     零件个数:10
QQ图片20161002161757.png

点击设计,生成数据表。
QQ图片20161002160904.png


3,填入实验数据
QQ图片20161002162717.png

4,数据范围选择全部的红色的框内,输入过程公差8 , 点击确认,输出分析结果。

QQ图片20161002161757.png


QQ图片20161002163437.png

Sheet12_SixSQStat_VarComp.jpg

Sheet12_SixSQStat_XBarChart.jpg

Sheet12_SixSQStat_RChart.jpg

Sheet12_SixSQStat_MeasurementPart.jpg

Sheet12_SixSQStat_MeasurementApp.jpg

Sheet12_SixSQStat_InteractionPlot.jpg

 
会话窗口输出 

·    查看方差分析表中操作员*部件交互作用的 p 值。当操作员与部件的 p 值 > 0.05 时,在整个模型中忽略此交互作用。请注意,有一个方差分析表没有交互作用,因为 p 值为 0.974。

·    查看量具 R&R 表中的“%贡献”列 - 来自部件间的贡献百分比 (92.24) 大于合计量具 R&R 的贡献百分比 (7.76)。这表明大部分变异是由于部件间的差异所致。 

·    查看“%研究变异”列 - 合计量具 R&R 占研究变异的 27.86%。虽然合计量具 R&R %贡献是可接受的,但仍有改进的余地。请参见测量系统可接受性准则。 

·    对于此数据,可区分的类别数为 4。按照 AIAG 的要求,您需要至少 5 个可区分类别才能得到满足要求的测量系统。请参见可区分类别数声明。 



图形窗口输出 


·    在“变异分量”图中,部件间的贡献百分比大于合计量具 R&R 的贡献百分比,表明大部分变异是由于部件间的差异所致。

·    在“按部件”图中,部件间存在较大差异,。

·    在“R 控制图(按操作员)”中,操作员 B 的部件测量值很不稳定。 

·    在“按操作员”图中,与部件间的差异相比,操作员之间的差异较小,但仍属显著(p 值 = 0.00)。操作员 C 的测量值似乎比其他人略低一些。

·    在“Xbar 控制图(按操作员)”中,X 和 R 控制图中的大部分点都在控制限制之外,表明变异主要是由于部件间的差异所致。

·    “操作员*部件交互作用”图是对于操作员*部件的 p 值(此处为 0.974)的直观表示,表明每个部件和操作员之间不存在显著的交互作用。
 
Excel数据案例:
 http://pan.baidu.com/s/1i5AXSRN​ 

6SQ统计3.0企业版90天试用下载​ http://pan.baidu.com/s/1i5AXSRN    收起阅读 »

1分钟教您制作C控制图

假定您供职于一家亚麻制品厂。每 100 平方码的织物可以有一定数量的瑕疵,超过该数量,便会被拒收。为了保证质量,您需要在若干天时间内跟踪每 100 平方码织物的...
假定您供职于一家亚麻制品厂。每 100 平方码的织物可以有一定数量的瑕疵,超过该数量,便会被拒收。为了保证质量,您需要在若干天时间内跟踪每 100 平方码织物的瑕疵数,以便弄清楚生产过程是否按预期运行。
 
数据如下:
瑕疵
2
4
1
1
4
5
2
1
2
4
4
3
5
2
1
1
2
3
2
4
3
2
4
3
2
3
5
1
4
3
4
2
3
6
4
0
1
2
3
1
 
1, 6SQ统计--统计过程控制--C图

 
2, 选择数据范围。
判异规则,我们只选择了规则1,超出控制限。

QQ图片20160923224402.png

3,确认,输出结果:
Sheet4_SixSQStat_SPCcChart.jpg


解释结果

因为点落在随机图案内,且位于 3s 控制限制的边界内,所以您推断过程按预期运行并且受控制。
 
Excel案例数据
http://pan.baidu.com/s/1i5AXSRN​
  收起阅读 »

