六西格玛绿带之测量阶段概述(PPT 64页)_11080
合集下载
六西格玛绿带知识培训PPT(共21页)
➢学习目标
本章的学习目标
1.了解质量管理发展的历程及六西格玛 的起源
2.理解六西格玛的基本理念 3.掌握六西格玛水平的测算方法 4.了解实现六西格玛的具体步骤 5.了解潍柴六西格玛组织架构
GB- 第4页 共21页
All rights reserved © 2009, six sigma office
GB- 第8页 共21页
全面质量管理 质量策划 质量控制 质量改进
All rights reserved © 2009, six sigma office
➢质量管理的创新
1. 从质量经营战略的层面上关注质量
---从市场引导的被动生产转向引导市场和引导消费的主动生产； ---形成“供方---企业---顾客”质量链，优秀供方参与质量的开发。
技术员进行控制。
但只限于制造和检验部门
GB- 第7页 共21页
All rights reserved © 2009, six sigma office
➢全面质量管理---费根堡姆（美国）
全面地、全过程的、全员参加的
1.以顾客为关注焦点 2.领导作用 3.全员参与 4.过程方法 5.管理的系统方法 6.持续改进 7.以事实为基础进行决策 8.与供方互利的关系
2007
都彭创出价值为 潍柴导入六西
中心的6sigma 格玛管理
海里和林赛曼
1994
摩托罗拉
爱立信导入
马尔科姆.波多里奇
6sigma
授予品质经营奖
海里和斯特劳
GB- 第13页 共21页
All rights reserved © 2009, six sigma office
➢六西格玛的起源
20世纪80年代左右，摩托罗拉处于被吞噬的危机之中：在同日本的竞争中失 掉了收音机和电视机的市场，后来又失掉了BP机和半导体的市场。1985年， 公司面临倒闭。20世纪80年代左右甚至整个美国放弃了彩电的生产。
6 sIGMA绿带详细介绍(ppt 91页)
美國管理文化中含有不信任的氣氛，這 種表現在嚴格的審核、管制、檢查的管 理制度上，無形造成過度的管理成本上 漲。『這種管理監督的作風，大體受到 泰勒式科學管理影響的結果』。
日本經營之神松下幸之助在一次對美國 企業界人士發表演說，提到：『你們的 公司經營是以泰勒法則為基礎，更糟的 是頭腦皆已泰勒化，因此堅信正確的管 理，應是管理者在一邊，工人在另一邊， 一邊的人只管思考，另一邊的只管工作。 給你們一句忠告：「管理是執行者將觀 念轉移到員工身上的一種藝術」』。
Customer Satisfaction
& Profits increase
6 History (1)
Something must Assign
be wrong
corporate
quality
offices
1975
1980
Motorola TV business failed due to poor profit and sold to a Japanese Company
Corporate movement “Great Quality Awakening” p19ro8g1ram
Focus on Quality and Total Customer Satisfaction (TCS)
6 History (2)
Establish Motorola Training & Education Center
因此美國開始檢討其品質，各種品質系 統亦相繼提出，其中包含6 品質系統。
1.2. 由需求的觀點
在70年代，產品達到2便達到標準。 在 80年代，品質要求已提升至3 ，但此標 準美國會發生以下事件：
• ※每年有20,000次配錯藥事件 • ※每年有超過15,000個嬰兒出生時會 被拋落地
日本經營之神松下幸之助在一次對美國 企業界人士發表演說，提到：『你們的 公司經營是以泰勒法則為基礎，更糟的 是頭腦皆已泰勒化，因此堅信正確的管 理，應是管理者在一邊，工人在另一邊， 一邊的人只管思考，另一邊的只管工作。 給你們一句忠告：「管理是執行者將觀 念轉移到員工身上的一種藝術」』。
Customer Satisfaction
& Profits increase
6 History (1)
Something must Assign
be wrong
corporate
quality
offices
1975
1980
Motorola TV business failed due to poor profit and sold to a Japanese Company
Corporate movement “Great Quality Awakening” p19ro8g1ram
Focus on Quality and Total Customer Satisfaction (TCS)
6 History (2)
Establish Motorola Training & Education Center
因此美國開始檢討其品質，各種品質系 統亦相繼提出，其中包含6 品質系統。
1.2. 由需求的觀點
在70年代，產品達到2便達到標準。 在 80年代，品質要求已提升至3 ，但此標 準美國會發生以下事件：
• ※每年有20,000次配錯藥事件 • ※每年有超過15,000個嬰兒出生時會 被拋落地
六西格玛绿带培训
案例三：优化客户服务流程
定义
客户服务流程的优化 可以提高客户满意度 和忠诚度。
测量
通过客户满意度调查 和反馈，评估客户服 务流程的效果。
分析
分析客户反馈和投诉， 找出服务流程中的问 题和瓶颈。
改进
优化客户服务流程， 提高服务质量和效率。
控制
制定服务标准和流程 规范，定期评估和改 进客户服务流程。
05 六西格玛的未来发展
分析数据
运用统计分析工具，识别关键变量和潜在的因果 关系。
制定测量系统计划
设计有效的测量系统，确保数据的可靠性和一致 性。
分析阶段
确定根本原因
运用因果图、流程图等工具，识别问题的根本原因。
验证假设
通过实验设计、假设检验等方法，验证问题的根本原因。
制定改进方案
基于分析结果，制定针对性的改进方案。
改进阶段
标准化操作
03
将改进后的操作标准化，确保团队成员能够持续执行改进方案。
04 六西格玛案例研究
案例一：降低生产线的故障率
测量
通过统计故障次数和影响程度， 确定生产线的故障率。
改进
优化生产线设计，加强设备维 护和保养，提高员工操作技能。
定义
生产线故障会导致生产中断， 影响生产效率和产品质量。
分析
分析故障原因，找出关键因素， 制定改进措施。
自动化和智能化的改进工具
借助先进技术，实现流程的自动化和智能化改进。
数字化转型中的跨部门协作
加强不同部门间的沟通与合作，共同推进数字化转型。
六西格玛在全球范围内的推广与普及
国际标准化组织的认可
六西格玛方法被越来越多的国际组织所接受和推广。
企业领导层的支持
6Sigma绿带分析阶段培训(PPT 64页)
流程的输出
CCRs
次品
Y 流程输出的变异导致
次品
查询变异的来源
在试图识别变异的根源时，团队遵循的通常的调查问题步骤是:
1 识别出现的事件; 提问 “发生了什么事?”
2 识别现存状态或缺陷前的状态 -提问 “改变了什么?”
