【正文】 othesis 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 109 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 110 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 拒絕域 ?原假設(shè) (Ho)：拒絕 ?對立假立 (H1)：接受 (α) 111 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) 112 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 amp。 88 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。 ?DPMO=DPO 1,000,000 ? 例：上例 DPMO是 1,000,000 DPMO ?P(ND)=1DPO==(90%) 83 離散型數(shù)據(jù)分析 ?利用泊松公式計(jì)算收率 ? 利用泊松公式 ?這里 ? Y：收率 ? DPU：元件缺陷數(shù) ? R： ? e：指數(shù)函數(shù) …… !red pur d p ur ?? 84 離散型數(shù)據(jù)分析 ? r=0時(shí) ? ∴ Y=edpu ? ∴ 對缺陷機(jī)會數(shù)越大， “ Y”越接近 “ 0” !0)(1 dpueY ?? 85 離散型數(shù)據(jù)分析 ?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)會數(shù)） ?DPU=缺陷數(shù) 247。維護(hù)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(shè)備誤差等 70 變化的理解 ?Rational Subgrouping事例 ? 改善供應(yīng) TV Back Cover協(xié)力社的品質(zhì)，為了分析部品變化的原因制定 Rational Subgrouping計(jì)劃 ?預(yù)想的暫定 “ X”因素及實(shí)際計(jì)劃 ? 兩臺注塑機(jī)：對兩臺注塑機(jī)實(shí)施下列內(nèi)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(gòu)成 Lot，分析 Lot別有無差異 71 工序能力 ?工序能力的數(shù)學(xué)式 ? 兩側(cè)有規(guī)格的工序能力 ?6LU SSCp ??SL SU x 72 工序能力 ?在偏移時(shí)的工序能力 SL SU xK M T / 2xM )1(???KCpKC p k 73 工序能力 ? 用語解釋 ?K：偏移系數(shù)（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 74 工序能力 ? 只有規(guī)格上限的工序能力 SU x?3xSC UPU?? 75 工序能力 ? 只有規(guī)格下限的工序能力 SL x?3LPLSxC ?? 76 工序能力 ?工序能力的 Minitab運(yùn)用 ? 葡萄酒農(nóng)場為了參加慶祝大會，在準(zhǔn)備過程中，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。R 偏差大 偏差小 參考值 測定值 參考值 測定值 64 Gage Ramp。R ?測定差平均值 = ∑R/5=?測量誤差 =() (R)= ?公差的測量誤差 =(247。 56 Gage Ramp。R ? P38 53 Gage Ramp。R ?適合貫?zāi)芘袛鄷r(shí) Gage Ramp。 ?Long Term Process Capability Index：長期工序能力指數(shù) ?Zlt（ σ lt）， Cpk ?Zlt=3 Cpk 46 Gage Ramp。 ?決定每種可能故障模式的重要度和發(fā)生可能性 ?決定消除重要故璋模式而采取的方法 ?開發(fā)消除或減少重要故障模式的方法 31 聚焦問題點(diǎn)階段 ? 部分分析法 ?以優(yōu)先順序找出問題的核心事項(xiàng) ?典型的是： 80%的問題由 20%產(chǎn)生 ?決定活動課題和相關(guān)非常勤人員 ? 用邏輯樹等方法展開問題後，找出最終區(qū)域，選定經(jīng)驗(yàn)豐富的工程師來執(zhí)行課題活動。 2σ 45,500 308,700 177。 ?如果規(guī)格上限（ or下限）用 ‘ X’來代替時(shí)超出規(guī)格上限的尾部面積可以認(rèn)為有缺陷可能性。 ? Sigma是統(tǒng)計(jì)學(xué)記述接近平均值的標(biāo)準(zhǔn)偏差（ Standard Deviation）或變化（ Variation），或定義為事件發(fā)生的可能性。驗(yàn)證 (再現(xiàn)性實(shí)驗(yàn) ) X1…Xn 致命的少數(shù)因素?cái)?shù) Xi 致命的少數(shù)因素?cái)?shù) Xi Control (管理 ) 11)確立對 X的測定系統(tǒng) 12)確立對關(guān)鍵的少數(shù)因素的管理方法 13)確立關(guān)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?cái)?shù) Xi 致命的少數(shù)因素?cái)?shù) Xi 致命的少數(shù)因素?cái)?shù) Xi ?6Sigma Process是以 DMAIC5階段構(gòu)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(shí)性因素，以 DMAIC程序改善關(guān)鍵少數(shù)因素。 USL 3σ 1σ μ（平均） T 拐點(diǎn) 16 統(tǒng)計(jì)基本概念的理解 ? 某班學(xué)生的國語平均分?jǐn)?shù)是 60分，按偏差是 5的正態(tài)分布的話，隨意抽取一個(gè)學(xué)生時(shí)， 70分以上分?jǐn)?shù)的可能性是多少？ 