1、容易理解的,6西格瑪推進TAEM,1. MSA (計測System的分析),4.1,精密度,4.3,重現(xiàn)性,4.5,%P/T Ratio,4.2,反復(fù)性,4.4,%R&R,Screen工程中所使用的熒光體藥品的粘性度對熒光屏的品質(zhì) 起著較大的影響,因此Screen工程每交班時間都要測定管理 藥品的粘性度. Screen工程的拉長或組長,科長為了評價 測定熒光體藥品粘性的粘度計信賴度,讓3位交班班長各測定 3個藥品試料,反復(fù)測定各三次并記錄其測定結(jié)果. 熒光體藥品的粘度規(guī)格范圍為242.,例題,測 定 人 : 3名 (金班長, 李班長, 樸班長),藥品試料 : 3個 (1號試料, 2號試料, 3

2、號試料),測定次數(shù) : 3次,總測定次數(shù): 27次 ( = 3名 3名 3次 ),Worksheet,STAT MENU,Stat Quality Tools Gage R&R Study (Crossed).,路徑,STAT MENU, 測定值, 輸入規(guī)格的公差, 測定者, 點擊Options, 樣本編號, OK, OK,規(guī)格的范圍 - 上面的例題中點度規(guī)格范圍是 242,公差是2, 即為4. - 如果規(guī)格范圍是403,則公差是 3, 即為6.,Dialog 窗口,STAT MENU,分析結(jié)果,4.4,%R&R,4.1,精密度,4.2,反復(fù)性,4.3,再現(xiàn)性,4.5,P/T,精密度 (測量的

3、散布程度 ) 對精密度的評價方法是通過 %R&R, P/T. 精密度有反復(fù)性和再現(xiàn)性的區(qū)分.,4.1,反復(fù)性 測定機的散布程度,4.2,再現(xiàn)性 測定者間的散布程度,4.3,Session窗口,Graph窗口(1),4.1,精密度,4.2,反復(fù)性,4.3,再現(xiàn)性,4.4,%R&R,4.5,P/T,Components of Variation 通過畫柱狀圖來表示Session窗口上的分析結(jié)果, 柱狀圖通過%R&R, P/T的基準來表示各個精密度,反復(fù)性,再現(xiàn)性. 精密度, 反復(fù)性, 再現(xiàn)性 的柱子高度越低越好.,Graph 窗口(2),R Chart by 測量者 - 每點表示某一個測量者對同一

4、個產(chǎn)品反復(fù)測定幾次時, 其中的最大值與最小值的差值(稱為極差), 用R值表示. - 所有點應(yīng)該處于管理上下限以內(nèi). - 對測量者別進行評價的時候, R值越小表示某個測量者 反復(fù)測量的越精密. 本例中的白班長所測量的三次R值相比其他人要小, 因此可說明白班長較其他人測量要精密些.,Xbar Chart by 測量者 - 每個點表示某個測定者對同一產(chǎn)品的反復(fù)測量幾次時, 幾個測量值的平均值. - 管理上下限的幅度表示測量散布的大小. - 希望所有的點都在管理上下限以外,并且呈現(xiàn)出有規(guī)律的 形態(tài). 即, 希望產(chǎn)品間的散布比測量的散布要大.,Graph 窗口(3),By 樣本編號 - 表示各樣本所有測

5、量值的平均及其散布的程度. - 對于每個樣本來說,我們希望反復(fù)幾次測量的所有值 其散布的程度越小.,By 測量者 - 表示各測量者所有測量值的平均及其散布的程度. - 理論上對于各個測量者所有的測量值的平均值應(yīng)相等.,By 測量者*樣本編號 Interaction - 表示按照樣本別各測量者之間的測量值. - 理論上各條線應(yīng)該平行或重合, 假設(shè)線之間有交叉, 我們可以認為測量者與樣本之間有交互作用.,Graph 窗口(4),2. 計算器的使用與分析,-69-,Calc Calculator,打開Worksheet表格: Oxygen.mtw,CALC MENU,“Piece * Oxygen”

6、 的數(shù)據(jù)另存在 C4列中,-70-,Calc Calculator,CALC MENU,“Piece * Oxygen”自動算出,-71-,Calc Calculator,CALC MENU,Oxygen的平均值另存在 C5 列中,-72-,Calc Calculator,CALC MENU,Oxygen的平均值自動算出,3. Basic Statistics (統(tǒng)計基礎(chǔ)),Stat Basic Statistics Display Descriptive Statistics,Worksheet,為觀察 A 工程的品質(zhì)特性產(chǎn)品長度的分布與統(tǒng)計量，抽出一定量的樣本（Sample)的數(shù)據(jù)。,路徑

7、,STAT MENU,Dialog 窗口, 指定 變數(shù), 選定 Graphs, 選定Graphical summary, OK, OK,STAT MENU,Session 窗口,1.1,算術(shù)平均,1.2,標準偏差,1.4,中央值,1.5,最小值,1.6,最大值,四分位數(shù) : 將Data依序排列后，重新區(qū)分開來 - Q1 : 依序排列 Data時，列在25%位置的數(shù)字 - Median : 依序排列 Data時， 列在50%位置的數(shù)字 - Q3 : 依序排列 Data 時，排列在75%位置的數(shù)字,STAT MENU,Graph 窗口,1.1,算術(shù)平均,1.2,標準偏差,1.4,中央值,1.5,最

