【正文】 能提供電話服務?美國所有航空公司 10年發(fā)生 1次著陸錯誤?20年發(fā)生一次外科手術事故?每年遺失 35件郵件36sigma概念（使用工具）階段 ToolsDefine（定義）1)Process Mapping 3)Pareto Analysis2)Logic Tree4)QFD, FMEAMeasurement（測定）5)Gage RR7)Process Capability6)Rational SubgroupAnalysis（分析）8)Hypothesis Test10)Graph Analysis9)RegressionImprovement（改善）11)DoE(Design of Experiment)12)ANOVAControl（管理）13)SPC?6sigma不同推進階段中，改善問題使用的統(tǒng)計工具4Y=f(x)Question 1)： Y或 X中對哪一個聚焦?Y ?X1…Xn?從屬變數(shù) ?獨立變數(shù)?Output ?Input?結果 ?原因?現(xiàn)象 ?根源問題?觀察監(jiān)視的對象 ?管理對象5Y=f(x)v Question 2)假如 X良好的話，有沒有必要繼續(xù)實驗及檢查 Y？v 6sigma活動是對根本原因的因素（ CTQ）聚焦後，展開改善活動66sigma各階段推進內(nèi)容階段 展開內(nèi)容 FocusDefine(定義） 1）確定問題點 /具體改善目標Measurement(測定）2）選定制品或工序的 CTQ3）把握 Y的工序能力4）明確 Y的測定方法5）將 Y的改善對象具體化YYYYAnalysis(分析）6）明確改善 Y的目的7）明確影響 Y的因素YX1…Xn76sigma各階段推進內(nèi)容Improvement(改善）8)通過篩選抽出關鍵的少數(shù)因素9)把握關鍵的少數(shù)因素的相關關系10)工序最佳化 驗證 (再現(xiàn)性實驗 )X1…Xn致命的少數(shù)因素數(shù) Xi致命的少數(shù)因素數(shù) XiControl(管理 )11)確立對 X的測定系統(tǒng)12)確立對關鍵的少數(shù)因素的管理方法13)確立關鍵少數(shù)因素的工序管理系統(tǒng)及事後管理致命的少數(shù)因素數(shù) Xi致命的少數(shù)因素數(shù) Xi致命的少數(shù)因素數(shù) Xi?6Sigma Process是以 DMAIC5階段構成并經(jīng)過重要的 13步驟?6Sigma活動是通過現(xiàn)象分析，展開問題，查明臨時性因素，以 DMAIC程序改善關鍵少數(shù)因素。如果目標值（ T）和規(guī)格上下限（ USL or LSL)距離是標準偏差的 3倍的話，說明具備了 3Sigma的工序能力。?通過問題的現(xiàn)象分析把握工序能力（ Z）：要提高到 6 σ水平，統(tǒng)計上采取什麼樣的活動？21需要什麼樣的管理？需要什麼樣的技術短期的工序能力 長期的工序能力?判斷為短期內(nèi)工序沒有外部影響 ?判斷為充分長時期內(nèi)工序有外部影響?Zst（ σst） ?Zlt（ σ lt ）?Cp ?Cpk?技術 ?技術 +工序管理?最佳條件下的工序能力 ?日常條件下的工序能力?6 σ： Zst=， Cp= ?6 σ： Zlt=， Cpk=?Zst=3Cp ?Zlt=3 Cpk?長期內(nèi)的工序能力因工序的中心移動及變動，跟 ZltZst關系有關?Zshift=ZstZlt ? Zst=Zlt+226 sigma的品質(zhì)水準是什麼？v 正態(tài)分布的平偏移（ 177。6σ ?6Sigma品質(zhì)是每百萬個中 ，即 Cp=， Cpk=244Block DiagramA BC1 2 3 4 5 6Poor GoodPoorGood技術Z stZ shift工序管理254Block Diagram? A：工序管理狀態(tài)不足，現(xiàn)在技術水平也低? B：需改善工序管理，但技術水平優(yōu)秀? C：工序管理優(yōu)秀，但技術水平低? D： World Top水平的公司26聚焦問題點階段v 確定問題範圍? Process MappingvProcess Mapping是調(diào)查情報的流程，而使 Process文件化v為明確改善的可能性而使用的工具? Process