【正文】 204 要因配置法 (Factorial Design) ? 什麼是要因配置法 – n個(gè)因子，各因子的水平數(shù)是 k的試驗(yàn)計(jì)劃，所有因子間的水平調(diào)和下實(shí)施試驗(yàn)。作為 因行了 沒有反復(fù)的二元配置實(shí)驗(yàn)，因子的收率如下，求最佳條件。其結(jié)果得到了下列數(shù)據(jù) ，最佳 條件。 181 試驗(yàn)計(jì)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(biāo)準(zhǔn)偏差 ? Interaction plot：平均值 標(biāo)準(zhǔn)偏差 182 試驗(yàn)計(jì)劃的樹立 – 信賴區(qū)間 ?Pvalue，檢驗(yàn)統(tǒng)計(jì)量 ?Ttest， Ftest， Chisquare – 分散分析表 (ANOVA Tables） – 回歸方程式 (Regression) 183 試驗(yàn)計(jì)劃的樹立 ? 導(dǎo)出結(jié)論 – 結(jié)果值在統(tǒng)計(jì)上有效嗎？ ?測(cè)定 /分析 /改善階段使用的工具間有矛盾嗎？ ?結(jié)合實(shí)際問題統(tǒng)計(jì)的處理結(jié)果合理嗎？ – 得到改善的證據(jù)（長(zhǎng)期的）充分嗎？ – 結(jié)果值得到實(shí)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(zhǎng)期改善了嗎？ ?會(huì)不會(huì)發(fā)生逆性能的問題？ 184 試驗(yàn)計(jì)劃的樹立 – 試驗(yàn)結(jié)果怎樣指示改善問題的方向？ – 是否要做追加的試驗(yàn)？ ? 驗(yàn)證試驗(yàn) – 驗(yàn)證試驗(yàn)是證明已找出的最佳條件是真的改善的步驟 – 驗(yàn)收試驗(yàn)必須象現(xiàn)象分析類似對(duì)長(zhǎng)期的數(shù)據(jù)合理分組來(lái)實(shí)施 – 找出最佳條件來(lái)做試驗(yàn)期間在遷定的條件內(nèi)應(yīng)使其自然（實(shí)際作業(yè)條件） 185 試驗(yàn)計(jì)劃的樹立 – 參照事項(xiàng) ?做驗(yàn)證試驗(yàn)期間必須參加觀察 ?要確認(rèn)因子的水平變化是否正確 ?應(yīng)留意試驗(yàn)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(shí)際控制可能的話，不能檢出 2水平變化引起的 效應(yīng) 186 試驗(yàn)計(jì)劃的樹立 ? 試驗(yàn)時(shí)注意事項(xiàng) – 錯(cuò)誤認(rèn)識(shí)發(fā)生問題的因子 ?相關(guān)關(guān)系錯(cuò)誤認(rèn)識(shí)為因果關(guān)系 – 最佳選定的條件和實(shí)際使用的條件不符 ?試驗(yàn)結(jié)果最佳選定的值在實(shí)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(fèi)用）等相關(guān)，不能實(shí)行其政策 ?全體的制度等有可能變更 187 試驗(yàn)計(jì)劃的樹立 – 不能決定是因?yàn)闆]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(yàn)在很小範(fàn)圍的因子水平上實(shí)施 – 沒有包含重要的獨(dú)立變量 ?沒有包含影響品質(zhì)的 CTQ – 因測(cè)定的變動(dòng)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(gè)預(yù)計(jì)對(duì)一些特性值有影響的因子，實(shí)施試驗(yàn)的最單純的試驗(yàn)計(jì)劃法。 – 連續(xù)的試驗(yàn)：進(jìn)行大規(guī)模試驗(yàn)不如實(shí)施幾次小的試驗(yàn) ?初期試驗(yàn)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(shí)施試驗(yàn)。 – 試驗(yàn)時(shí)必須參加觀察 ? 通過(guò)觀察可以知道是因果關(guān)系還是相關(guān)關(guān)系。 179 試驗(yàn)計(jì)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(jī)化。如果判定為交互利作用更重要的話，使用試驗(yàn)計(jì)劃的一個(gè)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(jī)法和 Blocking。 164 分散分析（ ANOVA）的理解 – 可以說(shuō)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 ? 暫定的找出致命的少數(shù)因子的方法 ? 分散分析的用語(yǔ)理解 – 因子 (Factor)：試驗(yàn)上影響特性值的原因 – 水平 (Level)：為實(shí)施試驗(yàn)的因子條件 – 平方和 (Sum of square)：在因子的特定水平上，計(jì)算測(cè)定值變化程度 – 試驗(yàn) Balance/Unbalance：測(cè)定值相同或不相同時(shí)所有因子水平的 調(diào)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(gè)以上的水平的 1個(gè)因子的情況 – Balance ANOAV： 具有 2個(gè)以上因子的情況 – 試驗(yàn)計(jì)劃法（ DoE=Design of Experiment）：分析多因子時(shí)，針對(duì)那個(gè) 調(diào)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(yàn)證 ? 原假設(shè) (Ho)：不良類型和交接之間彼此是否無(wú)關(guān)聯(lián)（獨(dú)立因素） ? 對(duì)立假設(shè)（ H1）：不良類型和交接班之間彼此是否有關(guān)聯(lián)（從屬因素） 158 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)數(shù)型 – 不良類型： ?A：碰傷 ?B：洩漏 ?C：開關(guān)不良 ?D：粘貼不良 159 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)數(shù)型 交接班 A B C D 1 15 21 45 13 2 26 31 34 5 3 33 17 49 20 ?設(shè)定假設(shè) ?原假設(shè)（ Ho）：不良類型和交接班之間彼此無(wú)關(guān)聯(lián)（獨(dú)立） ?對(duì)立假設(shè)（ H1）：不良類型和交接型號(hào)之間彼此有關(guān)聯(lián)（從屬） 160 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)數(shù)型 ? 假設(shè)檢驗(yàn)的 Minitab運(yùn)用 ? P84 161 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)數(shù)型 ? P84 162 改善（ Improvement） 163 分散分析（ ANOVA）的理解 ? 什麼是分散分析（ ANOVA）？ – 試驗(yàn)實(shí)施後，對(duì)試驗(yàn)結(jié)果進(jìn)行分析所使用的分析方法 – 特性值的散布用總平方和來(lái)表示。 ?設(shè)定假設(shè) – Ho：獨(dú)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 ) 156 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)數(shù)型 – 期望值（ E），觀測(cè)值（ O）， X2統(tǒng)計(jì)量 ?