R语言实现六西格玛的分析以及数据可视化

我们今天给大家介绍的是六西格玛的实现，六西格玛分析主要的核心是追求零缺陷生产，防范产品责任风险，降低成本，提高生产率和市场占有率，提高顾客满意度和忠诚度。在药企应用比较多，当然大家大多数的实现工具是mintab。接下来我们看下在R语言中如何实现其对应的分析。首先是R包SixSigma，它集合了R包qcc和grid进行六西格玛分析。SixSigma已被收录到R官网的cran上了，所以安装只需要常规方式即可，我们在此不再赘述。

我们来看下具体的函数功能：

1. qcc() 质量控制图的绘制。

主要的参数：

Data 主要是指的一个举证或者数据框，其每一行代表的是一个样本或着一组的所有值。第一列为样本信息。

Type主要是我们绘制的质量控制图的类型，以下是主要的类型：

"xbar" 均值控制图，如果n=1那么就是单值控制图

"R" 极差控制图通常与移动极差控制图相对应

"S" 标准差控制图

Newdata 为新添加的点的一个趋势。

我们以xbar为例进行图形绘制：

数据部分：

data(pistonrings)

diameter = with(pistonrings,qcc.groups(diameter, sample))#with是操作一个数据框中向量数据的函数。

head(diameter)

qcc(diameter[1:25,], type="xbar",newdata=diameter[26:40,])

如果想将原来数据与新添加的数据分隔开，可以在绘图函数外面添加plot()函数。

plot(qcc(diameter[1:25,],type="xbar", newdata=diameter[26:40,]))

我们也可以将其他的注释信息去掉：

plot(qcc(diameter[1:25,],type="xbar",newdata=diameter[26:40,]),add.stats=FALSE)

我们绘制能力曲线的时候我们会用其中的UCL和LCL，那么如何获取这些数据呢，我们可以利用下面的函数：

qcc(diameter[1:25,], type="xbar",newdata=diameter[26:40,])$limits

2. ss.cc() 移动极差控制图绘制。

其中主要的是type=“mr”此值需要填写，从而确定是移动极差控制图。

我们看下实例：

ss.cc("mr", ss.data.pb1, CTQ ="pb.humidity")#ssdata.pb1为包自带的数据

3. ss.study.ca()能力研究曲线。

主要的参数：

xST,xLT主要是指的两组数据向量。

f.na.rm 主要是判断NA数据是否移除。

Alpha主要是指的置信区间的误差

LSL，USL如果数据和我们前面一致，我们就可以直接调用上面的数据进行计算。

我们看下其运行的实例：

ss.study.ca(ss.data.ca$Volume, rnorm(40,753, 3),

LSL= 740, USL = 760, T = 750, alpha = 0.05,

f.sub = "WineryProject")

4. ss.ci() 均值的置信区间图.

其中主要的参数;

sigma2 主要是指的总体方差

Data 是传入的数据，数据结构如下：

我们看下运行实例：

ss.ci(len, data=ss.data.strings, alpha =0.05,

sub= "Guitar Strings Test | String Length",

xname = "Length")

5. ss.rr() Gage R & R 测量评估，即操作人员可重复性的验证。

我们运行示例程序：

ss.rr(time1, prototype, operator, data =ss.data.rr,

sub= "Six Sigma Paper Helicopter Project",

alphaLim= 0.05,

errorTerm= "interaction",

lsl= 0.7,

usl= 1.8)

其中的传入数据的数据结构如下：

运行结果：

首先是大量的数据产生：

同样绘制了相应的可视化结果：