6sigma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”
10个常用的六西格玛统计工具
10个常用的六西格玛统计工具六西格玛是一种质量改进方法，企业已经使用了几十年- 因为它取得了成果。
六西格玛项目遵循明确定义的一系列步骤，世界各国的每个行业的公司都使用这种方法来解决问题。
但是，六西格玛在很大程度上依赖于统计和数据分析，许多对质量改进不熟悉的人感到受到统计方面的威胁。
你不必被吓倒。
虽然数据分析确实对提高质量至关重要，但六西格玛的大多数分析并不难理解，即使您对统计数据不是很了解。
但使用Minitab熟悉这些工具是一个很好的起点。
本文简要介绍六西格玛中常用的10种统计工具，了解它们的作用以及它们为何如此重要。
编译 | 何茂林发现Minitab、Minitab微课堂原创文章转载请联系客服微信：135****118001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。
即使在我们的个人生活中，也很容易想到例子。
例如，80％的时间你会穿买的衣服中20％的衣服，或者你在图书馆80％的时间只会听网易云音乐中收集的20％的音乐。
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。
例如，如果每次出现缺陷类型时就收集有关缺陷类型的数据，则帕累托图会显示哪些类型最常见，因此您可以集中精力解决最紧迫的问题。
02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。
03Gage R&R准确的测量至关重要。
你想用自己认为不可靠的数据来衡量自己吗？你会继续使用从未显示正确温度的温度计吗？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。
此工具可帮助您确定连续型数值测量（如重量，直径和压力），当同一个人反复测量同一部件时，以及当不同的操作者测量相同部件时是否准确和精确。
6西格玛主要统计分析工具介绍(1)
深圳华南质量体系认证咨询中心
过程流程图——案例1
问题及目标 某公司长期以来设备备件库存量大。公司希望通过实施有 关Six Sigma改进项目，降低公司设备备件库存量 分析现状，寻找有关改进机会 编制有关过程流程图，以详细了解设备备件的申请及采购 环节的现状，从而确定是否有改进的机会 针对标准件和非标准件的采购及领用活动编制有关流程图 经分析发现库存量大的主要原因之一是上述有关备件请购 及领用流程不够完善，且没有规定最低库存量等有关库存 管理机制 改进措施 其中一项改进措施是重建和优化了上述工作流程
过程流程图——案例2
问题及目标 某啤酒公司希望降低其生产过程中啤酒微生物含 量，以提高啤酒的保质期，防止啤酒变质，改善啤酒 口味并保持其一致 分析现状，寻找有关改进机会 编制有关过程流程图，以详细了解整个生产过程中 可能造成啤酒接触微生物的所有生产过程
深圳华南质量体系认证咨询中心
过程流程图——案例2
3.
深圳华南质量体系认证咨询中心
排列（Pareto）图——案例1
问题及目标（同因果图案例2） 某公司希望通过实施有关Six Sigma改进项目，降 低生产过程中瓶盖损耗 分析现状，并寻找有关改进机会 编制有关过程流程图，以详细了解有关生产过程 中造成瓶盖损耗的主要环节 通过因果图的分析，初步确定了造成瓶盖损耗的 所有因素 设计并实施有关数据搜集方案，采用排列图分析 方法，初步确定造成瓶盖损耗的主要因素
灌 装 机 卡 盖 灌 装 机 卡 盖
灌 装 机 控 制 阀 灌 装 机 控 制 阀 杀 菌 机 爆 瓶 杀 菌 机 爆 瓶 节 约 意 识 节 约 意 识 盖 损 盖 损 杀 菌 机 爆 瓶 杀 菌 机 爆 瓶 灌 装 机 控 制 阀 灌 装 机 控 制 阀 灌 装 机 卡 盖 灌 装 机 卡 盖 M achines M achines
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”
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。
6Sigma的50种应用工具
