【正文】 750元件有 34個的缺陷時，計算DPU/DPO/DPMO/Yield/Sigma各是多少？（各元件有 10個的機會數） ?DPU=缺陷數247。 (750 10)= ?Yield值是 Y=edpu===% 103 離散型數據分析 ?DPMO=DPO 1,000,000= 1,000,000=4,500PPM 一個元件有45,000PPM的缺陷 ?Sigma=Zinv()+(偏移）=+= – Zinv是把 Z值按面積來換算的值，以標準正態(tài)分布來計算。 105 離散型數據分析 – YNA(Normalized Yield)：標準收率 ?表示計算連續(xù)工序的評價收率的值 ?應用：完成產品的品質水平評價時使用。 122 Graph分析 ? Graph分析的 Minitab運用 – 在空調生產線上 Compressor（壓縮機）組裝時間對暴露在濕氣的時間很重要，因此對 3個生產線的 3名作業(yè)者，調查了 3組組裝作業(yè)時間的數據。 – 顯著性水平 (Significance Level)：象一般使用的α =(,)Ho是真的拒絕的概率 134 假設檢驗（ Hypothesis Test）計量值 第二種錯誤 （ β） 第一種錯誤 （ α） 真 實 H0=真 H1=假 采 納 H0=真 H1=假 135 假設檢驗（ Hypothesis Test）計量值 ? 假設設定方法 – 以原假設 [母體和 Sample(樣本 )是一樣的 ]來假定 ?Ho： μ 1=μ 2 ?Ho： μ 1=μ 2=μ 3=?? μ n ?Ho： σ 1=σ 2 ?Ho： σ 1=σ 2= σ 3 ?? σ n 136 假設檢驗（ Hypothesis Test）計量值 – 對立假設 [母體和樣本不同的 ]則為 ?兩側檢驗時 H1： μ 1≠ μ 2 ?偏側檢驗時 H1： μ 1 ＜ μ 2 ? μ 1 ＞ μ 2 ?兩側檢驗時 H1： σ 1≠ σ 2 ?偏側檢驗時 H1： σ 1 ＜ σ 2 ? σ 1 ＞ σ 2 137 假設檢驗（ Hypothesis Test）計量值 ? 假設檢驗的形態(tài) – 計量型數據：使用 Z， Ttest統(tǒng)計量 ?實行平均值檢驗的必須檢驗分散的同質性（ Ftest) ?Ftest是比較 2個以上的母體的散布 – 計數型數據：使用 x2(chiSquare)統(tǒng)計量 ?次數、頻度等 138 假設檢驗（ Hypothesis Test）計量值 ? 假設檢驗時樣本大小和特征 – 樣本的大小取多少好呢？ ?如果樣本數小，很難表示母體的特征，可能導致檢驗結果的錯誤 ?相麼，樣本數大的時候，實際操作中時間 /費用方面難以適用 ?因此，樣本數的大小最好從各方面都考慮後作出恰當的決定 139 假設檢驗（ Hypothesis Test）計量值 ? 假設檢驗的實行順序 – 設定原假設、對立假設 (Ho， Hi) – 確定顯著性水平（ α =， ， ） – 選擇檢驗統(tǒng)計量（ Z， T， Chisquare統(tǒng)計量） – 求接受或拒絕域 – 從數據上判定顯著性，解釋結果 ? P(Probability)概率值＜ α 則接受對立假定 (H1) ? P(Probability)概率值＞ α 則接受對立假定 (Ho) – 把統(tǒng)計的解釋結果用于實際問題 140 假設檢驗（ Hypothesis Test）計量型 ? 假設檢驗結果的判定方法 拒絕值 接受域 ?原假設 (Ho)：接受 ?對立假立 (H1)：拒絕 接受域 ?原假設 (Ho)：接受 ?對立假立 (H1)：拒絕 (α) 141 假設檢驗（ Hypothesis Test）計量型 – 統(tǒng)計學的判定方法 ?數據計算值結果小于拒絕值時：接受原假設 (Ho) ?數據計算值結果大于拒絕值時：拒絕原假設 (Ho) ?“ 0”值在信賴區(qū)間內時：接受原假設 (Ho) ?