Minitab 14. Datan syöttäminen ja manipulointi. Johdatus graafiseen analyysiin käyttäen Minitabbia,, 1 päivä. Minitab 14 koulutus. Minitab 14 koulutus

Transkriptio

1 Minitab 4 Datan syöttäminen ja manipulointi Johdatus graafiseen analyysiin käyttäen Minitabbia,, päivä Tanja Karjalainen Quality Knowhow Karjalainen Oy Tyyrpuurinkatu A 4 LAHTI Puh Fax tanja@qk-karjalainen.fi Internet: 4 Quality Knowhow Karjalainen Oy. All Rights Reserved. Minitab 4 koulutus Minitab Analysoi mittaustuloksia ja dataa kurssilla käydään neljän päivän aikana läpi keskeisiä laatu- ja tilastotyökaluja.. Päivä Minitabin perusteet Kurssilla opit käyttämään MINITAB:a mahdollisimman kätevästi. Opit navigoimaan MINITAB:n ikkunoissa nopeasti ja järjestämään dataa kunnolla. Lisäksi opit, miten mukautat MINITAB:n valikoita ja pikanappuloita luomalla esim. suosikit valikon, josta löytyy kaikki tarvitsemasi työkalut nopeasti. Näet, kuinka sujuvasti MINITAB toimii yhteen muiden ohjelmien kanssa mm. Office - paketti. Opit kuinka luodaan, käytetään ja tulkitaan MINITAB:n graafeja. Opit arvioimaan datan normaalisuutta käyttäen apunasi graafeja ja perustilastoja. Opit muokkaamana graafeja ja lisäämään niihin erilaisia tietoja. Lisäksi opit, miten luot näyttävän näköisiä raportteja ja esityksiä MINITAB:n avulla Minitab 4 koulutus. Päivä Tilastollinen analyysi, t-testit, ANOVA, Regressio Täydennä graafisen analyysin taitojasi käyttäen MINITAB:n erinomaisia tilastollisia työkaluja. Kurssilla opit määrittämään sopivan näytekoon, jolla varmistat analyysituloksien luotettavuuden. Opit myös tutkimaan mahdollisia suhteita muuttujien välillä käyttäen korrelaatiota, regressiota ja matriisikuvia. Opit, kuinka prosessin muutokset tai parannukset todistetaan käyttämällä t-testejä, ANOVA -tekniikkaa ja varianssitestejä. Kurssi keskittyy hyvän liiketoimintapäätöksen tekoon, käyttäen avuksi tilastollisia sovelluksia. Opiskelijan tulee hallita ennestään MINITAB:n perusteet tai osallistua MINITAB:n peruteet päivään, jotta kurssin eteneminen olisi sujuvaa. Minitab 4 koulutus. Päivä MSA, Gage R&R ja laadunparannus Opit, kuinka arvioidaan mittaussysteemejä (Gage R&R), prosessin kyvykkyyttä ja prosessin stabiilisuutta. Opit arvioimaan Gage R&R avulla, kuinka mittauslaitteen ja operaattorin tarkkuus vaikuttavat mittaussysteemin un sekä opit määrittämään mittaussysteemin stabiilisuuden ajan suhteen käyttäen Gage Stability tutkimusta. Kurssilla harjoitellaan, kuinka priorisoidaan laatuongelmia ja keskitytään parannustoimenpiteisiin Paretokaavioiden avulla sekä organisoidaan ideat mahdollisista syistä syy-seuraus diagrammin avulla. Lisäksi tunnistetaan ei-satunnaisia kuvioita aikadatasta käyttäen run chartteja. Kurssilla arvioidaan prosessin ohjausta (SPC) käyttäen Xbar, R, S ja historiallisia kortteja sekä analysoidaan prosessin ohjausta ja kyvykkyyttä käyttäen Capability Sixpack:iä. Opit myös arvioimaan kyvykkyyttä käytten kyvykkyysanalyysia ja arvioimaan ei-normaalin datan kyvykkyyttä käyttäen Box-Cox muunnosta. Minitab 4 koulutus 4. Päivä Koesuunnittelu Kurssilla opitaan luomaan ja analysoimaan täys- ja osittaistekijäkokeita käyttäen MINITAB:a. Opit, kuinka luot koesuunnitelman, kuinka analysoit koessuunnitelmaa sekä tulkitset pareto kaavioita ja normaalisuuskuvia vaikutuksista, kuutiokuvia ja päävaikutuskuvia sekä keskinäisvaikutuskuvia yhdessä tilastollisen ulostulon ja responce optimizerin kanssa. Opit, kuinka valitset asetukset, jotka optimoivat yhden tai useamman vasteen tai opit määrittämään suunnan seuraavalle kokeelle. Kurssilla tehdään myös käytännön harjoituksia kokeesta ja sen suunnittelusta ja analysoinnista.

