【正文】 ? 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 部分配置法 (Fractional factorial design) ? 25試驗(yàn) – 從 32個中選擇 16個方法是重要的 ? X1 X2 X3 X4 X5=1工 ? X1 X2 X3 X4 X5=+1選擇 – 這樣乘全體因子選擇的話，始終不會丟失直交性 ? 試驗(yàn)因子彼此間獨(dú)立，對試驗(yàn)結(jié)果的再現(xiàn)性高 ? 始終從高次的交互作用開始交叉 部分配置法 (Fractional factorial design) ? 如果任意的選擇的配合，會破壞直交性，因子間不能完全獨(dú)立而成為從屬的，繼而導(dǎo)出錯誤的試驗(yàn)結(jié)果 ? 選定 X1 X2 X3 X4 X5=+1的 16種配合 – 這是具有高次的交互作用交叉的效果 ? 實(shí)施部分配置法時的試驗(yàn)配合分布形態(tài) 部分配置法 (Fractional factorial design) ? 25試驗(yàn) – 進(jìn)行 16個部分配置法中各立方形 ? 底面 2個和上面 2個 ? 左側(cè) 2個和右側(cè) 2個 ? 前面 2個和後面 2個 部分配置法 (Fractional factorial design 1 1 +1 X1 +1 1 +1 X3 X4 1 +1 X2 1 +1 X5 部分配置法 (Fractional factorial design） 主效果 Column 交互作用 Column Run X1 X2 X3 X1X2 X1X3 X2X3 X1X2X3 反應(yīng)值 1 1 1 1 1 1 1 1 2 1 1 1 1 1 1 1 3 1 1 1 1 1 1 1 4 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(guān)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)。 – 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。 – 區(qū)分‘ X’的水平，分析各水平上連續(xù)的‘ Y’的數(shù)據(jù)。 ? 應(yīng)用：在所有工序上按順序的階段來進(jìn)行累計後，評價品質(zhì)水平時使用。 Reproduceability 測定者 2 測定者 1 測定者 3 變化的理解 ? 為什麼要 Rational Subgrouping – Rational Subgroup是 6 Sigma的一個強(qiáng)大的工具。如果測定系統(tǒng)有誤差，但不改善系統(tǒng)的話，在執(zhí)行6 σ Project期間要接受測定系統(tǒng)可能發(fā)生誤差的危險。2σ 45,500 308,700 177。 – Sigma是統(tǒng)計學(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。 ? ‘ Z’值是用來測定工序能力，跟工序的標(biāo)準(zhǔn)偏差不同，在這里‘ Z’值是 ，把全體面積作為 1的時對應(yīng)的面積。 聚焦問題點(diǎn)階段 – Brainstorming時注意事項(xiàng) ? 禁止批評 ? 全部 Idea都要記錄 ? Idea發(fā)掘時不要解釋或討論 ? 粗略的 Idea也要鼓勵 ? 所有人都積極參與 – Logic Tree(Structure Tree) ? 為達(dá)成目標(biāo)的手段，用邏輯性表示 ? Breakdown（展開）的問題之間 MECE（互不重復(fù)無遺漏的全體） – MECE（ Mutually Exclusive and Collective Exhaustive)（不重復(fù)，各個的和等于全體） 聚焦問題點(diǎn)階段 ? 確定活動題目的相關(guān) Benefit[利益 ]（定量 /定性效果） – 為保證達(dá)成，明確改善金額 ? 對活動課題的問題記錄 – 在現(xiàn)象分析時，記錄現(xiàn)在現(xiàn)象和所希望的現(xiàn)象 ? 計劃時間管理 – 通過分析把全部日程用具體的圖表管理 測定（ Measurement） 變化的理解 ? 數(shù)據(jù)的分類 解決問題 工程問題 /Bottle Neck/Issue 事項(xiàng) 變化的理解 – 連續(xù)型數(shù)據(jù)（計量型數(shù)據(jù)） ? Inch or時間一樣能使用測定刻度的數(shù)據(jù) ? 比較數(shù)值數(shù)據(jù)提供更多情報 – 離散型數(shù)據(jù)（計數(shù)型數(shù)據(jù)） – 提供合格不合格之類情報的數(shù)據(jù) – 不能再細(xì)分化的數(shù)據(jù) 變化的理解 ? 群內(nèi)變化（ White Noise） – White Noise是工程內(nèi)存在的日常因素引起的變化（偶然因素） – 現(xiàn)在的技術(shù)水平是不可能控制的變化 – 一般工程的散布 – 工程上受細(xì)小的多數(shù)因素的影響 – 變化的理解 ? 群間變化（ Black Noise） – Black Noise是工程外部因素影響中心值移動，一般情況下，可查明原因的變化（異常原因） – 現(xiàn)在工程上可控制的變化 – 一般情況下，在工程的目標(biāo)值下平均值偏移 – 實(shí)際上可以知道隨時間的變化，工程能力會怎樣變化 群內(nèi)、群間變化的區(qū)分例 ? 群內(nèi)變化：每 Line 1， 2， 3內(nèi)出現(xiàn)的（即 Line內(nèi)作業(yè)者間的變化）工程變化 ? 群間變化：各 Line間的變異而出現(xiàn)的工程變化 作業(yè)者 1 作業(yè)者 2 作業(yè)者 3 作業(yè)者 4 作業(yè)者 5 作業(yè)者 6 作業(yè)者 7 作業(yè)者 8 作業(yè)者 9 Line1 Line2 Line3 變化的理解 ? Rational Subgroup（合理分組） – 批跟數(shù)據(jù)的種類無關(guān)，在可能的短時間內(nèi)彼此類似的條件下作業(yè)的樣本群。 – 為確認(rèn)測定系統(tǒng)， 3名檢查者對 10個部品反復(fù)測試 2次 – File name: Gage RR ? 