六西格玛系列之统计学-第1章 绪论
6sigma统计基础(Fysip)
等)、水文气象(年最高气温、雨量、水位、
② P(X>180) = 1-0.9854 = 0.0146
风速波高)等
③ P(160≤X≤180) = 0.9854-0.0729 = 0.9125
峰度：分布平坦性的度量
=
(−)4
4
- 3 参考样本峰度
V()
1
=
=
1
V( (1 +
2
1
2)
(n
2
2 + ⋯ + ))
2
=
参考中心极限定理
n
随机变量的标准差，正态分布曲线
① V(C) = 0
拐点到中心线的距离 = ()
② V(aX) = 2 V(X)
③ X1和X2相互独立时，V(aX1±2) =
2 V(X1) + 2 V(X2)
1
− 1 +
ν+1
1
2 ∗ 1 ∗
ν
2
2
1+
2
2
2
2+ ( − 1)
1
+1
2
2
− 1 +
2
1
− 2 1 +
期望0，方差
−2
ν1
ν1−ν2
ν1+ν2
2
2
2
∗ ν1
∗
ν1 +2 ν2
ν2
•X3k+2 + 0.25 (X3k+2 – X3k+1) = 32.25(n = 40+2)
六西格玛简介
•扩展6Sigma培训
•扩展6Sigma项目实 施范围
•主黑带培训
•内部化6Sigma
•形成6Sigma文化
•供应商、销售渠道 6Sigma推行
六西格玛领导力: 领导、沟通、推进、参与、评审、监督
六西格玛管理法导论
六西格玛推行步骤
倡导者与主黑带持续的项目规划与监督
项目 选择
批 定 评 测 评 分 评 改评 控 评 准 义 审 量 审 析 审 进审 制 审
定义
• 总则 • VOC • SIPOC • CE 矩阵
测量
• 数据采集计划 • Gage R&R • 控制图表 • 性能分析
控制
• QC 图表 • 文件整理 • 监控
改善
• 确定解决方案 • 风险分析 • 试行 • 计划
不仅是一个分类的工具,在流程 改善中确定每一步如何操作,可 以想像当每个人都使用同种方 法时会产生较大协同效应.
均值 拐点
六西格玛管理法导论
分布曲线越窄, 意 味着落在USL和 LSL之间越多；
LSL 下偏差
: 标准偏差，主要描 述一概率分布的离散 程度；
: 均值
USL 上偏差
分布的离散程度越大 则也越大, 反之, 亦 然；
1> 2> 3
3
4.5 6
六西格玛管理法导论
例如你每天的上班时间为8:30,同时允许正负2分钟的范围，为了方 便，你每天8:12出门，你的“目标”时间是18分钟到办公室。但是实际 上每天上班花多少时间呢？ 你收集整理一下你上班时间的数ห้องสมุดไป่ตู้，就会 发现，你的上班时间有很大的波动，有很多数据超越了你的指标范围， 尽管有这样、那样的原因。
需要什么
企业经营统计学--六西格玛
企业经营统计学期末论文论文题目：六西格玛理论在服务行业的应用学院名称：财政与公共管理学院专业班级：__________学生姓名：________目录摘要 (1)第一章六西格玛的概述第一节六西格玛（6σ）的介绍 (2)第二节六西格玛（6σ）的特征及其本质 (3)第二章六西格玛管理在电信服务运营中的应用第一节界定阶段 (4)第二节测量阶段 (5)第三节分析阶段 (7)第四节改进和控制阶段 (9)参考文献 (10)摘要六西格玛管理是从一种全面质量方法演变成为一个有效地流程设计改善优化技术，是一套系统的改进方法体系，通过系统地、集成地采用改进流程，实现无缺陷的流程设计，并对现有流程进行定义、测量、分析、改进、控制，同时它还提供了一系列同等地适用于设计生产服务的开发工具。
六西格玛不仅在银行服务流程改进方面有着重要的作用，对通讯市场发展的作用也日益显著。
本文通过六西格玛在上海电信服务运营环节的一个具体应用对其作用进行了阐述。
第一章六西格玛的概述第一节六西格玛（6σ）的介绍一、6σ的含义及其意义西格玛为希腊字母sigma（σ）的中译文，其含义为“准偏差”，来源于统计学中标准差σ的概念，是指过程变异在统计上的计量。
