粉丝140获赞262


今天教大家如何用 meantable 制作脂肪土和过程能力分析。 首先将需要分析的数据录入 c 一栏内,然后点击图形, 选择直方图,点击包含礼盒,点击确定,选择 c, 点击此度,选择参考线,在数据值输入上下线和中心指中间用空格分开, 点击确定,点击确定,直方图就做完了。要注意的是,在这个直方图中间 呢,我们并不能看出不良率以及这个 cpk 和 ppk 等相关的值。如果你想知道这个数据的 cpk 和 ppk 以及 ppm 是多少,那么我们就要进行过程能力分析。 点击统计质量工具 能力分析正太,在单列里面选择 c 一,因为我们所有的数据都在 c 一列里面,直组大小输入五, 然后输入规格,下线和上线,点击选项, 在目标里面输入三幺零,点击确定,确定, 过程能力分析就做完了。在这个图中间,大家可以看到 cpk, ppk 以及 ppm 分别是多少。 想学习更多这方面知识的家人们请关注我,关注我学习质量知道。

今天教大家如何用 meantable 制作三部图。 首先我们把需要分析的一组数据录入到名特包中,然后点击图形 三点图包含回归确定。然后在 y b 量中选择 y 合金强度, 在 x 变量中输入碳含量,点击此度, 点击参考线,显示 y 值的参考线为四十 十五十五十五,中间用空格隔开确定,点击数据。四图,点击回归, 选择线性,将礼盒洁具打勾确定,点击确定。 我们将五十设为中心线,双击自定义,把它改成绿色, 将五十和四十五设定为红色。 想学习 qc 七大手法的小 伙伴们,你们可以加入抖音的 qc 其他手法群,在里边可以交流和讨论。 闪点图就制作完成了, 关注我,学习质量知道!

大家好,我是岳老师,每天三分钟跟我学实操。从今天开始我们给大家讲解第八部分实验设计。 我们重点会讲解三种比较常见的实验设计的方法,包括部分因子实验设计,还有响应曲面设计。首先我们来给大家讲一下部分因子实验设计。部分因子实验设计的话, 顾名思义就是执行全子实验设计里边的一部分组合啊,他的优点是实验的次数比较少哎,节省成本,节省资源。我们来看一下下面这个案例,下面这个案例的话,有四个因子 啊,响应变量是耗电量 y, 然后四因子,每个因子是两水平。 如果是要做全子实验设计的话,最少的实验次数是二十四次方,十六次,但是我们这个实验的话成本比较高, 所以只够安排十二次实验,所以我们肯定就不能使用全因子实验设计,而要使用部分因子实验设计。部分因子实验设计的话啊,那我们就可以选择二的四减一次方这种实验设计的方法, 那二点四点一次方的话,对应的是八字形,所以我们还可以再增加几个中心点,比如说我们可以再增加四个中心点。 接下来我们在 mini type 里边给大家演示一下操作路径啊,也就是如何创建一个部分因子实验设计的实验计划路径是这样子的 啊,在统计 du 一 因子这里选择创建因子设计, 然后选择第一个两水平的因子设计啊,然后是默认生成元因子数,选择四个啊,设计这里选择的是二分之一部分实施 二的四点一次方啊,分辨率是四啊,实验次数是八啊,然后我们再添加四个中心点,然后点击确定,然后在因子这里啊, 设计输入因子的名称啊,第一个因子是绕线速度啊,低水平是二,高水平是三。第二个是吸缸厚度 低水平是零点二,高水平是零点三,然后第三个是细胞厚度 低水平零点六,高水平零点八。然后第四个因子密封剂量 低水平二十五,高水平三十五啊,然后点击确定啊,然后选项这里啊,选择随机化运行, 然后点击确定,就得到了这个实验计划。然后我们这里啊,在最后面啊,一列列的名称这里啊写上响应变量 y 啊, y 是 什么呢啊? y 是 耗电量。 然后呢,我们就可以按照这个实验计划做实验,收集数据,然后把实验数据 啊填在对应的最后一列。好,我们今天内容就到这里,谢谢大家。

大家好,我是岳老师,每天三分钟跟我学实操,今天我们给大家讲解一下模型优化的方法。因为之前这个全模型啊, 它里边有一些不显著的像,所以我们明确的模型优化的方法就是把不显著的像从模型里边删掉,只保留显著的像。 对于我们这个案例的话,要特别注意一下,全模型里边分析的时候显示 a、 d, 它对应的 p 值是小于零点零五的, 但是呢,因为我们这是一个部分因子实验设计,所以有可能是 a、 d 显著,也有可能是 b、 d, c 显著。因为题目里边已经明确告诉我们了, a、 d 从技术上来讲是不可能显著的, 所以通过排除法我们可以判断出来显著的是 bc, 所以 我们就在模型里面保留 bcd 三个显著的主效应,还有 bc 这个二阶交互作用。 接下来我们在密态里面给大家演示一下操作的路径,我们选择统计 d, o, e 因子分析因子设计,然后在像这里重新选择一下啊,我们把 a, 也就是第一个因子 从左选项移到左边,可用向这里啊,然后按一下这个箭头啊,同样道理,我们把 abacad 还有 bd 和 cd 挪过来,只保留 bc, 然后点击确定 啊,就重新分析了一次,得到一个新的模型,新的方程, 绘画窗口里边也会得到一些新的信息。好的,那我们今天内容就到这里,谢谢大家。

