1、1,6 sigma 培训,2,6sigma概念,4sigma的水平是30页报纸中有1个错字的质量水平 5sigma的水平是百科全书中有1个错字的质量水平 6sigma的水平是小规模图书馆中有1个错字的质量水平,3,6sigma概念,4,6sigma概念（使用工具）,6sigma不同推进阶段中，改善问题使用的统计工具,5,Y=f(x),6,Y=f(x),Question 2)假如X良好的话，有没有必要继续实验及检查Y？6sigma活动是对根本原因的因素（CTQ）聚焦后，展开改善活动,7,6sigma各阶段推进内容,8,6sigma各阶段推进内容,6Sigma Process是以D-M-A-I-C
2、5阶段构成并经过重要的13步骤 6Sigma活动是通过现象分析，展开问题，查明临时性因素，以D-M-A-I-C程序改善关键少数因素。 先把握现象，能够1次性改善的部门采取1次性改善活动；然后下一个阶段再接着进行改善活动。,9,统计基本概念的理解,数据的计算方法 中心位置特征值的计算：,10,统计基本概念的理解,散布的计算 S(总变动：Total Sum of Squares):偏差平方和无偏方差(Unbiased Variance):S除以自由度（n-1）无偏方差的开方or标准偏差,11,统计基本概念的理解,参数和统计量 参数(Parameter)：描述变量集合的特性值 统计量（Statist
3、ics)：表示标本的特性值,12,统计基本概念的理解,13,统计基本概念的理解,Sigma的定义 Sigma是希腊字母，表示工序的散布。 Sigma是统计学记述接近平均值的标准偏差（Standard Deviation）或变化（Variation），或定义为事件发生的可能性。 Sigma是表示工序能力的统计单位，测定的Sigma跟DPU（单位缺陷，Defect Per Unit）,PPM等一起出现。,14,统计基本概念的理解,可以说明拥有高Sigma值的工序，具备不良率低的工序能力 Sigma值越大质量费用越少，周期越短。,15,统计基本概念的理解,平均值和拐点之间距离用标准偏差（）表示。如果
4、目标值（T）和规格上下限（USL or LSL)距离是标准偏差的3倍的话，说明具备了3Sigma的工序能力。,16,统计基本概念的理解,某班学生的国语平均分数是60分，按偏差是5的正态分布的话，随意抽取一个学生时，70分以上分数的可能性是多少？,17,统计基本概念的理解,正态分布：N（60，52） 标准正态分布：N（0，12） 70分的情况下Z-值是假如规格上限是75分的话，现在的工序能力是Z=2或是2。 Z值是已测定的标准偏差（）有几个能进入平均值到规格上下界限（USL，LSL）之间的测定值。,18,统计基本概念的理解,Z-值的计算 70分以上的可能性有多少？ 正态分布总面积是1 某概率变量
5、X到平均值（）之间距离除以标准偏差（）的值用Z来表示。 如果规格上限（or下限）用X来代替时超出规格上限的尾部面积可以认为有缺陷可能性。 Z值是用来测定工序能力，跟工序的标准偏差不同，在这里Z值是2.0，把全体面积作为1的时对应的面积0.0228。,19,Z值的计算,20,工序能力测定方法Z-值,Z=3,21,工序能力测定方法Z-值,Z=6,工序的变动（散布）越小工序能力越高。 其结果标准偏差更小，发生不良的可能性就低。 通过问题的现象分析把握工序能力（Z）：要提高到6 水平，统计上采取什么样的活动？,22,需要什么样的管理？需要什么样的技术,长期内的工序能力因工序的中心移动及变动，跟ZltZ
6、st关系有关 Zshift=Zst-ZltZst=Zlt+1.5,23,6 sigma的质量水平是什么？,正态分布的平偏移（1.5 ）,24,按规格变化和平均值偏移的不良率,6Sigma品质是每百万个中3.4PPM，即Cp=2.0，Cpk=1.5,25,4Block Diagram,2.5 2.0 1.5 1.0 0.5,1 2 3 4 5 6,Poor,Good,Poor,Good,技术,Z st,Z shift 工序管理,26,4Block Diagram,A：工序管理状态不足，现在技术水平也低 B：需改善工序管理，但技术水平优秀 C：工序管理优秀，但技术水平低 D：World Top水平
