sigma常用工具及图表
最新六西格玛常用质量工具资料
★ 8P(行政或服务)
▲ Price(价格) ▲ Promotion(晋升) ▲ People(人员) ▲ Processes(过程) ▲ Place/Plant(场所) ▲ Policies(政策) ▲ Procedures(流程) ▲ Product/Service(服务)
6
例1 某车间动员所有人员都参与讨论尺寸不合格的原因，画出
3.将要因进行分类（常用人机料法环的分类方 法），并绘制到鱼骨图当中，箭头由要因指向骨 干，60度斜插于骨干上
导航视窗
点击这里开始演示
1.将要检讨的特性用问题形式表示出来
2.由左至右划上一条较粗的线条作为鱼的骨干， 箭头指向问题
3.将要因进行分类（常用人机料法环的分类方 法），并绘制到鱼骨图当中，箭头由要因指向骨 干，60度斜插于骨干上
文件延迟
废料
机器 延迟
供应商的 过失
工程设计重复
改变 顺序 定单处 缓慢
检查延迟
决策缓慢
质量管理的三个普遍过程
1
质量计划
2
质量控制
3
质量改进
4
1.1 因果图
因果图最早由日本东京大学教授石川馨 (1953)提出，因此，又称石川图(Ishikawa Diagram)和鱼骨图(Fishbone Diagram)。
错
例1
误
范
例
1
导航视窗
1.将数据输入到Excel中，其它项放在最后。并 计算出累计百分比
点击这里开始演示
导航视窗
点击这里开始演示
1.将数据输入到Excel中，其它项放在最后。并 计算出累计百分比
2.在“插入”“图表”中选择“自定义类型”并 从下面找到“双轴线-柱图”，点击“下一步”
6西格玛大师须掌握的20个工具
六西格玛大师需掌握的二十个工具前言六西格玛（Six Sigma，6 Sigma）是一种管理策略，它是由摩托罗拉提出的。
这种策略主要强调制定极高的目标、收集数据以及分析结果，通过这些来减少产品和服务的缺陷。
六西格玛背后的原理：如果你检测到你的项目中有多少缺陷，你就可以找出如何系统地减少缺陷，使你的项目尽量完美的方法。
一个企业要想达到六西格玛标准，那么它的出错率不能超过百万分之3.4。
如今，作为经典的质量管理手段，六西格玛备受质量人和生产人的追捧，现在把六西格玛管理中20种常用工具分享给大家，供您学习！01FMEA和FTA分析故障模式与影响分析(FMEA)和故障树分析(FTA)均是在可靠性工程中已广泛应用的分析技术，国外已将这些技术成功地应用来解决各种质量问题。
在ISO 9004：2000版标准中，已将FMEA和FTA分析作为对设计和开发以及产品和过程的确认和更改进行风险评估的方法。
我国目前基本上仅将FMEA与FTA技术应用于可靠性设计分析，根据国外文献资料和我国部分企业技术人员的实践，FMEA和FTA可以应用于过程(工艺)分析和质量问题的分析。
质量是一个内涵很广的概念，可靠性是其中一个方面。
通过FMEA和FTA分析，找出了影响产品质量和可靠性的各种潜在的质量问题和故障模式及其原因（包括设计缺陷、工艺问题、环境因素、老化、磨损和加工误差等），经采取设计和工艺的纠正措施，提高了产品的质量和抗各种干扰的能力。
根据文献报道，某世界级的汽车公司大约50%的质量改进是通过FMEA 和FTA/ETA来实现的。
02Kano模型日本质量专家Kano把质量依照顾客的感受及满足顾客需求的程度分成三种质量：理所当然质量、期望质量和魅力质量。
1、理所当然质量。
当其特性不充足（不满足顾客需求）时，顾客很不满意；当其特性充足（满足顾客需求）时，无所谓满意不满意，顾客充其量是满意。
2、期望质量也有称为一元质量。
当其特性不充足时，顾客很不满意，充足时，顾客就满意。
18个常用六西格玛统计工具介绍
18个常用六西格玛统计工具介绍六西格玛作为经典的质量管理手段，备受质量人追捧。