大家好,我是岳老师,每天三分钟跟我学实操,接下来给大家讲解一下优化之后的模型啊,最终的分析结果 啊,那从这个绘画窗口里边输出的这个方差分析这里可以看出来,因子和交互作用 啊,保留的这些象,它的屁值都是小于零点零五的啊,说明保留下来的都是显著的因子,然后弯曲是你屁值都是大于零点零五啊,说明模型 啊,不存在弯曲现象,也不存在是你现象。然后从这个标准化效应的柏拉图上的话, 我们也可以看出来啊,这三个主效应啊,以及标 bc 交互作用啊,它们的所对应的这个柱子都是超过这个临界线的啊,说明 三个主效应 b、 c、 d 都是显著的 bc, 这个二阶结构作用也是显著的。接下来我们再来看一下残差图啊,残差图的话,左边这两个图形判断正态性 啊,直方图中间高,两边低,左右对称,然后上面这个正态概率图,这些点子基本上是沿着一条直线的,然后 p 值 也是大约零点零五的啊,说明是复合正态性的,然后右下角这个与你和指的残差图的话,基本上也是复合等方差性的啊,等方差, 然后右下角这个跟顺序相关的这个残差图啊,也基本上是随机的,说明是复合独立性的, 也就是说优化之后的这个模型的话啊,我们认为啊是没有什么明显的问题的。好的,我们今天内容就到这里,谢谢大家。

大家好,我是陈伟,今天我给大家分享的课程是假设检验里面的双样本记检验,双样本记检验, ok, 在讲双样本记检验之前,我们先一起了解一下双样本记时机, 大家看到这张表双本替,他的使用时机是 y 是连续数据, x 是离散数据的情况下。首先第一步我们要做稳定性检验,第二步我们要做正态性检验, 我们在进阶级的课程里面只讲数据正态的一个检验方法,所以当数据正态的时候,我是一个样,一个总体的话,就是上一节课我们讲的单样本题是两个及两个以上总体的话,其中有一个就是双样本题, 如果是两个或者两个以上的总体,我们先要检检验这个方差是否相等,就是等方差检验,等方差检验,如果方差相等是两个,就是一个 x 因子 有两个水平的时候,我们把它叫双样本替检验, ok, 所以今天我给大家分享的就是双样本替的检验过程。我们打开明天的软件看,第一页有供应商一,第二页叫供应商二,我们想去检验供应商一和供应商二的供货周期之间是否有显著性的差异。那么第一步我们就是 检验数据的稳定性,我们用控制图好,我们把供应商一、供应商二两个控制图输进去,确定 我们看到两张图,这两张图 都是看着过程是稳定的。那第二步我们去做正态性检验,概率图我们选多个, 这个时候我们看到批值呃都是大于零点零五的,所以两组数据符合侦探分布。那么第三步我们就要做等方差检验,统计方差分析 里面有一个等房产检验,我们等房产检验,我们要选每个因子在各自的列里面去就两个供应商的供货周期,我们就等房产检验, 等方查检验,我们可以看批值等于零点八九八,那什么时候看多重比较,什么时候看 l 测试呢?当数据符合正态分布的时候,我们看上面这个批值零点八九八大于零点零五,所以方差相等的假设是成立的,那稳定正态等方差,这个时候我们就可以用双样本体检验,双样本 我们数据没有对比,还是要选各自的列里面。工程一,工程二, ok, 确定 好,这时我们可以看皮质是零,皮质零叫拒绝原假设,因为我们的原来的假设是两个工商的供货周期之间没有显著性的差异,被责假设是有显著性的差异,所以皮质等零小于零点零五,要拒绝原假设, 那么这两个供应商的供货周期有显著性的差异, ok, 这就是双阳本替检验的明太保的操作过程,你学会了吗?

