Sixsigma綠帶人員培訓(xùn)教材-課件

SixSigma綠帶人員培訓(xùn)教材目錄第一章何謂6Sigma第二章企業(yè)導(dǎo)入6Sigma的過(guò)程第三章6Sigma項(xiàng)目選擇第四章界定(Define)第五章衡量(Measure)第六章分析(Analyze)第七章改善(Improve)第八章控制(Control)第九章企業(yè)文化的變革與展望附錄一統(tǒng)計(jì)表附錄二參考案例SixSigma綠帶人員培訓(xùn)教材第一章何謂6Sigma

SixSigma

GreenBelt課程

6σMS2NPI開(kāi)發(fā)部SixSigma6σMS2NPI開(kāi)發(fā)部引言歡迎您參加6Sigma綠帶課程!當(dāng)您完成此課程,您將具備6SigmaGreenBelt(綠帶人員)資格.在推動(dòng)6Sigma的過(guò)程中,主要是擔(dān)任BlackBelt(黑帶人員)助手的角色;運(yùn)用改善工具與方法,使各項(xiàng)改善項(xiàng)目能順利展開(kāi).引言歡迎您參加6Sigma綠帶課程!當(dāng)您完成此課程,您將具第六章分析(Analysis)DMAIC第六章分析(Analysis)DMAIC目錄1.呈現(xiàn)數(shù)據(jù)資料2.鑒別潛在原因3.進(jìn)行比較4.確認(rèn)根本原因目錄1.呈現(xiàn)數(shù)據(jù)資料目標(biāo)使項(xiàng)目團(tuán)隊(duì)能更詳細(xì)的將搜集的資料,利用工具與方法呈現(xiàn)數(shù)據(jù),去找出問(wèn)題的根本原因﹐尋找改善的機(jī)會(huì)。學(xué)習(xí)DMAIC中,分析階段的步驟與方法目標(biāo)使項(xiàng)目團(tuán)隊(duì)能更詳細(xì)的將搜集的資料,利用工具與方法呈現(xiàn)數(shù)據(jù)分析原因*分析問(wèn)題的主要原因*確定測(cè)量的方式*監(jiān)別CTQ*解決問(wèn)題的最佳改善方案*維持改善的成果界定(D)測(cè)量(M)分析(A)改善(I)控制(C)分析原因*分析問(wèn)題的主要原因*確定測(cè)量的方式*監(jiān)別CTQ第六章

分析(Analysis)1.呈現(xiàn)數(shù)據(jù)資料2.鑒別潛在原因3.進(jìn)行比較4.確認(rèn)根本原因第六章分析(Analysis)利用己搜集到的數(shù)據(jù)與資料,根據(jù)其特性呈現(xiàn),進(jìn)行分析.並找出其要因呈現(xiàn)數(shù)據(jù)資料進(jìn)行比較鑒別潛在原因確認(rèn)根本原因如何進(jìn)行分析利用己搜集到的數(shù)據(jù)與資料,根據(jù)其呈現(xiàn)數(shù)進(jìn)行鑒別潛確認(rèn)根如何進(jìn)分析工具運(yùn)用觀念1.必須確認(rèn)問(wèn)題點(diǎn)在哪里2.了解數(shù)據(jù)之特性(計(jì)數(shù)或計(jì)量)3.選擇適合的解析工具4.正確地判斷圖形所表示的意義5.針對(duì)其意義決定下一步的動(dòng)作分析工具運(yùn)用觀念1.必須確認(rèn)問(wèn)題點(diǎn)在哪里分析工具使用時(shí)機(jī)1.觀察因果關(guān)系的關(guān)聯(lián)性或兩個(gè)因素之間的關(guān)系。─散布圖2.整理原因結(jié)果之關(guān)系─因果圖(魚(yú)骨圖)3.考慮事物的平均與變異特性─直方圖﹑控制圖4.運(yùn)用數(shù)據(jù)與時(shí)間的比對(duì),來(lái)看出整體過(guò)程的趨勢(shì)─運(yùn)行圖﹑控制圖5.從影響較大的2~3項(xiàng)顯示并采取措施─柏拉圖6.根據(jù)事實(shí)﹑數(shù)據(jù)顯示圖形─查驗(yàn)表﹑柱狀圖﹑雷達(dá)圖﹑箱形圖…分析工具使用時(shí)機(jī)1.觀察因果關(guān)系的關(guān)聯(lián)性或兩個(gè)因素之間的關(guān)系一﹑數(shù)據(jù)資料的呈現(xiàn)方法一﹑數(shù)據(jù)資料的呈現(xiàn)方法描繪數(shù)據(jù)的四種方式畫出數(shù)據(jù)的圖形直方圖(分布)運(yùn)行圖(波動(dòng))箱形圖(分散度)

描繪數(shù)據(jù)的四種方式畫出數(shù)據(jù)的圖形直方圖運(yùn)行圖箱形圖直方圖直方圖何謂直方圖容易看出計(jì)量值的數(shù)據(jù)分配情形何謂直方圖容易看出計(jì)量值的直方圖原則*研究短期的變化*確定分布為何*尋找明顯的原因*搜集50-100個(gè)連續(xù)的數(shù)據(jù)-最好是取來(lái)自於同一來(lái)源直方圖原則*研究短期的變化范例-直方圖分析1公司所進(jìn)料之噴嘴對(duì)口零件,其內(nèi)徑規(guī)格32.5~33.5mm,今按隨機(jī)抽樣抽樣取100個(gè)樣本,在25℃測(cè)定值如附表,制作直方圖並計(jì)算制程能力范例-直方圖分析1公司所進(jìn)料之噴嘴對(duì)口零件,其內(nèi)徑規(guī)格32.范例-直方圖分析1范例-直方圖分析1范例-直方圖分析1范例-直方圖分析1范例直方圖分析2例:記錄機(jī)車?yán)锍逃?jì)的不良,根據(jù)資料請(qǐng)分析缺點(diǎn)數(shù)據(jù)的分布狀況與外型1.選擇檔案theWorksheet“EXH_QC.MTW”2.選擇Graph>Histogram范例直方圖分析2例:范例-直方圖分析23.在GraphVariables選“Faults”。4.選擇ok范例-直方圖分析23.在GraphVariables選“范例-直方圖分析2范例-直方圖分析2直方圖的三個(gè)特徵

集中離散外形直方圖的三個(gè)特徵集中集中趨勢(shì)和分布

集中態(tài)勢(shì)-平均數(shù)離散態(tài)勢(shì)-全距(最大值-最小值)-標(biāo)準(zhǔn)方差集中趨勢(shì)和分布集中態(tài)勢(shì)集中和離散

視覺(jué)估計(jì)平均數(shù)集中和離散

視覺(jué)估計(jì)平均數(shù)解釋“外形”*異常值*多峰*偏態(tài)解釋“外形”*異常值異常值位於分布之外的點(diǎn)﹐即是表明存在特殊的原因異常值位於分布之外的點(diǎn)﹐即是表明存在特殊的原因多峰不同的峰代表不同的群體-來(lái)源-時(shí)間長(zhǎng)度-操作員-……等多峰不同的峰代表多峰分解可能包括的多個(gè)過(guò)程機(jī)器或位置不同批料或材料來(lái)源不同很多人同時(shí)進(jìn)行同一個(gè)過(guò)程過(guò)程不穩(wěn)定,造成有兩個(gè)過(guò)程的假象多峰分解可能包括的多個(gè)過(guò)程自然偏態(tài)測(cè)量有一個(gè)自然的“停止點(diǎn)”變化傾向於發(fā)生在一個(gè)方向上-ppm-交貨周期自然偏態(tài)測(cè)量有一個(gè)自然的“停止點(diǎn)”人為偏態(tài)

截尾由分類而引起的偏態(tài)看上去像一個(gè)“被截?cái)嗟逆R形曲線”超出規(guī)格的單元被檢驗(yàn)員剔除了人為偏態(tài)

截尾由分類而引起的偏態(tài)超出規(guī)格的單元WorkshopKC公司所進(jìn)料之關(guān)鍵零件,其規(guī)格為130~160,今隨機(jī)抽樣60個(gè)為樣本,測(cè)定值如附表,請(qǐng)制作直方圖WorkshopKC公司所進(jìn)料之關(guān)鍵零件,其規(guī)格為130~1