以下天行健将整理出18种常用六西格玛统计工具供大家学习：1、帕累托图（Pareto图）帕累托图来源于一种称为帕累托原则的观点，该观点认为大约80％的结果来自20％的原因。
帕累托图可帮助您直观地了解此原则如何应用于您收集的数据。
它是一种特殊类型的条形图，旨在将“少数几个”原因与“琐碎的”原因区分开来，使您能够专注于最重要的问题。
2、直方图直方图是连续数据的图形快照。
直方图使您能够快速识别数据的中心和范围。
它显示了大部分数据落在哪里，以及最小值和最大值。
直方图还显示您的数据是否为钟形，可以帮助您找到可能需要进一步调查的异常数据点。
3、Gage R&R准确的测量至关重要。
如果您无法准确测量过程，则无法对其进行改进，这时Gage R＆R就有了用武之地。
4、属性一致性分析另一个确保您可以信任您的数据的工具是属性一致性分析。
Gage R＆R评估连续型数据的重复性和再现性，而属性一致性分析评估的是属性数据，例如通过或失败。
此工具显示对这些类别进行评级的人是否与已知标准，与其他评估者以及他们自己一致。
5、过程能力分析几乎每个过程都具有可接受的下限和/或上限。
例如，供应商的零件不能太大或太小，等待时间不能超过可接受的阈值，填充重量需要超过规定的最小值。
能力分析向您展示您的流程与规范的完美程度，并深入了解如何改善不良流程。
经常引用的能力指标包括Cpk，Ppk，Cp，Pp，百万机会缺陷数（DPMO）和西格玛水平（Z值）。
6、检验我们使用t检验来比较样本的平均值与目标值或另一个样本的平均值。
例如，工艺参数调整后，想确定钢筋抗拉强度均值是否比原来的2000要高。
7、方差分析t检验将平均值与目标进行比较，或者将两个平均值相互比较，而ANOVA则可以比较两个以上总体的均值。
例如，ANOVA可以显示3个班次的平均产量是否相等。
您还可以使用ANOVA分析多于1个变量的均值。
六西格玛常用7种质量管理工具
已知车削某个外圆尺寸为 mm的零件，为调查其外圆尺 寸的分布情祝，从加工过程中随机抽取100个零件，测得尺
寸 的 值(单位：0.0001mm)如下表所示。
42
43
1.3.6 如何使用直方图
★直方图的常见类型
44
1.3.6 如何使用直方图
★直方图与规格限的比较
45
1.3.7 箱线图
箱线图提供了数据的一种直观表示，可 以同时展示数据的多个数字特征，比如位置 或中心趋势，数据的波动，对称性与离群值 的判定等。此外，平行并排的箱线图，有助 于比较几批数据。
导航视窗
点击这里开始演示
1.将要检讨的特性用问题形式表示出来
2.由左至右划上一条较粗的线条作为鱼的骨干， 箭头指向问题
3.将要因进行分类（常用人机料法环的分类方 法），并绘制到鱼骨图当中，箭头由要因指向骨 干，60度斜插于骨干上
导航视窗
点击这里开始演示
1.将要检讨的特性用问题形式表示出来
2.由左至右划上一条较粗的线条作为鱼的骨干， 箭头指向问题
导航视窗
点击这里开始演示
1.收集数据（数据总数建议大于50个），并标注 出最大值和最小值 2.依据公式，计算出组数和组宽度
3.依据公式，计算出第一组下界与上界
4.依次累加组宽度，即得可得出各组的上下界 5.统计出现在各组内的数据个数 6.点击“插入”选择“柱状图”按提示完成左图 7.双点“柱子”在“选项”中将“分类间距”调 整为“0”，“确定”
2.在“插入”“图表”中选择“自定义类型”并 从下面找到“双轴线-柱图”，点击“下一步”
3.在数据产生区域中，框选不良项目栏、不良 DPPM栏和累计百分比栏，点“确定”
4.双点“柱子”在“选项”中将“分类间距”调 整为“0”，并勾选“依数据点分色”，点”“确 定”
20种六西格玛管理工具大全
20种六西格玛（6σ）管理工具大全1 FMEA和FTA分析故障模式与影响分析(FMEA)和故障树分析(FTA)均是在可靠性工程中已广泛应用的分析技术，国外已将这些技术成功地应用来解决各种质量问题。