6σ意为“6倍标准差”，从本质上来说，是一个过程质量目标，在质量上表示每百万坏品率（per million，PPM）少于3.4，记为3.4PPM。
实际上，6σ模式的含义并不简单地是指上述这些内容，而是一整套系统的理论和实践方法。
它着眼于揭示生产流程中每百万个机会当中有多少缺陷或失误。
这些缺陷和失误包括产品本身、产品生产的流程、包装、转运、交货延期、系统故障、不可抗力等。
大多数企业运作在三至四西格玛的水平，这意味着每百万个机会中已经产生了6210～66800个缺陷，这些缺陷将要求生产者耗费其销售额的15%～30%进行弥补。
而一个实施6σ的公司仅需耗费年销售额的5%来矫正失误。
因此，6σ被广泛用于企业提高产品质量，不仅用于在工业企业中而且也广泛用在服务业中，以降低缺陷和失误产品数为主要目的。
六西格玛简介第一章解读
1990年代末：全面质量管理（TQM）成为许多“世界级” 企业的成功经验证明是一种使企业获得核心竞争的管 理战略。质量的概念也从狭义的符合规范发展到以 “顾客满意”为目标。全面质量管理不仅提高了产品 与服务的质量，而且在企业文化改造与重组的层面上， 对企业生产深刻的影响，使企业获得持久的竞争能力。 在围绕提高质量、降低成本、缩短开发和生产周期方 面，新的管理方法层出不穷。其中包括：并行工程 （CE）、企业流程再造（BPR）等。 2000年：随着知识经济的到来，知识创新与管理创新必 将极大地促进质量的迅速提高——包括生产和服务的 质量、工作质量、学习质量、直至人们的生活质量。 质量管理的理论和方法将更加丰富，并将不断突破旧 的范畴而获得极大的发展。
1960年代初：朱兰、费根堡姆提出全面质量管理的概念— —他们提出，为了生产具有合理成本和较高质量的产品， 以适应市场的要求，不能只注意个别部门的活动，而需 进行覆盖所有职能需要部门的质量活动策划。 戴明、朱兰、费根堡姆的全面质量管理理论在日本被 普遍接受。日本企业创造了全面质量控制（TQC）的质 量管理方法。统计技术，特别是“流程图”、“直方 图”、“因果图”、“检查单”、“散点图”、“排列 图”、“控制图”等被称为“老七种”工具的方法，被 普遍用于质量改进。 1960年中：北大西洋公约组织（NATO）制定了AQAP质量管 理系列标准——AQAP标准以MIL-Q-9858A等质量管理标 准为蓝本。所不同的是，AQAP引入了设计质量控制的要 求。
什么是西格玛（σ）
“σ ”是希腊文的字母，统计学用其表示标准偏差， 用“σ ”可以度量质量特性总体上对目标值的偏离程度， 所以“σ ”值越小，反映参数的数据越集中，其分散程 度越小。也说明过程中产生缺陷的可能性越小。 “σ ”可由曲线来表示，现以正态分布曲线为例， 其代表曲线如下图图中LSL、USL分别表示参数满足客 户的下限和上限，μ 表示中心值。在上、下限之间的 区域称为容限区，正态分布曲线在容限区内所包容的 面积即为合格品数，超出容限区的部分面积即为缺陷 数。当σ 1＜σ 2区的部分面积即为缺陷数。当σ 1＞ σ 2时， σ 1的曲线瘦高，合格品率高，缺陷率低；反 之， σ 的曲线矮胖，合格品率低，缺陷要多。 几个“σ ”是一种表示品质的统计尺度，3倍σ 即3 σ 表示由中心值μ 到上或下限（LSL或USL）之间所划 分的等分数为3，6倍σ 即6 σ 表示的划分的等分数为6， 显然等分数越大，σ 值就越小。所以σ 的倍数越高， 表示它的品质越高。
六西格玛统计学入门初步(ppt 75页)
58
70.8
总均值y 63.8 63.8 63.8 63.8
差
-0.92 0.98 -5.82 6.98
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
規
上限
1.6
1.6 12.5 8.22 8.15 8.085 M5X0.8
格
下限
8.20 8.13 8.055 M5X0.8
检测工具 粗糙度仪 粗糙度仪 粗糙度仪 千分尺 千分尺 千分尺 硬度计
MAX
MIN
R
平均値 X
標準値 S(n-1)
LS L
Ｂ３
100
1.0
LS L
U SL
0.5
Ｂ３
