六西格玛绿带培训笔记第二周.docx

六西格玛绿带培训笔记第二周.docx

《六西格玛绿带培训笔记第二周.docx》由会员分享，可在线阅读，更多相关《六西格玛绿带培训笔记第二周.docx（44页珍藏版）》请在冰豆网上搜索。

六西格玛绿带培训笔记第二周

第二周笔记

FMEA：

失效模式：

流程输入失效的方式，没被检查出造成的影响

影响：

对客户的影响

原因：

导致失效的原因

现行控制：

预防失效模式或原因

风险优先系数：

RPN=严重度*发生频率*侦测度

Y的影响原因控制

1=容易侦测到10=很不容易侦测到

多变量分析（Multi-Varistudy）

收集数据的方法是“不影响流程的”，在自然状态下分析流程

Analyze被动观察------多变量分析

Improve主动调整------DOE

1.确定目标

2.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

（1）位置性：

地点对地点，人对人

（2）周期性：

批量对批量

（3）时间性：

时间对时间

3.确定每个变量的测量系统

4.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（与时间有关）：

系统抽样，子群抽样

5.确定数据收集、格式及记录的程序：

数据收集计划

6.流程运行的程序和设定描述

7.组成培训小组

8.清楚划分责任

9.确定数据分析的方法

10.运行流程和记录数据

11.数据分析：

根据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的影响）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：

1.描述性统计学：

样本分析

2.推论性统计学：

样本对总体进行推测

参数估计：

点估计

区间估计（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-----基本统计量----------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/非显著性假设/归无假设（没变化，相同，无相关，没效果）

Ha=备择假设/对立假设/显著假设（有变化，不一样，有关系，显著，有影响）

P值=Ho为真，概率值

拒绝Ho犯错的概率

α值：

显著性水平

P.大于α：

不能拒绝Ho

P小于α：

拒绝Ho，Ha成立

步骤：

（1）陈述“原假设”Ho/Ha

（2）定义α（根据（6）之后引发的风险成本来决定）

（3）收集数据

（4）选择和应用统计工具分析，计算P值

（5）决定证据表明？

拒绝Ho------P小于α

不拒绝Ho，P大于α

（6）若拒绝Ho，所采取的行动（统计-----实际）

I类错误降低，则II类错误提高

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不知道

高0.01输不起

做实验的情况，把α值调的高些

量产的情况，把α值调的低些

一般α值为0.05

工具路径图：

根据数据不同类型，判断用何种图分析

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）

1.SPC图（I-MR）

2.检验数据形态（概率图）

3.研究中心趋势（基本统计量-----2t）

双样本分析路径图2T：

（书6-23）

针对每个水平分别研究

（1）SPC图（I-MR）

（2）研究数据形态（概率图）

（3）研究离散度（等方差检验，书6-22）

（4）研究中心趋势（基本统计量-----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（两组数据相关联、样本量相等）

例子：

SHOES文件

Delta=C1-C2

统计----基本统计量----配对T

配对T检验路径：

（1）稳定性分析：

对差值

（2）正态检验

（3）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（分阶段）

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，说明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，显著的,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（OnewayANOVA）：

（书7-9）

X大于2个水平以上样本

检验路径：

稳定性：

针对每个水平（样本量小的话，可以省略此步）

数据形态（样本量小的话，可以省略此步）

离散程度：

等方差检验

中心趋势：

（1）若P<α，要研究哪个不等，多重比较（Fisher）

（2）残差检验

（3）ε²检验（实际的显著性）

单因子方差分析：

比较----FISHER---区间跨过0的表示差异不大，不跨越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：

（DMONEWAYANOVA）

等方差检验：

置信区间基本重叠，方差没有显著差异

P值=0.92>0.05，数据正态

单因子方差分析：

Fisher95%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--------+---------+---------+---------+-

161.8555.6009.345（----*----）

174.0557.80011.545（----*---）

188.05511.80015.545（----*---）

19-2.7451.0004.745（---*----）

--------+---------+---------+---------+-

-8.00.08.016.0

15和19没有显著差异

x=16减自:

x下限中心上限--------+---------+---------+---------+-

17-1.5452.2005.945（----*---）

182.4556.2009.945（----*---）

19-8.345-4.600-0.855（---*----）

--------+---------+---------+---------+-

-8.00.08.016.0

16和17没有显著差异

x=17减自:

x下限中心上限--------+---------+---------+---------+-

180.2554.0007.745（----*----）

19-10.545-6.800-3.055（----*---）

--------+---------+---------+---------+-

-8.00.08.016.0

无

x=18减自:

x下限中心上限--------+---------+---------+---------+-

19-14.545-10.800-7.055（----*---）

--------+---------+---------+---------+-

无-8.00.08.016.0

单因子方差分析:

y与x

来源自由度SSMSFP

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------+---------+---------+---------+---

1559.8003.347（-----*----）

16515.4003.130（----*----）

17517.6002.074（----*----）

18521.6002.608（----*----）

19510.8002.864（-----*----）

------+---------+---------+---------+---

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影响

残差分析：

作业：

1.稳定性：

高中低三个部分差异较大，稳定性还可以

2.数据形态：

Bottom正态分布

Middle&top不正态分布

3.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

4.中心趋势：

（非正态，等方差）

单因子方差分析:

sales与productplacement

来源自由度SSMSFP

productplacement22398.21199.146.910.000

误差872223.925.6

合计894622.1

S=5.056R-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--------+---------+---------+---------+-

bottom3062.8674.281（---*--）

middle3075.3674.846（---*--）

top3067.4675.906（---*---）

--------+---------+---------+---------+-

65.070.075.080.0

合并标准差=5.056

Middle=75，最多

Top=67，其次

Bottom=62，最少

两个蓝色点影响正态性，去掉两个点

非参数检验：

（非正态）

Kruskal-Wallis检验:

sales与productplacement

在sales上的Kruskal-Wallis检验

product

placementN中位数平均秩Z

bottom3063.0023.3-5.70

middle3077.0070.36.36

top3068.0043.0-0.65

整体9045.5

H=48.90DF=2P=0.000

H=49.10DF=2P=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

1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

2相互比较水平间独立：

t检验（6-23），σ相等：

2t或一元ANOVA/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ANOVAK-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

