6SIGMA系统讲义[1].pptx

《6SIGMA系统讲义[1].pptx》由会员分享，可在线阅读，更多相关《6SIGMA系统讲义[1].pptx（248页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、6 sigma6sigma概念3sigma水平的公司 6sigma水平的公司銷售額中1015%是損失費用百萬中有66,807個不合格品依靠品質檢查保證高品質需要很多費用不能按體系進行承認并滿足于99%內部決定CTQ銷售額中5%是損失費用百萬中有3.4個不合格品重點是使工序中不產生不良保證高品質所需費用更低使用測定，分析，改善，管理技法不滿足于99%徹底地以顧客觀點來決定CTQ4sigma的水平是30頁報紙中有1個錯字的品質水平5sigma的水平是百科全書中有1個錯字的品質水平6sigma的水平是小規模圖書館中有1個錯字的品質水平6sigma概念3sigma水平的公司 6sigma水平的公司每年

2、有54,000次的藥品調劑錯誤每年護士或醫生的錯誤造成新生兒死亡40,500名每月有2小時喝污染的食用水每周有2小時不能提供電話服務每周飛機發生5次著陸錯誤每周發生1350次外科手術事故每小時遺失54,000件郵件25年中只生1次藥品調劑錯誤100年中護士醫生的錯誤造成新生兒死亡3名16年中只有1秒鍾喝污染的水100年中6秒不能提供電話服務美國所有航空公司10年發生1次著陸錯誤20年發生一次外科手術事故每年遺失35件郵件6sigma概念使用工具階段ToolsDefine定義1)Process Mapping 3)Pareto Analysis2)Logic Tree4)QFD,FMEAMeas

3、urement測定5)Gage R&R7)Process Capability6)Rational SubgroupAnalysis分析8)Hypothesis Test10)Graph Analysis9)RegressionImprovement改善11)DoE(Design of Experiment)12)ANOVAControl管理13)SPC6sigma不同推進階段中，改善問題使用的統計工具Y=f(x)Question 1)：Y或X中對哪一個聚焦Y X1Xn從屬變數 獨立變數Output Input結果 原因現象 根源問題觀察監視的對象 管理對象Y=f(x)Question 2)假

4、设X良好的話，有沒有必要繼續實驗及檢查Y？6sigma活動是對根本原因的因素CTQ聚焦後，展開改善活動6sigma各階段推進內容階段 展開內容FocusDefine(定義 1确定問題點/具體改善目標Measurement(測定2選定制品或工序的CTQ3把握Y的工序能力4明确Y的測定方法5將Y的改善對象具體化YYYYAnalysis(分析6明确改善Y的目的7明确影響Y的因素YX1Xn6sigma各階段推進內容Improvement(改善8)通過篩選抽出關鍵的少數因素9)把握關鍵的少數因素的相關關系10)工序最正确化&驗證(再現性實驗)X1Xn致命的少數因素數Xi致命的少數因素數XiControl

5、(管理)11)确立對X的測定系統12)确立對關鍵的少數因素的管理方法13)确立關鍵少數因素的工序管理系統及事後管理致命的少數因素數Xi致命的少數因素數Xi致命的少數因素數Xi6Sigma Process是以D-M-A-I-C5階段構成并經過重要的13步驟6Sigma活動是通過現象分析，展開問題，查明臨時性因素，以D-M-A-I-C程序改善關鍵少數因素。先把握現象，能夠1次性改善的部門采取1次性改善活動；然後下一個階段再接著進行改善活動。統計基本概念的理解 數據的計算方法中心位置特征值的計算：統計基本概念的理解散布的計算S(總變動：Total Sum of Squares):偏差平方和無偏方差(

6、Unbiased Variance):S除以自由度n-1無偏方差的開方or標準偏差統計基本概念的理解 參數和統計量參數(Parameter)：描述變量集合的特性值統計量Statistics)：表示标本的特性值統計基本概念的理解區分 參數 統計量均值(Mean)均值：樣本均值：方差(Variance)偏差(Deviation)統計基本概念的理解 Sigma的定義Sigma是希腊字母，表示工序的散布。Sigma是統計學記述接近平均值的標準偏差Standard Deviation或變化Variation，或定義為事件發生的可能性。Sigma是表示工序能力的統計單位，測定的Sigma跟DPU單位缺陷，

7、Defect Per Unit,PPM等一起出現。統計基本概念的理解可以說明擁有高Sigma值的工序，具備不良率低的工序能力Sigma值越大品質費用越少，周期越短。統計基本概念的理解 平均值和拐點之間距离用標準偏差表示。如果目標值T和規格上下限USL or LSL)距离是標準偏差的3倍的話，說明具備了3Sigma的工序能力。USL31（平均）T拐點統計基本概念的理解 某班學生的國語平均分數是60分，按偏差是5的正態分布的話，隨意抽取一個學生時，70分以上分數的可能性是多少？45 50 55 60 65 70 7568.3%95.4%99.7%測定值（分數）Z-值：-3-2-1 0 1 2 3統

8、計基本概念的理解正態分布：N60，52標準正態分布：N0，1270分的情況下Z-值是假设規格上限是75分的話，現在的工序能力是Z=2或是2。Z值是已測定的標準偏差有幾個能进入平均值到规格上下界限USL，LSL之间的测定值。統計基本概念的理解 Z-值的計算70分以上的可能性有多少？正態分布總面積是1 某概率變量X到平均值之間距离除以標準偏差的值用Z來表示。如果規格上限or下限用X來代替時超出規格上限的尾部面積可以認為有缺陷可能性。Z值是用來測定工序能力，跟工序的標準偏差不同，在這里Z值是2.0，把全體面積作為1的時對應的面積0.0228。Z值的計算45 50 55 60 65 70 75Z規格上

9、限工序能力測定方法 Z-值 Z=33能力1 USL2 3 LSL工序能力測定方法 Z-值 Z=66能力1USL LSL2 3 4 5 6工序的變動散布越小工序能力越高。其結果標準偏差更小，發生不良的可能性就低。通過問題的現象分析把握工序能力Z：要提高到6 水平，統計上采取什麼樣的活動？需要什麼樣的管理？需要什麼樣的技術短期的工序能力 長期的工序能力判斷為短期內工序沒有外部影響 判斷為充分長時期內工序有外部影響Zstst Zlt lt Cp Cpk技術技術+工序管理最正确條件下的工序能力 日常條件下的工序能力6：Zst=6.0，Cp=2.0 6：Zlt=4.5，Cpk=1.5Zst=3Cp Zl

10、t=3 Cpk長期內的工序能力因工序的中心移動及變動，跟ZltZst關系有關Zshift=Zst-Zlt Zst=Zlt+1.56 sigma的品質水準是什麼？正態分布的平偏移1.5-6-5-4-3-2-1 X+1+2+3+4+5+6-1.5+1.5規格上限（USL）規格下限（LSL）按規格變化和平均值偏移的不良率規格關系無偏移時不良率理想的工序時1.5偏移時不良率1 317,000 697,7002 45,500 308,7003 2,700 66,8104 63 6,2105 0.57 2336 0.002 3.46Sigma品質是每百萬個中3.4PPM，即Cp=2.0，Cpk=1.54B

11、lock DiagramA BC2.52.01.51.00.51 2 3 4 5 6PoorGoodPoorGood技術Z stZ shift工序管理4Block DiagramA：工序管理狀態缺乏，現在技術水平也低B：需改善工序管理，但技術水平優秀C：工序管理優秀，但技術水平低D：World Top水平的公司聚焦問題點階段 确定問題範圍Process MappingProcess Mapping是調查情報的流程，而使Process文件化為明确改善的可能性而使用的工具Process Mapping制定定義Process範圍要改善的一般領域或特殊的Process通過大腦風暴法制定Process的

12、階段順序聚焦問題點階段為了容易分析，使用符號為了驗證Process，實際确認追加Key Process的值Yield,Cost,損失費用，加班費用，Cycle time等按題目的性質，使用分析圖Process Loss或浪費要素/改善Cycle time/改善品質/Flow改善QFDQuality Function Deployment)質量指標分解QFD是將顧客核心要求事項，轉換分解成技術要求事項規格，或暫定的CTQ的工具，由相關工序專家制定。聚焦問題點階段QFD Process進行市場調查，明确信賴性要求，及一般的要求事項和顧客對現在品質核心問題的要求。對調查內容優先排序，為滿足顧客的要求

13、事項制定技術規格确定對顧客要求事項影響大的技術規格的先後順序，對已确定的先後順序的技術要求事項，轉換成暫定的Part特性CTQ對技術規格影響大的特性要素CTQ進行排序 QFD是為了能夠改善顧客的核心要求事項，轉換成技術規格的工具 通過QFD把顧客要求事項系統化，最終選定暫定的CTQ，開展改善活動聚焦問題點階段FMEAFailure Modes&Effects Analysis)故障模式及效果分析FMEA是明确制品設計上可能發生的問題和排定其順序，并針對故障模式制定所采取的恰當活動FMEA Process對已設計的制品用Brainstorming法列出可能的故障模式。決定每種可能故障模式的重要度

14、和發生可能性決定消除重要故璋模式而采取的方法開發消除或減少重要故障模式的方法聚焦問題點階段局部分析法以優先順序找出問題的核心事項典型的是：80%的問題由20%產生 決定活動課題和相關非常勤人員用邏輯樹等方法展開問題後，找出最終區域，選定經驗豐富的工程師來執行課題活動。聚焦問題點階段 找出活動課題的具體事項Brainstorming：在短時間內得出很多主意的辦法Brainstorming種類Free Wheeling：全Team員以對話形式即興發掘IdeaRound Robin：對事件，Team員輪流發掘IdeaCard Method：不經討論，Team員把Idea寫在卡片上，貼到牆上。聚焦問題

15、點階段Brainstorming時注意事項 禁止批評 全部Idea都要記錄 Idea發掘時不要解釋或討論 粗略的Idea也要鼓勵 所有人都積極參與Logic Tree(Structure Tree)為達成目標的手段，用邏輯性表示 Break-down展開的問題之間MECE互不重復無遺漏的全體MECEMutually Exclusive and Collective Exhaustive)不重復，各個的和等于全體聚焦問題點階段 确定活動題目的相關Benefit利益定量/定性效果為保證達成，明确改善金額 對活動課題的問題記錄在現象分析時，記錄現在現象和所希望的現象 計劃時間管理通過分析把全部日程用

16、具體的圖表管理測定Measurement變化的理解 數據的分類解決問題工程問題/Bottle Neck/Issue 事項变化的理解連續型數據計量型數據Inch or時間一樣能使用測定刻度的數據比較數值數據提供更多情報离散型數據計數型數據提供合格不合格之類情報的數據不能再細分化的數據变化的理解 群內變化White NoiseWhite Noise是工程內存在的日常因素引起的變化偶然因素現在的技術水平是不可能控制的變化一般工程的散布工程上受細小的多數因素的影響Z.st來表示变化的理解 群間變化Black NoiseBlack Noise是工程外部因素影響中心值移動，一般情況下，可查明原因的變化异常

17、原因現在工程上可控制的變化一般情況下，在工程的目標值下平均值偏移實際上可以知道隨時間的變化，工程能力會怎樣變化群內、群間變化的區分例 群內變化：每Line 1，2，3內出現的即Line內作業者間的變化工程變化 群間變化：各Line間的變异而出現的工程變化作業者1作業者2作業者3作業者4作業者5作業者6作業者7作業者8作業者9Line1 Line2 Line3变化的理解 Rational Subgroup合理分組批跟數據的種類無關，在可能的短時間內彼此類似的條件下作業的樣本群。Rational Subgroup是指Subgroup內只存在群內變化，Subgroup間只發生群間變化，將數據Grou

18、ping通過這種區分把握長期、短期工程能力經長期收集的數據是不管業務部門還是製造部門都包含在群內，群間變化。工序能力 工序能力度評價Short-termCapability(6)Long-termCapability(3)時 間SL SUltstststst隨著時間的變化，工序因各種外部因素4M變化，長期工序能力比短期工序能力散布大工序能力 什麼是工序能力工序在管理狀態時，其工序生產的產品品質變化有多少程度的值：或指在管理狀態穩定狀態下，工序能製造出來的品質水平的程度。Six Sigma工序能力是指工序的變化or標準偏差：小，即使乘以6倍變化值也能夠滿足規格的工序能力。工序能力 短期/長期工序

19、能力的意義短期工序能力是只存在群體內變化，表示取樣的數據都具有同樣的品質特性，但有主要技術要素引起品質特性變化，因此，品質特性變化越大，散布也就越大，短期工序能力也就越差。Short Term Process Capability Index：短期工序能力指數Zltlt，CpkZlt=3Cpk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定時，用長期工序能力的特性來取樣，來确認包括管理因素引起的變化和技術的要素引起的變化。Long Term Process Capability Index：長期工序能力指數Zltlt，CpkZlt=3 CpkGage

20、 R&R Gage R&R實行時注意事項以Blind測定來評價決定幾名評價者為合理接產品的重要性和統計特性決定試料數的反復次數預先決定評價周期抽取樣本時運用隨機原則，但實施Gage R&R時須對試料事先計劃再行抽樣Gage R&R一般是看%Tolerance值來判斷Gage的接受與否，但%Study Var在20%以上時，有必要點檢工序ProcessGage R&R值較大時，必須制定改善計劃進行改善。如果測定系統有誤差，但不改善系統的話，在執行6 Project期間要接受測定系統可能發生誤差的危險。Gage R&R 適合貫能判斷時Gage R&R對各Parts用貫能來判定合格與不合格，或gon

21、o go時1V外觀檢查時，2名評價者反復測試20個管子測 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 G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

22、接受的%Gage R&R=320 100%=15%Gage R&R 長期方法時Gage R&R的Minitab運用Gage R&R的Graph解釋P39Gage R&R P38Gage R&R X bar管理圖測定值超出管理界限，表現為良好的結果。如果測定值的50%以上在管理界限內的話，這個系統不適合。管理界限是用測定者間的測定值變化來計算，因此測定值的變化小說明管理界限的幅小，即說明測定者間的測定值變化很小測定的變化測定者，測定系統比部品間變化相對小，可以讀出Parts間變化的情況Gage R&R R管理圖大局部的測定值在管理界限內表示所測定的數據的值是正常的Gage R&RNumber o

23、f Distinct Categories=4 表示檢測部品的信賴性區間不重疊的個數4個Categories對同樣部品的同樣特征值量，由3名檢查者反復檢測2次。可以分為4組對特定部品測定，信賴性區間小說明測定者和測定有反復，且測定很準确。如果信賴性區間重疊意味信賴區間不重疊意味著組數小測定的變化大。Gage R&RNumber of Distinct Categories判斷方法Number of Distinct Categories：01不適用改善檢測系統Number of Distinct Categories：24附加條件時可接受Number of Distinct Categorie

24、s：5以上可接受Gage R&R 長期方法時Gage R&R的Minitab運用選定Monitor Cover為Six Sigma ThemeSpec=2.31.5為确認測定系統，3名檢查者對10個部品反復測試2次File name:Gageaiag.mtwGage R&R 短期的方法時Gage R&R運用CTQ部品的Spec是2.0000.015時部品測定值1 測定值2 測定差1-21 2.003 2.001 0.0022 1.998 2.003 0.0053 2.007 2.006 0.0014 2.001 1.998 0.0035 1.999 2.003 0.004範圍的界限R=0.01

25、5Gage R&R測定差平均值=R/5=0.015/5=0.013測量誤差=(5.15/1.19)(R)=4.33 公差的測量誤差=(0.0130.030100%=43.3%參考測量誤差用測定差的平均值乘以常數這里是4.33來計算。常數在5.15/d*里已有計算，d*是下表中的值，5.15是Gage引起的變化能滿足5.15是Gage引起的變化能滿足5.1599%值。對測定差平均分布的d*值實驗順序測定者數2 3 4 51 1.41 1.91 2.24 2.482 1.28 1.81 2.15 2.403 1.23 1.77 2.12 2.384 1.21 1.75 2.1 2.375 1.19

