六西格玛管理之测量ppt课件.pptx

《六西格玛管理之测量ppt课件.pptx》由会员分享，可在线阅读，更多相关《六西格玛管理之测量ppt课件.pptx（101页珍藏版）》请在三一办公上搜索。

1、1,第四章 测 量,过程分析与文档概率与数理统计基础数据的收集和整理测量系统分析过程能力分析,1,测量阶段是DMAIC过程的第二阶段。它既是界定阶段的后续活动，也是连接分析阶段的桥梁。测量是项目工作的关键环节，是六西格玛以事实和数据驱动的具体体现。 测量阶段目的：1）收集数据，确认问题和机会并进行量化；2）梳理数据，为查找原因提供线索。,第四章 测量,2,考虑三个问题：1）如何选择评价指标？2）如何收集数据3）测量数据系统是否可靠？,第四章 测量,3,过程分析：对过程中影响输出的各类输入因素进行分析，找出具有重要影响的因素，调查确认它们与过程输出之间的关系，进而支持过程改进。,4.1 过程分析

2、与文档,4,其目的是：使项目团队对准备改善的过程达成统一的认识；对产生问题或缺陷的区域进行定位；识别不增值步骤，以便加以改进；将过程步骤的现状记录并形成文档，以便与改善后的状况进行对比。,4.1 过程分析与文档,5,1.流程图（flow chart / flow diagram）定义：展现过程步骤和决策点顺序的图形文档。作用：加深理解，发现潜在问题并定位规范：从上至下，从左至右,4.1 过程分析与文档,6, 绘制流程图的步骤：判定过程的开始点和结束点;观察从开始到结束的整个过程;识别过程中的步骤及各个步骤的流向和相互关系;按过程步骤绘制，形成流程图草图;项目成员对该草图进行交流沟通达成共识;形

3、成正式文档。,4.1 过程分析与文档,7,（1）概要流程图一般应用于团队准备开展六西格玛工作时；一般包含412个步骤；其中的矩形程序块常直接与团队中的某些成员相对应。,4.1 过程分析与文档,根据详略程度的不同，可分为：,8,订单登记管理人员,销售部门代表,仓库管理人员,客户服务代表,案例：概要流程图,9,（2）详细流程图（案例：订单接受与登记）完成概要流程图后，为每一过程绘制详细流程图,10,（3）跨职能流程图（案例：物料检查入库）过程涉及活动或单位非常多或者为明确不同部门的职责。,11,2.流程图分析（1）分析步骤调查每个菱形符号：检查是否重复、非必需的或不完整的；调查每个循环：活动可省略

4、，防止差错，缩短循环；调查每个活动符号：是否必需、冗长、增值、可接受调查每个文件或数据库符号：全面性和一致性,12,2.流程图分析（2）注意事项：避免没有反映过程的真实性影响过程真实性的因素：流程图具有绘制人员的主观性，业务负责人不愿意画出明显不合理的实际过程，循环被认为是小事且不可避免，项目成员不知道该过程如何运行；如何避免以上因素：意识到以上缺陷的存在，直接观察流程并以文字形式反映在流程图上，绘制过程中设法获得业务负责人等的支持。,13,2.流程图分析（3）该项目改进各阶段的应用流程图的使用可贯穿质量改进和解决问题的全过程。界定阶段：识别过程中的变更机会，开展对劣质成本的估计，界定团队要研

5、究的问题的范围，项目改进团队的组成；分析阶段：作出关于根本原因的推测，作出收集数据的计划，讨论进行数据分层以供分析的方法，确定根本原因，调查过程各条路径所需要的时间；,14,2.流程图分析（3）该项目改进各阶段的应用流程图的使用可贯穿质量改进和解决问题的全过程。改进阶段：叙述过程可能发生的变更并观察其影响，确定将受变更影响的组织，在团队解决问题的努力之中吸收工作人员参与；控制阶段：评审并建立过程的控制点及检视点，定期审查该过程，保证新过程仍被遵照执行，人员培训；,15,3.因果图与因果矩阵（cause and effect diagram） 因果图又称鱼刺图，是揭示过程输出缺陷或问题与其潜在原

