minitab应用实例合集
合集下载
minitab之MSA分析实例
M--工序能力分析（连续型）：案例：Camshaft.MTW ① 工程能力统计：
短期 工序能力
长期 工序能力
X平均＝目标值 －> Cp＝Cpm
X平均≠目标值 －> Cp > Cpm
② 求解Zst（输入历史均值）：
历史均值：表示强行将它拉到中心位置 －>不考虑偏移－> Zst (Bench)
③ 求解Zlt（无历史均值）：
A—假设测定：
(4)： 2 proportion t（离散－单样本）
< 统计－基本统计量－ 2 proportion t： >
背景：为确认两台设备不良率是否相等，
A: 检查1000样本，检出14不良， B: 检查1200样本，检出13不良， 能否说P1=P2? （α = 0.05 ）
P-Value > 0.05 → Ho →P1 = P2
M--测量系统分析案例：
连续型案例： gageaiag.Mtw 背景：3名测定者对10部品反复2次TEST
所有点落在管理界限内 －>良好
大部分点落在管理界限外 －>主变动原因：部品变动
－>良好
－>测量值随部品的变动 －>测量值随OP的变动
－>对于部品10，OP有较大分歧；
M--测量系统分析： 离散型案例（名目型）：gage名目.Mtw
通过分散分析，判断1次效果、2次效果的有意性； - 主效果有有意， - 交互效果无有意。
显示因子的水准不能线性变换 (Coded) 时的回归系数. - Coded是指实际因子水准 (-1, +1)变换为线性变换。
I — DOE： (2)：多因子不同水准 ① 因子配置设计：
Minitab-Minitab使用说明书及应用例题 精品
7
3-4-7. Make Mesh Data
97
10
3-4-8. Make Indicator Variables
103
16
3-4-9. Set Base
105
18
3-4-10. Random Data
106
25
3-4-11. Probability Distribution
115
37
3-4-12. Matrices
至GE公司使用 MINITAB扩大到全世界. – 目前大部分先进 6 sigma 公司都使用 MINITAB.
(GE, AlliedSignal, Motorola etc.) – 设计成使用者易学而简便使用，并已成为6sigma
方式中最具有代表性的软件。
Barbara F. Ryan President & CEO
119
40
3-5. Stat Menu
124
42
3-5-1. Basic Statistics(基础统计)
126
44
3-5-2. SPC(管理图)
141
46
3-5-3. Capability(工程能力)
152
49
3-5-4. MSA(计测系统的分析)
159
51
3-5-5. Multi-Vari(多变量分析)
226
63
3-6-1. Layout
228
65
3-6-2. 2D Graph
232
67
3-6-3. 3D Graph
259
69
3-6-4. 其它Graph
266
73
•附录. 6 sigma DMAIC 阶段别使用的专用术语说明
MINITAB主要工具使用现场实战汇编
9
6σ工具现场实战运用
3、数据收集：打开MINTAB处于WORKSHEET状态进行数据输入：如下
输入需测试的项目
输入测试的数值
为保证数据的有效性，数据采集要求 大于30个。如果数据个数较小（小于 30）则不能完全相信 P-值。在数据 个数较小的情况下即使数据被判断为 缺乏正态也无关紧要。
10
6σ工具现场实战运用
注：数据必须是连续型的（计量）
1、案例 现场对焊接技工解剖的融深进行测试，判定是否存在正态。
2、数据收集方法（试验步骤）
>测量对象：普通4.75mm试验钢管 >测量样本数：32个焊点 >数据收集方法 对正常焊接的32个焊点进行横向解剖，从4.2mm处开始解剖，检查剖面是否存在气孔或 针眼，如有，则继续往里打磨0.3mm进一步检查，直至没有气孔或针眼，打磨截面最小为 1.5mm，在1.5mm处仍存在气孔或沙眼视为不合格； >测量者：纪彦飞 >测量次数：1次 >测量工具：锯条、砂纸、放大镜 >标准：解剖截面打磨后1.5-4.2mm处无气孔或沙眼（按照由大到小依次打磨）
3、数据收集及分析路径
（1）录入数据
19
6σ工具现场实战运用
（2）分析路径
stat→Quality tools→Attribute agreement analysis
