質量管理五大工具 【必讀】spc在minitab的應用第三章

還有我說我們的均值標準差 單值移動級差對不對 P2, NP2, C2, U2 都屬於我們的常規控制圖 但是我們的控制圖理論確實是 區域亞特博士提出來了 他呢 也是以U加上C個碼 建立控制線 然後再區別我們的特殊原因 還有普通原因 對不對 但是是這樣的 我們使用常規控制圖 也就我們經常使用的那幾種控制圖 它是有前提條件的 那前提條件是什麼呢 這裏面的話我給大家列了一下 因爲其實可能大家在其餘的課程中 沒有聽到這三種 或者特殊條件 就是前提條件 是這樣 只有三種的話 我們這三個理論前提都能滿足的話 其實我們纔可以使用 我們的常規控制圖 是這樣 首先第一個前提是什麼呢 是數據必須之間是相互獨立的 就是我們取樣的數據必須是獨立的 它們之間不是相互關聯的 是這樣 第二個是什麼呢 也就說我們數據大體是什麼呀 數據必須是服從正態分佈的 然後第三個呢 是我們的過程變差 應該只有隨機誤差 也就說我們過程中只應該有 只應該有什麼呀 隨機導致的 而沒有一說 只有普通原因 沒有特殊原因導致的 是這樣 大家可以這麼理解 然後嚴格來說 必須驗證這三個條件 才能維持我們常規控制圖 然後下面的話 我給大家就是逐一講一下 怎麼樣來驗證啊 這三個理論前提 好吧 首先第一個的話 我們剛纔說了 就是 就是使用我們的常規的控制圖 必須是有三個前提條件 第一個條件是什麼呀 是數據必須是相互獨立的 如果數據不相互獨立的話 其實使用我們的常規控制圖 是不允許的 正常來說 如果數據不獨立 我們使用什麼呀 我們大家沒有沒有聽過一個控制圖 在MediaTek中有 我給大家展示一下 叫什麼控制圖呢 大家可以看叫時間序列圖 時間序列圖 其實這裏邊有很多方式方法 是關於就說 如果我們數據之間不相互獨立 需要怎麼操作 當然這個理論就很高深了 是這樣 今天的課程也不涉及 所以我們不講了 是這樣好吧 然後我們迴歸到正題 數據相互獨立 我們才能使用我們的常規控制圖 對不對 那麼怎麼樣檢測 我們數據相互獨立呢 其實相互獨立的話 前面也說到了 對不對 數據相互獨立是需要用到什麼的 是用到假設檢驗的 然後這裏面的話 關於數據就是獨立性檢驗 假設檢驗的話 其實這裏邊也說了一些幾種情況 就是數據不獨立 然後比如說有劇類性 混合性 趨勢性 或者振動性 這個的話 大家看一看就可以了 上幾課的話 我給大家也講了一下 對不對 就是什麼叫劇類性 混合性 趨勢性 和振動性 這裏面的話 因爲也就不再贅述了 然後我給大家用我們的軟件 MediaTek展示一下 演示一下 怎麼樣對劇類性 混合性 趨勢性 振動性 做一個數理統計 好不好 然後這裏面的話 也給大家 做了一個相關案例 大家跟着我的速度來 然後大家跟着我的速度來 關於數據的獨立性檢驗 怎麼樣進行統計分析 大家跟着我的速度來 統計 大家可以看這裏 統計 質量工具運行圖 這裏寫的 大家看 統計 質量工具 這裏有運行圖 在這裏第一個 然後這樣輸入我們的 我們要研究是什麼 研究我們的數據 data 對不對 數據我們data 子組大小是什麼 子組大小 大家可以看一下 其實都是1 對不對 子組大小我們就輸入1 然後可以 我們需要用什麼 我們需要配置子組的中位數 運行圖 我們需要選擇下面這個 我們用我們的中位數 來檢測我們的數據 是不是相互獨立的 然後點擊 確定 大家想看圖紙的話 想看圖的話 其實可以在這裏就看了 