3 检查导致问题的事件或步骤
4 调查问题的地点 -环境 -位置
5 调查问题类型 材料 产品的不同
二、然后调查原因 ➢ 不断提问为什么前一个事件会发生，直到回答“没有好的理由 或一个新的故障模式被发现时才停止提问。 ➢ 解释根本原因以防止问题重复发生。 ➢ 文件中所有带有“为什么”的语句都会定义真正的根源（通常 需 要5个“为什么”）
三、最后根据程序把5个为什么分析形成文件
5个为什么链式图表
问题
如何绘制帕雷托图
第二步：打开EXCEL软件，用鼠标框选所有数据表格，选 菜单栏“插入”项，选二维折线图。
如何绘制帕雷托图
第三步：把鼠标放在缺陷数量折线图上，点击右键选 选择“更改系列图标类型”。
如何绘制帕雷托图
第四步：点击鼠标左键选择“柱形图”，点“确定”。
如何绘制帕雷托图
第五步：把鼠标放在不良比例折线图上，点击鼠标右 键选择“设置数据系列格式”，选“次坐标轴”。
主要活动
• 对流程分层 • 对数据分层并确定
具体问题
• 提出问题陈述 • 确定根本原因 • 设计根本原因确认
分析
• 验证根本原因 • 提高团队创造性并
防止人云亦云的思 维
订货平均天数
潜在的工具和方法
假设检验
Shainin多变量图
65
55
45
35
客户
生产厂家
六西格玛绿带培训课件(PPT 106张)
六西格玛绿带
SixSigmaGreenbelt
Sigma()是什么？
是统计学里的一 个单位，表示与平 均值的标准偏差。
举例说明
有20个学生成绩(x)如下：
举例说明
有20个学生成绩(x)如下： 成绩总和为：
举例说明
有20个学生成绩(x)如下： 成绩总和为： 平均成绩μ ：
举例说明
有20个学生成绩(x)如下： 成绩总和为： 平均成绩μ ： 标准偏差：n/redesign)
一个6SIGMA项目包含了一套定义CTQs的解决方 法，一旦6SIGMA项目被选用，下面2个策略中的一个 需要被采用。
修复和改进现成的流 程，这个方法叫做 DMAIC。大多数 6SIGMA项目采用 这个方法
流程的设计或再设计一般 通用DFSS(Design for Six Sigma)，但是 DFSS不是被普遍接受的 方法，DFSS中最流行的 方法是DMADV
根据美国质量协会（ASQ）研究结果，6 SIGMA要求企业质量管理运作达到一个相当高的 层次，假如一个产品交样合格率只有85%，就不 必用6 SIGMA管理。此时可用比6 SIGMA管理 更简单的办法，将85%提高到95%即可。例如推 行ISO 9000质量体系认证、顾客满意度、零缺陷 管理等。另外，6 SIGMA管理对企业员工的素质 提出了较高的要求，6 SIGMA需要员工参与测量、 分析、改进和控制的各种项目，要求自我管理而不 像ISO 9000那样需有人督促。
企业提供的产品和服务必须满足客户要求的质量特征. 在6SIGMA中, 通常用Y来表示.很多公司都是把其作为一个 输出的衡量性指标。 Voc = f ( CTQs ) Y = f (X1, X2, X3, …Xn) Y = f (X) Y代表输出 X代表输入 Voc(Voice of customer)
SixSigmaGreenbelt
Sigma()是什么？
是统计学里的一 个单位，表示与平 均值的标准偏差。
举例说明
有20个学生成绩(x)如下：
举例说明
有20个学生成绩(x)如下： 成绩总和为：
举例说明
有20个学生成绩(x)如下： 成绩总和为： 平均成绩μ ：
举例说明
有20个学生成绩(x)如下： 成绩总和为： 平均成绩μ ： 标准偏差：n/redesign)
一个6SIGMA项目包含了一套定义CTQs的解决方 法，一旦6SIGMA项目被选用，下面2个策略中的一个 需要被采用。
修复和改进现成的流 程，这个方法叫做 DMAIC。大多数 6SIGMA项目采用 这个方法
流程的设计或再设计一般 通用DFSS(Design for Six Sigma)，但是 DFSS不是被普遍接受的 方法，DFSS中最流行的 方法是DMADV
根据美国质量协会（ASQ）研究结果，6 SIGMA要求企业质量管理运作达到一个相当高的 层次，假如一个产品交样合格率只有85%，就不 必用6 SIGMA管理。此时可用比6 SIGMA管理 更简单的办法，将85%提高到95%即可。例如推 行ISO 9000质量体系认证、顾客满意度、零缺陷 管理等。另外，6 SIGMA管理对企业员工的素质 提出了较高的要求，6 SIGMA需要员工参与测量、 分析、改进和控制的各种项目，要求自我管理而不 像ISO 9000那样需有人督促。
企业提供的产品和服务必须满足客户要求的质量特征. 在6SIGMA中, 通常用Y来表示.很多公司都是把其作为一个 输出的衡量性指标。 Voc = f ( CTQs ) Y = f (X1, X2, X3, …Xn) Y = f (X) Y代表输出 X代表输入 Voc(Voice of customer)
6西格玛绿带培训PPT
1个总体方差的置信区间
Better Way， Better Results
绿带回顾-9
© Copyright 2012.
假设检验主要术语
Ho = 原假设 ( Null Hypothesis )
H1 = 备择假设 ( Alternative Hypothesis )
P值 = 概率值 ( Probability Value )
2. 等方差检验的原假设和备择假设是？ 原假设：两个总体或多个总体的方差相等
3. 方差分析的原假设和备择假设是？ 原假设：两个总体或多个总体的均值相等
4. 卡方检验的原假设和备择假设是？ 原假设：X与Y无关联（独立）
5. 相关分析中的原假设和备择假设是？ 原假设：X和Y无线性关系
Better Way， Better Results
残差分析 无异常
因子图
等值图/曲面图
响应优化器
重叠等值线图
绿带回顾-23
异常
重新试验
通过图形帮助理解
通过图形帮助理解 找因子最佳设定值 找因子公差范围
© Copyright 2012.
中心点不显著时试验的详细分析步骤
• 1.“统计>DOE>因子>分析因子设计>项” ，通过P值判断中心点是否显著，如果此 Ct Pt 的P>0.05，则取消“在模型中包含中心点”
况？ • 5. 如果残差没有出现特别异常，则方程式可用。如出现异常，则需再次试验验证
残差异常的试验。 • 6. “统计>DOE>因子>因子图” ，画主效应图，交互作用图，立方体图，帮助理解
。 • 7. “统计>DOE>因子>等值线图/曲面图”画等值线图和曲面图。 • 8. “统计>DOE>因子>响应优化器”找因子最佳设定值 • 9. “统计>DOE>因子>重叠等值线图”找因子公差范围 • 10.实际数据跟踪验证试验结论在小范围或大范围的有效性。
Better Way， Better Results
绿带回顾-9
© Copyright 2012.