期望值（ Expected Frequency）：對(duì)一些現(xiàn)象的結(jié)果期望的值 ?觀測(cè)值（ Observed Frequency）：對(duì)一些現(xiàn)象的結(jié)果實(shí)際觀測(cè)的 ?X2統(tǒng)計(jì)量是 ? ?? E Ex22 )0(157 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)數(shù)型 ? X2(Chisquare)統(tǒng)計(jì)量 – 用 3個(gè)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(wú)（獨(dú)立的）產(chǎn)品不良類型的特性後，進(jìn)行改善活動(dòng)，檢出了N=309個(gè) 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(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值 第二種錯(cuò)誤 （ β） 第一種錯(cuò)誤 （ α） 真 實(shí) H0=真 H1=假 采 納 H0=真 H1=假 135 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)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(lái)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 136 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值 – 對(duì)立假設(shè) [母體和樣本不同的 ]則為 ?兩側(cè)檢驗(yàn)時(shí) H1： μ 1≠ μ 2 ?偏側(cè)檢驗(yàn)時(shí) H1： μ 1 ＜ μ 2 ? μ 1 ＞ μ 2 ?兩側(cè)檢驗(yàn)時(shí) H1： σ 1≠ σ 2 ?偏側(cè)檢驗(yàn)時(shí) H1： σ 1 ＜ σ 2 ? σ 1 ＞ σ 2 137 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值 ? 假設(shè)檢驗(yàn)的形態(tài) – 計(jì)量型數(shù)據(jù)：使用 Z， Ttest統(tǒng)計(jì)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(gè)以上的母體的散布 – 計(jì)數(shù)型數(shù)據(jù)：使用 x2(chiSquare)統(tǒng)計(jì)量 ?次數(shù)、頻度等 138 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值 ? 假設(shè)檢驗(yàn)時(shí)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(cuò)誤 ?相麼，樣本數(shù)大的時(shí)候，實(shí)際操作中時(shí)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 139 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值 ? 假設(shè)檢驗(yàn)的實(shí)行順序 – 設(shè)定原假設(shè)、對(duì)立假設(shè) (Ho， Hi) – 確定顯著性水平（ α =， ， ） – 選擇檢驗(yàn)統(tǒng)計(jì)量（ Z， T， Chisquare統(tǒng)計(jì)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(duì)立假定 (H1) ? P(Probability)概率值＞ α 則接受對(duì)立假定 (Ho) – 把統(tǒng)計(jì)的解釋結(jié)果用于實(shí)際問題 140 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)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(duì)立假立 (H1)：拒絕 接受域 ?原假設(shè) (Ho)：接受 ?對(duì)立假立 (H1)：拒絕 (α) 141 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量型 – 統(tǒng)計(jì)學(xué)的判定方法 ?數(shù)據(jù)計(jì)算值結(jié)果小于拒絕值時(shí)：接受原假設(shè) (Ho) ?數(shù)據(jù)計(jì)算值結(jié)果大于拒絕值時(shí)：拒絕原假設(shè) (Ho) ?“ 0”值在信賴區(qū)間內(nèi)時(shí)：接受原假設(shè) (Ho) ?“ 0”值在信賴區(qū)間外時(shí)：拒絕原假設(shè) (Ho) – Minitab的判定方法 ?PValue值大于 α 時(shí)：接受原假設(shè) (Ho) ?PValue值小于 α 時(shí)：拒絕原假設(shè) (Ho) 142 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)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(gè) CTQ是 8個(gè) Fixture Brake的高度 離合器，在這里先查看 8個(gè)不同的 Fixture間有無(wú)高度尺寸公差，如果 Fixure間有高度公差的話，用“ X”因素來(lái)判斷後調(diào)查原因并改善。 ? 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(jìng)爭(zhēng)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(dòng)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 132 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值 ? 假設(shè)檢驗(yàn)的用語(yǔ)理解 – 原假設(shè) (Null Hypothesis:Ho)：作為檢驗(yàn)對(duì)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）”。 122 Graph分析 ? Graph分析的 Minitab運(yùn)用 – 在空調(diào)生產(chǎn)線上 Compressor（壓縮機(jī)）組裝時(shí)間對(duì)暴露在濕氣的時(shí)間很重要，因此對(duì) 3個(gè)生產(chǎn)線的 3名作業(yè)者，調(diào)查了 3組組裝作業(yè)時(shí)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(gè)連續(xù)的階段來(lái)形成的話，YRT/YND的值的值是什麼？ 階段 1 階段 2 階段 3 YFT=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(jì)算各階段的平均收率 ?不是算術(shù)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) n RTY?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(lái)計(jì)算 Sigma值 – 通過(guò) YRF可以知道工程真正的收率（累計(jì)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(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：完成產(chǎn)品的品質(zhì)水平評(píng)價(jià)時(shí)使用。 – YRT(Rolled Throughput Yiel