Mapping制定v定義 Process範圍（要改善的一般領域或特殊的Process）v通過大腦風暴法制定 Process的階段順序27聚焦問題點階段v為了容易分析，使用符號v為了驗證 Process，實際確認v追加 Key Process的值（ Yield, Cost, 損失費用，加班費用， Cycle time等）v按題目的性質(zhì)，使用分析圖（ Process Loss或浪費要素 /改善 Cycle time/改善品質(zhì) /Flow改善）? QFD（ Quality Function Deployment)質(zhì)量指標分解vQFD是將顧客核心要求事項，轉(zhuǎn)換分解成技術要求事項（規(guī)格），或暫定的 CTQ的工具，由相關工序?qū)＜抑贫ā? Six Sigma工序能力是指工序的變化（ or標準偏差： σ ）小，即使乘以 6倍變化值也能夠滿足規(guī)格的工序能力。v如果測定值的 50%以上在管理界限內(nèi)的話，這個系統(tǒng)不適合。常數(shù)在 *里已有計算， d*是下表中的值， Gage引起的變化能滿足 Gage引起的變化能滿足 % 值。? 為了計算長期工序能力，考慮規(guī)格的上、下限，表示實際的工序能力，用群內(nèi)、群間變化都考慮在內(nèi)的 Zlt。( 元件數(shù) 機會數(shù) )=34 247。94離散型數(shù)據(jù)分析v 并列構成的工序的累計收率的計算? Process Mapping中并列構成的工序變換為直列來計算收率99% ? 97% 98%工序 1 工序 2 工序 3 工序 491% 99% 99%2a 2b 2c95離散型數(shù)據(jù)分析? YRF=Y1Y2Y3Y4 ? = [] 1/3 =? YNA=(YRT)1/3=()1/4=? 損失 (缺陷 )概率 ==? 利用正態(tài)分布查找 Z值，可知 Z= 96分析（ Analysis）97Graph分析v 想知道什麼？? 跟實際問題相結合，明確產(chǎn)生結果? 將預想產(chǎn)生的結果與試驗計劃結合 Focusing? 按預想產(chǎn)生的結果制定數(shù)據(jù)收集計劃v 怎麼做呢？? 利用收集的數(shù)據(jù)，運用（實際） Graph來分析98Graph分析v 對 Graph分析結果相應采取措施? Graph分析結果，確認是否得到所需要的結果後，決定有無追加研討事項? 實際對 Graph分析結果，改善可能的部門，采取一次性改善措施。按 4種不良類型來整理。? 主效果及交互作用v主效果比普通交互作用更重要。v實驗期間可以知道條件的範圍是否恰當136試驗計劃的樹立? 測定後的樣本，因有的時候需要再調(diào)整測定樣本，最好要保管。v因子的水平數(shù)? 反應溫度 (A)： A1(180 ℃) ， A2(190 ℃) ， A3(200 ℃) ， A3(200 ℃) ? 原料 (B)： B1（美國 M社原料）， B2（日本 Q社原料）， B3（國內(nèi) P）147二元配置法v試驗數(shù)據(jù)如下因子 A因子 BA1 A2 A3 A4B1 B2 B3 148二元配置法? 對收率溫度是 A3=200℃ ，原料是在 B1上最佳水平? 雖然現(xiàn)在選定的水平是最佳的，但考慮過程條件，費用方面也可選擇不同水平的最佳條件。反過來，濃度因子幾乎沒有特別的影響反應值? 哪些要素最重要? 哪些要素可以說沒有影響160要因配置法 (Factorial Design)? Temp*Time：水、溫度的影響隨時間的變化，低溫度和短時間清洗，流下的殘留物最多? Temp*Conc：在高的溫度下，和清洗液的濃度無關，殘留物少無交互作用? Time*Conc：長時間清洗下，殘留物更少；時間的效果比低清洗濃度更顯著161要因配置法 (Factorial Design)v Cube plot（繪制立體圖）4651606544434443temp11 1timeconc11162要因配置法 (Factorial Design)? temp(1：熱水 )， time(1：長 )， conc(1：低 )時或 temp(1：熱水 )， time(1：短 )， conc(1：低)，殘留物最少? 提高溫度，費用多并且找出最佳條件不重要的話，也可以在不同水平上選擇最佳點。