六西格码使用工具培训讲义ppt

《六西格码使用工具培训讲义ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、SixSigma使用工具培訓講義回顧：定義/測量階段6sigma管理法6西格瑪DMAIC策略的概括圖回顧：定義/測量階段相關和回歸分析在6sigma中各階段的作用分析階段---相關和回歸分析突破性策略定義測量分析改善控制優化鑒別驗證原因的真實性對結果進行預測確定少數關鍵變量相關和回歸分析從右圖可知，在6sigma分析，控制階段都會用到相關和回歸分析方法。分析階段---相關和回歸分析概述1.回歸分析定義：分析階段---相關和回歸分析概述2.相關分析定義：分析階段---相關和回歸分析概述3.相關和回歸分析的關係：分析階段---相關和回歸分析概述4.散佈(點)圖：分析階段---相關和回

2、歸分析概述4.幾種常見的散佈(點)圖：散佈(點)圖具體作法參照後面的例子。分析階段---相關和回歸分析概述5.相關系數：是用來描述變量x和y之間線性相關程度的參數，用R來表示，它具有以下方面的特性：分析階段---相關和回歸分析概述分析階段---相關和回歸分析概述分析階段---相關和回歸分析概述相關系數的計算除用上面提到的Minitab方法外，也可采用以下的方法：R=Lxy/sqrt(Lxx*Lyy)Lxy=Σ(xi-x)(yi-y)Lxx=Σ(xi-x)Lyy=Σ(yi-y)Xi=變量x的數據點，i=1,2,3…yi=變量y的數據點，i=1,2,3…n=變量x和y的樣本容量i=1

3、i=1i=1nnn22參照相關係數都督算法的例子。6.回歸分析通過相關分析可以確定變量間的相關性及相關程度，在解決實際問題時，僅做到這一步是不夠的。因為我們分析的目的是發現主要因素並找到其影響規律。即隨著“關鍵的少數因素x”的變化，因變量y如何變化。對應於因素的某個變化量，y的變化量是多少？回歸分析就是用來定量描述因素x和因變量y間的關係的方法。通過回歸分析，我們可用方程來表示x和y的關係。從而發現y隨x的變化規律。回歸分析可以篩選潛在的少數x，對y進行預測和優化及確定對應於y的最優值的x的水平設置。分析階段---相關和回歸分析---一元線性回歸分析分析階段---相關和回歸分析-

4、--一元線性回歸分析分析階段---相關和回歸分析---一元線性回歸分析示例一.進行相關性分析(使用散佈圖)1.散佈圖作法1.1在Minitab下拉式菜單選：Graph>Scatterplot1.2.選取合適的圖形類別：分析階段---相關和回歸分析---一元線性回歸分析示例1.3.在表中輸入Y和X：分析階段---相關和回歸分析---一元線性回歸分析示例1.4.輸出散佈圖如下：分析階段---相關和回歸分析---一元線性回歸分析示例2.計算相關係數(使用Minitab軟件)：2.1在Minitab下拉式菜單選：Stat>BasicStatistics>Correlation分析階段--

5、-相關和回歸分析---一元線性回歸分析示例2.2選擇下圖所示信息：分析階段---相關和回歸分析---一元線性回歸分析示例2.3Minitab輸出：Correlations:Hydrocarbon%,Oxygenpurity%PearsoncorrelationofHydrocarbon%andOxygenpurity%=0.937P-Value=0.000分析階段---相關和回歸分析---一元線性回歸分析示例二.建立回歸模型1.在Minitab下拉式菜單選：Stat>Regression>Regression，如下圖所示：分析階段---相關和回歸分析---一元線性回歸分析示例2.

6、在出現的對話框選擇下圖所示信息：分析階段---相關和回歸分析---一元線性回歸分析示例3.點擊“Storage”按鈕，在出現的對話框選擇下圖所示信息：此選項表示在Minitab工作表中存儲擬和值和殘差分析階段---相關和回歸分析---一元線性回歸分析示例4.點擊”Options”對話框，選擇下圖所示信息：回歸方程有合適的截距表示根據現有的冷凝器中的炭氫化合物的%的全部數據對氧氣的純度進行預測，並求預測區間和置信區間。分析階段---相關和回歸分析---一元線性回歸分析示例5.Minitab輸出分析結果如下：5.1回歸方程和回歸方程的方差分析：RegressionAnalysis:O

7、xygenpurity%versusHydrocarbon%TheregressionequationisOxygenpurity%=74.3+14.9Hydrocarbon%PredictorCoefSECoefTPConstant74.2831.59346.620.000Hydrocarbon%14.9471.31711.350.000S=1.08653R-Sq=87.7%R-Sq(adj)=87.1%AnalysisofVarianceSourceDFSSMSFPRegre