使用六西格玛软件JMP进行可靠性分析
JMP和Minitab的比较(帕累托图)
JMP和Minitab的比较（Pareto帕累托图）关键字：帕累托图品质管理工具六西格玛JMP Minitab最近在网上查阅资料，发现有些朋友常常在选择六西格玛软件时在JMP和Minitab之间犹豫良久。
正好我所在的公司刚刚选了六西格玛软件，当时选择的时候也遇到过同样的问题，后来我们专门对这两款软件进行了半年左右的试用和评估比较。
这里，我把其中的一部分比较结果整理了一下，供有类似困惑的朋友参考——因为比较的内容很多，就先以六西格玛中必用的Pareto帕累托图为例来说明吧，希望能抛砖引玉，对大家的工作有所帮助，共同开启六西格玛的成功之路。
我把把生产现场的数据“缺陷”、“数量”、“清洁”和“日期”四列数据分别输入到最新版的JMP和Minitab中，想用Pareto 帕累托图分析一下现在的质量情况。
比较项目一：操作的简便性。
JMP的操作路径为：主菜单Graph > Pareto Plot，确定“Y, Cause”为“缺陷”、“Freq”为“数量”后，即可得到如图一所示的报表；Minitab的操作路径为：主菜单Stat > Quality Tools > Pareto Chart，在“Chart defects table”中，确定“Labels in:”为“缺陷”、“Frequencies in:”为“数量”后，即可得到如图二所示的报表。
如果用的是未经汇总的原始数据，在JMP中只要确定“Y, Cause”为“缺陷”即可；在Minitab中则要切换到“Chart defects data in:”中，确定其为“缺陷”。
从操作层面上来看，JMP 操作的简便性稍占优势，其对话框结构也更符合我们平时解决问题的思路，很容易上手。
图一JMP制作的Pareto图图二Minitab制作的Pareto图比较项目二：图形效果及信息展示。
观察图一、图二可知，JMP和Minitab都能体现出排序柱状图和折线图的变化规律，JMP将对应数据在图形上直接标注，Minitab则将数据集中显示在图形下方。
六西格玛设计的可靠性和维修性设计
六西格玛设计的可靠性和维修性设计可靠性作为质量的时间延续特性，已越来越多地受到人们的重视。
六西格玛设计的核心是稳健设计(包括QFD、系统设计、实验设计、参数设计、容差设计等方法)，其宗旨是提高产品抵御环境变化、制造误差和磨损老化等各种干扰的能力，减少产品质量波动。
而实质上，稳健设计在减少产品质最波动的同时，也肯定提高了产品的可靠性。
下面天行健管理顾问介绍面向可靠性的经典设计方法。
可靠性设计的目标是在顾客所要求的寿命期内不出或尽可能少出故障，即满足顾客关于寿命和平均故障间隔时间的要求并降低全寿命周期费用(LCC)。
这个目标只有从产品研制开始就紧密结合产品研制深入开展可靠性设计和分析工作才有可能达到。
可采用的可靠性设汁方法包括可靠性指标论证与确定，可靠性分配与预计，制定和贯彻可靠性设计准则，开展简化设计、热设计、降额设计、余度设计、耐环境设计等；可采用的可靠性分析方法包括FMEA分析以及故障树分析(FTA)、事件树分析(ETA)、热分析、容差分析等。
1、可靠性指标论证与确定对于电子产品等偶然失效占统治地位的产品，应论证与确定平均故障间隔时间MTBF的指标，对于耗损失效占统治地位的产品，应论证与寿命指标；对于兼有偶然失效和耗损失效的产品应论证与确定平均故障间隔时间MTBF和寿命两种指标。
产品的寿命不是越长越好，应当根据顾客的需求来确定。
在产品的寿命期间，平均故障间隔时间MTBF应尽可能长。
2、可靠性分配与预计为了保证产品能满足顾客对可靠性的指标要求，应当在设计早期自顶向下地将基本可靠性和任务可靠性指标分配到各部件和零件，并自下而上地对零部件和整机的基本可靠性和任务可靠性指标进行预计，以便评估在实现可靠性指标方面设计方案的可行性。
通过可靠性预计，可以发现可靠性的薄弱环节，对这些薄弱环节应采取设计和工艺的改进措施，以提高产品的可靠性水平。
3、可靠性设计准则可靠性设计准则是有助于提高产品可靠性的定性设计要求的归纳总结，应制定并要求设计员贯彻可靠性设计准则，在设计评审时进行可靠性设计准则的符合性检查。