26、 1.74 2.10 2.366 1.18 1.73 2.09 2.357 1.17 1.73 2.09 2.358 1.17 1.72 2.08 2.359 1.16 1.72 2.08 2.3410 1.16 1.72 2.08 2.34Gage R&R Gage R&R類型短期的方法 只需要2名測定者和5個部品 不能别离反復性和再現性 可以迅速确認想測定的計測器的接受與否長期的方法 典型的是23名的測定者對10個部品反復測定23次 可以明确把握測定系統的變化有多大，能别离反復性和再現性Gage R&R 對測定系統變化的理解線性Linearity：通過期望的Gage工作範圍比較精确度得到的

27、值即在已定的工作範圍的兩邊界線區間上，最少研討1回的精确度得到的值的差。Gage R&R偏差大偏差小參考值測定值參考值測定值Gage R&R 對測定系統變化的理解穩定性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。StabilityTime2Time1Gage R&R偏移Bias：實際測定值跟試料平均值的差异值叫準确度AccuracyBiasReferenceValueObservedAverageValueGage R&R反复性Repeatability：1名测定者使用同样计测器测定同样部品的同样特性时得到的变化RepeatabilityGage

28、R&R再現性Reproduceability)：同樣部品的同樣特性使用同樣計測器由多名測定者測定時得到的變化。Reproduceability測定者2測定者1測定者3變化的理解 為什麼要Rational SubgroupingRational Subgroup是6 Sigma的一個強大的工具。是區分工程的短期工程度能力的重要方法可以把握平均值移動問題還是散布問題把問題特殊化的第一個階段變化的理解Rational Subgroup要包含的要素：為了明确給工序變化暫定影響的X因素，使用5M求解特性要因圖Man：作業者變更，晝夜班次交換，新作業者等Machine：機械設定值變更，設備維修&維護等Ma

29、terial：交付LOT，作業安排，原材料等Method：作業者間的作業方法差异等Measurement：測定者的變化，測定設備誤差等變化的理解 Rational Subgrouping事例改善供應TV Back Cover協力社的品質，為了分析部品變化的原因制定Rational Subgrouping計劃預想的暫定“X因素及實際計劃兩台注塑機：對兩台注塑機實施以下內容交接班：對交接班別取樣分析每周作業者的變更：對每周變更的作業者別取樣分析按原材料別構成Lot，分析Lot別有無差异工序能力 工序能力的數學式兩側有規格的工序能力SL SU工序能力 在偏移時的工序能力SL SUKM工序能力用語解釋

30、K：偏移系數如果K=0，Cp=CpkMMid-range：規格的中心TTolerancne：公差SUUpper Spec：規格上限SLLower Spec：規格下限工序能力只有規格上限的工序能力SU工序能力只有規格下限的工序能力SL工序能力 工序能力的Minitab運用葡萄酒農場為了參加慶祝大會，在準備過程中，有必要改善葡萄酒品質而準備Project，首先為了把握現象，按合理分組計劃規劃得出了包括以下“X因素的葡萄酒質量“Y的樣本。X因素：地域，木塞，葡萄酒味，透明性，香氣，葡萄酒瓶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，Pp

31、l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。并且表示通過改善活動消除平均值移動引起的偏移時的最高的能力。為了計算長期工序能力，考慮規格的上、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。离散型數據分析 用語解釋DDefect：缺陷or不良事項為了滿足顧客的要求事基而浪費的再作業或失敗的工作。例：把顧客的要求事項記錯的差錯情報。DODefect Opportunity：機會損失缺陷可能引發的機會損失缺陷的行動或事件。例：須在一張要求式樣上記錄的項目數离散型數據分析UUnit：元件元件測定可能機會的細節例：要求樣式

32、DPUDefect Per Unit：每個元件內存在的缺陷數DPODefect Per Opportunity：每個機會損失數离散型數據分析DPMODefect Per Million opportunity每百萬要會損失數1,000,000單元存在的損失數DPO 1,000,000轉換Six Sigma比率PND=None Defect：無損失機會不能成為損失的可能性PND=1-DPO离散型數據分析 DPU/DPO/DPMO/P(ND)改善發出了張送貨單，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？DPU=D/UDPU=100/100=1.