7、的公司,27,聚焦问题点阶段,确定问题范围 Process Mapping Process Mapping是调查情报的流程，而使Process文件化 为明确改善的可能性而使用的工具 Process Mapping制定 定义Process范围（要改善的一般领域或特殊的Process） 通过大脑风暴法制定Process的阶段顺序,28,聚焦问题点阶段,为了容易分析，使用符号 为了验证Process，实际确认 追加Key Process的值（Yield, Cost,损失费用，加班费用，Cycle time等） 按题目的性质，使用分析图（Process Loss或浪费要素/改善Cycle time/改
8、善质量/Flow改善）QFD（Quality Function Deployment)质量指标分解 QFD是将顾客核心要求事项，转换分解成技术要求事项（规格），或暂定的CTQ的工具，由相关工序专家制定。,29,聚焦问题点阶段,QFD Process 进行市场调查，明确信赖性要求，及一般的要求事项和顾客对现在质量核心问题的要求。 对调查内容优先排序，为满足顾客的要求事项制定技术规格 确定对顾客要求事项影响大的技术规格的先后顺序，对已确定的先后顺序的技术要求事项，转换成暂定的Part特性（CTQ） 对技术规格影响大的特性要素（CTQ）进行排序 QFD是为了能够改善顾客的核心要求事项，转换成技术规格
9、的工具 通过QFD把顾客要求事项系统化，最终选定暂定的CTQ，开展改善活动,30,聚焦问题点阶段,FMEA（Failure Modes & Effects Analysis)故障模式及效果分析 FMEA是明确制品设计上可能发生的问题和排定其顺序，并针对故障模式制定所采取的恰当活动 FMEA Process 对已设计的制品用Brainstorming法列出可能的故障模式。 决定每种可能故障模式的重要度和发生可能性 决定消除重要故璋模式而采取的方法 开发消除或减少重要故障模式的方法,31,聚焦问题点阶段,部分分析法 以优先级找出问题的核心事项 典型的是：80%的问题由20%产生 决定活动课题和相关
10、非常勤人员 用逻辑树等方法展开问题后，找出最终区域，选定经验丰富的工程师来执行课题活动。,32,聚焦问题点阶段,找出活动课题的具体事项 Brainstorming：在短时间内得出很多主意的办法 Brainstorming种类 Free Wheeling：全Team员以对话形式即兴发掘Idea Round Robin：对事件，Team员轮流发掘Idea Card Method：不经讨论，Team员把Idea写在卡片上，贴到墙上。,33,聚焦问题点阶段,Brainstorming时注意事项 禁止批评 全部Idea都要记录 Idea发掘时不要解释或讨论 粗略的Idea也要鼓励 所有人都积极参与 Lo
11、gic Tree(Structure Tree) 为达成目标的手段，用逻辑性表示 Break-down（展开）的问题之间MECE（互不重复无遗漏的全体） MECE（Mutually Exclusive and Collective Exhaustive)（不重复，各个的和等于全体）,34,聚焦问题点阶段,确定活动题目的相关Benefit利益（定量/定性效果） 为保证达成，明确改善金额 对活动课题的问题记录 在现象分析时，记录现在现象和所希望的现象 计划时间管理 通过分析把全部日程用具体的图表管理,35,测定（Measurement）,36,变化的理解,数据的分类,解决问题,工程问题/Bottl
12、e Neck/Issue事项,37,变化的理解,连续型数据（计量型数据） Inch or时间一样能使用测定刻度的数据 比较数值数据提供更多情报 离散型数据（计数型数据） 提供合格不合格之类情报的数据 不能再细分化的数据,38,变化的理解,群内变化（White Noise） White Noise是工程内存在的日常因素引起的变化（偶然因素） 现在的技术水平是不可能控制的变化 一般工程的散布 工程上受细小的多数因素的影响 Z.st来表示,39,变化的理解,群间变化（Black Noise） Black Noise是工程外部因素影响中心值移动，一般情况下，可查明原因的变化（异常原因） 现在工程上可控
