igma常用工具及图表.ppt

经营管理部6sigma办公室二七年七月十一日,Sigma常用工具讲解以精品战略为核心，不断优化持续革新体制,柏拉图,原始数据如下：质量控制示例.MTW,选择：统计质量工具Pareto 图,Minitab输出如下表：,点击：已整理成表格的缺陷数据,Define,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,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),Measure,MSA,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,Session输出如下：,图形输出如下：,判定：Gage R&R30%,判定：5,Measure,MSA,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合计变异 1.17788 100.00 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可区分的类别数=4,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。,原始数据：散文.MTW,Measure,MSA（属性一致性）,选择：统计质量工具属性一致性分析,选择对话框,Session输出如下：,图形输出如下：,作业者之间判定结果不一致,测量系统只有40%的可信度,Measure,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Duncan15853.33(26.59,78.73)Hayes151386.67(59.54,98.34)Holmes1515100.00(81.90,100.00)Montgomery1515100.00(81.90,100.00)Simpson151493.33(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15640.00(16.34,67.71)所有检验员与标准评估一致性#检#相验数符数百分比95%置信区间15640.00(16.34,67.71),MSA（属性一致性）,因果分析图,原始数据如下：表面缺陷.MTW,选择：统计质量工具因果,Minitab输出如下表：,选择相应对话框,Measure,Case 3：,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。,原始数据如下：线缆.MTW,工程能力分析,选择：统计质量工具能力分析正态,选择对话框,点击选项,Measure,规格下限0.50规格上限 0.60,图形输出如下：,PP、PPK,工程能力分析,Measure,规格下限,规格上限,算术平均,抽样数,群内标准偏差,全体标准偏差,3.3,观测的不良率,3.4,群内预想不良率,3.5,全体预想不良率,CP、CPK,SIPOC/COPIS 说明用语,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,3.5-15,SIPOC,Measure,顾客数询问WORKSHEET价格策定,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.,PROCESS Map,Measure,Cause&Effect Matrix,Measure,RPN=严重度 X 发生率 X 探测力,Failure Modes,Effects and Criricality Analysis,Measure,风险优先数(RPN),FMEA的输出是 风险优先数 RPN 是在你提供的信息基础上计算出来的数，要考虑 潜在的失败模式,相关影响,和当前在达到顾客之前工程探测失败能力 它是三个定量的数率的乘积，分别相对于影响，要因和控制：RPN=严重度 X 发生率 X 探测力,（影响的）严重度（Severity）-影响对顾客要求的重要程度-如果失败发生，也可以和安全及其他风险相关（1=不严重，10=非常严重）（要因的）发生率（Occurrence）-给定要因发生并导致失败模式的频率。有时也可以指失败模式的频率（1=不像，10=很像）探测力（Detection）(当前的控制能力)-当前控制计划的探测或预防的能力：在导致失败模式之前的要因 在导致影响之前探测或预防的失败模式 1=可能探测,10=根本不可能探测,Measure,Case 4：,为了提高家庭暖气系统的效率，进行了一项旨在评估两种设备功效的研究。安装其中一种设备后，对房舍的能耗进行了测量。这两种设备分别是电动气闸 和热活化气闸。现在，您要确定是否有证据证明这两种设备之间的差值不为零，以比较出这两种设备的功效。,原始数据如下：,1,3,2,4,选择：统计基本统计量双样本,选择对话框：,点击图形，选择数据箱线图,2个对象比较差异,Analyze,点击Options，选择如下图：,5,6,图形输出如下：,7,Session输出如下：,P0.05，Ho成立P0.05，Ha成立,2个对象比较差异,Analyze,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 平均值气闸 N 平均值 标准差 标准误1 40 9.91 3.02 0.482 50 10.14 2.77 0.39差值=mu(1)-mu(2)差值估计:-0.235差值的 95%置信区间:(-1.464,0.993)差值=0(与)的 T 检验:T 值=-0.38 P 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。,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。,原始数据如下：,1,3,选择对话框：,选择：统计基本统计量配对T,2,4,图形输出如下：,成对对象比较差异,Analyze,配对 T 检验和置信区间:材料 A,材料 B 材料 A-材料 B 的配对 T 平均值 N 平均值 标准差 标准误材料 A 10 10.630 2.451 0.775材料 B 10 11.040 2.518 0.796差分 10-0.410 0.387 0.122平均差的 95%置信区间:(-0.687,-0.133)平均差=0(与 0)的 T 检验:T 值=-3.35 P 值=0.009,P0.05，Ho成立P0.05，Ha成立,材料 B的性能要比材料 A好,1,原始数据如下：,3,选择对话框：,2,4,选择：StatANOVAOne-way(unstacked),One-way ANOVA:Data,Data2,Data3 Source DF SS MS F PFactor 2 18.78 9.39 1.62 0.217Error 27 156.58 5.80Total 29 175.35S=2.408 R-Sq=10.71%R-Sq(adj)=4.09%Individual 95%CIs For Mean Based on Pooled StDevLevel N Mean StDev-+-+-+-+-Data 10 10.376 2.277(-*-)Data2 10 9.336 1.815(-*-)Data3 10 11.272 2.986(-*-)-+-+-+-+-9.0 10.5 12.0 13.5Pooled StDev=2.408,Session输出如下：,P0.05 说明有差异,各机床95%信赖区间,3个对象以上比较差异,Analyze,1,原始数据如下：,2,3,选择对话框：,4,Session输出如下：,改善前后数据对比分析,Improve,原始数据如下：,1,2,选择：Stat Control Charts Variables Charts for Subgroups xbarR,平均值管理图,Control,输入一子组容量或子组指示栏，一般为5,输入数据栏，要求子组数在25个以上,注：若你的数据如下，请选择Observations for a subgroup are in one Row of columns,3,对话框输出以下信息,4,选择XbarR Options,5,选择Tests，选中所有空白框,平均值管理图,Control,5,选择OK后,Minitab输出如下表：,你若显示3，选择S Limits,注,输入1 2 3,选择OK后,Minitab输出如下表：,注意事项：1、如果出现异常点，Minitab会将异常点显示为红色；2、随着数据收集增多，当你增加数据后，你需重新操作才能出现最新的图表（也说明是说控制图不能自动更新）。,平均值管理图,Control,原始数据如下：,1,2,选择：Stat Control Charts Attributes Charts P,管理图,Control,输入抽样数栏，P图要求样本容量需大于50注：P图的子组间时间间隔、子组频率不可过大,输入不合格数栏，要求子组数在25个以上,3,对话框输出以下信息,4,选择P Chart Options,5,选择Tests，选中所有空白框,管理图,Control,5,选择OK后,Minitab输出如下表：,你若显示3，选择S Limits,注,输入1 2 3,选择OK后,Minitab输出如下表：,作控制图注意事项：1、过程处于受控状态；2、测量系统误差处于可接受范围；3、取数据时为一次检验数据，返工后的 数据不能计入控制图；4、数据服从正态分布。,管理图,Control,以事实和数据为驱动的管理,现实中问题 转换为 统计性问题计数性问题 转换为 计量性问题,6 Sigma Feature 数据管理,数据是决策的依据没有数据就没有管理没有数据的统计分析=无米之炊抽样是管理中收集数据的普遍方法宏观数据资料的获取主要依赖于 各种统计报表,Control,