6西格瑪分析階段(PPT275頁)

1、精益六西格瑪綠帶課程3.0 分析階段-轉(zhuǎn)換成一個統(tǒng)計的問題分析階段-目錄識別問題產(chǎn)生的原因分析偏差的來源根本原因確實定轉(zhuǎn)換成一個統(tǒng)計的問題DefineControlImproveAnalyzeMeasure2DefineMeasureAnalyzeImproveControl識別問題產(chǎn)生的原因 尋找潛在的Xs（因果圖、因果矩陣） 潛在原因的排序（FMEA） 問題的快贏改善分析偏差的來源根本原因確實定31.1 在流程中尋找潛在的Xs41.1、尋找潛在的Xs結(jié)果Y非獨立輸出影響表現(xiàn)原因X1Xn獨立輸入過程問題根源通過檢驗Y，控制Xs，到達(dá)改進(jìn)Y的目的Y=f(x)現(xiàn)象原因5真正管理好的企業(yè)，外部看起

2、來是風(fēng)平浪靜的。因為每個人、部門都知道流程該如何往下走，內(nèi)部和外部的循環(huán)是良性和互動的機制。相反，那些看起來成天如火如荼，熱鬧非凡的企業(yè)，往往目標(biāo)遠(yuǎn)大，執(zhí)行乏力，隨意性太強?！耙粋€有效管理的企業(yè)應(yīng)該是平淡無奇的 彼得德魯克1.1.1、在流程中尋找潛在的Xs-流程的意義61.1.2、在流程中尋找潛在的Xs-SIPOCS IPOCSupplierInputProcessOutputCustomer流程圖活動(Activity)選擇決策流程方向流程開始和結(jié)束X1X2X3X4X5YXi往往隱藏在流程中，我們要對流程進(jìn)行詳細(xì)分解7每個人對流程的認(rèn)識不同，所以統(tǒng)一團隊員對流程的理解是很重要的。 實際的流程

3、執(zhí)行情況與設(shè)定的流程執(zhí)行情況有可能不一致，應(yīng)經(jīng)常檢討和更新畫流程圖的時候，應(yīng)盡量按照實際的流程來描繪，同時要標(biāo)注各節(jié)點的輸入和輸出 實際的 Process 我所想的 Process 理想的 Process 1.1.3、在流程中尋找潛在的Xs-如何觀察流程站在10，000公尺的高空看流程81.1.4、在流程中尋找潛在的Xs-案例外表處理去除瑕疵拋光外表溶液清理底 漆調(diào)整風(fēng)壓填裝底漆外表噴涂噴 漆調(diào)整風(fēng)壓填裝噴漆外表噴涂干 燥設(shè)定溫度放入枯燥最終檢查輸入輸出輸入輸出外表油污外表粗糙拋光砂輪拋光轉(zhuǎn)速清潔劑種類干凈的外表平整的外表氣壓底漆類型調(diào)節(jié)時間噴漆溫度相對濕度完整的覆蓋范圍底漆厚度外表顏色氣壓噴

4、漆種類調(diào)節(jié)時間噴漆溫度相對濕度完整的覆蓋范圍噴漆厚度外表顏色枯燥溫度枯燥時間外表枯燥度外表顏色流程輸入流程步驟范例：汽車保險杠外表噴涂流程10,000公尺觀點流程輸入流程步驟91.1.5、在流程中尋找潛在的Xs-練習(xí)議一議近期HG-168A182 P9W-G0394開機黑點問題比較嚴(yán)重，近五個訂單NG了1.5噸，嚴(yán)重影響了合格品產(chǎn)出率和交付效率，工藝員、制造工程師、品控主辦對此問題進(jìn)行討論：開機黑點問題一般是清機不干凈引起的，我們首先應(yīng)該調(diào)查一下清機是不是符合要求？工藝員：也有可能是物料在螺筒里面碳化導(dǎo)致的，我們要先排查一下工藝是否合理？制造工程師導(dǎo)致黑點問題的原因很多，我們不妨從流程的角度逐

5、一排查品控主辦10備料、領(lǐng)料分料、預(yù)混投料、下料擠出切粒輸入輸出Xi Yi開機黑點超標(biāo)議一議1.1.5、在流程中尋找潛在的Xs-練習(xí)111.2 潛在因子整理-因果圖121.2、潛在因子整理-因果圖 因果圖，又稱為石川圖、特性要因圖或魚骨圖等。 它是提示過程輸出缺陷或問題與其潛在原因關(guān)系的圖表 ，也是表達(dá)和分析其因果關(guān)系的重要工具和文檔。輸出只有一個Y時，用因果圖131.2.1、潛在因子整理-因果圖的重點事項畫因果圖時必須開“頭腦風(fēng)暴，充分發(fā)揚民主，各抒己見，集思廣益，把每個人的意見都一一記錄在圖上；一個主要問題只能畫一張因果圖，多個主要質(zhì)量問題則應(yīng)畫多張因果圖，因果圖只能用于單一目標(biāo)的分析；因

6、果關(guān)系的層次要清楚，最高層次的原因應(yīng)尋求到可以直接采取對策為止；要一一進(jìn)行確認(rèn)，對分析出來的所有末端原因，都應(yīng)到現(xiàn)場進(jìn)行觀察、測量、試驗等加以確認(rèn)。畫因果圖的重點事項：141.2.2、潛在因子整理-因果圖按要素分解的案例混包問題人機法環(huán)測噪音過大包裝相似程度高操作技能缺乏攝像清晰度不夠噴碼方法不合理感應(yīng)器位置信號單向傳遞缺少電子稱物料跨機臺搬動識別碼掃描錯誤信號傳遞錯誤噴碼不清晰包裝難以識別作業(yè)環(huán)節(jié)惡劣案例：自動碼垛生產(chǎn)線混包原因分析15繪制因果圖時，除了按照5M的方法來尋找可能的原因外，要注意和流程圖結(jié)合，流程圖應(yīng)作為因果圖的一個根本依據(jù)，離開流程圖的因果圖，無法到達(dá)DMIAC的目的，因為輸

7、入和輸出的結(jié)果都表現(xiàn)在流程圖上。我們來看一個“復(fù)診病例遲到的因果圖實例。病例信息確認(rèn)貼標(biāo)簽備份分類傳遞到達(dá)1.2.3、潛在因子整理-因果圖按流程分解161.2.4、潛在因子整理-因果圖按流程分解的案例復(fù)診病例遲到貼標(biāo)簽沒有貼標(biāo)簽沒按照常規(guī)做法貼錯地方備份沒備份原件難識別分類順序出錯部門出錯信息錯誤確認(rèn)信息查詢無結(jié)果病人改變主意傳遞在收發(fā)室喪失錯誤地址到達(dá)收到副本喪失171.2.5、潛在因子整理-因果圖練習(xí)議一議近期HG-168A182 P9W-G0394開機黑點問題比較嚴(yán)重，請把上次按照流程分析出來的Xs按照魚骨圖的方法進(jìn)行整理。方案一：以5M1E的方法進(jìn)行整理方案二：以流程節(jié)點的方法進(jìn)行整理

