【文章內容簡介】 D)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離散型數據分析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%。vDPMO=DPO 1,000,000? 例：上例 DPMO是 1,000,000 DPMOvP(ND)=1DPO==(90%)82離散型數據分析v 利用泊松公式計算收率? 利用泊松公式v這里? Y：收率? DPU：元件缺陷數? R：? e：指數函數 ……83離散型數據分析? r=0時? ∴Y=e dpu? ∴ 對缺陷機會數越大， “Y” 越接近 “0”84離散型數據分析v 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個的機會數）vDPU=缺陷數 247。 元件數 =34 247。750=vDPO=缺陷數 247。( 元件數 機會數 )=34 247。(750 10)=vYield值是 Y=edpu===%85離散型數據分析vDPMO=DPO 1,000,000=1,000,000=4,500PPM 一個元件有 45,000PPM的缺陷vSigma=Zinv()+(偏移） =+=? Zinv是把 Z值按面積來換算的值，以標準正態(tài)分布來計算。86離散型數據分析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應用：決定個別工序的個別品質水平時使用。? YRT(Rolled Throughput Yield)：全工程一次性直通收率v表示一個產品通過全工各沒有經過一次的修理和再作業(yè)，到最終合格為止的收率值。v應用：在所有工序上按順序的階段來進行累計後，評價品質水平時使用。87離散型數據分析? 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應用：完成產品的品質水平評價時使用。88收率概念比較累計收率（ YRT） 現在為止的收率（ YF）?考慮工序各階段 ?只考慮最終工序?考慮再作業(yè)和部品廢棄 ?不考慮再作業(yè)和部品廢棄?提示無缺陷的可能性 ?不能提示無缺陷的可能性?調查各工序的品質 ?只調查最終工序的品質?考慮工序是由多少個來構成的?不考慮工序是由多少來構成的?YRT=e ?YF=S/U?Y=Y1Y2……Yn ?S：合格臺數?U：檢查臺數89離散型數據分析v VFT（ First Time Yield）A再作業(yè)完成的產品廢棄15unitHidden Factory70 Units100Units85Units90離散型數據分析? 工序 A有輸入 100個 Unit（元件）v輸入的 70%元件沒有缺陷已經銷售v輸入的 30%元件有缺陷并再作業(yè)v15個元件修理完畢， 15元件報廢? 現在為止的 Final Yield（ YF） [最終收率 ]是 85%? 因 First Time Yield（ YFT）表示歸初的作業(yè)是正確的，所以現在情況下 YFT是 70%。91離散型數據分析v YRT(Rolled Throughput Yield)? 產品 A由 3個連續(xù)的階段來形成的話， YRT/YND的值的值是什麼？階段 1 階段 2 階段 3YFT=80%YF=100%YFT=70%YF=90%YFT=90%YF=95%92離散型數據分析? YRF是連續(xù)的各階段 YFT之乘vYRT==(%)v沒有考慮作業(yè)? 計算各階段的平均收率v不是算術平均，而使用各階段的幾何平均值vYND(Normalized Yield)v這里 n表示工序的數93離散型數據分析v上例 YND(Normalized Yield)v各階段平均 YFT=%? 正常收率是全工程平均收率，以 YND(Normalized Yield)值來計算 Sigma值? 通過 YRF可以知道工程真正的收率（累計直通率）? 部品數或工序（作業(yè)）的階段越少，收率值越大。94離散型數據分析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離散型數據分析? 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，明確產生結果? 將預想產生的結果與試驗計劃結合 Focusing? 按預想產生的結果制定數據收集計劃v 怎麼做呢？? 利用收集的數據，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。99Graph分析v Graph分析的 Minitab運用? 在空調生產線上 Compressor（壓縮機）組裝時間對暴露在濕氣的時間很重要，因此對 3個生產線的 3名作業(yè)者，調查了 3組組裝作業(yè)時間的數據。100假設檢驗（ Hypothesis Test）計量值v 什麼是假設檢驗？? 指想知道的內容用假設來設定，對假設的成立與否用樣本數據得到的情報為基礎進行統計分析後做出決定。v 運用假設檢驗（事例）? 新產品 Flatron Monitor產品顯著降低了眼睛的疲勞? LG Digital TV比競爭社的 Digital TV畫質更優(yōu)秀? 6σ 品質改善 Tool比原有品質改善活動使用的改善 Tool效果更卓越? 019 PCS比它社手機通話音質更清晰101假設檢驗（ Hypothesis Test）計量值v 假設檢驗的用語理解? 原假設 (Null Hypothesis:Ho)：作為檢驗對象的假設v如果接受原假設的話，表示 “ 什麼也不能確信（ or證明） ” 。v假定為 “ 始終一樣 ”? 