8、小值,1.6,最大值,1.3,分散,1.8,標準偏差的信賴區(qū)間,1.7,平均的信賴區(qū)間,1.9,中央值的信賴區(qū)間,1.10,驗證正規(guī)性,正規(guī)性驗證 ( 注意水平 = 0.05 ) P-Value 0.05 時 可以認為 Data的散布遵循正規(guī)分布的規(guī)則。 P-Value 0.05 Data的分布沒有遵循正規(guī)分布的規(guī)則。,1.10,Histogram, 正規(guī)分布曲線,Box Plot,STAT MENU,4. Statistical Process Control (管理圖),1.1,U 管理圖,P 管理圖,I-MR 管理圖,C 管理圖,NP 管理圖,1.2,1.3,1.4,1.5,1.6,X-

9、R 管理圖,U 管理圖,P 管理圖,I-MR 管理圖,C 管理圖,NP 管理圖,理度的選擇,C管理圖,Data ,計量值,計數(shù)值,Data的類型,Data ,是不是不良品數(shù)量？ 是否是具體的缺陷?,已收集的Data是否是個別的？ 是否組成群數(shù)據(jù)？,抽樣數(shù)是否是一定量？,抽樣數(shù)是否是一定量？,U管理圖,NP管理圖,P 管理圖,I-MR 管理圖,X-R 管理圖,個別 Data,Data群,不良數(shù),缺陷數(shù),否,是,否,是,STAT MENU,Stat Control Charts Xbar-R,在B工程中做出的產(chǎn)品的 重量每8個小時抽樣5個進行測量，對該工程進行管理 。,例題,計量值,子群,子群,W

10、orksheet,路徑,STAT MENU,Dialog , 指定變數(shù), 子群的大小, OK,子群的大小 - 上述例題中，B工程按每8小時 測5個產(chǎn)品的重量，群的數(shù)量為5EA。 .或區(qū)分為C3（時間段別），也可 輸入C3(時間段）。,Dialog 窗口,STAT MENU,分析結(jié)果,X-R 管理圖 X 管理圖 管理群內(nèi)的 Data的平均 (管理分布的中心) R 管理圖 管理群的范圍 (管理分布的散布),2.1,Graph 窗口,STAT MENU,Stat Control Charts I-MR,在B工程中做出的產(chǎn)品的 重量每4個小時抽樣1個進行測量，對該工程進行管理,例 題,I-MR 管理圖

11、,計量值,個別 Data,Worksheet,路徑,STAT MENU,Dialog , 指定變數(shù), OK,Dialog 窗口,STAT MENU,30,20,10,Subgroup,0,11.5,10.5,9.5,8.5,I,n,d,i,v,i,d,u,a,l,V,a,l,u,e,Mean=10.01,UCL=11.27,LCL=8.741,1.5,1.0,0.5,0.0,M,o,v,i,n,g,R,a,n,g,e,R=0.4759,UCL=1.555,LCL=0,I and MR Chart for 重量,分析結(jié)果,I-MR 管理圖 I 管理圖 Data移動的管理 (管理分布圖中心移動)

12、MR 管理圖 管理Data移動范圍(管理分布圖的散布),2.2,MR(Moving Range) - 意味著相鄰兩個Data的移動范圍. 例如, 前面的 Data的測定值為8, 后一個Data為12時, MR: 4 (= 8-12 ),Graph 窗口,STAT MENU,Stat Control Charts P,B工程管理一天中發(fā)生的產(chǎn)品不良數(shù).,例 題,P 管理圖 (不良率管理圖),計數(shù)值,Worksheet,路 徑,STAT MENU, 指定變數(shù), Sample的數(shù)量決定 指定輸入列, OK,Dialog 窗口,STAT MENU,30,20,10,0,0.10,0.05,0.00,S

13、ample Number,P,r,o,p,o,r,t,i,o,n,P Chart for 不良數(shù),P=0.02984,UCL=0.07496,LCL=0,分析結(jié)果,LCL (管理下限) - P, NP, U, C管理圖的管理下限總是大于等于0. 即, 不良率,不良數(shù),缺陷率,缺陷數(shù)總大于等于0.,UCL (管理上限) - 在P管理圖與U管理圖中,下限線根著 Sample的大小形成曲線(幅度差). - Sample 大小大時 : 幅度小 - Sample 大小小時 : 幅度大,Graph 窗口,STAT MENU,5. Capability Study (工程能力),實習(xí)) 求工程能力,Stat

14、 Quality Tools Capability Analysis (Normal).,觀察B工程品質(zhì)特性之一的產(chǎn)品重量工程能力時, 每8個小時抽樣5個樣品并收集其數(shù)據(jù), 產(chǎn)品重量的規(guī)格(Spec.)為 101g.,例 題,子群,子 群,Worksheet,路 徑,STAT MENU, 規(guī)格下限, OK, 子群的大小, 規(guī)格上限, 指定變數(shù),子群的大小 - 上述例題中, B工程每8小時抽出 樣品,即群的數(shù)量為5. 或者有因分為時間段 在C3中可輸入時間變數(shù). 個別 Data時輸入“1”.,規(guī)格的上,下限 - 上述例題中,因B工程做出的產(chǎn)品重量的規(guī)格為101g, 規(guī)格下限為 9, 規(guī)格上限 1

