【正文】 ?Man：作業(yè)者變更，晝夜班次交換，新作業(yè)者等 ?Machine：機械設定值變更，設備維修 維護等 ?Material：交付 LOT，作業(yè)安排，原材料等 ?Method：作業(yè)者間的作業(yè)方法差異等 ?Measurement：測定者的變化，測定設備誤差等 69 變化的理解 ?Rational Subgrouping事例 ? 改善供應 TV Back Cover協(xié)力社的品質，為了分析部品變化的原因制定 Rational Subgrouping計劃 ?預想的暫定“ X”因素及實際計劃 ? 兩臺注塑機：對兩臺注塑機實施下列內容 ? 交接班：對交接班別取樣分析 ? 每周作業(yè)者的變更：對每周變更的作業(yè)者別取樣分析 ? 按原材料別構成 Lot，分析 Lot別有無差異 70 工序能力 ?工序能力的數學式 ? 兩側有規(guī)格的工序能力 ?6LU SSCp ??SL SU x71 工序能力 ?在偏移時的工序能力 SL SU xK M T/2xM )1(???KCpKCpk72 工序能力 ? 用語解釋 ?K：偏移系數（如果 K=0， Cp=Cpk） ?M（ Midrange）：規(guī)格的中心 ?T（ Tolerane）：公差 ?SU（ Upper Spec）：規(guī)格上限 ?SL（ Lower Spec）：規(guī)格下限 73 工序能力 ? 只有規(guī)格上限的工序能力 SU x ?3xSC UPU??74 工序能力 ? 只有規(guī)格下限的工序能力 SL x ?3LPLSxC ??75 工序能力 ?工序能力的 Minitab運用 ? 葡萄酒農場為了參加慶祝大會，在準備過程中，有必要改善葡萄酒品質而準備 Project，首先為了把握現(xiàn)象，按合理分組計劃規(guī)劃得出了包括下列“ X”因素的葡萄酒質量“ Y”的樣本。 77 離散型數據分析 ?用語解釋 ? D（ Defect）：缺陷 or不良（事項） ?為了滿足顧客的要求事基而浪費的再作業(yè)或失敗的工作。 ?DPMO=DPO 1,000,000 ? 例：上例 DPMO是 1,000,000 DPMO ?P(ND)=1DPO==(90%) 82 離散型數據分析 ?利用泊松公式計算收率 ? 利用泊松公式 ?這里 ? Y：收率 ? DPU：元件缺陷數 ? R： ? e：指數函數 ?? !redpur dpur ??83 離散型數據分析 ? r=0時 ? ∴Y=e dpu ? ∴ 對缺陷機會數越大，“ Y”越接近“ 0” !0)(1 dpueY ??84 離散型數據分析 ?Process Yield（例題） ? 如果 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===% 85 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。 87 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。 99 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 103 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 104 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 105 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 2 106 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 107 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 108 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 109 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 拒絕域 ?原假設 (Ho)：拒絕 ?對立假立 (H1)：接受 (α) 110 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) 111 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(lián)（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(lián)（從屬因素） 116 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 117 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(lián)（獨立） ?對立假設（ H1）：不良類型和交接型號之間彼此有關聯(lián)（從屬） 118 改善（ Improvement） 119 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。 120 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 121 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。 135 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。 149 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。 157 要因配置法 (Factorial Design) Factor Level 1 +1 A. 水的溫度 (Temp) 溫水 熱水 (Time) 短 長 (Conc.) 低 高 ?同樣 Run實施 2次（或 2次以上）得到反應值 (Yield)時，求平均值後適用試驗排列全體反復 2次（或 2次以上）時，把數據放在 1列來適用。 ? 如果溫度高，可以在低清洗濃度下，線體速度可以運行更快。此時 X3因子的配置結構跟 Z1， X2有同樣的交互作用。 165 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因子 Screening時； ? 從經濟 /成本費用方面愾有水平配合下，試驗發(fā)生困難。 ? 可以把握溫度最大影響反應值。 3次以上的交互作用，技術分析不太容易，因此一般不考慮。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。 137 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 138 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) 139 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？ 140 試驗計劃的樹立 ?