對不對 剛纔我們說了要檢測類似性 對不對 有劇類性 有趨勢性 有混合性 還有一個什麼 振動性 對不對 然後我們的原假設是什麼 原假設H0是說什麼 數據是什麼 大家看一看我們的假設 數據是相互獨立的 備則假設是數據不是相互獨立的 對不對 大家可以看一看 這個PPT的話 也給大家展示了 對不對 然後也給大家把這個圖摳到這裏了 原假設是數據 是相互獨立的 備則假設不是相互獨立的 原假設如果成立的話 一般是什麼 P值大於等於0.05 對不對 如果小於0.05的話 也就是說選擇備則假設 備則假設是數據怎麼樣 不獨立 對不對 大家可以看看我們的P值 只有一個趨勢性的P值是什麼 P值是小於0.05的 因爲它P值是多少 0.01 0.001 也就是說我們的數據是怎麼樣的 數據是不獨立的 所以這種情況下 如果你數據是不獨立的話 你用我們的常規控制圖 來去檢驗我們的數據的話 或者是惠州我們的控制圖幹嘛 我們前提條件都是不滿足的 大家一定要對這個有一個概念 有一個理解 好不好 說到這裏的話 我們再說我們的就是說第二個 就是說數據的第二個 對不對 前提是什麼 數據大體服從正態分佈 對不對 那正態分佈是怎麼檢驗的 我給大家也演示一下 對於數據的正態性檢驗 怎麼做呢 然後的話 給大家來做個演示 這因爲是也是前提條件之一 對不對 然後還是同樣把我們ManyType 這個數據打開 正態性檢驗如何做呢 大家根據我的 大家根據我這個 字幕版啊 大家可以看一看 這是我們的數據 對不對 扭矩的一個數據 對不對 然後統計 基本統計鏈 這有個什麼呀 正態性檢驗對不對 點擊正態性檢驗 我們研究的變量 就是我們所要研究的數據 然後我們點擊我們的 扭矩雙擊 扭矩 然後的話就OK 然後的話我們一般情況下就默認 這叫安德森達林 這個 點擊OK了 是這樣 然後幹嘛呀 點擊 確定 然後我們再來看一看 我們的數據是不是正態的呢 這樣的話 它會出帶我們一個扭矩的 一個怎麼樣概率圖 大家可以看一看 數據是不是正態的 原假設是什麼呢 原假設是我們的數據 是正態的 備則假設是數據怎麼樣 不是正態的 然後我們說了 批值大於等於0.05的話 也就是說 沒法拒絕原假設 對不對 批值如果說小於等於 小於0.05的話 也就可以拒絕我們的原假設 這個的批值是 大於 0.05的 對不對 應該是0.115 所以說我們是幹嘛 接受了我們的原假設 也就是說數據是什麼 數據是呈正態的 這也就是說 怎麼樣 對我們的數據 進行一個 正態性的檢驗 進行一個正態性的檢驗 然後我們繼續是這樣 我們的數據的一個正態性檢驗檢測完了 對不對 然後說如果數據非正態情況下 對不對 我們怎麼樣來做我們的控制圖 其實的話關於數據非正態 做我們的控制圖的話 有兩種方式 就是看我們的SBC手冊 對不對 就AIE的SBC 是這樣的 有人說我看這裏的話 公屏有人說 原假設是怎麼定義的 其實原假設定義的話 就是就涉及到我們的一個什麼課程了 涉及到我們的一個假設檢驗的課程了 假設檢驗的課程的話 其實這裏的話 我給大家也說一說是這樣 既然有人提到了這個問題的話 假設檢驗的話 就是我們六細格碼的非常重要的一環節 一般情況分爲DMASA 對不對 DMASA的話 就是我們在分析裏邊 六細格碼分析裏面 也會講到我們的假設檢驗 如果大家對於六細格碼的知識 有興趣感興趣 或者想學習的話 大家可以 大家可以就是說 點開我們下面的 就是我們這個直播間的小風車 