13、制的变化 一般情况下，在工程的目标值下平均值偏移 实际上可以知道随时间的变化，工程能力会怎样变化,40,群内、群间变化的区分例,群内变化：每Line 1，2，3内出现的（即Line内作业者间的变化）工程变化 群间变化：各Line间的变异而出现的工程变化,作业者1 作业者2 作业者3,作业者4 作业者5 作业者6,作业者7 作业者8 作业者9,Line1,Line2,Line3,41,变化的理解,Rational Subgroup（合理分组） 批跟数据的种类无关，在可能的短时间内彼此类似的条件下作业的样本群。 Rational Subgroup是指Subgroup内只存在群内变化，Subgrou
14、p间只发生群间变化，将数据Grouping 通过这种区分把握长期、短期工程能力 经长期收集的数据是不管业务部门还是制造部门都包含在群内，群间变化。,42,工序能力,工序能力度评价,Short-term Capability (6),Long-term Capability (3),时 间,SL,SU,lt,st,st,st,st,随着时间的变化，工序因各种外部因素（4M）变化，长期工序能力比短期工序能力散布大,43,工序能力,什么是工序能力 工序在管理状态时，其工序生产的产品质量变化有多少程度的值：或指在管理状态（稳定状态）下，工序能制造出来的质量水平的程度。 Six Sigma工序能力是指工
15、序的变化（or标准偏差：）小，即使乘以6倍变化值也能够满足规格的工序能力。,44,工序能力,短期/长期工序能力的意义 短期工序能力是只存在群体内变化，表示取样的数据都具有同样的质量特性，但有主要技术要素引起质量特性变化，因此，质量特性变化越大，散布也就越大，短期工序能力也就越差。 Short Term Process Capability Index：短期工序能力指数 Zlt（lt），Cpk Zlt=3Cpk,45,工序能力,长期工序能力是包括群内变化和群体间变化，为了改善技术和工序管理，必须判断工序是否稳定时，用长期工序能力的特性来取样，来确认包括管理因素引起的变化和技术的要素引起的变化。
16、Long Term Process Capability Index：长期工序能力指数 Zlt（lt），Cpk Zlt=3 Cpk,46,Gage R&R,Gage R&R实行时注意事项 以Blind测定来评价 决定几名评价者为合理 接产品的重要性和统计特性决定试料数的反复次数 预先决定评价周期 抽取样本时运用随机原则，但实施Gage R&R时须对试料事先计划再行抽样,47,Gage R&R,一般是看%Tolerance值来判断Gage的接受与否，但%Study Var在20%以上时，有必要点检工序Process Gage R&R值较大时，必须制定改善计划进行改善。如果测定系统有误差，但不改善
17、系统的话，在执行6 Project期间要接受测定系统可能发生误差的危险。,48,Gage R&R,适合贯能判断时Gage R&R 对各Parts用贯能来判定合格与不合格，或gono go时 1V外观检查时， 2名评价者反复测试20个管子,49,测 试,50,测 试,如果各部品别4次都有出现同样结果的话，其评价是可接受的 %Gage R&R=320 100%=15%,51,Gage R&R,长期方法时Gage R&R的Minitab运用 Gage R&R的Graph解释 P39,52,Gage R&R,P38,53,Gage R&R,X bar管理图 测定值超出管理界限，表现为良好的结果。 如果
18、测定值的50%以上在管理界限内的话，这个系统不适合。 管理界限是用测定者间的测定值变化来计算，因此测定值的变化小说明管理界限的幅小，即说明测定者间的测定值变化很小 测定的变化（测定者，测定系统）比部品间变化相对小，可以读出Parts间变化的情况,54,Gage R&R,R管理图 大部分的测定值在管理界限内 表示所测定的数据的值是正常的,55,Gage R&R,Number of Distinct Categories=4 表示检测部品的信赖性区间不重迭的个数,4个Categories,对同样部品的同样特征值量，由3名检查者反复检测2次。可以分为4组对特定部品测定，信赖性区间小说明测定者和测定有
