【正文】 YRT==(%)? 沒有考慮作業(yè)– 計(jì)算各階段的平均收率? 不是算術(shù)平均，而使用各階段的幾何平均值? YND(Normalized Yield)? 這里 n表示工序的數(shù)111離散型數(shù)據(jù)分析? 上例 YND(Normalized Yield)? 各階段平均 YFT=%– 正常收率是全工程平均收率，以YND(Normalized Yield)值來計(jì)算 Sigma值– 通過 YRF可以知道工程真正的收率（累計(jì)直通率）– 部品數(shù)或工序（作業(yè)）的階段越少，收率值越大。? 運(yùn)用假設(shè)檢驗(yàn)（事例）– 新產(chǎn)品 Flatron Monitor產(chǎn)品顯著降低了眼睛的疲勞– LG Digital TV比競爭社的 Digital TV畫質(zhì)更優(yōu)秀– 6σ 品質(zhì)改善 Tool比原有品質(zhì)改善活動(dòng)使用的改善Tool效果更卓越– 019 PCS比它社手機(jī)通話音質(zhì)更清晰132假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值? 假設(shè)檢驗(yàn)的用語理解– 原假設(shè) (Null Hypothesis:Ho)：作為檢驗(yàn)對象的假設(shè)? 如果接受原假設(shè)的話，表示 “ 什麼也不能確信（ or證明）” 。? 設(shè)定假設(shè)– Ho：獨(dú)立（分類的變數(shù)之間地相關(guān)性）– H1：從屬（分類的變數(shù)之間有相關(guān)性 )156假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)數(shù)型– 期望值（ E），觀測值（ O）， X2統(tǒng)計(jì)量? 期望值（ Expected Frequency）：對一些現(xiàn)象的結(jié)果期望的值? 觀測值（ Observed Frequency）：對一些現(xiàn)象的結(jié)果實(shí)際觀測的? X2統(tǒng)計(jì)量是157假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)數(shù)型? X2(Chisquare)統(tǒng)計(jì)量– 用 3個(gè)月把 Monitor產(chǎn)品不良類型按不同的交接班整理後，調(diào)查各交接班有（從屬的）無（獨(dú)立的）產(chǎn)品不良類型的特性後，進(jìn)行改善活動(dòng)，檢出了N=309個(gè) Monitor不良。什麼是水平的分析方法。為了減少潛在變量的影響， 一般采用隨機(jī)法和 Blocking。為了減少潛在變量的影響，常常隨機(jī)化。– 試驗(yàn)時(shí)必須參加觀察? 通過觀察可以知道是因果關(guān)系還是相關(guān)關(guān)系。181試驗(yàn)計(jì)劃的樹立? 數(shù)據(jù)分析– GRAPH分析? Capability Analysis? Histogram? Box Plot? Pareto? Scatter Plot? Cube Plot? Main effect plot：平均值 標(biāo)準(zhǔn)偏差? Interaction plot：平均值 標(biāo)準(zhǔn)偏差182試驗(yàn)計(jì)劃的樹立– 信賴區(qū)間? Pvalue，檢驗(yàn)統(tǒng)計(jì)量? Ttest， Ftest， Chisquare– 分散分析表 (ANOVA Tables）– 回歸方程式 (Regression)183試驗(yàn)計(jì)劃的樹立? 導(dǎo)出結(jié)論– 結(jié)果值在統(tǒng)計(jì)上有效嗎？? 測定 /分析 /改善階段使用的工具間有矛盾嗎？? 結(jié)合實(shí)際問題統(tǒng)計(jì)的處理結(jié)果合理嗎？– 得到改善的證據(jù)（長期的）充分嗎？– 結(jié)果值得到實(shí)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(huì)不會(huì)發(fā)生逆性能的問題？184試驗(yàn)計(jì)劃的樹立– 試驗(yàn)結(jié)果怎樣指示改善問題的方向？– 是否要做追加的試驗(yàn)？? 驗(yàn)證試驗(yàn)– 驗(yàn)證試驗(yàn)是證明已找出的最佳條件是真的改善的步驟– 驗(yàn)收試驗(yàn)必須象現(xiàn)象分析類似對長期的數(shù)據(jù)合理分組來實(shí)施– 找出最佳條件來做試驗(yàn)期間在遷定的條件內(nèi)應(yīng)使其自然（實(shí)際作業(yè)條件）185試驗(yàn)計(jì)劃的樹立– 參照事項(xiàng)? 做驗(yàn)證試驗(yàn)期間必須參加觀察? 要確認(rèn)因子的水平變化是否正確? 應(yīng)留意試驗(yàn)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(nèi)實(shí)際控制可能的話，不能檢出 2水平變化引起的 效應(yīng)186試驗(yàn)計(jì)劃的樹立? 試驗(yàn)時(shí)注意事項(xiàng)– 錯(cuò)誤認(rèn)識發(fā)生問題的因子? 相關(guān)關(guān)系錯(cuò)誤認(rèn)識為因果關(guān)系– 最佳選定的條件和實(shí)際使用的條件不符? 試驗(yàn)結(jié)果最佳選定的值在實(shí)際上協(xié)力社不能作業(yè)或生產(chǎn)工序不能賦予其條件? 跟 Cost（成本費(fèi)用）等相關(guān)，不能實(shí)行其政策? 