15、1.,Dialog 窗口,STAT MENU,規(guī)格上限,規(guī)格下限,算術(shù)平均,抽樣數(shù),群內(nèi)標準偏差,全體標準偏差,Graph 窗口 (1),STAT MENU,群內(nèi)工程能力 : ( 潛在工程能力 : 假設(shè)群間無變動的條件下的工程能力 ) Cp : 在不考慮偏差,數(shù)據(jù)的平均與目標一致的假設(shè)下的工程能力 基本假設(shè) : 無平均偏差, 無群間變動 Cpk : 考慮偏差的工程能力 基本假設(shè) : 無群見假設(shè),3.1,Graph 窗口(2),STAT MENU,全體工程能力 ( 實際的工程能力 ) Pp : 不考慮偏差, Data平均與目標一致假設(shè)下的工程能力 基本假設(shè) : 無平均偏差 Ppk : 考慮偏差的

16、工程能力 基本假設(shè) : 無,3.2,Graph 窗口(3),STAT MENU,3.3,觀測的不良率,3.4,群內(nèi)預(yù)想不良率,3.5,全體預(yù)想不良率,PPM USL - 脫離規(guī)格上限的不良率 PPM Total - 全體不良率,PPM - 1,000,000(百萬)個中不良數(shù) 把PPM為 % - PPM除以10,000. 例如, 30,000 ppm時,不良率為3%.,Graph 窗口(4),STAT MENU,6. Multi-Vari 分析,Multi-vari (例),Worksheet,STAT MENU,Time Series Plot 分析,1. 利用Minitab制作Time S

17、eries Plot,GraphTime Series Plot,路徑,STAT MENU,點擊OK,Worksheet,Dialog 窗口,STAT MENU, 分析結(jié)果 : 組裝時間隨著時間的推移有逐漸增加的趨勢且有一定的周期(cycle).,Graph 窗口,STAT MENU,Box Plot 分析,GraphBox plot,Worksheet Open: Multi.mtw,路徑,STAT MENU,點擊OK,Worksheet,Dialog 窗口,STAT MENU, 日期和組裝時間, 分析結(jié)果 : 可以知道日期別不同組裝時間有差異.,Graph窗口,STAT MENU, ZIP

18、 MODEL和組裝時間, 分析結(jié)果 : ZIP MODEL不同組裝時間有差異,特別是G MODEL的散布較大,Graph窗口,STAT MENU, 分析結(jié)果 : 各個組裝者的組裝時間有差異, 組裝者和組裝時間,STAT MENU,Main Effect Plot (主效果分析),StatANOVAMain Effect Plot,路徑,STAT MENU,點擊OK,Worksheet,Dialog窗口,STAT MENU, 分析結(jié)果 : 日期,Zip Model,組裝者之間的組裝時間的差異較大,為了進一步分析, 對日期,組裝者進行t-test, 對Zip Model實施ANOVA 分析,Gra

19、ph窗口,STAT MENU,7. Chi-Square 檢驗,Chi-Square test,X (原因變數(shù)),Y (結(jié)果變數(shù)),記數(shù)值,計量值,記數(shù)值,計量值,Chi-Square test,Logistic Regression,t-test One-Way ANOVA,回歸分析 相關(guān)分析,STAT MENU,獨立性檢驗,Stat Tables Chi-Square Test,S公司的職位分布參考右表, 想知道部門別人力的職位比率是 否相同.,例題 1,Worksheet,路徑,STAT MENU,Dialog , 點擊OK, 變數(shù)指定,Dialog窗口,STAT MENU,分析結(jié)果,P

20、-value值 P-Value 0.05 的時候 各變數(shù)相互獨立. P-Value 0.05 各變數(shù)相互從屬. - 上例中的 P-Value=0.606, 比0.05要大, 職位比率和部門沒有相關(guān),是獨立性變數(shù). 即,可以推定部門別人力比率相同.,Session窗口,STAT MENU,8. T-Test,t-test,1-Sample Z,2-Sample t,1-Sample t,Paired t,t-test的選擇,1-Sample Z 在當我們想評價樣本Data的平均和母集團(全體集團)的平均是否相同的時候. 且當母集團的平均和標準偏差已知的時候適用. 為了觀察從D電子購買的部品的平均

21、重量,隨機抽取10個樣本并對其重量進行測量. 我們希望部品的重量為40g, 到目前為止生產(chǎn)的部品的母標準偏差為3g. 1-Sample t 在當我們想評價樣本Data的平均和母集團(全體集團)的平均是否相同的時候. 且當母集團的平均已知而標準偏差未知的時候適用. 為了觀察從D電子購買的部品的平均重量,隨機抽取10個樣本并對其重量進行測量. 我們希望部品的重量為40g, 而部品的母標準偏差未知. 2-Sample t 在當我們想評價從兩個相互不同的集團中取出的樣本Data的平均是否相同的時候適用. 為了評價從D公司和E公司購買的部品的平均重量是相同還是不同,從各公司購買的部品中 各隨機抽取10個

22、并測量其重量. Paired t 在當我們想評價兩個互相成對的樣本Data的平均是否的時候適用. 為了評價從D公司購買的部品的左側(cè)厚度和右側(cè)厚度的平均是相同還是不同,隨機抽取 10個并測量其左側(cè)和右側(cè)厚度.,2-Sample t,為了評價從D公司和E公司購買的部品的平均重量是否相同, 從各公司購買的部品中各隨機抽取10個并 測量其重量., ,Stacked Data,D公司部品的重量,E公司部品的重量,Worksheet,STAT MENU,Stat Basic Statistics 2-Sample t,路徑,STAT MENU, 點擊Assume equal variances,Stack

