【正文】 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；– 從經(jīng)濟 /成本費用方面愾有水平配合下，試驗發(fā)生困難。– 如果溫度高，可以在低清洗濃度下，線體速度可以運行更快。– 可以把握溫度最大影響反應值。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實施 2次（或 2次以上）得到反應值 (Yield)時，求平均值後適用試驗排列全體反復 2次（或 2次以上）時，把數(shù)據(jù)放在 1列來適用。 3次以上的交互作用，技術分析不太容易，因此一般不考慮。204要因配置法 (Factorial Design)? 什麼是要因配置法– n個因子，各因子的水平數(shù)是 k的試驗計劃，所有因子間的水平調和下實施試驗。作為 因行了 沒有反復的二元配置實驗，因子的收率如下，求最佳條件。其結果得到了下列數(shù)據(jù) ，最佳 條件。181試驗計劃的樹立? 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 標準偏差? Interaction plot：平均值 標準偏差182試驗計劃的樹立– 信賴區(qū)間? Pvalue，檢驗統(tǒng)計量? Ttest， Ftest， Chisquare– 分散分析表 (ANOVA Tables）– 回歸方程式 (Regression)183試驗計劃的樹立? 導出結論– 結果值在統(tǒng)計上有效嗎？? 測定 /分析 /改善階段使用的工具間有矛盾嗎？? 結合實際問題統(tǒng)計的處理結果合理嗎？– 得到改善的證據(jù)（長期的）充分嗎？– 結果值得到實際改善了嗎？? 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？? 會不會發(fā)生逆性能的問題？184試驗計劃的樹立– 試驗結果怎樣指示改善問題的方向？– 是否要做追加的試驗？? 驗證試驗– 驗證試驗是證明已找出的最佳條件是真的改善的步驟– 驗收試驗必須象現(xiàn)象分析類似對長期的數(shù)據(jù)合理分組來實施– 找出最佳條件來做試驗期間在遷定的條件內(nèi)應使其自然（實際作業(yè)條件）185試驗計劃的樹立– 參照事項? 做驗證試驗期間必須參加觀察? 要確認因子的水平變化是否正確? 應留意試驗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)實際控制可能的話，不能檢出 2水平變化引起的 效應186試驗計劃的樹立? 試驗時注意事項– 錯誤認識發(fā)生問題的因子? 相關關系錯誤認識為因果關系– 最佳選定的條件和實際使用的條件不符? 試驗結果最佳選定的值在實際上協(xié)力社不能作業(yè)或生產(chǎn)工序不能賦予其條件? 跟 Cost（成本費用）等相關，不能實行其政策? 全體的制度等有可能變更187試驗計劃的樹立– 不能決定是因為沒有得到管理而變化? 潛在變量的影響給 ‘Y’ 值造成大的影響– 試驗在很小範圍的因子水平上實施– 沒有包含重要的獨立變量? 沒有包含影響品質的 CTQ– 因測定的變動大，不能檢出變化的值188一元配置法? 一元配置法– 只選擇 1個預計對一些特性值有影響的因子，實施試驗的最單純的試驗計劃法。– 連續(xù)的試驗：進行大規(guī)模試驗不如實施幾次小的試驗? 初期試驗階段上– 能知道哪些因子是重要的，也能理 Mechanism，因此下一步能夠更有效地實施試驗。– 試驗時必須參加觀察? 通過觀察可以知道是因果關系還是相關關系。179試驗計劃的樹立– 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。為了減少潛在變量的影響，常常隨機化。如果判定為交互利作用更重要的話，使用試驗計劃的一個因素；可是交互作用有可能跟其它交互作用交叉。為了減少潛在變量的影響， 一般采用隨機法和 Blocking。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 調合上給 ‘ Ｙ ’特性值造成影響大的因子。什麼是水平的分析方法。– 利用 X2(Chisquare)驗證? 原假設 (Ho)：不良類型和交接之間彼此是否無關聯(lián)（獨立因素）? 對立假設（ H1）：不良類型和交接班之間彼此是否有關聯(lián)（從屬因素）158假設檢驗（ Hypothesis Test）計數(shù)型– 不良類型：? A：碰傷? B：洩漏? C：開關不良? D：粘貼不良159假設檢驗（ Hypothesis Test）計數(shù)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(lián)（獨立）?對立假設（ H1）：不良類型和交接型號之間彼此有關聯(lián)（從屬）160假設檢驗（ Hypothesis Test）計數(shù)型? 假設檢驗的 Minitab運用? P84161假設檢驗（ Hypothesis Test）計數(shù)型? P84162改善（ Improvement）163分散分析（ ANOVA）的理解? 什麼是分散分析（ ANOVA）？– 試驗實施後，對試驗結果進行分析所使用的分析方法– 特性值的散布用總平方和來表示。? 