預約一下我們六細格碼的課程 這樣的話 我們老師也會聯繫你了 然後這裏面的話 也會講得非常詳細 我們的六細格碼課程的話 也會說的 關於假設檢驗 對不對 然後DOE 還有說我們SPC MASA等這些相關的工具都會講到 然後我們再回歸到我們的課程 如果數據非正態 是不是怎麼樣做控制圖 我們的SPC手冊 就是AIAG的SPC手冊裏邊 說的會很詳細 它也提供了兩種方式 一個叫什麼 非正態數據的一個轉換 一個叫box host轉換 還有一個轉換叫什麼 先給大家說一下 然後後來我們再說 還有一個轉換叫什麼 還有一個轉換叫 Johnson變換 這是我們SPC手冊裏推薦的 兩種數據的一個轉換方式 就是將非正態的數據 轉換爲正態的數據 怎麼來做 當然這裏的話 如果你涉及一個 就是我們的一個box host 還有說我們涉及一個 叫Johnson變換的話 如果大家自己用手去做的話 其實會很難 那這時候的話 就需要用到我們的什麼 用到minitab來幫我們分析了 這時候minitab就體現 它的一個天然的優越性了 然後怎麼做 然後這裏又會給大家進行一個演示 就這樣好不好 怎麼樣對非正態數據 進行一個變換 對不對 我們說了有兩種變換方式 然後一個叫什麼 一個叫box host轉換 對不對 大家可以看一看 box host什麼意思 其實就是說 把非正態的數據 對不對 通過一系列的轉換 轉換爲正態數據 常見的方式 比如說有什麼 有long以e爲底 對不對 y的對數 對不對 是不是 自然對數 還有什麼 然後把它1% 對不對 就是相當於這個倒數 或者取平方取根據號等等 至於但是這裏有人就會問了 那我們究竟應該是 比如說以自然以e爲底 然後y的對數 還是應該是1% 把數據變換 取個倒數 還是數據的平方 還是數據的開根號 對不對 那我們需要怎麼做呢 對不對 這裏的話 我給大家也演示一下 是這樣 當然這裏邊有一個公式 大家可以看看 如果這裏邊說有個lambda 對不對 如果lambda不等於0的話 然後的話 如果lambda給你推薦個數值是負1 對不對 那就lambda就1% 如果是2的話 那就lambda平方 如果lambda等於0 我們就對原始數據取個 取個以e爲底 就是自然對數 對不對 然後就ok了 這麼一個邏輯 至於怎麼來得到我們這個lambda值呢 然後下面會給大家演示 然後大家跟着我的速度 好不好 有人說有用分位數 對用分位數是對的 但是前提巧見的話 推薦大家是說 如果你對你的數據 通過一系列的 不論是你box cost也好 還是說對你的召喚變換轉換也好 對不對 你不能使之成爲正態分佈的數據的話 我們這個時候他推薦什麼 推薦使用我們的分位數 如果說你能通過一些簡單的數據的轉換 把它變成我們正態分佈 對不對 我們這個時候還是推薦 我們是把數據先轉換爲正態分佈的 就這樣 好不好 ok 然後的話我們這裏說到了數據的話 怎麼樣將非正態的數據轉換爲正態數據 對不對 我們先第一種方式box cost轉換 就這樣好不好 然後大家跟着我的速度來 我們如何將數據非正態的數據 對不對 轉換爲正態的數據 我們還是說打開我們box cost原始數據 給大家看一看 首先的話 我們說了前提條件是 大家首先要看看它數據是不是成正態 那我們怎麼做 統計 基本統計 然後正態性檢驗 對不對 我們先檢驗一下雜質含量 首先我們看看數據是不是成正態的 大家可以看一看數據成正態嗎 p值小於0.05 