在ISO 9004：2000版标准中，已将FMEA和FTA分析作为对设计和开发以及产品和过程的确认和更改进行风险评估的方法。
我国目前基本上仅将FMEA与FTA技术应用于可靠性设计分析，根据国外文献资料和我国部分企业技术人员的实践，FMEA和FTA可以应用于过程(工艺)分析和质量问题的分析。
质量是一个内涵很广的概念，可靠性是其中一个方面。
通过FMEA和FTA分析，找出了影响产品质量和可靠性的各种潜在的质量问题和故障模式及其原因（包括设计缺陷、工艺问题、环境因素、老化、磨损和加工误差等），经采取设计和工艺的纠正措施，提高了产品的质量和抗各种干扰的能力。
根据文献报道，某世界级的汽车公司大约50%的质量改进是通过FMEA和FTA/ETA来实现的。
2 Kano模型日本质量专家Kano把质量依照顾客的感受及满足顾客需求的程度分成三种质量：理所当然质量、期望质量和魅力质量。
A：理所当然质量。
当其特性不充足（不满足顾客需求）时，顾客很不满意；当其特性充足（满足顾客需求）时，无所谓满意不满意，顾客充其量是满意。
B：期望质量也有称为一元质量。
当其特性不充足时，顾客很不满意，充足时，顾客就满意。
越不充足越不满意，越充足越满意。
C：魅力质量。
当其特性不充足时，并且是无关紧要的特性，则顾客无所谓，当其特性充足时，顾客就十分满意。
理所当然的质量是基线质量，是最基本的需求满足。
期望质量是质量的常见形式。
魅力质量是质量的竞争性元素。
通常有以下特点：1、具有全新的功能，以前从未出现过；2 、性能极大提高；3、引进一种以前没有见过甚至没考虑过的新机制，顾客忠诚度得到了极大的提高；4、一种非常新颖的风格。
Kano模型三种质量的划分，为6Sigma改进提高了方向。
六西格玛质量管理常用工具介绍
六西格玛质量管理常用工具介绍六西格玛是一个用于改进业务流程和增强产品质量的管理方法。
它于20世纪80年代由美国著名制造专家比尔·史密斯引入，并被德州仪器公司（Texas Instruments）广泛采用。
六西格玛采用的方法和工具旨在减少变异性并提高质量。
下面是六西格玛常用的一些工具介绍：1.流程流图：流程流图是一种以图形方式表示工作流程的工具。
它能够帮助团队了解当前的业务流程，并发现潜在的问题和瓶颈。
通过绘制整个流程，并确定每个步骤的输入、输出和控制点，团队可以更好地理解流程，并找到改进的机会。
2.关键路径分析:关键路径分析是一种项目管理工具，用于确定影响整个项目完成时间的关键任务。
通过分析每个任务的持续时间和依赖关系，团队可以确定出最长的路径，即关键路径。
通过关注关键路径上的任务，团队可以更好地控制整个项目的进度。
3.散点图：散点图是一种用于显示变量之间关系的图表。
它通过将两个变量分别绘制在横轴和纵轴上的坐标点来表示数据。
通过观察散点图中的模式，团队可以识别出变量之间的关联性，并找到可能的因果关系。
4.直方图：直方图是一种用于显示数据分布的图表。
它将数据分成若干等宽的区间，并计算每个区间中的数据数量。
通过绘制柱状图，团队可以直观地了解数据的分布情况，并判断是否存在异常值或偏态。
5.控制图：控制图是一种用于监控过程稳定性的图表。
它通过绘制过程的样本数据和控制界限来显示过程的变异程度。
通过观察控制图中的数据点是否超过控制界限，团队可以判断过程是否受到特殊因素的影响，并采取相应的措施。
6.核查表：核查表是一种用于记录问题发生情况的工具。
它可以帮助团队收集关于问题的详细信息，包括问题的描述、发生时间、地点、原因等。
通过使用核查表，团队可以更好地了解问题的本质，并确定改进的方向。
7.因果图：因果图是一种用于分析问题根本原因的图表。
它通过绘制问题的各个要素和可能的原因之间的关系，帮助团队找出问题的根本原因。
常用质量工具
12
在运用头脑风暴法时应注意以下几个问题：