“attribute column”选择“测量结果”一列 “Sample”选择“样本”一列 “appraiser”选择“检查人员”一列 “known standard/attribute”选择“标准值”一列 然后点击“OK”。
1、案例
我们如何了解厂家提供的温控器参数的CPK工序能力的是否符合要求
2、数据收集方法（试验步骤）
6σ工具现场实战运用
3、数据收集：打开MINTAB处于WORKSHEET状态进行数据输入：如下
输入需测试的项目
输入测试的数值
为保证数据的有效性，数据采集要求 大于30个。如果数据个数较小（小于 30）则不能完全相信 P-值。在数据 个数较小的情况下即使数据被判断为 缺乏正态也无关紧要。
10
6σ工具现场实战运用
注：数据必须是连续型的（计量）
1、案例 现场对焊接技工解剖的融深进行测试，判定是否存在正态。
2、数据收集方法（试验步骤）
>测量对象：普通4.75mm试验钢管 >测量样本数：32个焊点 >数据收集方法 对正常焊接的32个焊点进行横向解剖，从4.2mm处开始解剖，检查剖面是否存在气孔或 针眼，如有，则继续往里打磨0.3mm进一步检查，直至没有气孔或针眼，打磨截面最小为 1.5mm，在1.5mm处仍存在气孔或沙眼视为不合格； >测量者：纪彦飞 >测量次数：1次 >测量工具：锯条、砂纸、放大镜 >标准：解剖截面打磨后1.5-4.2mm处无气孔或沙眼（按照由大到小依次打磨）
3、数据收集及分析路径
（1）录入数据
19
6σ工具现场实战运用
（2）分析路径
stat→Quality tools→Attribute agreement analysis
“attribute column”选择“测量结果”一列 “Sample”选择“样本”一列 “appraiser”选择“检查人员”一列 “known standard/attribute”选择“标准值”一列 然后点击“OK”。
1、案例
我们如何了解厂家提供的温控器参数的CPK工序能力的是否符合要求
2、数据收集方法（试验步骤）
minitab实例分析(1)合集
有意水平 α = 0.05
查出力 1－β = 0.8
差值：u0－ua ＝25－30＝-5
功效值（查出力）： 1－β ＝0.8 标准差：sigma＝10
A—假设测定－决定标本大小：
(2)：1-sample T（未知u）
<统计－功效和样本数量－ 1-sample t： >
背景：Ha～N（30，100/25） H0～ N（25，100/n ）－为测定分布差异的标本大小
M--测量系统分析： 连续型案例： gageaiag.Mtw 背景：3名测定者对10部品反复2次TEST
所有点落在管理界限内 －>良好
大部分点落在管理界限外 －>主变动原因：部品变动
－>良好
－>测量值随部品的变 －>测量值随OP的变动
－>对于部品10，OP有较大分歧；
M--测量系统分析： 离散型案例（名目型）：gage名目.Mtw
通过形态确认： －正规分布有无； －异常点有无；
(2) Plot（散点图）－X、Y双变量
通过形态确认： －相关关系； －确认严重脱离倾向的点；
(3)Matrix Plot（行列散点图－矩阵图）－多变量 (4)Box Plot（行列散点图－矩阵图）－多变量
(5)Multi-vari Chart（多变因图）Sinter.MTW
A—假设测定：案例：2sample-t.MTW (2)： 2-sample t（单样本）
① 正态性验证：
<统计－基本统计－ 正态性检验 ： >
背景：判断两个母集团Data的平均， 统计上是否相等（有差异）
步骤①：分别测定2组data是否正规分布； ②：测定分散的同质性； ③：t－test；
查出力 1－β = 0.8
差值：u0－ua ＝25－30＝-5
功效值（查出力）： 1－β ＝0.8 标准差：sigma＝10
A—假设测定－决定标本大小：
(2)：1-sample T（未知u）
<统计－功效和样本数量－ 1-sample t： >
背景：Ha～N（30，100/25） H0～ N（25，100/n ）－为测定分布差异的标本大小
M--测量系统分析： 连续型案例： gageaiag.Mtw 背景：3名测定者对10部品反复2次TEST
所有点落在管理界限内 －>良好
大部分点落在管理界限外 －>主变动原因：部品变动
－>良好
－>测量值随部品的变 －>测量值随OP的变动
－>对于部品10，OP有较大分歧；
