JMP和Minitab之变异源分析功能的差异

　　质量管理(包括六西格玛)的一个重要目标就是减少生产过程中产品性能的变异。然而，实际流程中可能影响产品性能变异的因素有很多，同时也很难一下子分清孰轻孰重。变异源分析(Source of VariaTIon，简称SOV)能够帮助我们解决这方面的问题，它通过统计分析，调查清楚变异是由哪几部分原因组成的, 而且定量地给出每部分原因所产生的变异究竟在总变异中占多大的比例。从统计方法层面上讲，它主要用到的是方差分析、方差分量的计算以及相关统计图形的绘制。

　　JMP和Minitab是质量管理领域最常用的两款统计软件。我在摩托罗拉工作的时候，两个都用过，这里经过一个具体的案例来看看两个软件的 *** 作及结果显示对比。

　　例： 在生产精密轴承的过程中，随机选取3个工人，都使用相同的4台车床, 各自加工出 3 个产品。根据测量结果，能否发现主要的变异源是什么吗?(工人中的每个水平与车床中的每个水平进行了全面搭配，因此确定两者是交叉关系)。

　　先来看看Minitab。

　　为了实现变异源分析的功能，在Minitab中须启用三个菜单命令。

　　第一个是“统计 > 质量工具 > 多变异图”，选择“长度”为“响应”，“车床”和“工人”分别为“因子1”和“因子2”，即可得到以下所示的初步分析的图形化结果。

　　第二个是“统计 >方差分析> 一般线性模型”，选择“长度”为“响应”，在“模型”中填入“车床、工人、车床*工人”，选择“车床、工人”为“随机因子”，在“结果”选项中，在“方差分析表”和“显示期望均方和方差分量”两项被选中，则可以在会话窗口中得到以下结果。

　　其中最后一段就是我们需要计算的各变异源方差分量的估计值，我们需要把它们手工输入(至少要用到“复制/粘贴”功能)到数据表中，以备后用。

　　第三个是“统计 > 质量工具 > Pareto图”，选择“来源”为“缺陷或属性数据在”，“估计值”为“频率位于”，即可得到以下所示的用图形表达的最终分析结果。

　　显然，车床的方差分量所占比率最大(达73.3%)，且远大于其他变异源。因此，为了解决产品质量波动过大的问题，必须重点关注车床这个因素。