1．禁止批评：不准批评和反对他人的意见； 2．自由奔放：尽情地想象，自由地发言，真正做到知无不 言、言无不尽； 3．欢迎多提：提出的观点越多越好； 4．结合改善：与别人的意见相结合，不断启发和改善自己 的想法； 5．如实记录：对于任何人的发言，包括相反的意见都要如 实记录下来。一是获得全面的信息，二是给人以重视感，从 心理上感召他人多发表意见。
分分析析
••基基准准描描述述 ••正正态态分分布布 ••FF--检检验验 ••相相关关分分析析 ••样样本本分分析析 ••散散点点图图 ••主主向向量量分分析析
改改进进
••头头脑脑风风暴暴法法 ••建建立立改改进进过过 程程图图 ••FFMMEEAA ••DDOOEE ••成成本本效效益益分分 析析 ••确确定定改改进进方方 向向 ••控控制制计计划划
控控制制
••控控制制图图 ••错错误误验验证证 ••预预防防性性维维护护 ••维维修修 ••长长期期测测量量计计 划划 ••AAuudditi计t计划划 ••统统计计过过程程控控 制制SSPPCC ••防防错错
2
第一节 调查表的应用
一、概述 调查表是收集和记录数据的一种形式，它便于按统一的方 式收集数据并进行简单的统计计算和分析。由于调查表可 以系统地收集数据，以获取对事实的明确认识，在应用各 种统计技术的场合都离不开调查表的应用。调查表的应 用，重要的在于调查表格式的设计，是保证其有效性的关 键环节。调查表在不同场合也称为数据表、核对表、统计 分析表等
六西格玛工具一览
亲和图：将大量创意想法根据自然关系分类。
关系图：表示因果关系，帮助你分析复杂情景中不同方面之间的天然联系。 树形图：将比较宽泛的种类逐级细分，帮助你从一般情况到具体情况的逐步思考。 矩阵图：表示2组信息、3组信息、或4组信息之间的关系，并能给出关系信息，如每种因素的力量、每个 个体扮演的角色、或度量的结果。 矩阵数据分析：用来分析矩阵的一种复杂的数学技术，与之相似的优先排列矩阵可被替换使用。优先排 列矩阵是最严格、精确、耗时的决策工具之一。它是一个L形的矩阵，根据一套标准对一列选项进行成对 对比，以此找到最佳选项。
项目计划实施工具 这些工具可以帮助你管理改善项目： 甘特图：一种条形图表示一个项目中的工作任务，每个任务开始的时间、持 续的时间以及完成的状况都能在图中表示出来。 PDCA循环（计划-实践-检查-执行）或PDSA循环（计划-实践-研究-执行）：一 个循环模型使用四个步骤来实施变革，达到不断的改善。
六西格玛工具一览表
内容较粗糙，但是必须要了解的。
原因分析工具 当你要发掘某个问题或某种情况的原因时，使用这些原因分析工具： 鱼骨图：分析一种问题或现象的多种可能的原因，并将这些原因分成有 用的几类。 排列图：在一个条线图中表示哪些因素更重要。 散点图：将一系列数字资料表示在坐标图中，一个坐标轴代表一个变量， 通过这个图帮助你发现某种关系。
评估工具和决策工具
当你准备从一组待选项中选择最好的一项时，或当你想要评估完成的 工作时，可以使用评估工具和决策工具。它包括评估项目结果。
决策矩阵：应用预先确定的衡量标准评估一组待选项，并区分优先次 序。 多次投票：将大量的可能性缩小到一个优先选择的范围或一个最终选 择；允许一个选项多次被选，累计排名上升至最高，而不是某一个投 票者的首选使其排名升高。
sigma常用工具及图表
值 = 0.704 自由度 = 80
因此，没有证据证明，使用电动气闸与使用热活 化气闸在能耗上有差异。
第19页/共31页
Case 5：
一家制鞋公司要对用于男童鞋鞋底的两种材料 A 和 B 进行比较。在此示例中，研究中的十个男孩都穿了一双 特殊的鞋，一支鞋的鞋底由材料 A 制成，另一支鞋的 鞋底由材料 B 制成。鞋底类型是随机分配的，以考虑 到左右脚在磨损方面的系统差异。三个月后，对鞋的磨 损情况进行测量。
2个对象比较差异
[ Analyze ]
2 ➢选择 ：统计>基本统计量>双样本
3 选择对话框：
4 点击图形，选择数据箱线图
第18页/共31页
2个对象比较差异
[ Analyze ]
5 点击Options，选择如下图：
7 Session输出如下：
双样本 T 检验和置信区间: 气闸内置能量 消耗, 气闸
气闸内置能量消耗 双样本 T
PP、PPK
第11页/共31页
SIPOC
SIPOC/COPIS – 说明用语
Supplier
Input
Process
Process
[ Measure ]
Output Customer
Process
Process
▪ 供应者(Suppler):提供Process作业对象（如情报和资料、资源等）的人或组织等 ▪ 输入(Input) : 供应者提供的情报/资料/制品/服务等。 ▪ 程序(Process) : 输入的转化变形构成的一系列阶段。 ▪ 输出(Output) : 顾客使用的制品或服务 ▪ 顾客(Customer) : 得到Process的输出结果的人
结果物
4.列出主要输入变数后，消除或保留，
六西格玛管理中20种常用工具
六西格玛管理中20种常用工具1FMEA和FTA分析故障模式与影响分析(FMEA)和故障树分析(FTA)均是在可靠性工程中已广泛应用的分析技术，国外已将这些技术成功地应用来解决各种质量问题。
在ISO 9004：2000版标准中，已将FMEA和FTA分析作为对设计和开发以及产品和过程的确认和更改进行风险评估的方法。
我国目前基本上仅将FMEA 与FTA技术应用于可靠性设计分析，根据国外文献资料和我国部分企业技术人员的实践，FMEA和FTA可以应用于过程(工艺)分析和质量问题的分析。
质量是一个内涵很广的概念，可靠性是其中一个方面。
通过FMEA和FTA分析，找出了影响产品质量和可靠性的各种潜在的质量问题和故障模式及其原因（包括设计缺陷、工艺问题、环境因素、老化、磨损和加工误差等），经采取设计和工艺的纠正措施，提高了产品的质量和抗各种干扰的能力。
根据文献报道，某世界级的汽车公司大约50%的质量改进是通过FMEA和FTA/ETA来实现的。
2Kano模型日本质量专家Kano把质量依照顾客的感受及满足顾客需求的程度分成三种质量：理所当然质量、期望质量和魅力质量。
A：理所当然质量。
当其特性不充足（不满足顾客需求）时，顾客很不满意；当其特性充足（满足顾客需求）时，无所谓满意不满意，顾客充其量是满意。
B：期望质量也有称为一元质量。
当其特性不充足时，顾客很不满意，充足时，顾客就满意。
越不充足越不满意，越充足越满意。
C：魅力质量。
当其特性不充足时，并且是无关紧要的特性，则顾客无所谓，当其特性充足时，顾客就十分满意。
理所当然的质量是基线质量，是最基本的需求满足。
期望质量是质量的常见形式。
魅力质量是质量的竞争性元素。
通常有以下特点：1、具有全新的功能，以前从未出现过；2 、性能极大提高；3、引进一种以前没有见过甚至没考虑过的新机制，顾客忠诚度得到了极大的提高；4、一种非常新颖的风格。
Kano模型三种质量的划分，为6Sigma改进提高了方向。
六西格玛管理中20种常用工具
六西格玛管理中20种常用工具1FMEA和FTA分析故障模式与影响分析(FMEA）和故障树分析（FTA）均是在可靠性工程中已广泛应用的分析技术，国外已将这些技术成功地应用来解决各种质量问题。
在ISO 9004：2000版标准中,已将FMEA和FTA 分析作为对设计和开发以及产品和过程的确认和更改进行风险评估的方法。
我国目前基本上仅将FMEA与FTA技术应用于可靠性设计分析，根据国外文献资料和我国部分企业技术人员的实践，FMEA和FTA可以应用于过程(工艺)分析和质量问题的分析.质量是一个内涵很广的概念,可靠性是其中一个方面。