因爲它的p值已經小於0.005了 對不對 它肯定小於0.005 對不對 也就是說我們是什麼 拒絕了原假設成正態的數據成正態的 也就是備則假設 對不對 是接受我們備則假設 也就是數據非正態 數據非正態的話 就可以首先用到我們box cost轉換 box cost怎麼轉換 怎麼分析呢 大家跟着我這個思路來 對不對 我們前面也說到了 box cost轉換的一個關鍵 是選擇一個合適的欄目值 這個欄目的值怎麼選擇呢 這個我們minitab裏面給大家做了一個 相應的轉換或者是相應的演示 大家跟着我的速度來好不好 然後大家可以這麼做 還是打開我們這個原圖 這個怎麼做呢 跟着我的速度來 然後統計控制圖 第一個就是box cost變換 我們選擇box cost變換 然後研究數字研究 我們研究什麼雜質含量 就是字大小是幾 大家可以看字大小是幾 12345字大小是5 對不對 5就ok了 然後點擊確定 大家看一看我們box cost推薦值 欄目的值是幾 欄目值大家可以看一看 致信上限或者致信下限的話 在這裏是兩個致信 是不是 0.3或者0.5 一般情況下 正負5之間都可以是這樣 如果說小於負5 或者是大於正5 我們就不推薦我們box cost了 這裏的話 我們欄目的取證值是多少 是0 這0是多少 大家看看我們取0是多少 取0的話是要對原始數據幹嘛 取你自然對就是ln y 對不對 這也就是對我們原始數據 採用一個自然 以e爲抵數的一個對數 對 然後我們來對這個數據進行轉換 大家跟着我的速度來是這樣 這個東西確實有一些難度 大家跟着我的速度來 好不好 ok 然後的話大家跟着我的速度來 怎麼樣將非正態的數據 轉換爲正態的數據 這個時候欄目的值取0 對不對 那我們就去取幹嘛 對我們的原始數據 對不對 原來原始數據是y 我們取個ln y 對不對 就可以了 然後大家跟着我的速度來 怎麼樣將原始數據 原來的y轉換爲ln y 這個minitab的話也教大家操作了 其實很簡單 這裏的話其實把數據已經給大家算出來了 是這樣 但是這裏爲了大家更好的使用minitab 我給大家演示一下 在我們計算計算器 然後將變量的話存儲在隨便 其實咱們存儲在C5吧 或者C4都可以 只要你別把原始數據踢開就可以 表達式是什麼呢 表達式的話 我們可以取用對數 對不對 然後是什麼 自然對數 對不對 以e爲比數的對數 對不對 因爲我們的欄目值是等於0 然後數字是多少 我們數字點擊我們的雜質含量c1 然後確定 大家可以看一看 這樣我們的ln y 是不是也就生成了 大家可以看一看 跟我們前面展示是一模一樣的 對不對 這樣我們把原始數據的雜質含量 通過ln y的形式轉換爲這個數據 那我們轉換爲ln y的情況下 我們數據是不是呈正態的呢 我們來進行一個檢測 這個時候數據是不是呈正態的呢 統計 基本統計 正態性檢驗 我們檢測一下什麼樣 我們剛纔檢測原始的雜質含量 是不是是非正態的 對不對 這個時候我們檢測ln y 看看是不是正態的呢 大家可以看一看 我們將原始數據 變成ln y的情況下 數據是正態的 大家可以看 數據是正態的了 因爲它的p值是0.796 大於0.05 也就是說通過我們自然 以e爲底數的是不是的對數 然後的話 一轉換 我們這個數據是呈正態的 對不對 數據呈正態的話 這樣的話 我們就可以使用我們的常規控制 來進行控制了 但是路漫漫其西修遠 對不對 我們還有很多工作要做 大家一定要跟着我的思路 因爲確實有些難度 