线性和偏倚研究在Minitab中的实现(二)
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。JMP和Minitab之变异源分析功能的差异
打开微信“扫一扫”，打开网页后点击屏幕右上角分享按钮
1.扫描左侧二维码
2.点击右上角的分享按钮
3.选择分享给朋友
质量管理（包括六西格玛）的一个重要目标就是减少生产过程中产品性能的变异。然而，实际流程中可能影响产品性能变异的因素有很多，同时也很难一下子分清孰轻孰重。变异源分析（Source of Variation，简称SOV）能够帮助我们解决这方面的问题，它通过统计分析，调查清楚变异是由哪几部分原因组成的, 而且定量地给出每部分原因所产生的变异究竟在总变异中占多大的比例。从统计方法层面上讲，它主要用到的是方差分析、方差分量的计算以及相关统计图形的绘制。JMP和Minitab是质量管理领域最常用的两款。我在摩托罗拉工作的时候，两个都用过，这里经过一个具体的案例来看看两个软件的操作及结果显示对比。例： 在生产精密轴承的过程中，随机选取3个工人，都使用相同的4台车床, 各自加工出3个产品。根据测量结果，能否发现主要的变异源是什么吗？（工人中的每个水平与车床中的每个水平进行了全面搭配，因此确定两者是交叉关系）。先来看看Minitab。为了实现变异源分析的功能，在Minitab中须启用三个菜单命令。第一个是“统计 & 质量工具 & 多变异图”，选择“长度”为“响应”，“车床”和“工人”分别为“因子1”和“因子2”，即可得到以下所示的初步分析的图形化结果。 第二个是“统计 &方差分析& 一般线性模型”，选择“长度”为“响应”，在“模型”中填入“车床、工人、车床*工人”，选择“车床、工人”为“随机因子”，在“结果”选项中，在“方差分析表”和“显示期望均方和方差分量”两项被选中，则可以在会话窗口中得到以下结果： 其中最后一段就是我们需要计算的各变异源方差分量的估计值，我们需要把它们手工输入（至少要用到“复制/粘贴”功能）到数据表中，以备后用。第三个是“统计 & 质量工具 & Pareto图”，选择“来源”为“缺陷或属性数据在”，“估计值”为“频率位于”，即可得到以下所示的用图形表达的最终分析结果。 显然，车床的方差分量所占比率最大（达73.3%），且远大于其他变异源。因此，为了解决产品质量波动过大的问题，必须重点关注车床这个因素。点击下一页：
您的昵称：
美国的游客
(您将以游客身份发表，请 | )
JMP是什么?
JMP,JMP是什么? 通过电子工程专辑网站专业编辑提供JMP的最新相关信息,掌握最新的JMP的最新行业动态资讯、技术文萃、电子资料,帮助电子工程师自我提升的电子技术平台.
变异源分析是什么?
变异源分析,变异源分析是什么? 通过电子工程专辑网站专业编辑提供变异源分析的最新相关信息,掌握最新的变异源分析的最新行业动态资讯、技术文萃、电子资料,帮助电子工程师自我提升的电子技术平台.
质量管理是什么?
质量管理,质量管理是什么? 通过电子工程专辑网站专业编辑提供质量管理的最新相关信息,掌握最新的质量管理的最新行业动态资讯、技术文萃、电子资料,帮助电子工程师自我提升的电子技术平台.
新添订阅功能，提供全面快捷的资讯服务！
关注电子工程专辑微信
扫描以下二维码或添加微信号“eet-china”
访问电子工程专辑手机网站
随时把握电子产业动态，请扫描以下二维码
5G网络在提供1Gbps至10Gbps吞吐量方面具有很好的前途， 并且功耗要求比今天的网络和手机都要低，同时还能为关键应用提供严格的延时性能。本期封面故事将会与您分享5G的关键技术发展，以及在4G网络上有怎样的进步。
新版社区已上线，旧版论坛、博客将停用
1、为防数据丢失，旧版论坛、博客不再接受发帖；
2、老用户只需重设密码，即可直接登录新平台；
3、新版博客将于8月底完美归来，敬请期待；
4、全新论坛、问答，体验升级、手机阅读更方便。
推荐到论坛，赢取4积分mintab 测量系统线性 过程变异怎么计算_百度知道
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。
mintab 测量系统线性 过程变异怎么计算
我有更好的答案
一起讨论一下。关于GRR使用的规格还是制程总变异的问题;&gt。我的理解是进料检验等判定产品是好品还是坏品的测量系统使用工程规格，如果评估制程的测量系统，主要是监控制程变异之目的时，可以使用样品的总变异。这就对你在准备样品的时候提出了很高的要求。 &gt我的工作主要是分析量测系统，如果大家有什么问题可以提出来
采纳率：98%
为您推荐：
其他类似问题
换一换
回答问题，赢新手礼包当前位置： >>
MINITAB的使用
MINITAB 使用手册 本手册主要介绍如何使用 MINITAB，应用统计分析手法以推动 Six Sigma 的 MAIC 方案改善步骤。以下我们就 MAIC 各阶段的重点及 MINITAB 所提供的相关应 用工具逐步说明。 所谓 MAIC 是指测量（Measure） 、分析（Analyze） 、改善（Improve）与控制 （Control）四个阶段，分别解释如下： 测量：确认测量系统能正确地测量目前过程与流程的绩效水平。 分析：找出造成过程绩效变异的关键变数及其影响程度。 改善：改善造成过程绩效变异的关键变数，以改善过程、流程绩效水平。 控制：维持改善成果，并标准化、文件化以防止再发生。