1分钟教您制作U控制图

作为玩具生产公司的生产经理,您需要监控每个电动玩具车单位的缺陷数。请检验 20 单位的玩具并创建一个 U 控制图来检验每单位玩具的缺陷数。您希望 U 控制图提供...
作为玩具生产公司的生产经理,您需要监控每个电动玩具车单位的缺陷数。请检验 20 单位的玩具并创建一个 U 控制图来检验每单位玩具的缺陷数。您希望 U 控制图提供直接控制限制,因此将子组大小固定为 102(每单位的平均玩具数目)。 
数据如下:
 
缺陷数
9
11
2
5
15
13
8
7
5
2
4
4
2
5
5
2
3
2
1
6
 
1, 6SQ统计--统计过程控制--U图

 
2, 选择数据范围, 子组尺寸是固定的,输入102
判异规则,我们只选择了规则1,超出控制限。

QQ图片20160923183306.png

 
3,确认,输出结果:

Sheet4_SixSQStat_SPCuChart.jpg

解释结果

单位 5 和 6 在控制上限直线上面,这表示存在特殊原因影响了这些单位中的缺陷数。您应该分析是什么特殊原因影响了这些单位的受监控玩具车的缺陷数,使其超出控制。
 
excel案例数据
http://pan.baidu.com/s/1i5AXSRN收起阅读 »

1分钟教您制作NP控制图

您在一家玩具生产公司工作,您的职责是检验有缺陷车胎的数量。您每批检验 200 个样本,然后决定创建一个 NP 控制图来监控缺陷品的数量。   数据如下: 拒绝数...
您在一家玩具生产公司工作,您的职责是检验有缺陷车胎的数量。您每批检验 200 个样本,然后决定创建一个 NP 控制图来监控缺陷品的数量。
 
数据如下:
拒绝数 已检验
8 200
13 200
7 200
8 200
5 200
13 200
7 200
12 200
27 200
10 200
12 200
6 200
10 200
9 200
13 200
7 200
8 200
5 200
15 200
25 200
7 200
10 200
5 200
12 200
6 200
6 200
10 200
17 200
14 200
11 200
 
1, 6SQ统计--统计过程控制--NP图

 
2, 选择数据范围, 子组尺寸 输入 200
判异规则,我们只选择了规则1,超出控制限。
QQ图片20160923182051.png

3,确认,输出结果

输出结果_SixSQStat_SPCnpChart.jpg

 
解释结果

检验批次 9 和 20 超出控制上限,这表示可能有特殊原因影响了这两个批次的缺陷品数。您应该分析是什么特殊原因影响了检验批次 9 和 20 的车胎缺陷品数,使其超出控制。
Excel案例数据:
http://pan.baidu.com/s/1i5AXSRN​
  收起阅读 »

1分钟教您制作P控制图

假定您在一家生产电视机显像管的工厂工作。对于每个批次,您都会抽取一些显像管并进行视像检验。如果显像管内侧有刮痕,您就会拒收它。如果某个批次的拒收数太多,您会对该...
假定您在一家生产电视机显像管的工厂工作。对于每个批次,您都会抽取一些显像管并进行视像检验。如果显像管内侧有刮痕,您就会拒收它。如果某个批次的拒收数太多,您会对该批次进行 100% 的检验。P 控制图可以定义何时需要检验整个批次。
 
数据如下:
 
拒绝数 抽样
20 98
18 104
14 97
16 99
13 97
29 102
21 104
14 101
6 55
6 48
7 50
7 53
9 56
5 49
8 56
9 53
9 52
10 51
9 52
10 47
 
1, 6SQ统计--统计过程控制--P图
    
 
2, 选择数据范围, 样本尺寸是不固定的,选择上"抽样"列
判异规则,我们只选择了规则1,超出控制限。
QQ图片20160923175749.png

 
3, 确认,输出结果:
Sheet4_SixSQStat_SPCpChart.jpg

 
结论:
有一个点超出了控制限.
6SQ统计3.0企业版90天试用下载
 
Excel案例数据
http://pan.baidu.com/s/1i5AXSRN收起阅读 »