“ 0”值在信賴區(qū)間外時：拒絕原假設 (Ho) – Minitab的判定方法 ?PValue值大于 α 時：接受原假設 (Ho) ?PValue值小于 α 時：拒絕原假設 (Ho) 142 假設檢驗（ Hypothesis Test）計量值 ? 假設檢驗的 Minitab運用 – 洗衣機下部 Transmission Housing有 10CTQ，10個 CTQ是 8個 Fixture Brake的高度 離合器，在這里先查看 8個不同的 Fixture間有無高度尺寸公差，如果 Fixure間有高度公差的話，用“ X”因素來判斷後調查原因并改善。 – 利用 X2(Chisquare)驗證 ? 原假設 (Ho)：不良類型和交接之間彼此是否無關聯（獨立因素） ? 對立假設（ H1）：不良類型和交接班之間彼此是否有關聯（從屬因素） 158 假設檢驗（ Hypothesis Test）計數型 – 不良類型： ?A：碰傷 ?B：洩漏 ?C：開關不良 ?D：粘貼不良 159 假設檢驗（ Hypothesis Test）計數型 交接班 A B C D 1 15 21 45 13 2 26 31 34 5 3 33 17 49 20 ?設定假設 ?原假設（ Ho）：不良類型和交接班之間彼此無關聯（獨立） ?對立假設（ H1）：不良類型和交接型號之間彼此有關聯（從屬） 160 假設檢驗（ Hypothesis Test）計數型 ? 假設檢驗的 Minitab運用 ? P84 161 假設檢驗（ Hypothesis Test）計數型 ? P84 162 改善（ Improvement） 163 分散分析（ ANOVA）的理解 ? 什麼是分散分析（ ANOVA）？ – 試驗實施後，對試驗結果進行分析所使用的分析方法 – 特性值的散布用總平方和來表示。 164 分散分析（ ANOVA）的理解 – 可以說是決定各水平上‘ Y’特性值（反應值）的平均值是否具有 同樣值，步驟 ? 暫定的找出致命的少數因子的方法 ? 分散分析的用語理解 – 因子 (Factor)：試驗上影響特性值的原因 – 水平 (Level)：為實施試驗的因子條件 – 平方和 (Sum of square)：在因子的特定水平上，計算測定值變化程度 – 試驗 Balance/Unbalance：測定值相同或不相同時所有因子水平的 調合數 165 分散分析（ ANOVA）的理解 ? 分散分析的使用 – One Way ANOVA： 具有 2個以上的水平的 1個因子的情況 – Balance ANOAV： 具有 2個以上因子的情況 – 試驗計劃法（ DoE=Design of Experiment）：分析多因子時，針對那個 調合上給‘Ｙ ’特性值造成影響大的因子。如果判定為交互利作用更重要的話，使用試驗計劃的一個因素；可是交互作用有可能跟其它交互作用交叉。 179 試驗計劃的樹立 – 交叉法 ? 交叉是因子的效果不能彼此分離，部分配置法多少都有交叉，一般是主效果大于可交互作用的情況， 3次以上的交互作用類似的情況幾乎沒有。 – 連續(xù)的試驗：進行大規(guī)模試驗不如實施幾次小的試驗 ?初期試驗階段上 – 能知道哪些因子是重要的，也能理 Mechanism，因此下一步能夠更有效地實施試驗。其結果得到了下列數據 ，最佳 條件。 204 要因配置法 (Factorial Design) ? 什麼是要因配置法 – n個因子，各因子的水平數是 k的試驗計劃，所有因子間的水平調和下實施試驗。作為 因行了 沒有反復的二元配置實驗，因子的收率如下，求最佳條件。 181 試驗計劃的樹立 ? 數據分析 – GRAPH分析 ? Capability Analysis ? Histogram ? Box Plot ? Pareto ? Scatter Plot ? Cube Plot ? Main effect plot：平均值 標準偏差 ? Interaction plot：平均值 標準偏差 182 試驗計劃的樹立 – 信賴區(qū)間 ?Pvalue，檢驗統(tǒng)計量 ?Ttest， Ftest， Chisquare – 分散分析表 (ANOVA Tables） – 回歸方程式 (Regression) 183 試驗計劃的樹立 ? 