2 Minitab 4 Minitab 4 Minitab 4 Minitab 4 Minitab 4 koulutus Minitab -kurssi on jaettu neljään päivään. Voit osallistua kuhunkin päivään erikseen tai koko kurssiin kerrallaan. Kurssilla tehdään esimerkkiharjoituksia jokaisesta työkalusta. Kurssi keskittyy pääsääntöisesti työkalun opettamiseen / tulosten tulkitsemiseen Minitabilla. Kuitenkin kurssiaineisto sisältää myös jonkun verran teoriaa kustakin laatu/tilastotekniikasta. Voit siis osallistua kurssille vähemmälläkin pohjatiedolla työkalusta. Jakson tavoitteet. päivä Opitaan Minitabin keskeiset ikkunat ja menujen rakenne, työkalurivit ja oikotiekäskyt näppäimistöstä Opitaan Minitabin data-tyypit, datan tuominen, manipulointitekniikat ja oikea MINITAB analyyseissä tarvittava datan rakenne. Opitaan, kuinka luodaan ja tulkitaan perusgraafeja Minitabilla sekä kuinka luodaan raportit. Opitaan kuinka liikutaan ja siirretään dataa Minitabista toisiin ohjelmiin.

3 Minitab 4 Graafiset analyysit Jakson tavoitteet. päivä Käytetään sopivia graafeja datan tutkimiseen Käytetään perusgraafeja määrittämään mahdolliset n syyt Käytetään perusgraafien mukautettuja ominaisuuksia ja graafin editointityökaluja muokatessamme graafeja Käytetään Exec-makroja toistettaessa tiettyjä graafisia analyysejä Minitab 4 Tilastotekniikan perusteet käyttäen MINITAB:ia,. päivä Tanja Karjalainen Quality Knowhow Karjalainen Oy Tyyrpuurinkatu A 4 LAHTI Puh Fax tanja@qk-karjalainen.fi Internet: 4 Quality Knowhow Karjalainen Oy. All Rights Reserved. Johdatus johtopäätösstatistiikkaan Johdatus johtopäätösstatistiikkaan Testataan nollahypoteesiä käyttäen t-testejä ja luottamusvälejä Arvioidaan hypoteesitestauksen tehokkuutta käyttäen tehoanalyysejä.

