第1页共7页编号:时间:2021年x月x日书山有路勤为径,学海无涯苦作舟页码:第1页共7页MINITAB质量策划工具(QualityPlanningTools)1、走势图(RunChart)[概述]走势图可以显示你将处理的数据的变化趋势,并对非随机行为进行两种检验。走势图同时显示所有的观察结果及子组数,并在中位数处划一水平线。但子组大小大于1时,走势图还可以显示子组的均值或中位数并以线条将它们连接起来。对非随机行为的两种检验可以探察趋势、变动幅度、混合及数据的聚类性。这些分析表明已察觉的变差来自于异常因素,即来自于系统外的可以被纠正的因素。另一方面,一般因素导致的变差,是隐含的变差或过程自身的属性导致的变差。一个过程当仅有一般因素而不是异常因素影响过程输出时才是受控的。[例]假设你在一家生产各种测量辐射的设备的公司工作。作为QC工程师,你对一个薄膜型的装置持续测量辐射量的设备感兴趣。你希望分析在一个试验室中收集的二十台设备的数据。每次测试后,你都记录下了每台设备测量的辐射量。作为探讨性的测量,你决定利用走势图评价测量结果的变动性。1OpentheworksheetRADON.MTW.2ChooseStat>QualityTools>RunChart.3InSinglecolumn,enterMembrane.4InSubgroupsize,enter2.ClickOK.[结果][结果分析]聚类检验在0.05的水平上是显著的。既然聚类检验的概率(p=0.02)比0.05小,你可第2页共7页第1页共7页编号:时间:2021年x月x日书山有路勤为径,学海无涯苦作舟页码:第2页共7页以得出结论存在异因影响你的过程,你应该调查可能的来源。聚类可能意味着取样或测量有问题。注:在这里选择0.05的显著性水平进行说明。因为在许多应用中它都适用。你可以选择任何显著性水平对非随机现象进行检验显著性评估。当显示的p值比选择的显著性水平低时,你应拒绝虚拟假设—数据随机排列—支持另一个选择。参见对随机性检验的更完整的研讨。2、排列图(ParetoChart)[概述]排列图是一种条图,其横轴表示研究对象的类别,而不是连续的刻度。横轴的分类通常是缺陷。通过按最大到最小顺序排列的条形,排列图可以帮助你判断缺陷中有哪些是关键的少数以及次要的多数。一个累积百分比的连线可以帮助你判断每个类别的累加效果。排列图可以将改善努力的重点放在可以取得最大成果的因素上。排列图可以为所有的数据画一张图,或数据内部的分组对应的几个独立的图形。[例1]ExampleofusingParetoChartusingRawData你所工作的公司制造金属书架。在最终检查中,一定数量的书架因为划伤、裂片、弯曲或花边等原因被拒收。你希望通过排列图了解是什么缺陷导致了主要问题。首先,你计算每个缺陷发生的次数,接着你在每次发生时将缺陷的名称输入到叫“Damage”的工作表列中。1OpentheworksheetEXH_QC.MTW.2ChooseStat>QualityTools>ParetoChart.3ChooseChartdefectsdatainandenterDamageinthetextbox.ClickOK.[结果1][结果分析1]75%的损失是划伤和裂片造成的,因此你应该将改善的重点放在这两个方面。[例2]ExampleofusingParetoChartusingCountData第3页共7页第2页共7页编号:时间:2021年x月x日书山有路勤为径,学海无涯苦作舟页码:第3页共7页假设你在一家制造摩托车的公司工作。你希望减少因为速度计不良导致的质量成本。在检查中,一定数量的速度计被拒收,缺陷的类型也被记录了下来。你在“Defects”中输入缺陷的名称,在“Count”中输入相应的计数。你知道你可以将重点放在导致大多数的拒收的缺陷上而省下许多钱。一个排列图可以帮助你识别哪些缺陷导致了多数的问题。1OpentheworksheetEXH_QC.MTW.2ChooseStat>QualityTools>ParetoChart.3ChooseChartdefectstable.EnterDefectsinLabelsinandCountsinFrequenciesin.ClickOK.[结果2][结果分析2]一半以上的速度计是因为无螺钉而拒收,因此你应将重点放在这个问题上。[例3]ExampleofusingParetoChartwitha"By"Variable假想你在生产洋娃娃的公司工作。最近你注意到,在工厂最终检查中,因为划伤、剥落、脏污而被拒收的洋娃娃数量在上升。你想了解是否在类型和缺陷数量以及生产洋娃娃的班次之间存在某个关系。1OpentheworksheetEXH_QC.MTW.2ChooseStat>QualityT...