【正文】 ?Yield值是 Y=edpu===% 86 離散型數據分析 ?DPMO=DPO 1,000,000= 1,000,000=4,500PPM 一個元件有 45,000PPM的缺陷 ?Sigma=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。 ? YRT(Rolled Throughput Yield)：全工程一次性直通收率 ?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。 88 離散型數據分析 ? 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：完成產品的品質水平評價時使用。 92 離散型數據分析 ?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 3 YFT=80% YF=100% YFT=70% YF=90% YFT=90% YF=95% 93 離散型數據分析 ? 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 n RTY? 94 離散型數據分析 ?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） ? 部品數或工序（作業(yè)）的階段越少，收率值越大。 100 Graph分析 ?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。 ? 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 102 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） ” 。 ? 顯著性水平 (Significance Level)：象一般使用的α =(,)Ho是真的拒絕的概率 104 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 105 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： 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 106 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： μ 1≠ μ 2 ?偏側檢驗時 H1： μ 1 ＜ μ 2 μ 1 ＞ μ 2 ?兩側檢驗時 H1： σ 1≠ σ 2 ?偏側檢驗時 H1： σ 1 ＜ σ 2 σ 1 ＞ σ 2 107 假設檢驗（ Hypothesis Test）計量值 ?假設檢驗的形態(tài) ? 計量型數據：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 ? 計數型數據：使用 x2(chiSquare)統(tǒng)計量 ?次數、頻度等 108 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，樣本數大的時候，實際操作中時間 /費用方面難以適用 ?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 109 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 ? 從數據上判定顯著性，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 110 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 拒絕域 ?原假設 (Ho)：拒絕 ?對立假立 (H1)：接受 (α) 111 假設檢驗（ Hypothesis Test）計量型 ? 統(tǒng)計學的判定方法 ?數據計算值結果小于拒絕值時：接受原假設 (Ho) ?數據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) 112 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 amp。 113 假設檢驗（ Hypothesis Test）計數型 ? X2（ Chisquare） ? 適合度檢驗（ Goodness of fit test） ?什麼是適合度？：試驗 or觀測得到的結果跟理論一致的程度 ?什麼是適合度檢驗？：檢驗觀測值有什麼樣的理論分布 ?假設設定 ? Ho： P1=P2=…… =Pn ? H1： P1 P2 …… Pn ? 例：硬幣的正面的出現(xiàn)的概率 50%和實際觀測的概率比較 114 假設檢驗（ Hypothesis Test）計數型 ? 分割表（ Contingency Table） ?什麼是分割表？：因兩個變數分割後得到表 ?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。 123 試驗計劃法的樹立 ? 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 amp。R，其值要少于 20% 127 試驗計劃的樹立 ?選定因子（獨立變量） ‘ X’ ? 獨立變量有多種 ?在試驗上接意圖變化的試驗變量 ?不是有意變化的可觀察的變量 ?Blocking變量（人為制造的變量） ?潛在變量 128 試驗計劃的樹立 ? 選定獨立變量 ?利用測定、分析階段得到的統(tǒng)計分析結果 ?專家意見 ?大腦風暴法 ?Flow Chart ?現(xiàn)象分析數據 ?特性要因圖 ?競爭社分析 ?顧客分析 amp。為了減少潛在變量的影響， 一般采用隨機法和 Blocking。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，常常隨機化。 136 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。 ? 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。 ? 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。 138 試驗計劃的樹立 ? 數據分析 ? GRAPH分析 ?Capability Analysis ?Histogram ?Box Plot ?Pareto ?Scatter Plot ?Cube Plot ?Main effect plot：平均值 amp。標準偏差 139 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) 140 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（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？ 141 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據合理分組來實施 ? 找出最佳條件來做試驗期間在遷定的條件內應使其自然（實際作業(yè)條件） 142 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 ?+/只能在條件內實際控制可能的話，不能檢出 2水平變化引起的 效應 143 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 144 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 145 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。其結果得到了下列數據 ，最佳 條件。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。 150 要因配置法 (Factorial Design) ?什麼是要因配置法 ? n個因子，各因子的水平數是 k的試驗計劃，所有因子間的水平調和下實施試驗。 3次以上的交互作用，技術分析不太容易，因此一般不考慮。 158 要因配置法 (Factorial Design) Factor Level 1 +1 A. 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，把數據放在 1列來適用。 ? 可以把握溫度最大影響反應值。 ? 如果溫度高，可以在低清洗濃度下，線體速度可以運行更快。 166 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因子 Screening時； ? 從經濟 /成本費用方面愾有水平配合下，試驗發(fā)