6、因之间关系的图表，也是表达和分析其因果关系的重要工具和文档。 在因果图中，问题（结果）填在图右侧的方框中，即“鱼头”的位置。造成结果的可能原因填在各个主分类线周围，构成“鱼刺”。 一般可分为制造类问题因果图、服务与管理类因果图。,4.1 过程分析与文档,16,案例一：制造类因果图示例（5M1E）,17,案例二：服务与管理类因果图（4P）,18,（1）因果图的作用：a.协助全面查找问题的原因；b.记录已经产生的原因;c.直观显示了未证实的各种原因的联系；d.集中注意力到重要的联系上。,4.1 过程分析与文档,3.因果图与因果矩阵（cause and effect diagram）,19,（2）因

7、果图的优点：a.结构清晰：直观反映可能原因，系统性，创新性，条理性；b.揭示出因果原因：描述错综复杂的潜在影响;c.便于交流：列出了所有可能的原因，便于交流；,4.1 过程分析与文档,3.因果图与因果矩阵（cause and effect diagram）,20,（2）如何绘制因果图：要点：清晰理解因果之间的关系需要考虑的原因：5W (what, why, when, where, who）:对象，比如机器和材料;条件，比如动力温度和水平;记录的过程，比如一天的事件或产品顺序;与地点有关的效应，比如特定的生产线、装载码头、配电器等.5M：Manpower（人力）, materials（材料）,

8、 methods（方法）, machine（机器）, measurements（测量）4P：People（人员）, policies（政策）, procedures（流程）, place（地点）,4.1 过程分析与文档,3.因果图与因果矩阵（cause and effect diagram）,21,（3）绘制因果图的步骤：a.简明扼要地阐明要解决的问题，填在“鱼头”中;b.确定其可能原因的主要类别，画出因果图的各个“主枝”;c.采用头脑风暴法，将产生问题的所有可能原因，按其不同的分类填入各个主枝中;根据需要，可在各个主枝上继续分枝。d.检查和整理因果图，调整阐述含糊的内容，合并重复的内容等;e

9、.团队成员对可能的原因进行充分讨论，确定少数可能性较高的原因，作为下一步调查和收集数据的重点。,4.1 过程分析与文档,2.因果图与因果矩阵（cause and effect diagram）,22,案例三：汽车失控的因果图,23,案例四：复诊病历迟到因果,除了5W，5M，4P外，还应注意与流程图的结合。,24,（4）注意事项：a.因果图不提供结论：识别项目团队将要检验的推测，即有关根本原因(x)的推测。b.易犯的错误：曲解（将事实与按顺序排列的推测相混淆），没有尽可能利用当前掌握的信息对症状进行充分的分析。c.结合流程图。,4.1 过程分析与文档,2.因果图与因果矩阵（cause and e

10、ffect diagram）,25,（2）因果矩阵（cause and effect matrix） 当预期解决的问题比较复杂，有多种缺陷形式且它们的影响因素相互关联，无法将它们分开考察和解决时，所常采用是一种的分析工具。 绘制因果矩阵的步骤：a. 在矩阵图的上方填入过程输出缺陷的形式或关键过程输出变量。b. 确定每一输出特性或缺陷形式的重要度，并给定其权重（110，10代表的重要度最高）。,4.1 过程分析与文档,2.因果图与因果矩阵（cause and effect diagram）,26,c.在矩阵图的左侧，列出输入变量或所有可能的影响因素；d.评价每一输入变量或影响因素对各个输出变量或

11、缺陷的相关关系，矩阵图中的单元格用于表明该行对应的输入变量对该列的输出变量的相关程度；e.评价过程输入变量或影响因素的重要程度。f.考察输入变量或影响因素的权重数。, 绘制因果矩阵的步骤,27,案例：因果矩阵示例,28,过程输入与输出 任何过程输入与输出的关系可以表达为 Y为过程的输出结果，X为影响Y的过程输入。明确关键输出变量（KPOV）和关键输入变量（KPIV）为什么测量这个指标？指标的定义是什么？如何测量？采用什么测量设备测量结果是否可靠有无更好的测量方法,4.1 过程分析与文档,3.其他过程分析工具与文档,29,1、概率论基础知识2、随机变量及分布3、数学期望、均值与方差4、常用的离散