導出結論 – 結果值在統(tǒng)計上有效嗎？ ?測定 /分析 /改善階段使用的工具間有矛盾嗎？ ?結合實際問題統(tǒng)計的處理結果合理嗎？ – 得到改善的證據（長期的）充分嗎？ – 結果值得到實際改善了嗎？ ?工序能力值向上了嗎？ ?所選定題目的‘ Y’值得到了長期改善了嗎？ ?會不會發(fā)生逆性能的問題？ 184 試驗計劃的樹立 – 試驗結果怎樣指示改善問題的方向？ – 是否要做追加的試驗？ ? 驗證試驗 – 驗證試驗是證明已找出的最佳條件是真的改善的步驟 – 驗收試驗必須象現象分析類似對長期的數據合理分組來實施 – 找出最佳條件來做試驗期間在遷定的條件內應使其自然（實際作業(yè)條件） 185 試驗計劃的樹立 – 參照事項 ?做驗證試驗期間必須參加觀察 ?要確認因子的水平變化是否正確 ?應留意試驗條件變更是否損壞裝備或誘發(fā)安全性問題 ?+/只能在條件內實際控制可能的話，不能檢出 2水平變化引起的 效應 186 試驗計劃的樹立 ? 試驗時注意事項 – 錯誤認識發(fā)生問題的因子 ?相關關系錯誤認識為因果關系 – 最佳選定的條件和實際使用的條件不符 ?試驗結果最佳選定的值在實際上協(xié)力社不能作業(yè)或生產工序不能賦予其條件 ?跟 Cost（成本費用）等相關，不能實行其政策 ?全體的制度等有可能變更 187 試驗計劃的樹立 – 不能決定是因為沒有得到管理而變化 ?潛在變量的影響給‘ Y’值造成大的影響 – 試驗在很小範圍的因子水平上實施 – 沒有包含重要的獨立變量 ?沒有包含影響品質的 CTQ – 因測定的變動大，不能檢出變化的值 188 一元配置法 ? 一元配置法 – 只選擇 1個預計對一些特性值有影響的因子，實施試驗的最單純的試驗計劃法。 – 試驗時必須參加觀察 ? 通過觀察可以知道是因果關系還是相關關系。為了減少潛在變量的影響，常常隨機化。為了減少潛在變量的影響， 一般采用隨機法和 Blocking。什麼是水平的分析方法。 ?設定假設 – Ho：獨立（分類的變數之間地相關性） – H1：從屬（分類的變數之間有相關性 ) 156 假設檢驗（ Hypothesis Test）計數型 – 期望值（ E），觀測值（ O）， X2統(tǒng)計量 ?期望值（ Expected Frequency）：對一些現象的結果期望的值 ?觀測值（ Observed Frequency）：對一些現象的結果實際觀測的 ?X2統(tǒng)計量是 ? ?? E Ex22 )0(157 假設檢驗（ Hypothesis Test）計數型 ? X2(Chisquare)統(tǒng)計量 – 用 3個月把 Monitor產品不良類型按不同的交接班整理後，調查各交接班有（從屬的）無（獨立的）產品不良類型的特性後，進行改善活動，檢出了N=309個 Monitor不良。 ? 運用假設檢驗（事例） – 新產品 Flatron Monitor產品顯著降低了眼睛的疲勞 – LG Digital TV比競爭社的 Digital TV畫質更優(yōu)秀 – 6σ 品質改善 Tool比原有品質改善活動使用的改善Tool效果更卓越 – 019 PCS比它社手機通話音質更清晰 132 假設檢驗（ Hypothesis Test）計量值 ? 假設檢驗的用語理解 – 原假設 (Null Hypothesis:Ho)：作為檢驗對象的假設 ? 如果接受原假設的話，表示“什麼也不能確信（ or證明）”。 109 離散型數據分析 ? YRT(Rolled Throughput Yield) – 產品 A由 3個連續(xù)的階段來形成的話，YRT/YND的值的值是什麼？ 階段 1 階段 2 階段 3 YFT=80% YF=100% YFT=70% YF=90% YFT=90% YF=95% 110 離散型數據分析 – YRF是連續(xù)的各階段 YFT之乘 ?YRT= =(%) ?沒有考慮作業(yè) – 計算各階段的平均收率 ?不是算術平均，而使