1分钟教您制作I-MR-R/S 控制图

"假设您想要确定为纸卷包一层薄膜这一过程是否受控制。您关心用于包卷纸的薄膜的厚度是否正确以及整个纸卷包得是否均匀。您从 15 个连续纸卷中抽取 3 个...
"假设您想要确定为纸卷包一层薄膜这一过程是否受控制。您关心用于包卷纸的薄膜的厚度是否正确以及整个纸卷包得是否均匀。您从 15 个连续纸卷中抽取 3 个样本,并测量外层薄膜的重量。 

由于您想了解整个纸卷包得是否均匀以及每个纸卷是否包裹正确,因此使用6SQ统计 创建 I-MR-R/S 控制图。
数据如下:
 
外层薄膜
269 306 279
274 275 302
268 291 308
280 277 306
288 288 298
278 288 313
306 284 308
303 292 307
306 292 307
283 303 297
279 300 299
285 279 293
274 278 297
265 278 282
269 276 286
 
1, 6SQ统计--统计过程控制--I-MR-R/S(组间/组内)                                
                                       
       
 
2, 选择数据范围, 一组数据只有3个,所以选择估计标准差方法 Rbar 
判异规则,我们只选择了规则1,超出控制限。
                                    
QQ图片20160916175746.png

 
3, 确认,输出结果:

Sheet6_SixSQStat_SPCIndiChart.jpg


Sheet6_SixSQStat_SPCMRChart.jpg


Sheet6_SixSQStat_SPCRChart.jpg


QQ图片20160916180052.png


QQ图片20160916180056.png

采用Rbar计算标准差

解释结果

单值控制图显示控制限制之外有五个点,表明此过程不受控制。 

Excel数据和案例下载
http://pan.baidu.com/s/1i5AXSRN​ 

                                  收起阅读 »

1分钟教您制作单值-移动极差控制图

作为石灰石采石场的渠道经理,您要监视每周向重要客户运送的 45 批石灰石的重量(磅)和变异。每一批的重量应近似为 930 磅。现在,您要使用单值和移动极差控制图...
作为石灰石采石场的渠道经理,您要监视每周向重要客户运送的 45 批石灰石的重量(磅)和变异。每一批的重量应近似为 930 磅。现在,您要使用单值和移动极差控制图来检查数据。
 
重量
905
930
865
895
905
885
890
930
915
910
920
915
925
860
905
925
925
905
915
930
890
940
860
875
985
970
940
975
1000
1035
1020
985
960
945
965
940
900
920
980
950
955
970
970
1035
1040
 
1, 6SQ统计--统计过程控制--单值-移动极差图

 
2, 选择数据范围, 选择包含水平直方图
判异规则,我们只选择了规则1,超出控制限。

QQ图片20160916171952.png

 
3, 确认,输出结果:

QQ图片20160916172121.png


QQ图片20160916172125.png


QQ图片20160916172246.png

 
解释结果

单值控制图显示控制限制范围之外有 6 个点,控制限制范围之内有 22 个点,表示有非随机模式,从而说明存在特殊原因 。移动极差控制图显示有一个点高于控制上限。您应该仔细检查采石场的生产流程,以改进对石灰石运送重量的控制。 

Excel数据和案例下载
http://pan.baidu.com/s/1i5AXSRN​   收起阅读 »

1分钟教您制作Xbar-S 控制图

您正在对 9 位严格进行节食和日常锻炼的病人研究其血糖水平。要监视病人血糖水平的均值和标准差,请创建 X 和 S 控制图。您在 20 天中每天采集每位病人的血糖...
您正在对 9 位严格进行节食和日常锻炼的病人研究其血糖水平。要监视病人血糖水平的均值和标准差,请创建 X 和 S 控制图。您在 20 天中每天采集每位病人的血糖读数。 
 
数据如下:
血糖水平
85 87 150 100 100 90 70 72 75
70 85 143 100 121 92 66 70 69
75 80 140 92 130 83 70 68 67
75 83 149 95 130 80 68 85 75
73 78 140 90 124 86 69 70 75
77 110 165 110 150 110 115 80 75
75 98 172 110 145 110 95 52 80
96 110 168 110 145 110 80 80 75
89 95 170 110 145 120 89 72 79
75 95 220 100 149 100 110 80 85
80 90 165 103 135 95 77 76 85
80 88 155 103 120 85 79 78 82
75 85 150 103 135 90 75 85 78
75 88 150 95 130 90 70 76 89
82 95 145 100 133 90 77 89 79
80 90 165 103 135 95 77 86 80
85 100 160 120 140 100 90 79 92
70 100 165 120 140 100 120 86 71
95 100 155 120 139 100 89 86 78
78 110 158 122 145 108 95 95 78
 
