InsightFab
知識庫/ANOVA：4 台機器到底有沒有差——不是用眼睛看的
6 Sigma
8 分鐘閱讀

ANOVA：4 台機器到底有沒有差——不是用眼睛看的

廠裡 4 台注塑機，M2 平均值比 M1 高了 0.3mm。你去找主管說 M2 有問題，主管問：你怎麼知道那個差異不是隨機的？ANOVA 才是讓數據替你說話的工具。

情境

廠裡有 4 台注塑機，你把每台的產品尺寸量了 15 個，做了個表格，發現 M2 的平均值比 M1 高了 0.3mm。你去找主管說：「M2 好像有問題。」

主管問：「你怎麼知道那個差異不是隨機的？」你沉默了。

白話翻譯

ANOVA（變異數分析）的問題是：

這些組之間的差異，是真的有差，還是隨機波動造成的？

它把「總變異」拆成兩部分：

  • 組間變異：各組平均值之間的差距（如果機器有差，這個大）
  • 組內變異：同一組內各個量測值的分散（隨機雜訊）
    • F 值 = 組間變異 ÷ 組內變異。F 值夠大，代表機台間差異遠大於隨機雜訊，P 值才會小於 0.05。

    實戰判斷

    ANOVA 只告訴你「有沒有差」，不告訴你「哪組跟哪組有差」。要知道哪台機器有問題，要做事後比較（Post-hoc test），常用 Tukey HSD。

    ANOVA 的前提假設：
  • 各組資料符合常態分布（用 Anderson-Darling 檢定）
  • 各組變異數相等（用 Levene's Test）
  • 觀測值獨立

    • 如果前提不滿足（資料嚴重偏態），改用無母數的 Kruskal-Wallis Test。

    InsightFab 怎麼做

    Minitab 要設定「反應變數」和「因子」，然後看 F 值和 P 值表格，再另外跑 Tukey 比較。InsightFab 上傳分組數據後，直接給你圖示版報告：哪組跟哪組有顯著差異，用連接字母法標出來（A、B、AB），一眼看出。

    金句

    「比平均值不是工程分析，是賭直覺。ANOVA 才是讓數據替你說話的工具。」

    想試試看？

    文章裡提到的分析工具在 InsightFab 都可以直接用，上傳 CSV 即可分析。

    前往工具頁面

    同類別文章

    P-value：它不是「通過/不通過」的開關

    P = 0.043，你說「有效」，把新參數寫進 SOP。三個月後同樣問題又出現。那次樣本只有 12 個。P-value 告訴你的，比你以為的少很多。

    柏拉圖法則：你在解決的問題，可能不是最重要的問題

    品保會議，每個人分頭改善自己的區域，三個月後不良率只降了 3%。換個做法：先畫柏拉圖，資源全壓在錫橋一項，三個月後總不良下降 22%。

    t-test：兩條產線到底有沒有差，5 分鐘告訴你

    A 線平均良率 97.2%，B 線 96.8%，差了 0.4%。你說「差不多，應該是隨機的」。你同事說：「你怎麼知道是隨機的？」這就是 t-test 要解決的問題。