23、ed Data, 變數(shù)指定 (選擇測量的Data列), 點擊Boxplots of data, 點擊OK, 點擊OK, 點擊Graphs, 變數(shù)指定 (選擇條件輸入的列),Dialog窗口,STAT MENU,分析結(jié)果,樣本數(shù),算術(shù)平均,標準偏差,95.0% CI : 兩個集團平均差異的95%信賴區(qū)間 - 上例中兩個集團平均差異的95% 信賴區(qū)間 ( -3.87, 1.77 ) , 0在這個95% 信賴區(qū)間以內(nèi). 即,( D公司部品平均重量 E公司部品平均重量 = 0 )可以成立. 從這兩個集團中分別收集的Data的平均可以相等的意思. 所以, 從D公司購買的部品的平均重量和E公司購買的部品的

24、平均重量可以相等.,P-Value P-Value 0.05 的時候 可以推斷出兩個集團的Data 平均相同. P-Value 0.05 的時候 可以推斷出兩個集團的Data 平均不相同. 上例中的P-Value=0.445, 比0.05大,可說明 從D公司購買的部品的平均重量和從E公司 購買的部品的平均重量相同.,兩個集團平均的差異,Session窗口,STAT MENU,中央值 ( Median ),算術(shù)平均,Graph 窗口,STAT MENU,9. ANOVA(分散分析),One-way ANOVA(一元分散分析),1,平均差檢驗,散布差檢驗,平均差檢驗使用的Tool,2-Sample

25、 t ( 兩個集團或條件時 ) 在當我們想評價從兩個互相不同的集團中抽取的樣本Data的平均是否相同的時候適用. 為了評價從D公司購買的部品平均重量和從E公司購買的部品平均重量是否相同,從各個公司 購買的產(chǎn)品中各隨機抽取10個并測量其重量. One-way ANOVA ( 三個以上集團或條件時 ) 在當我們想評價從互相不同的三個以上集團中抽取的樣本Data的平均是相同還是不同的時候適用. 在E工程生產(chǎn)的部品其Hole Size是最重要的品質(zhì). 而E工程生產(chǎn)該部品起用了3臺設(shè)備, 為了評價設(shè)備別生產(chǎn)的部品 Hole Size的平均是否相同,按照設(shè)備別生產(chǎn)的部品各隨機抽樣5個, 并測量其Hole

26、Size.,STAT MENU,平均差檢驗,在E工程生產(chǎn)的部品其Hole Size是最重要的品質(zhì). 而E工程生產(chǎn)該部品起用了3臺 設(shè)備,為了評價設(shè)備別生產(chǎn)的部品 Hole Size的平均是否相同,按照設(shè)備別生產(chǎn)的 部品各隨機抽樣5個,并測量其Hole Size. 假設(shè)Hole Size的目標值是25.0mm.,例題,Unstacked Data,Stacked Data,1號設(shè)備部品的Hole Size,2號設(shè)備部品的Hole Size,3號設(shè)備部品的Hole Size,Worksheet,STAT MENU,Stat ANOVA One-way,Stacked Data,路徑,STAT ME

27、NU,Dialog ,Stacked Data, 變數(shù)指定 (選擇測量的Data列), OK, 點擊Graphs, 變數(shù)指定 (選擇條件輸入的列), 點擊Boxplots of data, OK,Dialog 窗口,分析結(jié)果,樣本數(shù),算術(shù)平均,標準偏差,設(shè)備的評價 - 上例中的P-Value=0.009,比0.05小,可說明三個設(shè)備中中至少有一個設(shè)備生產(chǎn)的產(chǎn)品的Hole Size 平均與其它不同. - Hole Size的目標值為25.0mm, 平均的信賴區(qū)間中包含25.0mm,可推斷出其中的1號設(shè)備和2號設(shè)備是較好的設(shè)備, 而3號設(shè)備不好. - 如果, P-Value比0.05大時,不能確定

28、設(shè)備別生產(chǎn)的產(chǎn)品的Hole Size的平均有不同，從而評價三個設(shè)備這也是沒有 太大的意義.,條件別平均的95% 信賴區(qū)間,P : P-Value P-Value 0.05 的時候 可推斷出各集團間Data 平均相同. P-Value 0.05 的時候 可得知至少有一個集團Data 平均與其它不同. - 上例中的P-Value=0.009,比0.05小, 可說明三個 設(shè)備中至少有一個設(shè)備生產(chǎn)的產(chǎn)品的Hole Size 平均 與其它設(shè)備不同.,25.0mm : Hole Size 目標值,設(shè)備名,Session 窗口,Boxplots - 可看出各設(shè)備別中心和散布的程度.,Graph窗口,STAT

29、 MENU,10. 相關(guān)/回歸分析,相關(guān)分析(Correlation Analysis),(x, y) 觀測值參考下表, 畫出散點圖并求樣本相關(guān)系數(shù)(Correlation Coefficient),例題,相關(guān)系數(shù),Worksheet,STAT MENU,散點圖,路徑,Graph 窗口,分析結(jié)果,Correlations: x, y Pearson correlation of x and y = 0.919 P-Value = 0.027,相關(guān)系數(shù) r,13,10,20,回歸分析(Regression),K公司的池科長為了查看美國同產(chǎn)業(yè)每日股份變動對于公司的每日股份變動有無影響,在制造類似的

30、產(chǎn)品的 美國同產(chǎn)業(yè)中選擇了10個公司.檢查了2個月左右的K公司的日日股份變動率和美國的10個同產(chǎn)業(yè)公司的 日日平均股份變動率,收集了40個Data.,例題,R-Square,回歸式,Stat Regression Fitted Line Plot,Worksheet,路徑,STAT MENU,Dialog , 結(jié)果變數(shù)指定 (得到影響的變數(shù)), 原因變數(shù)指定 (造成影響的變數(shù)), 選擇Type of Regression Model, OK,Type of Regression : 選擇回歸模式 Linear Quadratic Cubic 線形 2次曲線 3次曲線,Dialog窗口,分析結(jié)果