12、分布5、常用的连续分布6、中心极限定理7、统计量与抽样分布,4.2概率与数理统计基础,30,31,（1）测量尺度 测量是用数据来描述观察到的现象。得到的数据包含多少信息取决于测量的尺度。测量的尺度决定了研究这些数据时应该使用什么类型的统计方法。 有四类测量尺度：定类、定序、定距、定比。a.定类测量尺度： 定类尺度的数据是一些数字形式的名义值。 例如：0=白色，1=非白色。 能识别的关系只有“=”或“”。,4.3 数据的收集和整理,32,b.定序测量尺度： 定序变量是对可能的取值进行排序。 例如，以“好”、“更好”、“极好”来划分顾客对某服 务的偏好；按某项业绩将各单位排名次等。 定性变量能识别

13、的关系为“=”，“”，“”，“”。 用定序数据所做的工作有“计数”和“排序”。但没有距离的概念，因而不能对定序数据进行算术平均。,4.3 数据的收集和整理,33,c. 距测量尺度： 连续型数据的第一种类型是定距尺度数据。 比如温度、记录事件的日期及事件等。这类数据中，“0”是没有意义的，因而没有倍数的概念。我们不能说“60是20 的3倍”。 定性变量能识别的关系除了“=”，“”，“”，“”，还能识别差距的大小，如“60 与20 的差距比40 与10 的差距大”。 定距数据可以使用算术平均，但没有“比值、比率”的概念。,4.3 数据的收集和整理,34,d. 定比测量尺度： 连续型数据的第二种类型

14、是定比尺度数据。 例如：长度、质量、电流强度、亮度等。这类数据中，“0”是有意义的，有倍数的概念，例如说“电流强度为6安培是电流强度为2安培的3倍”是有意义的。 定比数据不但可以使用算术平均、还可以用除法求倍数。,4.3 数据的收集和整理,35,（2） 数据类型从计量尺度来说，分为定性数据和定量数据。从统计学的角度来说，分为连续型数据和非连续型数据： 测量时，区分连续型数据还是离散型数据是十分重要的。项目团队应该根据项目的具体情况，确定采用适当的数据类型。按数据来源，可分为观测数据与实验数据。按加工程度，可分为原始数据与次级数据。,4.3 数据的收集和整理,36,（3）收集数据的方法 收集数据

15、的方法有很多，最典型的是使用检查表。检查表是收集过程数据时最常用的工具，常常用于DMAIC改进方法的测量阶段。从前页最终装配过程缺陷检查表中可以看出油漆是最常发生的缺陷。,4.3 数据的收集和整理,37,（4）抽样方法 为了确保数据的准确性和代表性，能从样本中正确推断总体，必须采用适当的抽样方法，常用的方法有随机抽样、分层抽样等。a.随机抽样 随机抽样是按随机原则直接从总体中抽取样本，构造统计量，并对总体相应的指标作出统计推断。 须满足两个基本条件： 等可能性：是指总体中的每个个体有同等机会被抽到。若总体有N个个体，每个个体被抽到的概率是1/N。 独立性：是指每次抽样是相互独立的。 常用的抽样

16、方法有：抽签法、计算机模拟法等。,4.3 数据的收集和整理,38,b.分层抽样 这种抽样形式是先将总体按一定的标识加以分层，如按不同的设备、材料、供应商、班次、年龄组等分层。然后再各层中按简单随机抽样抽取若干样本，再由各层的样本组成一个总体样本。 对于样本容量n，可以有3种不同的分配方法：比例分配法。样本数按各层总体数的多少比例分配。适度分配法。比例分配法显然没有考虑波动程度的差异，适度分配法考虑到波动程度较大的层应该多取样，而波动程度较小的层应该少取样，这样可以减少抽样误差。 经济分配法。经济分配法是指对于费用较大的层，相对取样少一些，而费用较低的层则可以多取样。,4.3 数据的收集和整理,

17、（4）描述性统计方法,4.3 数据的收集和整理,39,4.3 数据的收集和整理,40,例：项目小组对该地区的成年人进行随机抽样，并测量了评估心脏健康水平的若干指标。,案例：脉搏数据,41,42,43,（5）数据的图示方法 a.直方图 直方图（histogram）常常用于了解数据的分布情况，这种展示数据的方法是我们较容易地看到数据分散程度和中心趋势，并与要求的分布进行比较。,4.3 数据的收集和整理,44,1.从n个样本中找出最大值a(n)和最小值a(1) ,并计算极值R=a(n)a(1)；2.对样本进行分组，决定组系数k和组距d。一般对样本分为515组为宜。组距用极差R与组数k来确定，d=R/

18、k。通常还要把d近似为一个方便的数值； 3.调整确定各组的区间端点a, a+d=a, a+2d=a,；4.统计样本落在每个区间中的频数n及频率f=ni/n；5.画出频率直方图。以样本x为横坐标，以频率/组距为纵坐标，在每个小区间上竖起长条矩形。它们相连成频率直方图。,直方图的构造详细步骤及要求：,45,组数k的参照表,46,案例：频率直方图,74%的数据在(3375, 3465之间，两端数据少基本上是中间高、两端低、左右基本对称,47,案例：直方图案例2,变换可以改变频率直方图（y= ln ,y= ,= 1 ）,48, 使用直方图应注意的问题：1.如果直方图上画有规格线，那么直方图可用来比较过

19、程与要求。2.直方图最好能与其他图，如趋势图或控制图联合使用。因为直方图不是按顺序给出的，无法反映过程随时间变化的情况。3.根据数据来源的不同，应对数据分层，分别绘制直方图。,4.3 数据的收集和整理,49,b.茎叶图 和直方图相比，茎叶图的一个主要优点是全部或者部分地保留了原始数据的信息，从而可以使我们掌握有关总体的更多信息。茎叶图（steam-and-leafplots）适用于较小的数据集（n200）。 在画茎叶图时，要把一个数据分成两个部分：高位部分称为“茎”，低位部分称为“叶”。下面通过一个例子来说明茎叶图的做法。,4.3 数据的收集和整理,（5）数据的图示方法,50,例：某型号的20

20、辆汽车每加仑汽油行驶里数如下：29.8 27.5 28.3 28.7 27.9 29.9 30.1 28.0 28.7 27.928.5 29.5 27.2 25.9 28.4 27.9 28.0 30.0 29.5 29.1 由于数据基本在2531之间，因此对数据作如下划分，以第一个数据为例： 数据 分开 茎与叶 29.8 291 8 29与8 在画茎叶图时，先将茎依从小到大的次序写在一条竖线的左边，然后将每个数据的叶写在竖线的右边，并将它们按从小到大的次序排列，再给出叶的单位，这便构成了一张茎叶图（见图）。,案例：茎叶图,51,案例：茎叶图,52,c.箱线图 箱线图并不是绘制实际的数值。而

21、是显示出分布的统计概况。箱线图可用于归纳数据分布的信息。 箱线图是主要利用数据中的五个统计量：最小值、第一四分位数、中位数、第三四分位数和最大值来描述数据的一种图示方法。所谓第一四分位数是指最小值与中位数之间的数据的中位数，用Q1表示；第三四分位数是指最大值与中间数之间的数据的中位数，用Q3表示。,4.3 数据的收集和整理,（5）数据的图示方法,53,出箱体外，箱线图中还有两条直线，这些直线也被称为须触线（whisker）。这些须触线从箱体出发，上下须触线的尾端由上限线的计算公式给出： 下限=Q1-1.5(Q3Q1） 上限=Q3+1.5(Q3Q1) 如果箱线图上出现一些游离点，这些点数据超出上

22、下限的观测值的，有异常值的嫌疑。,4.3 数据的收集和整理,54,尽管箱线图比较简单，但它还是包含了大量的信息。从中位数，可以确定中心趋势或者位置；从方块的长度，可以确定观测值的散布程度。如果中位数不在方块的中心，说明次分布有偏的（即偏度不为0）。,4.3 数据的收集和整理,55,例：某物质在化学处理前后分别抽取一组样本测定其含脂率：处理前 0.19 0.18 0.21 0.31 0.42 0.08 0.12 0.30 0.27处理后 0.15 0.13 0.00 0.07 0.24 0.19 0.04 0.08 0.20 0.12 将处理前后的两个样本数据的箱线图画在同一张图上，如图所示。

23、L1代表处理前，L2代表处理后，从图中可以看出处理前后的含脂率都较为对称，但是处理前的含脂率数据的分散性比处理后的稍大一些，而处理后的含脂率稍低于处理前的。,案例：箱线图,d.链图,4.3 数据的收集和整理,（5）数据的图示方法,56,链图是一种特殊的散布图，它是显示任何测量特性随时间变化的图表。分析链图的目的是为了确认所出现的波动模式是由普通因素引起的，还是由特殊因素引起的。链图可用于任何按时间序列组织的、连续尺度测量的数据的图形分析。绘制方法：（1）依时间顺序画数据的折线图（2）找到数据的中位数，画一条水平线穿过该图，标识为“中位数”或者 ,案例：链图,57,（1）链的长度：同一侧连续点数

24、目（2）链的数目：链不应太多也不会太少（3）趋势：异常的连续上升和连续下降的序列,58,e.正态概率图 先介绍一下正态概率坐标纸。正态概率纸(见图)是一种特殊的坐标纸。其横坐标是等间隔的，纵坐标是按标准正态分布的累积概率F(X)=P(uX)标示的。 在这张纸上，任一正态分布的累积概率将呈直线状，而非正态分布呈各种形式的曲线状。,4.3 数据的收集和整理,59,e.正态概率图, 现在计算机已经可以对“分布是否为正态”给出判断。 用Minitab软件得图的右下角有一项“P-Value”，这是判断是否为正态分布的。我们所要检验的原假设是“分布为正态”： 当P-Value小于0.05时，则拒绝原假设，

25、即认为分布非正态； 当P-Value大于等于0.05时，则无法拒绝原假设，即认为分布为正态。,4.3 数据的收集和整理,60,61,案例：正态概率图,62,（1）测量数据质量的统计指标 所谓测量系统分析，是指用统计学的方法来了解测量系统中的各个波动源，以及它们对测量结果的影响，最后给出测量系统是否合乎使用要求的明确判断。 测量系统必须具有良好的准确性(accuracy)和精确性(precision)。它们通常由偏倚(bias)和波动(variation)等统计指标来表征。,4.4 测量系统分析,63,偏倚用来表示多次测量结果的平均值与被测质量特性基准值(真值)之差，其中基准值可通过更高级别的测

26、量设备进行若干次测量取其平均值来确定。 波动是表示在相同的条件下进行多次重复测量结果分布的分散程度，常用测量结果的标准差ms或过程波动PV表示。这里的测量过程波动PV是指99的测量结果所占区间的长度。,4.4 测量系统分析,64,4.4 测量系统分析,65,测量数据质量高，既要求偏倚小，又要求波动小。只要偏倚和波动中有一项大，就不能说测量数据质量高。,4.4 测量系统分析,66,事实上，我们观测到的过程波动包含了过程的实际波动和测量系统的波动。,4.4 测量系统分析,67,（2）测量系统的基本要求 测量是指“以确定实体或系统的量值大小为目标的一整套作业”；这“一整套作业”就是给具体事物（实体或

27、系统）赋值的过程。,4.4 测量系统分析, 测量系统的基本要求有哪些？a.分辨力(discrimination)： 指测量系统识别并反映被测量最微小变化的能力。 由于经济上或物理上的限制，将被测特性区分为若干数据组别。 例如，千分表，百分表,4.4 测量系统分析,68,69, 如果测量系统分辨力不够，就无法正确识别过程的波动。,4.4 测量系统分析,表示测量系统的标准差，1表示制造过程的标准差，d表示公差限，则一个测量系统具有足够的分辨力是指：, min 6 1 10 , 10,数据组数判断分辨力：,b. 在规定时间内要保持统计稳定性评价测量系统是否保持统计稳定性可用 控制图。测量方式：选定标

28、准件或标准样品在一定时间经常反复地测量此标准件或标准样品，用测量值来作控制图，考察其稳定性。,70,c. 具有线性性测量系统量程内，量程较低的地方（基准值小），偏倚要小一些；相反，量程较大的地方，偏倚要大一些。,71,72,（3）测量系统的重复性与再现性,定量地给出测量系统波动大小（即给出精确度），确认测量系统是否合格；当系统不合格时识别波动源并指出改进方向。,4.4 测量系统分析,a.重复性（度量固有波动）： 指在尽可能相同的测量条件下，对同一测量对象进行多次重复测量所得结果的一致性。 测量条件：同一操作员，同一个测量对象，同一部位，同一位置，较短的时间间隔。 确保重复性误差产生的只能是由测

29、量仪器本身的固有波动引起。,4.4 测量系统分析,（3）测量系统的重复性与再现性,73,74,b.再现性（操作者因素造成的变差）： 不同操作者，相同量具，同一零件，同一特性所得重复测量的均值的变差称为量具的再现性，记为AV。 主要反映操作者在测量技术上（人的因素）的变差。,4.4 测量系统分析,（3）测量系统的重复性与再现性,c.总波动的分解 任何一个过程的输出值都是通过测量系统获得数据的。测量数据的总方差 由测量对象的方差 与测量系统的方差 组成， 而测量系统的方差又由测量者的方差和量具的方差构成，即： 式中， 为操作员与零件的交互作用方差，所以,4.4 测量系统分析,（3）测量系统的重复性

30、与再现性,75,76,两端各乘62，则 (TV)2=(PV)2+(AV)2+(EV)2式中，TV为总波动（6T）；PV为测量对象间的波动（6p） ；EV为测量系统的重复性误差（6e）；AV为测量系统的再现性误差（ 2+ 2 ） (AV)2+(EV)2为量具的重复性和再现性波动的平方，也就是通常先计算出PV，在计算TV。如果过程总波动TV已知，那么测量对象间的波动PV可以由下式求得：,4.4 测量系统分析,d. 测量系统能力的评价准则 评价测量系统能力的方法通常有两种：1.将测量系统的波动R&R与总波动之比来度量，通常记为P/TV，即2.将测量系统的波动R&R与被测对象特性的容差之比来度量，通常

31、记为P/T。,4.4 测量系统分析,（3）测量系统的重复性与再现性,77,78,在评价测量系统的性能时，通常采用的标准如下表所示。,4.4 测量系统分析,测量系统能力判断准则表,案例：测量系统能力分析,79,可分类别数为5，表示测量系统的分辨力勉强合格；10%&30%，表明系统测量能力处于临界状态，不能用于测量重要特性的产品,80,81,（4）属性值数据一致性分析,对于属性值数据或计数型数据，可以采用属性值数据一 致性分析的方法，进行相关性和一致性的分析。 注意事项： 一般选用20个或20个以上的零件； 合格数和不合格数各占50%； 检验人员至少2人； 重复测量至少2次；,4.4 测量系统分析

32、,案例：计数型测量系统的分析,82,83,84,（1）过程能力 （process cabability, PC） 指过程加工质量方面的能力。在过程稳定时，质量特性X服从正态分布N(, 2)。 其中标准差大小表示过程稳定的程度，愈小，过程愈稳定。该区间的宽度6愈小，过程愈稳定，从而过程能力就愈强。则过程能力定义为PC=6，其中可用过程中获得的数据进行估计。,4.5 过程能力分析,85,（2）过程能力指数（process cabability index, PCI） 用来度量一个过程满足顾客要求的程度。 顾客要求体现在规范限(LSL,USL)上，其中： 点M=(LSL+USL)/2称为规范中心。在

33、规范中心M与受控过程中心（即正态均值）重合时，过程能力指数定义为：,4.5 过程能力分析,86, 规范限（LSL,USL）是顾客要求，一般不能轻易改变。故Cp与成反比，是愈小愈好，所以Cp是愈大愈好的指数。Cp1，过程能力不足；1Cp1.33，过程能力尚可；1.33Cp1.67，过程能力富余。,4.5 过程能力分析,在用钢材弯曲成钢夹的产品中，其间隙的上、下规范限分别为 USL=0.9, LSL=0.5 （单位：cm） 假如生产过程中钢夹间隙大小X服从正态分布N（0.7，0.0752），即该过程中心恰与规范中心重合，=M=0.7,而标准差 =0.075这时的过程能力指数为： 其中T =0.4是

34、公差，6=0.45是过程能力，它表示99.73%的钢夹间隙散布在长度为0.45cm的区间上。如今，Cp 1，即T6，这表明受控的过程能力不能满足顾客要求，需要改进过程。,案例：过程能力指数的计算,87,（3）过程能力指数 Cpk （当与公差中心不重合） 通常，过程中心在规范限(LSL, USL)之中，并把规范限分为两个小区间；(LSL, ) 和(, USL)。它们与3的比值能反应过程在左端或右端满足顾客要求的程度 =为单侧下限过程能力指数 =为单侧上限过程能力指数,4.5 过程能力分析,88,89, 我们的注意力应放在较小的一段，譬如上图中右端较小，从而相应的不合格品率也较大。从改进质量角度去

35、看，我们应把注意力放在CpL和Cpu中较小的一个。称： 为实际过程能力指数 为潜在过程能力指数 还得到单侧下限（或上限）过程能力指数。它们分别适用于只有下规范限和上规范现场合。,4.5 过程能力分析,90,Cpk 的估计 Cpk的定义中含有正态均值u与正态标准差，若用与的无偏估计（如 与 ）分别代替与，即可得到的估计，记为：,案例：过程能力指数（与公差中心不重合）,91,例:某部件的清洁度是愈小愈好的质量特性。顾客向生产厂提出规范上限要求；清洁度不能超过96mg。在生产线上经抽样测得： =48mg, =12mg在正态分布的假设下，它们可作为正态均值与标准差的估计值。于是此种部件在清洁度方面的（

36、上侧）过程能力指数：,（4）过程能力指数 Cpm(当与目标值不重合时) =为单侧下限过程能力指数 =为单侧上限过程能力指数,4.5 过程能力分析,（5）过程绩效指数 Pp与Ppk,过程能力指数与缺陷率的关系,92,4.5 过程能力分析,（5）过程绩效指数 Pp与Ppk区别：Pp等使用过程长期内的波动Cp等使用过程短期的总波动潜在过程绩效指数单侧上限过程绩效指数,93,4.5 过程能力分析,（6）过程能力指数与缺陷率的关系过程受控时，输出的质量特性呈正态分布，一定的过程能力指数与一定的不合格品率相对应。,94,4.5 过程能力分析,（6）过程能力指数与缺陷率的关系西格玛水平是从过程均值到技术规格

37、限的距离内所含的过程标准差的倍数。,95,案例：过程能力分析举例,钢珠生产过程中，允许的钢珠直径变异范围为10.90, 11.00,96,MINITAB，实现路径为：统计-质量工具-能力分析-正态，在“规格下限”中输入“10.90”，在“规格上限”中输入“11.00”，打开“选项”输入“10.95”。,97,4.5 过程能力分析,（7）属性值数据过程能力分析记点值过程能力分析，计算过程的DPMO，根据标准正态分布表换算成Zbench。计件值过程能力分析，先计算合格率，根据标准正态分布表找到相应的Zbench,98,案例：属性值数据过程能力分析,99,案例：属性值数据过程能力分析,100,101,测量阶段开始收集数据并着手对数据进行分析、评估，获得对问题和改进机会的定量化认识，并在此基础上获得项目实施方向的信息。数据的收集与整理方法-问题可测量和定量表述测量系统分析方法-保证获得可靠的测量数据过程能力分析的工具与方法-描述和评估过程,本章小结,