是這樣好不好 大家可以看一看 這裏面我給大家列了一個步驟 大家可以看一看 第一步確認正態性 剛纔我們原始數據非正態 對不對 然後 total cost選擇藍值藍值的0 然後的話我們幹嘛 將原始數據以ln y 對不對 轉換轉換爲爲什麼 大家可以看看 這邊是0.796 這樣的情況下 0.796也就說明怎麼樣 我們的數據 是幹嘛 是正態了 對不對 如果數據是正態的話 我們可以對ln y的值幹嘛 ln y的 對ln y的數據幹嘛 繪製它的均值極差控制 大家跟着我的思路 對ln y 繪製均值極差控制 這樣的話 因爲正態性是沒問題的 對不對 然後控制圖 製作控制圖 對不對 然後的話大家選什麼 對ln y 對不對 製作大小是幾 1234 製作大小是5 對不對 製作大小是5 然後確定 OK 大家可以看一看 我們的控制圖 ln y的控制圖 也就出來了 對不對 三這裏邊也給大家都是數據轉換之後的話 控制圖 上控制線 對不對 然後中線 然後下控制線 也給大家 做了一些相關的演示 是這樣對不對 然後大家跟着我思路 這樣ln y的 上控制線中線 還有說下控制線出來了 這個時候如果你用這個 去控制 就研究我們原始數據的控制圖 肯定是不合理的 是不合適的 爲什麼 因爲這是對我們數據的一個轉換 我們這個時候需要教我們的上控制線 控制中線 或者下控制線 轉換成我們原始數據 用它來作爲我們的 控制線纔是可以的 所以這就是我們的 我們下一步驟 大家可以看我們的第五步 位置原變量的控制圖 剛纔我們已經說了 對不對 我們ln y的控制圖的 控制上線 控制中線 或者說我們的控制下線 已經數據有了 那麼我們原始數據的 上控制線 下控制線 以及控制線應該是多少呢 那麼直接幹嘛 就取e的 這個次方不就OK了嗎 不就是我們原始數據了 對不對 不就是我們的原始數據了嗎 對不對 所以說我們以e的次方 然後就生成了我們的原始數據 這就是我們原始數據的 控制上線 控制中線 以及控制下線 這個時候我們用這三個控制線 去繪製我們原始數據的控制線 大家在我們生產過程中 得到我們的數據 然後也就可以幹嘛了 繪製我們的控制線了 然後我給大家演示一下 有人說這幾個數據怎麼來的 再給大家開計算器 這幾個數據就能拍出來 這裏給大家演示 但是這個控制圖 有很多人就知道了 懵了 老師這個控制圖怎麼做呢 爲什麼你用時間序列控制圖 因爲這個情況 這個時候的情況下 對不對 我們數據經過了一系列的轉化 對數轉化 再反對數轉化 對不對 這個時候的情況下 我們的minitab的軟件工具的話 已經不能提供很好的一個支持了 這個時候我們用時間序列控制圖 來繪製我們的控制上線 控制中線或者控制下線 它是比較合理的 我給大家展示一下 怎麼做 我給大家展示一下怎麼做 還是給大家展示一下怎麼做 大家可以打開 打開minitab 大家一定要跟着我的心路 這塊的話 確實有點難度 這個的情況下 繪製控制圖 其實也可以這麼控制 是這樣 然後 時間序列 時間序列圖 簡單 確定 我們要研究的是什麼 我們研究的均值 對不對 然後輸入均值 然後的話時間尺度 或者是說我們在參考線裏面 我們在參考線裏邊輸入什麼 我們在我們參考線裏輸入 20.37 10.03 還有4.859 我們輸入一下 給大家展示一下 20.73 還有多少 10.03 還有4.859 對不對 10.03 然後確定 大家可以看這樣的話 生成了我們均值的一個時間序列圖 對不對 