MINITAB 在 Six Sigma 各个阶段使用工具说明: 一、 测量阶段――使用工具测量系统分析 （MSA: Measurement System Analysis） ； 二、 过程数据的收集与分析阶段――使用工具如下： 1、 原因分析： -特性要因图（Cause-and-Effect Diagram） 2、 稳定性分析： ――推移图（Run Chart）――控制图（Control Chart） 3、 过程能力分析： ――常态分配的检定（Normal Probability Plot） ――对称图（Symmetry Plot） ――过程能力指数：Cpk(Cpk 越好，过程能力越好，Target: Cpk&1.33) 4、 一维与三维（One & Three-Dimensional）图形分析 ――点图（Dot Plot） ――箱形图（Box and Whisker Plots） ――直方图（Histogram） ――3D 图（3D Plot） 5、 输入参数/输出品质特性数据分析： ――柏拉图（Pareto Plot） ――散布图（Scatter Diagram） ――边际图（Marginal Plot） ――矩阵图（Matrix Plot） ――等高线图（Contour Plot） 6、 数据分配形态、差异、相关性分析工具： - 决定过程数据的分配形态及分布（叙述统计： Display Descriptive Statistics） - 决定过程平均值与我们标准值的目标值是否相同？（ 1-Sample Z ； 1-Sample t） -决定两个过程或更多过程之间的平均值是否相同？（两个过程的比较使 用 2-Sample t or Paired t, 2 者以上或更多之间的比较使用 1-Way ANOVA） -决定两组资料的变异数彼此之间是否相同？（2 Variance） -决定新零件或新原料制程产品不良率是否与原先的相同？ （1-Proportion；2-Proportion） -决定两者或更多变数之间是否有关联？（Linear Regression Analysis Correlation） 7、 变异数成分分析 ――多变数图（Multi C Vari Chart） ――二因子变异数分析（2-Way ANOVA） 三、 改善阶段――使用工具实验设计（DOE: Design of Experiments） 四、 控制阶段――使用工具如下： ――统计过程控制（SPC： Statistical Process Control） ――过程能力分析（Process Capability Analysis）,确认过程能力是否 能稳定的符合规格及不良率。 MINITAB 统计工具介绍 一、 量测系统分析 任何时候进行一个过程的数据的测量，都会发现变异（误差）的存在，这些 变异主要来自于两部分――任何过程所产出的零件之间一定都会有差异； 测量方 法本身引起的变异。因此就算重复测量同一个物件，不一定会得到相同的结果。 统计过程管制 SPC 重在研究 Part to Part(部件与部件间)的变异，而且尽可能将变异降到最小以达到产品一致的目标。但是在进行任何 SPC 的分析之前， 我们应该检查所观察到的变异是否有偏高的误差是因测量系统所引起的。 过程开发中的每一个流程都是根据过程所测量到的数据进行统计/图形分析 所得到的结果， 来判断过程能力是否符合工程规格，然后进行设备调整与过程改 善的。 但是大部分的数据都是经由测量仪器设备得到，测量数据品质的好坏和测 量系统是否处在一个稳定的状况下有关。测量数值品质的衡量指标主要有偏差 （Bias）和变异（Variation） ，偏差是指偏离标准值的程度，而变异则是指数据 的分布扩算程度。 如果测量仪器或人员的误差很大，容易造成测量数据的平均值 偏离真值， 也就是造成偏差或变异大于过程实际的变异，以误差大的过程数据来 判断过程进行调整或管制，影响是很难衡量的。 MINITAB 提供许多工具指令，帮助了解过程的变异有多少是因为测量系统的 变异所造成的。Stat-Quality Tools-Gage Study1) Gage Run Chart:检测测量系统的精确度 2) Gage R&R Study (Crossed):可重复性分析 3) Gage R&R Study(Nested):不可重复性分析 4) Gage Linearity and Bias Study: 量具的线性及偏差分析；检验 Gage 的线性与准确度。 其中，对于再生性与再现性的研究，有两种方法：Xbar-R 与 ANOVA，严格来 说，ANOVA 方法比 Xbar-R 的方法较正确，因为它有考虑到操作人员与零件/物料 的交互作用。Gage R&R Study (Crossed)可以让你选择用 Xbar-R 或 ANOVA 的方 法，而 Gage R&R Study(Nested)则只能用 ANOVA 的方法。 Gage R&R Study (Crossed)数据收集方法： 在进行一个 Gage R&R 试验前，操作员的人数、被测量的零件数目、每一个 零件被反复测量的次数、被测量的零件特性，与测量的环境都必须先行决定。通 常我们重点考虑下列几点： A、 操作员：随机选取几个使用量具的操作员，这可以让我们评估量具对不同操 作员的敏感度。 B、 零件：自同一规格的零件中随机选取 5 到 10 个零件进行测量。 C、 反复测量的次数：每一个零件的测量特性被每一个操作员反复测量至少二 次。 实例讲解：
讲解 1：讲解 2：方法
例：二、 过程数据的收集与分析 1、 数据的收集――层别法2、 数据分析分为三个步骤：
例题讲解：控制图（管制图） 典型的管制图包含一中心线 CL，用来表示在统计过程管制内时品质特性之平 均值；另外还有两条水平线，分别为上管制界限 UCL 和下管制界限 LCL。若 管制图中有点落在管制上、下限之外的话，则应找出点落在管制界限外的原 因。
散布图矩阵图
例题：t-信赖区间
例题：二样本 t-检定与信赖区间
例题：成对样本 t-检定及信赖区间
例题：单因子变异数分析与多重比较
例题：相等变异数的检定
例题：单比例的检定与区间估计
例题：二比例的检定与区间估计例题：计算相关系数例题：计算相关系数}