8、181.3 潛在因子整理-因果矩陣191.3、潛在因子整理-因果矩陣 當(dāng)預(yù)期解決的問題比較復(fù)雜，有多種缺陷形式且它們的影響因素相互關(guān)聯(lián)，無法將它們分開來考察和解決時，采用因果矩陣將是一種有效的分析工具。重要度581053輸入重要度排序絕緣強度低耐壓擊穿功率大轉(zhuǎn)速低起動性能差絕緣漆濃度低69風(fēng)葉不配套39軸承不合格36精加工精度低58輸入輸出說明： 為9分， 為3分， 為1分，空格為0分。輸出有多個Y時，用因果矩陣201.3.1、潛在因子整理-因果矩陣的作用流程圖因果矩陣圖因果矩陣能做什么？流程圖將確定：漏斗的寬度輸入的變量大約30-60個因果矩陣開始篩選：將變量Xs減少至4-15個致力于對輸出

9、有強烈影響的變量21順序12345輸出變量輸入變量絕緣強度低耐壓擊穿功率過大轉(zhuǎn)速低啟動性能差優(yōu)先順序第一步.：列舉輸出變量1.3.2、潛在因子整理-因果矩陣的制作方法列舉輸出Ys22第二步.：輸出變量的重要度評分1.3.2、潛在因子整理-因果矩陣的制作方法順序12345輸出變量輸入變量絕緣強度低耐壓擊穿功率過大轉(zhuǎn)速低啟動性能差優(yōu)先順序重要度評分581053重要度注：本步驟建議包括市場、研發(fā)、制造、品質(zhì)等人員共同參與231.3.2、潛在因子整理-因果矩陣的制作方法第三步.：列舉輸入變量順序12345輸出變量輸入變量絕緣強度低耐壓擊穿功率過大轉(zhuǎn)速低啟動性能差優(yōu)先順序重要度評分581053絕緣漆濃度

10、低風(fēng)葉不配套軸承不合格精加工精度低 記入Xs 241.3.2、潛在因子整理-因果矩陣的制作方法第四步.：確定X和Y的關(guān)聯(lián)度251.3.2、潛在因子整理-因果矩陣的制作方法第四步.：確定X和Y的關(guān)聯(lián)度順序12345輸出變量輸入變量絕緣強度低耐壓擊穿功率過大轉(zhuǎn)速低啟動性能差優(yōu)先順序重要度評分581053絕緣漆濃度低93風(fēng)葉不配套33軸承不合格1131精加工精度低931 關(guān)聯(lián)度評分261.3.2、潛在因子整理-因果矩陣的制作方法第五步.：計算重要度和關(guān)聯(lián)度的得分順序12345輸出變量輸入變量絕緣強度低耐壓擊穿功率過大轉(zhuǎn)速低啟動性能差優(yōu)先順序重要度評分581053絕緣漆濃度低9369風(fēng)葉不配套3339

11、軸承不合格113136精加工精度低93158重要度和關(guān)聯(lián)度乘方的合27第六步.：排序1.3.2、潛在因子整理-因果矩陣的制作方法順序12345輸出變量輸入變量絕緣強度低耐壓擊穿功率過大轉(zhuǎn)速低啟動性能差優(yōu)先順序重要度評分581053絕緣漆濃度低9369精加工精度低93158風(fēng)葉不配套3339軸承不合格113136根據(jù)總得分排序281.3.3、潛在因子整理-因果矩陣的案例工程：降低運礦大車的輪胎消耗291.3.4、潛在因子整理-練習(xí)議一議2015年1-10月云母增強PP產(chǎn)品一次合格率為95.36%；低于分廠96.7%平均值。 2015年1-10月，云母PP共返工250.63T，返工前三位的分別是配

12、色產(chǎn)品顏色波動（59.27T）、鐵屑超標(biāo)（57.27T）、灰份不合格（56.59T），因此要想降低返工，提升一次交驗合格率，首先要從這三方面著手。301.3.4、潛在因子整理-練習(xí)議一議小組成員經(jīng)過頭腦風(fēng)暴，從流程中找出了10個可能的因素，請用因果矩陣對這10個因素進(jìn)行分析（針對三個重要的Ys）序號因素序號因素1預(yù)混效果不佳6螺桿導(dǎo)程不足2下料斗設(shè)計不合理導(dǎo)致積料7云母粉目數(shù)太大3螺筒螺桿磨損8配方中10#油比例過低4過磁設(shè)備效果不佳9轉(zhuǎn)速喂料不合理5配色產(chǎn)品每機數(shù)過大10不按工藝要求混料31DefineMeasureAnalyzeImproveControl識別問題產(chǎn)生的原因 尋找潛在的Xs

13、（因果圖、因果矩陣） 潛在原因的排序（FMEA） 問題的快贏改善分析偏差的來源根本原因確實定322 潛在原因的排序-FMEA332、潛在原因的排序-FMEAFMEA 潛在失效模式及后果分析 是一種系統(tǒng)化的可靠性定性分析方法。 通過對系統(tǒng)各組成局部進(jìn)行事前分析，發(fā)現(xiàn)、評價產(chǎn)品/過程中潛在的失效模式，查明其對系統(tǒng)的影響程度，以便采取措施進(jìn)行預(yù)防的定性分析方法。目前被普遍簡稱為FMEA。341、FMEA的前身為FMECA，是在1950由格魯曼飛機提出，用在飛機主控系統(tǒng)的失效分析2、波音與馬丁公司在1957年正式編訂FMEA的作業(yè)程序，列在其工程手冊中3、60年代初期，美太空總署將FMECA成功的應(yīng)用

14、于太空方案。美軍同時也開始應(yīng)用FMECA技術(shù)，并于1974年出版MIL-STD-1629 FMECA作業(yè)程序。 4、1985由國際電工委員會（IEC）出版的FMECA國際標(biāo)準(zhǔn)（IEC812),即參考MIL-STD-1629A加以局部修改而成。FMEA的演變：2、潛在原因的排序-FMEA35 “早知道 就不會早知道 作好防震設(shè)計 就不會 造成大樓倒塌早知道 改進(jìn)電力輸配設(shè)計 就不會 造成美國等國的大停電早知道 不濫砍濫伐 就不會 造成泥石流早知道 作好橋梁設(shè)計 就不會 造成重慶彩虹大橋倒塌有些 早知道 是必需的！有些 就不會 是不允許發(fā)生的核電廠、水庫、衛(wèi)星、飛機、十大召回事件 有效運用 FME