生成了我們均值的時間序列圖 因爲我們經過了數據 因爲我們數據原始數據是非正態的 然後通過就是轉化 使成爲正態 然後將我們的標控制 現在通過再通過轉換 是不是 然後轉化成原始數據的一個量綱 是這樣 這個時候情況下 就是我們經過了一系列的轉化的話 我們一般情況下 只會考慮一種 就是叛逆原則 就是什麼 就是看點 超不超控制線 是這樣 這就是關於我們一個包括的一個 怎麼樣進行一個相連的轉換 數據轉換 轉換到正態 然後再用正態 轉換到原始數據的一個量綱 等等一系列的一些相應的操作的 一個控制圖的轉換 一個過程 我不知道這個數據聽明白了 可能這個過程的話 確實是有些複雜 但是這樣 但是如果大家 還是大家如果對我們的這個控制圖 對不對 可以看看我們統計 就是SPC手冊 這裏面的話 也會給大家說包括一個轉換 當然的話包括轉換的話 因爲還是那樣 還是那句話 他的數據轉換都比較複雜 我們還是最好藉助一些相關的軟件 是這樣 好不好 我們的非正態數據的控制圖 包括cos 然後這個邏輯我再給大家說一說 大家對於操作的話 怎麼操作的話 可能大家還是有點懵 因爲確實對於ManyType 大家可能也沒有用到 然後但是邏輯我給大家先講明白 是這樣 我們的包括cos 就是將非正態的數據轉換爲正態的數據 是這樣 首先將非正態數據轉和正態數據 一個前提到請大家 就是我們要計算出一個合適的欄目值 計算出我們一個合適的欄目值之後 我們將原始的數據 對不對 根據我們的欄目值 它是多少 就是說 然後做一個函數的轉換 轉換完之後 它這個數據是怎麼樣 比如說數據是正態的 數據是正態的之後 然後我們需要計算 我們就是說轉換數據的一個控制中線 控制下線 以及控制上線 這三個數據 計算完之後 我們再通過數據的一個反轉換 對不對 因爲我們是將原來的數據取個long y 就拿這個舉例的 是long y對不對 那原始數據我們要回來幹嘛 需要再將數據轉換回去 對不對 轉換回去之後 這個時候生成的控制上線 控制中線 控制下線 纔是我們原始控制圖的 三條控制線 其實是這樣的一個邏輯 是這樣 這個數據的話 這種方式叫什麼 叫Bulk cost轉換 這個東西在我們的SPC手冊中 也有提到是這樣 但SPC手冊中不會告訴大家 你怎麼去做 然後可能操作也很麻煩 這個有話 如果我們借用minitab的話 會很好方便 很好操作 對吧 還有一種是什麼變換 然後SPC手冊也說到了 叫什麼變換 叫我們的Johnson變換 Johnson變換 強生變換 我們看一下強生變換 然後打開我們原始數據 對不對 打開原始數據 如果我們這個數據幹嘛 不能Bulk cost轉換成 就是原來的非正財數據 轉換通過Bulk cost變換 不能將其轉換爲我們的正財數據 對不對 我們也可以選用什麼 選用我們的Johnson變換來試一試 我們Johnson變換的話 來試一試 然後如果大家說 我們可以先驗證一下 主轉口的一個直徑 我們先看一下案例 噴油氣 油封 油封廠 對不對 然後在一系列的工序之後 需要檢查主轉口的直徑 然後這個直徑大小告訴了 然後我們研究過程穩定 因爲我們需要做控制圖 對不對 但是首先我們說了一個前提條件 我們要如果做常規控制圖是幹嘛 必須是正財的 對不對 那麼先檢查一下 手機是否是正財 對不對 然後我們再檢查一下 基本統計 正財性檢驗 對不對 主轉直徑 然後OK 然後首先我們看看數據幹嘛 小於0.005 肯定是不正財的 