【正文】 185回歸分析（ Regression）v 運用 Minitab進行回歸分析? 為了預測 LOT大小的生產(chǎn)人力，利用隨機法來抽出資料來求回歸方程式。（線體速度和清洗液濃度在高溫度下沒有差異）163部分配置法 (Fractional factorial design)v 什麼是部分配置法 (Fractional factorial design)? 在實施試驗時因子的數(shù)增加，試驗的次數(shù)增加，試驗的次數(shù)以幾何規(guī)律增加? 試驗次數(shù)的增加v現(xiàn)實是時間方面或成本費用方面發(fā)生困難v產(chǎn)生不可預想的潛在變量，試驗的程度變壞164部分配置法 (Fractional factorial design? 一般主效果交互作用沒有必要必須在因子的所有調(diào)合下試驗，不用求不必要的交互作用或高次的交互作用；而為了縮小試驗數(shù)的大小，只取因子的調(diào)合中的一部分進行試驗（ 2n3n型部分配置法）? 因此，通常完全配置法不如使用試驗次數(shù)少的部分配置法。? 能夠知道怎樣實施試驗，對提高試驗技術(shù)有用。直接影響特性值的因子或用水平變動來分析後找出對比誤差，造成 ‘Y’ 特性值（反應(yīng)值）特別大的影響因子。86離散型數(shù)據(jù)分析v 收率的種類? YFT(First Time Yield)： (單工序單次收率 )v表示再作業(yè)後沒有修理的收率的值v應(yīng)用：決定個別工序的個別品質(zhì)水平時使用。62Gage RR偏差大 偏差小參考值測定值參考值測定值63Gage RRv 對測定系統(tǒng)變化的理解? 穩(wěn)定性（ Stability）：在一定的時間間隔下把標準品用同一的計測器測定同一的特性值時得出的變化。vShort Term Process Capability Index：短期工序能力指數(shù)vZlt（ σlt ）， CpkvZlt=3Cpk44工序能力? 長期工序能力是包括群內(nèi)變化和群體間變化，為了改善技術(shù)和工序管理，必須判斷工序是否穩(wěn)定時，用長期工序能力的特性來取樣，來確認包括管理因素引起的變化和技術(shù)的要素引起的變化。177。?先把握現(xiàn)象，能夠 1次性改善的部門采取 1次性改善活動；然後下一個階段再接著進行改善活動。?其結(jié)果標準偏差更小，發(fā)生不良的可能性就低。41工序能力v 工序能力度評價ShorttermCapability(6σ)LongtermCapability(3σ)時 間SL SUltstststst?隨著時間的變化，工序因各種外部因素（ 4M）變化，長期工序能力比短期工序能力散布大 42工序能力v 什麼是工序能力? 工序在管理狀態(tài)時，其工序生產(chǎn)的產(chǎn)品品質(zhì)變化有多少程度的值：或指在管理狀態(tài)（穩(wěn)定狀態(tài)）下，工序能製造出來的品質(zhì)水平的程度。 ） 100%=%v參考）測量誤差用測定差的平均值乘以常數(shù)（這里是）來計算。750=vDPO=缺陷數(shù) 247。v設(shè)定假設(shè)? Ho：獨立（分類的變數(shù)之間地相關(guān)性）? H1：從屬（分類的變數(shù)之間有相關(guān)性 )114假設(shè)檢驗（ Hypothesis Test）計數(shù)型? 期望值（ E），觀測值（ O）， X2統(tǒng)計量v期望值（ Expected Frequency）：對一些現(xiàn)象的結(jié)果期望的值v觀測值（ Observed Frequency）：對一些現(xiàn)象的結(jié)果實際觀測的vX2統(tǒng)計量是115假設(shè)檢驗（ Hypothesis Test）計數(shù)型v X2(Chisquare)統(tǒng)計量? 用 3個月把 Monitor產(chǎn)品不良類型按不同的交接班整理後，調(diào)查各交接班有（從屬的）無（獨立的）產(chǎn)品不良類型的特性後，進行改善活動，檢出了 N=309個 Monitor不良。? 試驗時必須參加觀察v通過觀察可以知道是因果關(guān)系還是相關(guān)關(guān)系。? 可以把握溫度最大影響反應(yīng)值。? 并且對比總變化不能說明的變化?。ㄕ`差引起的變化），可以說明回歸模型好。vRSq ：觀察值到適當線的變動比率。此時 X3因子的配置結(jié)構(gòu)跟 Z1， X2有同樣的交互作用。其結(jié)果得到了下列數(shù)據(jù) ，最佳 條件。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(yīng)值）的平均值是否具有 同樣值，步驟v暫定的找出致命的少數(shù)因子的方法v 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(diào)合數(shù)121分散分析（ ANOVA）的理解v 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(diào)合上給 ‘ Ｙ ’ 特性值造成影響大的因子。87離散型數(shù)據(jù)分析? YNA(Normalized Yield)：標準收率v表示計算連續(xù)工序的評價收率的值v應(yīng)用：完成產(chǎn)品的品質(zhì)水平評價時使用。? 是區(qū)分工程的短期工程度能力的重要方法v可以把握平均值移動問題還是散布問題v把問題特殊化的第一個階段68變化的理解? Rational Subgroup要包含的要素：為了明確給工序變化暫定影響的 ‘X’ 因素，使用 5M求解特性要因圖vMan：作業(yè)者變更，晝夜班次交換，新作業(yè)者等vMachine：機械設(shè)定值變更，設(shè)備維修 維護等vMaterial：交付 LOT，作業(yè)安排，原材料等vMethod：作業(yè)者間的作業(yè)方法差異等vMeasurement：測定者的變化，測定設(shè)備誤差等69變化的理解v 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計劃v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(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70工序能力v 工序能力的數(shù)學式? 