假设检验主要术语
Ho = 原假设 ( Null Hypothesis )
H1 = 备择假设 ( Alternative Hypothesis )
P值 = 概率值 ( Probability Value )
2. 等方差检验的原假设和备择假设是？ 原假设：两个总体或多个总体的方差相等
3. 方差分析的原假设和备择假设是？ 原假设：两个总体或多个总体的均值相等
4. 卡方检验的原假设和备择假设是？ 原假设：X与Y无关联（独立）
5. 相关分析中的原假设和备择假设是？ 原假设：X和Y无线性关系
Better Way， Better Results
残差分析 无异常
因子图
等值图/曲面图
响应优化器
重叠等值线图
绿带回顾-23
异常
重新试验
通过图形帮助理解
通过图形帮助理解 找因子最佳设定值 找因子公差范围
© Copyright 2012.
中心点不显著时试验的详细分析步骤
• 1.“统计>DOE>因子>分析因子设计>项” ，通过P值判断中心点是否显著，如果此 Ct Pt 的P>0.05，则取消“在模型中包含中心点”
况？ • 5. 如果残差没有出现特别异常，则方程式可用。如出现异常，则需再次试验验证
残差异常的试验。 • 6. “统计>DOE>因子>因子图” ，画主效应图，交互作用图，立方体图，帮助理解
。 • 7. “统计>DOE>因子>等值线图/曲面图”画等值线图和曲面图。 • 8. “统计>DOE>因子>响应优化器”找因子最佳设定值 • 9. “统计>DOE>因子>重叠等值线图”找因子公差范围 • 10.实际数据跟踪验证试验结论在小范围或大范围的有效性。
六西格玛绿带培训教材(PPT 65页)
Six Sigma Introduction to Green Belt 六 西格玛 绿 带 课 程
fei3702
1/65
Green Belt Training Schedule 绿带培训时间表
Green Belt Training Course Context 绿带培训课程内容
Measure 测 量
Analyze 分 析
Introduction of Minitab
软件简介
Parameter Estimation
参数评估
Basic Statistics
基础统计学
Hypothesis Testing
假设测试
Probability Distribution
概率分布
Correlation
相关
Process Mapping
Green Belt Training Discipline 绿带培训守则
Lessons will start at 4:00p.m. or 7:00p.m. sharply and all green belt candidates shall show up 5 minutes before started.
工程能力分析
抽样大小运算
Measurment System Analysis
测量系统分析
Improve 改 善
Design of Experiment (DOE)
实验设计
Factorial Designs
全因 子 设 计
Fractional Factorial Designs Regression
Our Vision & Goal
我 们 的 远 观 及目标
fei3702
1/65
Green Belt Training Schedule 绿带培训时间表
Green Belt Training Course Context 绿带培训课程内容
Measure 测 量
Analyze 分 析
Introduction of Minitab
软件简介
Parameter Estimation
参数评估
Basic Statistics
基础统计学
Hypothesis Testing
假设测试
Probability Distribution
概率分布
Correlation
相关
Process Mapping
Green Belt Training Discipline 绿带培训守则
Lessons will start at 4:00p.m. or 7:00p.m. sharply and all green belt candidates shall show up 5 minutes before started.
工程能力分析
抽样大小运算
Measurment System Analysis
测量系统分析
Improve 改 善
Design of Experiment (DOE)
实验设计
Factorial Designs
全因 子 设 计
Fractional Factorial Designs Regression
Our Vision & Goal
我 们 的 远 观 及目标
西格玛绿带培训PPT课件
六西格玛项目主要有三个领域： 提高顾客满意度 缩短工作周期 减少缺陷
追求卓越的六西格玛
一、 6σ是最完美的质量水准. 在传统的TQM（全面质量管理）中的3σ原
则：3σ就是说产品的合格率已达到99.73%， 即缺陷率为0.27%。考虑 到漂移时 66807DPMO。 6σ的质量管理水准的缺陷率是十亿分之二， 考虑到到漂移时3.4DPMO。 6σ比3σ质量水准苛刻近2万倍。
不成功的外科手术
在一些主要机场每天
在一些主要机场每5年
有2个航班不能降落
有1个航班不能降落
每月有7个小时停电
每34年有1个小时停电
国际经验表明， 企业实施六西格玛平均每
年能够提高一个σ的水平，直到实现4.7σ都无需大
量投入。 但是当企业要从4.7σ再提高时， 就需要
大规模的流程再造、 大量资源投入及人员素质的
σ的代数含义
Specification : 规格
LSL
USL
N
(xi )2
i1
N
σ
M（μ） 随机变量取值的离散程度，反映曲线形状
σ 的几何含义
LSL
一个σ USL
M（μ）
σ大 LSL
σ小 USL
M（μ）
表示很 多组数据
LSL
0.0018ppm
μ= M（无漂移）
USL
0.0018ppm
±6σ
标，将改进项目界定在合理的范围内。
1
定义：
确定要改进什么，
关键顾客要求或过程要求是什么
定义 、界定“Y”
测量（Measurement）阶
段：通过对现有的过程的测量与评
估（测量与评估 Y） ， 识别现有
的水平及大体的改进方向， 并验证
追求卓越的六西格玛
一、 6σ是最完美的质量水准. 在传统的TQM（全面质量管理）中的3σ原
则：3σ就是说产品的合格率已达到99.73%， 即缺陷率为0.27%。考虑 到漂移时 66807DPMO。 6σ的质量管理水准的缺陷率是十亿分之二， 考虑到到漂移时3.4DPMO。 6σ比3σ质量水准苛刻近2万倍。
不成功的外科手术
在一些主要机场每天
在一些主要机场每5年
有2个航班不能降落
有1个航班不能降落
每月有7个小时停电
每34年有1个小时停电
国际经验表明， 企业实施六西格玛平均每
年能够提高一个σ的水平，直到实现4.7σ都无需大
量投入。 但是当企业要从4.7σ再提高时， 就需要
大规模的流程再造、 大量资源投入及人员素质的
σ的代数含义
Specification : 规格
LSL
USL
N
(xi )2
i1
N
σ
M（μ） 随机变量取值的离散程度，反映曲线形状
σ 的几何含义
LSL
一个σ USL
M（μ）
σ大 LSL
σ小 USL
M（μ）
表示很 多组数据
LSL
0.0018ppm
μ= M（无漂移）
USL
0.0018ppm
±6σ
标，将改进项目界定在合理的范围内。
1
定义：
确定要改进什么，
