2014上机指导书-质量管理
实验指导书--《质量管理》
(内部使用)
专业班级：
姓名：
学号：
机械与运载工程学院二零一年月
上机实验1 正交实验设计
一、实验目的
掌握minitab进行正交实验设计的基本方法。
二、实验要求
熟练统计软件操作，正确分析结果及做出统计决策。
三、实验内容
磁鼓电机是彩色录像机磁鼓组件的关键部件之一，按质量要求其输出力矩应大于210g·cm。某生产厂过去这项指标的合格率较低，从而希望通过质量改进来提高磁鼓电机的输出力矩。经过改进小组的前期分析和讨论，确定了充磁量、定位角度和定子线圈匝数为主要原因，下一步准备采用正交实验设计来确定最佳参数。
首先，根据3个因子的可能取值范围，决定每个因子的水平值，每个因子取3个水平，形成如下因子水平表：
表1-1因子水平表
四、实验步骤思考及习题
1．创建正交实验计划
（1）选择菜单“统计-〉DOE-〉创建田口设计”：
（2）点击“创建田口设计”后，弹出如下对话框：
（3）在对话框“设计类型”中选择“3水平设计”，“因子数”选择“3”，再按下“设计”按钮，弹出如下对话框：
（4）选择“L9”正交表，按下“确定”返回上级对话框：
（5）按下“因子”按钮，进行因子水平表设计：
（6）根据“表1-1因子水平表”，将相应的内容修改到上面对话框中，修改后的对话框如图：
（7）点击“确定”按钮，返回上级对话框。
（8）点击“确定”按钮，Minitab将自动生成正交表，如图：
（9）在上图C4下面的标题框中输入“实验结果y”，完成实验计划的创建：
2．实施实验
有了实验计划后就可以按其进行实验，为了避免事先某些考虑不周而产生系统误差，因此实验的次序最后要随机化，然后将实验结果记录在对应的“实验结果y”列中。
获得的实验数据输入Minitab中，如图：
3．数据分析
（1）数据的直观分析：
按下“分析田口设计”，进入“分析田口设计”
将“实验结果y”选中到“响应数据位于”文本框中，按下“确定”按钮，进行分析：
根据Minitab所给出的均值响应表和均值主效应图可以看出：
对输出力矩影响最大的因子是定位角度，其次是充磁量，最后是定子线圈匝数
使指标达到最大的条件是A2B2C3，即充磁量取1100，定位角度取11，定子线圈取90，可以使输出力矩达到最大。
在数据的直观分析中是通过极差的大小来评价各个因子对指标影响的大小，那么极差要小到
什么程度可以认为该因子对指标值已经没有显著的差别了呢？为回答这一问题，需要对数据进行方差分析。
（2）数据的方差分析
按下“统计-〉方差分析-〉一般线形模型”进入如下对话框：
将“实验结果y”选中到“响应”框中，“充磁量、定位角度、定子线圈匝数”选入“模型”框内，点击“确定”，可得如下分析结果。
由于因子定位角度对应的P值为0.020小于0.05，所以在显著性水平0.05上，因子B是显著的；因子充磁量的P值为0.076小于0.10，所以因子在显著性水平0.10上是显著的。因子C 的P值为0.214大于0.10，所以在显著性水平0.10上因子C是不显著的。
4．最佳条件的选择
对显著因子应该选择其最好的水平，因为其水平变化会造成指标的显著不同，而对不显著因子可以任意选择水平。实际中常可根据降低成本、操作方便等来考虑其水平的选择。
在显著性水平0.10上，因子A与B是显著的，所以要选择其最好的水平，按前所述，应取A2B2C3，对因子C可以选任意水平，譬如为了节约材料可选C1。
因此最佳条件为A2B2C1。
5．验证实验
在实验中找到的最佳条件是A2B2C3，即实验中的第5号实验，其实验结果确为9次实验中指标最高的。但在实际问题中分析所得的最佳条件不一定在实验中出现，为此通常需要进行验证实验，譬如选择条件A2B2C1，该条件就不在所进行的9次实验中，它是否真的符合要求？
对于最终确定的实验结果，我们可以采用Minitab进行模拟验证：
点击“统计-〉DOE-〉田口-〉预测田口结果”菜单进入“预测田口结果”对话框，如图：
选中“均值”复选框，点击“水平”按钮进入“预测田口结果-水平”对话框，如图：
根据A2B2C1，对每个因子选择相应的水平数，然后点击“确定”按钮，返回“预测田口结果”对话框，如图：
点击“确定”按钮，由Minitab完成指定实验的模拟分析，结果如下：
由上面的数据可知模拟的结果为234.778。
对于预测的模拟结果，可在实际实验中进一步核实。
五、思考题
1．对于本实验，若显著性水平为0.05，则最佳条件该如何选定？
2．若要考虑因子之间的交互作用，如何进行数据分析？
上机实验2 控制图
一、实验目的
掌握minitab软件用于绘制控制图的基本方法。
二、实验要求
熟练统计软件操作，正确分析结果及做出统计决策。
三、实验内容
某汽车发动机组装厂的部件之一的凸轮轴的长度必须为600mm+2mm以满足工程规格。凸轮轴长度不符合规格是一个长期以来的问题，它引起装配时配合不良，导致废品率和返工率都居高不下。部门主管要求绘制Xbar-R控制图以监控此特征，于是在一个月中从工厂使用的所有凸轮轴收集共100个观测值（20个样本，每个样本中5个凸轮轴），并从每个供应商处收集100个测量值。其中一家供应商A的数据见表2-1，请绘制Xbar-R控制图。
表2-1供应商A凸轮轴长度测量值
1 602.
