六西格玛绿带培训笔记.docx

六西格玛绿带培训笔记
FMEA ：
失效模式：流程输入失效的方式，没被检查出造成的阻碍
阻碍：对客户的阻碍
缘故：导致失效的缘故
风险优先系数： RPN=严峻度 * 发生频率 * 侦测度
Y 的阻碍缘故操纵
1=容易侦测到10=专门不容易侦测到
多变量分析（ Multi-Vari study）
收集数据的方法是“不阻碍流程的” ，在自然状态下分析流程
Analyze Improve 被动观看 ------多变量分析主动调整 ------DOE
确定目标
确定要研究的 Y 和 X（KPOV,KPIV ）
KPIV 可控， Noise 不可控
测量正确输出输入
不可控噪音变量：三种典型噪音变异来源
位置性：地点对地点，人对人
周期性：批量对批量
时刻性：时刻对时刻
确定每个变量的测量系统
选择数据抽样的方法
总体抽样：简单随机抽样，分层抽样，集群抽样流程抽样（与时刻有关）：系统抽样，子群抽样确定数据收集、格式及记录的程序：数据收集打算流程运行的程序和设定描述组成培训小组
清晰划分责任
确定数据分析的方法
运行流程和记录数据
数据分析：按照数据类型确定图形及统计分析工具（书2-24）
主效应图：统计 -----方差分析 ----- 主效应图（多个 X 对 Y 的阻碍）看均值差异
多变异图
交互作用图：两条线平行，表明无交互作用
12．结论
13.报告结果提出建议
应用统计学分类：
描述性统计学：样本分析
推论性统计学：样本对总体进行估量
参数估量：点估量
区间估量（置信区间）
假设检验
中心极限定理：
均值标准差小于单值标准差(笔记 )
置信区间：（笔记，书 4-5）
CI= 统计量± K* （标准偏差）
统计 ----- 差不多统计量 ----------1t单样本
Z值， t 值
假设检验（ 5-18）
5%以下为小概率事件
Ho=原假设 /零假设 /非明显性假设 /归无假设（没变化，相同，无有关，没成效）
Ha=备择假设 /对立假设 /明显假设（有变化，不一样，有关系，明显，有阻碍）
P值=Ho 为真，概率值拒
绝 Ho 犯错的概率
α 值：明显性水平
P.大于α：不能拒绝 Ho
P 小于α：拒绝 Ho，Ha 成立
步骤：
陈述“原假设” Ho /Ha
定义α（按照（ 6）之后引发的风险成本来决定）
收集数据
选择和应用统计工具分析，运算P 值
决定证据表明？
拒绝 Ho------P 小于α
不拒绝 Ho，P 大于α
若拒绝 Ho，所采取的行动（统计 ----- 实际）
I 类错误降低，则II 类错误提升
I类错误：制造者风险，误判
II类错误：客户风险，漏判
Z值或 T 值大， P 值小， Ho 被拒绝
Z 值或 T 值小， P 值大，不能拒绝Ho
风险成本α 值
低0.10无所谓
中0.05不明白
高0.01输不起
做实验的情形，把α 值调的高些
量产的情形，把α 值调的低些
一样α值为 0.05
工具路径图：按照数据不同类型，判定用何种图分析
T检验：对均值进行检验
非参数检验：中位数进行检验
单一 X（离散）与单一Y（连续）分析法：
X 的水平数目的工具备注1与标准值比较1Z（总体已知）
1t（总体未知）2相互比较2t（水平间独立）
Tt（水平间不独立）
2 以上两两比较一元
ANOVA
单一样本的检验路径1T：（书 6-12）
SPC图（ I-MR ）
检验数据形状（概率图）
研究中心趋势（差不多统计量-----2t ）
双样本分析路径图2T：（书 6-23）
针对每个水平分不研究
SPC图（ I-MR ）
研究数据形状（概率图）
研究离散度 (等方差检验，书6-22)
研究中心趋势（差不多统计量-----2t ）
作业： dining,分析 2t 检验（笔记）
配对 T：
同一个被测单元，在不同条件下，进行了两次的测量结果差异----配对T（两组数据有关联、样本量相等）
例子： SHOES 文件
Delta=C1-C2
统计 ----差不多统计量 ----配对 T
配对 T 检验路径：
稳固性分析：对差值
正态检验
中心趋势检验：
对差值：用 1T 与 0 比较
用原始数据： T-T（正态）
例子：
P 值<0.05，拒绝 Ho
作业：（golf —score）
（1）05 年比 04 年打得好
Ho： 05 与 04 年无差异， Ha:05 年与 04 年有差
异 I-MR 图（分时期）
概率图 ---正态
等方差图
2T 图
双样本 2T：04 年均值 93.17，,05 年均值 93.60（样本量 04 比 05 年多）P 值=0.866>0.05 ，讲明 05 与 04 年无差异
（2）前 9 洞比后 9 洞打得好
双边：
Ho:前 9 洞与后 9 洞无差异， Ha:前后不等
I-MR 图
概率图 ----正态
配对 T：
P 值小于 0.05，明显的 ,拒绝 Ho,均值后比前大，前 9 洞比后 9 洞好
单边：
Ha:前 9 洞比后 9 洞打得好
备择：选小于
P 值=0.04< 0.05,拒绝 Ho
单因子方差分析（ Oneway ANOV A）：（书 7-9）
X 大于 2 个水平以上样本
检验路径：稳固性：针对每个水平（样本量小的话，能够省略此步）数据形状（样本量小的话，能够省略此步）
离散程度：等方差检验
中心趋势：
若P<α，要研究哪个不等，多重比较（ Fisher）
残差检验
ε2 检验（实际的明显性）
单因子方差分析：比较 ----FISHER--- 区间跨过 0 的表示差异不大，不跨过0 表示差异大
一元 ANOVA 原理：（笔记，书 7-14）
F=MSB/MSF
=(SSF/a-1)/(SSE/N-a)
F 值越大， P 值越小
概率分布图：
分子自由度 2
分母自由度 87
输入常量 F=44.6
P 值=0<0.05，拒绝 Ho
残差：
单因子方差分析
残差正态分布
好的拟合图，三个拟合值相似（笔记）
好的时序图：随机波动
因子变异占总变异的百分比R-Sq = 50.72%
非参数检验：（非正态，或不等方差）
P=0，三人的均值不等
作业： (DM ONEWAY ANOVA)
等方差检验：
置信区间差不多重叠，方差没有明显差异
P值=0.92>0.05，数据正
态单因子方差分析：
Fisher 95% 两水平差值置信区间
x水平间的所有配对比较
同时置信水平 = 73.57%
x= 15 减自 :
x下限中心上限 --------+---------+---------+---------+-
16 1.855 5.6009.345(----*----)
17 4.0557.80011.545(----*---)
188.05511.80015.545(----*---)
19 -2.745 1.000 4.745(---*----)
--------+---------+---------+---------+-
-8.00.08.0 16.0
15 和 19 没有明显差异
x = 16 减自 :
x下限中心上限 --------+---------+---------+---------+-
17-1.545 2.200 5.945(----*---)
18 2.455 6.2009.945(----*---)
19-8.345-4.600 -0.855(---*----)
--------+---------+---------+---------+-
-8.00.08.0 16.0
16 和 17 没有明显差异
x = 17 减自 :
x下限中心上限 --------+---------+---------+---------+-
180.255 4.0007.745(----*----)
19-10.545-6.800-3.055(----*---)
--------+---------+---------+---------+-
-8.00.08.0 16.0
无
x = 18 减自 :
x下限中心上限 --------+---------+---------+---------+-19-14.545-10.800-7.055 (----*---)
--------+---------+---------+---------+-无-8.00.08.0
16.0
单因子方差分析 : y 与 x
来源自由度SS MS F P
x4475.76118.9414.760.000
误差20161.208.06
合计24636.96
S = 2.839R-Sq = 74.69%R-Sq（调整）= 69.63%
平均值（基于合并标准差）的单组95%置信区间
水平N平均值标准差------+---------+---------+---------+---
1559.800 3.347(-----*----)
16515.400 3.130(----*----)
17517.600 2.074(----*----)
18521.600 2.608(----*----)
19510.800 2.864(-----*----)
------+---------+---------+---------+---
10.015.020.025.0
合并标准差= 2.839
P 值=0，拒绝 Ho
R-Sq = 74.69%，变异因子占总变异74%以上，证明焊接强度对电流强度有阻碍
残差分析：
作业：
稳固性：
高中低三个部分差异较大，稳固性还能够
数据形状：
Bottom 正态分布
Middle&top 不正态分布
等方差检验：
三组数据有非正态的，看 LEVENE 检验的 P 值=0.824>0.05置
信区间有重叠，方差无太大差异
中心趋势：（非正态，等方差）
单因子方差分析 : sales 与product placement
来源
product placement 误差
合计自由度SS MS
2 2398.2 1199.1 46.91
87 2223.925.6
89 4622.1
F
0.000
P
S = 5.056 R-Sq = 51.89% R-Sq（调整） = 50.78% P=0，平
均销量不同
平均值（基于合并标准差）的单组95%置信区间
水平N平均值标准差--------+---------+---------+---------+-
bottom3062.867 4.281(---*--)
middle3075.367 4.846(---*--)
top3067.467 5.906(---*---)
--------+---------+---------+---------+-
65.070.075.0 80.0
合并标准差 = 5.056
Middle=75 ，最多
Top=67，其次
Bottom=62，最少
两个蓝色点阻碍正态性，去掉两个点
非参数检验：（非正态）
Kruskal-Wallis 检验 : sales 与 product placement
在sales 上的 Kruskal-Wallis 检验
product
placement N中位数平均秩Z
bottom3063.0023.3-5.70
middle3077.0070.3 6.36
top3068.0043.0-0.65
整体9045.5
H = 48.90 DF = 2 P = 0.000
H = 49.10 DF = 2 P = 0.000（已对结调整）
Middle=77 ，最多
Top=68，其次
Bottom=63，最少
单一 X（离散）与单一Y（连续）统计分析法总结：
X 的水平数目的路径中心趋势离散度
均值中位数
与标准值比较T 检验（书 6-12）1Z（总已知） /1t（未知）1w 图形化汇总，看σ 的CI
相互比较水平间独立： t 检验（ 6-23），σ相等： 2t 或一元 ANOV A/ σ不相等： 2t， M-W正态：F检验
水平间不独立： t 检验（6-12）t-t/1t（对差值）1W不正太： LEVENE 检验
2 个以上两两比较一元ANOVA（7-9）σ 相等：一元 ANOVA K-W正态：Bartlett检验
M-M不正太：Levene检验
卡方独立性检验： XY 关联性强弱（ 8-10）自由度 DF=（X 水平数 -1）* （ Y 水平数 -1）例题：（书 8-11）
卡方检验 : BAD, GOOD
BAD GOOD 121627
26.21621.79
1.0370.044
合计648
233467500
20.23479.77
8.0650.340
310424434
17.56416.44
3.2530.137
合计641518 1582
卡方 = 12.876, DF = 2, P 值 = 0.002 2的单元格卡方高
1,3 良率好
2不良品多
例题：（credit card）
银行拒绝信用卡频率
卡方检验 : Rejected, Approved
Rejected Approved合计192736
12.0024.00
0.7500.375
282129
9.6719.33
0.2870.144
3112536
12.0024.00
0.0830.042
472431
10.3320.67
1.0750.538
5252348
16.0032.00
5.063 2.531
合计60120180
卡方 = 10.888, DF = 4, P 值 = 0.028
P值-0.028<0.05，拒绝 Ho，不同工作日之间有差异，周五拒绝率高
例题：（ TRGB-MULTI VARI 文件）
交叉分组表和卡方（未汇总数据）
汇总统计量 : Invoice Type, Error?
行: Invoice Type列: Error?
No Yes全部
EDI59968
53.8614.1468.00
0.4913 1.8708*
72.8619.1492.00
0.04770.1816*
Mail682290
71.2818.7290.00
0.15090.5747*
全部19852250
198.0052.00250.00
***
单元格内容 :计数
期望计数
对卡方的奉献
Pearson 卡方 = 3.317, DF = 2, P 值 = 0.190 似然率卡方 = 3.548, DF = 2, P 值 = 0.170
P值>0.05，发票类型对错误率无明显差异
有关与回来分析（书9-5）
变量间关系：
确定性关系（科学关系，函数关系）
非确定性关系：统计上称为有关关系
回来是研究有关关系的一种常见的数理统计方法，得出数学表达式（体会公式），用于推测与操纵
有关系数 r：
-1≤r≤1
确定性关系： r=1 或 -1
∣r∣≥ 0.8 有关性强
r越大， P 越小
0≤ R2 ≤100%
在直线性有关条件下：r2 =R2
回来分析是连续水平的ANOVA
一个 X 值对应一个 Y 值
只能用于内推法
决定系数：（书 9-12）
R2 值---0%-100%之间
通常为 60%，R2 值越高有关性越强
注意：
注意 XY 是否有因果关系
其他潜在变量造成XY 的改变
作业：
1.GOLF
不同花纹之间，打得距离差不，省去一二步
2.银行网点数据 1
不同类型业务，对等待时刻和办理时刻是否有差异
不同柜员对等待时刻和办理时刻是否有差异
回来分析 : Supplier 与 Customer
回来方程为
Supplier = - 144 + 1.46 Customer
自变量系数系数标准误T P
常量-143.6583.33-1.720.101 Customer 1.45910.2218 6.580.000
S = 23.7288 R-Sq = 69.5%R-Sq（调整） = 67.9%方差分析
来源自由度SS MS F P
回来1243732437343.290.000
残差误差1910698563
合计2035071
R 值 27.2%，不高
散点分布弯曲，需要升阶
选择“二次“
Flight 文件：
有关 : y, x
y 和 x 的 Pearson 有关系数= -0.869（有关性强）
P 值 = 0.001
回来分析 : y 与 x
回来方程为
y = 430 - 4.70 x
自变量系数系数标准误T P
常量430.1972.15 5.960.000
x-4.70060.9479-4.960.001
S = 18.8872 R-Sq = 75.5%R-Sq（调整） = 72.4%方差分析
来源自由度SS MS F P 回来18772.68772.624.590.001
残差误差82853.8356.7
合计911626.4
专门观测值
拟合值标准化观测值x y拟合值标准误残差残差
9 91.418.000.5515.9017.45 1.71 X X 表示受X 值阻碍专门大的观测值。

80%时， Y 为 54.8
Paint 文件：
有关 : Air Pressure, Thickness
Air Pressure 和 Thickness 的 Pearson 有关系数= 0.920（有关性高）P 值 = 0.000
有关 : Viscosity, Thickness
Viscosity 和 Thickness 的 Pearson 有关系数 = -0.242（有关性低） P
值 = 0.290
回来分析 :Thickness 与 Air Pressure
回来方程为
Thickness = - 44.13 + 1.020 Air Pressure
S = 4.09824R-Sq = 84.6%R-Sq（调整） = 83.8%
方差分析
来源自由度SS MS F P
回来11750.121750.12104.200.000
误差19319.1216.80
合计202069.24
多项式回来分析 :Thickness 与 Viscosity
回来方程为
Thickness = -318.1 + 36.69Viscosity - 0.993 Viscosity**2
S = 10.2206R-Sq = 9.1%R-Sq（调整） = 0.0%
方差分析
来源自由度SS MS F P
回来2188.9494.4690.900.422
误差181880.30104.461
合计202069.24
方差的序贯分析
来源自由度SS F P
线性1121.556 1.190.290
二次167.3820.650.432
Cust 文件：
回来分析 :Resp_Time 与 Distance
回来方程为
Resp_Time = 199.3 - 2.209 Distance
S = 110.778R-Sq = 0.3% （不有关）R-Sq（调整） = 0.0%方差分析
来源自由度SS MS F P
回来149454945.10.400.527