6Sigma的50种应用工具1. Analysis Covariance 协方差分析2. Analysis of Variance 方差分析3. Binominal Distribution 二项分布4. Brainstorming Techniques 脑力风暴法5. Cause and Effect Matrix 因果图6. Check Sheets 检查表7. Chi-square Distribution 卡方分布8. Chi-square Test for Goodness-fit 卡方测试的拟合优度9. Chi-square Test of Independence 独立性的卡方测试10. Confidence Intervals 置信区间11. Control Cards 控制图表12. Correlation Methods 相关分析法13. Cross Tabulation Tables 交叉表14. Date Collection Sheets 数据收集表15. Exponential Distribution 指数分布16. F Distribution F分布17. F Test F测试18. Failure Mode and Effect Analysis 潜在缺陷模式及影响分析19. Full Factorial Experiment Designs 全因子DOE实验20. Factional Factorial Experiment Designs 分步DOE实验21. Group Screening Experiment Designs 分组筛选DOE22. Fishbone diagrams 鱼刺图23. Force Field Diagrams 作用因子分析24. Histograms 直方图25. Hypothesis Construction 假设测试26. Indexes of Location 位置指数27. Indexes of Process Capability 工序能力指数28. Indexes of Variability 变异度指数29. Line Bar Pie Charts 线形、条形、饼形图30. Mathematical Transformations 数学变位31. Median Test 中位数分析32. Normal Test 正态分布33. Parto Diagrams and Charts 柏拉图34. Performance Figures of Merit 性能图35. Performance Tolerancing 公差性能36. Poisson Distribution 泊松分布37. Positrol Logs 记录表38. Pre-Control 预控图39. Process Flow Diagrams 工序流程图40. Random Number Generation 随机数表41. Random strategy Experiment Designs 实验设计随机性策略42. Regression 回归分析43. Response Surface Experiment Designs 简便实验设计法44. Root-sun-of-squares 均方根45. Sample Size Equations and Tables 抽样方程及抽样计划46. Statistical Process Control Charts SPC控制图47. Statistical Tables 统计表48. T Distribution T公布49. T Test T测试50. Tests for Randomness随机测试笔者过去曾经担任软件协会顾问，负责辅导中小企业e化。
6Sigma快速入门指南-五个关键的工具
6Sigma快速入门指南-五个关键的工具六西格玛是近几十年来企业广泛使用的质量改进方法，六西格玛项目遵循一系列明确的步骤（D-M-A-I-C）来解决问题，在世界上许多国家的公司都取得了成功。
但是六西格玛在很大程度上依赖于统计和数据分析，许多的人对统计方面感到害怕。
实际上不必太担心，尽管数据分析在提高质量方面是至关重要的，但是六西格玛中的大多数分析并不难理解，即使你对统计学不太了解。
接下来我们将介绍六西格玛中使用的五种关键的统计工具，它们是什么，以及它们为什么重要。
1. 帕累托图 - Pareto chart帕累托图源于一个叫做帕累托原理的概念，大约80%的结果来自20%的原因。
即使在我们的个人生活中，也很容易想到例子。
例如，你可能80%的时间穿着20%的衣服，或者80%的时间听着20%的音乐。
帕累托图可以帮助我们将收集的数据可视化。
使你能够集中注意力在最重要的问题上。
例如，如果每次发生缺陷类型时收集有关数据，帕累托图就会显示哪些类型是最频繁发生的，因此你可以将精力集中在解决最紧迫的问题上。
2. 直方图 - Histogram直方图是能将连续型数据图形化显示出来。
帮助你快速识别数据的中心和分布。
它显示了大多数数据的位置，以及最小值和最大值。
直方图还能显示你的数据是否是钟形的，可以帮助你找到不寻常的数据点和异常值，以便进一步调查。
3. 量具重复性与再现性分析 - Gage R&R精确的测量是至关重要的。