15、A 可減少事后追悔2、潛在原因的排序-FMEA36 “我先 所以沒有我先 看了氣象預(yù)報 所以沒有 淋成落湯雞我先 評估金融大樓高度 所以沒有 影響飛機平安我先 設(shè)計電腦放火墻 所以沒有 被駭客入侵我先 作好橋梁設(shè)計 所以沒有 造成重慶彩虹大橋倒塌有些 我先 是必需的！有些 所以沒有 是可預(yù)期防止的核電廠、水庫、衛(wèi)星、飛機、十大召回事件 有效運用 FMEA 可減少事后追悔2、潛在原因的排序-FMEA37及時性是成功實施FMEA的最重要因素之一。它是“事前的預(yù)防而不是“事后的追悔。事先花時間進(jìn)行FMEA分析，能夠容易且低本錢地對產(chǎn)品設(shè)計或制程進(jìn)行修改，從而減輕事后修改的危機。FMEA能夠減少或消除

16、因修改而帶來更大損失的時機，它是一個相互作用的過程，永無止境的改善活動。FMEA的作用：2、潛在原因的排序-FMEA38FMEA的類型SFMEA 對產(chǎn)品開發(fā)、過程籌劃綜合評估，通過系 統(tǒng)、子系統(tǒng)、分系統(tǒng)不同層次展開，自上而下逐級分析，注重整體性、邏輯性。DFMEA 對設(shè)計輸出評估，識別和消除產(chǎn)品及每一零部件的設(shè)計缺陷。PFMEA 對工藝流程的評估，識別和消除制造/效勞過程中每一環(huán)節(jié)的潛在隱患。2、潛在原因的排序-FMEA39如何做FMEA？ 1.描述對象/過程 2.確定潛在的失效模式 3.描述失效的影響 4.評估嚴(yán)重度(SEV) 5.確定原因 6.評估頻度(OCC)7.描述目前的控制方法8.評

17、估探測度(DET)9.計算RPN值10.建議及采取措施11.評定措施被采取后的結(jié)果2.1、潛在原因的排序-FMEA的制作步驟402.2、潛在原因的排序-FMEA的金發(fā)案例412.3、潛在原因的排序-FMEA的嚴(yán)重度S評分表后果評定準(zhǔn)則嚴(yán)重度無警告的嚴(yán)重危害非常嚴(yán)重的失效形式，在沒有任何失效預(yù)兆的情況下影響產(chǎn)品使用安全或違反有關(guān)法律法規(guī)10有警告的嚴(yán)重危害非常嚴(yán)重的失效形式，在有失效預(yù)兆的前提下發(fā)生，并影響產(chǎn)品使用安全或違反有關(guān)法律法規(guī)9很高產(chǎn)品不能運行，喪失基本功能，顧客很不滿意8高產(chǎn)品能運行，但功能下降，顧客不滿意7中等產(chǎn)品能運行，但部分部件不能工作顧客感覺不便6低產(chǎn)品能運行，但部分項目性能

18、下降，顧客感覺有些不便5很低配合、外觀、噪音等項目不符合要求，大多數(shù)顧客發(fā)現(xiàn)有缺陷4輕微配合、外觀、噪音等項目不符合要求，有一半顧客發(fā)現(xiàn)缺陷3很輕微配合、外觀、噪音等項目不符合要求，但少有顧客發(fā)現(xiàn)缺陷2無無影響1422.5、潛在原因的排序-FMEA的頻度O評分表失效發(fā)生可能性可能的失效率頻度數(shù)很高：失效幾乎不可避免1/2101/39高：反復(fù)發(fā)生的失效1/881/207中等：反復(fù)發(fā)生的失效1/8061/40051/20004低：相對很少發(fā)生的失效1/1500031/1500002極低：不太可能發(fā)生16、潛在原因的排序-FMEA的頻度D評分表探測性現(xiàn)行過程控制方法找出存在

19、缺陷的可能性不易探測度數(shù)幾乎不可能沒有已知的控制方法能找出失效模式10很微小現(xiàn)行控制方法找出失效模式的可能性很微小9微小現(xiàn)行控制方法找出失效模式的可能性微小8很小現(xiàn)行控制方法找出失效模式的可能性很小7小現(xiàn)行控制方法找出失效模式的可能性小6中等現(xiàn)行控制方法找出失效模式的可能性中等5中上現(xiàn)行控制方法找出失效模式的可能性中等偏上4高現(xiàn)行控制方法找出失效模式的可能性高3很高現(xiàn)行控制方法找出失效模式的可能性很高2幾乎肯定現(xiàn)行控制方法幾乎肯定能找出失效模式144風(fēng)險順序數(shù)（RPN）描述對象風(fēng)險的大小RPN=（S）（O）（D）按RPN值的大小確定優(yōu)先改進(jìn)順序S值高，不管RPN值大小如何都必須關(guān)注2.7、潛在

20、原因的排序-FMEA的RPN值計算452.8、潛在原因的排序-FMEA在工程中的應(yīng)用流程圖因果矩陣圖FMEA在工程中能做什么？流程圖將確定：漏斗的寬度輸入的變量大約30-60個因果矩陣初步篩選：將變量Xs減少至4-15個致力于對輸出有強烈影響的變量FMEAFMEA再次篩選：將變量Xs減少至4-8致力于高風(fēng)險、影響度高的因子46工程：降低運礦大車的輪胎消耗2.8、潛在原因的排序-FMEA在工程中的應(yīng)用472.9、潛在原因的排序-FMEA的應(yīng)用練習(xí)議一議這個工程應(yīng)用了FMEA來做因子篩選，我們一起來研討一下，用的方法是否恰當(dāng)？48DefineMeasureAnalyzeImproveControl

21、識別問題產(chǎn)生的原因 尋找潛在的Xs（因果圖、因果矩陣） 潛在原因的排序（FMEA） 問題的快贏改善分析偏差的來源根本原因確實定493 問題的快贏改善503、問題的快贏改善快贏時機1、RPN不能用來作為評價風(fēng)險優(yōu)先級的唯一原則，而應(yīng)作為一般原則。不管RPN如何，首先應(yīng)特別注意嚴(yán)重度高的，然后是危險性大的（嚴(yán)重度頻度）。一般采取修正措施后，重新計算RPN值；2、對于容易進(jìn)行改善的因子，例如工具損壞導(dǎo)致的問題，可以進(jìn)行快速改善，改善后再重新計算RPN值；51工程：降低運礦大車的輪胎消耗3、問題的快贏改善-案例52DefineMeasureAnalyzeImproveControl識別問題產(chǎn)生的原因

22、定量分析方法-常用圖表分析法 定量分析方法-多變異分析 定量分析方法-假設(shè)檢驗法 精益分析方法-時間分析 精益分析方法-動作分析分析偏差的來源根本原因確實定534 常用圖表分析法54 從前面的案例分析我們已經(jīng)得知，客戶投訴我們的熔指MI不穩(wěn)定，導(dǎo)致客戶注塑成品率低；經(jīng)過團隊成員初步篩選得出以下因子為重要因子： 樹脂原料 擠出溫度 螺桿 油種類 計量稱 液體稱 擠出機臺 混料機 接下來，我們來研究擠出溫度到底是怎樣影響熔指MI的？4.1、數(shù)據(jù)收集方案55 根據(jù)我們的經(jīng)驗，熔指跟擠出溫度存在著某種關(guān)系。那么JH960 6300 NC001 的熔指與擠出溫度是否關(guān)聯(lián)，我們需要收集一定的數(shù)據(jù)來進(jìn)行驗證