0.0
-5
-4
-3
-2
-1
0
1
2
X va l
3
4
Ａ
5
B1、B2、B3的工程能力比A的小
20
实际工作中的例子
新产品开发时过程能力的计算
品質保証部門行き
【初物品質確認記録】
部品名称
作成日 会社名
部品番号
2011.4.14 宁波精益创诚轴业有限公司
承認 調査 担当
3
0.653 0.857 4.521 8.210 8.130 8.065 OK
4
0.769 0.829 3.842 8.200 8.140 8.070 OK
5
0.683 0.921 6.254 8.210 8.135 8.070 OK
6西格玛统计学
〔4〕假设
武汉工程职业技术学院
23
三、统计量与抽样分布
5、两个独立的正态样本方差之比的分布——F分布
设有两个独立的正态总体N(1, 2)和N(2, 2)，X1， X2,...Xn是来自N(1, 2)的一个样本，Y1,Y2,...Yn是来自 N(2, 2)的一个样本，两个样本相互独立，两样本方差
b k (n 1 )n n (n ( 2 1 ))n ( 3 )i n 1(X iS 4x )4 (n 3 (n 2 ) n 1 ( ) 23 )
武汉工程职业技术学院
15
四、统计量与抽样分布
1、三种不同性质的分布 〔1〕总体分布：总体中各元素的观测值所形成的相对频数分布称 为总体分布。 〔2〕样本分布：从总体中抽取一个容量为n的样本，由这n个观测 值形成的相对频数分布，称为样本分布。 〔3〕抽样分布：某个样本统计量的抽样分布，从理论上说就是在 重复选取容量为n 的样本时，由该统计量的所有可能取值形成的相 对频数分布。
武汉工程职业技术学院
2
一、根本概念
〔一〕根本概念
1、统计学〔statistics〕：收集、处理、分析、解释数据 并从中得出结论的科学。
2、描述统计〔descriptive statistics〕：研究数据收集、 处理和描述的统计学分支。
3、推断统计〔inferential statistics〕 ：研究如何用样本 数据来推断总体特征的统计学分支。
〔1〕总体服从正态分布 N(,2) 时，样本均值服从正态分
布 N ( , 2 ) ，转换为标准正态分布，那么：
n
Z X ~N(0,1) / n
当总体标准差σ，样本均值 进行X标准化转换后，可以得到标准正态
六西格玛培训讲义
六西格玛基础知识培训讲义六西格玛培训讲义第一节六西格玛的诞生和发展六西格玛是美国人在全面质量管理基础上发展起来的。
朱兰、费根堡姆于20世纪60年代提出了全面质量管理的概念。
他们提出，为了生产具有合理成本和较高质量的产品，以适应市场的要求，只注意个别部门的活动是不够的，需要对覆盖所有职能部门的质量活动进行策划。
朱兰、费根堡姆的全面质量管理理论在日本被普遍接受。
日本企业实现了全面质量控制的质量管理方法。
统计技术，特别是“因果图”、“流程图”、“直方图”、“检查单”、“散布图”、“排列图”、“控制图”等被称为“老七种”工具方法，被普遍用于质量改进和质量控制。
20世纪80年代，经济全球化迅速推进，顾客要求不断变化，美国人又把TQC发展到TQM。
许多世界级企业的成功经验证明，全面质量管理（TQM）是一种使企业获得核心竞争力的管理战略。
质量的概念也从狭义的“符合规范”发展到以“顾客满意”为目标。
全面质量管理不仅提高了产品与服务的质量，而且在企业文化打造与重组的层面上，对企业产生深刻的影响，使企业获得持久的竞争能力。
但是，时代在发展，科技在进步。
原来以百分比来评价质量的标准已经不能完全反映质量要求。
质量管理需要一种新的理念和更有号召力的质量改进方式。
正是在这种情况下，六西格玛应运而生。
六西格玛最初的含义建立在统计学中最常见的正态分布基础上。
他考虑了1.5倍的漂移，这样，落在六西格玛外的概率只有百万分之三点四，即3.4 ppm。
一百万次出差错的机会中，只有3.4次发生的可能，其实质就是不要做错，建立做任何事一开始就要成功的理念。
20世纪80年代摩托罗拉首先应用六西格玛。