這個時候我們幹嘛 不能用我們的直接用我們的常規控制圖 那麼需要將數據首先考慮什麼 要分爲正財數據 轉換爲正財數據 對不對 那有人說了 那老師我們能不能先嚐試一下 包括可以沒問題 你嘗試一下包括可以 我直接這裏就給大家一組帶過了 數據的話應該是幾個 我看看應該是 足夠大小是幾 足夠大小 我看一看 我看一看足夠大小是幾 足夠大小是一二三四 足夠大小是四 對不對 四個一組 是這樣 然後我們再來包括轉換 主轉直徑 然後四 我們轉換一下 看看可以不可以 大家可以看一看 我們的知性水平 然後什麼 沒有數值 對不對 然後這就是老師 這不有取證值嗎 對不對 剛纔我其實前面說到了 如果取證值大於0 大於正5 或者小於負5的話 也就說我們包括是幹嘛 是失效的 也就是不推薦大家使用包括 這個時候的話 包括如果不合適的話 我們需要什麼 其實這裏也說了 欄目值最大值 最優質大於5 對不對 我們是這個時候包括 已經沒法轉換了 我們推進強生變化 對不對 強生變化怎麼做呢 然後我們看我們原始數據 對不對 然後看一看 強生變化怎麼做呢 裝生變化怎麼做呢 給大家演示一下 這個強生變化的話 其實也很複雜 是這樣 我還是迴歸原始數據 強生變化的話 其實大家跟着我的思路來 OK 然後的話 我看這是第幾 OK 按照我們強生變化 統計 質量工具 大家看了有個裝生變化了嗎 裝生變化 然後幹嘛 主存 sorry 然後選擇我們的主存直徑 對不對 然後我們確定 大家可以看一看 大家想看一看轉換成功不成功 大家可以看一看 這裏裝生變化的話 給大家列的比較詳細了 大家可以看 原始數據的正態分佈概率圖 可以看一看 皮質小圓圓的人物 對不對 不可以 通過一系列的變換函數的轉換 然後大家可以看看 大家變換函數比較複雜 數據呈正態了 0.729 也就是說我們數據是正態的 對不對 然後這個時候的話 情況下我們就可以通過我們的數據的 一些系列的轉換 對不對 然後做我們的控制圖 當然情況下 我們其實不太推薦裝生變化 爲什麼 裝生變化的函數極其之複雜 它只是給大家提供了一個理論的一個 概率 理論的一個支持是這樣 我們是不太推薦大家用裝生變化的 如果大家如果想用裝生變化的話 還不如用我們的包 甚至不如用我們的分位數來控制 這樣反而來說我們比較簡單一點 比較簡單一些 是這樣 當然這裏只是告訴大家一個理論的 可能 大家當然如果有一些相應的 比如說 LIB或者一些其他高級的複雜 高級的一些統計工具 也是完全沒問題的 這個的話還是根據大家的知識結構 來去做的 是這樣 好不好 好 我看這裏 有人提出了轉換後的控制線怎麼換 其實我們這裏面剛纔已經又強調了兩次 然後我再給大家說一下 再給大家說一下 好不好 因爲先大家提出來了 首先計算欄目的值 欄目的值 比如說欄目的等於0 對不對 那欄目的等於0幹嘛 我們取自然對數 對不對 也就long y 對不對 long y取完之後的話 我們算出上控制線下控制線 還有中線控制中線 對不對 上下中對不對 控制線之後 也就是我們這個對不對 大家可以看看 就是long y x8的控制線 生成之後 對不對 那這個情況下取的是long y 對不對 那麼要回歸原始數據幹嘛 去取它一個自然對數不就得了嗎 這個自然以e爲底的 它的指數就可以了嗎 對不對 這樣的話不就生成了原始數據 一個控制的控制中線 控制上線 還控制下線了嗎 這樣的情況 原始數據的這三條線得到了 然後我們把原來的這些 x8點 