19、反复，且测定很准确。如果信赖性区间重迭意味（信赖区间不重迭意味着组数小）测定的变化大。,56,Gage R&R,Number of Distinct Categories判断方法 Number of Distinct Categories：01不适用（改善检测系统） Number of Distinct Categories：24附加条件时可接受 Number of Distinct Categories：5以上可接受,57,Gage R&R,长期方法时Gage R&R的Minitab运用 选定Monitor Cover为Six Sigma Theme Spec=2.31.5 为确认测定系统，
20、3名检查者对10个部品反复测试2次 File name:Gageaiag.mtw,58,Gage R&R,短期的方法时Gage R&R运用 CTQ部品的Spec是2.0000.015时,59,Gage R&R,测定差平均值= R/5=0.015/5=0.013 测量误差=(5.15/1.19) (R)=4.33 公差的测量误差=(0.0130.030）100%=43.3% 参考）测量误差用测定差的平均值乘以常数（这里是4.33）来计算。常数在5.15/d*里已有计算，d*是下表中的值，5.15是Gage引起的变化能满足5.15是Gage引起的变化能满足5.1599%值。,60,对测定差平均分布
21、的d*值,61,Gage R&R,Gage R&R类型 短期的方法 只需要2名测定者和5个部品 不能分离反复性和再现性 可以迅速确认想测定的计测器的接受与否 长期的方法 典型的是23名的测定者对10个部品反复测定23次 可以明确把握测定系统的变化有多大，能分离反复性和再现性,62,Gage R&R,对测定系统变化的理解 线性（Linearity）：通过期望的Gage工作范围比较精确度得到的值即在已定的工作范围的两边界线区间上，最少研讨1回的精确度得到的值的差。,63,Gage R&R,偏差大,偏差小,参考值,测定值,参考值,测定值,64,Gage R&R,对测定系统变化的理解 稳定性（Stab
22、ility）：在一定的时间间隔下把标准品用同一的计测器测定同一的特性值时得出的变化。,Stability,Time2,Time1,65,Gage R&R,偏移（Bias）：实际测定值跟试料平均值的差异值叫准确度（Accuracy）,Bias,Reference Value,Observed Average Value,66,Gage R&R,反复性（Repeatability）：1名测定者使用同样计测器测定同样部品的同样特性时得到的变化,Repeatability,67,Gage R&R,再现性（Reproduceability)：同样部品的同样特性使用同样计测器由多名测定者测定时得到的变化。
23、,Reproduceability,测定者2,测定者1,测定者3,68,变化的理解,为什么要Rational Subgrouping Rational Subgroup是6 Sigma的一个强大的工具。 是区分工程的短期工程度能力的重要方法 可以把握平均值移动问题还是散布问题 把问题特殊化的第一个阶段,69,变化的理解,Rational Subgroup要包含的要素：为了明确给工序变化暂定影响的X因素，使用5M求解特性要因图 Man：作业者变更，昼夜班次交换，新作业者等 Machine：机械设定值变更，设备维修&维护等 Material：交付LOT，作业安排，原材料等 Method：作业者间的
24、作业方法差异等 Measurement：测定者的变化，测定设备误差等,70,变化的理解,Rational Subgrouping事例 改善供应TV Back Cover协力社的质量，为了分析部品变化的原因制定Rational Subgrouping计划 预想的暂定“X”因素及实际计划 两台注塑机：对两台注塑机实施下列内容 交接班：对交接班别取样分析 每周作业者的变更：对每周变更的作业者别取样分析 按原材料别构成Lot，分析Lot别有无差异,71,工序能力,工序能力的数学式 两侧有规格的工序能力,SL,SU,72,工序能力,在偏移时的工序能力,SL,SU,K,M,73,工序能力,用语解释 K：偏
25、移系数（如果K=0，Cp=Cpk） M（Mid-range）：规格的中心 T（Tolerancne）：公差 SU（Upper Spec）：规格上限 SL（Lower Spec）：规格下限,74,工序能力,只有规格上限的工序能力,SU,75,工序能力,只有规格下限的工序能力,76,工序能力,工序能力的Minitab运用 葡萄酒农场为了参加庆祝大会，在准备过程中，有必要改善葡萄酒质量而准备Project，首先为了把握现象，按合理分组计划规划得出了包括下列“X”因素的葡萄酒质量“Y”的样本。 X因素：地域，木塞，葡萄酒味，透明性，香气，葡萄酒瓶,77,工序能力,短期工序能力有关的统计值Cp，Cpk，