在短短的5年时间里，摩托罗拉运用六西格玛使其产品质量提高了10倍，从而荣膺极负盛名的Malcolm Baldrige国家质量奖。
90年代初，为数不多的几家美国公司开始尝试推行六西格玛，其中联合信号公司的成功引起了通用电气公司当时的董事长兼首席执行官Jack Welch这位传奇人物的极大关注。
六西格玛基本介绍(一)
基本介绍（一）六西格玛基本介绍（一）六西格玛1、什么是六西格玛？六西格玛是一项以数据为基础，追求几乎完美的质量管理方法。
西格玛是一个希腊字母σ的中文译音，统计学用来表示标准偏差，即数据的分散程度。
对连续可计量的质量特性：用“σ”度量质量特性总体上对目标值的偏离程度。
几个西格玛是一种表示品质的统计尺度。
任何一个工作程序或工艺过程都可用几个西格玛表示。
六个西格玛可解释为每一百万个机会中有3.4个出错的机会，即合格率是99.99966％。
而三个西格玛的合格率只有93.32％。
六个西格玛的管理方法重点是将所有的工作作为一种流程，采用量化的方法分析流程中影响质量的因素，找出最关键的因素加以改进从而达到更高的客户满意度。
六西格玛（Six Sigma）是在九十年代中期开始从一种全面质量管理方法演变成为一个高度有效的企业流程设计、改善和优化技术，并提供了一系列同等地适用于设计、生产和服务的新产品开发工具。
继而与全球化、产品服务、电子商务等战略齐头并进，成为全世界上追求管理卓越性的企业最为重要的战略举措。
六西格玛逐步发展成为以顾客为主体来确定企业战略目标和产品开发设计的标尺，追求持续进步的一种质量管理哲学。
2、六西格玛类似于SPC（统计性工作程序控制）吗？六西格玛是一个致力于完美和追求客户满意的管理理，SPC是一个支持六西格玛这个管理理念的工具。
所有那些传统的质量管理工具，像SPC、MSA、FMEA、QFD等均是实现六西格玛必不可少的工具。
3、实施六西格玛的目的是什么？为企业实施六西格玛提供必须的管理工具和操作技巧；为企业培养具备组织能力，激励能力，项目管理技术和数理统计诊断能力的领导者，这些人才是企业适应变革和竞争的核心力量。
从而使企业降低质量缺陷和服务偏差并保持持久性的效益，促进快速实现突破性绩效，帮助企业达到战略目标。
4、六西格玛适合于什么样的企业？它适用于任何水平、任何企业，它功能强，可以测量到百万分之一的水平。
六西格玛统计学入门初步
六西格玛统计学入门初步简介六西格玛统计学（Six Sigma Statistics）是一种数据分析方法和问题解决方法，它以统计学为基础，通过对数据进行收集、整理、分析和解释，帮助组织识别并消除过程中的变异性，并持续优化业务过程，从而提高质量标准和业务绩效。
六西格玛统计学最早由摩托罗拉公司于20世纪80年代提出，并在日本的丰田汽车公司得到广泛应用。
如今，许多组织在生产、服务、交易等领域都采用了六西格玛统计学，以实现质量改进、成本降低和客户满意度提高的目标。
六西格玛统计学的核心原则六西格玛统计学的核心是关注错误和浪费，通过减少变异性，提高业务过程的稳定性和一致性。
以下是六西格玛统计学的核心原则：1.数据驱动决策：六西格玛统计学强调使用客观、准确和可靠的数据来支持决策。
数据被用来衡量当前业务过程的绩效，并识别潜在的问题。
2.过程的稳定性：通过六西格玛统计学，组织可以了解业务过程的变异性，并针对根本原因进行改进，从而提高过程的稳定性和可预测性。
3.变异性的减少：六西格玛统计学的目标是减少业务过程中的变异性，以达到更高的一致性和品质水平。
4.持续改进：六西格玛统计学强调持续改进，通过不断监测和分析数据，找出潜在的问题和改进机会，并采取适当的措施进行改进。
六西格玛统计学的基本方法六西格玛统计学包含一系列工具和技术，用于数据收集、分析和问题解决。
以下是六西格玛统计学的基本方法：1.DMC方法：DMC方法是六西格玛统计学中最常用的方法，它包括以下五个阶段：–Define（定义）：明确业务过程的目标和关键特性，确定改进的范围和目标。
–Measure（测量）：收集相关数据，衡量当前业务过程的绩效，并建立基线性能。
–Analyze（分析）：通过统计分析方法和工具，识别业务过程中的问题和潜在原因。