M--测量系统分析： 离散型案例（名目型）：gage名目.Mtw
通过形态确认： －正规分布有无； －异常点有无；
(2) Plot（散点图）－X、Y双变量
通过形态确认： －相关关系； －确认严重脱离倾向的点；
(3)Matrix Plot（行列散点图－矩阵图）－多变量 (4)Box Plot（行列散点图－矩阵图）－多变量
(5)Multi-vari Chart（多变因图）Sinter.MTW
A—假设测定：案例：2sample-t.MTW (2)： 2-sample t（单样本）
① 正态性验证：
<统计－基本统计－ 正态性检验 ： >
背景：判断两个母集团Data的平均， 统计上是否相等（有差异）
步骤①：分别测定2组data是否正规分布； ②：测定分散的同质性； ③：t－test；
Minitab在品管常用作图中的应用
1、双击Minitab运行程序图标‘
’打开Minitab软件；
2、在Excel电子文档中输入的‘钢板厚度的数据列表’然后将表
格复制到Minitab的工作表中。
3、在主菜单栏，选择选择‘统计/质量工具/能力分析/正太’ ，打
开
‘能力分析（正太分布）’对话框；
4、勾选对话框中的‘单列’选项，包含回归’ 将光标放置在其
1、Minitab作图（柏拉图）的一般步骤
１、双击Minitab运行程序图标‘
’打开Minitab软件；
２、在电子文档的Ｃ1与Ｃ2列中输入各种不良原因与不良数
３、在主菜单栏，选择‘Stat（统计）/Quality Tools（质
量工具）/Pareto （柏拉图）’打开柏拉图 对话框；
4、 勾选‘已整理成表格的数据缺陷’栏，将光标置‘标签位
右边的空白栏，选择对话框左上角的‘C12 其它’行，再点击 ‘选
择’，选择分支‘其它’； 11 .在‘因果图’对话框的‘效应’右边的空白栏输入‘假焊’；在 ‘标题’右
边的空白栏输入‘假焊不良原因的因果图’； 12. 点击‘确定’，完成作图。
详细步骤参见下页截图：
5
2、Minitab作图（因果图）的一般步骤
Cpm CL 下限
2100.. 08
1 9
Minitab作图有何优点？ 最关键是什么？
Minitab作图的优点：简单、高效，图形直观、 一目了然；无与伦比的易学性。
最关键是：分类整理好数据列； 选择所要做图的类别； 逐步勾选进行运算。
21 2024/4/3
复制到Minitab的工作表中。
３、在主菜单栏，选择‘统计/控制图/单值的变量控制图/单值’
，打开‘控制图’对话框；
1.minitab之MSA分析实例
15% 总 计 节 约 金 额=月 平均工 资*节约 人数=5200* 63人 =32.76万 公 司 收 入 金 额=月 平均工 资*节约 人数*50% =5200* 63人 *50% =16.38万 员 工 激 励 金 额=月 平均工 资*节约 人数*50% =5200* 63人 *50% =16.38万
部门
提升总金额
1
一厂品质部
人 均 值 +523
2
3
4
5
6
7
总计
备 注 ： 第 二 阶段激 励根据 生产计 件效果 及品质 第二阶 段减人 情况确 定绩效 激励方 案。
拟制：
审核：
批准：
二厂品质部
三厂品质部 16.38万 四厂品质部
客服
来料
实验室
线体数量 减少 560 13% 600 0% 720 31% 550 26% 6% 25% 0% 376
部门
提升总金额
1
一厂品质部
人 均 值 +523
2
3
4
5
6
7
总计
备 注 ： 第 二 阶段激 励根据 生产计 件效果 及品质 第二阶 段减人 情况确 定绩效 激励方 案。
拟制：
审核：
批准：
二厂品质部
三厂品质部 16.38万 四厂品质部
客服
来料
实验室
线体数量 减少 560 13% 600 0% 720 31% 550 26% 6% 25% 0% 376
313
原编制 76 92 90 84 16 8 10 313
编制人数 80
103 73 75 15 6 10
优化后编制 66 92 62 62 15 6 10 63
Minitab实务应用
50.755 1.391 1.934
1.83161 7.32882
73
M inimum 1st Q uartile M edian 3rd Q uartile M aximum
47.280 49.905 50.640 51.295 56.610
95% C onfidence Interv al for M ean
54
57
60
63
Mean Median
50.40