兩側(cè)有規(guī)格的工序能力SL SU71工序能力v 在偏移時的工序能力SL SUKM72工序能力? 用語解釋vK：偏移系數(shù)（如果 K=0， Cp=Cpk）vM（ Midrange）：規(guī)格的中心vT（ Tolerane）：公差vSU（ Upper Spec）：規(guī)格上限vSL（ Lower Spec）：規(guī)格下限73工序能力? 只有規(guī)格上限的工序能力SU74工序能力? 只有規(guī)格下限的工序能力SL75工序能力v 工序能力的 Minitab運用? 葡萄酒農(nóng)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(zhì)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(zhì)量 “Y” 的樣本。47Gage RRv 適合貫?zāi)芘袛鄷r Gage RR? 對各 Parts用貫?zāi)軄砼卸ê细衽c不合格，或go3σ 2,700 66,810177。? Sigma是表示工序能力的統(tǒng)計單位，測定的 Sigma跟 DPU（單位缺陷， Defect Per Unit） ,PPM等一起出現(xiàn)。v如果規(guī)格上限（ or下限）用 ‘X’ 來代替時超出規(guī)格上限的尾部面積可以認為有缺陷可能性。31聚焦問題點階段v 找出活動課題的具體事項? Brainstorming：在短時間內(nèi)得出很多主意的辦法? Brainstorming種類vFree Wheeling：全 Team員以對話形式即興發(fā)掘 IdeavRound Robin：對事件， Team員輪流發(fā)掘 IdeavCard Method：不經(jīng)討論， Team員把 Idea寫在卡片上，貼到牆上。 55Gage RR? Number of Distinct Categories判斷方法vNumber of Distinct Categories： 0～ 1不適用（改善檢測系統(tǒng)）vNumber of Distinct Categories： 2～ 4附加條件時可接受vNumber of Distinct Categories： 5以上可接受56Gage RRv 長期方法時 Gage RR的 Minitab運用? 選定 Monitor Cover為 Six Sigma Theme? Spec=177。v例：須在一張要求式樣上記錄的項目數(shù)78離散型數(shù)據(jù)分析? U（ Unit）：元件v元件測定可能機會的細節(jié)v例：要求樣式? DPU（ Defect Per Unit）：v每個元件內(nèi)存在的缺陷數(shù)? DPO（ Defect Per Opportunity）：每個機會損失數(shù)79離散型數(shù)據(jù)分析? DPMO（ Defect Per Million opportunity）（每百萬要會損失數(shù)）v1,000,000單元存在的損失數(shù)vDPO 1,000,000 轉(zhuǎn)換 Six Sigma比率? P（ ND） =None Defect：無損失v機會不能成為損失的可能性vP（ ND） =1DPO80離散型數(shù)據(jù)分析v DPU/DPO/DPMO/P(ND)改善? 發(fā)出了張送貨單，其中檢出 100個不符合項，如果各單元有 10個項目， DPU/DPO/DPMO/P(ND)各是多少？vDPU=D/U? DPU=100/100=（ 100%）該值表示平均值，所以每張送貨單包含 1個符合項81離散型數(shù)據(jù)分析vDPO=D/(UOpp)? DPO+100/(100 10)=(10%) 該值表示所發(fā)出的送貨單的每個最小有 1個不良的可能性是 10%。v假定為 “ 始終一樣 ”? 對立假設(shè) (Alternative Hypothesis:Hi)：按確實的根據(jù)來證明的假設(shè)v平常我們更關(guān)心對立假設(shè)，也希望對立假設(shè)能得到證明vHo拒絕後接受的假設(shè)（即否定原假設(shè)的假設(shè)）102假設(shè)檢驗（ Hypothesis Test）計量值? 第一種錯誤 (Type ⅠError:α) ：指一些現(xiàn)象是 “ 真 ” ，但錯誤的判斷為 “ 假 ” ，犯這種錯誤的概率? 第二種錯誤 (Type Ⅱ Error:β) ：指一些現(xiàn)象是 “ 假 ”，但錯誤的判斷為 “ 真 ” ，犯這種錯誤的概率? 檢驗統(tǒng)計量 (Test Statistic)：為了決定接受或是拒絕Ho，而通過樣本的計算得到的值。? Noise變量v已知道影響反應(yīng)值，但控制困難的變量，為了減少這個變量選定預想的 Noise變量，在所有水平上實施試驗134試驗計劃的樹立? BlockingvBlock是同質(zhì)性的集團，如果判斷為一些要因成為問題時，把那個要因選定為 Blocking因子? Blocking因子來選定的話，不增加試驗烽，可要因分析? Blocking不選定為 Blocking因子的話，試驗結(jié)果出現(xiàn)問題，不能分析原因? 樣本的大小v考慮測定值的變化程度等，決定樣本數(shù)，質(zhì)。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(yīng)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。? 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(yīng)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(yīng)變量） 1個構(gòu)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(jié)論，但危險情況多，因此最好使用試驗計劃法。? 為了監(jiān)控 process及采取糾正措施等行動而制定計劃。175部分配置法 (Fractional factorial design? 出現(xiàn) catalyst*temperature和temperature*concentr