–Improve（改进）：基于分析结果，制定改进方案，并实施相关措施。
–Control（控制）：建立控制措施和监测机制，确保改进的可持续性。
六西格玛培训-01
输出
高优先级的项目 - 需要改进的产品 /过程 项目的确定SOW - 问题描述 - 项目目标 - 范围和界限 - CTQs - 支持数据 - 小组成员 - 过程所有者 - 项目计划 - 预计收益
实际 目标
A B
C D E
性能衡量
帕雷托图
测量M - Measure 2 确定测量对象
(y)，验证测量 系统。 3 量化目前性 能，估计改 进目标。
项目是由黑带或绿带牵头。
29
4.六西格玛路线图
定义(Define)
1
确定客户的重要因素。确定项目范围。 确定衡量对象（Y）并验证衡量系统。 量化当前业绩，设定改进目标。 确定偏差和缺陷的原因（Xs）。 提供统计数据说明原因是真实的。
测量(Measure)
2 3
分析(Analyze)
4 5
改进(Improve)
4 -Process 改善 结矮的果实 7种基本工具
4 → 5σ : 27倍改善 5 → 6σ : 70倍改善
3 水准 掉在地上的果实 伦理于直观
因此 3 → 6σ ; 19,600倍改善
18
总结
总之，六西格玛是以顾客为中心、数据为导向、通过一个严 谨的过程和一套科学的方法帮助我们发展和交付近乎完美的产 品和服务
Process Owner
-确保团队的参与，项目 结果的质量和控制阶段的 保持。
- 改善结果的承担者 - 提供资源和支持，评价效果
Master Black Belt
- 黑带大师 - 选择、培养、指导黑带和绿带 - 经验和统计技术知识都很丰富
Black Belt
- 专职的改进专家 并有领导能 力 - 受到尊重并有权 威实施改善 - 年轻的、有生气 的 并热衷6σ
6-Sigma_基本统计知识
Page 9
Version: July 2008
总体和样本
总体(Population)
研究的一类对象的全体； 总体的大小(个体的数量)可以是有限的或无限的；
个体(Individual)
构成总体的每一个成员称为个体；
样本(Sample)
从总体中抽出的部分个体组成的集合称为样本； 样本的数量(大小) 是有限的，数量一般都比较少；
描述性统计(Descriptive Statistics)
将原始数据整理为简单有效的指标/图形/表格 9 原始数据的缺点：数量多，难以发现规律，难以理解 主要内容 9 统计指标(Mean, Sigma, Cpk, etc.) 9 列联表 9 图形(直方图，盒子图，等)
推论性统计(Inferential Statistics)
形状的测量:峰度
分布/形状
峰度(Kurtosis)
9 表现分布的尖峭程度，计算 公式为：
1 n Kurtosis = ( xi − x) 4 s 4 − 3 ∑ n − 1 i =1
9 正态分布的峰度为 0；
尖的(β>0) 正态 平的(β<0)
Page 28
Version: July 2008
Dot Plot 点图 Box Plot 盒子图 Histogram 直方图 Trend Chart 趋势图
统计指标
Tables 表格
Crossed Tabulation 列联表
Location 位置
Mean 平均值 Median 中位数 Mode 众数 Quartiles 四分位数
Page 15
Dispersion 散布
总体标准差
六西格玛基础知识
第四节 什么是六西格玛管理？
关于六西格玛管理，目前没有统一的定义。
下面是一些管理专家关于六西格玛的定义：
管理专家罗纳德·斯尼先生将六西格玛管理定义为：“寻求同时增
加顾客满意和企业经济增长的经营战略途径。”
管理专家汤姆·帕兹德克 ：“六西格玛管理是一种全新的管理企业 的方式。六西格玛主要不是技术项目，而是管理项目。”
过程设计/再设计 方 差 分 析
转炉
精炼炉
钢包吹氩
统
计
钢 材
分
成 品
析
轧机
方
法
依据数据决策 ….........