95% Confidence Intervals
50.55
50.70
50.85
51.00
51.15
A nderson-Darling N ormality Test
A -S quared P -V alue <
2.24 0.005
M ean S tDev V ariance S kew ness K urtosis N
確定3個變數間的關係： 等高線圖、3D散佈圖、3D曲面圖
繪製散佈圖（一）
Minitab: Graph > Scatterplot > Simple
1
2
3
圖形視窗輸出結果
PTF
Scatterplot of PTF vs 外徑變化量
54
53
52
51
50
49
48
47
46
45
0.6
0.7
0.8
0.9
1.0
ASTM1
Individual Value APSlToMt 2of PTF-1 vs MethAoSdTM1
Mean 54.98
65
StDev 1.940
minitab应用实例
PIVs
客户经理 经验 每月工作时间 客户类型 销售区域
KPOV
} 每周销售拜访数量
小结一下这个“研究”是为了确保收集到正确的数据!
如何测量拜访次数?
收集数据前...
• 记录销售拜访的指导方针:
-与客户面对面 -至少有30分钟 -讨论客户的问题，新产品报价，客户产品需求，促销等。
•测量系统分析:
•说明客户的交互作用 •要求销售员给一些情形分类，用“销售拜访”或“无” •培训所有客户经理直到他们能100% 正确分类 •销售员用数据收集表记录调查结果
抽取样本!
抽样
起草项目数据收集计划
建立数据 收集目标
决定 测量对象
决定 如何测量
观察少数 . . . 以估计总体
第1步
起草项目数据收集计划
建立数据 收集目标
决定 测量对象
决定 如何测量
收集数据的目标或期望结果是什么? 一般来讲，为了达到目的需要收集什么数据? 为收集数据，你将监测什么过程和产品？
• 数据来源: 销售拜访登记簿
• 问题的具体化:
– 情况: 根据客户调查，销售拜访在月初时很少，且间隔很长；而在月末时戏剧性地 增加很多。
– 程度: 至少有3个客户由于LLC缺乏与他们的联系而降低了交易量，并主要由此原 因将生意转给了其竞争对手。
– 现状: 测量单位是每周的拜访数量。以前我们只有来自客户经理们关于每周拜访数 的估计。这样，我们将需要收集数据以了解每周实际拜访数。
销售l 拜访
是否达到销售拜访的目标 (35个/周)?
•• •• •
时间序列图或趋势图
为什么使用? • 研究一段时间内的数据是否有一定的趋势
如何使用? • 随着时间变化的线图. • 图形可能反映出过程的变化.
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
抽取样本!
抽样
起草项目数据收集计划
建立数据 收集目标
决定 测量对象
决定 如何测量
观察少数 . . . 以估计总体
第1步
起草项目数据收集计划
建立数据 收集目标
决定 测量对象
决定 如何测量
收集数据的目标或期望结果是什么? 一般来讲，为了达到目的需要收集什么数据? 为收集数据，你将监测什么过程和产品？
第3步
起草项目数据收集计划
建立数据 收集目标
决定 测量对象用测量工具时，首先检查该工具是否存在; 如果不存在, 你将需要 重新选择一个工具。下列是一些工具的例子：秒表，量具，眼睛，直尺， 千分尺，计算机，测量图，温度计，天平，调查表和X-射线仪器。
例如，如果你决定测量一个拜访电话打了多长时间，合适的测量工具可能 是一只秒表，或者储存在拜访系统里的计时软件。
• 对任何项目，必须平衡样本尺寸和风险 等级以满足数据收集目标的要求。
小样本 高风险
大样本 低风险
好样本的特质:
无偏颇
•有代表性 •随机的
总体
无代表性
有代表性
样本必须是无偏颇的。 一个样本的偏颇是指任何这种因素的出现或影响，这种因素使得被取样的 总体或过程显得与其实际不同。 当收集的数据与影响总体或过程的关键因 素无关时，就产生了偏颇。
例子：如果从一批单据中抽样以检查其正确度，被检查 的单据应是可从这批单据的任何地方获取的。
从一个分类总体中抽样
加工的轴
总体
样本
2组的样本
加 工 的 直 径
过程抽样
过程在运动
总体抽样
样本
有助于理解过程的特性和状况
样本
决定总体的特征
抽样的方法
随机抽样
分组随机抽样
每个元素被选中的可能性相 等
系统随机抽样
第三章 测量阶段
第二节 测量什么--对象
什么是总体?