23、。首先要明確數(shù)據(jù)Y是熔指還是擠出溫度 ? 它的數(shù)據(jù)類型是什么?數(shù)據(jù)X是熔指還是擠出溫度 ? 它的數(shù)據(jù)類型是什么?你希望使用什么工具來評價熔指與擠出溫度?使用該工具需要怎樣的數(shù)據(jù)?這些數(shù)據(jù)在什么樣的流程中可以得到? 誰能提供? 數(shù)據(jù)是否真實可靠?設(shè)計數(shù)據(jù)的收集樣式和指南后進(jìn)行培訓(xùn)檢討數(shù)據(jù)收集過程, 確認(rèn)其結(jié)果4.1、數(shù)據(jù)收集方案56Y=f(x)，其中Y代表熔指MI，它為連續(xù)型數(shù)據(jù)。X代表擠出溫度，它為連續(xù)型的數(shù)據(jù)。我們希望得到Y(jié)與X的關(guān)系式，定量地進(jìn)行分析，以便得到適宜的溫控范圍因為擠出溫度存在好幾段，也就是說X有好幾個水平。我們優(yōu)先選擇方差分析。這些數(shù)據(jù)可以從擠出段得到；車間主辦可以幫我們收集

24、；數(shù)據(jù)是由擠出段員工記錄的，我們要求擠出班長稽核數(shù)據(jù)，以確保數(shù)據(jù)的真實。制作數(shù)據(jù)收集表格，但是不要給別人增加太多的工作量。并要求現(xiàn)場記錄人員真實填寫。檢討數(shù)據(jù)收集過程, 確認(rèn)其結(jié)果4.1、數(shù)據(jù)收集方案57日期班次時間機臺測量溫區(qū)熔指MI批次備注1#2#3#2009-1-12A01：0003：00PP-16#2202202282280012009-1-12A03：0005：002212252402880012009-1-12A05：0007：00220225228178001MI值是檢驗員C測量（新人）2009-1-12A07：0009：002202312282480012009-1-12B09

25、：0011：002142252242180022009-1-12B11：0013：002202142282380022009-1-12B13：0015：002172252301980022009-1-122009-1-14B01：0003：00PP-22#2009-1-14B03：0005：002009-1-14B05：0007：002009-1-14B07：0009：002009-1-14C09：0011：004.1、數(shù)據(jù)收集方案584.1、數(shù)據(jù)收集方案數(shù)據(jù)的圖表分析法選定要分析的因子搜集及整理數(shù)據(jù)進(jìn)行圖表分析解釋重點：可靠的數(shù)據(jù)收集及正確的圖標(biāo)解釋一定要相結(jié)合594.2、常用的分析圖表圖表

26、分析的主要工具掌握分析分布的比較和構(gòu)成因子間的關(guān)系時間變化 時間序列圖 散點圖 概率圖 直方圖 點圖 箱圖 柏拉圖 餅圖604.2、常用的分析圖表-概率圖例：阻燃材料.MTW （minitab自帶）掌握分布 概率圖圖形 概率圖P值為0.0112，判定數(shù)據(jù)是正態(tài)分布判定基準(zhǔn)為P0.05，P值0.05為正態(tài)；P 點圖例：沖擊性能.mtw掌握分布 點圖634.2、常用的分析圖表-箱線圖分布的比較和構(gòu)成 箱線圖圖形 箱線圖例：沖擊性能.mtw644.2、常用的分析圖表-練習(xí)題議一議請比較一下，用直方圖、點圖、箱線圖分析同一組數(shù)據(jù)時候的異同點654.2、常用的分析圖表-柏拉圖統(tǒng)計 質(zhì)量工具 Pareto

27、圖分布的比較和構(gòu)成 Pareto圖例：柏拉圖.mtw所有不良工程中黑點、麻點兩項占有率接近80%664.2、常用的分析圖表-餅圖分布的比較和構(gòu)成 餅圖例：餅圖.mtw圖形 餅圖選擇 “用整理好的表格畫圖在“類別變量中輸入“缺陷在“匯總變量中輸入“數(shù)量674.2、常用的分析圖表-散點圖例：散點圖.mtw因子間的關(guān)系 散點圖從圖表可以看出，隨著溫度的上升，粘度也增大684.2、常用的分析圖表-時間序列圖例：銷售.mtw時間變化圖表 時間序列圖圖形 時間序列圖694.2、常用的分析圖表-時間序列圖時間變化圖表 時間序列圖幾種典型時間序列圖：偶然波動季節(jié)波動傾向波動其他波動平均在一定水準(zhǔn)時，只顯示偶然

28、波動的變化隨時間變化的數(shù)據(jù)，反復(fù)于一定的周期顯示出時間系列隨時間變化的形態(tài)傾向是線性還是二次？政策的變化等給出時間系列的影響，反映出的波動。704.2、常用的分析圖表-議一議去年5月、6月就能夠達(dá)成目標(biāo)，改進(jìn)的效果在哪里？“土八路的改進(jìn)目標(biāo)設(shè)定方法：2016年合格品產(chǎn)出率的目標(biāo)定為全年平均值91.56%。71DefineMeasureAnalyzeImproveControl識別問題產(chǎn)生的原因 定量分析方法-常用圖表分析法 定量分析方法-多變異分析 定量分析方法-假設(shè)檢驗法 精益分析方法-時間分析 精益分析方法-動作分析分析偏差的來源根本原因確實定725. 主效應(yīng)分析和多變異分析735.1、變

29、異源分析的概念變異源分析是指通過對過程收集到的數(shù)據(jù)進(jìn)行分析得到關(guān)于變異來源的結(jié)論，但是如何收集數(shù)據(jù)呢？比方我們關(guān)心車間生產(chǎn)的熔指波動問題，從庫存物料中隨機抽取了20個樣品，發(fā)現(xiàn)它的波動確實很大，但是這樣收集到的數(shù)據(jù)又能說明什么問題呢？它只能說明波動實在太大，而我們所希望獲得的是更進(jìn)一步的信息，即到底是什么原因造成這么大的波動。745.1、變異源分析的概念用按不同因子的水平進(jìn)行有方案的分層，然后再抽取樣本，對這些分層的因子的奉獻(xiàn)度進(jìn)行量化，從而找到主要的變異源。機臺因素配方變更原材料波動工藝因素班組因素755.2、主效應(yīng)圖我們共有3臺機器在生產(chǎn)JH960 6300 NC001，它們使用的螺桿、擠