关键顾客要求或过程要求是什么
定义 、界定“Y”
测量（Measurement）阶
段：通过对现有的过程的测量与评
估（测量与评估 Y） ， 识别现有
的水平及大体的改进方向， 并验证
《国际认证六西格玛绿、黑带课件PPT》
六西格玛的核心概念
DMAIC模型
定义、量、分析、改进和控制 是六西格玛项目中的关键步骤。
DPMO
衡量单位产品或服务中缺陷的数 量，帮助评估质量水平和改进目 标。
FMEA
通过识别和评估可能的故障模式 和影响，帮助预防质量问题的发 生。
统计质量控制
1 控制图
用于监测和控制过程中的变异和异常，确保质量始终处于可接受的范 围内。
六西格玛的最佳实践和行业应用案例，以及未来 发展趋势和机遇。
六西格玛绿、黑带课程
绿带课程
介绍基本的六西格玛概念和工具，培养学员对 于质量改进的兴趣和能力。
黑带课程
更深入地学习和应用六西格玛方法，培养具备 领导力和问题解决能力的专业人士。
总结
通过六西格玛项目管理和工具的学习，你将以更高效的方式改进过程、提高 质量和满足客户的需求，从而推动组织的成功。
2 SPC
统计过程控制是一种使用统计方法分析和控制过程的方法，以确保质 量的一致性和稳定性。
六西格玛的成功要素
沟通
良好的沟通是六西格玛项目成功的关键，能够促进 跨部门的协作和信息的流动。
团队合作
六西格玛项目需要团队合作，团队成员间的协作和 相互支持对于项目的成功至关重要。
挑战与机遇
挑战 机遇
六西格玛实施过程中可能会遇到的挑战，如组织 文化的变革、数据收集的困难等。
国际认证六西格玛绿、黑 带课件PPT
这份课件PPT旨在介绍六西格玛认证的概念、原理以及工具和技术。通过深入 浅出的解析，帮助学习者提高项目成功率并实现卓越改进。
什么是六西格玛？
概念
六西格玛是一种管理方法， 旨在通过优化流程和降低变 异性，实现质量上的卓越改 进。
六西格玛绿带解读课件
它基于统计和数据分析，通过识别、 测量、分析、改进和控制过程的关键 因素，实现持续改进和卓越绩效。
六西格玛绿带的定义
六西格玛绿带是六西格玛实施中的一种专业资格认证，表示个人在六西格玛方法和工具方面的专业知 识和应用能力。
获得六西格玛绿带认证的人通常在组织内部担任关键角色，负责实施六西格玛项目并推动改进。
确定项目团队成员，收集和分析客户需求，制 定项目章程和项目计划。
定义阶段工具和技术
项目章程制定、客户需求分析、优先级评估等。
测量阶段
测量阶段概述
通过收集数据和信息，评估 当前过程的状态和性能，识 别潜在的改进机会。
测量阶段关键任务
确定测量对象和指标，收集 和分析数据，评估过程能力 和性能。
测量阶段工具和技术
动情况，以便制定相应的改进措施。
箱线图
箱线图是一种用于表示数据中位数、四分位数和异常值的图 表。
箱线图通过表示数据的箱体、中位数和异常值，帮助使用者 了解数据的分布和异常情况。在六西格玛项目中，箱线图用 于分析质量特性，识别异常值和不符合规格的数据点，以便 制定相应的改进措施。
散点图
散点图是一种用于表示两个变量之间关系的图表。
六西格玛绿带的作用
实施六西格玛项目
六西格玛绿带是实施六西格 玛项目的核心团队成员，负 责领导或参与项目实施，解 决实际问题并实现改进。
培训和指导
六西格玛绿带在组织内部担 任培训师和指导者的角色， 帮助其他团队成员掌握六西 格玛方法和工具。
推动组织改进
六西格玛绿带通过实施项目 和推广六西格玛理念，推动 组织文化的变革和持续改进 。
散点图通过将两个变量分别作为横轴和纵轴，并表示 它们之间的关系，帮助使用者了解两个变量之间的关 联和趋势。在六西格玛项目中，散点图用于分析潜在 的变量关系，以便更好地理解和改进过程。
六西格玛绿带的定义
六西格玛绿带是六西格玛实施中的一种专业资格认证，表示个人在六西格玛方法和工具方面的专业知 识和应用能力。
获得六西格玛绿带认证的人通常在组织内部担任关键角色，负责实施六西格玛项目并推动改进。
确定项目团队成员，收集和分析客户需求，制 定项目章程和项目计划。
定义阶段工具和技术
项目章程制定、客户需求分析、优先级评估等。
测量阶段
测量阶段概述
通过收集数据和信息，评估 当前过程的状态和性能，识 别潜在的改进机会。
测量阶段关键任务
确定测量对象和指标，收集 和分析数据，评估过程能力 和性能。
测量阶段工具和技术
动情况，以便制定相应的改进措施。
箱线图
箱线图是一种用于表示数据中位数、四分位数和异常值的图 表。
箱线图通过表示数据的箱体、中位数和异常值，帮助使用者 了解数据的分布和异常情况。在六西格玛项目中，箱线图用 于分析质量特性，识别异常值和不符合规格的数据点，以便 制定相应的改进措施。
散点图
散点图是一种用于表示两个变量之间关系的图表。
六西格玛绿带的作用
实施六西格玛项目
六西格玛绿带是实施六西格 玛项目的核心团队成员，负 责领导或参与项目实施，解 决实际问题并实现改进。
培训和指导
六西格玛绿带在组织内部担 任培训师和指导者的角色， 帮助其他团队成员掌握六西 格玛方法和工具。
推动组织改进
六西格玛绿带通过实施项目 和推广六西格玛理念，推动 组织文化的变革和持续改进 。
散点图通过将两个变量分别作为横轴和纵轴，并表示 它们之间的关系，帮助使用者了解两个变量之间的关 联和趋势。在六西格玛项目中，散点图用于分析潜在 的变量关系，以便更好地理解和改进过程。
精益六西格玛 测量阶段概述
例如: 今天出售的鞋尺码：
36, 42, 40, 41,43, 39, 40, 41, 40, 37, 38
观察每种尺码出现的数值，可以发现40是模数。
20
集中趋势的衡量
平均值或者均值 (Average or Mean) 一组数据的平均值仅仅是所有数据的几何平均
X
x
i 1
n
i
n
这里 X 代表观察到的变量，xi代表一组数据中的第i个 数据，S代表求和， X 代表所有数据的平均.
To Obtain the Same Level of Understanding
cr D is
e te
$
Sparse Information
Continuous
$
Rich With Information
1_03_01_005
Scales of Measure
离散型数据需要更多的数据点才能进行有效的分析
确定项目的问题所在（改善的焦点）
为了达到以上的目的，我们将要回答以下的问题：
我们的数据可靠吗？ 流程现状能力如何（长期能力）？ 流程的潜在最好能力能满足要求吗（短期能力）？ 是管理问题还是技术问题？ 改善的目标如何？ 是哪些问题引起了大部分缺陷的产生（项目的焦点）？
2
测量阶段的工作流程
在测量阶段，我们将按照以下流程开展工作
我们会经常使用自由度这个概念，因为大多数的统计工作 可以利用样本来分析 。
25
自由度 (Degree of freedom)
数学意思 : 样本数当中减去线性制约条件的值 例) Σxi ☞ 自由度 : n Σ(xi-x)2 ☞ 自由度 : n-1 附加说明 : 假设在某一集团当中选出2个data时，第一个data可 以任意抽出，但是第二个data选择不能在同样的data范围当中选 择。 下面拼图当中必须是 少一个才能移动。
36, 42, 40, 41,43, 39, 40, 41, 40, 37, 38
观察每种尺码出现的数值，可以发现40是模数。
20
集中趋势的衡量
平均值或者均值 (Average or Mean) 一组数据的平均值仅仅是所有数据的几何平均
X
x
i 1
n
i
n
这里 X 代表观察到的变量，xi代表一组数据中的第i个 数据，S代表求和， X 代表所有数据的平均.
To Obtain the Same Level of Understanding
cr D is
e te
$
Sparse Information
Continuous
$
Rich With Information
1_03_01_005
Scales of Measure
离散型数据需要更多的数据点才能进行有效的分析
确定项目的问题所在（改善的焦点）
为了达到以上的目的，我们将要回答以下的问题：
我们的数据可靠吗？ 流程现状能力如何（长期能力）？ 流程的潜在最好能力能满足要求吗（短期能力）？ 是管理问题还是技术问题？ 改善的目标如何？ 是哪些问题引起了大部分缺陷的产生（项目的焦点）？
2
测量阶段的工作流程
在测量阶段，我们将按照以下流程开展工作
我们会经常使用自由度这个概念，因为大多数的统计工作 可以利用样本来分析 。
25
自由度 (Degree of freedom)
数学意思 : 样本数当中减去线性制约条件的值 例) Σxi ☞ 自由度 : n Σ(xi-x)2 ☞ 自由度 : n-1 附加说明 : 假设在某一集团当中选出2个data时，第一个data可 以任意抽出，但是第二个data选择不能在同样的data范围当中选 择。 下面拼图当中必须是 少一个才能移动。
(完整)六西格玛简介精品PPT资料精品PPT资料
六西格玛简介
目录
1. 简介 2. 项目实施 3. 管理特征 4. 实施效果 5. 案例
简介
六西格玛 ---- 一个统计学的概念
σ是希腊字母里的一个字母。 专业术语“σ”定义为标准偏差----用来描述我们要研究的特性值相对于其平均值的偏离程度。 对于一个过程来说，“σ”是一个度量单位，它显示过程的稳定性如果？“σ”越大，说明过 程执行情况越不好，过程越不稳定。
• 全面改进业务的方法。
人员，方法，设备，材料，测量
西格玛是对完好度的一项衡量内容。
• 通过降低缺陷、加工周期、对环境的影响
• 相当于百万之3.4的缺陷率。
和其他不必要的波动来推业务过程的改进。
六西格玛（Six Sigma）作为一种管理策略，它是由当时在摩托罗拉任职的工程师比尔▪史 密斯（Bill Smith)于1986年提出的。
6个西格玛 5个西格玛 4个西格玛 3个西格玛 2个西格玛 1个西格玛
3.4失误/百万机会
意味着卓越的管理，强大的竞争力和忠诚的客户
230失误/百万机会
优秀的管理、很强的竞争力和比较忠诚的客户
6,210失误/百万机会
意味着较好的管理和运营能力，满意的客户
66,800失误/百万机会
意味着平平常常的管理，缺乏竞争力
“重复性”和“再现性”认可新这经个测济量环系统境下企业获得竞争力和持续发展能力的经营策略。
烤几只“正常”状况下的面包
专注于缺陷(就是分数<7)
需要验证我们的温度表的准确性
也许5西格玛就足够好了！六西格玛 衡量：
意味着较好的管理和运营能力，满意的客户
六西格玛方法：
输出：确定关键少数X的工差
确建定立并 Y和确关认键目X标直的接规的范函限数•关系以西格玛为尺度的衡量水平，其中
目录
1. 简介 2. 项目实施 3. 管理特征 4. 实施效果 5. 案例
简介
六西格玛 ---- 一个统计学的概念
σ是希腊字母里的一个字母。 专业术语“σ”定义为标准偏差----用来描述我们要研究的特性值相对于其平均值的偏离程度。 对于一个过程来说，“σ”是一个度量单位，它显示过程的稳定性如果？“σ”越大，说明过 程执行情况越不好，过程越不稳定。
• 全面改进业务的方法。
人员，方法，设备，材料，测量
西格玛是对完好度的一项衡量内容。
• 通过降低缺陷、加工周期、对环境的影响
• 相当于百万之3.4的缺陷率。
和其他不必要的波动来推业务过程的改进。
六西格玛（Six Sigma）作为一种管理策略，它是由当时在摩托罗拉任职的工程师比尔▪史 密斯（Bill Smith)于1986年提出的。
6个西格玛 5个西格玛 4个西格玛 3个西格玛 2个西格玛 1个西格玛
3.4失误/百万机会
意味着卓越的管理，强大的竞争力和忠诚的客户
230失误/百万机会
优秀的管理、很强的竞争力和比较忠诚的客户
6,210失误/百万机会
意味着较好的管理和运营能力，满意的客户
66,800失误/百万机会
意味着平平常常的管理，缺乏竞争力
“重复性”和“再现性”认可新这经个测济量环系统境下企业获得竞争力和持续发展能力的经营策略。
烤几只“正常”状况下的面包
专注于缺陷(就是分数<7)
需要验证我们的温度表的准确性
也许5西格玛就足够好了！六西格玛 衡量：
意味着较好的管理和运营能力，满意的客户
六西格玛方法：
输出：确定关键少数X的工差
确建定立并 Y和确关认键目X标直的接规的范函限数•关系以西格玛为尺度的衡量水平，其中
六西格玛绿带管理法培训PPT课件( 105页)
质 量 计 划 示 例 喷 枪 控 制 图 表
控制---第一步
第一个工作日日期：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26
偏差： #
1
2
3
4
5
6
7
0.75-1.25 1.75-2.25 1.75-2.25 0.75-1.25 1.75-2.25 1.75-2.25 1.75-2.25 1.75-2.25 1.75-2.25 1.75-2.25 1.75-2.25 1.50-2.00 1.50-2.00 1.80-2.30 1.50-2.00 1.75-2.25 1.75-2.25 0.75-1.25 0.75-1.25 1.75-2.25 2.00-2.50 2.00-2.50 2.00-2.50 2.00-2.50 2.00-2.50 2.00-2.50
标准化
标准化对象
对形成质量的偏差的原因有作业者,机械设备,原材料,作业方法的4M. 为了缩小偏差需要把这4M标准化.
标准化的种类
有 作 业 标 准 化 (SOP, Standard Operating Procedures) 和 “ 产品的标准化”。 作业的标准化
定义 : 对作业方法规定标准. 例 : 规定顺序,程序,方法等. 产品的标准化 定义 : 生产的产品及生产中必要的物品规定标准.
选定控制方案
目的
选定对控制项目的适合的控制方法
过程
根据控制项目与小组协议决定什么是适合的控制方法
输出
在质量计划上出现的控制方法
用眼看的 控制
通过图表的 控制
利用控制图
·容易实行 ·难以找到方法 ·容易实行 ·需要对员工的教育 ·（不像统计过程控制使用科学的方法） 但使用通过图表的控制方法 ·适当使用的话,效果很明显 ·需要对员工扎实的教育
六西格玛绿带M阶段培训教材04-测量阶段
0.01 ppm
USL
初始过程数据 给出的是短期6 σ 换成长期：
6σ-1.5σ=4.5σ
长期和短期能力(Z-偏差)
Sigma水平 1 2 3 4 5 6
短期DPMO 158655.3 22750.1
1350.0 31.7 0.3
0.0018
长期DPMO 691462.5 308537.5 66807.2
最佳能力的较好估计.
取样实例: 工程师每日随机抽取5支笔, 进行了7天采集长度数据(见pen .mtw).
T(1) T(1) T(1) T(1) T(1)
D1 D2 D3 D4 D5 D6 D7
Frequency
Histogram of ChambTemp 12
10 LSL=123
8
.5
6
4
2
0
123.6
=
USL - LSL 6σ st
产品公差
-3σ
3σ
过程容差
例题:
一个过程的均值为325,标准差 为15,规格上限为380,规格下限 为270;Cp为多少?
若均值为355,标准差没有变化, 则Cp又为多少?
计量型数据过程分析能力
步骤6:钢笔长度的Cp值
• LSL=123.5 USL=126.5 • u=124.61 σ=0.49
不适当的规格设计
不稳定的原材料
不充分的过程能力
过程能力分析
不充分的测量能力 不充分的过程能力
LSL
原材料的偏差 不适当的规格设计
USL
过程能力
多少产品超出了规格？短期的/长期的？
不同类别数据的过程能力分析
计量型
客户的要求
计数型
客户的要求
USL
初始过程数据 给出的是短期6 σ 换成长期：
6σ-1.5σ=4.5σ
长期和短期能力(Z-偏差)
Sigma水平 1 2 3 4 5 6
短期DPMO 158655.3 22750.1
1350.0 31.7 0.3
0.0018
长期DPMO 691462.5 308537.5 66807.2
最佳能力的较好估计.
取样实例: 工程师每日随机抽取5支笔, 进行了7天采集长度数据(见pen .mtw).
T(1) T(1) T(1) T(1) T(1)
D1 D2 D3 D4 D5 D6 D7
Frequency
Histogram of ChambTemp 12
10 LSL=123
8
.5
6
4
2
0
123.6
=
USL - LSL 6σ st
产品公差
-3σ
3σ
过程容差
例题:
一个过程的均值为325,标准差 为15,规格上限为380,规格下限 为270;Cp为多少?
若均值为355,标准差没有变化, 则Cp又为多少?
计量型数据过程分析能力
步骤6:钢笔长度的Cp值
• LSL=123.5 USL=126.5 • u=124.61 σ=0.49
不适当的规格设计
不稳定的原材料
不充分的过程能力
过程能力分析
不充分的测量能力 不充分的过程能力
LSL
原材料的偏差 不适当的规格设计
USL
过程能力
多少产品超出了规格？短期的/长期的？
不同类别数据的过程能力分析
计量型
客户的要求
计数型
客户的要求
六西格玛绿带课程-测量阶段
▶ 上面讲的都是对于连续型Data的分析，对于离散型Data也可以用 Z 值来表现实际的产品质量或服务质量
DPU (Defect Per Unit)
平均每个单位（Unit）的缺陷（Defect）数
DPO (Defect Per Opportunity) 平均每个机会（Opportunity）的缺陷数 DPMO (Defect Per Million Opportunity Unit) 平均每百万个机会的缺陷数
DPU =
所有Unit中的Defect数 所有Unit数 所有Unit中的Defect数 所有Unit数×每个Unit的Opportunity数
DPO =
DPMO = DPO×1,000,000
DPMO与Z值转化简表
计算出DPMO后可以 查表求出相应的Z值
DPMO
Z
3.4
6
233
5
6，210
4
66，807
Average: 64.235 Std Dev: 6.79712 N of data: 200
60
70
80
Kolmogorov-Smirnov Normality Test D+: 0.043 D-: 0.021 D : 0.043 Approximate p value > 0.15
Y
结论 * P-value是 0.05以上的状态
3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
测量者对同一情况做的每次判断都一致的时候,认为是认同一致的
离散型数据的认同一致性分析
离散型数据的认同一致性分析
离散型数据的认同一致性分析
离散型数据的认同一致性分析
DPU (Defect Per Unit)
平均每个单位（Unit）的缺陷（Defect）数
DPO (Defect Per Opportunity) 平均每个机会（Opportunity）的缺陷数 DPMO (Defect Per Million Opportunity Unit) 平均每百万个机会的缺陷数
DPU =
所有Unit中的Defect数 所有Unit数 所有Unit中的Defect数 所有Unit数×每个Unit的Opportunity数
DPO =
DPMO = DPO×1,000,000
DPMO与Z值转化简表
计算出DPMO后可以 查表求出相应的Z值
DPMO
Z
3.4
6
233
5
6，210
4
66，807
Average: 64.235 Std Dev: 6.79712 N of data: 200
60
70
80
Kolmogorov-Smirnov Normality Test D+: 0.043 D-: 0.021 D : 0.043 Approximate p value > 0.15
Y
结论 * P-value是 0.05以上的状态
3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
测量者对同一情况做的每次判断都一致的时候,认为是认同一致的
离散型数据的认同一致性分析
离散型数据的认同一致性分析
离散型数据的认同一致性分析
离散型数据的认同一致性分析
六西格玛介绍解读课件
通过各种监控和控制方法，确保 过程稳定性和产品质量的持续性 。
将改进后的操作标准化，确保团 队成员能够按照统一的标准进行 操作和管理。
04
六西格玛的效益与价值
提高产品质量
减少缺陷和误差
六西格玛管理通过严格的数据分析和 流程改进，能够显著减少产品中的缺 陷和误差，提高产品的一次性合格率 。
优化产品设计
六西格玛方法鼓励跨部门团队合作， 从多角度审视产品设计，从而发现并 改进潜在的问题，提升产品设计的合 理性和可靠性。
降低成本
减少浪费和返工
六西格玛注重流程优化和减少浪费，通过消除不必要的过程和减少产品缺陷，降低生产 成本和返工成本。
提高生产效率
六西格玛管理有助于提高生产线的稳定性和效率，减少停机和等待时间，从而降低单位 产品的制造成本。
跨部门协作与沟通
总结词
六西格玛的实施往往涉及多个部门，因此，良好的跨 部门协作与沟通至关重要。
详细描述
建立有效的沟通机制，促进不同部门之间的信息交流和 经验分享。通过定期召开跨部门会议、团队建设活动等 方式，加强团队之间的联系和合作。同时，鼓励员工提 出改进意见和建议，促进跨部门的知识共享和创新。
帕累托图可以帮助团队识别最常见或最严重的问题，并优先处理这些问题。它通常由横轴和纵轴组成，横轴表示事件或问题 的类型，纵轴表示发生频率或严重程度。通过分析帕累托图，团队可以确定哪些问题需要优先解决，并制定相应的改进措施 。
直方图
直方图是一种柱状图，用于展示数据的分布 情况，包括数据的最大值、最小值、平均值 、中位数等统计指标。