“总体” 代表着. . .所有的信息 (人员， 物品，事件，活动，等.)
它构成一个我们感兴趣或关心的特定
的集合。
在这个世界上，并不 是每个人都如此！
“如果我想了解 . . .”
“我的总体是 . . .” 1. 俄亥俄州的学生平均阅读水平
2. 对于GEL C&I客户平均的特殊 价格审批(SPA)处理时间
应采取什么方法从总体或过程抽样?
大多数的统计工具需要使用随机的和有代表性的数据。不论你是从一个过程 还是从一个总体收集数据，你必须选定正确的抽样方法，以确保你的样本从 统计角度看是有效的。
总体
过程
过程抽样
过程在运动
总体抽样
样本
有助于理解过程的特性和状况
样本
决定总体的特征
总体
当从总体抽样时，运用随机或分组随机抽样法有助于确保获得一个 有效的数据系列或样本。在许多情况下，从一批中抽样可以被认为 是从总体中抽样，并且适用于同样的规则。随机抽样最适用于只包 含通常原因连续变量的总体。当一个总体具有明显的分类特征时， 应用分组随机抽样法，或分区抽样，可清晰地了解每一个类别的表 现。
总体
样本
警告
当决定抽样方案时，你应确保谨记数据收集目标。随机抽样可以提供一个总体的好样本，但是它可能不能 让你发现罕见的或偶然的情况(特殊原因造成的数据点)。为了发现这样的缺陷，运用随机抽样法时你可能 需要收集很大的样本。
从一个统一总体中抽样
例子：如果从一箱材料中抽样，箱子的每个地方都有相 等的机会被抽取为样品。
每第 n 个元素
总体被分成若干组，在每组内随机选 择
子群抽样
过程在运动
在该点每小 时3个样品
大约需要抽取多少样品来计算置信区间?
统计工具 平均值 标准偏差 缺陷率 (P) 直方图或柏拉图 散点图 控制图
最小样本尺寸 5-10 25-30
100 and nP5 50 25 20
Minitab软件包简介和图表演示
准备抽样方案 抽样方案决定数据收集的频率和数量。
总体
样本
• 运用选取的样本，你能获得关于一个总
体或过程的结论；这就是所谓的“统计推
论”。
• 如果样本是总体的代表，在实践就没有 风险或不确定。
• 然而，当样本尺寸被缩小到只有总体的 一小小部分时，出现样本不能表达总体或 者得出错误的结论的风险随之增加。
3. 每盘白炽灯灯丝的长度偏差
a. 美国的所有人 b. 俄亥俄州的所有学生 c. 俄亥俄州的所有人
a. 所有的GEL C&I 客户 b. 所有的 GEL SPAs c. 所有的 GEL C&I SPAs
a. 荧光灯灯丝盘 b. 60瓦白炽灯灯丝盘 c. 所有的白炽灯灯丝盘
唉! 我没有测量资源
– 俄亥俄州每个学生的阅读水平 – 对每一个C&I SPA的处理时间 – 每盘白炽灯灯丝的长度
问题陈述
Who is the Customer? What’s Important? (CTQ) What’s the Defect? What re the Units of
Measurement?
