《[精选]六西格玛绿带培训（PPT44页)》由会员分享，可在线阅读，更多相关《[精选]六西格玛绿带培训（PPT44页)（45页珍藏版）》请在金锄头文库上搜索。
1、6绿带培训 总结复习提纲,1,缺陷减少 5倍,缺陷减少11倍,缺陷减少26倍,缺陷减少68倍,2,0.5,308,537,3,1.5,66,807,4,2.5,6,210,5,3.5,233,6,4.5,3.4,过程能力 - Z,每百万机会的缺陷数,DPMO,ZST,ZLT,6衡量指标- Z,Z 值- 是过程的平均值与规范的上、下限之间所包含的 标准差个数，即上、下规格限的标准化距离。,减少偏差是减少缺陷的关键！,在6Sigma方法中，过程能力通常用 DPMO 或 Z值 来表示,2,在6项目开始之前，客户的呼声必须转换成为“产品或过程的物理特性”(技术要求),技术要求 当炉灶的自动调温装置设在
2、350o时必须产生350o5的温度 呼叫接收者必须在30秒钟内应答95%的入局呼叫 (迅速应答电话),QFD (质量功能展开)是经常使用的转换方法！其中QFD第一个房子中，在矩阵的左边一列一定是基于客户的呼声。,CTQs -(关键质量特性) (需要测量和/或控制尺寸/参数),炉灶自动调温器的准确度 客户投诉应答率(应答入局呼叫的百分率),技术要求和CTQs是所有6项目的基础它们必须预先确定！,举例： 客户的呼声 炉灶必须加热到所设定的温度 呼叫接收者必须及时应答呼叫,6始于客户的呼声,3,QFD为CTQ提供了从高到低的下行过程。 下行过程以始于客户呼声。 通过质量四层结构图确定内部可控因素。
3、QFD是用于展示各种因素的相对重要性的工具，而不是用于确定质量与各种因素之间的量化关系。,质量功能展开(QFD),QFD-将客户的呼声转换成为CTQs的工具，其目的是将客户的CTQ与可测的子过程或子产品标准联系起来。做QFD时，由客户代表及跨部门的项目队伍负责对客户的需求优先排序。,( Quality Function Deployment ),4,D - 定义： 将VOC转换成为对内部产品、服务、过程的技术要求，再转换成CTQs， 进而定义“项目Y”KPOV ；决定项目所需资源；定义问题、设定目标、 效益预测；确定高端流程图；制订项目进展计划。 M - 测量： 收集现有信息，寻找潜在的关键因
4、素-KPIVs，并进行测量系统分析和 过程能力分析(过程能力分析可在分析阶段进行)。 A - 分析： 进行过程能力分析。根据在测量阶段所寻找到的潜在的关键因素设计实 验，根据实验数据进行图表分析、假设检验和回归分析。以确定一组按 重要程度排列的关键因素。 I - 改进： 优化解决方案，并确认该方案能够满足或超过项目改进目标。 C - 控制： 验证测量系统，确定过程能力，制订控制计划，实施SPC动态跟踪。确 保对过程的改进一经实施就能够持之以恒，不会返回到以前的状态。,6突 破 策 略,5,DMAIC 改进现有过程/工序。 DMADV 新型产品/过程设计或 现有产品/过程的重新设计。,DMAIC
5、 与 DMADV比较,6,6 工 具,1. 质量功能展开 (QFD) 目的是什么？ 2. 过程流程图(Process Map) 目的是什么？ 3. 柏拉图 (Pareto Chart) 目的是什么？ 4. 因果图(鱼骨图) 目的是什么？ 5. 因果矩阵(Cause-Effect Matrix) 目的是什么？ 6. 失效模式及影响分析(FMEA) 目的是什么？ 7. 测量系统分析(MSA) 目的是什么？ 8. 过程能力分析(水平) 目的是什么？ 9. 图表分析 10. 假设检验 11. 回归分析 12. 试验设计(DOE) 13. 统计过程控制 (SPC),系统地应用众多熟悉的质量工具！,7,数