输出Y
六西格玛管理就是运用一定的方式方法，管理输入到输出
的过程，使过程能力达到六西格玛质量水平的目标。
第二十九页，共八十七页。
第二章 为什么要实施六西格玛管理
第一节 顾客满意 第二节 质量成本 第三节 质量活动 第四节 改善时间 第五节 产品质量 第六节 企业战略
45500
2700
63
0.57
0.0018
第十八页，共八十七页。
3.4 什么是六西格玛？---实际上
（通常所说）的六西格玛（或6SIGMA,Six Sigma）质量水平
过程输出质量特性平均值 () 往往在规
格中心点周围漂移，漂移幅度在规格中
心点±1.5σ范围内。 如果将±1.5σ漂移计算在内， 6σ质
第二十六页，共八十七页。
我们可以把六西格玛管理定义为：
“获得和保持企业在经营上的成功并将其经营业绩最大化 的综合管理体系和发展战略。是使企业获得快速增长的经
营方式。”
六西格玛管理是
“寻求同时增加顾客满意和企业经济增长的经营战略途 径。”是使企业获得快速增长和竞争力的经营方式。 它不是单纯的技术方法的引用，而是全新的管理模式。
六西格玛培训资料统计学基础探讨
六西格玛与统计 学关系
统计学在六西格玛中的作用
数据收集：六西格玛依赖于大量数 据来分析和解决问题，统计学提供 了收集、整理和描述数据的方法。
质量改进：六西格玛通过降低变异 和缺陷来实现质量改进，统计学提 供了工具来测量和降低变异。
添加标题
添加标题
添加标题
添加标题
数据分析：六西格玛使用统计学方 法来识别问题的根本原因，如回归 分析、方差分析等。
统计过程控制： 运用控制图、过 程能力指数等工 具，监控生产过 程，识别异常原 因。
实验设计：通过 合理安排实验， 降低实验误差， 提高实验效率和 可靠性。
六西格玛中数据分析和可视化工具
描述性统计：用于描述数据的集中 趋势和离散程度
方差分析：用于比较不同数据集之 间的差异
添加标题
添加标题
添加标题
添加标题
添加标题
添加标题
添加标题
添加标题
案例简介：该项目通过应用六西格玛 方法论，针对生产过程中的缺陷进行 改进，最终实现了提高产品质量和降 低成本的目标。
实施效果：改进后，产品合格率显 著提高，客户满意度提升，企业获 得了可观的利润增长。
六西格玛在服务业中的应用案例
案例名称：某餐饮连锁企业
案例简介：通过六西格玛管理方法，优化服务流程，提高客户满意度，降低成本，增加销售额。
数字化转型：随着 数字化技术的不断 发展，六西格玛方 法将与数字化技术 相结合，形成数字 化六西格玛，以提 高数据分析和处理 能力。
人工智能应用：人 工智能技术的不断 发展将为六西格玛 提供更强大的工具， 例如自动化数据收 集和处理、自动化 流程控制等，以提 高效率和准确性。
跨领域应用：六西 格玛方法不仅局限 于制造业，还将被 广泛应用于其他领 域，例如服务业、 金融业等，以提高 业务运营效率和客 户满意度。
六西格玛基础知识PPT课件
T4：将第四象限中非阴影部分的面积分为面积相等、形
状相同的五个部分。（5分钟）
第二象限 第三象限
第一象限
第四象限
3
思想转变二
“我可以，你不行”
事
件
别人
花很长时间办一件事 省略一些事情
不经吩咐就做某一件事 强烈坚持观点 忽略了规则
慢 懒惰 越权 顽固不化 不负责任
自己
仔细 效率 主动性 坚持原则 创新
2
思想转变一
Z1：在第一、二、三象限内各画一个正方形
Z2：将小正方形与坐标轴围城的部分打阴影
T1：将第一象限中非阴影部分的面积用一条直线分为面
积相等、形状相同的两个部分。（10秒）
T2：将第二象限中非阴影部分的面积用两条直线分为面
积相等、形状相同的三个部分。（ 30秒）
T3：将第三象限中非阴影部分的面积分为面积相等、形
质量管理八项原则
1 以顾客为中心 2 领导作用 3 全员参与 4 过程方法 5 系统管理 6 持续改进 7 以事实为决策依据 8 互利的供方关系
19
定义 测量 分析 改进 控制
了解客户需求重要么？
20
定义 测量 分析 改进 控制
思考题：认识我们自己的业务
Supplier Input
Process
4
课程回顾
1、什么是6
sigma是希腊字母, 是一个用来表示标准差的统计单位. 它衡量数据的分散程度；
Sigma水平 是业绩水平的一个普适性衡量指标. 它是衡量我们所提供的产品或服 务满足客户要求能力的指标. 流程的sigma水平越高, 产品或服务满足客户要求的 百分比就越高, 缺陷也越少.