通过FMEA和FTA分析,找出了影响产品质量和可靠性的各种潜在的质量问题和故障模式及其原因（包括设计缺陷、工艺问题、环境因素、老化、磨损和加工误差等），经采取设计和工艺的纠正措施，提高了产品的质量和抗各种干扰的能力.根据文献报道，某世界级的汽车公司大约50％的质量改进是通过FMEA和FTA/ETA来实现的。
2Kano模型日本质量专家Kano把质量依照顾客的感受及满足顾客需求的程度分成三种质量：理所当然质量、期望质量和魅力质量.A:理所当然质量。
当其特性不充足（不满足顾客需求）时，顾客很不满意；当其特性充足（满足顾客需求）时，无所谓满意不满意,顾客充其量是满意。
B:期望质量也有称为一元质量.当其特性不充足时，顾客很不满意，充足时,顾客就满意。
越不充足越不满意，越充足越满意。
C：魅力质量。
当其特性不充足时，并且是无关紧要的特性，则顾客无所谓，当其特性充足时，顾客就十分满意.理所当然的质量是基线质量，是最基本的需求满足。
期望质量是质量的常见形式.魅力质量是质量的竞争性元素。
通常有以下特点：1、具有全新的功能，以前从未出现过;2 、性能极大提高;3、引进一种以前没有见过甚至没考虑过的新机制,顾客忠诚度得到了极大的提高;4、一种非常新颖的风格。
Kano模型三种质量的划分，为6Sigma改进提高了方向。
- 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)。
规格下限0.50 规格上限 0.60
选择对话框
点击选项
工程能力分析
[ Measure ]
图形输出如下：
直径 的过程能力
LSL
目标
USL
规格下限 规格上限
过程数据
LSL
0.5
目标
0.55
算术平均 抽样数
USL 样本均值 样本 N
0.6 0.54646 100
再现性 0.22684 1.36103 20.90
操作员 0.22684 1.36103 20.90
部件间
1.04233 6.25396 96.04
合计变异 1.08530 6.51180 100.00
可区分的类别数 = 4
判定：≥5
Case 2：
一家教育考试公司正在为六年级标准化论文式考试的写 作部分培训五名新检验员。现在需要评估检验员对论文 评级时遵守标准的能力。每个评分员以五点尺度 （-2，-1，0，1，2）对 15 篇论文进行了评级。
0
-2
1
2
3
4
5
6
7
8
9 10
部件
测量 à 操作员 2
0 -2
2 0
A
B
操作员
操作员 乘 部件 交互作用
C
操作员 A B C
平均
-2 1 2 3 4 5 6 7 8 9 10
部件
样本均值
[ Measure ]
Session输出如下：
量具 R&R 研究 - 方差分析法
不包含交互作用的双因子方差分析表
来源 自由度 SS MS F P
再现性 0.05146 4.37
操作员 0.05146 4.37
部件间 1.08645 92.24
判定：Gage
合计变异 1.17788 100.00
R&R≤30%
研究变异 %研究变
来源
标准差(SD) (6 * SD) 异 (%SV)
合计量具 R&R 0.30237 1.81423 27.86
重复性 0.19993 1.19960 18.42
检验员之间评估一致性 #检 #相 验数 符数 百分比 95 % 置信区间 15 6 40.00 (16.34, 67.71)
所有检验员与标准评估一致性 作业者之间判 定结果不一致
#检 #相 验数 符数 百分比 95 % 置信区间
15 6 40.00 (16.34, 67.71)
测量系统只有 40%的可信度
其他
计数
274
59
43
19
10
18
百分比
64.8
13.9
10.2
4.5
2.4
4.3
累积 %
64.8
78.7
88.9
93.4
95.7
100.0
Case 1：