箱形圖(盒須圖)箱形圖何謂箱型圖

呈現(xiàn)資料數(shù)據(jù)分布特性及

異常點(diǎn)分布何謂箱型圖呈現(xiàn)資料數(shù)據(jù)分布特性及箱型圖原則

使用在呈現(xiàn)資料數(shù)據(jù)分布特性

了解數(shù)據(jù)分配情況

可辨別數(shù)據(jù)是否有異常點(diǎn)

可比較2個(gè)或多個(gè)過(guò)程箱型圖原則使用在呈現(xiàn)資料數(shù)據(jù)分布特性箱形圖*偏離值最大值

75百分位(Q3)中位數(shù)25百分位(Q1)

最小值箱形圖*偏離值箱形圖箱形圖解讀中位數(shù):所有數(shù)值排列順序后的中間位數(shù)值75百分位數(shù)(Q3):所有數(shù)值排列順序的3/4位數(shù)值25百分位數(shù)(Q1):所有數(shù)值排列順序的1/4位數(shù)值

最大值:小於Q3+1.5(Q3-Q1)數(shù)據(jù)的最大值

最小值:大於Q1-1.5(Q3-Q1)數(shù)據(jù)的最小值

偏離值:假如數(shù)值小于Q1-1.5(Q3-Q1)或大於Q3+1.5(Q3-Q1),則為偏離值箱形圖箱形圖解讀范例-箱形圖分析180℃時(shí)噴頭之內(nèi)口徑數(shù)據(jù):

依據(jù)內(nèi)口徑25℃與80℃的數(shù)據(jù),應(yīng)用箱形圖分析比較范例-箱形圖分析180℃時(shí)噴頭之內(nèi)口徑數(shù)據(jù):依據(jù)內(nèi)口徑25范例-箱形圖分析1258033.533.034.0改善前＊＊＊＊＊＊＊＊溫度范例-箱形圖分析1258033.533.034.0改＊＊＊＊范例-箱形圖分析2

例:男性與女性測(cè)心記錄Pulse2,請(qǐng)以箱形圖比較之1.選擇檔案theworksheet“PULSE.MTW”2.選擇Graph>

Boxplot>

WithGroups范例-箱形圖分析2例:范例-箱形圖分析2

3.在Graphvariables欄,輸入pulse2,在Categoricalvariables欄,輸入Sex4.ClickOK.范例-箱形圖分析23.在Graphvariables欄,Workshop檔案PULSE.MTW男性與女性測(cè)心跳記錄Pulse1,請(qǐng)以箱形圖比較Workshop檔案PULSE.MTW推移圖推移圖何謂推移圖呈現(xiàn)過(guò)程資料數(shù)據(jù)分布是否

具有隨機(jī)性及了解趨勢(shì)模式何謂推移圖呈現(xiàn)過(guò)程資料數(shù)據(jù)分布是否推移圖原則

研究長(zhǎng)期的變異判定分布的穩(wěn)定性-分布是否保持過(guò)程水準(zhǔn)和散離態(tài)勢(shì)?尋找時(shí)間上的特殊原因按順序搜集20個(gè)或更多的子群-來(lái)源相同-在一個(gè)行圖上或Shewhart圖上標(biāo)出-性能評(píng)價(jià)推移圖原則研究長(zhǎng)期的變異推移圖的規(guī)劃

研究所需的時(shí)間-要充分觀察到“正常的過(guò)程行為”蒐集數(shù)據(jù)的型式-歷史的vs.目前的相關(guān)數(shù)據(jù)-可以用來(lái)做分析和解釋推移圖的規(guī)劃研究所需的時(shí)間范例-推移圖分析例:

此公司為生產(chǎn)測(cè)量輻射的設(shè)備,為了探討測(cè)量的變異.根據(jù)實(shí)驗(yàn)記錄做運(yùn)行圖分析1.選擇檔案theworksheet“RADON.MTW”2.選擇Shat>QualityTools>RunChart.范例-推移圖分析例:范例-推移圖分析3.在singlecolumn填入“Membrane”.

在sulgroupsize填入“1”4.選擇ok范例-推移圖分析3.在singlecolumn填入“Me范例-推移圖分析范例-推移圖分析隨機(jī)性檢驗(yàn)的方法:

超過(guò)期望的串?dāng)?shù)來(lái)自兩母體混雜1.以中位數(shù)(資料呈現(xiàn)隨機(jī)趨勢(shì))計(jì)算串?dāng)?shù)資料成串少數(shù)期望的串?dāng)?shù)(資料呈現(xiàn)不隨機(jī)趨勢(shì))

超過(guò)期望的串?dāng)?shù)資料上下震蕩變化2.以上下趨勢(shì)計(jì)算串?dāng)?shù)少數(shù)期望的串?dāng)?shù)資料成某種趨勢(shì)范例-推移圖分析隨機(jī)性檢驗(yàn)的方法:范例-推移圖分析在何處畫中心線

數(shù)據(jù)的平均數(shù)(中心數(shù)或平均數(shù))-當(dāng)目的是研究一個(gè)集中趨勢(shì)的績(jī)效概況時(shí)

目標(biāo)值-當(dāng)日的是控制一個(gè)過(guò)程以實(shí)現(xiàn)一個(gè)具體的目標(biāo)在何處畫中心線數(shù)據(jù)的平均數(shù)(中心數(shù)或平均數(shù))Workshop:推移圖分析請(qǐng)將以下的數(shù)據(jù),使用趨勢(shì)圖分析Workshop:推移圖分析請(qǐng)將以下的數(shù)據(jù),使用趨勢(shì)圖分析散布圖散布圖何謂散布圖

藉由畫出兩變數(shù)之對(duì)比以闡

明之間的關(guān)連性何謂散布圖藉由畫出兩變數(shù)之對(duì)比以闡散布圖原則

研究一個(gè)引起“因素”x和一個(gè)“回應(yīng)”Y之間的關(guān)系更加精確地將兩種特性的關(guān)系量化確定相關(guān)性和回歸根據(jù)輸入變數(shù)預(yù)測(cè)輸出變數(shù)尋找明顯的﹑可確定的原因搜集20個(gè)或更多的成對(duì)數(shù)據(jù)(X,Y)-在散布圖上標(biāo)出-評(píng)價(jià)X,Y的關(guān)系散布圖原則研究一個(gè)引起“因素”x和一個(gè)“回應(yīng)”Y之間的關(guān)系以從軸表示影響,以橫軸表示可能的原因X值Y值的值域可以構(gòu)在一個(gè)正方形對(duì)應(yīng)的X,Y值.可找出一對(duì)應(yīng)點(diǎn)散布圖原則原因(X)X●Y結(jié)果(Y)以從軸表示影響,以橫軸表示可能的原因散布圖原則原因(X)X●范例-散布圖分析1記錄溫度與噴頭封口內(nèi)徑的變化范例-散布圖分析1記錄溫度與噴頭封口內(nèi)徑的變化范例-散布圖分析1

記錄溫度與噴頭封口內(nèi)徑的變化噴頭內(nèi)徑溫度2030405060708033.433.533.633.733.8??????????????????????????????????????范例-散布圖分析1記錄溫度與噴頭封口內(nèi)徑的變化噴溫度203范例-散布圖分析2

例:根據(jù)資料請(qǐng)分析廣告支出部分與業(yè)務(wù)銷售部分是否相關(guān)1.選擇檔案theworksheet“MARKET.MTW”2.選擇Graph

>Scatterplot范例-散布圖分析2例:范例-散布圖分析23.點(diǎn)選圖形類別,選擇ok.4.在Graphvariables中Y欄選入“Sales”,在X中選入“Advertis”.5.選擇ok范例-散布圖分析23.點(diǎn)選圖形類別,選擇ok.范例-散布圖分析2范例-散布圖分析2Workshop鋼的抗張力強(qiáng)度與含鐵量的關(guān)系,請(qǐng)繪出散布圖#%cTensile10.04651.3520.05353.0430.05552.8940.06454.0650.06854.9160.07357.2870.09857.4280.10057.9490.10456.11100.11060.82110.12066.38120.13463.38130.13561.30140.14659.60150.15060.03