• 问题宏观陈述: 每周销售拜访的平均数低于要求的35个以上，造成LLC丢 失销售机会和客户。
•输出变量 & 单位: 每周销售拜访数
– 时间段: 每周的销售拜访数的历史记录一直不同。然而，客户抱怨在最近6个月内 一直在增加，并且客户在上个月已经采取了行动。
样本必须具有代表性。 在一个有代表性的样本里，收集的数据应该精确地反应一个总体 或过程。有代表性的抽样有助于避免偏颇于调查中的总体或过程 的某一特定区域。
样本必须是随机的。 在一个随机的样本里，数据的收集无序进行，每一个元素都有相等 的机会被选来测量。随机抽样有助于避免偏颇于收集数据的特定时 间和顺序，操作员，或数据收集员。
• 数据来源: 销售拜访登记簿
• 问题的具体化:
– 情况: 根据客户调查，销售拜访在月初时很少，且间隔很长；而在月末时戏剧性地 增加很多。
– 程度: 至少有3个客户由于LLC缺乏与他们的联系而降低了交易量，并主要由此原 因将生意转给了其竞争对手。
– 现状: 测量单位是每周的拜访数量。以前我们只有来自客户经理们关于每周拜访数 的估计。这样，我们将需要收集数据以了解每周实际拜访数。
第2步
起草项目数据收集计划
建立数据 收集目标
决定 测量对象
决定 如何测量
决定测量对象时，思考下列问题:
我们需要什么数据? 决定具体的测量数据(将被集中 起来)以满足第1步所述的目标。确认所需的每一个Y 或X.
对每一个测量，其操作定义是什么? 写下每一个定 义，以确保所有团队成员对于收集的数据有一个共同 的理解.
抽样
起草项目数据收集计划
建立数据 收集目标
决定 测量对象
决定 如何测量
观察少数 . . . 以估计总体
第1步
起草项目数据收集计划
建立数据 收集目标
决定 测量对象
决定 如何测量
收集数据的目标或期望结果是什么? 一般来讲，为了达到目的需要收集什么数据? 为收集数据，你将监测什么过程和产品？
第3步
起草项目数据收集计划
建立数据 收集目标
决定 测量对象用测量工具时，首先检查该工具是否存在; 如果不存在, 你将需要 重新选择一个工具。下列是一些工具的例子：秒表，量具，眼睛，直尺， 千分尺，计算机，测量图，温度计，天平，调查表和X-射线仪器。
例如，如果你决定测量一个拜访电话打了多长时间，合适的测量工具可能 是一只秒表，或者储存在拜访系统里的计时软件。
• 对任何项目，必须平衡样本尺寸和风险 等级以满足数据收集目标的要求。
小样本 高风险
大样本 低风险
好样本的特质:
无偏颇
•有代表性 •随机的
总体
无代表性
有代表性
样本必须是无偏颇的。 一个样本的偏颇是指任何这种因素的出现或影响，这种因素使得被取样的 总体或过程显得与其实际不同。 当收集的数据与影响总体或过程的关键因 素无关时，就产生了偏颇。
例子：如果从一批单据中抽样以检查其正确度，被检查 的单据应是可从这批单据的任何地方获取的。
从一个分类总体中抽样
加工的轴
总体
样本
2组的样本
加 工 的 直 径
过程抽样
过程在运动
总体抽样
样本
有助于理解过程的特性和状况
样本
决定总体的特征
抽样的方法
随机抽样
分组随机抽样
每个元素被选中的可能性相 等
系统随机抽样
第三章 测量阶段
第二节 测量什么--对象
什么是总体?
“总体” 代表着. . .所有的信息 (人员， 物品，事件，活动，等.)
它构成一个我们感兴趣或关心的特定
的集合。
在这个世界上，并不 是每个人都如此！
“如果我想了解 . . .”
“我的总体是 . . .” 1. 俄亥俄州的学生平均阅读水平
2. 对于GEL C&I客户平均的特殊 价格审批(SPA)处理时间
应采取什么方法从总体或过程抽样?