30、出工藝等均為一樣。但是13#機的熔指明顯偏低，且穩(wěn)定性存在明顯的差異參考數(shù)據(jù)：熔指分析數(shù)據(jù).MTW13#機明顯比其他機器差！765.2、主效應(yīng)圖小組發(fā)現(xiàn)，這個牌號在13號機生產(chǎn)時，使用了不同的混料時間和不同的原材料，為了找到變異的主要來源，小組對各因子安排實驗：混料時間：100s、120s、150s原材料：1#、2#、3#因子水平混料時間（s）原材料實驗數(shù)據(jù)1001#1002#1003#1201#1202#1203#。參考數(shù)據(jù)：熔指分析數(shù)據(jù).MTW77因子間的關(guān)系 主效應(yīng)圖 主要用于評價不同X因子和Y之間的相互關(guān)系 比較不同X因子間對Y的影響程度路徑：統(tǒng)計 方差分析 主效應(yīng)圖5.2、主效應(yīng)圖7

31、85.2、主效應(yīng)圖795.2、主效應(yīng)圖主效應(yīng)圖可以展示出響應(yīng)變量（Y）隨著各因子水平變化而變化的情況，從而找到主要的變異源805.3、多變異圖因子間的關(guān)系 多變異圖 多變異圖是為了發(fā)現(xiàn)變動產(chǎn)生的異常原因，分析變動是組內(nèi)變動（within）、組間變動（between），還是隨時間產(chǎn)生的變動路徑：統(tǒng)計 質(zhì)量工具 多變異圖81Time 1Time 2Time 3P1P2P3P4P5P6P7P8P9MeasurementUpperSpecLowerSpec潛在 Xs尋找Xs對Y的影響規(guī)律5.3、多變異圖825.3、多變異圖參考數(shù)據(jù)：熔指分析數(shù)據(jù).MTW小組成員找到了原料和混料時間單獨變化對相應(yīng)變量的影

32、響，但是這兩個因子搭配起來又會發(fā)生什么樣的影響呢？為了找到這一規(guī)律，小組用多變異圖做進(jìn)一步的分析：835.3、多變異圖從右圖中可以看出2#原料對應(yīng)的Y(熔指)最大1#原料對應(yīng)的Y (熔指)隨混料時間增加而減少3#原料對應(yīng)的Y (熔指)隨混料時間增加而增加84因子間的關(guān)系到目前為止通過圖表分析，因子間的關(guān)系是怎樣的？我們通過分析： 通過散點圖發(fā)現(xiàn)A和B參數(shù)間存在密切的相關(guān)關(guān)系 通過主影響可以同時看出不同X因子對Y的影響 通過多變量圖可以同時看出不同X因子對Y因子的影響和不同X之間交互對Y的影響5.3、多變異圖85議一議議一議請在以下幾個場景中，設(shè)計應(yīng)用多變異圖的案例：A2L-14# HF-606

33、 S3B-G0219(B) 機頭碳化A2L-21# API-2010 BAP2B-G0779 設(shè)備異常A2L-09# API-0032 FAP2B-G0441(201B) 斷條A7-14# PBT-RG301 NC056(MP)-2 真空返料A1-19# PPTC15G86 UVP3G-G0046混料錯誤A8-20# JH960-6100 C6A-G0206開機顏色偏深10個點；86DefineMeasureAnalyzeImproveControl識別問題產(chǎn)生的原因 定量分析方法-常用圖表分析法 定量分析方法-多變異分析 定量分析方法-假設(shè)檢驗法 精益分析方法-時間分析 精益分析方法-動作分

34、析分析偏差的來源根本原因確實定876.1 假設(shè)檢驗的根本概念88如果你丟6次硬幣，連續(xù)出現(xiàn)正面6次，且你的朋友每次都猜中通常，在你朋友連續(xù)猜中第四或者第五次時，你會開始尋找除了隨機機率以外的解釋。如果就隨機概率來說，丟6次硬幣要全部猜中的機率大概在200次中只會發(fā)生3次。隨著你朋友猜中的次數(shù)不斷累加，這里面已經(jīng)無法用概率來解釋，必然有其他的因素。猜硬幣正反面的游戲小故事189P 值：結(jié)果（Y）只是因隨機發(fā)生的機率6.1.1、 P值的概念6次正面0次反面的P值=0.0156此為不尋常的結(jié)果，這種結(jié)果會使我們相信有除了隨機機率以外的原因存在 正常的概率范圍，在此種情況下，沒有證據(jù)顯示非隨機概率以外

35、的原因存在906.1.2、 什么是假設(shè)檢驗？假設(shè)檢驗舉例假設(shè)有人聲稱報考音樂學(xué)院的女生比男生多；如果從1000個學(xué)生的抽樣中得到以下結(jié)果，你會對以上聲明的正確性得出什么樣的結(jié)論？ a）505個女生？ b）980個女生？505個女生 通常都是在1000個學(xué)生中有500個女生，505個女生和500非常接近，沒有證據(jù)顯著支持報考音樂學(xué)院女生比男生多的聲明；980個女生 當(dāng)出現(xiàn)這種不同尋常的情況時，說明并非隨機因素引起，報考音樂學(xué)院的女生確實比男生更多的聲明是正確的。916.1.2、 什么是假設(shè)檢驗？主要核心術(shù)語 零假設(shè)（原假設(shè)）（Null Hypothesis H0） 一般“沒什么差異或者“根本沒效

36、果，“一樣的主張； 這到有充分的證據(jù)說明是錯誤為止，認(rèn)為真是的假設(shè)。 備擇假設(shè)（Alternative Hypothesis H1或者Ha） 是研究假設(shè) ，“變化或有差異或者“有效果，“不同的主張； 一般我們根據(jù)要認(rèn)證的假設(shè)。 這在零假設(shè)推翻時，我們可以使用的一種可能性的意識。 P- value（P值） 對零假設(shè)確實信性的程度測定的值。 H0是真實時，發(fā)生的可能性（或者概率） 顯著水平():代表推翻零假設(shè)的最大水準(zhǔn)（概率）的一個基準(zhǔn)更難得用語是零假設(shè)的真實度采用備澤假設(shè)的失誤的的概率最大限度P值 時，推翻零假設(shè)；P值 時，接受零假設(shè)926.1.2、 什么是假設(shè)檢驗？ 讓我們看一個制造案例。假設(shè)

37、我們改造了兩臺擠出機中的一臺擠出機。在我們改造所有擠出機之前我們想知道這些改善是否“顯著地提高了工程良品率。 我們從生產(chǎn)中隨機抽了10個批次，讓我們看一下結(jié)果的數(shù)據(jù)。在這個案例中，擠出機B是新改造的擠出機。擠出機A擠出機B8984818684838491878679798582818983838488擠出機.mtw假設(shè)檢驗舉例936.1.2、 什么是假設(shè)檢驗？問題：和代表現(xiàn)有工藝的擠出機A相比，對擠出機B的改造能提高我們現(xiàn)有的良品率嗎？ 平均值 變量 N N* 平均值 標(biāo)準(zhǔn)誤 標(biāo)準(zhǔn)差 最小值 下四分位數(shù) 中位數(shù) 上四分位數(shù)擠出機A 10 0 83.700 0.932 2.946 79.000