提升客户满意度
提高客户忠诚度
六西格玛关注客户需求和反馈，通过改进产 品和服务质量，增强客户满意度，进而提高 客户忠诚度。
六西格玛测量阶段PPT课件
测量阶段
步骤二：Y的性能标准
定义 性能标准是定义项目Y可接受值的界限，它与客户的
需求有关。
作用
流程应建立一个性能标准，这是把顾客的二需求变成 数字来二 衡量的最好方式。这个测量值随后将要和你目前 的流程测量值相比较，来看看这个流程满足顾客的需求 的程度是怎么样的。
P29
SIX SIGMA IMPLEMENT
测量阶段
性能标准包括
流程操作定义 目标性能 规范界限 缺陷定义。 操作定义
对流程或产品特征的精确描述，排除掉任何模糊的地 方，并提供一个清晰的测量方式。
P30
SIX SIGMA IMPLEMENT
测量阶段
目标性能
流程或产品特征应该达到的目标。如果在产品或 流程中没有任何偏差，这个值应该是一直要达到的。 规范界限
我们通过航空行业的例子来了解。在航空业方面， 大家知道他们顾客主要的CTQ是“准时起飞”。
飞机按照机票上的时间离开地面
这是顾客定义的“准时”
按照预定的时间，通往飞机的通道关闭
这是航空方面是定义的“准时”P32
SIX SIGMA IMPLEMENT
测量阶段
你可以看出一个问题吗？
顾客所关心的是在空中飞行，而航空公司方面仅仅关心 的是把顾客弄到飞机里面。结果是：航空方面广告宣称 99%的准时起飞率，然而顾客仍然不能满意，因为他们在 飞机起飞前在跑道上白等了两个小时。
对产品或流程客户所能容忍的偏差值。通常用上 边界和下边界来表示。超出边界 的将引起客户退货。
缺陷
所有超出规二格界限的将被视为一个缺陷。
P31
SIX SIGMA IMPLEMENT
测量阶段
性能标准案例
操作定义的目的是消除模糊，让每一个人包括顾客 和所有员工对将要调查的流程在测量方式上有相同的理 解。
- 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)。
2) 方法
● 随即抽样法 ● 层别抽样法
数据收集
基本统计量
平均 Cycle time (x) 缺点数 缺点率 标准偏差(s)
流程的异常
普遍原因的波动
异常原因的波动
异常原因举例
确认异常数据的方法
1. 正态性确认 (Minitab利用)
命令: Stat > Basic Stat..> Normality Test
200个 手表
离散形 对象项目
Spec 次数
连续形 5分 ~ 10分
每20个 10回
测量系统分析
测量系统分析
测量系统分析
测量系统分析
测量系统分析
连续型数据的Gage R&R分析
连续型数据的Gage R&R分析
连续型数据的Gage R&R分析
连续型数据的Gage R&R分析
Gage R&R分析＿Minitab的应用
2) Data 收集计划制作
例
Data 调查计划书
Theme名 假因子
收集时间 收集方法
收集人
工厂支援SVC缩短 Cycle Time 星期, AM/PM, Step, 外注通报书
1999. 1. 20 ~ 1. 25 通过观查记录Data ××× ××× ×××
Y的类型 离散形 / 连续形
样品大小 测量仪器
Gage R&R分析＿Minitab的应用
Gage R&R分析＿Minitab的应用
Gage R&R分析＿Minitab的应用
Gage R&R分析＿Minitab的应用
练习与讨论
● 利用已经给出的”直尺”测量以下十条”直线”的长度 (SPEC.:10±2 ) 进行Gage R&R 分析并对结果进行分析和改进
六西格玛绿带之测量阶段概述（PPT 64页)
学习目标
● 测定的重要性理解，与PROCESS 相关的测定对象的明确化 ● 保证收集数据的准确性 ● 现水准的 Sigma 水准确认
学习内容
1. 制作细节流程图 2. 找出相关因子X 3. 测量系统分析 4. 流程能力分析 5. 评审项目指标
细节流程图
最大值(+3σ) VS
最小值(-3σ)
顾客要求水准
Cp =
顾客的要求水准
6 X 标准偏差
Cp =
| USL-LSL |
6Xσ
② Cpk 理解
连续型数据流程能力分析
LSL
USL
Cp = 2.0
谁来绘制流程图
流程图中的符号
细节流程图：识别关键的输入和输出
绘制细节流程图
绘制细节流程图
绘制细节流程图
绘制细节流程图
绘制细节流程图的注意事项
练习与讨论
用鱼骨图找因子
鱼骨图的分类方法
+Price
通常采用头脑风暴法 （Brain Storming）绘制鱼骨图
鱼骨图又叫做特性要因图(Cause & Effect)
→ 可以判断为正规分布.
确认异常数据的方法
2. 直方图确认 (Minitab利用)
命令: Graph > Histogram
• 异常型 - 包括从分布的剩余移开的数据 不要考虑移开的事实时,可以看成有正规曲线的 曲线。异常点发生的原因推算之后除去
• 双丰型 - 两个的中心的分布.<Quick Action>. 象这样的分布 Sub Grouping没有正常时发生。 详细看时可以看出此图包括两个正态分布
● Histogram的非正态分布的类型
流程能力分析
离散形
Data的种类
边续形
Unit, Defect, 缺点对象 项目定义
DPU, DPO, DPMO 计算
平均, 标准偏差计算 Cp, Cpk 计算
Z值扩散
Z值扩散
<σ水准确认>
Байду номын сангаас
工程能力指数(Cp, Cpk) 计算 ① Cp的理解
结果物
连续型数据流程能力分析
1 2 3 4 5 6 7 8 9 10
0 1 2 3 4 5 6 7 8 9 10 11 12
练习与讨论
练习与讨论
离散型数据的认同一致性分析
离散型数据的认同一致性分析
● 用眼测量
1 2
3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
测 量 者 "A"
• Flat – 有一个中心，因为从中心点边没有下降所以称为 Flat，此资料没有正常层次别分，有过度的散布。
• 偏移形 – 有一个中心，两处都有减少，但形状不对应。 此分布是有一处存在非正规分布。
Bunched at Extremes
• Bunched at Extremes - 中央有中心，两处底或者一处中心. 此图只能表示记录实数。
离散型数据的认同一致性分析
离散型数据的认同一致性分析
离散型数据的认同一致性分析
离散型数据的认同一致性分析
测量系统分析
测量系统分析
流程能力分析的目的
流程能力分析的步骤
1. 数据收集 2. 确认异常原因 3. 确认σ水平
1) 目的
• 利用Sample Data对全部 Data引导结论 • 节省收集所用Data的时间与费用
1
2
G
G
G
G
NG
G
NG
NG
G
G
G
G
NG
NG
NG
NG
G
G
G
G
G
G
G
G
G
NG
G
G
G
G
G
G
G
G
G
G
G
G
G
G
测 量 者 "B" 1 G G
G NG
G G NG G G G G G G G G G G G G G
2 G G
G NG
G G NG G G G G G G G G G G G G G
测量者对同一情况做的每次判断都一致的时候,认为是认同一致的
我们通常根据细节 流程图来做鱼骨图
案例分析
