6sigma五大阶段学习内容汇总课件

1、分析阶段概述Six Sigma技术与方法Step 1 Project选定(背景陈述)Step 2 Project定义Step 3 Project承认改善Step 4 Ys的确认Step 5 现水准确认 (把握)Step 6 潜在原因变数(Xs)的挖掘Step 7 - Data 收集Step 8 - Data 分析Step 9 - Vital Few Xs的选定Step 10 树立改善方案Step 11 - Vital Few Xs 最佳化Step 12 改善结果验证Step 13 树立管理计划Step 14 管理计划实施Step 15 文件化/共享Project选定过程及必要技术Project

2、的目标和范围的设定Project实施计划的承认Project 满足CTQ的具体指标测量把握现水准，确定改善目标潜在原因变数 (Xs)的挖掘及优先化Data 分析计划的树立及收集活动为了确认Vital Few Xs的统计分析分析结果 Review , 改善优先顺序Vital Few Xs的特性区分明确Y与 Xs的关系 决定最佳条件决定方案的验证及改善效果的确认改善结果危险性评价及管理计划中的反应现业适用及维持管理分析预想效果进行文件化共享定义测量分析控制分析阶段的目的是找到Y=F（x1,x2,x3）中关键的x, 改善阶段目的是对x进行优化，以提升Y 活动 Process突出暂定选定主因子 (Vi

3、tal Few)分析坐标图验证统计的假设Histogram, PlotMatrix Plot, Box Plot假设验证(计量型/离散型)相关性分析通过Brainstorming突出暂定因子适用适当的 Tool 后整理(特性要因图, Logic Tree 等)Data 收集实验分析ANOVA 分析利用在测定阶段收集的Data 树立收集Data 计划，有体系地收集 Data 收集Data 困难时通过实验收集 Data分析阶段-Analyze阶段 Flow 活用 Tools Graph 分析 统计的分析 Plot Run Chart Histogram Matrix Plot Box - Plot

4、 Pareto Chart Run Chart Pareto Chart Histogram Multi-Vari Chart 相关分析 回归分析 回归分析 t Test (平均) F Test (分散) ANOVA (方差) Proportion -Test连续型离散型连续型离散型连续型离散型连续型离散型X Y X Y 活用过去 Data，突出暂定/候补因子. Analyze 阶段是通过对各候补因子的统计性验证，进行筛选从而选定主因子(Vital Few)的活动。其中候补因子是指在Define, Measure 阶段定义的有可能影响CTQ的暂定因子/候补因子 Xs(X1,X2,Xn), .C

5、ontrolImproveAnalyzeMeasureDefine4YLevel 1Level 2（x）女孩子的青睐度物质因素能力学历口才气质存款房子汽车外貌身高体重例-logic tree分析阶段-突出暂定因子其他 ？找到几个关键的小x，并最优化小x，来提升大Y的值，这个是六西格玛分析改善阶段的任务5Align精度MachineMaterialMethodIC资材不良Cell不良IC热膨胀差异本压榨Align Mark间距离偏差温度差异平行度假压榨位置决定IC测定高度假压榨精度假压受台GapTool下降程度Tool平行度平行度确认方法Man作业ErrorIC型号选择错误补正输入错误工程变化C

6、heck周期未设定Feeding不良IC累计Pitch平行度调整方法平行度测量方法Mark设定Mark SizeMark对比度Delay time导热性缓冲材缺口例-特性要因图分析阶段-突出暂定因子 Histogram : 为连续型 Data的统计的分析假定正态分布，验证正态性前可大致地掌握Data的中心和散布等的分布形式.2. 活用主要Graph 分析阶段-Graph(坐标图) 分析ControlImproveAnalyzeMeasureDefine对趋势图的 解释 ? Plot(散点图) : 为大致掌握两个变数(X, Y)的相关关系而使用 收集两个变数的 Data(50100个适当) 在X