误差141173*********.7
合计1421735253
多项式回来分析 :Resp_Time 与 Exp. Level
回来方程为
Resp_Time =12.65 - 3.166 Exp. Level + 0.2125 Exp. Level**2 S = 23.3276R-Sq = 95.6%（有关）R-Sq（调整） = 95.5%方差分析
来源自由度SS MS F P
回来216590688295341524.380.000
误差14076185544
合计1421735253
方差的序贯分析
来源自由度SS F P
线性116192411968.000.000
二次13982773.190.000
精益分析工具：
价值流图（VSM ）：产品或服务通过价值流时，有信息和材料的流淌（1书6-34）
As is VAM现况
To be VSM 以后
增值
非增值：必须：安全
不必须：白费（搬运，返工）
增值效率 (PCE)=总增值时刻 VA time/总生产周期 lead time
工具： VISO/igrafx
价值分析步骤：（书 10-8）
用流程图确定步骤周期
按增值非增值分类
运算增值效率
改进
Invoicing value analysis 文件
物理流程图（意大利面条图）书10-14
5S 方法论：
整理：只摆放需求的物品
整顿：摆放成易于使用的方式
清扫：打扫剩余物品
清洁：减少变异，标准
适应：设置纪律
5S 测量水平（书10-18）
精益的改善技术：
SMED 快速换型：
差不多步骤：
观看流程
区分内部外部作业转换（内部：只有停机后做的事）将内部转换为外部作业
缩短内部作业
缩短调试时刻
缩短外部作业
差错预防：（书 11-19）
断根原理
保险原理：双保险（预防）
自动原理（预防）
相符原理（侦测）
顺序原理
隔离原理
重复原理
标示原理
警告原理
缓和原理
条件原理
实验设计方法简介：
被动地：观看自然发生的（多变量研究）
用实验的方法：引起可提供信息的事件
实验设计
Y望大（质量）
Y望小（成本低，不良品）
Y望目（目标值）
DOE 全因子实验：（书 12-7）
随机化：将噪音固定，区集化
重复：
再现（仿行）：
推论范畴：狭义推论，广义推论
2k 因子设计： K 个因子， 2 个水平（书 12-11）
Effect 值（书 12-12）
去掉 ABC,BC 阻碍不大
拟合因子 : Y 与 A, B, C
Y的效应和系数的估量（已编码单位）
项效应系数系数标准误T P
常量64.2500.1768363.450.000
A23.00011.5000.176865.050.000
B-5.000-2.5000.1768-14.140.005
C 1.5000.7500.1768 4.240.051
A*B 1.5000.7500.1768 4.240.051
A*C10.000 5.0000.176828.280.001
S = 0.5PRESS = 8
R-Sq = 99.96% R-Sq（推测） = 99.39%R-Sq（调整） = 99.87%关于 Y 方差分析（已编码单位）
来源自由度Seq SS Adj SS Adj MS F P
主效应31112.501112.50370.8331483.330.00 1
2 因子交互作用 2 204.50 204.50 102.250 409.00 0.00 2
残差误差20.500.500.250
合计71317.50
ABC 为要紧因子，不能去掉
AB 的 P 值>0.05，去掉 AB
残差分析：
Rating=64.25+11.5A-2.5B+0.75C+5AC
①③④②
+1-1+1+1+1
保证 RATING 最大，设置 +1，-1
A阻碍大
AC 交互
PROCESS TIME 文件：
拟合因子 : Minutes 与 Form, Methods, CustClass
Minutes 的效应和系数的估量（已编码单位）
系数标
项效应系数准误T P
常量67.500 1.49345.210.000
Form-14.250-7.125 1.493-4.770.001
Methods-18.750-9.375 1.493-6.280.000
CustClass 5.750 2.875 1.493 1.930.080
Form*CustClass-6.500-3.250 1.493 -2.180.052
S = 5.97152PRESS = 829.884
R-Sq = 86.53%R-Sq（推测） = 71.50%R-Sq（调整） = 81.63% 4 因子， DM DOE 文件， 4FACTOR:
操纵打算
对关键 XY 的管控
Control plan 的 excel 表
实验：（投射器）
多变量噪音分析：人员，班次，日期，球类型（主效应图）
等方差检验：检验球的波动差异，P>0.05，无差异，塑料球均值大
检验人员波动差异，无差异
KPIV1,2,3 单因子分析
KPIV4 回来分析
L/T 前置时刻 >C/T 周期时刻 >VA 增值时刻。