短期的方法時 Gage RR運(yùn)用 – CTQ部品的 Spec是 177。 ? DPMO=DPO 1,000,000 – 例：上例 DPMO是 1,000,000 DPMO ? P(ND)=1DPO==(90%) 離散型數(shù)據(jù)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(shù) – R： – e：指數(shù)函數(shù) ?? !redpur dpur ??離散型數(shù)據(jù)分析 – r=0時 – ∴Y=e dpu – ∴ 對缺陷機(jī)會數(shù)越大，“ Y”越接近“ 0” !0)(1 dpueY ??離散型數(shù)據(jù)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(jī)會數(shù)） ? DPU=缺陷數(shù)247。 – 顯著性水平 (Significance Level)：象一般使用的α =(,)Ho是真的拒絕的概率 假設(shè)檢驗(yàn)（ Hypothesis Test）計量值 第二種錯誤 （ β） 第一種錯誤 （ α） 真 實(shí) H0=真 H1=假 采 納 H0=真 H1=假 假設(shè)檢驗(yàn)（ Hypothesis Test）計量值 ? 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： 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 假設(shè)檢驗(yàn)（ Hypothesis Test）計量值 – 對立假設(shè) [母體和樣本不同的 ]則為 ? 兩側(cè)檢驗(yàn)時 H1： μ 1≠ μ 2 ? 偏側(cè)檢驗(yàn)時 H1： μ 1 ＜ μ 2 μ 1 ＞ μ 2 ? 兩側(cè)檢驗(yàn)時 H1： σ 1≠ σ 2 ? 偏側(cè)檢驗(yàn)時 H1： σ 1 ＜ σ 2 σ 1 ＞ σ 2 假設(shè)檢驗(yàn)（ Hypothesis Test）計量值 ? 假設(shè)檢驗(yàn)的形態(tài) – 計量型數(shù)據(jù)：使用 Z， Ttest統(tǒng)計量 ? 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個以上的母體的散布 – 計數(shù)型數(shù)據(jù)：使用 x2(chiSquare)統(tǒng)計量 ? 次數(shù)、頻度等 假設(shè)檢驗(yàn)（ Hypothesis Test）計量值 ? 假設(shè)檢驗(yàn)時樣本大小和特征 – 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)果的錯誤 ? 相麼，樣本數(shù)大的時候，實(shí)際操作中時間 /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 假設(shè)檢驗(yàn)（ Hypothesis Test）計量值 ? 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)計量（ Z， T， Chisquare統(tǒng)計量） – 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)計的解釋結(jié)果用于實(shí)際問題 假設(shè)檢驗(yàn)（ Hypothesis Test）計量型 ? 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) 假設(shè)檢驗(yàn)（ Hypothesis Test）計量型 – 統(tǒng)計學(xué)的判定方法 ? 數(shù)據(jù)計算值結(jié)果小于拒絕值時：接受原假設(shè) (Ho) ? 數(shù)據(jù)計算值結(jié)果大于拒絕值時：拒絕原假設(shè) (Ho) ? “ 0”值在信賴區(qū)間內(nèi)時：接受原假設(shè) (Ho) ? “ 0”值在信賴區(qū)間外時：拒絕原假設(shè) (Ho) – Minitab的判定方法 ? PValue值大于 α 時：接受原假設(shè) (Ho) ? PValue值小于 α 時：拒絕原假設(shè) (Ho) 假設(shè)檢驗(yàn)（ Hypothesis Test）計量值 ? 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(diào)查原因并改善。 試驗(yàn)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。 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(shí)施 2次（或 2次以上）得到反應(yīng)值 (Yield)時，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，把數(shù)據(jù)放在 1列來適用。（有 /無相互關(guān)聯(lián)性，可以提供解決問題的 Point） – 這種關(guān)聯(lián)性用某種數(shù)學(xué)方程工來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)方程式來適當(dāng)表示。 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。為了減少潛在變量的影響，常常隨機(jī)化。 ? 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 假設(shè)檢驗(yàn)（ Hypothesis Test）計量值 ? 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）”。 – DO（ Defect Opportunity）：機(jī)會損失（缺陷） ? 可能引發(fā)的機(jī)會損失（缺陷）的行動或事件。如果信賴性區(qū)間重疊意味（信賴區(qū)間不重疊意味著組數(shù)小）測定的變化大。 ? 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 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。 25 6