31、,R-Square,回歸式,R-Square (決定系數(shù)) 全體變動中根據(jù)回歸直線能說明的變動. R-Square = 79.2%,即是說對于K公司的每日股市變動率,其中有79.2%的變動 可由美國同產(chǎn)業(yè)的每日股市變動率來說明. 而20.8%的變動是由其它的原因引起的變動.,回歸式 0 : 截距 X是0的時候,預(yù)測的Y值 上例中,同產(chǎn)業(yè)的每日變動率是0的時候, K公司的預(yù)想每日變動率是-0.117925. 1 : 偏差 X增加1時, Y值的增加幅度 上例中,同產(chǎn)業(yè)的每日變動率增加1,K公司的 每日變動率增加1,即, 預(yù)想增加0.98948.,0,1,Session窗口,0 : -0.11792

32、5,1 0.948948 增加,1增加,R-Square,回歸式,Graph窗口,STAT MENU,Y值的預(yù)測方法, 當同產(chǎn)業(yè)的每日股市變動率為5.0時, K公司的預(yù)想的每日股市變動率為多少呢? - 利用回歸式 回歸式的 “變動率(同產(chǎn)業(yè))”輸入0.5 計算“變動率(K公司) 變動率(k公司) = -0.117925 + 0.948948 0.5 = 0.356549 - 利用回歸線 利用回歸線,當同產(chǎn)業(yè)變動率是5.0的 時候查找K公司的變動率,0.05,0.356549,STAT MENU, Y 規(guī)格 355, X的范圍設(shè)定 14.63.4,X的管理范圍設(shè)定方法, X的管理范圍選定方法 1

33、. 把握顧客的要求或規(guī)格(Spec.) 例) Y規(guī)格 (顧客的要求) : 355 2. 滿足顧客要求的X的范圍設(shè)定 - 通過回歸式計算, 或利用Graph設(shè)定 - 設(shè)定X的范圍 : 14.63.4 3. 考慮殘差(Error), 比初次設(shè)定的范圍要窄的范圍設(shè)定,STAT MENU,11. DOE (實驗計劃法),提高S工程的藥品吸收速度這是提高工程的制造效率的重要因素.而對藥品吸收速度影響重要的因子 取觸媒量和反應(yīng)溫度各取2個水準，按照下面的條件再現(xiàn)2次做實驗,然后收集Data. - 觸媒量(%) : 0.3%, 0.5% - 反應(yīng)溫度() : 150, 170,例題,Stat DOE Fac

34、torial Create Factorial Design,Worksheet 制作,路徑,Dialog 1, 選擇因子數(shù), 選擇水準數(shù),上例中的因子有觸媒量和反應(yīng)溫度,所以因子數(shù)有2個., 點擊Designs,Dialog 窗口(1),STAT MENU, 選擇再現(xiàn)次數(shù),上例中各因子再現(xiàn)2次做實驗., OK,Dialog 窗口(2),STAT MENU, 點擊Factors, 因子和水準輸入, OK, OK,Dialog窗口(3),STAT MENU,輸入實驗結(jié)果的列,輸入實驗結(jié)果,吸收速度 88是當 觸媒量為0.3%, 反應(yīng)溫度為 150時所作實驗的結(jié)果,Worksheet,分析,Sta

35、t DOE Factorial Analyze Factorial Design,路徑,STAT MENU, 點擊OK, 結(jié)果變數(shù)指定 (實驗結(jié)果),Dialog窗口,STAT MENU,分析結(jié)果,主效果,交互作用,P : P-value值 P-Value 0.05 的時候 因子的水準變化時, 結(jié)果值平均沒有變化. 即說明該因子不是明顯影響的因子. P-Value 0.05 的時候 因子的水準變化時,結(jié)果值平均有變化. 即該因子是明顯的因子. - 上例中觸媒量和反應(yīng)溫度的主效果的P-Value比0.05要小,可說明這兩個因子影響明顯, 接著要研究的是其最佳的水準, 而觸媒量和反應(yīng)溫度的交互作用

36、P值比0.05要大,這可以 說明該交互作用不存在.,因子別明顯與否 主效果 - 觸媒量 ( P = 0.010 0.05 ) 明顯 - 反應(yīng)溫度 ( P = 0.004 0.05 ) 明顯 交互作用 - 觸媒量*反應(yīng)溫度 ( P = 0.889 0.05 ) 不明顯,Session窗口,通過圖表設(shè)定最佳水準,Stat DOE Factorial Factorial Plots,路徑,STAT MENU,上例中因子別明顯與否 主效果 - 觸媒量 ( P = 0.010 0.05 ) 明顯 - 反應(yīng)溫度 ( P = 0.004 0.05 ) 明顯 交互作用 - 觸媒量*反應(yīng)溫度 ( P = 0.8

37、89 0.05 ) 不明顯,設(shè)定最佳水準 主效果的兩個因子都明顯, 交互作用不明顯,故在Main Effects Plot上 設(shè)定最佳水準,STAT MENU, 點擊Main Effects Plot, 點擊Interaction Plot, 點擊Setup, 結(jié)果變數(shù)指定 (實驗結(jié)果), 指定經(jīng)選擇 的主效果, OK,Dialog窗口(1),STAT MENU, 點擊Setup,Dialog窗口(2),STAT MENU, 結(jié)果變數(shù)指定 (實驗結(jié)果), 指定經(jīng)選擇的 交互作用, OK, OK,Dialog窗口(3),STAT MENU,分析結(jié)果,因子別明顯與否 主效果 - 觸媒量 ( P-V