飞思卡尔运用JMP提升半导体良率
飞思卡尔运用JMP提升半导体良率ＬＵＴＩＯＮ▲嵌入式技术飞思卡尔运用耶江Ｐ提升半导体良率ＳＡＳｌｎｓｔｉｔｕｔｅＩｔｉｃ飞思卡尔（Ｆｒｅｅｓｃａｌｅ）是全球著名的微控制器、射频半导体、模块与混合信号电路、软件技术及相关管理解决方案的供应商，其前身是拥有５０多年历史的摩托罗拉半导体部门，其主要客户来自于汽车、消费电子、工业品、网络和无线应用市场的１０，０００多家企业。
公司拥有专利５，９００多项，２００７年的营业收入达Ｎ５７亿美元，在全球３０多个国家拥有２４，０００多名员工，其中包括中国天津的组装测试厂和北京、上海、苏州的三个设计、研发和支持中心。
六西格玛统计分析软件ＪＭＰ是ＳＡＳ公司的卓越绩效统计发现引擎，应用范围包括业务可视化、数据发现、六西格玛和持续改进（可视化六西格玛、质量管理、流程优化）、研发及创新、试验设计ＤＯＥ等，客户遍及半导体、机械、化工、制药、金融、汽车、钢铁、航空航天等各个行业。
半导体产品的典型宏观流程图飞思卡尔所在的半导体设计和制造行业是一个非常特殊的高科技行业，工艺流程十分复杂。
其间，来白化学、光学、机械、电子和空间等多方面的因素交织在一起，共同影响着最终产品的质量和流程的效率（参见下图）。
而且，半导体对加工精度的要求也非常苛刻，这里点，从我们常见的电路板的复杂连线上就可以体会到，半导体产品的测量尺度不是以毫米为单位的，而是以纳米为单位的（１毫米＝１００００００纳米）！所幸的是，在半导体的生产过程中，成千上万的测量数据被同步记录下来，为我们的分析和工艺改进工作奠定了基础。
对每一家半导体企业而言，要想在这个竞争日趋白热化的市场上生存并发展，必须提高并控制产品的良率Ｙｉｅｌｄ，而且要“用最快的速度做出最准确的改善反应”。
因为半导体产品的价值很大程度上取决于研发生产过程中所采用的技术，而这些技术的价值往往随着时间的推移而迅速贬值。
因此，一旦出现良率下降的质量问题，谁能够最快地发现关键因素并加以纠正，谁就能最快地转危为安，最早地向市场大规模供应成熟产品，获得最大的利润。
如何利用六西格玛分析解决问题
如何利用六西格玛分析解决问题六西格玛（Six Sigma）是一种有效的管理方法，旨在通过减少产品或服务的变异性来提高质量和效率。
六西格玛分析是一种强大的工具，可以帮助组织识别、分析和解决问题。
本文将介绍如何利用六西格玛分析解决问题，并提供一些实用的步骤和技巧。
第一部分：什么是六西格玛分析？在开始探讨如何利用六西格玛分析解决问题之前，我们先来了解一下什么是六西格玛分析。
六西格玛是一种数据驱动的方法，它的目标是通过在一个过程中减少变异性，从而实现持续的质量改进。
六西格玛分析的核心理念是通过收集和分析数据来了解过程中的变异性，从而确定根本原因，并制定改进措施。
第二部分：六西格玛分析的步骤使用六西格玛分析解决问题可以遵循以下步骤：1. 确定问题：明确问题的定义和边界。
确定问题对组织的影响和关键绩效指标。
2. 收集数据：收集与问题相关的数据。
可以使用统计工具和方法来收集数据，并确保数据的准确性和可靠性。
3. 分析数据：对数据进行统计分析和探索性数据分析。
使用图表、直方图和散点图等可视化工具，帮助识别数据中的模式和趋势。
4. 确定根本原因：针对问题进行深入分析，找出潜在的根本原因。
使用技术工具，如因果图、5W1H分析和鱼骨图，帮助识别根本原因。
5. 制定改进措施：基于根本原因的识别，制定针对问题的具体改进措施。
确保改进方案可行、可量化和可跟踪。
6. 实施改进措施：根据制定的改进方案，执行相关措施，并监控改进措施的效果。
使用控制图和其他统计工具来跟踪和评估改进结果。
7. 持续改进：将六西格玛分析应用于组织的持续改进过程中。
建立改进的反馈机制，确保问题解决的持久性和可持续性。
第三部分：六西格玛分析的技巧和实用工具六西格玛分析需要一些技巧和实用工具来帮助问题解决过程。
以下是一些常用的技巧和工具：1. DMAIC方法：DMAIC（Define-Measure-Analyze-Improve-Control）是六西格玛分析常用的一个方法。
Mintab与JMP两种六西格玛应用软件之对比
