【正文】 = ()188。 不是算術(shù)平均，而使用各階段的幾何平均值 YND(Normalized Yield) =n 這里 n 表示工序的數(shù) 輸入的 30%元件有缺陷并再作業(yè) ? YNA(Normalized Yield): 標(biāo)準(zhǔn)收率 表示計(jì)算連續(xù)工序的評(píng)價(jià)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。 750 = ? DPO =缺陷數(shù) 247。 DPU : 元件缺陷數(shù) ? 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。 ? 為了計(jì)算長(zhǎng)期工序能力，考慮規(guī)格的上、下限，表示實(shí)際的工序能力，使 用群內(nèi)，群間變化都考慮在內(nèi)的 Zlt。 SL(Lower Spce) : 規(guī)格下限 SL SU SL SU M 工序能力的數(shù)學(xué)式 s 6 46 來(lái)自 中國(guó)最大的資料庫(kù)下載 工序能力的數(shù)學(xué)式 工序能力 ? 只有規(guī)格上限時(shí)的工序能力 ? 只有規(guī)格下限時(shí)的工序能力 χ SU χ SL Cpu = Su χ 3σ χ SL 3σ CpL = s 6 47 來(lái)自 中國(guó)最大的資料庫(kù)下載 ? 葡萄酒農(nóng)場(chǎng)為了參加慶祝大會(huì)，在準(zhǔn)備過(guò)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。 K : 偏移系數(shù) (如果 K=0,則 Cp = Cpk ) Zlt(σlt), Cpk Zst(σst), Cp 如果測(cè)定系統(tǒng)有誤差， 但不改善系統(tǒng)的話(huà)，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)。R時(shí)須對(duì)試料事先計(jì)劃再行抽樣 ? 利用貫?zāi)芊z查實(shí)施 Gage Ramp。R = [3247。R ? 對(duì)各 Parts用貫?zāi)軄?lái)判定合格與不合格，或 go R ( A N O V A ) f o r T h i c k n e s除了 Operator 1和 Part 4之間的關(guān)系 ,整體上 Operator和 Part之間表現(xiàn)出好的測(cè)定結(jié)果 . 有必要對(duì)Operator 1,2,3間的Part10,找出散布大的原因并查明 ? 可以知道 ? Oper*Part”間的交互作用 ,這是主效果的操作者 (測(cè)定者 )影響 Y的值 .操作者的測(cè)定值 ,跟 Part彼此調(diào)合后影響 Y(Gage Ramp。 表示所測(cè)定的數(shù)據(jù)的值是正常的 長(zhǎng)期方法時(shí) Gage Ramp。 測(cè)定值超出管理界限 ,表現(xiàn)為良好的結(jié)果 . * 如果測(cè)定值的 50%以上在管理界限內(nèi)的話(huà) ,這個(gè)系統(tǒng)不適合 . R的 Minitab運(yùn)用 ※ s 6 39 來(lái)自 中國(guó)最大的資料庫(kù)下載 Gage Ramp。 Number of Distinct Categories : 5以上 可接受 對(duì)同樣部品的同樣特征值測(cè)量 ， 由 3名檢查者反復(fù)檢測(cè) 2次。 表示檢測(cè)部品的信賴(lài)性區(qū)間不重疊的個(gè)數(shù) Gage Ramp。R ? %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 Ramp。R Study ANOVA Method TwoWay ANOVA Table With Interaction Source DF SS MS F P Part_ 9 Operator 2 Operator*Part_ 18 Repeatability 30 Total 59 Gage Ramp。 ? 為確認(rèn)測(cè)定系統(tǒng) ,3名檢查者對(duì) 10個(gè)部品反復(fù)測(cè)試 2次 ? File name: ?為確認(rèn)測(cè)定系統(tǒng) ,3名檢查者對(duì) 10個(gè)部品反復(fù)測(cè)試 2次 s 6 36 來(lái)自 中國(guó)最大的資料庫(kù)下載 ? Stat ＞ Quality Tools ＞ Gage Ramp。R 運(yùn)用 ? CTQ 部品的 Spec是 177。 測(cè)量誤差 =() (R) = ()= 可以迅速確認(rèn)想測(cè)定的計(jì)測(cè)器的接受與否 ? 長(zhǎng)期的方法 R Gage Ramp。R 對(duì)測(cè)定系統(tǒng)變化的理解 ? 反復(fù)性 (Repeatability) : 1名測(cè)定者 使用同樣計(jì)測(cè)器測(cè)定同樣部品的 同樣特性時(shí)得到的變化 Repeatability ?再現(xiàn)性 (Reproduceability) : 同樣部品的同樣特性使用同樣計(jì)測(cè)器 由 多名測(cè)定者 測(cè)定時(shí)得到的變化 測(cè)定者 1 測(cè)定者 2 測(cè)定者 3 Reproduceability s 6 31 來(lái)自 中國(guó)最大的資料庫(kù)下載 Gage Ramp。如果不顧測(cè)定系統(tǒng)的誤差 ,不改善系統(tǒng)的話(huà) ,在 6σ Project 實(shí)行中 ,要愿意接受測(cè)定系統(tǒng)可能發(fā)生誤差的危險(xiǎn)。 R是什么？ ? 測(cè)定系統(tǒng)給工程的變化值造成多少影響 Gage Ramp。 選定計(jì)測(cè)器的適合性 (Gage分解能力的恰當(dāng)性 ) 部品間變化 + (σ Ramp。 