6、据的两种类型,连续(可变)数据：使用一种度量单位，比如英寸或小时，并 且可以有意义地无限分割。 连续(可变)数据的例子：电压、电流、 功率、时间、距离、重量、速度。 离散(逻辑)数据：是类别信息，可以计数，但不能有意义地分割。 比如“合格” 或“不合格”。,连续数据,离散数据,注：相同数量的连续数据比离散数据能提供更多的信息,8,描述数据的居中程度,Mean均值 Median中位数 Mode众数 Quartiles四分位数,Range极差 Variance方差 Standard Deviation标准偏差 Inter Quartile Range内四分位极差,描述数据的离散程度,9,中心极限定
7、理,在实际问题中，有许多随机变量，它们是由大量的相互独立的随机因素 的综合影响所形成的，即可以表示成独立随机因素之和，这种随机变量 往往近似地服从正态分布，这就是中心极限定理的客观背景。 独立同分布的中心极限定理指出：设独立随机变量序列X1, X2, , Xn,服从同一分布，并具有有限的数学期望和方差，则只要n充分大，不管Xi 服从什么分布， 近似地服从正态分布 德莫佛拉普拉斯定理指出：当n很大时，在n次独立重复试验中事件A发生地次数近似服从正态分布。从而服从二项分布的随机变量近似服从正态分布N(np, np(1-p)。 （附：在不合格率为 p 的一大批产品中任取 n 件产品，那么取得不合格品
8、 的件数 服从二项分布)。,中心极限定理的意义在于将非正态分布转换为正态分布的数据。,10,置信度、置信区间 与样本容量的关系,要求置信度越高或置信区间越窄，则需要的样本容量越大。 在样本容量一定的情况下，提高置信度，就必须加宽置信区间。减小置信区间，势必会降低置信度。,举例：“我现在有95%的信心投中所有的球。如果加宽球门，信心将更大!”,11,测量阶段就是收集数据，运用数据将问题特征化，利用头脑风暴寻找潜在的关键因素，并对测量系统和现有的过程能力进行分析。,测量阶段的任务,测量阶段主要工具： 流程图 柏拉图 利用头脑风暴寻找潜在的KPIV 鱼骨图(因果图) 因果矩阵 失效模式和影响分析(F
9、MEA) 测量系统分析 过程能力分析,12,测量阶段的输入是什么？ 测量阶段的输入正是定义阶段的输出： 关键质量特性CTQs 定量化的项目描述 高端流程图 项目进程计划,测量阶段使您能够在试图解决一个问题(改进)之前，深入了解问题现状及其过程能力。,测量阶段的重要性何在？,13,在6项目中，测量系统分析的主要目的是确定项目中所使用的数据是否可靠,保证测量出的CTQ与实际值相吻合。 一. 离散数据测量系统分析 离散数据测量系统分析判断标准： 效率得分= 95%，可以接受； 效率得分= 100% ，就是好系统!,测量系统分析,14,二. 连续数据测量系统分析,一.测量系统的准确性是测量所得的平均值
10、与真实值的差别。 二.测量系统的精确性描述了测量系统的偏差： 1.可重复性 偏差由量具本身造成。即在相同条 件下，对同一物体进行重复测量所得的偏差。 2.可再现性 偏差由测量者的技巧造成。即在不同的条件下测量同一物体得到相同结果的能力。 a.不同的测量者或者不同的测量设备 （测量者和测量设备只能有一样不同） b. 同样的工件 c. 同样的环境的条件,15,贡献百分比： 10不可接受。,调查百分比： 30%不可接受。,容差百分比： 30不可接受。,Number of Distinct Categories: 差别类数目： 5可接受,连续数据测量系统分析判断标准：,二. 连续数据测量系统分析(续)
11、,spart-to-part sgage,差别类数目 = x 1.41,16,二. 连续数据测量系统分析(续),计算和解释：,差别类数目指的是测量系统可以识别出的过程数据中的非重叠组的数目。 差别类数目 = x 1.41,spart-to-part sgage,注意： 差别类数目适用于连续数据的ANOVA 法GR 把关键因素(Xs)压缩到48个左右之 后, 在改进阶段找出最适合的条件。,根据数据设定输出变量Y的目标水准。 对引起Y变动的所有潜在的关键因素(Xs)进行图表分析, 优先确定主要变量。 在多个输入变量(Xs)中选定对Y影响最大的Xs因子。,最佳化的过程,30-50,4 - 8,3 -