Mintab与JMP两种六西格玛应用软件之对比FrankZhang一个是"六西格玛时代的统计分析大师"，一个是大众六西格玛名牌，我们就要来看看两个工具到底谁更厉害！1。
首先看数据处理能力。
jmp能够处理高达42亿行，65535列数据，转换成数据库数据大概有TB级别了吧？Minitab能够支持的数据量比较少：不到千万行数据级别而已（不知道MINITAB的设计值是多少，测试过程中数据量大了MINITAB会死机）对于普通六西格玛应用，好像并没有这么大的数据量要分析，因此，JMP的这个优势似乎有点没必要。
只是，我们很好奇，两个软件都只有一张光盘就可以容纳：而且都不到200M的安装文件，居然在软件工程层面有这么大的差距....看来大公司的研发水平是要厉害不少。
2.处理速度我们做了个测试，在同样的笔记本电脑（1G内存，3G主频，windowsxp平台），对同样的500万行数据做直方图：JMP需要3秒，Minitab需要300秒（本来以为又死机了，出去抽棵烟回来，同事告诉我没问题了...)3.统计工具集成两者的统计工具都很全，对于普通六西格玛(DMAIC)来说基本够用了。
对于DFSS，似乎JMP 口碑要好一些。
DFSS需要的统计工具中，DOE应该是比较高级的统计应用了，我们重点比较了DOE能力，发现：A JMP除了传统的DOE工具（田口，混料，完全和部分因子）外，还提供目前市面上几乎别的软件都不提供的高端DOE方法和工具，比如定制，球填充，非线性；而MINITAB只有传统的因子设计上还可以称得上是个像样的DOE工具，对于稍微复杂一些的，如田口设计，实现起来就非常复杂，几乎失去了DOE软件化的优势，重新回到手工作坊的时代。
真不知道是让Minitab服侍人，还是让人服侍Minitab，因此说JMP在DOE工具层面远远超过MINITAB;B 模拟能力。
minitab用户需要购买模拟软件CRYSTALBALL,因为minitab本身自带的模拟仿真功能实在太低级了。
如何使用数据统计软件JMP和Minitab有效分析数据
双样本 T检定
9.再选择“统计”“基本统计 量”“双样本t”
10.将耐压测试前后的两 组数据放入第一和第二组 中
双样本 T检定 11.再点选“图形”，选择显示 “单值图”和“数据箱线图
12.绘制图形后，P值几乎为0， 两组数据的平均值差异明显
双样本 T检定
练习: 利用Minitab分析Excel中改善前后的开关电源的耐压能 力是否有变化？
可通过检推定预计每种模式正常的波动范围
Part 1:JMP
演示练习：利用以下的Excel数据及JMP分析： 一月份哪个部门对生产工时影响最大？如果每月情况
基本不变，二月份各部门正常对工时的影响范围是 多少？
柏拉图制作 1. 打开 JMP 软件
2.选择“新建数据 表”
3. 将需要分析的数据粘贴于表格内（按 住Shift可以将第一行复制于标题栏）
Part 1:散布图
3. 单击“二元拟合” 红点弹出菜单，选 择“密度椭 圆”“0.95”
4. 单击“相关 性”蓝点弹出 相关性分析
Part 1:散布图
5.选择菜单栏“分 析”“多元方法”“多 元”
6.将所有数据放入“Y，列”
Part 1:散布图
7.分析数据
Part 1:散布图
练习: 绘制案例中的散布图，并描述每个条件与“锡厚度”的 相关性。并说明如果产线需要改进效率，应从那方面着 手？
柏拉图制作
4. 选择图形菜单下的“Pareto 图”
5. 将“责任部门”放入“Y,原因”， 将“误工工时”放入“X，频数”
柏拉图制作 6.得出柏拉图
7. 单击红点弹出菜 单，选择“计数分 析”“按单位比 率”
8.得出各部门比率波动范围，信心 度为95%
JMP和Minitab可靠性分析调查
JMP和Minitab可靠性分析调查可靠性分析是指运用数据分析的方法对产品和设备按照规定的标准在规定的时间内提供规定服务的能力进行量化分析或评估，它可以帮助企业降低产品故障和失效率，从源头上提升产品竞争力，乃至于提升顾客满意度。
出于不同的目的需要，越来越多的国内企业也开始重视起可靠性分析来。
我们公司是Apple 的PCB供应商，受客户影响，我们质量管理部门近几年来也可以编写可靠性分析报告。