175部分配置法 (Fractional factorial design? 出現(xiàn) catalyst*temperature和temperature*concentrate 的交互作用有意義? 判別剩下的因素間的交互作用幾乎沒有意義? 要銘記 2次的交互作用跟 3次的交互作用交叉在一起的事實，雖然 3次的交互作用有意義的情況幾乎沒有，但是還是要注意觀察。184回歸分析（ Regression）v 怎樣做好數(shù)據(jù)收集？? 為了推定變動最小的偏移，使用因子 “X” 的最低界限值到最高界限值為止的大範圍的數(shù)據(jù)。? 為了監(jiān)控 process及采取糾正措施等行動而制定計劃。越小越有好的值。? y=a+bx+error 這里 a=截距 b=斜率179回歸分析（ Regression）v 回歸方程式的分類? 單純回歸分析：獨立變量（說明變量），從屬變量（反應變量）各 1個的情況? 中回歸分析：獨立變量（說明變量） 2個以上的情況? 曲線回歸分析：獨立變量（說明變量） 1個，從屬變量（反應變量） 1個構成的情況（假定是 2次以上的高次函數(shù)）180回歸分析（ Regression）v 為什麼要使用回歸方程式（ Regreesion )?? 為了發(fā)現(xiàn)暫定的 Vital Few（少數(shù)致命缺陷）? 為了判定 “Y” 值并使其最佳化? 為了決定哪些 “X” 因素值上 “Y” 成為最佳化181回歸分析（ Regression）? 用手動方法發(fā)現(xiàn)暫定的 Vital Few時v使用手動方法導出最終結論，但危險情況多，因此最好使用試驗計劃法。v 部分配置法 (Fractional factorial design)的優(yōu)點? 以少的試驗次數(shù)得到好的試驗結果和提高檢出力? 試驗因子多，但做的試驗次數(shù)少166部分配置法 (Fractional factorial design)v 25試驗? 從 32個中選擇 16個方法是重要的vX1X2X3X4X5=1 工vX1X2X3X4X5=+1 選擇? 這樣乘全體因子選擇的話，始終不會丟失直交性v試驗因子彼此間獨立，對試驗結果的再現(xiàn)性高v始終從高次的交互作用開始交叉167部分配置法 (Fractional factorial design)v如果任意的選擇的配合，會破壞直交性，因子間不能完全獨立而成為從屬的，繼而導出錯誤的試驗結果v選定 X1X2X3X4X5=+1 的 16種配合? 這是具有高次的交互作用交叉的效果v實施部分配置法時的試驗配合分布形態(tài)168部分配置法 (Fractional factorial design)v 25試驗? 進行 16個部分配置法中各立方形v底面 2個和上面 2個v左側(cè) 2個和右側(cè) 2個v前面 2個和後面 2個169部分配置法 (Fractional factorial design11+1X1+11+1X3X41 +1X21 +1X5170部分配置法 (Fractional factorial design）主效果 Column 交互作用 ColumnRun X1 X2 X3 X1X2 X1X3 X2X3 X1X2X3 反應值1 1 1 1 1 1 1 12 1 1 1 1 1 1 13 1 1 1 1 1 1 14 1 1 1 1 1 1 1?考慮有 4人組合的 231部分配置，在 23完全配置上，可以把相關因子全部相乘後再選定： “+or”的 4個組合，這時前 2個因子具有完全配置法同樣的形態(tài)。XY沒有交互作用（平行的狀態(tài)）XY有一點交互作用XY有很大的交互作用154要因配置法 (Factorial Design)? Cube plot155要因配置法 (Factorial Design)? 具有最佳均勻的條件是橡膠配合 (mix)1水平，mold1水平? 判斷為有一點點交互作用? mold比橡膠配合更大的影響反應值156要因配置法 (Factorial Design)v 23試驗? 考慮一下工序中能清洗部品的機器，這機器的性能是清洗完畢的部品上流下來的水通過 Filter（過濾器）過濾後， Filet的殘留物越少說明機器性能越優(yōu)秀，試驗按各要素的 2水平來實施。? 認為紡紗生產(chǎn)工序上反應溫度影響紡紗產(chǎn)品的強度，因此為了了解按 反應度 的變化，強度怎樣變化，并且在