4 t-testit ja osuuksien testit t-testit ja osuuksien testit Arvioidaan eroa prosessinkeskiarvon ja tavoitearvon välillä, käyttäen one-sample t-testiä Arvioidaan eroa kahden näytteen keskiarvojen välillä käyttäen riippumatonta two-sample t-testiä Arvioidaan eroa parittaisten havaintojen välillä käyttäen parittaista t-testiä Arvioidaan eroa osuuden ja tavoitearvon välillä käyttäen one proportion testiä. Regressio Regressio Kun tilastollinen riippuvuus on havaittu, ryhdytään selvittämään, onko muuttujien välillä myös olemassa syy-seuraus suhdetta. Pelkkä riippuvuus ei nimittäin vielä takaa sitä, että toinen tekijä aiheuttaa toisen. Mitataan lineaarisen yhteyden astetta kahden muuttujan välillä käyttäen graafeja ja statistiikkaa Mallinnetaan suhdetta jatkuvan vastemuuttujan ja yhden tai useamman ennustavan muuttujan välillä Määritetään jatkuvan vastemuuttujan ja yhden tai useamman ennustavan muuttujan välillä olevan suhteen vahvuus Varianssianalyysi Varianssianalyysi Verrataan ryhmän variansseja käyttäen varianssitestiä Verrataan kerättyjä näytekeskiarvoja yksittäisen tekijän eritasoilla käyttäen analysis of means Verrataan kerättyjä näytekeskiarvoja useamman kuin yhden tekijän eritasoilla käyttäen balanced anova Verrataan kerättyjä näytekeskiarvoja useamman kuin yhden tekijän eritasoilla käyttäen general linear model

5 4 4 Defects Defects Gage name: Date Gage of study: name: Date of study:,,,4,4,, Panel v ariable: RimStrip Panel v ariable: RimStrip Count Percent Count 4,84,99,4 4,9,4 4,8 Cum Percent % 4,8 4,8 8,,9 88,9, 9,44, 9,,4,4, Cum % 4,8 8, 88,9 9,4 9,, Reported by: Tolerance: Reported by: Misc: Tolerance: Misc: ,,,4,4,, Shifts = Day Shifts = Day Shifts = Night Shifts = Night Peel Scratch Other Smudge Peel Scratch Other Smudge Reported by: Gage name: Tolerance: Reported by: Date Gage of study: name: Misc: Tolerance: Date of study: Misc: Components of Variation Thick by RimStrip Components of Variation % Contribution Thick by RimStrip % Study Var, % Contribution % Process % Study Var, % Tolerance % Process, % Tolerance,, Gage R&R Repeat Reprod Part-to-Part 4 8 9, Gage R&R Repeat Reprod Part-to-Part 4 RimStrip 8 9 R Chart by RimStrip R Chart by Thick by,4 UC L=,4 Thick by,4 UC L=,4,,,,, R=,, R=,, LC L=,, LC L=, Xbar Chart by Xbar Chart by * RimStrip Interaction * RimStrip Interaction, UC L=,94, X=,9, LC L=,4 UC L=,94, X=,9, LC L=,4,,,,, 4 8 9,, RimStrip RimStrip Measurem Measurem ents ents Micrometers Material Material Micrometers Microscopes Microscopes Inspectors Alloys Inspectors Condensation Brake Condensation Brake Engager Moisture% Engager Moisture% Angle Angle Environment Methods Environment Methods Peel Scratch Other Smudge Peel Shifts Scratch = Evening Other Smudge Flaws Shifts = Evening Peel Flaws Scratch Peel Other Scratch Smudge Other Smudge Shifts = W eekend Shifts = W eekend Alloys Lubricants Lubricants Suppliers Suppliers Personnel Personnel Shifts Shifts Supervisors Sockets Machines Machines Supervisors Training Training s Speed Speed Lathes Lathes Bits Bits Sockets s Surface Flaws Surface Flaws Minitab 4 MSA, Gage R&R ja tilastollinen laadunparannus ja ohjaus,. päivä Mittaussysteemin analysointi Tanja Karjalainen Quality Knowhow Karjalainen Oy Tyyrpuurinkatu A 4 LAHTI Puh Fax tanja@qk-karjalainen.fi Internet: 4 Quality Knowhow Karjalainen Oy. All Rights Reserved. Gage Run Chart of Thick by RimStrip, Gage Run Chart of Thick by RimStrip, Thick Thick Gage R&R (ANOVA) for