BADGOOD合计

121627648

26.21621.79

1.0370.044

233467500

20.23479.77

8.0650.340

310424434

17.56416.44

3.2530.137

合计6415181582

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：

（creditcard）

银行拒绝信用卡频率

卡方检验:

Rejected,Approved

RejectedApproved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

5.0632.531

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-MULTIVARI文件）

交叉分组表和卡方（未汇总数据）

汇总统计量:

InvoiceType,Error?

行:

InvoiceType列:

Error?

NoYes全部

EDI59968

53.8614.1468.00

0.49131.8708*

Fax712192

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

对卡方的贡献

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显著差异

相关与回归分析（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：

统计上称为相关关系

回归是研究相关关系的一种常见的数理统计方法，得出数学表达式（经验公式），用于预测与控制

相关系数r：

-1≤r≤1

确定性关系：

r=1或-1

∣r∣≥0.8相关性强

r越大，P越小

0≤R²≤100%

在直线性相关条件下：

r²=R²

回归分析是连续水平的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值越高相关性越强

注意：

1.注意XY是否有因果关系

2.其他潜在变量造成XY的改变

作业：

1.GOLF

不同花纹之间，打得距离差别，省去一二步

2.银行网点数据1

不同类型业务，对等待时间和办理时间是否有差异

不同柜员对等待时间和办理时间是否有差异

回归分析:

Supplier与Customer

回归方程为

Supplier=-144+1.46Customer

自变量系数系数标准误TP

常量-143.6583.33-1.720.101

Customer1.45910.22186.580.000

S=23.7288R-Sq=69.5%R-Sq（调整）=67.9%

方差分析

来源自由度SSMSFP

回归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：

相关:

y,x

y和x的Pearson相关系数=-0.869（相关性强）

P值=0.001

回归分析:

y与x

回归方程为

y=430-4.70x

自变量系数系数标准误TP

常量430.1972.155.960.000

x-4.70060.9479-4.960.001

S=18.8872R-Sq=75.5%R-Sq（调整）=72.4%

方差分析

来源自由度SSMSFP

回归18772.68772.624.590.001

残差误差82853.8356.7

合计911626.4

异常观测值

拟合值标准化

观测值xy拟合值标准误残差残差

991.418.000.5515.9017.451.71X

X表示受X值影响很大的观测值。

80%时，Y为54.8

Paint文件：

相关:

AirPressure,Thickness

AirPressure和Thickness的Pearson相关系数=0.920（相关性高）

P值=0.000

相关:

Viscosity,Thickness

Viscosity和Thickness的Pearson相关系数=-0.242（相关性低）

P值=0.290

回归分析:

Thickness与AirPressure

回归方程为

Thickness=-44.13+1.020AirPressure

S=4.09824R-Sq=84.6%R-Sq（调整）=83.8%

方差分析

来源自由度SSMSFP

回归11750.121750.12104.200.000

误差19319.1216.80

合计202069.24

多项式回归分析:

Thickness与Viscosity

回归方程为

Thickness=-318.1+36.69Viscosity-0.993Viscosity**2

S=10.2206R-Sq=9.1%R-Sq（调整）=0.0%

方差分析

来源自由度SSMSFP

回归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SSFP

线性1121.5561.190.290

二次167.3820.650.432

Cust文件：

回归分析:

Resp_Time与Distance

回归方程为

Resp_Time=199.3-2.209Distance

S=110.778R-Sq=0.3%（不相关）R-Sq（调整）=0.0%

方差分析

来源自由度SSMSFP

回归149454945.10.400.527

误差141173030812271.7

合计1421735253

多项式回归分析:

Resp_Time与Exp.Level

回归方程为

Resp_Time=12.65-3.166Exp.Level+0.2125Exp.Level**2

S=23.3276R-Sq=95.6%（相关）R-Sq（调整）=95.5%

方差分析

来源自由度SSMSFP

回归216590688295341524.380.000

误差14076185544

合计1421735253

方差的序贯分析

来源自由度SSFP

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，有信息和材料的流动（1书6-34）

AsisVAM现况

TobeVSM未来

增值

非增值：

必须：

安全

不必须：

浪费（搬运，返工）

增值效率（PCE）=总增值时间VAtime/总生产周期leadtime

工具：

VISO/igrafx

价值分析步骤：

（书10-8）

1.用流程图确定步骤周期

2.按增值非增值分类

3.计算增值效率

4.改进

Invoicingvalueanalysis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

习惯：

设置纪律

5S测量水平（书10-18）

精益的改善技术：

SMED快速换型：

基本步骤：

1.观察流程

2.区分内部外部作业转换（内部：

只有停机后做的事）

3.将内部转换为外部作业

4.缩短内部作业

5.缩短调试时间

6.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：

1.被动地：

观察自然发生的（多变量研究）

2.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）

1.随机化：

将噪音固定，区集化

2.重复：

3.再现（仿行）：

推论范围：

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影响不大

拟合因子:

Y与A,B,C

Y的效应和系数的估计（已编码单位）

项效应系数系数标准误TP

常量64.2500.1768363.450.000

A23.00011.5000.1