全體的制度等有可能變更187試驗(yàn)計(jì)劃的樹立– 不能決定是因?yàn)闆]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(yàn)在很小範(fàn)圍的因子水平上實(shí)施– 沒有包含重要的獨(dú)立變量? 沒有包含影響品質(zhì)的 CTQ– 因測定的變動(dòng)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(gè)預(yù)計(jì)對一些特性值有影響的因子，實(shí)施試驗(yàn)的最單純的試驗(yàn)計(jì)劃法。作為 因行了 沒有反復(fù)的二元配置實(shí)驗(yàn)，因子的收率如下，求最佳條件。 3次以上的交互作用，技術(shù)分析不太容易，因此一般不考慮。– 可以把握溫度最大影響反應(yīng)值。242部分配置法 (Fractional factorial design? 為什麼要使用部分配置法 (Fractional factorial design)– 為了找出致命的少數(shù)因子 Screening時(shí)；– 從經(jīng)濟(jì) /成本費(fèi)用方面愾有水平配合下，試驗(yàn)發(fā)生困難。– 如果溫度高，可以在低清洗濃度下，線體速度可以運(yùn)行更快。223要因配置法 (Factorial Design)Factor Level1 +1A. 水的溫度 (Temp) 溫水 熱水 (Time) 短 長 (Conc.) 低 高?同樣 Run實(shí)施 2次（或 2次以上）得到反應(yīng)值 (Yield)時(shí)，求平均值後適用試驗(yàn)排列全體反復(fù) 2次（或 2次以上）時(shí)，把數(shù)據(jù)放在 1列來適用。204要因配置法 (Factorial Design)? 什麼是要因配置法– n個(gè)因子，各因子的水平數(shù)是 k的試驗(yàn)計(jì)劃，所有因子間的水平調(diào)和下實(shí)施試驗(yàn)。其結(jié)果得到了下列數(shù)據(jù) ，最佳 條件。– 連續(xù)的試驗(yàn)：進(jìn)行大規(guī)模試驗(yàn)不如實(shí)施幾次小的試驗(yàn)? 初期試驗(yàn)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(shí)施試驗(yàn)。179試驗(yàn)計(jì)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。如果判定為交互利作用更重要的話，使用試驗(yàn)計(jì)劃的一個(gè)因素；可是交互作用有可能跟其它交互作用交叉。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(yīng)值）的平均值是否具有 同樣值，步驟? 暫定的找出致命的少數(shù)因子的方法? 分散分析的用語理解– 因子 (Factor)：試驗(yàn)上影響特性值的原因– 水平 (Level)：為實(shí)施試驗(yàn)的因子條件– 平方和 (Sum of square)：在因子的特定水平上，計(jì)算測定值變化程度– 試驗(yàn) Balance/Unbalance：測定值相同或不相同時(shí)所有因子水平的 調(diào)合數(shù)165分散分析（ ANOVA）的理解? 分散分析的使用 – One Way ANOVA： 具有 2個(gè)以上的水平的 1個(gè)因子的情況– Balance ANOAV： 具有 2個(gè)以上因子的情況 – 試驗(yàn)計(jì)劃法（ DoE=Design of Experiment）：分析多因子時(shí)，針對那個(gè) 調(diào)合上給 ‘ Ｙ ’特性值造成影響大的因子。– 利用 X2(Chisquare)驗(yàn)證? 原假設(shè) (Ho)：不良類型和交接之間彼此是否無關(guān)聯(lián)（獨(dú)立因素）? 對立假設(shè)（ H1）：不良類型和交接班之間彼此是否有關(guān)聯(lián)（從屬因素）158假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)數(shù)型– 不良類型：? A：碰傷? B：洩漏? C：開關(guān)不良? D：粘貼不良159假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)數(shù)型交接班 A B C D1 15 21 45 132 26 31 34 53 33 17 49 20?設(shè)定假設(shè)?原假設(shè)（ Ho）：不良類型和交接班之間彼此無關(guān)聯(lián)（獨(dú)立）?對立假設(shè)（ H1）：不良類型和交接型號之間彼此有關(guān)聯(lián)（從屬）160假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)數(shù)型? 假設(shè)檢驗(yàn)的 Minitab運(yùn)用? P84161假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)數(shù)型? P84162改善（ Improvement）163分散分析（ ANOVA）的理解? 什麼是分散分析（ ANOVA）？– 試驗(yàn)實(shí)施後，對試驗(yàn)結(jié)果進(jìn)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。– 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(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值第二種錯(cuò)誤（ β）第一種錯(cuò)誤（ α）真 實(shí)H0=真 H1=假采 納H0=真H1=假135假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值? 