六西格玛绿带培训笔记第二周.docx
- 文档编号:11312480
- 上传时间:2023-02-26
- 格式:DOCX
- 页数:44
- 大小:790.98KB
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
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 六西格玛 绿带 培训 笔记 第二