#%cTensile0.15563.630.16971.420.17368.900.17671.500.17871.060.20273.470.20969.580.21577.070.22079.210.22378.600.22978.370.28377.220.26880.750.35291.290.35394.25#%cTensile0.35792.280.38595.600.395106.170.42098.640.440113.450.510118.700.513118.090.570131.270.580130.530.624135.380.660143.310.675143.240.695139.710.727146.06Workshop鋼的抗張力強(qiáng)度與含鐵量的關(guān)系,請(qǐng)繪出散布圖散布型式“蛋糕”法國(guó)面包負(fù)相關(guān)(無(wú)相關(guān))(強(qiáng)相關(guān))

“德國(guó)豬腿”非線性相關(guān)

(弱相關(guān))

散布型式散布圖的陷阱

偏離值

重疊的相關(guān)

不正確的相關(guān)

不正確的相關(guān)散布圖的陷阱分層是關(guān)鍵用不同的標(biāo)記表示不同的層X(jué),Y之間的關(guān)系可能會(huì)與Z有關(guān)Z可能是一個(gè)變數(shù),也可能是一個(gè)特定數(shù)值分層是關(guān)鍵用不同的標(biāo)記表示不同的層矩陣散布圖<1>分析例:

PULSE.MTW

求身高,體重及脈搏的矩陣散布圖1.選擇檔案theworksheet“PULSE.MTW”2.選擇Graph>Matrixplot,點(diǎn)選圖形類別選擇ok矩陣散布圖<1>分析例:矩陣散布圖<1>分析3.在Graphvariables選擇“Height”“Weight”“Pulse1”.選擇ok矩陣散布圖<1>分析3.在Graphvariables選擇矩陣散布圖<2>分析例:以不同的結(jié)果(Y)做層別.繪制矩陣散布圖(仍然利用pulse.MTW)1.選擇檔案theworksheet“PULSE.MTW”2.選擇Graph>Matrixplot,點(diǎn)選圖形類別選擇ok矩陣散布圖<2>分析例:以不同的結(jié)果(Y)做層別.繪制矩陣散3.在Yvariables選擇“pulse1”及“pulse2”

在Xvariables選擇“Height”﹑Weight”﹑Sex”選擇ok矩陣散布圖<2>分析3.在Yvariables選擇“pulse1”及“pulWorkshop下表為三種化學(xué)成分與不良率的關(guān)系,請(qǐng)繪出矩陣散布圖Workshop下表為三種化學(xué)成分與不良率的關(guān)系,請(qǐng)繪出矩陣第六章分析(Analysis)

1.呈現(xiàn)數(shù)據(jù)資料

2.鑒別潛在原因

3.進(jìn)行比較

4.確認(rèn)根本原因第六章分析(Analysis)二、鑒別潛在原因二、鑒別潛在原因?qū)ふ以蛉藗儍A向於自己主觀的想法沖床c應(yīng)該重新研磨……但是那和這個(gè)問(wèn)題又有什么關(guān)系呢?尋找原因人們傾向於自己主觀的想法沖床c應(yīng)該但是那和這個(gè)問(wèn)題又

理論是不會(huì)缺乏的

-事實(shí)-記憶-經(jīng)驗(yàn)-直覺(jué)-偏見(jiàn)-比較

幹草堆中的針(可能的原因)需要有系統(tǒng)的方法來(lái)確認(rèn)可能的原因?qū)ふ以蚶碚撌遣粫?huì)缺乏的尋找原因鑒別潛在原因的方法層別法五個(gè)為什么柏拉圖因果圖矩陣法鑒別潛在原因的方法層別法五個(gè)為什么柏拉圖因果圖矩陣法層別法層別法層別法將數(shù)據(jù)依不同曾別搜集﹐以檢查不同層別之間測(cè)量值的差異,進(jìn)而了解過(guò)程的差異和潛在變異之處.層別的分類:

不同部門不同作業(yè)員不同制程不同機(jī)器不同時(shí)間不同原料不同檢查方法不同地區(qū)不同環(huán)境…層別法將數(shù)據(jù)依不同曾別搜集﹐以檢查不同層別之間測(cè)量值的差異,層別法范例層別法范例柏拉圖柏拉圖柏拉圖原則20%的原因造成80%的問(wèn)題步驟:

1.決定步驟分類項(xiàng)目-依不良項(xiàng)目﹑場(chǎng)所﹑時(shí)間﹑過(guò)程﹑機(jī)器等.2.決定收集數(shù)據(jù)的時(shí)間3.將數(shù)據(jù)從高到低排列繪制柱狀圖4.繪累計(jì)曲線及累計(jì)比例關(guān)注在次數(shù)最高的少數(shù)項(xiàng)目改善最大不良,達(dá)立竿見(jiàn)影效果柏拉圖原則20%的原因造成80%的問(wèn)題范例-柏拉圖分析1根據(jù)第四章沙拉油案例分析發(fā)生為不良的狀況分析

現(xiàn)況數(shù)據(jù)收集(改善前)

缺點(diǎn)項(xiàng)目

數(shù)量噴嘴封口裂縫201容器封口裂縫12噴嘴封口變形244容器封口變形25容器瓶中受壓力變形106無(wú)變形斷裂仍漏油670范例-柏拉圖分析1根據(jù)第四章沙拉油案例分析發(fā)生為不良的狀況分范例-柏拉圖分析1根據(jù)沙拉油案例分析發(fā)生不良的狀況分析范例-柏拉圖分析1根據(jù)沙拉油案例分析發(fā)生不良的狀況分析范例-柏拉圖分析2例:記錄機(jī)車?yán)锍瘫淼牟涣?根據(jù)資料請(qǐng)分析出此不良品中發(fā)生最多的原因?yàn)楹?1.選擇檔案theworksheet“EXH_QC.MTW”2.選擇Shat>QualityTools>Pareto

chart范例-柏拉圖分析2例:范例-柏拉圖分析23.點(diǎn)選Chartdefectstable,在Labelsin選入“Defects”。在Frequenciesin選入“Counts”4.選擇

ok范例-柏拉圖分析23.點(diǎn)選Chartdefectstab范例-柏拉圖分析2范例-柏拉圖分析2柏拉圖的陷阱排序時(shí)可從高到低,也可從低到高『其他』項(xiàng)必須置於圖上的最后一條柱上當(dāng)柏拉圖上有彎曲點(diǎn)時(shí),表示有重要的少數(shù)(VitalFew)存在當(dāng)柏拉圖上沒(méi)有彎曲點(diǎn)時(shí),表示沒(méi)有重要的少數(shù)存在,存在的是有用的多數(shù)(UsefulMany)或細(xì)微的多數(shù)(TrivialMany)柏拉圖的陷阱排序時(shí)可從高到低,也可從低到高Workshop以下是KC公司所分析之不良原因1.請(qǐng)以不良發(fā)生次數(shù)繪制柏拉圖2.請(qǐng)以損失總金額繪制柏拉圖依照下表,請(qǐng)問(wèn)哪兩個(gè)是影響最大的問(wèn)題?比較上述兩張柏拉圖,你的建議為何?Workshop以下是KC公司所分析之不良原因因果圖(魚(yú)骨圖)因果圖因果圖某項(xiàng)結(jié)果的形成必定有其原因設(shè)法使用圖解找出原因1.原因追求型:列出可能影響的相關(guān)因子環(huán)境人方法問(wèn)題因素原因機(jī)器材料因果圖某項(xiàng)結(jié)果的形成必定有其原因環(huán)境人方法問(wèn)題因素原因機(jī)器材因果圖2.對(duì)策達(dá)成型:追尋問(wèn)題應(yīng)如何防止,目標(biāo)結(jié)果應(yīng)如何達(dá)成做法做法材料結(jié)果環(huán)境人方法機(jī)器因果圖2.對(duì)策達(dá)成型:追尋問(wèn)題應(yīng)如何防止,目做法做法材料步驟:1.確定特性特性可以是零件規(guī)格﹑帳款回收率﹑客戶抱怨﹑報(bào)廢率等2.繪制骨架3.4M+1E

人(Man)﹑機(jī)械(Machine)﹑材料(Material)﹑方法(Method)﹑環(huán)境(Environment)因果圖步驟:因果圖4.提出大要因.中要因及小要因.再圈出最重要的原因一個(gè)可能的原因必須是一個(gè)可以執(zhí)行的項(xiàng)目B-14房間的照明問(wèn)題怎么會(huì)引起數(shù)據(jù)輸入上的錯(cuò)誤環(huán)境房間B-14數(shù)據(jù)輸入錯(cuò)誤原因原因照明原因數(shù)據(jù)輸入部門因果圖4.提出大要因.中要因及小要因.再圈出最重要的原因一個(gè)可能的范例-因果圖范例-因果圖五個(gè)為什么五個(gè)為什么五個(gè)為什么每一個(gè)可能的原因必須是上一個(gè)可以執(zhí)行解決的項(xiàng)目不停的問(wèn)“為什么”,直到達(dá)到目的*類別不是原因*現(xiàn)象也不是原因錯(cuò)誤→環(huán)境→照明→太暗不要掉入“單一原因”的陷阱*“為什么”可能不止一種的答案五個(gè)為什么每一個(gè)可能的原因必須是上一個(gè)可以執(zhí)行解決的項(xiàng)目為什么圖日程安排無(wú)法實(shí)現(xiàn)和銷售之間無(wú)法協(xié)調(diào)圖面不完整或不正確工作受到“緊急”工作的影響高的重工,不合格品Why?Why?工作耗時(shí)過(guò)長(zhǎng)Why?Why?Why?為什么圖日程安排無(wú)法實(shí)現(xiàn)和銷售之間圖面不完整工作受到“緊急”因果矩陣法從問(wèn)題中找出兩群要素,分別排出行與列行與列的交集發(fā)展出對(duì)應(yīng)關(guān)系,借以分析問(wèn)題關(guān)連或解決構(gòu)想“排除過(guò)程”:將不可能的因果關(guān)系排除評(píng)估與每一個(gè)描述相對(duì)應(yīng)的原因因果矩陣法從問(wèn)題中找出兩群要素,分別排出行與列利用一個(gè)矩陣來(lái)整理

步驟1.橫向列出問(wèn)題的原因2.縱向列出問(wèn)題的描述(癥狀)3.如果原因不能解釋癥狀,那麼在方格中寫“NO”4.一個(gè)以上的“NO”就可以排除這個(gè)原因利用一個(gè)矩陣來(lái)整理步驟Workshop請(qǐng)就以下之問(wèn)題描述,確認(rèn)問(wèn)題之原因在某一工廠中,有五臺(tái)相同之機(jī)器,而且同時(shí)安裝完成。這五臺(tái)機(jī)器放在同一個(gè)工作間﹐接在同一個(gè)變壓器上運(yùn)轉(zhuǎn),生產(chǎn)相同批號(hào)的組件,采用同一個(gè)供應(yīng)商的原料。在星期一早上﹐三號(hào)機(jī)臺(tái)突然發(fā)生故障,其他機(jī)器則是正常運(yùn)轉(zhuǎn)。在以前從來(lái)沒(méi)有發(fā)生過(guò)同樣的問(wèn)題,請(qǐng)?jiān)囍镁仃嚤韥?lái)確認(rèn)其原因。Workshop請(qǐng)就以下之問(wèn)題描述,確認(rèn)問(wèn)題之原因WorkshopWorkshop剩余的問(wèn)題篩選應(yīng)當(dāng)排除大部分的原因如果篩選后,仍有很多的原因,那麼-還需要更多的癥狀-還需要收集更多的數(shù)據(jù)篩選后沒(méi)有一個(gè)原因剩下,那麼需要-更多的“對(duì)比和變化”*尋找“隱藏”的原因*尋找“交互作用”剩余的問(wèn)題篩選應(yīng)當(dāng)排除大部分的原因第六章

分析(Analysis)1.呈現(xiàn)數(shù)據(jù)資料2.鑒別潛在原因3.進(jìn)行比較4.確認(rèn)根本原因第六章分析(Analysis)三、進(jìn)行比較三、進(jìn)行比較假設(shè)檢驗(yàn)?zāi)康?判斷是否存在足夠的統(tǒng)計(jì)証據(jù),可以對(duì)某母全參數(shù)的某種認(rèn)知或假設(shè)做合理的推論假設(shè)檢驗(yàn)?zāi)康?判斷是否存在足夠的統(tǒng)計(jì)証假設(shè)檢驗(yàn)之構(gòu)成1.虛無(wú)假設(shè):以H0表示.明確指明母體參數(shù)等於某一特定數(shù)值2.對(duì)立假設(shè):以H1表示。說(shuō)明參數(shù)有以下的一種情形(1)大於虛無(wú)假設(shè)所設(shè)定的值(2)小於虛無(wú)假設(shè)所設(shè)定的值(3)不同於虛無(wú)假設(shè)所設(shè)定的值3.顯著性水準(zhǔn):以α表示.4.檢驗(yàn)統(tǒng)計(jì)量(由抽樣數(shù)據(jù)與分配決定)假設(shè)檢驗(yàn)之構(gòu)成1.虛無(wú)假設(shè):以H0表示.錯(cuò)誤的兩種形式型I錯(cuò)誤-當(dāng)虛無(wú)假設(shè)為真時(shí)拒絕它-型I錯(cuò)誤的概率為α

(“α-risk”)型II錯(cuò)誤-當(dāng)虛無(wú)假設(shè)為假時(shí)卻接受-型II錯(cuò)誤的概率為β(“β-risk”)型Iα-riskOKOK型II

β-risk拒絕H0不拒絕H0數(shù)據(jù)証實(shí)真假虛無(wú)假設(shè)錯(cuò)誤的兩種形式型I錯(cuò)誤型IOKOK型II拒數(shù)真P值(p-value)p-value:會(huì)導(dǎo)致虛無(wú)假設(shè)(H0)被拒絕的概率值P值可以作為是否接受或拒絕虛無(wú)假的指標(biāo)P值與α值(顯示水準(zhǔn))比較(一般而言,α值設(shè)定為5%)P≧α不拒絕H0P<α,拒絕H0單尾風(fēng)險(xiǎn)雙尾風(fēng)險(xiǎn)σ=0.05σ=0.025σ/200Z=1.645Z=-1.96Z=1.96P值(p-value)p-value:會(huì)導(dǎo)致虛無(wú)假設(shè)(H0)假設(shè)檢驗(yàn)步驟建立假設(shè)檢驗(yàn)?zāi)Ｊ經(jīng)Q定顯著水準(zhǔn)選擇檢驗(yàn)統(tǒng)計(jì)量行動(dòng)決策定義臨界點(diǎn)執(zhí)行Mini-tab假設(shè)檢驗(yàn)步驟建立決定選擇行動(dòng)定義執(zhí)行假設(shè)檢驗(yàn)范例品保部想了解最近生產(chǎn)的某部品是否與以前生產(chǎn)的部品的質(zhì)量水準(zhǔn)相當(dāng)(根據(jù)歷史資料此類部品的分配接近常態(tài)分配,且平均數(shù)=5.0mm,σ=0.2mm.自現(xiàn)場(chǎng)隨機(jī)取出9件,在顯示水準(zhǔn)5%下.是否有足夠證據(jù)顯示比類產(chǎn)部品的平均數(shù)仍然是5.0mm.

虛無(wú)假設(shè)H0:μ＝5.0對(duì)立假設(shè)H1

:μ≠5.0假設(shè)檢驗(yàn)范例平均數(shù)μ之檢驗(yàn)使用時(shí)機(jī):

1.一組數(shù)據(jù)進(jìn)行平均數(shù)的分析2.過(guò)去的群體標(biāo)準(zhǔn)方差(σ)己知,可做推定3.要檢驗(yàn)的平均數(shù)己知,可做檢驗(yàn)平均數(shù)μ之檢驗(yàn)使用時(shí)機(jī):平均數(shù)μ之檢驗(yàn)抽樣數(shù)n:n≧30『大樣本』(使用z檢驗(yàn))檢驗(yàn)統(tǒng)計(jì)量z=(若σ未知.則以s取代)N<30『小樣本』母體為常態(tài),則若σ己知(使用z檢驗(yàn))若σ未知(使用t檢驗(yàn))檢驗(yàn)統(tǒng)計(jì)量t=虛無(wú)假設(shè)H0:μ=μ0(μ0為假設(shè)值)對(duì)立假設(shè)H1:μ>μ0(右尾檢驗(yàn))或H1:μ<μ0(左尾檢驗(yàn))或H1:μ≠μ0(雙尾檢驗(yàn))X-μσnX-μsn平均數(shù)μ之檢驗(yàn)抽樣數(shù)n:n≧30『大樣本』(使用z檢驗(yàn))X1-SampleZ檢驗(yàn)范例

品保部想了解最近生產(chǎn)的某部產(chǎn)品是否與以前生產(chǎn)的部品的質(zhì)量水準(zhǔn)相當(dāng)(根據(jù)歷史資料此類部品的分配接近常態(tài)分配,且平均數(shù)=5.0mm,σ=0.2mm).自現(xiàn)場(chǎng)隨機(jī)取出9件,在顯著水準(zhǔn)5%以下,是否有足夠的證據(jù)顯示此類部品的平均數(shù)仍然是5.0mm.1,選擇檔案theworksheetEXH-STAT.MTW.2,選擇Stat>Basic

Statistics>1-Samplez.

1-SampleZ檢驗(yàn)范例1-SampleZ檢驗(yàn)

3.在Variables欄位中選入“values”4.在sigma中輸入“0.2”5.在Testmean輸入“5.0”6.點(diǎn)選Options,在Confidencelevel輸入“95”,在Alternative選擇“notequal”,點(diǎn)選ok1-SampleZ檢驗(yàn)3.在Variables欄位中選1-SampleZ檢驗(yàn)P=0.02<0.05表示拒絕平均數(shù)μ=5.0的假設(shè),也就是此樣本與歷史記錄是有所差異的One-samplez:ValuesTestofmu=5vsnot=5Theassumedstandarddeviation=0.2VariableNMeanStDevSEMean95%CIZPValues94.788890.247210.06667(4.6822,4.91955)-3.170.0021-SampleZ檢驗(yàn)P=0.02<0.051-Samplet檢驗(yàn)使用時(shí)機(jī):1.一組數(shù)據(jù)進(jìn)行平均數(shù)的分析2.標(biāo)準(zhǔn)方差未知,可做推定3.要檢驗(yàn)的平均數(shù)己知,可檢驗(yàn)1-Samplet檢驗(yàn)使用時(shí)機(jī):1-Samplet檢驗(yàn)范例

品保部想了解最近生產(chǎn)的某部產(chǎn)品是否與以前生產(chǎn)的部品的質(zhì)量水準(zhǔn)相當(dāng)(根據(jù)歷史資料此類部品的分配接近常態(tài)分配,且平均數(shù)=5.0mm).自現(xiàn)場(chǎng)隨機(jī)取出9件,在顯著水準(zhǔn)5%下,是否有足夠的證據(jù)顯示此類部品的平均數(shù)仍然是5.0mm.1,選擇檔案theworksheetEXH-STAT.MTW.2,選擇Stat>Basic

Statistics>1-Samplet.1-Samplet檢驗(yàn)范例1-Samplet檢驗(yàn)3.在Variables欄位中選入“Values”4.在Testmean輸入“5.0”6.點(diǎn)選Options,在Confidencelevel輸入“95”,在Alternative選擇“notequal”,點(diǎn)選OK,OK1-Samplet檢驗(yàn)3.在Variables欄位中選入“1-Samplet檢驗(yàn)P=0.034<0.05表示拒絕平均數(shù)μ=5的假設(shè),也就是此樣本與歷史記錄是有所差異的One-sampleT:ValuesTestofmu=5vsnot=5VariableNMeanStDevSEMean95%CITPValues94.788890.247210.08240(459887,497891)-2.560.0341-Samplet檢驗(yàn)P=0.034<0.052-Samplet檢驗(yàn)使用時(shí)機(jī):

1.二組數(shù)據(jù)進(jìn)行平均數(shù)差的分析

2.方差可相等或不相等,可做推定及檢驗(yàn)2-Samplet檢驗(yàn)使用時(shí)機(jī):范例

有兩廠商各自提供相同規(guī)格的零件,其零件對(duì)加熱器的熱消耗可能有不同的影響,現(xiàn)將兩種零件分別安裝並記錄熱消耗,假設(shè)兩組資料方差相等,在5%顯著水準(zhǔn)下,請(qǐng)分析此兩廠商的零件對(duì)熱消耗是否有差異?1,選擇檔案theworksheet“FURNACE.MTW”2,選擇Stat>Basic

Statistics>2-Samplet.2-Samplet檢驗(yàn)范例2-Samplet檢驗(yàn)2-Samplet檢驗(yàn)3.在Samples欄位中選入“BTU,In”4.在Subscripts輸入“Damper”5.Assumeequalvariance勾選6.點(diǎn)選Options,在Confidencelevel輸入“95”,Testmean輸入0.0,在Alternative選擇“notequal”,點(diǎn)選OK,OK2-Samplet檢驗(yàn)3.在Samples欄位中選入“BT2-Samplet檢驗(yàn)P=0.701>0.05表示不拒絕平均數(shù)之間有差異的假設(shè),也就是此兩樣本是沒(méi)有差異的Two-sampleT-TestandCI:BTU,In,DamperTwo-sampleTforBTU,InDamperNMeanStDevSEMean1409.913.020.4825010.142.770.393Difference=mu(1)-mu(2)Estimatefordifference:-0.23525095%CIfordifference:(-1.450131,0.979631)T-Testofdifference=o(vsnot=):T-Value=-0.38p-Value=0.701DF=88BothusePooledStDev=2.88182-Samplet檢驗(yàn)P=0.701>0.05Workshop參考前面范例,現(xiàn)在假設(shè)兩組資料方差不相等,在5%顯著水準(zhǔn)下,請(qǐng)分析此兩種零件對(duì)熱消耗是否有差異?Workshop參考前面范例,現(xiàn)在假設(shè)兩組資料Pairedt

檢驗(yàn)使用時(shí)機(jī):1.二組配對(duì)的數(shù)據(jù)進(jìn)行平均數(shù)差的分析2.可做推定及檢驗(yàn)Pairedt檢驗(yàn)使用時(shí)機(jī):范例某鞋廠比較A.B兩種材質(zhì)耐用性實(shí)驗(yàn),請(qǐng)十位小孩兩腳分別隨機(jī)穿A、B材質(zhì)的鞋子,一個(gè)月后測(cè)量鞋子耐用狀況,在5%顯著水準(zhǔn)下,請(qǐng)分析此兩種材質(zhì)實(shí)驗(yàn)結(jié)果是否有差異?1.選擇檔案theworksheet“EXH_STAT.MTW”2.選擇Shat>BasicStatistics>Pairedt.Pairedt

檢驗(yàn)范例Pairedt檢驗(yàn)3.在FirstSample欄位中選入“Mat-A”.4.在SecondSample輸入“Mat-B”.5.點(diǎn)選Options在Contidencelevel

輸入“95”,Test

mean

輸入0.0,在Alternative選擇“notequal”,點(diǎn)選OK,OKPairedt

檢驗(yàn)3.在FirstSample欄位中選入“Mat-A”.PaPairedt檢驗(yàn)P=0.009<0.05表示拒絕這對(duì)平均數(shù)之間的差=0的假設(shè).也就是此成對(duì)樣本之間是有差異的PairedT-TestandCI:Mat-A,Mat-BPairedTforMat-A-Mat-BNMeanStDevSEMeanMat-a1010.630002.45130.7752Mat-b1011.04002.51850.7964Difference10-0.4100000.3871550.12242995%CIformeandifference:(-0.686954,-0.133046)T-Testofmeandifference=0(Vsnot=0):T-Value=-3.35P-Value=0.009Pairedt檢驗(yàn)P=0.009<0.05單一群體比例-p檢驗(yàn)使用時(shí)機(jī):

計(jì)算一比例的推定及檢驗(yàn)(抽樣數(shù)及成功次數(shù)/發(fā)生次數(shù)均己知)單一群體比例-p檢驗(yàn)使用時(shí)機(jī):

單一群體計(jì)數(shù)型資料,如計(jì)數(shù)該變量發(fā)生次數(shù),然后計(jì)算其比例.其參數(shù)為群體比例p當(dāng)n要夠大的時(shí)候(np≧5),通常n≧30(取大樣本)依中央極根定理.此時(shí)群體比例p之抽樣分配屬于常態(tài)分配,再依Zα或Zα/2(-Zα/2)為臨界值,即可進(jìn)行檢驗(yàn)P的檢驗(yàn)統(tǒng)計(jì)量Z=設(shè)定假設(shè)H0:p=p0H1:p>p0(右尾檢驗(yàn))

或H1:p<p0(左尾檢驗(yàn))或H1:p≠p0(雙尾檢驗(yàn))單一群體比例-p檢驗(yàn)p－ppq/n(q=1-p)單一群體計(jì)數(shù)型資料,如計(jì)數(shù)該變量發(fā)生次數(shù),單一群體比例單一群體比例p檢驗(yàn)范例

某業(yè)務(wù)所計(jì)劃拓展業(yè)務(wù).有65%的委托人支持拓展業(yè)務(wù),事務(wù)所負(fù)責(zé)人即同意拓展計(jì)劃.隨機(jī)抽選委托人950人調(diào)查,共有560人支持,在5%顯著水準(zhǔn)下,請(qǐng)分析是否超過(guò)65%的支持度?H0:P=0.65H1:P>0.651.選擇Stat>BasicStatistics>1Proportion.單一群體比例p檢驗(yàn)范例單一群體比例p檢驗(yàn)2.選Summarizeddata;Numberof

trials輸入“950”,Numberof

successes

輸入“560”3.點(diǎn)選Options

在Confidencelevel

輸入“95”,Test

Proportion輸入0.65,在Alternative

選擇“greaterthan”點(diǎn)選ok,ok單一群體比例p檢驗(yàn)2.選Summarizeddata;NuP=1.000>0.05表示不拒絕這比例=0.65的假設(shè).就是沒(méi)有證據(jù)>0.65.也就是沒(méi)有超過(guò)65%支持此提案TestandCIforOneProportionTestofp=0.65vsp>0.6595%lowerExactSampleXNSamplepBoundP-Value1.5609500.5894740.5625151.000單一群體比例p檢驗(yàn)P=1.000>0.05單一群體比例p檢驗(yàn)Workshop

某事務(wù)所只要有65%的委托人支持拓展業(yè)務(wù),事務(wù)所負(fù)責(zé)人即同意拓展計(jì)劃.隨機(jī)抽取950人調(diào)查.共有650人支持.在5%顯著水準(zhǔn)下,請(qǐng)分析是否超過(guò)65%的支持度?Workshop某事務(wù)所只要有65%的委托人支持拓展業(yè)務(wù)兩群體比例p檢驗(yàn)使用時(shí)機(jī):計(jì)算二比例差的推定及檢驗(yàn)(二組樣本抽樣數(shù)及成功次數(shù)/發(fā)生次數(shù)己知)兩群體比例p檢驗(yàn)使用時(shí)機(jī):兩群體比例p檢驗(yàn)范例

某公司采購(gòu)機(jī)器,挑選兩家廠商比較,隨機(jī)挑選兩家(X,Y)廠商在使用中的機(jī)器.觀察一年內(nèi)維修記錄次數(shù).記錄顯示X廠商50臺(tái)中有6臺(tái)送修,Y廠商50臺(tái)中有8臺(tái)送修.在5%顯著水準(zhǔn)下,請(qǐng)分析該挑選哪一家?H0:px-py=0H1:px-py<01.選擇Stat>BasicStatistics>

2Proportion兩群體比例p檢驗(yàn)范例兩群體比例p檢驗(yàn)2.選Summarizeddata;在Firstsample,Trials

輸入“50”Successes輸入“44”,在Secondsample,Trials輸入“50”Successes

輸入“42”;3.點(diǎn)選Options

在Confidencelevel輸入“95”,Test

Proportion輸入0,在Alternative

選擇“l(fā)essthan“點(diǎn)選ok,ok兩群體比例p檢驗(yàn)2.選Summarizeddata;在Fi兩群體比例p檢驗(yàn)P=0.718>0.05表示不拒絕這虛無(wú)假設(shè).也就是這兩家廠商一年內(nèi)需要維修比例沒(méi)有差別TestandCIforTwoProportionsSampleXNSamplep1.44500.8800002.42500.840000Difference=p(1)-p(2)Estimatefordifference:0.0495%CIfordifference:(-0.0957903,0.175790)Testfordifference=0(vsnot=0):Z=0.58P-Value=0.564兩群體比例p檢驗(yàn)P=0.718>0.05兩群體方差檢驗(yàn)使用時(shí)機(jī):二組樣本數(shù)據(jù)的方差之檢驗(yàn)兩群體方差檢驗(yàn)使用時(shí)機(jī):兩群體方差檢驗(yàn)兩群體變異之相同與不同,通常以σ1/σ2形式表示,如:兩產(chǎn)品生產(chǎn)線之變異比較,

設(shè)定假設(shè)H0:σ1=σ2H1:σ1>σ2

或H1:σ1<σ2(以上為單尾檢驗(yàn))

或H1:σ1≠σ2(為雙尾檢驗(yàn))

檢驗(yàn)統(tǒng)計(jì)量F=(當(dāng)H1σ1>σ2時(shí))=(當(dāng)H1σ1<σ2時(shí))=(當(dāng)H1σ1≠σ2時(shí))22222222S12S22S22S12S大2S小222222222兩群體方差檢驗(yàn)兩群體變異之相同與不同,通常以σ1/σ2形兩群體方差檢驗(yàn)范例

兩種零件對(duì)加熱器的熱消耗有影響,現(xiàn)將兩種零件分別安裝於加熱器上並記錄熱消耗,在5%顯著水準(zhǔn)下,請(qǐng)分析此兩種零件樣本方差是否相等?1.選擇檔案“FURNACE.MTW”2.選擇Stat>BasicStatistics>

2Variances兩群體方差檢驗(yàn)范例兩群體方差檢驗(yàn)3.選Samplesinonecolumn,在Samples欄位中選入“BTU.In”在Subscripts輸入“Damper”.4.點(diǎn)選Options

在Confidencelevel

輸入“95”點(diǎn)選OK,OK

TestforEqualVariances:BTU.InversusDamper95%BonferroniconfidenceintervalsforstandarddeviationsDamperNLowerStDevUpper1.402.406553.019874.027262.502.254472.767023.56416F-Test(normaldistribution)Teststatistic=1.19,p-value=0.558Levene’sTest(anycontinuousdistribution)Teststatistic=0.00,p-value=0.996兩群體方差檢驗(yàn)3.選SamplesinonecolumP=0.558>0.05

表示無(wú)法拒絕虛無(wú)假設(shè),也就是沒(méi)有足夠證據(jù)證明這兩樣本的方差不一樣兩群體方差檢驗(yàn)P=0.558>0.05兩群體方差檢驗(yàn)第六章分析(Analysis)1.呈現(xiàn)數(shù)據(jù)資料2.鑒別潛在原因3.進(jìn)行比較4.確認(rèn)根本原因第六章分析(Analysis)四、確認(rèn)根本原因利用工具分析資料后,項(xiàng)目團(tuán)隊(duì)可確認(rèn)根本原因.在系統(tǒng)中,有時(shí)根本原因只有一個(gè)。但在復(fù)雜的系統(tǒng),根本原因可能不只一個(gè),而且可能會(huì)交互作用.四、確認(rèn)根本原因利用工具分析資料后,項(xiàng)目團(tuán)隊(duì)可確認(rèn)根本原因篩選原因這個(gè)原因有可能發(fā)生過(guò),那麼它真的發(fā)生過(guò)嗎?証實(shí)這個(gè)原因確實(shí)發(fā)生過(guò)-現(xiàn)場(chǎng)觀察-檢查記錄在這個(gè)原因中.有沒(méi)有什么隱匿在其中的假設(shè)?篩選原因這個(gè)原因有可能發(fā)生過(guò),那麼它真的發(fā)生過(guò)嗎?篩選原因有時(shí)候需要更細(xì)致的查証-原因多於一個(gè)-如果錯(cuò)認(rèn)原因，那麼補(bǔ)救措施的代價(jià)會(huì)很昂貴利用試驗(yàn)設(shè)計(jì)(DOE)篩選原因有時(shí)候需要更細(xì)致的查証小結(jié)分析階段包含了多個(gè)分析工具,以方便找出根本原因利用圖形式的工具,可以方便判別出其潛在原因當(dāng)找到根本原因.即可作為改善階段的基礎(chǔ).小結(jié)分析階段包含了多個(gè)分析工具,以方便找出根本原因TheEndTheEndSixSigma綠帶人員培訓(xùn)教材目錄第一章何謂6Sigma第二章企業(yè)導(dǎo)入6Sigma的過(guò)程第三章6Sigma項(xiàng)目選擇第四章界定(Define)第五章衡量(Measure)第六章分析(Analyze)第七章改善(Improve)第八章控制(Control)第九章企業(yè)文化的變革與展望附錄一統(tǒng)計(jì)表附錄二參考案例SixSigma綠帶人員培訓(xùn)教材第一章何謂6Sigma

SixSigma

GreenBelt課程

6σMS2NPI開(kāi)發(fā)部SixSigma6σMS2NPI開(kāi)發(fā)部引言歡迎您參加6Sigma綠帶課程!當(dāng)您完成此課程,您將具備6SigmaGreenBelt(綠帶人員)資格.在推動(dòng)6Sigma的過(guò)程中,主要是擔(dān)任BlackBelt(黑帶人員)助手的角色;運(yùn)用改善工具與方法,使各項(xiàng)改善項(xiàng)目能順利展開(kāi).引言歡迎您參加6Sigma綠帶課程!當(dāng)您完成此課程,您將具第六章分析(Analysis)DMAIC第六章分析(Analysis)DMAIC目錄1.呈現(xiàn)數(shù)據(jù)資料2.鑒別潛在原因3.進(jìn)行比較4.確認(rèn)根本原因目錄1.呈現(xiàn)數(shù)據(jù)資料目標(biāo)使項(xiàng)目團(tuán)隊(duì)能更詳細(xì)的將搜集的資料,利用工具與方法呈現(xiàn)數(shù)據(jù),去找出問(wèn)題的根本原因﹐尋找改善的機(jī)會(huì)。學(xué)習(xí)DMAIC中,分析階段的步驟與方法目標(biāo)使項(xiàng)目團(tuán)隊(duì)能更詳細(xì)的將搜集的資料,利用工具與方法呈現(xiàn)數(shù)據(jù)分析原因*分析問(wèn)題的主要原因*確定測(cè)量的方式*監(jiān)別CTQ*解決問(wèn)題的最佳改善方案*維持改善的成果界定(D)測(cè)量(M)分析(A)改善(I)控制(C)分析原因*分析問(wèn)題的主要原因*確定測(cè)量的方式*監(jiān)別CTQ第六章

分析(Analysis)1.呈現(xiàn)數(shù)據(jù)資料2.鑒別潛在原因3.進(jìn)行比較4.確認(rèn)根本原因第六章分析(Analysis)利用己搜集到的數(shù)據(jù)與資料,根據(jù)其特性呈現(xiàn),進(jìn)行分析.並找出其要因呈現(xiàn)數(shù)據(jù)資料進(jìn)行比較鑒別潛在原因確認(rèn)根本原因如何進(jìn)行分析利用己搜集到的數(shù)據(jù)與資料,根據(jù)其呈現(xiàn)數(shù)進(jìn)行鑒別潛確認(rèn)根如何進(jìn)分析工具運(yùn)用觀念1.必須確認(rèn)問(wèn)題點(diǎn)在哪里2.了解數(shù)據(jù)之特性(計(jì)數(shù)或計(jì)量)3.選擇適合的解析工具4.正確地判斷圖形所表示的意義5.針對(duì)其意義決定下一步的動(dòng)作分析工具運(yùn)用觀念1.必須確認(rèn)問(wèn)題點(diǎn)在哪里分析工具使用時(shí)機(jī)1.觀察因果關(guān)系的關(guān)聯(lián)性或兩個(gè)因素之間的關(guān)系。─散布圖2.整理原因結(jié)果之關(guān)系─因果圖(魚(yú)骨圖)3.考慮事物的平均與變異特性─直方圖﹑控制圖4.運(yùn)用數(shù)據(jù)與時(shí)間的比對(duì),來(lái)看出整體過(guò)程的趨勢(shì)─運(yùn)行圖﹑控制圖5.從影響較大的2~3項(xiàng)顯示并采取措施─柏拉圖6.根據(jù)事實(shí)﹑數(shù)據(jù)顯示圖形─查驗(yàn)表﹑柱狀圖﹑雷達(dá)圖﹑箱形圖…分析工具使用時(shí)機(jī)1.觀察因果關(guān)系的關(guān)聯(lián)性或兩個(gè)因素之間的關(guān)系一﹑數(shù)據(jù)資料的呈現(xiàn)方法一﹑數(shù)據(jù)資料的呈現(xiàn)方法描繪數(shù)據(jù)的四種方式畫出數(shù)據(jù)的圖形直方圖(分布)運(yùn)行圖(波動(dòng))箱形圖(分散度)

描繪數(shù)據(jù)的四種方式畫出數(shù)據(jù)的圖形直方圖運(yùn)行圖箱形圖直方圖直方圖何謂直方圖容易看出計(jì)量值的數(shù)據(jù)分配情形何謂直方圖容易看出計(jì)量值的直方圖原則*研究短期的變化*確定分布為何*尋找明顯的原因*搜集50-100個(gè)連續(xù)的數(shù)據(jù)-最好是取來(lái)自於同一來(lái)源直方圖原則*研究短期的變化范例-直方圖分析1公司所進(jìn)料之噴嘴對(duì)口零件,其內(nèi)徑規(guī)格32.5~33.5mm,今按隨機(jī)抽樣抽樣取100個(gè)樣本,在25℃測(cè)定值如附表,制作直方圖並計(jì)算制程能力范例-直方圖分析1公司所進(jìn)料之噴嘴對(duì)口零件,其內(nèi)徑規(guī)格32.范例-直方圖分析1范例-直方圖分析1范例-直方圖分析1范例-直方圖分析1范例直方圖分析2例:記錄機(jī)車?yán)锍逃?jì)的不良,根據(jù)資料請(qǐng)分析缺點(diǎn)數(shù)據(jù)的分布狀況與外型1.選擇檔案theWorksheet“EXH_QC.MTW”2.選擇Graph>Histogram范例直方圖分析2例:范例-直方圖分析23.在GraphVariables選“Faults”。4.選擇ok范例-直方圖分析23.在GraphVariables選“范例-直方圖分析2范例-直方圖分析2直方圖的三個(gè)特徵

集中離散外形直方圖的三個(gè)特徵集中集中趨勢(shì)和分布

集中態(tài)勢(shì)-平均數(shù)離散態(tài)勢(shì)-全距(最大值-最小值)-標(biāo)準(zhǔn)方差集中趨勢(shì)和分布集中態(tài)勢(shì)集中和離散

視覺(jué)估計(jì)平均數(shù)集中和離散

視覺(jué)估計(jì)平均數(shù)解釋“外形”*異常值*多峰*偏態(tài)解釋“外形”*異常值異常值位於分布之外的點(diǎn)﹐即是表明存在特殊的原因異常值位於分布之外的點(diǎn)﹐即是表明存在特殊的原因多峰不同的峰代表不同的群體-來(lái)源-時(shí)間長(zhǎng)度-操作員-……等多峰不同的峰代表多峰分解可能包括的多個(gè)過(guò)程機(jī)器或位置不同批料或材料來(lái)源不同很多人同時(shí)進(jìn)行同一個(gè)過(guò)程過(guò)程不穩(wěn)定,造成有兩個(gè)過(guò)程的假象多峰分解可能包括的多個(gè)過(guò)程自然偏態(tài)測(cè)量有一個(gè)自然的“停止點(diǎn)”變化傾向於發(fā)生在一個(gè)方向上-ppm-交貨周期自然偏態(tài)測(cè)量有一個(gè)自然的“停止點(diǎn)”人為偏態(tài)

截尾由分類而引起的偏態(tài)看上去像一個(gè)“被截?cái)嗟逆R形曲線”超出規(guī)格的單元被檢驗(yàn)員剔除了人為偏態(tài)

截尾由分類而引起的偏態(tài)超出規(guī)格的單元WorkshopKC公司所進(jìn)料之關(guān)鍵零件,其規(guī)格為130~160,今隨機(jī)抽樣60個(gè)為樣本,測(cè)定值如附表,請(qǐng)制作直方圖WorkshopKC公司所進(jìn)料之關(guān)鍵零件,其規(guī)格為130~1

箱形圖(盒須圖)箱形圖何謂箱型圖

呈現(xiàn)資料數(shù)據(jù)分布特性及

異常點(diǎn)分布何謂箱型圖呈現(xiàn)資料數(shù)據(jù)分布特性及箱型圖原則

使用在呈現(xiàn)資料數(shù)據(jù)分布特性

了解數(shù)據(jù)分配情況

可辨別數(shù)據(jù)是否有異常點(diǎn)

可比較2個(gè)或多個(gè)過(guò)程箱型圖原則使用在呈現(xiàn)資料數(shù)據(jù)分布特性箱形圖*偏離值最大值

75百分位(Q3)中位數(shù)25百分位(Q1)

最小值箱形圖*偏離值箱形圖箱形圖解讀中位數(shù):所有數(shù)值排列順序后的中間位數(shù)值75百分位數(shù)(Q3):所有數(shù)值排列順序的3/4位數(shù)值25百分位數(shù)(Q1):所有數(shù)值排列順序的1/4位數(shù)值

最大值:小於Q3+1.5(Q3-Q1)數(shù)據(jù)的最大值

最小值:大於Q1-1.5(Q3-Q1)數(shù)據(jù)的最小值

偏離值:假如數(shù)值小于Q1-1.5(Q3-Q1)或大於Q3+1.5(Q3-Q1),則為偏離值箱形圖箱形圖解讀范例-箱形圖分析180℃時(shí)噴頭之內(nèi)口徑數(shù)據(jù):

依據(jù)內(nèi)口徑25℃與80℃的數(shù)據(jù),應(yīng)用箱形圖分析比較范例-箱形圖分析180℃時(shí)噴頭之內(nèi)口徑數(shù)據(jù):依據(jù)內(nèi)口徑25范例-箱形圖分析1258033.533.034.0改善前＊＊＊＊＊＊＊＊溫度范例-箱形圖分析1258033.533.034.0改＊＊＊＊范例-箱形圖分析2

例:男性與女性測(cè)心記錄Pulse2,請(qǐng)以箱形圖比較之1.選擇檔案theworksheet“PULSE.MTW”2.選擇Graph>

Boxplot>

WithGroups范例-箱形圖分析2例:范例-箱形圖分析2

3.在Graphvariables欄,輸入pulse2,在Categoricalvariables欄,輸入Sex4.ClickOK.范例-箱形圖分析23.在Graphvariables欄,Workshop檔案PULSE.MTW男性與女性測(cè)心跳記錄Pulse1,請(qǐng)以箱形圖比較Workshop檔案PULSE.MTW推移圖推移圖何謂推移圖呈現(xiàn)過(guò)程資料數(shù)據(jù)分布是否

具有隨機(jī)性及了解趨勢(shì)模式何謂推移圖呈現(xiàn)過(guò)程資料數(shù)據(jù)分布是否推移圖原則

研究長(zhǎng)期的變異判定分布的穩(wěn)定性-分布是否保持過(guò)程水準(zhǔn)和散離態(tài)勢(shì)?尋找時(shí)間上的特殊原因按順序搜集20個(gè)或更多的子群-來(lái)源相同-在一個(gè)行圖上或Shewhart圖上標(biāo)出-性能評(píng)價(jià)推移圖原則研究長(zhǎng)期的變異推移圖的規(guī)劃

研究所需的時(shí)間-要充分觀察到“正常的過(guò)程行為”蒐集數(shù)據(jù)的型式-歷史的vs.目前的相關(guān)數(shù)據(jù)-可以用來(lái)做分析和解釋推移圖的規(guī)劃研究所需的時(shí)間范例-推移圖分析例:

此公司為生產(chǎn)測(cè)量輻射的設(shè)備,為了探討測(cè)量的變異.根據(jù)實(shí)驗(yàn)記錄做運(yùn)行圖分析1.選擇檔案theworksheet“RADON.MTW”2.選擇Shat>QualityTools>RunChart.范例-推移圖分析例:范例-推移圖分析3.在singlecolumn填入“Membrane”.

在sulgroupsize填入“1”4.選擇ok范例-推移圖分析3.在singlecolumn填入“Me范例-推移圖分析范例-推移圖分析隨機(jī)性檢驗(yàn)的方法:

超過(guò)期望的串?dāng)?shù)來(lái)自兩母體混雜1.以中位數(shù)(資料呈現(xiàn)隨機(jī)趨勢(shì))計(jì)算串?dāng)?shù)資料成串少數(shù)期望的串?dāng)?shù)(資料呈現(xiàn)不隨機(jī)趨勢(shì))

超過(guò)期望的串?dāng)?shù)資料上下震蕩變化2.以上下趨勢(shì)計(jì)算串?dāng)?shù)少數(shù)期望的串?dāng)?shù)資料成某種趨勢(shì)范例-推移圖分析隨機(jī)性檢驗(yàn)的方法:范例-推移圖分析在何處畫中心線

數(shù)據(jù)的平均數(shù)(中心數(shù)或平均數(shù))-當(dāng)目的是研究一個(gè)集中趨勢(shì)的績(jī)效概況時(shí)

目標(biāo)值-當(dāng)日的是控制一個(gè)過(guò)程以實(shí)現(xiàn)一個(gè)具體的目標(biāo)在何處畫中心線數(shù)據(jù)的平均數(shù)(中心數(shù)或平均數(shù))Workshop:推移圖分析請(qǐng)將以下的數(shù)據(jù),使用趨勢(shì)圖分析Workshop:推移圖分析請(qǐng)將以下的數(shù)據(jù),使用趨勢(shì)圖分析散布圖散布圖何謂散布圖

藉由畫出兩變數(shù)之對(duì)比以闡

明之間的關(guān)連性何謂散布圖藉由畫出兩變數(shù)之對(duì)比以闡散布圖原則

研究一個(gè)引起“因素”x和一個(gè)“回應(yīng)”Y之間的關(guān)系更加精確地將兩種特性的關(guān)系量化確定相關(guān)性和回歸根據(jù)輸入變數(shù)預(yù)測(cè)輸出變數(shù)尋找明顯的﹑可確定的原因搜集20個(gè)或更多的成對(duì)數(shù)據(jù)(X,Y)-在散布圖上標(biāo)出-評(píng)價(jià)X,Y的關(guān)系散布圖原則研究一個(gè)引起“因素”x和一個(gè)“回應(yīng)”Y之間的關(guān)系以從軸表示影響,以橫軸表示可能的原因X值Y值的值域可以構(gòu)在一個(gè)正方形對(duì)應(yīng)的X,Y值.可找出一對(duì)應(yīng)點(diǎn)散布圖原則原因(X)X●Y結(jié)果(Y)以從軸表示影響,以橫軸表示可能的原因散布圖原則原因(X)X●范例-散布圖分析1記錄溫度與噴頭封口內(nèi)徑的變化范例-散布圖分析1記錄溫度與噴頭封口內(nèi)徑的變化范例-散布圖分析1

記錄溫度與噴頭封口內(nèi)徑的變化噴頭內(nèi)徑溫度2030405060708033.433.533.633.733.8??????????????????????????????????????范例-散布圖分析1記錄溫度與噴頭封口內(nèi)徑的變化噴溫度203范例-散布圖分析2

例:根據(jù)資料請(qǐng)分析廣告支出部分與業(yè)務(wù)銷售部分是否相關(guān)1.選擇檔案theworksheet“MARKET.MTW”2.選擇Graph

>Scatterplot范例-散布圖分析2例:范例-散布圖分析23.點(diǎn)選圖形類別,選擇ok.4.在Graphvariables中Y欄選入“Sales”,在X中選入“Advertis”.5.選擇ok范例-散布圖分析23.點(diǎn)選圖形類別,選擇ok.范例-散布圖分析2范例-散布圖分析2Workshop鋼的抗張力強(qiáng)度與含鐵量的關(guān)系,請(qǐng)繪出散布圖#%cTensile10.04651.3520.05353.0430.05552.8940.06454.0650.06854.9160.07357.2870.09857.4280.10057.9490.10456.11100.11060.82110.12066.38120.13463.38130.13561.30140.14659.60150.15060.03

#%cTensile0.15563.630.16971.420.17368.900.1