7、,Y 表上表示值 看点的形态可比较直观的确认两个变数间的相关关系. 首先看点的进行方向，如右侧向上移动的画判断是正向的相关关系,如右侧向下移动的话判断是反向的相关关系分析阶段-Graph(坐标图) 分析ControlImproveAnalyzeMeasureDefine对趋势图的 解释 ? 5个主要特性(最小值, Q1, 中位数, Q3, 最大值)以 Box和线来表示 Box Plot(箱子构造) : 大致掌握Data的中心和散布形态，想了解异常值存在与否时使用. 制成法 : 分析阶段-Graph(坐标图) 分析ControlImproveAnalyzeMeasureDefine对趋势图的 解

8、释 ?1. 假设验证概念 假设验证的概要 - 原假设拒绝后，可供选择的假设.- “不一样” , “有差异 ” 等的 Not Equal 概念 假设验证是 ?把想要了解的内容(现象)建立成假设，通过收集的 Data进行分析，验证假设是否成立的步骤H0是真， 但出现误判错误的容许界限.判断P-Value大小时使用的基准概率. (主要使用 1%, 5%, 10%) P-Value 在显著性水平下，可以接受的假设“一样 ” , “无差异 “ 等的 Equal 概念. 回归假设 (Null Hypothesis : H0) 对立假设 (Alternative Hypothesis : H1)认为回归假设

9、是正确的情况下，利用收集的Data分析发生回归的概率. 显著性水平() 分析阶段-假设验证ControlImproveAnalyzeMeasureDefine 假设验证种类 Data的种类连续型 Data离散型 Data1 Sample t - Test2 Sample t - TestANOVATest for Equal Variances1 Proportion2 Proportions - Test假设验证Ho : 无差异.H1 : 有差异.决定显著水平()一般使用 5% 1. 测定统计量计算2. P-Value 算出1. 测定统计量 临界值2. P-Value 0.05，符合正态分布

10、第三步：选择测定方法，已知，所以使用 MINITAB “1sample Z ”工具第四步：利用MINITAB进行计算 mu = 0.13 与 0.13 的检验假定标准差 = 0.015 N 平均值 平均值标准误 95% 置信区间 Z P10 0.13580 0.00474 (0.12650, 0.14510) 1.22 0.221第五步： P0.05，则接受H0，即认为平均值变化到0.1358与0.13并无显著差别，这批产品平均厚度 合格分析阶段-假设验证一、1 Sample Z-Test 例子： 标准偏差已经知道的情况，检验正态总体的均值H0 : 1 = 2 , H1 : 1 2 假 设 :

11、 目 的 : 例题 :某零件，其厚度在正常生产下平均值为0.13，标准偏差为0.015，某日抽样了10个零件，其测试值为0.112，0.130，0.129，0.152，0.138，0.118，0.151，0.128，0.158，0.142；如果标准偏差不变，试问显著水平=0.05时，能否认为该批零件厚度平均值没有发生变化？ ControlImproveAnalyzeMeasureDefine二、 2 Sample t-Test 测定具备 Data的正规性. - 材料 A的 P-Value是多少? 是正态分布吗? - 材料 B的 P-Value是多少? 是正态分布吗? 测定分散的同质性. - F

12、-Test的 P-Value是多少? 结果是? 实施t-Test. - 设立假设. - 有意水平是? - P-Value是多少? 结果是?材料 A : 73.4, 77.0, 73.7, 73.3, 73.1, 71.5, 74.5, 77.5, 76.4, 77.7材料 B : 68.7, 71.4, 69.8, 75.3, 71.3, 72.7, 66.9, 70.2, 74.4, 70.1判断具备两个母集团抽出的Data平均(Mean)，统计上是否有差异. Ho : 1 = 2 , Ha : 1 2 假 设 : 目 的 : 测定用材料 A和材料 B所制作的各产品的硬度，得到了如下Data