26、Cpu，Cpl长期工序能力有关的统计值有Pp，Ppk，Ppu，Ppl 为了计算短期工序能力，使用只考虑组内的滚动，即群内变化的Zst，以用暂定目的地工序能力或最高的工序能力来表示。并且表示通过改善活动消除平均值移动引起的偏移时的最高的能力。 为了计算长期工序能力，考虑规格的上、下限，表示实际的工序能力，用群内、群间变化都考虑在内的Zlt。,78,离散型数据分析,用语解释 D（Defect）：缺陷or不良（事项） 为了满足顾客的要求事基而浪费的再作业或失败的工作。 例：把顾客的要求事项记错的差错情报。 DO（Defect Opportunity）：机会损失（缺陷） 可能引发的机会损失（缺陷）的行
27、动或事件。 例：须在一张要求式样上记录的项目数,79,离散型数据分析,U（Unit）：组件 组件测定可能机会的细节 例：要求样式 DPU（Defect Per Unit）： 每个组件内存在的缺陷数 DPO（Defect Per Opportunity）：每个机会损失数,80,离散型数据分析,DPMO（Defect Per Million opportunity）（每百万要会损失数） 1,000,000单元存在的损失数 DPO 1,000,000转换Six Sigma比率 P（ND）=None Defect：无损失 机会不能成为损失的可能性 P（ND）=1-DPO,81,离散型数据分析,DPU/
28、DPO/DPMO/P(ND)改善 发出了张送货单，其中检出100个不符合项，如果各单元有10个项目，DPU/DPO/DPMO/P(ND)各是多少？ DPU=D/U DPU=100/100=1.0（100%）该值表示平均值，所以每张送货单包含1个符合项,82,离散型数据分析,DPO=D/(UOpp) DPO+100/(100 10)=0.1(10%)该值表示所发出的送货单的每个最小有1个不良的可能性是10%。 DPMO=DPO 1,000,000 例：上例DPMO是0.1 1,000,000 DPMO P(ND)=1-DPO=1-0.1=0.9(90%),83,离散型数据分析,利用泊松公式计算收
29、率 利用泊松公式这里 Y：收率 DPU：组件缺陷数 R： e：指数函数2.71828,84,离散型数据分析,r=0时Y=e-dpu 对缺陷机会数越大，“Y”越接近“0”,85,离散型数据分析,Process Yield（例题） 如果750组件有34个的缺陷时，计算DPU/DPO/DPMO/Yield/Sigma各是多少？（各组件有10个的机会数） DPU=缺陷数组件数=34 750=0.0453 DPO=缺陷数(组件数机会数)=34 (750 10)=0.00453 Yield值是Y=e-dpu=2.7138-0.045=0.9559=95.6%,86,离散型数据分析,DPMO=DPO 1,0
30、00,000=0.00451,000,000=4,500PPM一个组件有45,000PPM的缺陷 Sigma=Zinv(0.9556)+1.5(偏移）=1.71+1.5=3.21 Zinv是把Z值按面积来换算的值，以标准正态分布来计算。,87,离散型数据分析,收率的种类 YFT(First Time Yield)：(单工序单次收率) 表示再作业后没有修理的收率的值 应用：决定个别工序的个别质量水平时使用。 YRT(Rolled Throughput Yield)：全工程一次性直通收率 表示一个产品通过全工各没有经过一次的修理和再作业，到最终合格为止的收率值。 应用：在所有工序上按顺序的阶段来进
31、行累计后，评价质量水平时使用。,88,离散型数据分析,YNA(Normalized Yield)：标准收率 表示计算连续工序的评价收率的值 应用：完成产品的质量水平评价时使用。,89,收率概念比较,90,离散型数据分析,VFT（First Time Yield）,91,离散型数据分析,工序A有输入100个Unit（组件） 输入的70%组件没有缺陷已经销售 输入的30%组件有缺陷并再作业 15个组件修理完毕，15组件报废 现在为止的Final Yield（YF）最终收率是85% 因First Time Yield（YFT）表示归初的作业是正确的，所以现在情况下YFT是70%。,92,离散型数据分
