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:
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:
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:
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:
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:
欢迎大家学习交流!
领取专属 10元无门槛券
私享最新 技术干货