【正文】 SL SU71工序能力v 在偏移時(shí)的工序能力SL SUKM72工序能力? 用語(yǔ)解釋vK：偏移系數(shù)（如果 K=0， Cp=Cpk）vM（ Midrange）：規(guī)格的中心vT（ Tolerane）：公差vSU（ Upper Spec）：規(guī)格上限vSL（ Lower Spec）：規(guī)格下限73工序能力? 只有規(guī)格上限的工序能力SU74工序能力? 只有規(guī)格下限的工序能力SL75工序能力v 工序能力的 Minitab運(yùn)用? 葡萄酒農(nóng)場(chǎng)為了參加慶祝大會(huì)，在準(zhǔn)備過(guò)程中，有必要改善葡萄酒品質(zhì)而準(zhǔn)備 Project，首先為了把握現(xiàn)象，按合理分組計(jì)劃規(guī)劃得出了包括下列 “X” 因素的葡萄酒質(zhì)量 “Y” 的樣本。77離散型數(shù)據(jù)分析v 用語(yǔ)解釋? D（ Defect）：缺陷 or不良（事項(xiàng)）v為了滿足顧客的要求事基而浪費(fèi)的再作業(yè)或失敗的工作。vDPMO=DPO 1,000,000? 例：上例 DPMO是 1,000,000 DPMOvP(ND)=1DPO==(90%)82離散型數(shù)據(jù)分析v 利用泊松公式計(jì)算收率? 利用泊松公式v這里? Y：收率? DPU：元件缺陷數(shù)? R：? e：指數(shù)函數(shù) ……83離散型數(shù)據(jù)分析? r=0時(shí)? ∴Y=e dpu? ∴ 對(duì)缺陷機(jī)會(huì)數(shù)越大， “Y” 越接近 “0”84離散型數(shù)據(jù)分析v Process Yield（例題）? 如果 750元件有 34個(gè)的缺陷時(shí)，計(jì)算DPU/DPO/DPMO/Yield/Sigma各是多少？（各元件有 10個(gè)的機(jī)會(huì)數(shù)）vDPU=缺陷數(shù) 247。(750 10)=vYield值是 Y=edpu===%85離散型數(shù)據(jù)分析vDPMO=DPO 1,000,000=1,000,000=4,500PPM 一個(gè)元件有 45,000PPM的缺陷vSigma=Zinv()+(偏移） =+=? Zinv是把 Z值按面積來(lái)?yè)Q算的值，以標(biāo)準(zhǔn)正態(tài)分布來(lái)計(jì)算。87離散型數(shù)據(jù)分析? YNA(Normalized Yield)：標(biāo)準(zhǔn)收率v表示計(jì)算連續(xù)工序的評(píng)價(jià)收率的值v應(yīng)用：完成產(chǎn)品的品質(zhì)水平評(píng)價(jià)時(shí)使用。99Graph分析v 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(duì)暴露在濕氣的時(shí)間很重要，因此對(duì) 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)。? 顯著性水平 (Significance Level)：象一般使用的α=(,)Ho 是真的拒絕的概率103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104假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值v 假設(shè)設(shè)定方法? 以原假設(shè) [母體和 Sample(樣本 )是一樣的 ]來(lái)假定vHo： μ1=μ2vHo： μ1=μ2=μ3=……μnvHo： σ1=σ2vHo： σ1=σ2= σ3 ……σn105假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值? 對(duì)立假設(shè) [母體和樣本不同的 ]則為 v兩側(cè)檢驗(yàn)時(shí) H1： μ1≠μ2v偏側(cè)檢驗(yàn)時(shí) H1： μ1 ＜ μ2 μ1 ＞ μ2v兩側(cè)檢驗(yàn)時(shí) H1： σ1≠ σ2v偏側(cè)檢驗(yàn)時(shí) H1： σ1 ＜ σ2 σ1 ＞ σ2106假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值v 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v實(shí)行平均值檢驗(yàn)的必須檢驗(yàn)分散的同質(zhì)性（ Ftest)vFtest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v次數(shù)、頻度等107假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值v 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？v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v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v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108假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值v 假設(shè)檢驗(yàn)的實(shí)行順序? 設(shè)定原假設(shè)、對(duì)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vP(Probability)概率值＜ α 則接受對(duì)立假定 (H1)vP(Probability)概率值＞ α 則接受對(duì)立假定 (Ho)? 把統(tǒng)計(jì)的解釋結(jié)果用于實(shí)際問(wèn)題109假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量型v 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(duì)立假立 (H1)：拒絕拒絕域?原假設(shè) (Ho)：拒絕?對(duì)立假立 (H1)：接受(α)110假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量型? 統(tǒng)計(jì)學(xué)的判定方法v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)v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)v“0” 值在信賴區(qū)間內(nèi)時(shí)：接受原假設(shè) (Ho)v“0” 值在信賴區(qū)間外時(shí)：拒絕原假設(shè) (Ho)? Minitab的判定方法vPValue值大于 α 時(shí)：接受原假設(shè) (Ho)vPValue值小于 α 時(shí)：拒絕原假設(shè) (Ho)111假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值v 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(wú)高度尺寸公差，如果 Fixure間有高度公差的話，用 “X” 因素來(lái)判斷後調(diào)查原因并改善。? 利用 X2(Chisquare)驗(yàn)證v原假設(shè) (Ho)：不良類型和交接之間彼此是否無(wú)關(guān)聯(lián)（獨(dú)立因素）v對(duì)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）116假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)數(shù)型? 