好,大家好,我是陈伟,今天我给大家分享的是明太普进阶级课程里面的假设检验,假设检验里面的第三节课叫单因子方差分析,单因子方差分析的使用前期是 y 连续二次离散,并且 x 的水平是大于等于三个水平的时候,我们会选用单因子部分。话说意思就是说假设我们想知道呃, 三个不同的供应商的供货周期之间是否有显著性的差异,或者说我想知道三个不同的人的工作效率之间是否有显著性的差异,这个时候工作效率 y 人是呃 x, y 是连续, x 一三或者三个供应商是一三的,然后供货周期是连续的。这两种情况下我们都可以用单一子发叉分析进行 分析。那么接下来我给大家来用明太谱软件来演示三个不同人的上期厚度之间是否有显著性的差异。好,我们打开明太布软件,这里面有三列数据啊,也就是三个人每个人的上期厚度的数据,那么我们怎么进行单因子方向分析呢? 第一步,我们对每一个人的上期厚度做稳定性的检验,统计控制图,单值变量控制图, im 啊,好,这个时候我们可以把三列数据全部选到变量里面去, 然后确定, ok, 明太克的输出里面就有三个 im。 二、控制图,我们从这图里看过程是稳定的。那么第二步,我们进行正态性检验,正态性检验在图形里面的概率图,我们选多个,然后确定,我们把三列数据全部选进去, 然后确定。这个时候我们出了一个叫三个人的概率图,从概率图里面的屁值我们可以看,三个屁值都大于零点零五,说明这三列数据都符合正态分布。那么第三步我们就做等方差检验,等方差检验在哪里?在我们的统计方差 里面有个等方差检验, ok, 等方差检验,因为我们三列不在同一列里面,所以呢,我们要选每个因子水平在各自的列,然后我们选进去是三列数据, 好直接确定啊,那么就出了一个图形,这个图形呢就是等方差分析的图形,这时我们可以看一下多重比较,这个批值是零点七一六,他是大于零点零五,所以呢,他们三个的方差是相等的,也就是说不能拒绝原假设,原假设是方差相等,并且假设是方差不等, ok, 如果方差相等,我们最后一步就会做统计方差分析里面的单因子方差分析啊,同样我们也要选在各自的列中,我们把这三列数据都选进来, 然后决定好,这个时候我们可以看明天的输出里面有一个方差分析的劈值,劈值是零,劈值是零的时候,我们就要拒绝原假设, 在我们这做这个三个人的上期厚度之间是否有显著差异的时候,我们的原假设是三个人的上期厚度之间没有差异,背则假设是至少有一个人的厚度跟其他人是不一样的,所以这个批值小零点零五就拒绝原假设,说明这三个人的上期厚度有 显著性的差异。 ok, 接下来大家思考一个问题,当我们检验数据不正态的时候,检验出来方差不相等的时候,我们又该怎么办?

大家好,我是岳老师,每天三分钟跟我学实操,在对模型进一步解释。这里的话,我们还有一个图形可以输出,叫做等直线图, 它的路径是这样子的,统计 du 因子这里有一个等直线图。等直线图的话,它是研究两个因子对响应变量的综合的影响, 综合影响的一个图形化表示。接下来我们在咪 type 边给大家演示一下等直线图的绘制的方法和路径。在统计 du 因子这里有一个等直线图 啊,然后我们这里的话可以选择为所有的连续变量生成相应的图形。这里的话还有两个路径啊,一个是把所有的图形放在不同的组块中,我们来看一下 这样子的,当然我们按一下 control 一, 还可以把它们放在不同的图形上单独进行绘制,嗯,三个是分开的, 除此之外的话,我们还可以选择嗯,为哪两个变量生成等值线图啊,我们这里的话选择的是 加热时间和保温时间这两个因子, 然后点击确定就可以得到这个等直线图。接下来的话我们给大家解读一下这个等直线图该怎么看,大家看一下我们这个案例,横坐标是 加热时间这个因子,重坐标是保温时间这个因子。然后响应变量呢,用不同的颜色来进行表示,颜色越深的 说明这个响应变量的值越大啊,这里的话要注意一下,通过等值线图的话,我们可以选择 因子的范围,比如说我们这个响应变量达到五百五就可以了,那对应的就是这两个区域,那这样的话,我们可以设定加热时间这个因子 和保温时间这个因子加热时间从两点八到三点零之间,保温时间从五十八到六十之间,那我们的 向量的值就在这个区域就能达到我们的目标五百五。好的,那我们今天的内容就到这里,谢谢大家。

每天一个知识点六西格玛轻松学!今天我们来学习全因子实验设计的分析过程。在 mini tab 里边要分析全因子实验设计的话,它的路径是这样子的, 统计 d o e 因子分析因子设计。然后我们要告诉 mini tab 我 们的响应变量,也就是 y 在 哪一列。 然后我们要首先明确我们选择什么样的方程,也就是什么样的模型,那么默认的话 是选择的是全模型。这里的全模型大家要特别注意一下,它并不是包含所有的主效应和所有的交互作用,而是仅包含所有的二阶交互作用,也就是说三阶以及三阶以上交互作用是不在这个全模型里边的。 然后如果选择全模型的话,我们就直接在结束这里选择二就可以了。 然后在是否在模型中增加中心点,这里我们不要勾选,因为我们不想把是否是中心点作为一个因子,把它考虑在方程里边,也就是考虑在模型里边。 在分析因子设计的时候,我们除了要输出数值数据,还要输出图形,也就是我们要竖形结合起来进行分析。 在图形这里呢,我们要做的就是残差分析,所以我们这里通常会生成一个四合一的残差图, 除此之外还会生成跟每个因子相关的参差图,然后这些都是选择,设定好之后,点击确定就可以输出我们的分析结果,你学会了吗?