你会用不可靠的秤称体重吗？你会使用一个永远不会显示正确温度的温度计吗？如果不能精确地测量一个过程，就不能改进它，这就是为什么要做量具重复性与再现性分析- Gage R&R。
这个工具帮助你确定你的连续型数据，例如重量、直径和压力，是否具有可重复性和可再现性，在当同一个人重复测量同一零件，以及不同的操作者测量同一零件时。
4. 属性一致性分析-Attribute agreement analysis 离散型数据GR&R对于离散型数据，确保数据可信任的工具是属性一致性分析。
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。
六西格玛管理常用工具
Run Chart 运行图：按时间坐标显示统计量的折线图。
QFD（Quality Function Deployment）质量功能展开：将顾客的语言转换为企业内部技术术语的工具。
Scatter Plot 散布图：研究两变量间相关性的图形工具。
SPC（Statistical Process Control）统计过程控制：用控制图监控和改进过程的方法。
Top Line 顶线：真实表达顾客对企业满意的收入。
Z西格玛水平：描述过程满足顾客要求能力的参数。
Zst （Z Short Term）短期西格玛水平/过程短期能力。
Zlt （Z Long Term）长期西格玛水平/过程长期业绩。
六西格玛的工具箱十分丰富，有助于人们做出更好的决定，解决问题和管理变革。
但需要注意的是，千万不要把六西格玛和工具混为一谈。
使用过多的工具或使用太复杂的工具，以及在不必要的时候也使用，都会像不肯使用工具一样，容易影响实现六西格玛的目标。
- 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)。
其他 18 4.3 100.0
0
6Sigma是我们的工作方式
- 2 / 11 -
百分比
计数
60
2
微波电器
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
6Sigma是我们的工作方式
- 3 / 11 -
测量
操作员
样本极差
0.5
Xbar 控制图（按 操作员）
A 2 B C 2 _ _ UCL=0.351 X =0.001 LCL=-0.348
B 操作员
C
操作员 乘 部件 交互作用
操作员 A B
样本均值
平均
0
0
可区分的类别数 = 4
C
判定：≥5
-2 -2 1 2 3 4 5 6 部件 7 8 9 10
¤Ë ä è ¸ ³ É Ç
× Ç Ê ¶ Ú â ®  «Ê ¿ ¼ Á Ç µ É Í ¶ Ù Î å ³ Ç ½ ¹ Ë Ô ¶ ý Ê ð Ì ¸ Á Å ¿ Ï ý Ê ð¬¶ ¸ Á Å ¾ ½ ý Ê ðÁ û ¸ Á Å ¶ Ç ¿ ¼ Á Ç µ É Í ¶ §ï ¤ ¨¥ Ö Æ ¼ ¶ Ê À ½ £ ß Ò Ã ½ » Ç Å Í ¶ ðÁ Ç £ ß Ì Ä Ã ½ Ï ¹ 9 1 1 3 1 1 1 1 1 1 3 3 1 1 9 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 9 1 1 1 1 9 9 9 3 1 3 1 1 1 1 1 9 9 9 1 1 9 9 1 1 1 3 3 3 9 3 1 1 3
U U C C
6Sigma是我们的工作方式
- 14 / 11 -
14
微波电器
Cause & Effect Matrix
Ó Ê Ì Ö § Ç Ç ¶ ¶ ¸ ¾ Õ Ñ ¶ µ » 3 1
¬ Ö ¾ Å Õ À
[ Measure ]
4 2
¬ ¤Ç Å ð ¶
10 3
¬ ªÛ Å Ç Î
9 4
ý ¹ å Ã ¼ Ë
Minitab输出如下表：
缺陷数 的 P a r e t o 图
100 400 80 300
200 40 100
20
缺陷数 计数 百分比 累积 %
0
丢失的螺丝钉 缺少的线夹 274 59 64.8 13.9 64.8 78.7
漏油衬垫 43 10.2 88.9
有缺陷的外罩 不完整部件 19 10 4.5 2.4 93.4 95.7
结果物 电话应答
应答问候 P/N 决定 need date 把握 船运地址 把握 船运方法把握
• P/N统合部门 参考 • 主要情报 • 生产ROAD情 报 • WORKSHEET • 价格策定方式
C • 顾客数 • 询问 • 内部 P/N 赋予 WORK • 条件决定 SHEET • lead time 把握 • 询问完了 WORKSHEET • 价格策 定 内部情报
ªØ §Ú ©ì Æ Ó É ©Ò Î Ó Ö ü ä ö ä ¾ à ¶ ¸ » É ³ ªÀ µ ©ì ¨Ê Ì Ñ ï ¦ Ò Î £ ¸ ¾ § Æ £ î Ø ¾ Ê Ì É ² º à ² ¸ ¾ Æ É ´ ¾  £