Thick Gage R&R (ANOVA) for Thick Percent Percent Average Average 8 Mittaussysteemin analysointi Mahdollisia n lähteitä Havaittu prosessin Arvioidaan kuinka mittauslaitteen ja operaattorin tarkkuus vaikuttavat mittaussysteemin un Gage R&R avulla. Määritetään mittaussysteemin stabiilisuus ajan suhteen käyttäen Gage Stability tutkimusta Määritetään lineaarisuus ja bias mittaussysteemille käyttäen Gage Linearity tutkimusta Pitkän ajan prosessi Todellinen prosessin Lyhyen ajan prosessi Vaihtelu näytteen sisällä Mittauksen Operaattorista johtuva Uusittavuus Mittalaitteesta johtuva Tarkkuus Toistettavuus Stabiilisuus Lineaarisuus Mittauksilta vaadittava kyvykkyys 9 Laadunsuunnittelun työkalut Mittaussysteemi on OK. Ei vaikuta merkittävästi tulokseen Riippuu kriittisyydestä ja kustannuksista Ok ei ok Hylkää mittaus systeemi Ei ok Vaikutus % Tutkittu Erilliset luokat Erottelu suhde < % < % > > % - 9 % % - % > 9 % > % < 4 < 4 Peukalosääntö on, että mittauksen kyvykkyyden on oltava x niin hyvä kuin pienin havaittava/hallittava muutos. Count Count Missing Screws Missing Screws Pareto Chart of Defects Pareto Chart of Defects Missing Clips Missing Clips Leaky Gasket Leaky Gasket Defective Housing Defective Housing Incomplete Part Incomplete Part Other Other Percent Percent Count Count Pareto Chart of Flaws by Shifts Pareto Chart of Flaws by Shifts Flaws Flaws Accuracy Accuracy Condition Condition Cause-and-Effect Diagram Cause-and-Effect Diagram Mentors Mentors Too slow Too slow Testing Testing Erratic Erratic

6 ,8,,4,, ,8,,4,, UCL=4,4 UCL=4,4 R=,4 R=,4 LCL= LCL= UCL=4,88 UCL=4,88 X=4 X=4 LCL=8, LCL=8, UCL=4, UCL=4, R=, R=, LCL= LCL=,,,,,, Xbar Chart Xbar Chart 9 9 R Chart R Chart 9 9 Last Subgroups Last Subgroups UCL=,84 UCL=,84 X=, X=, LCL=8,8 LCL=8,8 UCL=, UCL=, R=,4 R=,4 LCL= LCL= 8 Capability Histogram Capability Histogram Weibull Prob Plot AD: Weibull,48, P: Prob,4Plot AD:,48, P: Capability Plot Capability Plot Overall Overall Shape Overall, Overall Scale Shape,4, Pp Scale,4 * PpkPp,9 * Specs,9 Specs UCL=,8 UCL=,8 X= 4 4 LCL=4,4 LCL=4, Observation 4 49 Observation UCL=, UCL=, MR=9, LCL= LCL= Observation 4 49 Observation 8 8 Laadun suunnittelun työkalut Data alaryhmissä Priorisoidaan laatuongelmia ja keskitytään parannustoimenpiteisiin Pareto-kaavioiden avulla Organisoidaan ideat mahdollisista syistä syyseuraus diagrammin avulla Tunnistetaan ei-satunnaisia kuvioita aikadatasta käyttäen run chartteja R Chart of Measure;...; Measure R Chart of Measure;...; Measure Vendor Vendor Tsquared Tsquared Tsquared Chart of Stay; Satisfaction Tsquared Chart of Stay; Satisfaction Values Values Process Capability Sixpack of PSI;...; PSI4 Process Capability Sixpack of PSI;...; PSI4 UCL=, UCL=, Median=, Median=, Data alaryhmissä Ohjauskortit Arvioidaan prosessin ohjausta käyttäen Xbar, R, S ja historiallisia kortteja Arvioidaan prosessin ohjausta ja kyvykkyyttä käyttäen Capability Sixpack:iä Arvioidaan kyvykkyyttä käyttäen kyvykkyysanalyysiä Arvioidaan ei-normaalin datan kyvykkyyttä käyttäen Box-Cox muunnosta Arvioidaan ei-normaalin datan kyvykkyyttä käyttäen kyvykkyys analyysiä (Weibull) Mitä on ohjauskortit Ohjauskortit ovat erikoistuneempi aikasarja kortti, joka on suunniteltu auttamaan prosessin epänormaalien kuvioiden tunnistamisessa. Yleisesti ottaen ohjauskortti näyttää tältä: Laatuominaisuus Ylempi ohjausraja Keskiviiva Alempi ohjausraja Näytenumerot (tai aika) Ohjauskortit Individuaali-data