13、. 要测定A和 B的母平均上是否有差异. 例题 : Data : 测定步骤 : 分析阶段-假设验证ControlImproveAnalyzeMeasureDefine 2-Sample t / 测定正规性统计的确认具备的 Data是否市正规分布 假 设 : 目 的 : Ho : 是正规分布 , H1 : 不是正规分布Stat Basic statistics Normallity Test P-Value 0.205 ( 0.05)是正规分布. P-Value 0.837 ( 0.05)是正规分布. ( = 5%)分析阶段-假设验证ControlImproveAnalyzeMeasureDef

14、ineStat Basic statistics 2 Variances (Stat ANOVA Test for Equal Variances)P-Value 0.646( 0.05)分散相同. 2-Sample t / 测定等分散型性 在具备的两个以上的集团之间，确认统计上是否有有意的散布差异 假 设 : 目 的 : Ho : 12 = 22 , H1 : 12 22 (两侧测定日时) ( = 5%)分析阶段-假设验证ControlImproveAnalyzeMeasureDefineStat Basic statistics 2-Sample t 2-Sample t / 测定平均值P

15、-Value 0.002( 0.05 )Material A和 Material B的平均不同. 对差异的信赖区间( = 5%)分析阶段-假设验证双样本 T 检验和置信区间: 材料A, 材料B 材料A 与 材料B 的双样本 T 平均值 N 平均值 标准差 标准误材料A 10 74.81 2.17 0.69材料B 10 71.08 2.54 0.80差值 = mu (材料A) - mu (材料B)差值估计: 3.73差值的 95% 置信区间: (1.51, 5.95)差值 = 0 (与 ) 的 T 检验: T 值 = 3.53 P 值 = 0.002 自由度 = 18两者都使用合并标准差 = 2

16、.3630ControlImproveAnalyzeMeasureDefine一、 相关分析(Correlation Analysis)的概念要了解两概率变数 X和 Y间相关关系时，取两变量 X, Y的大小 n 概率标本 (Random sample)后, 从得到的 n个数据 (X1, Y1), (X2, Y2), .,(Xn , Yn)找两变数的相关性.如此, 研究两变数间相关性的统计的分析叫 “相关分析” .X和 Y存在什么关系? 定 义 : 利用数据为掌握两集团间是否存在直线的关系而使用. 适 用 : 分析阶段-相关分析ControlImproveAnalyzeMeasureDefine

17、 r 值的范围是 -1 r 1.r 值是显示 X和 Y间线型关系的尺度， r 为 1 时所有点在一直线上. 相关系数(Correlation Coefficient) 相关系数 : 表示变量 X和 Y的相关大小， X和 Y间的紧密性程度的尺度 相关系数 判定基准 0.9很高的相关关系(very high correlation) 标本相关系数的性质分析阶段-相关分析ControlImproveAnalyzeMeasureDefine18二、 相关系数分析例你统计了16次请女友吃饭的cost与其满意度度，并进行相关性分析 例题 : 相关: cost, 满意度 cost 和 满意度 的 相关性 相

18、关系数 = -0.111P 值 = 0.681P值=0.6810.05：-.cost与满意度无相关性，r= - 0.111-. cost与满意度无相关性分析阶段-相关分析ControlImproveAnalyzeMeasureDefine改善阶段概述改善案树立Vital Few Xs(少数核心原因变数)的 最佳化结果检验 改善案导出 改善案评价及选定 选定的改善案实行计划树立改善对策实行 实验计划实施及分析 最佳案决定 测量系统 再检验(必要时) 检验最佳方案 短期工程能力把握 确认改善结果导出对Vital Few Xs的改善案，树立实行计划.明确Y和 Xs的关系决定Vital Few Xs的

19、最佳条件.实施决定的最佳方案的确认作业.改善阶段-定义Improve阶段是为了提高 Y,找出 Analyze阶段找出的少数核心原因变数(X)的最佳条件的过程ControlImproveAnalyzeMeasureDefineVital Few XsInputVital Few Xs List分析阶段资料专家Team成员根据Xs的特性将因子分类需要被验证的多种独立的对策方案Output控制因子优化对策因子优化控制因子对策因子在Process中已经存在的因子,要求发现最佳设定值现Process中没有或虽存在,但因新问题出现,需要进一步验证的温度压力位置时间Process变更标准化改进沟通意见电算化