2 601.6 599.8 603.8 600.8 598.0 601.6 602.4 601.4 601.2
2 599.8 600.2 602.8 603.6 600.2 598.4 603.4 602.2 599.2 604.2
3 599.8 601.8 600.0 601.8 600.
4 600.8 597.0 600.6 601.6 600.2
4 601.0 601.2 599.6 602.0 600.2 602.8 599.8 596.2 600.4 600.0
5 601.
6 597.6 602.2 603.6 602.2 597.6 597.8 602.4 598.0 596.8
四、实验步骤
（1）将上述按照表格形式数据输入到Minitab表格中，
（2）选择菜单“数据-〉堆叠列-〉列”，对数据堆叠成一列，弹出的对话框如图：
（3）按照上述内容进行设置，则可将所有的样本组数据堆叠成一列，如图：
（4）由于Xbar-R是计量型控制图，为保证结论的有效性，首先需要对数据的正态性进行检验。
（5）选择菜单“统计-〉基本统计量-〉正态性检验”，弹出对话框，如图：
将“C22样本数据”选中“变量”后面的文本框中；正态性检验规则，选中“Anderson-Darling”。
注：正态性检验的三种方法选择依据：
①Anderson-Darling：根据观测数据的累积分布函数ECDF来计算的，是系统的默认项，该方法是目前所有正态性检验中功效最高的；
②Ryan-Joiner：该方法是ISO组织和我国标准化组织采用的方法，优点是可以对很小的样本进行正态性检验；
③Kolmogorov-Smirnov：可适用于多种分布的检验，因此单独针对正态性检验的功效比前两种方法要低一些。
（6）点击上图的“确定”按钮后，弹出概率图，如图：
软件会生成正态概率图并进行假设检验，以检查观测值是否服从正态分布。对于正态性检验，假设为：
H0：数据服从正态分布与H1：数据不服从正态分布
查看上图中的“P值”可知数据是否满足正态分布。若P≤0.05，表示数据服从正态分布的概率小于或等于5%，属于小概率事件，则拒绝H0，反之，则没有足够证据拒绝H0，即在目前的情况下，接受数据服从正态分布的原假设。
有图上可得到P=0.615，也就是说本次的测量数据满足正态分布，可以进行下一步的工作；若本次得到的P值小于或等于0.05，则应该分析数据为什么非正态，找出原因，进行改进，再进行下一步的分析工作。
（7）选择菜单“统计->控制图->子组的变量控制图->Xbar-R”。
（8）在弹出的“Xbar-R”对话框的下拉框中选择“图表的所有观测值均在一列中”，双击鼠标左键将左边列表框中的“C22样本数据”选中到“图表的所有观测值均在一列中”下面的文本框中，“子组大小”后面的文本框中输入“5”，如图：
（9）点击“Xbar-R”对话框中的“Xbar-R选项”按钮，弹出“Xbar-R控制图-选项”对话
框，点击“检验”标签，在标签页面中，选择“对特殊原因进行所有检验”。
（10）完成上述设置后，点击各级“确定”按钮，则系统自动弹出所绘制完成的控制图和分析结果，如图：
若控制图有异常，软件会在控制图上把存在异常的点，用红色进行标记。从上图可看出，在Xbar图上有3处出现了异常情况，具体原因在“会话”窗口显示，如图：
从上面信息可看出过程处于非稳定状态，具体原因：
①第2、14样本的均值不符合检验规则1，即距离中心线超过3个标准差；