假設(shè)設(shè)定方法– 以原假設(shè) [母體和 Sample(樣本 )是一樣的 ]來假定? Ho： μ1=μ2? Ho： μ1=μ2=μ3=……μn? Ho： σ1=σ2? Ho： σ1=σ2= σ3 ……σn136假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值– 對立假設(shè) [母體和樣本不同的 ]則為 ? 兩側(cè)檢驗(yàn)時(shí) H1： μ1≠μ2? 偏側(cè)檢驗(yàn)時(shí) H1： μ1 ＜ μ2 ? μ1 ＞ μ2? 兩側(cè)檢驗(yàn)時(shí) H1： σ1≠ σ2? 偏側(cè)檢驗(yàn)時(shí) H1： σ1 ＜ σ2? σ1 ＞ σ2137假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值? 假設(shè)檢驗(yàn)的形態(tài)– 計(jì)量型數(shù)據(jù)：使用 Z， Ttest統(tǒng)計(jì)量? 實(shí)行平均值檢驗(yàn)的必須檢驗(yàn)分散的同質(zhì)性（ Ftest)? Ftest是比較 2個(gè)以上的母體的散布– 計(jì)數(shù)型數(shù)據(jù)：使用 x2(chiSquare)統(tǒng)計(jì)量? 次數(shù)、頻度等138假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值? 假設(shè)檢驗(yàn)時(shí)樣本大小和特征– 樣本的大小取多少好呢？? 如果樣本數(shù)小，很難表示母體的特征，可能導(dǎo)致檢驗(yàn)結(jié)果的錯(cuò)誤? 相麼，樣本數(shù)大的時(shí)候，實(shí)際操作中時(shí)間 /費(fèi)用方面難以適用? 因此，樣本數(shù)的大小最好從各方面都考慮後作出恰當(dāng)?shù)臎Q定139假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值? 假設(shè)檢驗(yàn)的實(shí)行順序– 設(shè)定原假設(shè)、對立假設(shè) (Ho， Hi)– 確定顯著性水平（ α= ， ， ）– 選擇檢驗(yàn)統(tǒng)計(jì)量（ Z， T， Chisquare統(tǒng)計(jì)量）– 求接受或拒絕域– 從數(shù)據(jù)上判定顯著性，解釋結(jié)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(jì)的解釋結(jié)果用于實(shí)際問題140假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量型? 假設(shè)檢驗(yàn)結(jié)果的判定方法拒絕值接受域?原假設(shè) (Ho)：接受?對立假立 (H1)：拒絕接受域?原假設(shè) (Ho)：接受?對立假立 (H1)：拒絕(α)141假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量型– 統(tǒng)計(jì)學(xué)的判定方法? 數(shù)據(jù)計(jì)算值結(jié)果小于拒絕值時(shí)：接受原假設(shè) (Ho)? 數(shù)據(jù)計(jì)算值結(jié)果大于拒絕值時(shí)：拒絕原假設(shè) (Ho)? “0” 值在信賴區(qū)間內(nèi)時(shí)：接受原假設(shè) (Ho)? “0” 值在信賴區(qū)間外時(shí)：拒絕原假設(shè) (Ho)– Minitab的判定方法? PValue值大于 α 時(shí)：接受原假設(shè) (Ho)? PValue值小于 α 時(shí)：拒絕原假設(shè) (Ho)142假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值? 假設(shè)檢驗(yàn)的 Minitab運(yùn)用– 洗衣機(jī)下部 Transmission Housing有 10CTQ， 10個(gè) CTQ是 8個(gè) Fixture Brake的高度 離合器，在這里先查看 8個(gè)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(diào)查原因并改善。122Graph分析? Graph分析的 Minitab運(yùn)用– 在空調(diào)生產(chǎn)線上 Compressor（壓縮機(jī)）組裝時(shí)間對暴露在濕氣的時(shí)間很重要，因此對 3個(gè)生產(chǎn)線的 3名作業(yè)者，調(diào)查了 3組組裝作業(yè)時(shí)間的數(shù)據(jù)。105離散型數(shù)據(jù)分析– YNA(Normalized Yield)：標(biāo)準(zhǔn)收率? 表示計(jì)算連續(xù)工序的評價(jià)收率的值? 應(yīng)用：完成產(chǎn)品的品質(zhì)水平評價(jià)時(shí)使用。(750 10)=? Yield值是 Y=edpu===%103離散型數(shù)據(jù)分析? DPMO=DPO 1,000,000= 1,000,000=4,500PPM 一個(gè)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(biāo)準(zhǔn)正態(tài)分布來計(jì)算。? DPMO=DPO1,000,000– 例：上例 DPMO是 1,000,000 DPMO? P(ND)=1DPO==(90%)100離散型數(shù)據(jù)分析? 利用泊松公式計(jì)算