ªØ § î Æ Ó Ñ Ñ ² ´ » Á Ö ü ä è ö É Â µ Õ ¸ » É Ç ³ í ¾ ´ £
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 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 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 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
6Sigma是我们的工作方式
- 15 / 11 -
15
微波电器
[ Measure ]
Failure Modes,Effects and Criricality Analysis
S E V
Ó Ê Ì ©ì Ã Î Ö Ç £ ¶ ¸ ¾ Ò Î µ Ð Õ ¶ ¾
¤î ä è ¸ Ï /É Ç
ªØ §Ú £ ¼ Æ Ó É ©Ã É
0.52
0.54
0.56
0.58
0.60
预期整体性能 PPM < LSL 8150.57 PPM > USL 2818.71 PPM 合计 10969.28
观测的不良率 3.3
群内预想不良率 3.4
全体预想不良率 3.5
6Sigma是我们的工作方式
- 12 / 11 -
12
微波电器
SIPOC
[ Measure ]
6Sigma是我们的工作方式
- 10 / 11 -
10
微波电器 原始数据如下：线缆.MTW
工程能力分析
[ Measure ]
选择 ：统计>质量工具>能力分析>正态
规格下限0.50 规格上限 0.60
选择对话框
点击选项
6Sigma是我们的工作方式
- 11 / 11 -
11
微波电器
工程能力分析
研究日期: 报表人: 产品名称: 其他:
图形输出如下：
评估一致性
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
检验员与标准
100
95.0% 置信区间 Байду номын сангаас分比
#检 #相 验数 符数 百分比 95 % 置信区间 15 6 40.00 (16.34, 67.71)
80
百分比
60
40
20
测量系统只有 40%的可信度
O C C
§ î î §Ú £ ¼ Ã µ Ç £ Ñ Ñ º É ©Ã É µ Å ¶ ¾
ª©Ö Å ¼ ¨ µ Æ ¾ Õ «« Õ æ Î ´ £ ¼ Ã É ¨ì £ » ´ ¾  £ à µ à µ é ² ¥ Ò ¤¿ § î î §Ú Ó «Ñ Ñ º É © Ö Å ¼ ¨Ì Ë î ¾ Õ ««¹ ³ Ï Ì ì é ¦ Æ ² ¹ » Ð £ É É Â ü ¨ · ©¿ SOP¹ Ä
0 Duncan Hayes Holmes 检验 员 Montgomery Simpson
6Sigma是我们的工作方式
- 8 / 11 -
8
微波电器 原始数据如下：表面缺陷.MTW
因果分析图
[ 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
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:
变异分量
100
% 贡献 % 研究变异
报表人: 公差: 其他:
测量
2 0 -2
部件
百分比
50
0 量具 R&R 重复 再现性 部件间
1
2
3
4
5 部件
6
7
8
9
10
R 控制图（按 操作员）
A 1.0 B C UCL=0.880 _ R=0.342 LCL=0 2 0 -2 0.0 A
6
微波电器 原始数据：散文.MTW
MSA（属性一致性）
[ Measure ]
选择 ：统计>质量工具>属性一致性分析
6Sigma是我们的工作方式
- 7 / 11 -
7
微波电器
MSA（属性一致性）
[ Measure ]
选择对话框
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) 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)
3.5-15 6Sigma是我们的工作方式
- 13 / 11 -
13
微波电器
PROCESS Map
输入 • 顾客开始的 情 报 • 问候准备 • 应答顺序 • 电话系统 类型 C C C U
• • • • •
[ Measure ]
1. 把握外部输入和顾客输出. 2.Process所有阶段通过图表或画图 来把握. 3.列出各阶段主要输出变数. 4.列出主要输入变数后，消除或保留， 区分Process输入 5.添加对输入变数Process的 Spec.