A阶段绿带教材(最新)

123 4
12 34
1
2
3
4
Operator
122.2
1
2
122.1
3
4 122.0
121.9 121.8
内部变异
Weight
121.7 121.6 121.5
班组间变异
操作员间变异
工厂间变异
121.4 121.3
1 23 4
Panel variable: Plant
12 34
Shift
方差组分分析：分析案例
再生产商内部，任何一件产品只能来自某个 批次，某个生产线，某班组，某批原料。
同一批次的产品只能来自某个生产线，可能 属某班组，某批原料。
几个班组可能只是在某个生产线工作（如不 同地域）
所有生产线可能在同时只处理同一批原料。 这就可能构成完全嵌入的从属关系。
方差组分分析：因子数据结构
交叉结构——图示
检验员
1
2
部件
1
2
3
1
2
3
测量次数 1 2 1 2 1 2 1 2 1 2 1 2
部件
1
检验员 1
2
3
2
1
2
3
测量次数 1 2 1 2 1 2 1 2 1 2 1 2
方差组分分析：因子数据结构
嵌入式结构——举例
在超市购买洗发水，香皂，罐装饮料等，都 可以发现一个产品序列号。产品的序列号可 以追踪到生产日期和批次。
多变量分析：应用环境
常见变异来源分类
连续生产的单件之间 不同的生产安排之间 不同的原料或批次之间
来自单件内部的 变异，来自同一 批次不同单件间 的变异 化工厂的不同反 应容器之间 不同的设备或操 作员工之间
固定间隔的不同时间段，如每小时，班组，日，星期等 短时间间隔(小时，班组)与长时间间隔（日、星期）的比较等
假设检验 筛选DOE 优化DOE
30-50个X
10-15个X
8-10个X
4-8个 关键X 3-6个 关键X
通过优化并控制关键X达到 流程优化和控制的目的
变异的来源
变异
来自流程的变异
单件产品内部 批次内单件产品之间 不同批次之间 不同操作员之间 不同生产设备之间 设备生产转换前后 不同时间段
……
来自测量系统的变异
多变量分析：图形制作
应用Minitab画多变量图
黑带老王希望了解培训和经历对 员工生产率的影响，根据与项目 团队的交流发现员工在岗时间 （1-5年）和培训项目（有基础培 训与专家培训两种），分别为40 和80小时。对工件的加工时间用 来衡量生产率。
部分相关数据如图所示。 数据在Minitab 文件multivariate-
多变量分析：多变量图
多变量图
图为某注塑车间 随时间(15 18 21)的不同，注 塑强度差异的多 变量图
R内：单元内部 的变化范围
R间：单元间的 差别
R时：不同时间 段的差别
通常在一个图表上展示2-4个X对连续变量Y的影响
R间
R内
R外
多变量分析：与控制图的比较
多变量图与控制图的比较
控制图 综 合
方差组分分析 Minitab应用 进行定量分析
请注意输入顺序：从 高级开始逐级下沿
方差组分分析：分析案例
方差组分分析——举例
Nested ANOVA: Weight versus Plant, Shift, Operator, Sample
Analysis of Variance for Weight
工厂间及操作 员之间的变异 是造成变异的 显著原因。
方差组分分析：分析案例
方差组分分析——举例
Variance Components
Source Var Comp.
Plant
0.004
Shift
0.001
Operator 0.007
Sample 0.013
Total
0.025
% of Total 17.26 3.37 27.40 51.97 0.157
Stat>Quality Tools>Multi-Vary Chart Response:Time Factor1: Experience Factor2:Training Hours 点击“Options”并选择所有三项（包括Display
individual Data Points） OK
嵌入式结构——图示
原料批次 编号可能一样但
实际上是不同的
生产线
1
班组
1
1 2
2
批次
1
2
3
1
2
3
单件产品 1 2 1 2 1 2 1 2 1 2 1 2
方差组分分析：用途
因子数据结构不同，采用的定量分析方法就不同
交叉结构——采用方差分析（包括固定模型和随机模型）的 方法分析
通嵌入结构——采用方差组分分析可以把各个来源所造成的 变异进行分离，并计算出各自为总体的偏差（以方差计算） 所带来的份额有多少
100
过培训可最大
程度地
提高生产率：
平均降低约 175分钟
Productivity study
同等经历与培训的员工 似乎仍有一定程度的差 别：50-80分钟。
1
3
5
Experience
Training hours 0 40 80
多变量分析：练习
应用Minitab练习“多变量分析”
再练习一次，但两个因子的顺序互换
A、单元内的变异是最大来源 B、单元间的变异是最大来源 C、时间造成的变异最大
多变量分析：应用环境
变异来源
来自流 程的变异
变异
来自测 量系统 的变异
1、单件产品内部 2、批次内单件产品之间 3、不同批次之间 4、不同操作员之间 5、不同生产设备之间 6、设备生产转化前后 7、不同时间段 8、……
1、测量系统的重复性 2、测量系统的再现性 3、校准前后的稳定性 4、不同测量人员之间 5、量程范围内的线性度 6、……
Source Plant Shift Operator Sample Total
DF SS 3 0.7411 12 0.5162 48 1.5865 128 1.6385 191 4.4824
MS F P 0.2470 5.743 0.011 0.0430 1.302 0.249 0.0331 2.582 0.000 0.0128
这是一个典型的嵌入式结构，可借助完全嵌入结构的方差分 析（即方差组分分析）定量研究成果作为该结果。
文件名称为：shapooweight.mtw.
方差组分分析：分析案例
多变量分析：举例
交叉结构分析 应用工具之一
方差组分分析：分析案例
多变量分析结论
Multi-Vari Chart for Weight by Operator - Plant
测量系统的重复性 测量系统的再现性 校准前后的稳定性 不同测量人员之间 量程范围内的线性度 ……
多变量分析：基本概念及作用
什么是多变量分析？
流程绩效指标随流程输入和流程指标变化的图标展示 在生产中对当前流程水平进行过程能力分析的手段 流程稳定性的直观观察
多变量分析的作用是什么？
从多个角度通过图表观察造成流程绩效指标变异的原因 观察流程的短期与长期能力间的差距及造成差距的主要原因 与方差组分分析一起使用，可以明确流程变异的根本原因
多变量分析：应用环境
常见的变异来源图示 顺序
设备1
位置
设备2
时间1 时间间隔
时间1
多变量分析：应用环境
应用举例 揭示常见的变异来源——产品单元内，单元之间， 批次之间，人员，设备，班组，时间，原料，生产 调整等。
测量系统的重复性与再现性分析——理解测量误差 的来源。
多变量分析：应用环境
多变量分析数据采集要求
多变量图
优点：可以揭示流程的稳定性与可控性 缺点：不能直接发现造成失控的根本原因
条件：在流程中存在很多变异的情况下， 优点：有助于发现造成变异甚至失控的来源
有助于发现将流程稳定在最佳条件下的一些有用线索
9:00 10:00 11:00 12:00
9:00 10:00 11:00 12:00 9:00 10:00 11:00 12:00
StDev 0.065 0.029 0.082 0.113
Expected Mean Squares