20、新设备导入是连续性或离散性,可分为多水平的值改善阶段-进行processControlImproveAnalyzeMeasureDefine控制因子对策因子 选择工具,实施实验 评价并选择最佳的对策 制作对策方案 风险评价. 实施试运行. 评价和选择最好的对策方案. 实验设计 (DOE) - 因子配置法 -反应表面曲线 .BrainstormingBench Marking选定最佳方案矩阵 Process MapX的特性主要工具展开方向改善阶段-进行process Improve主要工具及方向ControlImproveAnalyzeMeasureDefine实验计划法(Design of E

21、xperiment) 是 - 试验内包括的致命因子及因子水准、反应值的选择, 现情况下最适当的试验计划、 试验顺序决定 - 对试验实施后所求的结果的统计性分析方法选定 等, 如：怎样设计、怎样分析结果, 找出通过最少的试验 而取得想要的最大的信息 的体系性方法.实验设计: 狭义上指DOE,RSM等,但广义上包含以数据的合理分 析为目的有计划地实验的所有实验DOE: Design of Experiment(实验设计)RSM: Response Surface Method(反应表面法)1. 试验计划法的基本概要 试验计划法的活用目的工序或System的型号实验计划法的活用目的 何种变数对反应值

22、Y的影响最大? 如想符合Y值的特定值要求,怎样设置X值? 最小化、控制不了的因子,怎样设置X值?ProcessInputs Outputs 控制因子控制不了的因子XX1 X2 XnZ1 Z2 ZqY改善阶段-试验计划法ControlImproveAnalyzeMeasureDefine2. 试验计划的进行顺序进行步骤进行内容与主题有关的事项1. 设定试验目的 明确设定通过试验而要取得的目的.目的不明确的话, 不容易找到最佳的试验及分析方法. CTQ的最佳化 (最小, 最大, Target)2. 选择特定值选择与试验目的达成直接连接的试验的反应值为特性值.并将所选择的特性值最佳的时候，显出的Si

23、de Effect也选为特性值. CTQ3. 决定因子及 水准 在与特性值有关的因子中, 选择影响大的因子.选择试验者关心而因子可变的水准值. 潜在性因子 致命因子(Vital Few)4. 试验布置及 Random化决定怎样组合因子的水准而实施试验.决定为断绝外部因子的影响而怎样进行Random化.Block化,Random化5. 试验实施制定对试验方法的实施标准后, 按Random化的步骤而实施.从头到尾彻底管理试验是否按计划进行. 试验环境 管理6. 数据分析决定将试验数据，用何种统计的方法，怎样分析.首先Grape化, 掌握其变动情况后, 选择适当的统计性方法. 假说验证, 分散分析

24、相关分析, 回归分析7. 分析结果解释 及措施考虑试验的目的及假定, 找出具有技术性的结论. 以结果解释为基本, 进行下一步试验或者再现性试验,采取标准作业的改善措施. 下一步试验阶段 找出最适条件 再现(验证)试验改善阶段-试验计划法ControlImproveAnalyzeMeasureDefine3. 试验计划法的基本原则 随机化(Randomization) ：以完全随机的方式安排各次试验的顺序，防止实验者未知的但可能对响应变量产生系统性影响。由于所选定的试验因子以外的其它原因，为防止影响到试验结果的方案 (试验步骤地随机化)为提高试验的水平、制订容易分析的试验计划，所需的基本原理是

25、随机化(Randomization), 块形化(Blocking), 正交化(Orthogonality), 反复(Replication)。 改善阶段-试验计划法ControlImproveAnalyzeMeasureDefine 块形化(Blocking) 可能的话，试验环境均一分开为几个模型(Block)， 以后要调查模型(Block)内的各因子弹的影响。全体试验以时间、空间分割而作模型(Block)的话，各模型(Block)内的试验环境均一，因此可以得到更佳的试验结果。在试验计划法上，模型(Block)适用为一个因子，其效果另外分离，总变动除外模型(Block)之间的变动，剩的就是模型