38、alue = 0.010 0.05 ) 明顯 - 反應(yīng)溫度 ( P-Value = 0.004 0.05 ) 明顯,主效果的最佳水準: 結(jié)果(吸收速度)是越大越好. 主效果 觸媒量, 反應(yīng)溫度都是影響明顯的因子,各個因子設(shè)定最佳水準 - 觸媒量 : 0.5% 水準時的結(jié)果(吸收速度)最大 - 反應(yīng)溫度 : 170 水準時的結(jié)果(吸收速度)最大,Graph窗口(1),STAT MENU,因子別明顯與否 交互作用 - 觸媒量*反應(yīng)溫度 ( P = 0.889 0.05 ) 不明顯,交互作用的最佳水準 交互作用不明顯,故不設(shè)定 最佳水準,Graph窗口(2),STAT MENU,最佳水準設(shè)定 : 為

39、了使吸收速度最高的因子別水準 觸媒量 : 0.5% 反應(yīng)溫度 : 170,在最佳水準上預(yù)想的結(jié)果值 觸媒量 : 0.5% 反應(yīng)溫度 : 170 的時候, 實驗結(jié)果出現(xiàn)110, 108, 則平均109是對最佳水準 所預(yù)想的吸收速度.,STAT MENU,附錄 6SIGMA DMAIC 階段別使用術(shù)語說明 Define Hidden Factory: 所有活動無缺點順利進行時消失的業(yè)務(wù)即, 產(chǎn)生再作業(yè)，過大在庫，移動，廢棄，錯誤，契約，待機時間等工程叫Hidden FactorY. SWOT分析: SWOT是 Strength(強點), Weakness(弱點), Opportunity(機會),

40、 Threat(危險)的合成語利用 SWOT通過市場 /行情 分析問題的方法. * 內(nèi)部環(huán)境分析(SW) 內(nèi)部情況 (與競爭者比較) - Strength (強點), Weakness (弱點) * 外部環(huán)境比較 (OT) 外部環(huán)境 (內(nèi)部環(huán)境除外) - Opportunity(機會), Threat(危險) Work-Out: GE里關(guān)系到經(jīng)營活動問題點的成員聚在一起協(xié)議后把改善方案上報經(jīng)營層，經(jīng)營層推進或非推進與否是現(xiàn)場最終確認的方法論. BENCHMARKING: 同種業(yè)體中把最優(yōu)秀的公司為典范學(xué)習(xí)他們獨特的經(jīng)營手法推進革新活動。它不是單純?nèi)プ非笫澜缟献罡咚疁实母偁幑?，公司?nèi)或其他業(yè)種

41、應(yīng)用范圍也同樣廣泛. Best Practice: 包括競爭社學(xué)習(xí)所有行業(yè)的好的方法引進到本公司的活動，選定基準及順序是按照各公司的基準/運營自主運營. (Kano Analysis): 把顧客要求事項 分為Must be needs, One Dimensional needs, Delighter等3類分析顧客滿足度決定優(yōu)先次序?qū)ふ医鉀Q方案是使用.,(Brainstorming): 根據(jù)自主討論選拔有創(chuàng)意的想法對某個主題制定解決對策時不須按照分析次序幾個人自由討論然后制定方案的方式. Measure 機會(Opportunity): 指的是有可能發(fā)生缺陷的檢查或管理的對象有必要改善或排除.

42、 測量系統(tǒng)分析(Measurement System Analysis, MSA): 為了確保數(shù)據(jù)的信賴性分析測量系統(tǒng)帶來的變動在工程變動里占的比率判斷測量系統(tǒng)適合與否分析測量系統(tǒng)的精密度(Gage R&R), 精確度等. 測量誤差(Measurement Error): 測量值和真值之間的差距測量誤差是測量儀器的精密度和精確度決定所以誤差的原因有溫度，濕度，灰塵等環(huán)境因數(shù)，測量儀器的變形，操作不熟練，操作者的失誤等原因. 安全性(Stability): 對SAMPLE的一個特性長期間測量時根據(jù)時間變化帶來的總變動. 線形(Linearity): 測量系統(tǒng)分析中脫離DATA測量范圍的變動. 精

43、密度(Precision): 測量系統(tǒng)反復(fù)性和再現(xiàn)性帶來的總變動.,反復(fù)性(Repeatability): 用同一測量儀器，同一操作者對同一部品的同一特性測量數(shù)次得到的測量散布. 再現(xiàn)性(Reproducibility): 不同的操作者使用同一測量儀器，對同一部品測量同一特性的測量平均的散布. Gage R & R Study: 在測量系統(tǒng)中因反復(fù)性，再現(xiàn)性帶來的變動給工程帶來的影響有多大用統(tǒng)計方法分析后評價測量系統(tǒng)適合性的方法. % Contribution: Gage R&R 分析的總變動中因儀器，測量者，測量者*Part, 部品間(Part-To-Part)占的比率通過分散分析. % S

44、tudy Variation:Gage R&R 分析的總變動中因儀器，測量者，測量者*Part, 部品間(Part-To-Part)占的比率通過標準偏差分析. Number of Distinct Categories: 評價測量系統(tǒng)的尺度區(qū)分測量系統(tǒng)區(qū)域數(shù). DPU(Defects Per Unit): 一個單位中存在的缺陷的比率，發(fā)生的缺陷數(shù)除于總單位數(shù). DPO(Defects Per Opportunity): 缺陷發(fā)生的機會當出現(xiàn)的缺陷數(shù)，發(fā)生的缺陷數(shù)除于總的機會數(shù).,DPMO: Defects Per Million Opportunities的簡寫一百萬個機會當出現(xiàn)的缺陷數(shù)等于D