12、 6,重要 Xs 选定,5 - 8,定义、测量,分析,确认重要 Xs,改进,重要 Xs最佳化,控制,2 - 4,重要 Xs 控制,19,确定统计量的分布是研究推断问题和假设检验问题的基础。其中 标准正态分布，卡埃平方分布，T分布，F分布是进行假设检验构造统 计量的基本依据。,（自 由 度 n: 表 示 式 中 独 立 变 量 的 个 数）,统 计 量 的 概 率 分 布抽 样 分 布,20,The Risks Involved in Hypothesis Testing 第一类风险(Type I Error): Rejecting the null hypothesis when it is
13、true. Probability of this error equals a (by convention) 视 真 为 假-Over Reject. P 拒 绝 H0 | H0 为 真 = a 第二类风险(Type II Error): Accepting the null hypothesis when it is false. Probability of this error equals b (by convention). When H1 has been quantified, the Type II error is better defined as rejecting
14、the alternative hypothesis when it is true 弄 假 成 真-Over Accept. P 接 收 H0 | H0 为 假 = b,假 设 检 验 的 风 险 概 率Hypothesis Testing Risks,21,正态总体的均值检验:,1. One sample Z-test (总 体 方 差 已 知 时， 单 个 正 态 总 体 均 值 的 Z 检 验 ) 2. One sample t-test (总 体 方 差 未 知 时， 单 个 正 态 总 体 均 值 的 t 检 验 ) 3. Two sample t-test (总 体 方 差 未
15、知 时， 两 个 正 态 总 体 均 值 的 无 配 对 t 检 验 ) 4. Paired t-test ( 总 体 方 差 未 知 时，两 个 正 态 总 体 均 值 的 配 对 t 检 验-但是两 个样本不是相互独立的简单随即样本 ) 5. ANOVA ( 总 体 方 差 未 知 时，大于 两 个正 态 总 体 均 值 的 检 验 ),分析阶段假设检验方法汇总,22,二. 正态总体的方差检验:,1. F Test ( 两 个 正 态 总 体 方 差的 检 验) 2. Bartletts Test (大于两 个 正 态 总 体 方 差 的 检 验),三. 离散(比率)数据的比例检验:,1.
16、 1 Proportion Test ( 单 个 总 体 的 比 例 检 验) 2. 2 Proportion Test ( 两 个 总 体 的 比 例 检 验) 3. Chi-Square Test (大于两个总体的比例检验) Minitab: Stat / Tables / Chi-Square Test ,分析阶段假设检验方法汇总(续),注意,23,四. 非正态总体的中位数检验(Median Test):,1. 1-Sample Wilcoxon Test (单 个 非 正 态 总 体) 2. Mann-Whitney Test ( 两 个 非 正 态 总 体) 3. Kruskal-Wallis Test (大于两 个 非 正 态 总 体) Moods Median Test (大于两 个 非 正 态 总 体) Friedman Test (大于两 个 非 正 态 总 体),五. 非正态总体的方差检验(Variance Test):,Levenes Test (大于等于两 个 非 正 态 总 体),分析阶段假设检验方法汇总(续),24,改进阶段概述,优化 Y = f(X) 的函