設定假設– Ho：獨立（分類的變數(shù)之間地相關性）– H1：從屬（分類的變數(shù)之間有相關性 )156假設檢驗（ Hypothesis Test）計數(shù)型– 期望值（ E），觀測值（ O）， X2統(tǒng)計量? 期望值（ Expected Frequency）：對一些現(xiàn)象的結果期望的值? 觀測值（ Observed Frequency）：對一些現(xiàn)象的結果實際觀測的? X2統(tǒng)計量是157假設檢驗（ Hypothesis Test）計數(shù)型? 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。– 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135假設檢驗（ Hypothesis Test）計量值? 假設設定方法– 以原假設 [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假設檢驗（ Hypothesis Test）計量值– 對立假設 [母體和樣本不同的 ]則為 ? 兩側檢驗時 H1： μ1≠μ2? 偏側檢驗時 H1： μ1 ＜ μ2 ? μ1 ＞ μ2? 兩側檢驗時 H1： σ1≠ σ2? 偏側檢驗時 H1： σ1 ＜ σ2? σ1 ＞ σ2137假設檢驗（ Hypothesis Test）計量值? 假設檢驗的形態(tài)– 計量型數(shù)據(jù)：使用 Z， Ttest統(tǒng)計量? 實行平均值檢驗的必須檢驗分散的同質性（ 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138假設檢驗（ Hypothesis Test）計量值? 假設檢驗時樣本大小和特征– 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，可能導致檢驗結果的錯誤? 相麼，樣本數(shù)大的時候，實際操作中時間 /費用方面難以適用? 因此，樣本數(shù)的大小最好從各方面都考慮後作出恰當?shù)臎Q定139假設檢驗（ Hypothesis Test）計量值? 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(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)計的解釋結果用于實際問題140假設檢驗（ Hypothesis Test）計量型? 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)：拒絕接受域?原假設 (Ho)：接受?對立假立 (H1)：拒絕(α)141假設檢驗（ Hypothesis Test）計量型– 統(tǒng)計學的判定方法? 數(shù)據(jù)計算值結果小于拒絕值時：接受原假設 (Ho)? 數(shù)據(jù)計算值結果大于拒絕值時：拒絕原假設 (Ho)? “0” 值在信賴區(qū)間內(nèi)時：接受原假設 (Ho)? “0” 值在信賴區(qū)間外時：拒絕原假設 (Ho)– Minitab的判定方法? PValue值大于 α 時：接受原假設 (Ho)? PValue值小于 α 時：拒絕原假設 (Ho)142假設檢驗（ Hypothesis Test）計量值? 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。? 運用假設檢驗（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132假設檢驗（ Hypothesis Test）計量值? 假設檢驗的用語理解– 原假設 (Null Hypothesis:Ho)：作為檢驗對象的假設? 如果接受原假設的話，表示 “ 什麼也不能確信（ or證明）” 。122Graph分析? Graph分析的 Minitab運用– 在空調生產(chǎn)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(chǎn)線的 3名作業(yè)者，調查了 3組組裝作業(yè)時間的數(shù)據(jù)。109離散型數(shù)據(jù)分析? YRT(Rolled Throughput Yield)– 產(chǎn)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%110離散型數(shù)據(jù)分析– YRF是連續(xù)的各階段 YFT之乘? YRT==(%)? 沒有考慮作業(yè)– 計算各階段的平均收率? 不是算術平均，而使用各階段的幾何平均值? YND(Normalized Yield)? 這里 n表示工序的數(shù)111離散型數(shù)據(jù)分析? 上例 YND(Normalized Yield)? 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(shù)或工序（作業(yè)）的階段越少，收率值越大。105離散型數(shù)據(jù)分析– YNA(Normalized Yield)：標準收率? 表示計算連續(xù)工序的評價收率的值? 應用：完成產(chǎn)品的品質水平評價時使用。– YRT(Rolled Throughput Yield)：全工程一次性直通收率? 表示一個產(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