45、PO乘于一百萬(106) . 初期數(shù)率(FTY): First Time Yield的簡寫在單位工程里沒有再作業(yè)或修理時的初期良品率. 累計數(shù)率(RTY): Rolled Throughput Yield的簡寫產(chǎn)品經(jīng)過各階段的工程完成的理論性數(shù)率，各初期的數(shù)率的乘積. 工程能力(Process Capability): 工程在管理狀態(tài)時產(chǎn)品或服務(wù)的品質(zhì)變動的程度. 工程能力分析(Process Capability Analysis): 開發(fā)，制造，服務(wù)階段為了測量工程散步減少變動幅度利用統(tǒng)計性方法與規(guī)格比較，分析. 子群(Subgroup): 為了整理數(shù)據(jù)把測量值分成幾個子群在管理圖上顯示為

46、一點，為了求出統(tǒng)計量值篩選的SAMPLE子群. 工程能力指數(shù)(Process Capability Index): 使用在工程間散布的比較, 工程能力和規(guī)格幅度的比率能否生產(chǎn)符合規(guī)格的產(chǎn)品的工程能力指數(shù)。有兩側(cè)規(guī)格的工程能力為 Cp如下 . * USL : Upper Specification Limit * LSL : Lower Specification Limit,短期工程能力(Short Term Capability): 沒有工程上外部影響，短期工程能力，現(xiàn)在的工程所能達到的最大的工程能力叫短期工程能力. 長期工程能力(Long Term Capability): 包括工程的所有

47、變動因數(shù)，長期工程能力，一般性工程的情況下工程的目標值不固定在目標值上經(jīng)過時間的推移隨之變動所以短期工程能力和長期工程能力不同。變動范圍在1.5 . 現(xiàn)在水準(Baseline): 表現(xiàn)在PROJECT特性或指標上測量現(xiàn)水準的測量值. Design Scorecard(DSC): 產(chǎn)品，工程的設(shè)計PROJECT的制造，工程，服務(wù)的最終品質(zhì)事前預(yù)防改善時使用的圖表. KPIV(Key Process Input Variable): 重要工程輸入變數(shù)，顧客認為重要的產(chǎn)品的特性或工程的結(jié)果物，即把特性看為輸出變數(shù)能影響輸出變數(shù)的因子. KPOV(Key Process Output Variabl

48、e): 重要工程輸出變數(shù)顧客認為重要的產(chǎn)品的特性或工程的結(jié)果物，受工程輸入變數(shù)的影響(KPIV). 特性要因圖: Cause and Effect Diagram一般人，材料，方法，環(huán)境，設(shè)備，測量系統(tǒng)等對結(jié)果值帶來影響的原因?qū)С龇椒? (Process Map): 構(gòu)成工程的階段或內(nèi)容根據(jù)時間順序把事實原本用圖畫表現(xiàn)。分為上位PROCESS MAP和下位PROCESS MAP。在微觀上把工程輸入，輸出，周期，再作業(yè)，檢查視點圖式化.,SIPOC(High Level Process Map): 上位水準的PROCESS MAP也叫 SIPOC, 為了核心工程的具體化PROCESS MAPPI

49、NG時不僅僅是對 Process Input, Output情報提供OUTPUT的 Customer及 VOC掌握跟著提供INPUT的 Supplier為止擴大定義。把這些情報為基礎(chǔ)從系統(tǒng)觀點上能謀求顧客的志向性問題. C&E Matrix: 輸入變數(shù)和輸出變數(shù)之間的關(guān)系，指定優(yōu)先順序。也叫 XY Matrix, FDM. 在表格的上端記錄輸出變數(shù)把輸入變數(shù)記錄到表格的左側(cè)在中部填寫闡明關(guān)系的分數(shù)利用累計排序. FMEA(Failure Modes and Effects Analysis): 故障類型及影響分析工程發(fā)生的故障類型和其故障類型要明確，把關(guān)系到故障類型的危險度數(shù)值化為了指定改善的

50、優(yōu)先順序制定的表格。潛在輸入變數(shù)出現(xiàn)錯誤的情況掌握. * 種類 : Design FMEA, Process FMEA, System FMEA 深刻度(SEV): FMEA 制作時故障類型給顧客帶來的影響分數(shù)越高越危險. * 顧客: 包括后工程的內(nèi)，外部顧客. 發(fā)生度(OCC): FMEA制作時根據(jù)潛在故障原因的發(fā)生頻度給予分數(shù)，數(shù)值越高故障頻度越高，反之相反 . 檢出度(DET): FMEA 制作時根據(jù)問題的檢出度給予分數(shù)數(shù)值越高發(fā)現(xiàn)越困難，反之相反. 危險優(yōu)先順序(RPN): Risk Priority NumberFMEA里把危險度數(shù)值化為了制定優(yōu)先順序把各故障類型 (深刻度)x(發(fā)生