38、81.000 84.000 85.500擠出機B 10 0 85.10 1.14 3.60 79.00 82.75 85.00 88.25差異=1.4%統(tǒng)計問題是：擠出機B的平均值（85.1）和擠出機A的平均值（83.7）的差異是每日的散布隨機波動還是因為確實改造成功了？946.1.2、 什么是假設(shè)檢驗？H0:擠出機B的平均值和擠出機A的平均值一樣（Ub=Ua）H1:擠出機B的平均值和擠出機A的平均值不一樣（UbUa）P值：當(dāng)H0為真的概率把現(xiàn)實問題轉(zhuǎn)化為統(tǒng)計的問題來解決956.1.2、 什么是假設(shè)檢驗？議一議場景H0H1以前，某系列產(chǎn)品的交貨時間平均為10天，改善措施實施后，收集新的數(shù)據(jù)，平

39、均天數(shù)為8天，發(fā)貨主管稱過程已經(jīng)得到了改善。中國人平均每天閱讀報紙時間為8.6分鐘。某研究人員認(rèn)為管理崗位人員平均每天閱讀報紙時間比公眾的平均值要高。某系列產(chǎn)品采取新型阻燃劑，原來阻燃合格率為83%，技術(shù)員認(rèn)為新型阻燃劑的合格率要比原來的高為改善模頭碳化問題，制造工程師對模頭進(jìn)行了改造，經(jīng)過連續(xù)跟蹤20個批次，發(fā)現(xiàn)合格率相比以前有所上升96 零假設(shè)（H0）被假定是對的 這就像被告被假定“無罪一樣。 記?。好绹乃痉ㄏ到y(tǒng)不是“被證明清白之前有罪 我們不是在我們的實驗“無影響的概率小到不能相信之前假設(shè)實驗有影響。 你就是被告的辯護律師，你必須提供證據(jù)來消除“合理的疑心關(guān)于零假設(shè)記住： “沒有罪 “

40、無罪去坐牢！6.1.3、 a風(fēng)險和風(fēng)險97在決定推翻與否時，我們可能會犯兩類判斷錯誤中的一個：你的判斷接受H0推翻H0H0 錯H0 對真理正確類錯誤（-風(fēng)險）類錯誤（-風(fēng)險）正確6.1.3、 a風(fēng)險和風(fēng)險986.1.3、 a風(fēng)險和風(fēng)險陪審團的判決他無罪他有罪實際有罪實際無罪事實正確類錯誤（-風(fēng)險）類錯誤（-風(fēng)險）正確后果：罪犯獲得自由后果：清白的人進(jìn)監(jiān)獄996.1.3、 a風(fēng)險和風(fēng)險P值到處都存在！雙樣本 T 檢驗和置信區(qū)間: 擠出機A, 擠出機B 擠出機A 與 擠出機B 的雙樣本 T 平均值 N 平均值 標(biāo)準(zhǔn)差 標(biāo)準(zhǔn)誤擠出機A 10 83.70 2.95 0.93擠出機B 10 85.10

41、3.60 1.1差值 = mu (擠出機A) - mu (擠出機B)差值估計: -1.40差值的 95% 置信區(qū)間: (-4.49, 1.69)差值 = 0 (與 ) 的 T 檢驗: T 值 = -0.95 P 值 = 0.354 自由度 = 18兩者都使用合并標(biāo)準(zhǔn)差 = 3.29141006.1.3、 a風(fēng)險和風(fēng)險P值要多小根據(jù)狀況有所不同 我們希望這些觀察結(jié)果隨機發(fā)生時機小于10% (=0.10) 5%會更好一些(=0.05) 1%感覺非常好(=0.01) 的水平取決于我們的假設(shè)“沒有差異和所參考的散布類型但顯著水準(zhǔn)根據(jù)我們的關(guān)心與結(jié)果的信賴性有所不同。（飛機零件1%與一次性筷子1%能一樣

42、嗎。） 通常我們使用0.051016.1.3、 a風(fēng)險和風(fēng)險P值要多小根據(jù)狀況有所不同為了改善熔指波動大這個問題，簡工改進(jìn)了PP-13#機的螺桿，針對這個改進(jìn)我們進(jìn)行了統(tǒng)計驗證，結(jié)果得出的P值=0.067，你應(yīng)該怎樣判定？假設(shè)上述改進(jìn)進(jìn)行后，SONY客戶要求我們用此機器生產(chǎn)20T（用來注塑液晶彩電前面板），TCL客戶要求我們用此機器生產(chǎn)20T（用來注塑電腦顯示器CRT后殼），我們能用一樣的P值去進(jìn)行判定嗎？螺桿改進(jìn)后，我們想檢驗指標(biāo)是否有改進(jìn)，針對熔指我們?nèi)〉玫腜值=0.067，密度的P值也為0.067，你將怎樣判定這兩個指標(biāo)呢？通常我們使用0.05，但是要根據(jù)實際情況進(jìn)行適當(dāng)?shù)恼{(diào)整。1026

43、.1.3、 a風(fēng)險和風(fēng)險風(fēng)險（Beta risk）-犯類錯誤的風(fēng)險或概率，或無視一個解決問題的有效方式。顯著差異（Significant difference）-用于描述統(tǒng)計性假設(shè)檢驗的結(jié)果術(shù)語，在此差異大的不能合理的隨機發(fā)生。那里很有可能發(fā)生什么特殊事。檢定成效（Power）-統(tǒng)計檢驗的能力，探測出某事很重要時，實際某事確實很重要。常被用來決定在處置中樣本的大小是否足以探測到存在的差異。零假設(shè)不真實時，推翻錯誤零假設(shè)的概率，即對零假設(shè)能夠檢出的概率。檢驗統(tǒng)計量（檢驗 statistic）-一個標(biāo)準(zhǔn)化的數(shù)值（Z，t，F(xiàn)，等），代表錯誤確認(rèn)的可能性，分布于一個的方式，以便可以決定這個觀察到的數(shù)值

44、的概率。通常錯誤確認(rèn)越可行，檢驗統(tǒng)計量的絕對值就越小，而且在其分布內(nèi)觀察到的這個數(shù)值的概率就越大。風(fēng)險通常取值0.2103在樣本一定的情下，你不能同時減少兩類錯誤!和 的關(guān)系就像翹翹板，小 就大， 大 就小6.1.3、 a風(fēng)險和風(fēng)險1046.2 假設(shè)檢驗的應(yīng)用-均值檢驗105連續(xù)型數(shù)據(jù)Y和離散型數(shù)據(jù)X6.2、 T檢驗的幾種類型1水平X的比較2水平X的比較3水平X的比較1 水平的范例2 水平的范例3 水平的范例某牌號在4#機生產(chǎn)時黑點不良率和客戶要求比較某牌號分別在4#機和8#機生產(chǎn)時黑點不良率的比較某牌號分別4#、5#、8#機生產(chǎn)時黑點不良率的比較1066.2.1、 單樣本t實際問題：A8-6