Milloin käytetään ohjauskortteja Käytä ohjauskorttia, kun sinulla on aika-järjestyksessä olevaa näytedataa tärkeästä laatuominaisuudesta. Miksi käytetään ohjauskortteja Ohjauskortit voivat auttaa vastaamaan kysymyksiin, kuten: Kuinka yhdenmukainen tuote on? Kuinka paljon a on jokaisella operaattorilla tai jokaisessa erässä? Kuinka paljon a on operaattoreiden tai erien välillä? Esimerkiksi Onko uudet operaattorit saaneet riittävästi ohjausta, jotta heidän työ on yhdenmukaista? Onko koneet säädetty samalla lailla, jotta tuotteet ovat samanlaisia? Individual Value Individual Value I Chart of FillWt I Chart of FillWt Observation 4 49 Observation UCL=,8 UCL=,8 X= X= LCL=4,4 LCL=4,4 Individual Value Individual Value Moving Range Moving Range I Chart of FillWt I Chart of FillWt Moving Range Chart of FillWt Moving Range Chart of FillWt X= MR=9,

7 Centerpoint 4, 4,8 4,4 4, 9, 4, 4, 9, - Temperature - - Reactime Temperature - Centerpoint , -, -,,,,,, -, -,,,,,4,4,,,,,,,,,,,,,,,, P Chart P Chart Cumulative %Defective Cumulative %Defective 4 4 UCL=,499 UCL=,499 P=,4 P=,4 LCL= LCL= Summary Stats (using 9,% Summary confidence) Stats (using 9,% confidence) %Defective:,4 Lower %Defective: CI:,,4 Upper Lower CI: CI:,9, Target: Upper CI:,,9 PPM Target: Def: 4, Lower PPM CI: Def: 4 Upper Lower CI: CI: 88 Process Upper Z: CI:,9 88 Lower Process CI: Z:,99,9 Upper Lower CI: CI:,8,99 Upper CI:,8 Binomial Plot 4, Binomial Plot 4,,,,,,, 4 Observed Defectives 4 Observed Defectives Dist of %Defective Dist of %Defective Tar Tar 4 4 Individuaali -data Attribuutti -data 8 Monitoroidaan prosessia käyttäen liikkuvan välin korttia Arvioidaan prosessin keskiarvoa käyttäen individuaali-korttia. Proportion Proportion %Defective %Defective Binomial Process Capability Analysis of Failed Binomial Process Capability Analysis of Failed Expected Defectives Expected Defectives Proportion Proportion,,,,,4,4,,,,,,,,,9,9 P Chart of To VMail P Chart of To VMail Date Date Tests performed with unequal sample sizes Tests performed with unequal sample sizes 8//9 8//9 8//9 8//9 8/9/9 8/9/9 8//9 8//9 8//9 8//9 8/9/9 8/9/9 8//9 8//9 8//9 8//9 8//9 8//9 8/9/9 8/9/9 UCL=, UCL=, P=,4 P=,4 LCL=,9 LCL=,9 9 Attribuutti -data Valitse sopiva ohjauskortti, kun sinulla on attribuutti-dataa Monitoroi prosessin ohjausta käyttäen P, NP, U ja C -kortteja Arvioi prosessin kyvykkyyttä, kun data on binomi-jakaumasta. Minitab 4 Koesuunnittelu MINITABin avulla - Johdatus faktorikokeisiin 4. päivä Tanja Karjalainen Quality Knowhow Karjalainen Oy Tyyrpuurinkatu A 4 LAHTI Puh Fax tanja@qk-karjalainen.fi Internet: 4 Quality Knowhow Karjalainen Oy. All Rights Reserved. Parannus kokeen avulla 4 Miksi koesuunnittelua käytetään? 4 DOE, Koesuunnittelu Yield Main Effects Plot (data means) for Yield Y Surface Plot of Y Koesuunnittelussa muutetaan prosessin asetuksia tietyn koesuunnitelman avulla, jotta nähtäisi, mikä on muutoksen vaikutus ulostuloon. Interaction Plot (data means) for Yield B, -, A Termi Design of Experiments viittaa strukturoituun tapaan muuttaa prosessin asetuksia, niin että voidaan tutkia monien asetuksien vaikutusta ulostuloon yhtäaikaisesti ei yksi kerrallaan. Reactime Koesuunnittelulla löydetään funktionaalinen yhteys Y:n ja X:n välille. Koesuunnittelua (DoE, Taguchi) hyväksikäyttäen löydetään vaikuttavat muuttujat prosessista. Tämä aktiivinen lähestymistapa mahdollistaa prosessin muuttujien (x) ja ulostulon (y) suhteen tutkimisen tehokkaasti.