这可是件技术活，没有专业的软件帮忙，那绝对是一件又苦又难的差事。
最近部门申请到一笔预算，总算可以购买正版的可靠性分析软件了，老板叫我调查一下相关软件。
目前在国内电子企业，用得最多的可靠性统计软件有两个：JMP和Minitab。
（本来还想比较另一个软件Weibull++的，但是它的基本功能很简单，如果要用其它可靠性分析功能，就得买其它模块，一个个模块加起来价格贵得惊人，就不考虑了。
）下面就把我花了大量心血整理的技术调查结果和各位分享一下。
一功能以下的软件菜单截图反映的是JMP和Minitab在可靠性分析方面的功能清单。
由于分别是两家公司开发的，所以名称上会有所不同，但都能够实现诸如右删失或任意删失的可靠性数据的分布识别及分布参数估计、单应力和多应力加速寿命试验的回归建模与预测、可修复性系统的可靠性分析、可靠性试验规模的规划等基本功能。
我仔细试用了一下两个软件的相关菜单，明显地感受到似乎JMP软件的功能更加强大。
比如JMP自带了19种概率分布模型，而Minitab只有11种概率分布模型；JMP支持两个加速因子的加速寿命试验设计（可包含交互作用），而Minitab只支持一个加速因子的加速寿命试验设计，等等。
此外，JMP软件还多了Minitab软件无法实现的三个分析平台：第一个是“退化”平台，它能够构建线性或非线性的产品老化模型，还可以用来进行稳定性检验和产品的破坏性退化分析；第二个是“拟合比例风险”平台，它能够构建Cox模型，Cox模型适合为找不到合适概率分布的寿命数据构建加速寿命回归建模；第三个是“可靠性增长”平台，它可以进行更复杂的 Crow-AMSAA 建模，通过计算可修复系统的平均故障间隔时间 MTBF以及多阶段系统的累积故障计数等参数，分析和展现新产品系统可靠性的改善状况。
六西格玛测量系统分析
六西格玛测量系统分析1. 引言六西格玛测量系统分析是一种常用的质量管理工具，旨在评估和改进测量过程的稳定性和准确性。
该方法可以帮助组织识别并解决测量系统中的偏差和误差，从而提高产品或服务的质量和一致性。
本文将介绍六西格玛测量系统分析的基本概念、目的和步骤，并提供一些实际应用示例。
2. 六西格玛测量系统分析的基本概念在进行六西格玛测量系统分析之前，需要了解以下几个基本概念：2.1 测量系统误差测量系统误差是指测量结果与真实值之间的差异。
它可以分为系统性误差和随机误差两种类型。
系统性误差是由于测量系统中的固有偏差或缺陷引起的，而随机误差是由于各种随机因素引起的。
2.2 测量过程能力测量过程能力是评估测量系统稳定性和准确性的指标。
通常使用过程能力指数（Cp、Cpk）和测量系统分析（Gage R&R）来评估测量过程的能力。
Cp是测量过程的潜在能力指标，用于衡量测量过程的离散程度是否在可接受范围之内。
Cpk是测量过程的实际能力指标，考虑了过程中的偏移。
当测量系统的Cpk值大于1.33时，说明该测量系统具有良好的测量能力。
2.3 测量系统分析（Gage R&R）测量系统分析（Gage R&R）是一种在六西格玛测量系统分析中广泛采用的方法。
它评估了测量系统的可重复性和再现性。
可重复性是指同一操作员在短时间内对同一物品进行多次测量时，测量结果之间的一致性。
再现性是指不同操作员在相同条件下对同一物品进行多次测量时，测量结果之间的一致性。
3. 六西格玛测量系统分析的步骤六西格玛测量系统分析通常包括以下几个步骤：3.1 确定测量指标和测量目标在进行测量系统分析之前，需要明确测量指标和测量目标。
测量指标是衡量产品或过程性能的关键指标，而测量目标是该指标的目标值或可接受范围。
3.2 收集数据收集足够的数据样本是进行测量系统分析的关键步骤。
数据样本应涵盖典型的工艺条件和操作员的操作水平。
3.3 进行测量系统变异分析使用统计方法（如方差分析）对收集的数据进行分析，评估测量系统的变异来源，包括操作员、工艺条件和测量设备本身。
- 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)。
使用六西格玛软件JMP进行可靠性分析
可靠性是一个在产品的设计、制造和使用的每个环节中都存在的问题。
简单地说，所谓可靠性就是产品不易发生故障的程度。
