文档介绍：MINITAB使用手册
本手册关键介绍怎样使用MINITAB，应用统计分析手法以推进Six Sigma MAIC方案改善步骤。以下我们就MAIC各阶段关键及MINITAB所提供相关应用工具逐步说明。
所谓MAIC是指测量（Measure）、分析（Analyze）、改善（Improve）和控制（Control）四个阶段，分别解释以下：
测量：确定测量系统能正确地测量现在过程和步骤绩效水平。
分析：找出造成过程绩效变异关键变数及其影响程度。
改善：改善造成过程绩效变异关键变数，以改善过程、步骤绩效水平。
控制：维持改善结果，并标准化、文件化以预防再发生。
MINITAB 在Six Sigma各个阶段使用工具说明:
一、测量阶段——使用工具测量系统分析（MSA: Measurement System Analysis）；
过程数据搜集和分析阶段——使用工具以下：
原因分析：
-特征要因图（Cause-and-Effect Diagram）
稳定性分析：
——推移图（Run Chart）
——控制图（Control Chart）
过程能力分析：
——常态分配检定（Normal Probability Plot）
——对称图（Symmetry Plot）
——过程能力指数：Cpk(Cpk越好，过程能力越好，Target: Cpk>)
一维和三维（One & Three-Dimensional）图形分析
——点图（Dot Plot）
——箱形图（Box and Whisker Plots）
——直方图（Histogram）
——3D图（3D Plot）
输入参数/输出品质特征数据分析：
——柏拉图（Pareto Plot）
——散布图（Scatter Diagram）
——边际图（Marginal Plot）
——矩阵图（Matrix Plot）
——等高线图（Contour Plot）
数据分配形态、差异、相关性分析工具：
-决定过程数据分配形态及分布（叙述统计：Display Descriptive Statistics）
-决定过程平均值和我们标准值目标值是否相同？（1-Sample Z；1-Sample t）
-决定两个过程或更多过程之间平均值是否相同？（两个过程比较使用2-Sample t or Paired t, 2者以上或更多之间比较使用1-Way ANOVA）
-决定两组资料变异数相互之间是否相同？（2 Variance）
-决定新零件或新原料制程产品不良率是否和原先相同？（1-Proportion；2-Proportion）
-决定二者或更多变数之间是否相关联？（Linear Regression Analysis Correlation）
变异数成份分析
——多变数图（Multi – Vari Chart）
——二因子变异数分析（2-Way ANOVA）
改善阶段——使用工具试验设计（DOE: Design of Experiments）
控制阶段——使用工具以下：
——统计过程控制（SPC： Statistical Process Control）
——过程能力分析（Process Capability Analysis）,确定过程能力是否能稳定符合规格及不良率。
MINITAB统计工具介绍
量测系统分析
任何时候进行一个过程数据测量，全部会发觉变异（误差）存在，这些变异关键来自于两部分——任何过程所产出零件之间一定全部会有差异；测量方法本身引发变异。所以就算反复测量同一个物件，不一定会得到相同结果。
统计过程管制SPC重在研究Part to Part(部件和部件间)变异，而且尽可能将变异降到最小以达成产品一致
目标。不过在进行任何SPC分析之前，我们应该检验所观察到变异是否有偏高误差是因测量系统所引发。
过程开发中每一个步骤全部是依据过程所测量到数据进行统计/图形分析所得到结果，来判定过程能力是否符合工程规格，然后进行设备调整和过程改善。不过大部分数据全部是经由测量仪器设备得到，测量数据品质好坏和测量系统是否处于一个稳定情况下相关。测量数值品质衡量指标关键有偏差（Bias）和变异（Variation），偏差是指偏离标准值程度，而变异则是指数据分布扩算程度。假如测量仪器或人员误差很大，轻易造成测量数据平均值偏离真值，也就是造成偏差或变异大于过程实际变异，以误差大过程数据来判定过程进行调整或管制，影响是极难衡量。
MINITAB提供很多工具指令，帮助了解过程变异有多少是因为测量系统变异所造成。Stat-Quality Tools-Gage Study-
Gage Run Chart: