【正文】 a寫在卡片上，貼到牆上。? Rational Subgroup是指 Subgroup內只存在群內變化， Subgroup間只發(fā)生群間變化，將數據Grouping? 通過這種區(qū)分把握長期、短期工程能力? 經長期收集的數據是不管業(yè)務部門還是製造部門都包含在群內，群間變化。? Six Sigma工序能力是指工序的變化（ or標準偏差： σ ）小，即使乘以 6倍變化值也能夠滿足規(guī)格的工序能力。vShort Term Process Capability Index：短期工序能力指數vZlt（ σlt ）， CpkvZlt=3Cpk44 工序能力? 長期工序能力是包括群內變化和群體間變化，為了改善技術和工序管理，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的要素引起的變化。如果測定系統有誤差，但不改善系統的話，在執(zhí)行 6 σ Project 期間要接受測定系統可能發(fā)生誤差的危險。no go時v1V外觀檢查時，v2名評價者反復測試 20個管子48 測 試實驗順序 評價者 1 評價者 21 2 1 21 G G G G2 G G G G3 NG G G G4 NG NG NG NG5 G G G G6 G G G G7 NG NG NG NG8 NG NG G G9 G G G G10 G G G G49 測 試實驗順序 評價者 1 評價者 21 2 1 211 G G G G12 G G G G13 G NG G G14 G G G G15 G G G G16 G G G G17 G G G G18 G G G G19 G G G G20 G G G G?如果各部品別 4次都有出現同樣結果的話，其評價是可接受的?%Gage RR=[3247。v如果測定值的 50%以上在管理界限內的話，這個系統不適合?？梢苑譃?4組對特定部品測定，信賴性區(qū)間小說明測定者和測定有反復，且測定很準確。 55 Gage RR? Number of Distinct Categories判斷方法vNumber of Distinct Categories： 0～ 1不適用（改善檢測系統）vNumber of Distinct Categories： 2～ 4附加條件時可接受vNumber of Distinct Categories： 5以上可接受56 Gage RRv 長期方法時 Gage RR的 Minitab運用? 選定 Monitor Cover為 Six Sigma Theme? Spec=177。 時部品 測定值 1 測定值 2 測定差（ 12）1 2 3 4 5 範圍的界限 ∑R=58 Gage RRv測定差平均值 = ∑R/5=v測量誤差 =() (R)= v公差的測量誤差 =(247。常數在 *里已有計算， d*是下表中的值， Gage引起的變化能滿足 Gage引起的變化能滿足 % 值。62 Gage RR偏差大 偏差小參考值測定值參考值測定值63 Gage RRv 對測定系統變化的理解? 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。Reproduceability測定者 2測定者 1測定者 367 變化的理解v 為什麼要 Rational Subgrouping? Rational Subgroup是 6 Sigma的一個強大的工具。? X因素：地域，木塞，葡萄酒味，透明性，香氣，葡萄酒瓶76 工序能力? 短期工序能力有關的統計值 Cp， Cpk， Cpu， Cpl長期工序能力有關的統計值有 Pp， Ppk， Ppu， Ppl? 為了計算短期工序能力，使用只考慮組內的滾動，即群內變化的 Zst，以用暫定目的地工序能力或最高的工序能力來表示。? 為了計算長期工序能力，考慮規(guī)格的上、下限，表示實際的工序能力，用群內、群間變化都考慮在內的 Zlt。v例：把顧客的要求事項記錯的差錯情報。v例：須在一張要求式樣上記錄的項目數78 離散型數據分析? 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每個元件內存在的缺陷數? DPO（ Defect Per Opportunity）：每個機會損失數79 離散型數據分析? DPMO（ Defect Per Million opportunity）（每百萬要會損失數）v1,000,000單元存在的損失數vDPO 1,000,000 轉換 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 離散型數據分析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%。 元件數 =34 247。( 元件數 機會數 )=34 247。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。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。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%。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）97 Graph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98 Graph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。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。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。按 4種不良類型來整理。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（反應值）特別大的影響因子。? 區(qū)分 ‘X’的水平，分析各水平上連續(xù)的 ‘Y’的數據。122 試驗計劃法的樹立v 試驗計劃法的樹立? 明確試驗的目的 ? 選定反應值（從屬變量） ‘Y’ ? 選定因子（獨立變量） ‘X’? 選定因子的水平 ? 選定試驗計劃? 實施試驗 數據收集 ? 數據分析? 導出結論? 驗證試驗123 試驗計劃法的樹立v 明確試驗目的? 明確試驗記錄樣式的目的v製作 ‘Y’(從屬變量 )明確定義 ‘X’(獨立變量）效果的的預測值表? 在做試驗計劃時，必須注意以下內容v用數據決定什麼？v數據收集後怎麼分析？v得到的數據做必要的決定時有用嗎？? 如果不是重新樹立計劃124 試驗計劃法的樹立v 選定反應值（從屬變量） ‘Ｙ ’? 選定的題目可能有多個 ‘Ｙ ’v題目展開後 (Logic Tree等 )，選定 ‘Yn’的各個獨立因子‘X’進行改善v計數值數據的效率性是計量值的 63%左右時，有必要更多數據v當測定 ‘Y’困難時，采用給予分類或跟標準進行比較的方法125 試驗計劃法的樹立v測定後的樣本數據最好是保存，必要時再進行對比調查v當數據測定有主觀性時，可能有時間偏移，因此必須隨機化或盲化實施v試驗前不管數據的種類，必須對 ‘Y’實施 Gage RR，其值要少于 20%126 試驗計劃的樹立v 選定因子（獨立變量） ‘X’? 獨立變量有多種 v在試驗上接意圖變化的試驗變量v不是有意變化的可觀察的變量vBlocking變量（人為制造的變量）v潛在變量127 試驗計劃的樹立? 選定獨立變量v利用測定、分析階段得到的統計分析結果v專家意見v大腦風暴法vFlow Chartv現象分析數據v特性要因圖v競爭社分析v顧客分析 協力社調查vProcess MappingvRolled Through Yield128 試驗計劃的樹立? 潛在變量v潛在變量是給結果帶來影響的，但難以發(fā)覺，并且不可能控制和測定。? 主效果及交互作用v主效果比普通交互作用更重要。129 試驗計劃的樹立v 選定因子水平? 水平數可以按試驗的目的和反應值的圖表形狀來決定v能用篩選試驗來找出得要的因子的話，使用典型的 2水平v‘Y’值按水平產生充分差異的範圍來選定水平? 如果選定的溫度範圍小，幾乎不影響應答的話，可能錯判為溫度不重要的因子v確定的水平不能超出現實可能的水平（最佳的選定水平上，不能適用實際的話郵局不能改善）v試驗的幾個調和可能是不能接受的反應值，但是那種條件下，可能出現最佳值？130 試驗計劃的樹立v 選定試驗計劃? 做試驗計劃時要想 10個重要概念v直交性v隨機性v再現性v反復性v管理能力v潛在變量vNoise變量vBlockingvSample的大小v交叉131 試驗計劃的樹立v 試驗計劃的選定? 直交性v試驗配置或部分配