【正文】 mber of Distinct Categories判斷方法? Number of Distinct Categories： 0～ 1不適用（改善檢測(cè)系統(tǒng)）? Number of Distinct Categories： 2～ 4附加條件時(shí)可接受? Number of Distinct Categories： 5以上可接受56Gage RR? 長期方法時(shí) Gage RR的 Minitab運(yùn)用– Gage RR StudyANOVA Method– P3657Gage RR? R3658Gage RR– %Study Var：表示能區(qū)分部品與部品間的差異點(diǎn)的檢測(cè)系統(tǒng)的能力（ Gage RR）（工程管理中：要求 20%以下）– %Tolerance：表示部品在已定公差基準(zhǔn)內(nèi)，區(qū)分接受可否的檢測(cè)系統(tǒng)的能力（判斷總體Gage RR的合格與不合格）59Gage RR? P3560Gage RR? 長期方法時(shí) Gage RR的 Minitab運(yùn)用– 選定 Monitor Cover為 Six Sigma Theme– Spec=177。如果測(cè)定系統(tǒng)有誤差，但不改善系統(tǒng)的話，在執(zhí)行 6σ Project 期間要接受測(cè)定系統(tǒng)可能發(fā)生誤差的危險(xiǎn)。31聚焦問題點(diǎn)階段? 找出活動(dòng)課題的具體事項(xiàng)– Brainstorming：在短時(shí)間內(nèi)得出很多主意的辦法– Brainstorming種類? Free Wheeling：全 Team員以對(duì)話形式即興發(fā)掘Idea? Round Robin：對(duì)事件， Team員輪流發(fā)掘 Idea? Card Method：不經(jīng)討論， Team員把 Idea寫在卡片上，貼到牆上。4σ 63 6,210177。18Z值的計(jì)算45 50 55 60 65 70 75Z規(guī)格上限19工序能力測(cè)定方法 Z值? Z=33σ能力1 σUSL2 σ 3 σLSL20工序能力測(cè)定方法 Z值? Z=66σ能力1σUSLLSL2σ 3σ 4σ 5σ 6σ?工序的變動(dòng)（散布）越小工序能力越高。13統(tǒng)計(jì)基本概念的理解– 可以說明擁有高 Sigma值的工序，具備不良率低的工序能力– Sigma值越大品質(zhì)費(fèi)用越少，周期越短。 8統(tǒng)計(jì)基本概念的理解? 數(shù)據(jù)的計(jì)算方法– 中心位置特征值的計(jì)算：9統(tǒng)計(jì)基本概念的理解– 散布的計(jì)算? S(總變動(dòng)： Total Sum of Squares):偏差平方和? 無偏方差 (Unbiased Variance):S除以自由度（ n1）? 無偏方差的開方 or標(biāo)準(zhǔn)偏差10統(tǒng)計(jì)基本概念的理解? 參數(shù)和統(tǒng)計(jì)量– 參數(shù) (Parameter)：描述變量集合的特性值– 統(tǒng)計(jì)量（ Statistics)：表示標(biāo)本的特性值11統(tǒng)計(jì)基本概念的理解區(qū)分 參數(shù) 統(tǒng)計(jì)量均值 (Mean) 均值： μ 樣本均值：方差(Variance)偏差(Deviation)12統(tǒng)計(jì)基本概念的理解? Sigma的定義– Sigma是希臘字母，表示工序的散布。17統(tǒng)計(jì)基本概念的理解? Z值的計(jì)算– 70分以上的可能性有多少？? 正態(tài)分布總面積是 ‘1’ ? 某概率變量 ‘X’ 到平均值（ μ ）之間距離除以標(biāo)準(zhǔn)偏差（ σ ）的值用 ‘Z’ 來表示。1σ 317,000 697,700177。 QFD是為了能夠改善顧客的核心要求事項(xiàng)，轉(zhuǎn)換成技術(shù)規(guī)格的工具187。43工序能力? 短期 /長期工序能力的意義– 短期工序能力是只存在群體內(nèi)變化，表示取樣的數(shù)據(jù)都具有同樣的品質(zhì)特性，但有主要技術(shù)要素引起品質(zhì)特性變化，因此，品質(zhì)特性變化越大，散布也就越大，短期工序能力也就越差。– 管理界限是用測(cè)定者間的測(cè)定值變化來計(jì)算，因此測(cè)定值的變化小說明管理界限的幅小，即說明測(cè)定者間的測(cè)定值變化很小– 測(cè)定的變化（測(cè)定者，測(cè)定系統(tǒng)）比部品間變化相對(duì)小，可以讀出 Parts間變化的情況53Gage RR? R管理圖– 大部分的測(cè)定值在管理界限內(nèi)– 表示所測(cè)定的數(shù)據(jù)的值是正常的54Gage RR– Number of Distinct Categories=4? 表示檢測(cè)部品的信賴性區(qū)間不重疊的個(gè)數(shù)4個(gè) Categories對(duì)同樣部品的同樣特征值量，由 3名檢查者反復(fù)檢測(cè) 2次。64對(duì)測(cè)定差平均分布的 d*值實(shí)驗(yàn)順序 測(cè)定者數(shù)2 3 4 51 2 3 4 5 6 7 8 9 10 65Gage RR? Gage RR類型– 短期的方法? 只需要 2名測(cè)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(cè)定的計(jì)測(cè)器的接受與否– 長期的方法? 典型的是 23名的測(cè)定者對(duì) 10個(gè)部品反復(fù)測(cè)定 23次? 可以明確把握測(cè)定系統(tǒng)的變化有多大，能分離反復(fù)性和再現(xiàn)性66Gage RR? 對(duì)測(cè)定系統(tǒng)變化的理解– 線性（ Linearity）：通過期望的 Gage工作範(fàn)圍比較精確度得到的值即在已定的工作範(fàn)圍的兩邊界線區(qū)間上，最少研討 1回的精確度得到的值的差。75Gage RR數(shù)據(jù)全體變化 部品間變化 測(cè)定 Error變化76Gage RR? Gage RR重要性– Gage RR的實(shí)行結(jié)果提供下面的情報(bào)? 選定計(jì)測(cè)器的適合性（ Gage分解能力的恰當(dāng)性）? 測(cè)定系統(tǒng)時(shí)間上穩(wěn)定性（ or 可信賴）? 測(cè)定滿足誤差時(shí)，是工程變化或規(guī)格值關(guān)聯(lián)可以接受。– DO（ Defect Opportunity）：機(jī)會(huì)損失（缺陷）? 可能引發(fā)的機(jī)會(huì)損失（缺陷）的行動(dòng)或事件。– YRT(Rolled Throughput Yield)：全工程一次性直通收率? 表示一個(gè)產(chǎn)品通過全工各沒有經(jīng)過一次的修理和再作業(yè)，到最終合格為止的收率值。? 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(duì)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）” 。什麼是水平的分析方法。為了減少潛在變量的影響，常常隨機(jī)化。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(cè)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(duì)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(shí)發(fā)生問題的因子? 相關(guān)關(guān)系錯(cuò)誤認(rèn)識(shí)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(cè)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(duì)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。 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。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。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。其結(jié)果得到了下列數(shù)據(jù) ，最佳 條件。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。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(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)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(duì)那個(gè) 調(diào)合上給 ‘ Ｙ ’特性值造成影響大的因子。– 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(duì)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(duì)立假設(shè) (Ho，