對立假設 (Alternative Hypothesis:Hi)：按確實的根據來證明的假設v平常我們更關心對立假設，也希望對立假設能得到證明vHo拒絕後接受的假設（即否定原假設的假設）102假設檢驗（ Hypothesis Test）計量值? 第一種錯誤 (Type ⅠError:α) ：指一些現象是 “ 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) ：指一些現象是 “ 假 ”，但錯誤的判斷為 “ 真 ” ，犯這種錯誤的概率? 檢驗統計量 (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。? 顯著性水平 (Significance Level)：象一般使用的α=(,)Ho 是真的拒絕的概率103假設檢驗（ Hypothesis Test）計量值第二種錯誤（ β）第一種錯誤（ α）真 實H0=真 H1=假采 納H0=真H1=假104假設檢驗（ Hypothesis Test）計量值v 假設設定方法? 以原假設 [母體和 Sample(樣本 )是一樣的 ]來假定vHo： μ1=μ2vHo： μ1=μ2=μ3=……μnvHo： σ1=σ2vHo： σ1=σ2= σ3 ……σn105假設檢驗（ Hypothesis Test）計量值? 對立假設 [母體和樣本不同的 ]則為 v兩側檢驗時 H1： μ1≠μ2v偏側檢驗時 H1： μ1 ＜ μ2 μ1 ＞ μ2v兩側檢驗時 H1： σ1≠ σ2v偏側檢驗時 H1： σ1 ＜ σ2 σ1 ＞ σ2106假設檢驗（ Hypothesis Test）計量值v 假設檢驗的形態(tài)? 計量型數據：使用 Z， Ttest統計量v實行平均值檢驗的必須檢驗分散的同質性（ Ftest)vFtest是比較 2個以上的母體的散布? 計數型數據：使用 x2(chiSquare)統計量v次數、頻度等107假設檢驗（ Hypothesis Test）計量值v 假設檢驗時樣本大小和特征? 樣本的大小取多少好呢？v如果樣本數小，很難表示母體的特征，可能導致檢驗結果的錯誤v相麼，樣本數大的時候，實際操作中時間 /費用方面難以適用v因此，樣本數的大小最好從各方面都考慮後作出恰當的決定108假設檢驗（ Hypothesis Test）計量值v 假設檢驗的實行順序? 設定原假設、對立假設 (Ho， Hi)? 確定顯著性水平（ α= ， ， ）? 選擇檢驗統計量（ Z， T， Chisquare統計量）? 求接受或拒絕域? 從數據上判定顯著性，解釋結果vP(Probability)概率值＜ α 則接受對立假定 (H1)vP(Probability)概率值＞ α 則接受對立假定 (Ho)? 把統計的解釋結果用于實際問題109假設檢驗（ Hypothesis Test）計量型v 假設檢驗結果的判定方法拒絕值接受域?原假設 (Ho)：接受?對立假立 (H1)：拒絕拒絕域?原假設 (Ho)：拒絕?對立假立 (H1)：接受(α)110假設檢驗（ Hypothesis Test）計量型? 統計學的判定方法v數據計算值結果小于拒絕值時：接受原假設 (Ho)v數據計算值結果大于拒絕值時：拒絕原假設 (Ho)v“0” 值在信賴區(qū)間內時：接受原假設 (Ho)v“0” 值在信賴區(qū)間外時：拒絕原假設 (Ho)? Minitab的判定方法vPValue值大于 α 時：接受原假設 (Ho)vPValue值小于 α 時：拒絕原假設 (Ho)111假設檢驗（ Hypothesis Test）計量值v 假設檢驗的 Minitab運用? 洗衣機下部 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” 因素來判斷後調查原因并改善。112假設檢驗（ Hypothesis Test）計數型v X2（ Chisquare）? 適合度檢驗（ Goodness of fit test）v什麼是適合度？：試驗 or觀測得到的結果跟理論一致的程度v什麼是適合度檢驗？：檢驗觀測值有什麼樣的理論分布v假設設定? Ho： P1=P2=……=Pn? H1： P1P2……Pn? 例：硬幣的正面的出現的概率 50%和實際觀測的概率比較113假設檢驗（ Hypothesis Test）計數型? 分割表（ Contingency Table）v什麼是分割表？：因兩個變數分割後得到表v什麼是獨立性檢驗？：使用于檢驗分類的變量之間的關系是獨立，即變量之間有相關性（從屬關系），或者有（獨立關系）稱獨立性檢驗。v設定假設? Ho：獨立（分類的變數之間地相關性）? H1：從屬（分類的變數之間有相關性 )114假設檢驗（ Hypothesis Test）計數型? 期望值（ E），觀測值（ O）， X2統計量v期望值（ Expected Frequency）：對一些現象的結果期望的值v觀測值（ Observed Frequency）：對一些現象的結果實際觀測的vX2統計量是115假設檢驗（ Hypothesis Test）計數型v X2(Chisquare)統計量? 用 3個月把 Monitor產品不良類型按不同的交接班整理後，調查各交接班有（從屬的）無（獨立的）產品不良類型的特性後，進行改善活動，檢出了 N=309個 Monitor不良。按 4種不良類型來整理。? 利用 X2(Chisquare)驗證v原假設 (Ho)：不良類型和交接之間彼此是否無關聯（獨立因素）v對立假設（ H1）：不良類型和交接班之間彼此是否有關聯（從屬因素）116假設檢驗（ Hypothesis Test）計數型? 不良類型：vA：碰傷vB：洩漏vC：開關不良vD：粘貼不良117假設檢驗（ Hypothesis Test）計數型交接班 A B C D1 15 21 45 132 26 31 34 53 33 17 49 20?設定假設?原假設（ Ho）：不良類型和交接班之間彼此無關聯（獨立）?對立假設（ H1）