45 50 55 60 65 70 75 % % % 測定值（分?jǐn)?shù)） Z值 σ： 3 2 1 0 1 2 3 17 統(tǒng)計(jì)基本概念的理解 ?正態(tài)分布 ： N（ 60， 52） ?標(biāo)準(zhǔn)正態(tài)分布： N（ 0， 12） ?70分的情況下 Z值是 ?假如規(guī)格上限是 75分的話，現(xiàn)在的工序能力是 Z=2或是2σ 。 σ ） 6σ 5σ 4σ 3σ 2σ 1σ X +1σ +2σ +3σ +4σ +5σ +6σ + 規(guī)格上限 （ USL） 規(guī)格下限 （ LSL） 24 按規(guī)格變化和平均值偏移的不良率 規(guī)格關(guān)系 無偏移時(shí)不良率 （理想的工序時(shí)） 177。 29 聚焦問題點(diǎn)階段 QFD Process ? 進(jìn)行市場調(diào)查，明確信賴性要求，及一般的要求事項(xiàng)和顧客對現(xiàn)在品質(zhì)核心問題的要求。 ? Six Sigma工序能力是指工序的變化（ or標(biāo)準(zhǔn)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。R值較大時(shí)，必須制定改善計(jì)劃進(jìn)行改善。R ?長期方法時(shí) Gage Ramp。R ? Number of Distinct Categories=4 ?表示檢測部品的信賴性區(qū)間不重疊的個(gè)數(shù) 4個(gè) Categories 對同樣部品的同樣特征值量，由 3名檢查者反復(fù)檢測 2次。R ?短期的方法時(shí) Gage Ramp。R類型 ? 短期的方法 ?只需要 2名測定者和 5個(gè)部品 ?不能分離反復(fù)性和再現(xiàn)性 ?可以迅速確認(rèn)想測定的計(jì)測器的接受與否 ? 長期的方法 ?典型的是 2~3名的測定者對 10個(gè)部品反復(fù)測定 2~3次 ?可以明確把握測定系統(tǒng)的變化有多大，能分離反復(fù)性和再現(xiàn)性 62 Gage Ramp。R ? 再現(xiàn)性（ Reproduceability)：同樣部品的同樣特性使用同樣計(jì)測器由多名測定者測定時(shí)得到的變化。 ?例：把顧客的要求事項(xiàng)記錯(cuò)的差錯(cuò)情報(bào)。 87 離散型數(shù)據(jù)分析 ? 收率的種類 ? YFT(First Time Yield)： (單工序單次收率 ) ?表示再作業(yè)後沒有修理的收率的值 ?應(yīng)用：決定個(gè)別工序的個(gè)別品質(zhì)水平時(shí)使用。 101 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值 ? 什麼是假設(shè)檢驗(yàn)？ ? 指想知道的內(nèi)容用假設(shè)來設(shè)定，對假設(shè)的成立與否用樣本數(shù)據(jù)得到的情報(bào)為基礎(chǔ)進(jìn)行統(tǒng)計(jì)分析後做出決定。 ? 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） 117 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 118 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)數(shù)型 交接班 A B C D 1 15 21 45 13 2 26 31 34 5 3 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） 119 改善（ Improvement） 120 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。協(xié)力社調(diào)查 ?Process Mapping ?Rolled Through Yield 129 試驗(yàn)計(jì)劃的樹立 ? 潛在變量 ?潛在變量是給結(jié)果帶來影響的，但難以發(fā)覺，并且不可能控制和測定。 ? 試驗(yàn)和實(shí)施數(shù)據(jù)收集 ? 試驗(yàn)之前準(zhǔn)備數(shù)據(jù)表格，可能的話，把相關(guān)的所有內(nèi)容全部記錄。 ? 認(rèn)為紡紗生產(chǎn)工序上反應(yīng)溫度影響紡紗產(chǎn)品的強(qiáng)度，因此為了了解按 反應(yīng)度 的變化，強(qiáng)度怎樣變化，并且在怎樣的溫度水平下給最高的強(qiáng)度而做反應(yīng)溫度為因子來取水平 (A1:60℃ ， A2:65℃ ， A3:70℃ ， A4:75℃ ），在 各度下 3回，把全體 12回試驗(yàn)按隨機(jī)順序來實(shí)施。 X Y 沒有交互作用 （平行的狀態(tài)） X Y 有一點(diǎn)交互作用 X Y 有很大的交互作用 155 要因配置法 (Factorial Design) ? Cube plot 156 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(diǎn)點(diǎn)交互作用 ? mold比橡膠配合更大的影響反應(yīng)值 157 要因配置法 (Factorial Design) ?23試驗(yàn) ? 考慮一下工序中能清洗部品的機(jī)器，這機(jī)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(jī)器性能越優(yōu)秀，試驗(yàn)按各要素的 2水平來實(shí)施。 ? 部分配置法 (Fractional factorial design)的優(yōu)點(diǎn) ? 以少的試驗(yàn)次數(shù)得到好的試驗(yàn)結(jié)果和提高檢出力 ? 試驗(yàn)因子多，但做的試驗(yàn)次數(shù)少 167 部分配置法 (Fractional factorial design) ?25試驗(yàn)