六西格玛IC阶段课件..ppt

分散的一致性 使用统计 方差分析 等方差检验 最佳条件的导出 没有非均一的证据. 找出结论 最好的转换（Convert）是：工程应该在最高的温度和最低的催化剂量下运转。 当温度处于高水平时浓度不显著。 (工程在高温度下对浓度是强壮的 )。 至少在实验所研究的范围内压力对变换不显著 最佳条件的导出 在这个练习中，我们将产生一组正态分布随机数作为“响应”加于我们 前面的实验中。我们将产生一个列叫做“响应”，然后把随机数置 于其中. 制作新的“Response “样式插入随机 Data. 进入计算随机数据正态.. 用Worksheet 制作平均70, 标准偏差5的16个数据. 在本例中，没有任何实验因子和交互作用应该是显著的。这个影响的分布会是什么样的？ [课堂练习]-随机效果(Random Effects) 分析 正态效应图 Pareto 图 随机效果(Random Effects) 例题分析 目的: 决定齿轮比、座高和轮胎压力对自行车爬一个斜坡的时间的影响 输出: 爬斜坡的时间 输入: 齿轮比 (高, 低) 座高 (6 英寸, 12 英寸) 轮胎压力 (60 psi, 90 psi) 设计: 2x2x2阶乘，两次再现 程序: 打开Minitab文件 [Bicycle_2k.mtw] 彻底地分析数据 分析交互作用和主要影响 重复图表分析 诊断 Epsilon-平方 准备发表结论 [课堂练习例题2] 正态概率图和帕累托图 2k 阶乘法例题分析 3 拟合因子: Time 与 Gear Ratio, Height, Pressure Time 的效应和系数的估计（已编码单位） 系数标 项 效应 系数 准误 T P 常量 167.500 1.651 101.44 0.000 Gear Ratio -14.250 -7.125 1.651 -4.31 0.003 Height -18.750 -9.375 1.651 -5.68 0.000 Pressure 5.750 2.875 1.651 1.74 0.120 Gear Ratio*Height 1.500 0.750 1.651 0.45 0.662 Gear Ratio*Pressure -6.500 -3.250 1.651 -1.97 0.085 Height*Pressure -1.000 -0.500 1.651 -0.30 0.770 Gear Ratio*Height*Pressure -2.750 -1.375 1.651 -0.83 0.429 ※参考 : t值比 2大和 p-value比 0.05小有关系.正态分布中Z超出 ±2 范围的概率约 0.05 . t分布以自由度不同而不同,基本具备正态分布特性. 我们一般查看相应p-值 0.05的 t-值， 我们看到齿轮比和高度的幅度大于2.00 (分别为4.31和5.68)。我们说这些影响是显著的。齿轮比*压力交互作用的t-值比较接近(1.97)， 所以我们应该研究这个交互作用 2k 阶乘法例题分析 3 主效果图(Main Effects Plot) 此图确认了齿轮比和高度是显著的影响，相比之下压力的主效果较小。 然而压力包含在与齿轮比的交互作用中. 所以我们应该研究其交互作用图 2k 阶乘法例题分析 3 齿轮比 * 压力的 Interaction Plot 此图显示齿轮比在水平+1和压力在任何水平(-1 或 +1)的组合都导致最小的时间 对压力的变化，这个工程的强健度如何？ 假设结果不是以最小的时间为目标，这样结论会改变吗？ 2k 阶乘法例题分析 3 6SIGMA方法把任何活动都看作是一个过程，如设计过程，生产过程等。 过程的某个输出可能是我们和客户都特别关注的（CTQ’s）。 但影响过程输出的因素往往很多，DOE就是一种同时研究多个输入因素（X‘s）对输出（Y）的影响的方法， 它是通过对选定的输入因素进行精确、系统的人为调整（变化）来观察输出变量的变化情