26、(Block)内的纯粹变动. RunABC1- 1- 1- 12+1- 1- 13- 1+1- 14+1+1- 15- 1- 1+16+1- 1+17- 1+1+18+1+1+1设备号机1号机2号机2号机1号机2号机1号机1号机2号机 8回 Run按装备号机(1, 2号机)BlockingABC3个因子的交互作用的效果交叉各装备号机的效果，从而不影响装备号机，可以求因子效果。 正交化(Orthogonality) 正交化是指，在试验上，独立配置各因子(Main & Interaction)，使特定因子不受别的因子影响。计划试验时，使因子之间共有正交性而求数据的话，如同一试验次数，可以得到对因数

27、的效果的检出力更佳的验证，并得到程度更高的追定。数学上正交性是指，个别因子的程度的合是”0”, 乘两个因子的程度的合是 “0”. RunABC1- 1- 1- 12+1- 1- 13- 1+1- 14+1+1- 15- 1- 1+16+1- 1+17- 1+1+18+1+1+1Sum000 确认正交排列表(23)的数学上的正交性改善阶段-试验计划法ControlImproveAnalyzeMeasureDefine 反复 (Replication) 在各水准的组合上，可能的话，反复进行2次以上，比进行1次试验，得到的试验结果的可靠性高。反复进行，可以提高误差项的自由度，误差分散的程度也会好，因

28、此可以提高试验结果的可靠性。 反复进行2次22(A, B因子)试验RunABAB1- 1- 1+ 12+1- 1- 13- 1+1- 14+1+1+ 1RunABAB5- 1- 1+ 16+1- 1- 17- 1+1- 18+1+1+ 1虽反复实施同一试验条件，全体试验顺序随机化是因子数为 n、各因子的水准数为 K的试验计划法， 在所有因子间的水准组合上进行试验的试验计划。Kn 因子配置上广泛使用2水准 / 3水准系，但3水准系因子配置一般是为找出最佳值而使用的。1. 2水准完全配置的理解 Kn 因子配置法(Kn Factorial Design)是因子数为 n、各因子的水准数为2的试验计划法

29、， 对n个的独立变数(X)，实施各个2水准的试验而要掌握各独立变量的影响度时使用的。 2n 完全配置法 (2n Full Factorial Design) 2 水准完全配置的表示2n=?表示试验次数说明备注2242水准因子是2个的情况2n本身意味试验次数， 因子每增加一个时，总试验次数增加2倍。2382水准因子是3个的情况24162水准因子是4个的情况2n2n2水准因子是n个的情况 2 : 所有因子的水准数 n : 配置在试验上的因子数? : 总试验次数 2n 试验配置的意义改善阶段-因子配置法ControlImproveAnalyzeMeasureDefine28例题:洗涤力试验在开发新的

30、 Design洗衣机时制作了几个 Sample.对衣料的清洁度进行洗涤时间和水量的实验. Factor: X1 : 洗涤时间 X2 : 水量(Gallon)Level 1 10 4Level 2 20 8反映值:衣料的 洗涤力(清洁度和亮度 测定)Factorial Design : 在全部水准上组合全部 因子进行排列的 实验计划因为是2因子 2水准所以有可以用4个个的组合 X1Low ( - ) 10High ( + ) 20Low ( - ) 10High ( + ) 20 X2Low ( - ) 4Low ( - ) 4High ( + ) 8High ( + ) 8为了提高实验的精确度，在各 实验顺序( Run )上重复 4次.改善阶段-因子配置法ControlImproveAnalyzeMeasureDefine29Run12345678910111213141516Wash Time(minutes)10101010101010102020202020202020Amount ofWater (gal)4444