比如說我們均值點描進去 不就可以了嗎 對不對 是這樣 這是通過一系列的轉換 得到我們原始 這就是我們轉換後的控制線 怎麼算出來的 是這樣好不好 如何轉換控制線 這個其實很簡單 你比如說你可以看一看 大家就按照這個舉例的話 對不對 我們對於我們的轉換的變量的控制線 已經得出來了 這個比如說ucr是3.02 對不對 這我們是取long y對不對 是這樣的 那我們把它轉換原始數據 就是E的3.032 E的3.032四方 所以我們拿計算器一拍 就出來我們的原始的一個 原始數據的一個量綱的一個控制線 對不對 這個的話應該不難 不難是這樣 好的 然後我們繼續再往下走 我們剛纔說到了 對不對 我們數據的一個非正載情況下 我們需要有兩種轉換 可以通過兩種轉換 這個當然是我們的SV主要推薦的 第一個是包括第二個裝置變換 但是其實MiniTab還給了我們一種方式 很好的方式是什麼方式呢 大家跟着我的速度來 叫什麼呢 我們還是打開這個給大家演示一下 給大家演示一下 大家跟着我的速度來 叫什麼呢 好嘞 打開我們數據對不對 然後我還是看數據 其實MiniTab有個非常好的 非常好的一個工具 大家看一看 大家統計 我來看一看 我也有一些時間沒用了 控制圖 還是質量工具 質量工具 大家看看有一個個體分佈識別 大家看看質量工具 有一個個體分佈識別 個體分佈識別 大家把這個鼠標點在這 看看這裏面說了什麼 在執行能力分析之前 要確定適當的分佈或變換 對不對 這個告訴你 其實很好的告訴你 能不能做一系列的變換 轉換成由原來的非正常數據 轉換正常數據 我們這樣操作一下 對不對 然後單列還是單列 我選擇什麼 組成直徑 直徑大約是幾 大家可以看 一二三四 四個一組 對不對 這是我們一數據的時候 四個一組 四就可以了 這個時候什麼都不要動 然後點擊確定 就可以了 稍等 大家看看是不是生成N多圖 N多圖大家可以看一下 大家不要關注這個往哪走 往下走 大家可以看 你和優度檢驗 首先的情況就告訴你了 你和優度檢驗告訴你什麼 告訴你數據的一些相關的一些 分佈情況 大家可以看數據 原始數據成正態 P值小於0.005 P值是小於0.005 是對不對 非正態 all course能轉換嗎 轉換完之後 也是小於0.005 對數正態分佈 行嗎 也不行 對不對 但是這裏邊給大家推薦了 就是說 如果經過一系列的轉換 能不能成正態 大家可以看看P值 P值 大於等於 0.05的 說錯了 P值大於等於0.05的就可以 大家可以看一看 P值大於等於0.05有幾個 有三參數對數正態 可以對不對 還有什麼 三參數伽瑪 還有說三參數的一個對數 邏輯是不是 還有說 sorry 說錯了 是這樣 看這一列 這裏面的話 其實給大家轉換完之後的話 大家可以看一看 哪幾個可以 邏輯或者對數邏輯 還有一個招生變換是可以的 當然這裏的話 我們當然取P值越大越好 對不對 P值大於等於0.5 越大越好 這樣的話轉換的效果更好 那是什麼 首先還是推招生變換 這樣 這裏的話 其實給大家指出了 就是原始數據 通過一系列的轉換之後 究竟成不成正態 或者是通過什麼樣的一個轉換 才能成正態 這裏面的話 就是關於我們這個叫什麼 再給大家展示一下 質量工具 這叫什麼 個體分佈識別 通過我們的個體分佈識別 就能將我們的數據的一些相關的情況 給大家展示出來 是這樣 這是一個很好的工具 是這樣 大家理解也可以一下 這個沒在我的課程當中 大家 好不好