1, 6SQ统计--统计过程控制--均值和标准偏差图

 

QQ图片20160916164034.png

2, 选择数据范围, 选择包含水平直方图,和显示2sigma线
判异规则,我们只选择了规则1,超出控制限。

QQ图片20160916164034.png

3, 确认,输出结果:

QQ图片20160916164502.png

 
QQ图片20160916164507.png


QQ图片20160916164713.png

 
解释结果

10 天中的血糖水平均值和标准差落于控制限制范围内。9 位节食并进行日常锻炼的病人的血糖水平及其变异性均受控制。 
 
Excel数据和案例下载
http://pan.baidu.com/s/1i5AXSRN​
  收起阅读 »

1分钟教您制作Xbar-R 控制图

您在汽车发动机组装厂工作。部件之一的凸轮轴的长度必须为 600 毫米 +2 毫米以满足工程规格。凸轮轴长度不符合规格是一个长期以来的问题,它引起装配时配合不良,...
您在汽车发动机组装厂工作。部件之一的凸轮轴的长度必须为 600 毫米 +2 毫米以满足工程规格。凸轮轴长度不符合规格是一个长期以来的问题,它引起装配时配合不良,导致废品率和返工率都居高不下。您的主管要绘制 X 和 R 控制图以监控此特征,于是您在一个月中从工厂使用的所有凸轮轴收集共 100 个观测值(20 个样本,每个样本中 5 个凸轮轴),并从每个供应商处收集 100 个观测值。首先您将看到供应商2 生产的凸轮轴。       
 
数据如下:
 
供应商 2
601.6 600.4 598.4 600 596.8
602.8 600.8 603.6 604.2 602.4
598.4 599.6 603.4 600.6 598.4
598.2 602 599.4 599.4 600.8
600.8 598.6 600 600.4 600.8
600.8 597.2 600.4 599.8 596.4
600.4 598.2 598.6 599.6 599
598.2 599.4 599.4 600.2 599
599.4 598 597.6 598 597.6
601.2 599 600.4 600.6 599
602.2 599.8 599.8 601 601.6
601.6 600.2 601.8 601.2 597.6
599.8 602.8 600 599.6 602.2
603.8 603.6 601.8 602 603.6
600.8 600.2 600.4 600.2 602.2
598 598.4 600.8 602.8 597.6
601.6 603.4 597 599.8 597.8
602.4 602.2 600.6 596.2 602.4
601.4 599.2 601.6 600.4 598
601.2 604.2 600.2 600 596.8
 
1, 6SQ统计--统计过程控制--均值和极差图
   
QQ图片20160913234130.png

 
2, 选择数据范围, 填入产品规格598 602 , 选择包含水平直方图,和显示规格线
判异规则,我们只选择了规则1,超出控制限。
QQ图片20160913235012.png


3, 确认,输出结果:

QQ图片20160913234732.png

均值图,有两个点超出控制图。 红色虚线是规格线,也有点超出规格外。
从直方图分布来看,也有点超出了规格线,说明过程能力不足。
QQ图片20160913234819.png

极差图。
QQ图片20160913234555.png

6SQ统计可以同时算出cpk,ppk, ppk只有0.314,明显能力不足。 

解释结果

X 控制图上的中心线在 600.23 处,表明您的过程落于规格限制范围内,但是有两点在控制限制以外,表明该过程不稳定。R 控制图上的中心线在 3.72 处,也远远超出了允许的最大变异 +2 毫米。因此您的过程中可能存在非常大的变异。
        
Excel数据和案例下载
http://pan.baidu.com/s/1i5AXSRN
                                         
6SQ统计3.0企业版90天试用下载​ http://pan.baidu.com/s/1i5AXSRN  收起阅读 »