众所周知，产品在出厂检验时通常都是合格的，但是随着时间的推移，产品的功能和性能会渐渐发生变化，最终导致故障的发生。
虽然这一趋势无法改变，但设计、制造出在指定时间内不出现故障的产品却是企业和消费者都关心的话题。
远到二战早期美军战斗机频频发生的通信故障，近到今年3·15期间屡屡曝光的某品牌笔记本电脑的质量问题，究其实质，都是产品可靠性不过关惹的祸。
合理应用可靠性分析，可以帮助研发、工程、质量等部门的技术人员提高产品质量的稳定性，降低产品全寿命周期费用和售后服务成本，改善顾客的满意度和忠诚度。
令人不解的是，很多企业已经意识到可靠性分析的重要性，却依然在刻意地回避可靠性分析，这是为什么呢?原因很多，其中的一个主要原因是因为一般企业觉得常规的统计质量管理已经够复杂了，而可靠性的研究还需要用到许多更高深的统计学知识，这对于没有经过正规统计方法培训的人来说，会让人望而生畏，这在客观上大大限制了可靠性方法在企业的推广。
笔者尝试过用不同软件进行可靠性分析，SAS公司的高端六西格玛软件JMP(试用版可以在/china下载)是其中之一，其交互式可视化分析的特点在可靠性方面也有很好的体现。
下面以一个典型的实例来看看如何用JMP做可靠性分析。
例：某公司为了对一个电子产品进行可靠性分析，收集了一批该产品的使用寿命数据(如图一所示，当“删失”=0时表示“时间”是精确的失效时间，当“删失”=1时表示精确的失效时间不详，但肯定大于“时间”所显示的数值)。
在这组具有代表性的数据下，我们来研究一下该产品的失效特性如何?当失效概率为90%时，该产品的可靠寿命是多少?
图一可靠性试验原始数据表(部分)
按照可靠性方法的理论，要解决这两个问题，需要首先解决一个基本问题：这组寿命数据是服从什么分布的?实在地讲，这不是一个容易解决的问题，得一个一个分布地去尝试、去比较、去验证，什么威布尔Weibull分布啊，对数正态分布啊，指数分布啊，等等，少说也有十几种。
而一般质量工程师一听这些专业的统计学名词就犯晕，而且由于寿命数据中又含有“删失”特性，判断起来就更复杂了，通常需要通过一系列冗长的统计分析报表和统计指标去判断。
笔者在用JMP软件做分析的时候，发现JMP中有一条命令叫“拟合所有分布”，它可以在几秒钟的时间内对所有常规的可靠性分布逐一拟合，然后自动筛选出最佳的分布拟合。
比如在下图中，“对数正态”分布就是JMP在快速比较所有寿命分布后找到的最佳分布。
如果不太懂统计学原理，只想直观地看一看这个分布长什么样的话，就看图上那个红色曲线及其周边粉红色的置信区间带;如果对统计学原理比较懂，想深入了解统计学上的判别依据，还可以看下面
那个“模型拟合”表格中的相关指标。
总之，可以各取所需，完成最基本的分布模型识别的任务。
图二可靠性分布模型比较的可视化展示
此外，在获得最佳拟合分布的同时，与该产品质量相关的各种可靠性特征(如可靠寿命、失效概率、失效概率密度、故障率等等)也可以用图形化方式来表现。
比如在下图中，“分布刻画器”和“分位数刻画器”都显示了失效概率与产品寿命之间的关系(两者的主要差别是X轴和Y轴所代表的变量正好相反)，“危险率刻画器”显示的是危险率(即通常所说的Hazard Rate)随产品寿命的变化而产生变化的规律(这可以用来实现可靠性理论中最著名的“浴盆曲线”)，“密度刻画器”显示的是失效概率密度随产品寿命的变化而产生变化的规律。
图三可靠性分析中主要特征变量的刻画器
利用这些图形就可以形象地解释第一个问题“该产品的失效特性如何?”了。
现在我们来回答第二个问题“当失效概率为90%时，该产品的可靠寿命是多少?”在“分位数刻画器”的X轴上输入“0.9”，就可以在Y轴上得到红色数值“412.0117”和蓝色数值“[278.675,609.146]”，表明此时的可靠寿命应该是412.0117，其置信区间应该是[278.675,609.146]。
关于可靠性分析的内容还有很多，比如加速寿命分析、寿命数据的回归分析和可维修性分析等等。
这些在JMP软件中都有对应的图形化智能分析平台，一个很直接的好处是可以让非统计专业背景的工程师迅速跨越统计学的壁垒，直接进行技术问题的分析和研究，进而提升产品的可靠性，降低顾客投诉率以及售后服务成本。