大多数的统计工具需要使用随机的和有代表性的数据。不论你是从一个过程 还是从一个总体收集数据，你必须选定正确的抽样方法，以确保你的样本从 统计角度看是有效的。
总体
过程
过程抽样
过程在运动
总体抽样
样本
有助于理解过程的特性和状况
样本
决定总体的特征
总体
当从总体抽样时，运用随机或分组随机抽样法有助于确保获得一个 有效的数据系列或样本。在许多情况下，从一批中抽样可以被认为 是从总体中抽样，并且适用于同样的规则。随机抽样最适用于只包 含通常原因连续变量的总体。当一个总体具有明显的分类特征时， 应用分组随机抽样法，或分区抽样，可清晰地了解每一个类别的表 现。
总体
样本
警告
当决定抽样方案时，你应确保谨记数据收集目标。随机抽样可以提供一个总体的好样本，但是它可能不能 让你发现罕见的或偶然的情况(特殊原因造成的数据点)。为了发现这样的缺陷，运用随机抽样法时你可能 需要收集很大的样本。
从一个统一总体中抽样
例子：如果从一箱材料中抽样，箱子的每个地方都有相 等的机会被抽取为样品。
每第 n 个元素
总体被分成若干组，在每组内随机选 择
子群抽样
过程在运动
在该点每小 时3个样品
大约需要抽取多少样品来计算置信区间?
统计工具 平均值 标准偏差 缺陷率 (P) 直方图或柏拉图 散点图 控制图
最小样本尺寸 5-10 25-30
100 and nP5 50 25 20
Minitab软件包简介和图表演示
准备抽样方案 抽样方案决定数据收集的频率和数量。
总体
样本
• 运用选取的样本，你能获得关于一个总
体或过程的结论；这就是所谓的“统计推
论”。
• 如果样本是总体的代表，在实践就没有 风险或不确定。
• 然而，当样本尺寸被缩小到只有总体的 一小小部分时，出现样本不能表达总体或 者得出错误的结论的风险随之增加。
3. 每盘白炽灯灯丝的长度偏差
a. 美国的所有人 b. 俄亥俄州的所有学生 c. 俄亥俄州的所有人
a. 所有的GEL C&I 客户 b. 所有的 GEL SPAs c. 所有的 GEL C&I SPAs
a. 荧光灯灯丝盘 b. 60瓦白炽灯灯丝盘 c. 所有的白炽灯灯丝盘
唉! 我没有测量资源
– 俄亥俄州每个学生的阅读水平 – 对每一个C&I SPA的处理时间 – 每盘白炽灯灯丝的长度
问题陈述
Who is the Customer? What’s Important? (CTQ) What’s the Defect? What re the Units of
Measurement?
• 问题宏观陈述: 每周销售拜访的平均数低于要求的35个以上，造成LLC丢 失销售机会和客户。
•输出变量 & 单位: 每周销售拜访数
– 时间段: 每周的销售拜访数的历史记录一直不同。然而，客户抱怨在最近6个月内 一直在增加，并且客户在上个月已经采取了行动。
样本必须具有代表性。 在一个有代表性的样本里，收集的数据应该精确地反应一个总体 或过程。有代表性的抽样有助于避免偏颇于调查中的总体或过程 的某一特定区域。
样本必须是随机的。 在一个随机的样本里，数据的收集无序进行，每一个元素都有相等 的机会被选来测量。随机抽样有助于避免偏颇于收集数据的特定时 间和顺序，操作员，或数据收集员。
• 数据来源: 销售拜访登记簿
• 问题的具体化:
– 情况: 根据客户调查，销售拜访在月初时很少，且间隔很长；而在月末时戏剧性地 增加很多。
– 程度: 至少有3个客户由于LLC缺乏与他们的联系而降低了交易量，并主要由此原 因将生意转给了其竞争对手。
– 现状: 测量单位是每周的拜访数量。以前我们只有来自客户经理们关于每周拜访数 的估计。这样，我们将需要收集数据以了解每周实际拜访数。
第2步
起草项目数据收集计划
建立数据 收集目标
决定 测量对象
决定 如何测量
决定测量对象时，思考下列问题:
我们需要什么数据? 决定具体的测量数据(将被集中 起来)以满足第1步所述的目标。确认所需的每一个Y 或X.
对每一个测量，其操作定义是什么? 写下每一个定 义，以确保所有团队成员对于收集的数据有一个共同 的理解.