六西格码管理工具培训教案.ppt

Six Sigma 使用工具培訓講義;回顧： 定義/測量階段 ;6西格瑪 DMAIC策略的概括圖;相關和回歸分析在 6 sigma中各階段的作用;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;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;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;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---一元線性回歸分析示例; 1.2. 選取合適的圖形類別：;1.3. 在表中輸入Y和 X：;1.4. 輸出散佈圖如下：;2. 計算相關係數 (使用 Minitab軟件 )： 2.1 在 Minitab下拉式菜單選： Stat Basic Statistics Correlation;2.2 選擇下圖所示信息：;2.3 Minitab 輸出：;二 . 建立回歸模型 1. 在 Minitab下拉式菜單選： Stat Regression Regression，如下圖所示：;2. 在出現的對話框選擇下圖所示信息：;3. 點擊 “Storage” 按鈕，在出現的對話框選擇下圖所示信息：;4. 點擊 ”Options” 對話框， 選擇下圖所示信息：;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：;5. 2 預測區間和置信區間：;6. 從 Minitab輸出結果我們可得出如下結論： 6.1 可求出回歸方程 6.2 回歸方程的顯著項，在本例中，常數項和系數項均為顯著項 6.3 測定系數 R , 詷整測定系數 Radj表示回歸方程可解釋的變差占總變差的百分比 6.4 回歸方程的方差分析結果，本例的分析結果中，Fcal = 128.86 Fcritical = 4.414，並且P 0.05，因此以95%的置信度認為回歸方程擬合良好。 6.5 可得到氧氣的純度預測值，預測區間和置信區間。;三。 殘差分析 1. 在 Minitab下拉式菜單選： Stat Regression Regression，如下圖所示：;2. 在出現的對話框選擇下圖所示信息：;3. Minitab輸出分析結果如下圖：;6. 從 Minitab輸出結果我們可得出如下結論： 6.1 可求出回歸方程 6.2 回歸方程的顯著項，在本例中，常數項和系數項均為顯著項 6.3 測定系數 R , 詷整測定系數 Radj表示回歸方程可解釋的變差占總變差的百分比 6.4 回歸方程的方差分析結果，本例的分析結果中，Fcal = 128.86 Fcritical = 4.414，並且P 0.05，因此以95%的置信度認為回歸方程擬合良好。 6.5 可得到氧氣的純度預測值，預測區間和置信區間。;四 . 建立回歸模型 1. 在 Minitab下拉式菜單選： Stat Regression Fitted line Plot...，如下圖所示：;2. 在出現的對話框選擇下圖所示信息：;3. 測定系數 R , 詷整測定系數 Radj表示回歸方程可解釋的變差占總變差的百分比;4. Minitab輸出結果如下：;5. 圖形分析如下： 5.1。 圖形可輸出回歸方程，測定系數 R , 詷整測定系數 Radj和殘差標准差。 5.2。最中間的一條直線表示回歸方程的擬合值。 5.3。緊靠直線的兩條紅色虛線代表擬合值均值在 95%的置信度下的置信區間。 5.4。最靠外的兩條綠色點畫線代表擬合值在 95%的置信度下的預測區間。;五。一元回歸的幾種模式： 我們可用 Minitab對一元回歸方程進行檢驗以確定哪種模式是最適合的回歸模式。;一。非線性相關關係的判定 以下幾種方法可判斷 x和 y之間是否存在非線性關係，在實際應用時，可結合幾種方法，得出一個綜合的結論。 1.1 觀察散佈圖：;1.2。確認 r 值： r 值代表 x和 y之間線性相關的程度，如果 r 0.95，則 x和 y的線性相關關係十分明顯，用線性方程來擬合一般不成問題。如果