32、析,YRT(Rolled Throughput Yield) 产品A由3个连续的阶段来形成的话，YRT/YND的值的值是什么？,阶段1,阶段2,阶段3,YFT=80% YF=100%,YFT=70% YF=90%,YFT=90% YF=95%,93,离散型数据分析,YRF是连续的各阶段YFT之乘 YRT=0.80.70.9=0.504(50.4%) 没有考虑作业 计算各阶段的平均收率 不是算术平均，而使用各阶段的几何平均值 YND(Normalized Yield) 这里n表示工序的数,94,离散型数据分析,上例YND(Normalized Yield) 各阶段平均YFT=79.6% 正常收率
33、是全工程平均收率，以YND(Normalized Yield)值来计算Sigma值 通过YRF可以知道工程真正的收率（累计直通率） 部品数或工序（作业）的阶段越少，收率值越大。,95,离散型数据分析,并列构成的工序的累计收率的计算 Process Mapping中并列构成的工序变换为直列来计算收率,96,离散型数据分析,YRF=Y1Y2Y3Y4 = 0.990.910.990.991/30.970.98 =0.9035 YNA=(YRT)1/3=(0.9035)1/4=0.9749 损失(缺陷)概率=1-0.9749=0.0251 利用正态分布查找0.0251值的Z值，可知Z=1.96,97,
34、分析（Analysis）,98,Graph分析,想知道什么？ 跟实际问题相结合，明确产生结果 将预想产生的结果与试验计划结合Focusing 按预想产生的结果制定数据收集计划 怎么做呢？ 利用收集的数据，运用（实际）Graph来分析,99,Graph分析,对Graph分析结果相应采取措施 Graph分析结果，确认是否得到所需要的结果后，决定有无追加研讨事项 实际对Graph分析结果，改善可能的部门，采取一次性改善措施。,100,Graph分析,Graph分析的Minitab运用 在空调生产在线Compressor（压缩机）组装时间对暴露在湿气的时间很重要，因此对3个生产线的3名作业者，调查了3
35、组组装作业时间的数据。,101,假设检验（Hypothesis Test）计量值,什么是假设检验？ 指想知道的内容用假设来设定，对假设的成立与否用样本数据得到的情报为基础进行统计分析后做出决定。 运用假设检验（事例） 新产品Flatron Monitor产品显著降低了眼睛的疲劳 LG Digital TV比竞争社的Digital TV画质更优秀 6质量改善Tool比原有质量改善活动使用的改善Tool效果更卓越 019 PCS比它社手机通话音质更清晰,102,假设检验（Hypothesis Test）计量值,假设检验的用语理解 原假设(Null Hypothesis:Ho)：作为检验对象的假设
36、如果接受原假设的话，表示“什么也不能确信（or证明）”。 假定为“始终一样” 对立假设(Alternative Hypothesis:Hi)：按确实的根据来证明的假设 平常我们更关心对立假设，也希望对立假设能得到证明 Ho拒绝后接受的假设（即否定原假设的假设）,103,假设检验（Hypothesis Test）计量值,第一种错误(Type Error:)：指一些现象是“真”，但错误的判断为“假”，犯这种错误的概率 第二种错误(Type Error:)：指一些现象是“假”，但错误的判断为“真”，犯这种错误的概率 检验统计量(Test Statistic)：为了决定接受或是拒绝Ho，而通过样本的计
37、算得到的值。 显著性水平(Significance Level)：象一般使用的=0.05(or0.01,0.10)Ho是真的拒绝的概率,104,假设检验（Hypothesis Test）计量值,105,假设检验（Hypothesis Test）计量值,假设设定方法 以原假设母体和Sample(样本)是一样的来假定 Ho：1=2 Ho：1=2=3=n Ho：1=2 Ho：1=2= 3n,106,假设检验（Hypothesis Test）计量值,对立假设母体和样本不同的则为 两侧检验时H1：12 偏侧检验时H1：1212 两侧检验时H1：1 2 偏侧检验时H1：1212,107,假设检验（Hypo
