質量管理(包括六西格瑪)的一個重要目標就是減少生產過程中產品性能的變異。然而，實際流程中可能影響產品性能變異的因素有很多，同時也很難一下子分清孰輕孰重。變異源分析(Source of Variation，簡稱SOV)能夠幫助我們解決這方面的問題，它通過統計分析，調查清楚變異是由哪幾部分原因組成的, 而且定量地給出每部分原因所產生的變異究竟在總變異中占多大的比例。從統計方法層面上講，它主要用到的是方差分析、方差分量的計算以及相關統計圖形的繪制。

　　JMP和Minitab是質量管理領域最常用的兩款統計軟件。我在摩托羅拉工作的時候，兩個都用過，這里經過一個具體的案例來看看兩個軟件的操作及結果顯示對比。

　　例： 在生產精密軸承的過程中，隨機選取3個工人，都使用相同的4臺車床, 各自加工出 3 個產品。根據測量結果，能否發現主要的變異源是什么嗎?(工人中的每個水平與車床中的每個水平進行了全面搭配，因此確定兩者是交叉關系)。

　　先來看看Minitab。

　　為了實現變異源分析的功能，在Minitab中須啟用三個菜單命令。

　　第一個是“統計 > 質量工具 > 多變異圖”，選擇“長度”為“響應”，“車床”和“工人”分別為“因子1”和“因子2”，即可得到以下所示的初步分析的圖形化結果。

?

　　第二個是“統計 >方差分析> 一般線性模型”，選擇“長度”為“響應”，在“模型”中填入“車床、工人、車床*工人”，選擇“車床、工人”為“隨機因子”，在“結果”選項中，在“方差分析表”和“顯示期望均方和方差分量”兩項被選中，則可以在會話窗口中得到以下結果。

?

　　其中最后一段就是我們需要計算的各變異源方差分量的估計值，我們需要把它們手工輸入(至少要用到“復制/粘貼”功能)到數據表中，以備后用。

　　第三個是“統計 > 質量工具 > Pareto圖”，選擇“來源”為“缺陷或屬性數據在”，“估計值”為“頻率位于”，即可得到以下所示的用圖形表達的最終分析結果。

?

　　顯然，車床的方差分量所占比率最大(達73.3%)，且遠大于其他變異源。因此，為了解決產品質量波動過大的問題，必須重點關注車床這個因素。