33、0100%該值表示平均值，所以每張送貨單包含1個符合項离散型數據分析DPO=D/(UOpp)DPO+100/(100 10)=0.1(10%)該值表示所發出的送貨單的每个最小有1个不良的可能性是10%。DPMO=DPO 1,000,000例：上例DPMO是0.1 1,000,000 DPMOP(ND)=1-DPO=1-0.1=0.9(90%)离散型數據分析 利用泊松公式計算收率利用泊松公式這里Y：收率DPU：元件缺陷數R：e：指數函數2.71828离散型數據分析r=0時Y=e-dpu對缺陷機會數越大，“Y越接近“0离散型數據分析 Process Yield例題如果750元件有34個的缺陷時，計

34、算DPU/DPO/DPMO/Yield/Sigma各是多少？各元件有10個的機會數DPU=缺陷數元件數=34 750=0.0453DPO=缺陷數(元件數機會數)=34(750 10)=0.00453Yield值是Y=e-dpu=2.7138-0.045=0.9559=95.6%离散型數據分析DPMO=DPO 1,000,000=0.00451,000,000=4,500PPM 一個元件有45,000PPM的缺陷Sigma=Zinv(0.9556)+1.5(偏移=1.71+1.5=3.21Zinv是把Z值按面積來換算的值，以標準正態分布來計算。离散型數據分析 收率的種類YFT(First Tim

35、e Yield)：(單工序單次收率)表示再作業後沒有修理的收率的值 應用：決定個別工序的個別品質水平時使用。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，到最終合格為止的收率值。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。离散型數據分析YNA(Normalized Yield)：標準收率表示計算連續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。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和部品廢棄 不考慮再作業和部品廢棄提示無缺陷的可能性 不

36、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/UY=Y1Y2Yn S：合格台數U：檢查台數离散型數據分析 VFTFirst Time YieldA再作業完成的產品廢棄15unitHidden Factory70 Units100Units85Units离散型數據分析工序A有輸入100個Unit元件輸入的70%元件沒有缺陷已經銷售輸入的30%元件有缺陷并再作業15個元件修理完畢，15元件報廢現在為止的Final YieldYF最終收率是85%因First Time YieldYFT表示歸初的作業是正确的，所以現

37、在情況下YFT是70%。离散型數據分析 YRT(Rolled Throughput Yield)產品A由3個連續的階段來形成的話，YRT/YND的值的值是什麼？階段1 階段2 階段3YFT=80%YF=100%YFT=70%YF=90%YFT=90%YF=95%离散型數據分析YRF是連續的各階段YFT之乘YRT=0.80.70.9=0.504(50.4%)沒有考慮作業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表示工序的數离散型數據分析上例YND(Normalized Yield)各階段平均YFT=79.6%正常收率是全工程平均收率

38、，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的階段越少，收率值越大。离散型數據分析 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 2c离散型數據分析YRF=Y1Y2Y3Y4=0.990.910.990.991/30.970.98=0.9035YNA=(YRT)1/3=(0.9035)1/4=0.9749損失(缺陷)概率=1-0.9749=0.0251利用正態分布查找0.0251值的Z值，

39、可知Z=1.96 分析AnalysisGraph分析 想知道什麼？跟實際問題相結合，明确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 怎麼做呢？利用收集的數據，運用實際Graph來分析Graph分析 對Graph分析結果相應采取措施Graph分析結果，确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。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名作業者，調查了3組組裝作業時間的數據。假設檢驗Hy

40、pothesis Test計量值 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。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畫質更優秀6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“什麼也不能确信or證明。假定為“始終一樣對立假設(Al

41、ternative Hypothesis:Hi)：按确實的根據來證明的假設 平常我們更關心對立假設，也希望對立假設能得到證明 Ho拒絕後接受的假設即否认原假設的假設假設檢驗Hypothesis Test計量值第一種錯誤(Type Error:)：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 Error:)：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。顯著性水平(Significance Level)：象一般使用的=0.05(or0.01,0.10)Ho是真的拒絕的概率假設檢驗Hypothesis Test計量值第二種錯誤（）第一種錯誤（）真 實H0=真 H1=假采 納H0=真H1=假假設檢驗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：1=2Ho：1=2=3=nHo：1=2Ho：1=2=3 n