汽车工业行动组织量具研究，选择了 10 个代表过程变 异预期范围的部件。3 名操作员以随机顺序测量这 10 个部件，每个部件测量 3 次
MSA
50
% 贡献 % 研究变异
0 量具 R&R
重复
再现性
A 1.0
R 控制图（按 操作员）
B
C
部件间
0.5
0.0
A 2
Xbar 控制图（按 操作员）
B
C
0
UCL=0.880 _ R=0.342 LCL=0
__U C L = 0 . 3 5 1 X =0.001 LCL=-0.348
-2
测量 à 部件 2
一家线缆制造商希望评估线缆的直径是否符合规格。线 缆直径必须为 0.55 + 0.05 cm 才符合工程规格。分析 员评估过程的能力以确保其满足客户的要求，即 Ppk 为 1.33。分析员每小时从生产线中取 5 根连续的线缆 作为一个子组，并记录直径。
工程能力分析
原始数据如下：线缆.MTW
[ Measure ]
群内标准偏差 全体标准偏差
标准差（组内） 0.0185477 标准差（整体） 0.0193414
实测性能 PPM < LSL 10000.00 PPM > USL 10000.00 PPM 合计 20000.00
0.50
Holmes 检验员
Montgomery
Simpson
[ Measure ]
会话框输出如下：
评级 的属性一致性分析 每个检验员与标准评估一致性
#检 #相 检验员 验数 符数 百分比 95 % 置信区间 Duncan 15 8 53.33 (26.59, 78.73) Hayes 15 13 86.67 (59.54, 98.34) Holmes 15 15 100.00 (81.90, 100.00) Montgomery 15 15 100.00 (81.90, 100.00) Simpson 15 14 93.33 (68.05, 99.83)
因果分析图
原始数据如下：表面缺陷.MTW
[ Measure ]
选择 ：统计>质量工具>因果
选择相应对话框
Minitab输出如下表：
因果图
测量
材料
人员
微米 显微镜 检查员
合金 滑润剂 供应商
班次 主管人 培训 运算符
凝聚 湿度 % 环境
刹车 接触 角度 方法
速度 车床 位 套接字
机器
表面缺陷
Case 3：
[ Measure ]
原始数据：汽车工业行动组织量具研究.MTW
共10个部件 (3人对同一部件测量3次)
选择 ：统计>质量工具>量具研究 >量具R&R 研究(交叉)
选择对话框
MSA
图形输出如下：
测量 的量具 R&R (方差分析)
量具名称: 研究日期:
报表人: 公差: 其他:
百分比
样本极差
变异分量 100
6sigma常用工具及图表
柏拉图
[ Define ]
原始数据如下：质量控制示例.MTW
选择 ：统计>质量工具>Pareto 图
计数 百分比
点击 ：已整理成表格的缺陷数据Leabharlann Minitab输出如下表：
缺陷数 的 Pareto 图
100 400
80 300
60
200 40
100
20
0
0
缺陷数 丢失的螺丝钉 缺少的线夹 漏油衬垫 有缺陷的外罩 不完整部件
部件 9 88.3619 9.81799 245.614 0.000
操作员 2 3.1673 1.58363 39.617 0.000
重复性 78 3.1179 0.03997
合计 89 94.6471
量具 R&R
方差分量
来源
方差分量 贡献率
合计量具 R&R 0.09143 7.76
重复性 0.03997 3.39
MSA（属性一致性）
原始数据：散文.MTW
[ Measure ]
选择 ：统计>质量工具>属性一致性分析
MSA（属性一致性）
选择对话框
图形输出如下：
评估一致性
检验员与标准
100 80
研究日期: 报表人: 产品名称: 其他:
95.0% 置信区间 百分比
60
百分比
40
20
0 Duncan
Hayes