1 Plant 1.00(4) + 3.00(3) + 12.00(2) + 48.00(1) 2 Shift 1.00(4) + 3.00(3) + 12.00(2) 3 Operator 1.00(4) + 3.00(3) • Sample 1.00(4)
因子的数据结构
交叉 结构
工 具
嵌入 结构
工 具
交叉 与嵌 入的 混合 结构
方分 差析 组实 分 例、 分练 析习 用 途
三种数据结构及相关分析方法 方差组分分析四大用途 Minitab进行方差组分分析路径
应用环境
6Sigma改进过程中的漏斗效应
流程图/鱼骨图 因果矩阵与FMEA 多变量/方差组分/中心极限定理
多变量分析：练习
应用Minitab练习，你能得出什么结论？
第一章 概述
方差组分分析
方差组分分析：因子数据结构
三种因子数据结构
交叉结构：根据具体生产运营情况，有完全交叉的因子关系 嵌入结构：因子间存在从属关系 交叉与嵌入混合结构：交叉与从属结构混合的情形
注意内容
在进行多变量分析前应该特别注意数据是如何收集的及因 子之间的相互关系
crossed.maw中。 打开文件按下图进行练习。
多变量分析：图形制作
应用Minitab画多变量图
Stat>Quality Tools>Multi-Vary Chart Response:Time Factor1:Training Hours Factor2:Experience 点击“Options”并选择所有三项（包
如果要确定是时间因素带来的变异，进行多
变量分析时应尽量采用系统抽样的方式（定
时或固定间隔采Βιβλιοθήκη ）为了充分暴露问题，应尽量使用长期数据，考虑了各个造成变异 的因素后，才能客观反映问题的来源，一般要求样本的方差达 到流程总变异的80%以上。
抽样指导原则： 1、空间/位置原因变异—每个单件上至少选择两个位置 2、顺序—每个批号或每个时间段至少选取3个连续生产的部件 3、时间因素—至少挑选20个固定间隔的抽样时间段
交叉结构——举例
在一次MSA分析中，由3个检验员对10个部件进行了MSA分析。 要求：3个检验员对所有10个部件都重复测量
对于测量结果来说，部件和质检员都是造成偏差的来源
由于所有的检验员和所有部件都组合过，是典型的交叉结构 其它交叉结构实例：试验设计中的全因子试验模型
方差组分分析：因子数据结构
DM阶段回顾与试题讲解
第一章 概述
多变量分析
模块目标
多变量分析
方差组分分析
基 多 分析应用 练
本变
习
概 量 变使 数 制
念 图 异用 据 作
及 与 来环 采 多
作 控 源境 集 变
用 制分
要量
图类
求图
变异的2个来源3种分类 多变量分析数据采集抽样要求 组内、组间、组外的含义 Minitab制作多变量图路径
6Sigma绿带培训-分析阶段 目录
第一章 概述 （1）多变量分析 （2）方差组分分析 （3）中心极限定理 第二章 假设检验 （1）假设检验简介 （2）均值比较 （3）方差比较 （4）比例比较 （5）样本量选择
第三章 相关性分析 （1）X-Y图 （2）相关系数 （3）误解分析 （4）Minitab练习（抛射器） 第四章 一般线性回归分析 第五章 多元回归分析 第六章 分析阶段路径 第七章 附录 第八章 非参量统计（阅）
各因素对总变 异的贡献比例 及绝对量。
获得上述数据 结论的计算方 法。
方差组分分析：分析案例
方差组分分析——结论
同一操作员随时间进行会有不同的罐装量，这是造成 变异的最大原因
不同员工罐装量有区别，应研究培训或操作规程的制 定执行情况
不同工厂罐装数量有不同之处，应调查原因是什么 不同班组之间没有明显的区别
括Display individual Data Points） OK
多变量分析：图形制作
应用Minitab练习，你能得出什么结论？
多变量分析：图形制作
工作经验的影 响：第一 年到第三、五 300 年平均降 低约40分钟， 第三、五 年的差别不大 250
200
Time
150
有一年经验的
员工通
方差组分分析可用于： 识别最大的变异来源 通过对最大变异来源的消除达到改善流程的目的 为改善阶段流程的优化确定方向 建立更有效的样本采集计划
方差组分分析：分析案例
方差组分分析——举例
某化工厂黑带小张意图减少洗发水罐装量偏差过大的问题。 罐装是在不同工厂，不同设备及有不同班组的员工进行。为 了定量了解上述原因对罐装量（以克为单位）变异的影响， 小张分别到四个工厂的四个班组中随机抽取了四位操作员， 每位操作员工作时抽取三个样品（每间隔800个生产产品） 进行了分析。