再現(xiàn)性 (Reproduceability) 預(yù)想的暫定 ‘ X’因素及實(shí)際計(jì)劃 兩臺(tái)注塑機(jī) :對(duì)兩臺(tái)注塑機(jī)實(shí)施下列內(nèi)容 交接班 :對(duì)交接班別取樣分析 每周作業(yè)者的變更 :對(duì)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(wú)差異 s 6 28 來(lái)自 中國(guó)最大的資料庫(kù)下載 Gage Ramp。維護(hù)等 可以把握平均值移動(dòng)問(wèn)題還是散布問(wèn)題 s 6 25 來(lái)自 中國(guó)最大的資料庫(kù)下載 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 ? 群間變化 (Black Noise) ? Black Noise是工程外部因素影響中心值移動(dòng) 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)值上平均值偏移 ? 實(shí)際上可以知道隨時(shí)間的變化 ,工程能力會(huì)怎樣變化 群內(nèi) .群間變化的區(qū)分例 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 Line 1 Line 2 Line 3 ? 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間的差異而出現(xiàn)的工程變化 s 6 26 來(lái)自 中國(guó)最大的資料庫(kù)下載 變化的理解 Rational Subgroup （ 合理分組） ? 指跟數(shù)據(jù)的種類(lèi)無(wú)關(guān) ,在可能的短時(shí)間內(nèi)彼此類(lèi)似的條件下作業(yè)的樣本群。R 23 連續(xù)型數(shù)據(jù)分析 24 離散型數(shù)據(jù)分析 s 6 24 來(lái)自 中國(guó)最大的資料庫(kù)下載 變化的理解 數(shù)據(jù) 的分類(lèi) 工程問(wèn)題 /Bottle Neck/Issue事項(xiàng) 解決問(wèn)題 連 續(xù) 型 D A T A 離 散 型 D A T A ? 連續(xù)型數(shù)據(jù)（計(jì)量型數(shù)據(jù)） 粗略的 Idea也要鼓勵(lì) Card Method : 不經(jīng)討論 ,Team員把 Idea寫(xiě)在卡片上，貼到墻上 ? Brainstorming時(shí)注意事項(xiàng) 典型的是： 80%的問(wèn)題由 20%產(chǎn)生 ? 用邏輯樹(shù)等方法展開(kāi)問(wèn)題后 , 找出最終區(qū)域 ,選定經(jīng)驗(yàn)豐富的工程師來(lái)執(zhí)行課 題活動(dòng)。 決定每種可能故障模式的重要度和發(fā)生可能性 對(duì)技術(shù)規(guī)格影響大的特性要素 (CTQ)進(jìn)行排序 ? 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 ? 通過(guò) QFD把顧客要求事項(xiàng)系統(tǒng)化 ,最終選定暫定的 CTQ,開(kāi)展改善活動(dòng) 1. 確定問(wèn)題范圍 聚焦問(wèn)題點(diǎn)階段 s 6 19 來(lái)自 中國(guó)最大的資料庫(kù)下載 ? FMEA(Failure Modes amp。 進(jìn)行市場(chǎng)調(diào)查，明確信賴(lài)性要求 ,及一般的要求事項(xiàng)和顧客對(duì)現(xiàn)在 品質(zhì)核心問(wèn)題的要求。 為了驗(yàn)證 Process,實(shí)際確認(rèn) 為明確改善的可能性而使用的工具 ? Process Mapping制定 5σ 177。 1σ 177。 如果規(guī)格上限 (or下限 )用 ‘ X’來(lái)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 ’ 如果目標(biāo)值 (T)和規(guī)格上下限 (USL or LSL)距離是 標(biāo)準(zhǔn)偏差的 3倍的話(huà)，說(shuō)明具備了 3 Sigma的工序 能力 . T s 6 11 來(lái)自 中國(guó)最大的資料庫(kù)下載 某班學(xué)生的國(guó)語(yǔ)平均分?jǐn)?shù)是 60分 ,按偏差是 5的正態(tài)分布的話(huà) ,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 ? ? Z值是已測(cè)定的標(biāo)準(zhǔn)偏差 (σ) 有幾個(gè)能進(jìn)入平均值到規(guī)格上下界限 (USL,LSL)之 間的測(cè)定值 . 60 65 70 45 50 55 測(cè)定值 (分?jǐn)?shù) ) : 0 1 2 3 2 1 Z值 σ: % % % Z = σ x μ = 5 70 60 = 2 75 3 假如規(guī)格上限是 75分的話(huà) ,現(xiàn)在的工序能力是 Z = 2 或 2σ. 統(tǒng)計(jì)基本概念理解 ? 正態(tài)分布 : N(60, 5178。 S n 1 = 統(tǒng)計(jì)基本概念理解 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 ? n個(gè)偏差的和通常是 ? 0”,因此有 (n1)個(gè)偏差的值，剩余一個(gè)自行決定 這叫自由度 (Degree of Freedom). n σ 178。 最頻數(shù) (Mode) : 資料中最頻繁出現(xiàn)的值 s 6 9 來(lái)自 中國(guó)最大的資料庫(kù)下載 區(qū) 分 參 數(shù) 統(tǒng) 計(jì) 量 均值 (Mean) 方 差 (Variance) 偏 差 (Deviation) 均值： μ 樣本均值： x 方差： σ 178。 － n (Σx i)178。 調(diào)和平均 (H): ? 先把握現(xiàn)象 ,能夠 1次性改善的部門(mén)采取 1次性