45、# 機JH-960-7640 C2B-G0533經(jīng)常出現(xiàn)熔指偏低現(xiàn)象（標(biāo)準(zhǔn)24-30），為了監(jiān)控過程熔指波動情況，對每個批次的熔指進(jìn)行了抽查，每個批次抽1個樣，其觀測數(shù)據(jù)如下：批次1批次2批次3批次4批次5批次6批次7批次8批次9批次1024.322.624.925.626.123.524.823.725.422.1H0: ；H1: ； 1076.2.1、 單樣本t-樣本量的選擇樣本容量介紹 人們常問的第一個問題是“我需要多少個樣本？ 該問題的答案由以下4個因素確定：數(shù)據(jù)類型離散數(shù)據(jù)和連續(xù)數(shù)據(jù)你想做什么描述整組的某個特征（平均值或比例）在特定的精度內(nèi)（ 單位）比較組的特征（找出組平均值或比例之

46、間的差異）你估計的標(biāo)準(zhǔn)差（或比例）為多大你希望的置信度為多少（通常為95%）1086.2.1、 單樣本t-樣本量的選擇1091.輸入差值，d2.輸入檢驗成效3.輸入標(biāo)準(zhǔn)差4.選擇備擇假設(shè)5.輸入Alpha，a6.2.1、 單樣本t-樣本量的選擇假定本案例認(rèn)為熔指偏低的分界線是2個點，該牌號的歷史標(biāo)準(zhǔn)差為1個點1106.2.1、 單樣本t-樣本量的選擇111分析路線圖：單一樣本1水平X的比較穩(wěn)定性研究SPC ChartI-MRMinitab 單樣本t 是否有明顯的異常數(shù)據(jù)如果出現(xiàn)異常值，應(yīng)考慮剔除異常值再進(jìn)行分析6.2.1、 單樣本t-分析路線圖1126.2.1、 單樣本t-分析路線圖113數(shù)據(jù)

47、穩(wěn)定可控6.2.1、 單樣本t-分析路線圖114分析路線圖：單一樣本1水平X的比較穩(wěn)定性研究SPC ChartI-MRMinitab 單樣本t 是否有明顯的異常數(shù)據(jù)分布形態(tài)正態(tài)性檢驗正態(tài)分布的特征：P值大于0.056.2.1、 單樣本t-分析路線圖115P值大于0.05，說明數(shù)據(jù)屬于正態(tài)性分布6.2.1、 單樣本t-分析路線圖116分析路線圖：單一樣本1水平X的比較穩(wěn)定性研究SPC ChartI-MRMinitab 單樣本t 是否有明顯的異常數(shù)據(jù)分布形態(tài)正態(tài)性檢驗正態(tài)分布的特征：P值大于0.056.2.1、 單樣本t-分析路線圖均值檢驗單樣本t檢驗中位數(shù)檢驗P值大于0.05，支持原假設(shè)P值小于

48、0.05，支持備擇假設(shè)正態(tài)非正態(tài)1176.2.1、 單樣本t-分析路線圖1186.2.1、 單樣本t-分析路線圖備擇假設(shè)要根據(jù)實際問題進(jìn)行選擇，本案例是判斷熔指是否偏低，所以備擇假設(shè)選小于1196.2.1、 單樣本t-分析路線圖P值大于0.05，支持原假設(shè)。說明熔指均值沒有明顯偏低，只是過程偶然波動1206.2.1、 單樣本t-練習(xí)題議一議某工程團隊疑心近期配方臨界導(dǎo)致沖擊偏低。歷史數(shù)據(jù)說明，某牌號沖擊數(shù)據(jù)符合正態(tài)分配，平均數(shù)為17.5 KJ/m2。增韌劑含量偏低會導(dǎo)致沖擊偏低。工程團隊想知道自己的疑心是否正確，進(jìn)行抽樣檢驗分析程序：從每個批次抽取2個樣本，連續(xù)跟蹤了7個批次量測：樣本的沖擊強

49、度樣本沖擊數(shù)據(jù)KJ/m2樣本沖擊數(shù)據(jù)KJ/m2117.3817.3215.1916.3316.81016.2415.41116.4517.11216.4617.31316.2717.41415.21216.2.1、 單樣本t-練習(xí)題議一議我司與順風(fēng)快遞簽訂了合作協(xié)議，發(fā)送到省內(nèi)的平均時間為24小時。辦公室隨機抽取了近三個月內(nèi)28個快遞投遞記錄進(jìn)行調(diào)查，見下表。（單位，小時），在95%的置信水平下，該快遞公司有符合金發(fā)的要求嗎？程序：每天隨機抽取1個快遞樣本，連續(xù)跟蹤了28天量測：快遞的投遞時間日期快遞時間h日期快遞時間h樣本126樣本1525樣本221樣本1623樣本319樣本1728樣本42

50、3樣本1825樣本522樣本1924樣本621樣本2025樣本723樣本2122樣本826樣本2222樣本927樣本2322樣本1024樣本2423樣本1120樣本2522樣本1226樣本2620樣本1322樣本2725樣本1425樣本28261226.2.2、 雙樣本t實際問題：某牌號PP前十個批次A1-5#機生產(chǎn)，由于訂單增多，排程安排在A1-16#機，繼續(xù)生產(chǎn)了十個批次。相應(yīng)的熔指測量數(shù)據(jù)見下表，請問兩個機臺生產(chǎn)的熔指是否有明顯差異？H0: ；H1: ； A1-5# g/10minA1-16# g/10min3.002.733.292.762.843.163.042.882.793.12

51、2.892.662.843.513.083.223.042.912.932.981236.2.2、 雙樣本t-分析路線圖分析路線圖：雙樣本2水平X的比較穩(wěn)定性研究SPC ChartI-MRMinitab 雙樣本t 是否有明顯的異常數(shù)據(jù)1246.2.2、 雙樣本t-分析路線圖結(jié)論是？結(jié)論是？1256.2.2、 雙樣本t-分析路線圖分析路線圖：雙樣本2水平X的比較穩(wěn)定性研究SPC I-MRMinitab 雙樣本t 是否有明顯的異常數(shù)據(jù)分布形態(tài)正態(tài)性檢驗正態(tài)分布的特征：P值大于0.051266.2.2、 雙樣本t-分析路線圖結(jié)論是？結(jié)論是？1276.2.2、 雙樣本t-分析路線圖分析路線圖：雙樣本2

52、水平X的比較穩(wěn)定性研究SPC I-MRMinitab 雙樣本t 是否有明顯的異常數(shù)據(jù)分布形態(tài)正態(tài)性檢驗正態(tài)分布的特征：P值大于0.05離散程度比照雙方差檢驗方差相等的特征：P值大于0.051286.2.2、 雙樣本t-分析路線圖1296.2.2、 雙樣本t-分析路線圖P值大于0.05，說明兩者的離散程度一致注：正態(tài)分布用Bonett檢驗非正態(tài)分布用Levene檢驗1306.2.2、 雙樣本t-分析路線圖分析路線圖：雙樣本2水平X的比較穩(wěn)定性研究SPC I-MRMinitab 雙樣本t 是否有明顯的異常數(shù)據(jù)分布形態(tài)正態(tài)性檢驗正態(tài)分布的特征：P值大于0.05離散程度比照雙方差檢驗方差相等的特征：P