8 Miksi koesuunnittelu tekee? 4 Johdatus faktorikokeisiin 44 Tunnistaa vital few eli muutamat harvat n lähteet (x:t) tekijät, joilla on suurin vaikutus tulokseen (ulostuloon). Tunnistaa x:t, joilla on hyvin vähän vaikutusta tulokseen. Määrittää tärkeiden x:n vaikutuksen ottaen huomioon myös keskinäisvaikutukset. Tuottaa yhtälön, joka määrittää x:n ja y:n välisen suhteen Ennustaa kuinka paljon hyötyä tai hävikkiä aiheutuisi tietyistä prosessin olosuhteiden muutoksista. 4 4 Johdatus faktorikokeisiin Faktorikoesuunnitelmat Ymmärretään faktorikoesuunnitelmien rakenne ja käyttö Ymmärretään vasteen päävaikutukset ja keskinäisvaikutukset Mitä on faktorikoesuunnitelmat Faktorikoesuunnitelmat mahdollistavat useiden tekijöiden vaikutuksen samanaikaisen tutkimisen prosessissa. Vaihtelemalla tekijöiden tasoja yhtäaikaisesti ennemmin kuin yksi kerrallaan: on tehokasta sekä ajan että rahan suhteen mahdollistaa tekijöiden välisten keskinäisvaikutusten tutkimisen Milloin käytetään faktorikoesuunnitelmia Käytä faktorikoesuunnitelmia arvioidaksesi tehokkaasti jokaisen tekijän vaikutuksia vasteeseen arvioidaksesi kahden tai useamman tekijän keskinäisvaikutusten vaikutusta vasteeseen Faktorisuunnitelmat 4 Täystekijäkoesuunnitelmat 48 testataksesi vasteen käyryyttä sisällyttämällä keskipisteet suunnitelmaan Miksi käytetään faktorikoesuunnitelmia Käytä faktorikoesuunnitelmia vastataksesi kysymyksiin, kuten: Mitkä muuttujat vaikuttavat eniten vasteeseen? Mitkä tekijöiden asetukset optimoisivat vasteen? Esimerkiksi: Kuinka leikkausnopeus, metallin kovuus ja leikkauskulma vaikuttavat metallin leikkaustyökalun käyttöikään? Mitkä asetukset makeudelle, laimennussuhteelle, hiilihydraattitasolle ja lämpötilalle maksimoisivat parhaan maun uudessa virvoitusjuomassa.

9 Täystekijäkoesuunnitelmat 49 Perättäiset kokeet Määritetään näytekoko täystekijäkoesuunnitelmalle Toistetaan täystekijäkoesuunnitelma Lasketaan täystekijäkoesuunnitelman teho Perättäiset kokeet Useiden vasteiden optimointi Vähennetään tarvittavien kokeen ajojen määrää käyttämällä osittaistekijäkoesuunnitelmia Havaitaan mallin käyryyttä käyttämällä keskipisteitä Useiden vasteiden optimointi Etsi tekijäasetukset, jotka minimoivat yhtä vastemuuttujaa Etsi tekijäasetukset, jotka optimoivat useita vastemuuttujia.