51、度)x(檢出度)計算這數(shù)值越高越是重要.,計量型Data(Variable Data): 連續(xù)型測量的品質(zhì)特性值. 例) 長度，重量，強度，濃度，速度，壓力，時間，溫度等 連續(xù)型DATA( Continuous Data ) 計數(shù)型數(shù)據(jù)(Attribute Data): 不良品數(shù)，缺陷數(shù)等能數(shù)出的帶有品質(zhì)特性的值分為缺陷數(shù)DATA和不良綠率DATA. * 缺陷數(shù)DATA : 教材修正時錯別字 * 不良率DATA : 再作業(yè)件數(shù) 離散型DATA ( Discrete Data ) 母集團(Population): 關(guān)心對象的總集合叫母集團元素的個數(shù)叫母集團的大小母集團的大小是無限就叫無限母集團反

52、之叫有限母集團. 樣本(Sampling): 從母集團中篩選的一部分叫SAMPLE. 中心傾向性(Central Tendency): 計量型DATA中傾向于中央. 例) 平均，中央值，最頻值等 歪度(Skewness): 分布形狀傾向于一側(cè). (Kurtosis):判斷是否比正態(tài)分布形狀更接近與中央的尺度 . 平均(Mean): 母平均 : =xi /N=總DATA和/總DATA數(shù)(個數(shù)) 樣本平均 : =xi /n=樣本DATA和/樣本DATA數(shù)(個數(shù)),中央值(Median): 把數(shù)據(jù)按順序排序后中間的值，很少受異常點帶來的影響(Outlier). 最頻值(Mode): 在全部數(shù)據(jù)中發(fā)生

53、次數(shù)最多的值. 分散(Variance): 表示數(shù)據(jù)的分散程度，表現(xiàn)為與平均值的差距. 標準偏差(Standard Deviation, StDev): 標準偏差是表示 Data平均散布的統(tǒng)計量。是分散的平方根. * 母集團的標準偏差 , SAMPLE的標準偏差用 s (Quartile): 按順序排列分為4等份. * Q1: (First quartile) = 25%值 * Q2: (Second Quartile :中央值) = 50%值 Q3: (Third Quartile) = 75%值 范圍(Range): 最大值-最小值,中心極限定理(Central Limit Theorem

54、): 概率變數(shù)不遵守正態(tài)分布但隨著N的增加接近于正態(tài)分布. 正態(tài)性驗證: 所有統(tǒng)計性假設(shè)檢驗 Sample Data是假設(shè)正態(tài)分布使用統(tǒng)計 tools之前必須確認data的正態(tài)性。正態(tài)性檢驗時 p 值 0.05以上的情況下是正態(tài)分布. 指數(shù)分布(Exponential Distribution): 服務(wù)窗口里顧客來查詢的時間間隔，故障率一定的產(chǎn)品壽命等模型化的分布. WEIBULL 分布(Weibull Distribution): 分析產(chǎn)品的壽命的信賴度時使用的分布. 樣本檢查(Sampling Inspection): 調(diào)查從LOT中抽出的樣本把結(jié)果跟判定基準比較后決定LOT的格與否的檢查

55、方式. (Random Sampling): 從母集團中抽出樣本時避免因?qū)嶒烅樞虬l(fā)生的誤差，隨意抽出樣本的方法 * 誤差 : 真值和 測量值的差異 層別(Stratification): 把母集團分為幾個同一特性的幾個集團或分層然后從中抽出樣本的方法. * 母集團 : 獲取某種情報為對象的集團全體. 品質(zhì)技能展開(QFD): Quality Function Deployment 的簡寫顧客對產(chǎn)品技能的要求 產(chǎn)品設(shè)計規(guī)格 連接工程規(guī)格的MATIRIX形式也叫(House Of Quality). 焦點放在顧客上增加組員.,概率變數(shù)(Random Variable): 對標本空間的各值否定失誤的

56、函數(shù). *標本空間 : 實驗或觀察中可能發(fā)生的所有實驗結(jié)果的集合 概率分布(Probability Distribution): 概率變數(shù) X 所取的值對 x發(fā)生的概率 P(X = x) 的算出叫概率變數(shù) X 的概率分布. 概率密度函數(shù)(Probability Density Function): 概率變數(shù)所取的某值的概率。. Poisson 分布(Poisson Distribution): 一段時間內(nèi)機器的故障次數(shù)或安全事故數(shù)，產(chǎn)品中的缺陷數(shù)，自來水中的細菌數(shù)等觀察一定時間，長度或面積為基準頻度低的事件的發(fā)生次數(shù)用概率性模型化的分布. 正態(tài)分布(Normal Distribution):

57、現(xiàn)在最為廣泛利用的代表性分布，左右對稱，形狀像倒掛的鐘，正態(tài)分布良好的闡明許多自然現(xiàn)象. 標準正態(tài)分布(Standard Normal Distribution): 正態(tài)分布是根據(jù)平均和散布的程度發(fā)生許多正態(tài)分布所以規(guī)定平均 0 標準偏差是 1。通過這樣可以很容易去算出概率. Z 變換(Z Transformation): 正態(tài)分布有多樣化的平均和標準偏差，為了計算正態(tài)分布定為標準化的作業(yè)叫 “Z 變換. * 把正態(tài)分布轉(zhuǎn)化為 Z變換, 平均是“0” 標準偏差是 “1”的標準正態(tài)分布.,反復(fù)實驗(Repetition): 實驗計劃法中各因子的水準組合(實驗條件)里反復(fù)進行2次. 及同一實驗條件下進行反復(fù)實驗. 再現(xiàn)實驗(Replication): 按順序結(jié)束實驗后從新按照同一實驗順序反復(fù)實驗. Analyze Vital Few Xs: 影響CTQ的因數(shù)中影響度最大的因子. 度數(shù)分布(Frequency Distribution): 把資料分成階級別再把階級別資料的個數(shù)的度數(shù)按照階級表示叫度數(shù)分布。把度