不良類型：vA：碰傷vB：洩漏vC：開(kāi)關(guān)不良vD：粘貼不良117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(wú)關(guān)聯(lián)（獨(dú)立）?對(duì)立假設(shè)（ H1）：不良類型和交接型號(hào)之間彼此有關(guān)聯(lián)（從屬）118改善（ Improvement）119分散分析（ ANOVA）的理解v 什麼是分散分析（ ANOVA）？? 試驗(yàn)實(shí)施後，對(duì)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(lái)表示。120分散分析（ ANOVA）的理解? 可以說(shuō)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v暫定的找出致命的少數(shù)因子的方法v 分散分析的用語(yǔ)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(cè)定值變化程度? 試驗(yàn) Balance/Unbalance：測(cè)定值相同或不相同時(shí)所有因子水平的 調(diào)合數(shù)121分散分析（ ANOVA）的理解v 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(duì)那個(gè) 調(diào)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(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。135試驗(yàn)計(jì)劃的樹(shù)立? 交叉法v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(méi)有。? 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)v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)。其結(jié)果得到了下列數(shù)據(jù) ，最佳 條件。149要因配置法 (Factorial Design)v 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)。157要因配置法 (Factorial Design)Factor Level1 +1A. 水的溫度 (Temp) 溫水 熱水 (Time) 短 長(zhǎng) (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(lái)適用。? 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。此時(shí) X3因子的配置結(jié)構(gòu)跟 Z1， X2有同樣的交互作用。176部分配置法 (Fractional factorial designv Cube plot676556 5560695278494563 6110 159395177部分配置法 (Fractional factorial design? 最適當(dāng)?shù)臈l件是：催化劑 +1（ 2%），溫度 +1（180℃ ），濃度 1（ 3%）下具有最好的組合。? 為了分析試驗(yàn)的結(jié)果182回歸分析（ Regression）v 回歸方程式? a和 b的計(jì)算公式183回歸分析（ Regression）? 把全體測(cè)值用某一個(gè)適當(dāng)數(shù)學(xué)方式來(lái)表示，其適當(dāng)方程式不能說(shuō)明的誤差變化和成為最小而決定a和 b。? 為了減少收集數(shù)據(jù)時(shí)因時(shí)間變量，最發(fā)好是以無(wú)序法來(lái)確定 “X” 因子的水平後再做試驗(yàn)。vRSq ：觀察值到適當(dāng)線的變動(dòng)比率。? 給 p。? 為了工序最適當(dāng)化的持續(xù)維持管理，必須能夠檢查出體系管理系統(tǒng)的變化。 LOT大?。?X） 10 20 30 40 40 50 60 60 70 80生產(chǎn)人力（ Y） 20 29 50 60 70 85 90 95 109 120186回歸分析（ Regression）? FITS是從因素各個(gè)測(cè)定數(shù)據(jù)計(jì)算回歸方程式時(shí)的實(shí)測(cè)值， “Y” 的推測(cè)值是 manhour=+ lot size? Residual（殘差）的 error標(biāo)示是v實(shí)際反應(yīng)值上，把預(yù)想的反應(yīng)值從各測(cè)定值上減掉的值，上面例題值是 C4=C2C3187回歸分析（ Regression）v 回歸方程式的殘差（ Residual）是什麼？? 殘差（ Residual） Plot是回歸模式是否適當(dāng)，進(jìn)行檢查的分析工具v殘差（ Residual）的平均值始終是 “0”v殘差（ Residual）具有正態(tài)分析 (Normal Distribution)v殘差（ Residual）應(yīng)是隨機(jī)分布（即，不能有什麼樣的傾向）188回歸分析（ Regression）v 殘差分布形態(tài)? 按時(shí)間序列估計(jì)為等分散的情況189回歸分析（ Regression）? 估計(jì)是獨(dú)立的或可能不是直線關(guān)系的曲線形態(tài)190回歸分析（ Regression）? 其它變量也要一起考慮的情況191回歸分析（ Regression）v 殘差（ Residual）分析（正規(guī)性）v P146192回歸分析（ Regression）? 可以對(duì)殘差是否為正態(tài)分布進(jìn)行檢查? 或 StatBesic StactisticNormality Test Variable:Resi 1,Value=193回歸分析（ Regression）? 附加說(shuō)明v回歸方程式 y=a+bx,即 a（偏移） =，b=（截距）的值vConstant PValue? H0：回歸原點(diǎn)通過(guò)（ 0,0）? H1：回歸線未通過(guò)原點(diǎn)（ 0,0）? 上面情況是采用 H0，因此 0194回歸分析（ Regression）v對(duì)因子的 PValue? H0： Lot size=沒(méi)有意義（ or不影響）? H1： Lot size≠ 沒(méi)有意義（ or有影響）? 上面情況是 PValue=，因此可以判斷有意義vS值：表示誤差的散布，即表示推定的標(biāo)準(zhǔn)偏差值。? 并且對(duì)比總變化不能說(shuō)明的變化?。ㄕ`差引起的變化），可以說(shuō)明回歸模型好。（有 /無(wú)相互關(guān)聯(lián)性，可以提供解決問(wèn)題的 Point）? 這種關(guān)聯(lián)性用某種數(shù)學(xué)方程工來(lái)表示及分析叫回歸分析，即可以認(rèn)為將從屬變量 “Y” 與獨(dú)立變量 “X” 的關(guān)系用下列模型的數(shù)學(xué)方程式來(lái)適當(dāng)表示。? 剩下的注入量（注入速度）人反應(yīng)值影響微小? 從干擾的分析結(jié)果來(lái)看，轉(zhuǎn)速幾乎不影響，因此排除該因素不會(huì)發(fā)生什麼問(wèn)題。165部分配置法 (Fractional factorial design）v 為什麼要使用部分配置法 (Fracti