38、thesis Test）计量值,假设检验的形态 计量型数据：使用Z，T-test统计量 实行平均值检验的必须检验分散的同构型（F-test) F-test是比较2个以上的母体的散布 计数型数据：使用x2(chi-Square)统计量 次数、频度等,108,假设检验（Hypothesis Test）计量值,假设检验时样本大小和特征 样本的大小取多少好呢？ 如果样本数小，很难表示母体的特征，可能导致检验结果的错误 相么，样本数大的时候，实际操作中时间/费用方面难以适用 因此，样本数的大小最好从各方面都考虑后作出恰当的决定,109,假设检验（Hypothesis Test）计量值,假设检验的实行顺序
39、 设定原假设、对立假设(Ho，Hi) 确定显著性水平（=0.10，0.05，0.01） 选择检验统计量（Z，T，Chi-square统计量） 求接受或拒绝域 从数据上判定显著性，解释结果 P(Probability)概率值则接受对立假定(H1) P(Probability)概率值则接受对立假定(Ho) 把统计的解释结果用于实际问题,110,假设检验（Hypothesis Test）计量型,假设检验结果的判定方法,拒绝值,接受域 原假设(Ho)：接受 对立假立(H1)：拒绝,拒绝域 原假设(Ho)：拒绝 对立假立(H1)：接受,(),111,假设检验（Hypothesis Test）计量型,统计
40、学的判定方法 数据计算值结果小于拒绝值时：接受原假设(Ho) 数据计算值结果大于拒绝值时：拒绝原假设(Ho) “0”值在信赖区间内时：接受原假设(Ho) “0”值在信赖区间外时：拒绝原假设(Ho) Minitab的判定方法 P-Value值大于时：接受原假设(Ho) P-Value值小于时：拒绝原假设(Ho),112,假设检验（Hypothesis Test）计量值,假设检验的Minitab运用 洗衣机下部Transmission Housing有10CTQ，10个CTQ是8个Fixture Brake的高度&离合器，在这里先查看8个不同的Fixture间有无高度尺寸公差，如果Fixure间有
41、高度公差的话，用“X”因素来判断后调查原因并改善。,113,假设检验（Hypothesis Test）计数型,X2（Chi-square） 适合度检验（Goodness of fit test） 什么是适合度？：试验or观测得到的结果跟理论一致的程度 什么是适合度检验？：检验观测值有什么样的理论分布 假设设定 Ho：P1=P2=Pn H1：P1P2Pn 例：硬币的正面的出现的概率50%和实际观测的概率比较,114,假设检验（Hypothesis Test）计数型,分割表（Contingency Table） 什么是分割表？：因两个变数分割后得到表 什么是独立性检验？：使用于检验分类的变量之间的
42、关系是独立，即变量之间有相关性（从属关系），或者有（独立关系）称独立性检验。 设定假设 Ho：独立（分类的变量之间地相关性） H1：从属（分类的变量之间有相关性),115,假设检验（Hypothesis Test）计数型,期望值（E），观测值（O），X2统计量 期望值（Expected Frequency）：对一些现象的结果期望的值 观测值（Observed Frequency）：对一些现象的结果实际观测的 X2统计量是,116,假设检验（Hypothesis Test）计数型,X2(Chi-square)统计量 用3个月把Monitor产品不良类型按不同的交接班整理后，调查各交接班有（从属的
43、）无（独立的）产品不良类型的特性后，进行改善活动，检出了N=309个Monitor不良。按4种不良类型来整理。 利用X2(Chi-square)验证 原假设(Ho)：不良类型和交接之间彼此是否无关联（独立因素） 对立假设（H1）：不良类型和交接班之间彼此是否有关联（从属因素）,117,假设检验（Hypothesis Test）计数型,不良类型： A：碰伤 B：泄漏 C：开关不良 D：粘贴不良,118,假设检验（Hypothesis Test）计数型,设定假设 原假设（Ho）：不良类型和交接班之间彼此无关联（独立） 对立假设（H1）：不良类型和交接型号之间彼此有关联（从属）,119,改善（Imp