鱼骨图
因子排序
潜在因子
• 水量不足 • 存放时间长
Y, X’s的关系
客户满足度 Outp变ut量(Y相's关) 性
Association Table Rank
Weight 5 4
99
81
%Rank
60.4
09
36
26.9
数据收集计划书
1) 目的
● 有意义的 Data的收集 ● 合理的 Data的收集 ● 必要的所有 Data的收集
Normal Probability Plot
.999 .99 .95
P.8r0obability
.50
.20 .05 .01 .001
50
60
Average: 64.235 Std Dev: 6.79712 N of data: 200
结论 * P-value是 0.05以上的状态
70
80
Y
Kolmogorov-Smirnov Normality Test D+: 0.043 D-: 0.021 D : 0.043 Approximate p value > 0.15
● 随即抽样法 ● 层别抽样法
数据收集
基本统计量
平均 Cycle time (x) 缺点数 缺点率 标准偏差(s)
流程的异常
普遍原因的波动
异常原因的波动
异常原因举例
确认异常数据的方法
1. 正态性确认 (Minitab利用)
命令: Stat > Basic Stat..> Normality Test
200个 手表
离散形 对象项目
Spec 次数
连续形 5分 ~ 10分
每20个 10回
测量系统分析
测量系统分析
测量系统分析
测量系统分析
测量系统分析
连续型数据的Gage R&R分析
连续型数据的Gage R&R分析
连续型数据的Gage R&R分析
连续型数据的Gage R&R分析
Gage R&R分析＿Minitab的应用
2) Data 收集计划制作
例
Data 调查计划书
Theme名 假因子
收集时间 收集方法
收集人
工厂支援SVC缩短 Cycle Time 星期, AM/PM, Step, 外注通报书
1999. 1. 20 ~ 1. 25 通过观查记录Data ××× ××× ×××
Y的类型 离散形 / 连续形
样品大小 测量仪器
Gage R&R分析＿Minitab的应用
Gage R&R分析＿Minitab的应用
Gage R&R分析＿Minitab的应用
Gage R&R分析＿Minitab的应用
练习与讨论
● 利用已经给出的”直尺”测量以下十条”直线”的长度 (SPEC.:10±2 ) 进行Gage R&R 分析并对结果进行分析和改进
六西格玛绿带之测量阶段概述（PPT 64页)
学习目标
● 测定的重要性理解，与PROCESS 相关的测定对象的明确化 ● 保证收集数据的准确性 ● 现水准的 Sigma 水准确认
学习内容
1. 制作细节流程图 2. 找出相关因子X 3. 测量系统分析 4. 流程能力分析 5. 评审项目指标
细节流程图
最大值(+3σ) VS
最小值(-3σ)
顾客要求水准
Cp =
顾客的要求水准
6 X 标准偏差
Cp =
| USL-LSL |
6Xσ
② Cpk 理解
连续型数据流程能力分析
LSL
USL
Cp = 2.0
谁来绘制流程图
流程图中的符号
细节流程图：识别关键的输入和输出
绘制细节流程图
绘制细节流程图
绘制细节流程图
绘制细节流程图
绘制细节流程图的注意事项
练习与讨论
用鱼骨图找因子
鱼骨图的分类方法
+Price
通常采用头脑风暴法 （Brain Storming）绘制鱼骨图
鱼骨图又叫做特性要因图(Cause & Effect)
→ 可以判断为正规分布.
确认异常数据的方法
2. 直方图确认 (Minitab利用)
命令: Graph > Histogram
• 异常型 - 包括从分布的剩余移开的数据 不要考虑移开的事实时,可以看成有正规曲线的 曲线。异常点发生的原因推算之后除去
• 双丰型 - 两个的中心的分布.<Quick Action>. 象这样的分布 Sub Grouping没有正常时发生。 详细看时可以看出此图包括两个正态分布
● Histogram的非正态分布的类型
流程能力分析
离散形
Data的种类
边续形
Unit, Defect, 缺点对象 项目定义
DPU, DPO, DPMO 计算
平均, 标准偏差计算 Cp, Cpk 计算
Z值扩散
Z值扩散
<σ水准确认>
Байду номын сангаас
工程能力指数(Cp, Cpk) 计算 ① Cp的理解
结果物
连续型数据流程能力分析
1 2 3 4 5 6 7 8 9 10
0 1 2 3 4 5 6 7 8 9 10 11 12
练习与讨论
练习与讨论
离散型数据的认同一致性分析
离散型数据的认同一致性分析
● 用眼测量
1 2
3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
测 量 者 "A"
• Flat – 有一个中心，因为从中心点边没有下降所以称为 Flat，此资料没有正常层次别分，有过度的散布。
• 偏移形 – 有一个中心，两处都有减少，但形状不对应。 此分布是有一处存在非正规分布。
Bunched at Extremes
• Bunched at Extremes - 中央有中心，两处底或者一处中心. 此图只能表示记录实数。
离散型数据的认同一致性分析
离散型数据的认同一致性分析
离散型数据的认同一致性分析
离散型数据的认同一致性分析
测量系统分析
测量系统分析
流程能力分析的目的
流程能力分析的步骤
1. 数据收集 2. 确认异常原因 3. 确认σ水平
1) 目的
• 利用Sample Data对全部 Data引导结论 • 节省收集所用Data的时间与费用
1
2
G
G
G
G
NG
G
NG
NG
G
G
G
G
NG
NG
NG
NG
G
G
G
G
G
G
G
G
G
NG
G
G
G
G
G
G
G
G
G
G
G
G
G
G
测 量 者 "B" 1 G G
G NG
G G NG G G G G G G G G G G G G G
2 G G
G NG
G G NG G G G G G G G G G G G G G
测量者对同一情况做的每次判断都一致的时候,认为是认同一致的
我们通常根据细节 流程图来做鱼骨图
案例分析
鱼骨图
因子排序
潜在因子
• 水量不足 • 存放时间长
Y, X’s的关系
客户满足度 Outp变ut量(Y相's关) 性
Association Table Rank
Weight 5 4
99
81
%Rank
60.4
09
36
26.9
数据收集计划书
1) 目的
● 有意义的 Data的收集 ● 合理的 Data的收集 ● 必要的所有 Data的收集
Normal Probability Plot
.999 .99 .95
P.8r0obability
.50
.20 .05 .01 .001
50
60
Average: 64.235 Std Dev: 6.79712 N of data: 200
结论 * P-value是 0.05以上的状态
70
80
Y
Kolmogorov-Smirnov Normality Test D+: 0.043 D-: 0.021 D : 0.043 Approximate p value > 0.15