σ Level 6 5 4
6σ内训系列-统计理论
– 因子 B 的差异平方和 SSB 的自由度为 r-1
– 随机误差平方和 SSE 的自由度为 (k-1)× (r-1)
计算统计量 F
1. 检定 A 的影响是否显着，用下面的统计量
2. 检定 B 的影响是否显着，用下面的统计量
二因子ANOVA的分析与决策
变异来 源
因子A
平方和 SSA
因子B SSB
•柏拉图
•Pareto Diagrams（柏拉图）：依改善目标的重要性来排列的工具
•Paretos帮助 我们着重于引 起 80%之不 良绩效的 20%问题上
第五部分 六西格玛度量的种类
6Sigma度量的种类
• 单位产品的缺陷个数 • 每次机会中出现缺陷的比率，表示样本中缺陷数占全部机
会数的比例 • DPMO常以百万机会缺陷数表示 • 每个彼此独立子过程FTY的乘积，表明由这些子过程串联构
用语定义
DPO (Defects Per opportunity):每次机会中出现缺陷的比率
公式
范例2
•假定这100块电路板中，每一块 电路板中都有100个缺陷机会，若 在制造这100块电路板时共发现21
个缺陷，则
DPO=21/100/100=0.21%
用语定义
DPO (Defects Per opportunity):每次机会中出现缺陷的比率
•=99.5%*97%*94.4% •=87.4%
用语定义
RTY、FTY、PFY 综合范例
某过程投产1000pcs 产品，包含五个子过程，每个子过程都有独立的合格率，分布计算PFY和RTY
•RTY:每个工 站FTY的乘积
•PFY:产出数 与投入数之比
第六部分 变异数分析
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第一章绪论
统计学是数据的科学，包括数据的收集、分类、概括、整理、分析以及解释
统计学的基本要素
总体是我们感兴趣的目标数据集(通常很大，或者只是概念上的)。
有些我们感兴趣的目标数
据集在自然状态下是无法得到的，或者为了得到它需要付出昂贵的代价/耗费很长的时间
样本是取自目标总体的数据子集
试验单位指数据(测量值或观测值)采集的对象(例如人、事物、交易、标本或者事件等)
变量是试验单位的特征或性质(人的身高、体重等)
例如感兴趣的目标数据集(总体)是所有中国30~40岁的男性，样本是从每个省抽取的1000个中国30~40岁
的男性，试验单位是中国30~40岁的男性，变量是中国30~40岁男性的身高和体重
描述性统计致力于数据集的整理、概括以及描述的统计学分支
1.感兴趣的总体或样本
2.被研究的一个或多个变量(试验单位的特征)
3.表格、图形或者数字概括工具
4.确定数据类型
推断统计学利用样本数据对一个很大的数据集作出推断的统计学分支
1.感兴趣的总体
2.被研究的一个或多个变量(试验单位的特征)
3.试验单位的样本
4.基于包含在样本中的信息推断总体
5.推断的可靠性度量
可靠性度量是关于统计推断不确定程度的一个陈述(通常是定量的)
数据的类型
用于描述/分析数据的合适的统计工具是依赖于数据类型的
定量数据(变量)/计量型数据(变量)/连续随机变量是测量所得的连续性取值的特性值，可以无
限分割且每个细微的增长都有现实意义。
多是评价产品的固有属性，如长度/重量/强度/时间
/电阻等。
通常需要的样本数小于30
定性数据(变量)/计数型数据(变量)/离散随机变量是按个数数得的非连续性取值的特性值。
多
倾向于评价产品的价值属性，如铸件的瑕疵个数/不合格产品的个数/审核不合格项目的个数
等可以用123456等阿拉伯数字数下去的数据。
通常需要的样本数大于等于30
计数型数据运算出来的数据也是计数型数据，如不良率是由不良个数除以总个数计算得来
统计思想包括应用理性思维和统计科学来批判地评估数据及推断
1。