44、rovement）,120,分散分析（ANOVA）的理解,什么是分散分析（ANOVA）？ 试验实施后，对试验结果进行分析所使用的分析方法 特性值的散布用总平方和来表示。直接影响特性值的因子或用水平变动来分析后找出对比误差，造成Y特性值（反应值）特别大的影响因子。什么是水平的分析方法。 区分X的水平，分析各水平上连续的Y的数据。,121,分散分析（ANOVA）的理解,可以说是决定各水平上Y特性值（反应值）的平均值是否具有同样值，步骤 暂定的找出致命的少数因子的方法 分散分析的用语理解 因子(Factor)：试验上影响特性值的原因 水平(Level)：为实施试验的因子条件 平方和(Sum of s
45、quare)：在因子的特定水平上，计算测定值变化程度 试验Balance/Unbalance：测定值相同或不相同时所有因子水平的调合数,122,分散分析（ANOVA）的理解,分散分析的使用 One Way ANOVA：具有2个以上的水平的1个因子的情况 Balance ANOAV：具有2个以上因子的情况 试验计划法（DoE=Design of Experiment）：分析多因子时，针对那个调合上给特性值造成影响大的因子。,123,试验计划法的树立,试验计划法的树立 明确试验的目的 选定反应值（从属变量）Y 选定因子（独立变量）X 选定因子的水平 选定试验计划 实施试验&数据收集 数据分析 导出
46、结论 验证试验,124,试验计划法的树立,明确试验目的 明确试验记录样式的目的 制作Y(从属变量)明确定义X(独立变量）效果的的预测值表 在做试验计划时，必须注意以下内容 用数据决定什么？ 数据收集后怎么分析？ 得到的数据做必要的决定时有用吗？ 如果不是重新树立计划,125,试验计划法的树立,选定反应值（从属变量） 选定的题目可能有多个 题目展开后(Logic Tree等)，选定Yn的各个独立因子X进行改善 计数值数据的效率性是计量值的63%左右时，有必要更多数据 当测定Y困难时，采用给予分类或跟标准进行比较的方法,126,试验计划法的树立,测定后的样本数据最好是保存，必要时再进行对比调查 当
47、数据测定有主观性时，可能有时间偏移，因此必须随机化或盲化实施 试验前不管数据的种类，必须对Y实施Gage R&R，其值要少于20%,127,试验计划的树立,选定因子（独立变量）X 独立变量有多种 在试验上接意图变化的试验变量 不是有意变化的可观察的变量 Blocking变量（人为制造的变量） 潜在变量,128,试验计划的树立,选定独立变量 利用测定、分析阶段得到的统计分析结果 专家意见 大脑风暴法 Flow Chart 现象分析数据 特性要因图 竞争社分析 顾客分析&协力社调查 Process Mapping Rolled Through Yield,129,试验计划的树立,潜在变量 潜在变量
48、是给结果带来影响的，但难以发觉，并且不可能控制和测定。为了减少潜在变量的影响， 一般采用随机法和Blocking。 主效果及交互作用 主效果比普通交互作用更重要。如果判定为交互利作用更重要的话，使用试验计划的一个因素；可是交互作用有可能跟其它交互作用交叉。,130,试验计划的树立,选定因子水平 水平数可以按试验的目的和反应值的图表形状来决定 能用筛选试验来找出得要的因子的话，使用典型的2水平 Y值按水平产生充分差异的范围来选定水平 如果选定的温度范围小，几乎不影响应答的话，可能错判为温度不重要的因子 确定的水平不能超出现实可能的水平（最佳的选定水平上，不能适用实际的话邮局不能改善） 试验的几个
49、调和可能是不能接受的反应值，但是那种条件下，可能出现最佳值？,131,试验计划的树立,选定试验计划 做试验计划时要想10个重要概念 直交性 随机性 再现性 反复性 管理能力 潜在变量 Noise变量 Blocking Sample的大小 交叉,132,试验计划的树立,试验计划的选定 直交性 试验配置或部分配置法上把因子的效果做成彼此独立而使用 随机化 为了防止非试验的因子的外部要因引起的效果时使用 试验顺序随机化 试验Unit随机化 测定顺序随机化,133,试验计划的树立,再现性 完全再设置度验装置，在同样水平上追加得到值的时候 在做测定时可减少散布 对对试的结果增加信赖感 反复性 反复各试验Run得到Sample不如再现性，但能测定变动 管理： 选定的条件，必须能得到管理,
