广东Minitab培训广东Minitab培训广东Minitab培训

对于两款最常用的统计质量管理和六西格玛软件 JMP 和 Minitab 的比较已经不少，但似乎都是从假设检验、回归、试验设计(DOE)、统计图形等一个个具体的统计功能的角度来看的。这些比较者多半是统计高手，或者参加过六西格玛黑带或绿带培训。可是在实际工作中，需要使用统计软件进行数据分析的工程师大部分不具备足够的统计学知识，有的也许连那些统计学名词都没有听说过。使用软件进行数据分析的最终目的是解决实际问题，今天就试图从解决问题的角度来看看它们的差异。现在，我们来看看Minitab 和 JMP 的分析差异。

先用 Minitab16 版来分析一下，先确定这个问题的 Response 响应是连续变量，Factor因子有连续变量，也有离散变量，因此我们需要用到方差分析和回归的方法。从 Minitab 的菜单中进行选择，用“统计>方差分析>单因子”和“统计>回归>回归”的方法可以分别观察每个潜在因素对于合格率的重要程度，分析报告如下图所示。从结果上来看，操作员、电流和厚度很有可能是关键因素，设备和清洁度则很可能不是。

进一步，还可以用 Minitab 的“统计>方差分析>一般线性模型”的功能对合格率与操作员、电流、厚度之间的关系建立一个多元回归，以确认这几个因素的重要性。根据下面的分析报告，发现真正起作用的是操作员和电流，厚度其实没有起很大的作用。

再用 JMP9 版来分析一下，同样是这个问题，由于是分别研究单个变量对响应值的影响(factor 对 Response)，需要到 JMP 主菜单“分析>以 X 拟合 Y”下对这些因素作一次分析。

然后与上面类似地用多元回归建立模型(同时考虑一个响应值 Y 和多个因素 X)，可以到 JMP主菜单“分析>拟合模型”下实现。纯统计层面的分析报告和 Minitab 中的相似，得到的结论也一样，就不花篇幅显示了。区别较大的是 JMP 的分析报告中含有很多图形化分析结果，对于解释和交流分析结果以及将其转化成行动比较有用。如下图所示的预测刻画器。

从图中可以看出，操作员和电流对合格率的影响很明显，相比之下，厚度对合格率的影响就小很多了。此外，JMP 基于这个模型还提供了一个蒙特卡洛(Monte Carlo)模拟器来模拟因子的波动会如何传递到响应值，限于篇幅，这里就不赘述了。

除了上述主菜单选项外，我发现 JMP 中还有其他一些适合分析这种问题的方法，如“分析>分布”、“分析>建模>分割”和“分析>建模>神经”等等。后两者都是专业数据挖掘 DataMining 工具，解释起来比较啰嗦，就以相对最简单的“分析>分布”为例，具体展开一下。用“分析>分布”可以得到一个包含所有变量直方图的窗口。粗看起来似乎用 Minitab 多操作几步也能做出来。不过这只是第一步，有意思的是用 JMP 制作出来的图形之间可以动态链接（如下图所示，一个直方图中的高亮部分能在其他直方图中找到对应的位置）。这对于我所了解的一些不太懂统计、对数字不太敏感的技术人员特别有用，比如从图中可以看出：大于 6 的电流设置和让 1、2 号操作员操作是确保产生高合格率的重要条件，3 号操作员有可能需要培训一下了。而在 Minitab 中，各个图形只能是独立的，没办法这么用。广东Minitab培训广东Minitab培训广东Minitab培训

来源：天行健咨询
咨询热线：400-777-6907  186 8217 1193  杨老师
广东Minitab培训： www.lxgmgl.com/kechengdingzhi/105.html