53、值大于0.05均值檢驗雙樣本t檢驗檢驗兩者的均值是否相等1316.2.2、 雙樣本t-分析路線圖1326.2.2、 雙樣本t-分析路線圖P值大于0.05，支持原假設(shè)，說明兩者的均值無明顯差異1336.2.2、 雙樣本t-練習(xí)題議一議 某工程師欲采購某75D擠出機的新螺桿，于是該工程師在申請增加設(shè)備之前，對新的螺桿的工程改善情況進(jìn)行比照調(diào)查。觀察10天以來的生產(chǎn)數(shù)據(jù)。這里的第二個螺桿是新設(shè)備。螺桿1螺桿289848186848384918786797985828189838384881346.2.2、 雙樣本t-練習(xí)題議一議目前的供貨商是A，和公司有良好的合作關(guān)系。供貨商B有一個產(chǎn)品，并稱該產(chǎn)品

54、性能高于供貨商A的產(chǎn)品。公司的觀點是，斷裂強度在實際差異上應(yīng)比現(xiàn)在的強度高上1Kg/cm2。是否值得把供貨商換為B呢？程序：從兩個供貨商提供的塑料中進(jìn)行隨機抽樣，然后量測斷裂強度。因子水平：供貨商（A和B）實驗單位：相同厚度的塑料樣本量測：斷裂強度（ 1Kg/cm2）數(shù)據(jù)檔案：斷裂強度.mtw135ANOVA的概念(1) - ANOVA是什么？ ANOVA是Analysis of Variance的前面幾個字母的縮寫，翻譯成“方差分析。常用來比較多因子多水平或單因子水平下子組均值之間的差異當(dāng)有3個以上水平時，檢驗各水平下的子群均值是否有差異 單因子方差分析當(dāng)有2個以上因子時，檢驗均值差異時 多

55、因子方差分析6.2.3、 ANOVA1366.2.3、 ANOVAH0: ；H1: ； 考慮如下情景：一個產(chǎn)品線的技術(shù)員要研究某種型號擠出機擠出時5種不同溫度的設(shè)置對沖擊強度是否有影響。 溫度的范圍為240280。于是他將輸入量（因子） 設(shè)置為5個水平檔：240，250，260，270，280. 然后他將對每個水平進(jìn)行5次實驗 輸入：溫度 輸出：沖擊強度 這是一個具有5水平的單因子實驗 該實驗的結(jié)果參考下頁，數(shù)據(jù)“擠出實驗.mtw1376.2.3、 ANOVA溫度的設(shè)置不同對沖擊強度有影響嗎？1386.2.3、 ANOVA因子A的水平是1個，各水平的反復(fù)數(shù)都是m次， 則可將數(shù)據(jù)矩陣排列成下面的

56、樣子因子的水平A1A2A3A4A5A6Al實驗的反復(fù)次數(shù)X11X21X31X41X51X61Xl1X12X22X32X42X52X62Xl2X13X23X33X43X53X63Xl3X14X24X34X44X54X64Xl4X15X25X35X45X55X65Xl5X1mX2mX3mX4mX5mX6mXlm合計T1T2T3T4T5T6TlT均值1396.2.3、 ANOVAANOVA的原理 總變動總平均值 是用右邊的公式求得。 利用各個數(shù)據(jù) 和平均值 把平均值 分解為兩個，如下表示. 將左邊和右邊同時平方，結(jié)果如下：【等式-1】【等式-3】【等式-2】1406.2.3、 ANOVAANOVA的

57、原理 總變動 將上頁等式-3右邊第三項轉(zhuǎn)變?nèi)缦?。于是將上頁的等?簡寫成下面的等式，每一項都可以用平方和【SS(sum of squares)】來表示SS(total)SS(error)SS(factor)1416.2.3、 ANOVAANOVA的原理 自由度 自由度？在一個系統(tǒng)中不影響其他變量而能獨立移動的系數(shù)例如：a*b*c=4,該式中變量的自由度是2假設(shè)a、b分別為1、2；那么C就必須為2；此處能夠自由移動的變量只有兩個。 自由度的計算SS（總）的自由度 是:SS（因子）的自由度 是：SS（誤差）的自由度 是：因此：1426.2.3、 ANOVAANOVA的原理 方差分析表 方差分析表制

58、作因子（factor）平方和（sum of squares）自由度（degree of freedom）均值平方（mean squares）F值A(chǔ)SSA=ErrorSSA=TotalSSA= 這里主要觀察因子均值平方與誤差平方的比值大小F值越大說明某因子A的效果就越大。（利用F分布確認(rèn)P值）1436.2.3、 ANOVA-分析路線圖分析路線圖：三個以上樣本3水平以上X的比較穩(wěn)定性研究SPC ChartI-MRMinitab 雙樣本t 是否有明顯的異常數(shù)據(jù)1446.2.3、 ANOVA-分析路線圖結(jié)論是？1456.2.3、 ANOVA-分析路線圖分析路線圖：三個以上樣本3水平以上X的比較穩(wěn)定性研

59、究SPC ChartI-MRMinitab 雙樣本t 是否有明顯的異常數(shù)據(jù)分布形態(tài)正態(tài)性檢驗正態(tài)分布的特征：P值大于0.051466.2.3、 ANOVA-分析路線圖結(jié)論是？1476.2.3、 ANOVA-分析路線圖分析路線圖：三個以上樣本3水平以上X的比較穩(wěn)定性研究SPC ChartI-MRMinitab 雙樣本t 是否有明顯的異常數(shù)據(jù)分布形態(tài)正態(tài)性檢驗正態(tài)分布的特征：P值大于0.05離散程度比照等方差檢驗方差相等的特征：P值大于0.051486.2.3、 ANOVA-分析路線圖等方差檢驗1496.2.3、 ANOVA-分析路線圖等方差檢驗P值大于0.05，說明X各水平的方差相等，離散程度接

60、近1506.2.3、 ANOVA-分析路線圖分析路線圖：三個以上樣本3水平以上X的比較穩(wěn)定性研究SPC ChartI-MRMinitab 雙樣本t 是否有明顯的異常數(shù)據(jù)分布形態(tài)正態(tài)性檢驗正態(tài)分布的特征：P值大于0.05離散程度比照等方差檢驗方差相等的特征：P值大于0.05均值檢驗雙樣本t檢驗檢驗多個水平的均值是否相等1516.2.3、 ANOVA-分析路線圖單因子方差分析1526.2.3、 ANOVA-分析路線圖單因子方差分析P值小于0.05，說明支持備擇假設(shè)，有明顯的證據(jù)說明這5個水平間的均值存在差異1536.2.3、 ANOVA-練習(xí)題議一議為改善某牌號PBT的沖擊強度，經(jīng)會議討論，工程小