西格玛4-DataandBasicStats-Reviewed.ppt

1 数据及统计基础 数据介绍 Student Guide 2 六西格马突破步骤 定义 测量 分析 改进 控制 步骤 1 - 选择输出特性 - 定义过程输入/输出变量 步骤 2 - 确定绩效标准 步骤 3 - 定义测量系统 步骤 4 - 建立过程能力 步骤 5 - 定义绩效目标 步骤 6 - 定义差异来源 步骤 7 - 查找潜在因素 步骤 8 - 发掘变量之间相互关系 步骤 9 - 建立操作公差范围 步骤 10 - 重新验证测量系统 步骤 11 - 重新计算过程能力 步骤12 - 实施过程控制 3 数据基础: 需要考虑的问题 什么是数据? 什么是不同类型的数据? 为什么连续性的数据更好? 什么是数据采集计划? 怎样是一个合理的分组? 4 数据 对某物的一个单独事实或对事实 的收集称之为数据 事物的信息 5 l计数型数据(不连续的数据) - 类别 - 是, 否 - 通过, 不通过 - 合格 / 不合格 - 好的 / 有缺陷的 - 计算机设备故障，缺陷的次数 l计量型 (连续性)数据 - 连续性数据 小数的位数反映出数与数之间的绝对距离 时间，财务费用，长度，宽度 数据的类型 6 离散型数据和连续性数据 不合格合格 电路 温度 温度计 时间 连续性数据样例 离散型数据样例 NO-GOGO 卡尺 数量单价描述 共计 1$10.00$10.00 3$1.50$4.50 10$10.00$10.00 2$5.00$10.00 装货单 7 离散型数据和连续性数据 对于某一过程为获得相同的理解水平 离散型数据 提供有限的信息 连续性数据 提供丰富的信息 8 这是什么? 假设: 我每班生产3000-4000件零件，一天3班 我通过目视检查零件合格/不合格 问题: 我是否可以只认为这是离散型数据吗？ 也许不是: 我可以计算每班的缺陷百分比，这 样每周就可获得15个“连续性”的读数 如果你有类似的数据，请同你的黑腰带一起谈论此 类数据的局限性/注意事项。 9 或者这种情况? 我可将我的产品分成10类，1代表最好，10代 表报废 问题: 我可以采用此法吗？ 是的, 但必须值得注意的是你只有10个分类 指导: 至少有10中类别. 每一种类别之间的“距离”应该是尽可能是一致的。 10 或者这种情况? 对发货是否及时进行测量 我可以采用对每一批进行离散型测量：是否及时或 不及时？ 但是我也可以，在许多情况下，采用计数性数据： 测量其提前/延迟的小时数/天数。 11 数据 s2 ): 每一单个数据同均 值的差的平方和的平均值 标准偏差 (s ; s): 方差的平方根。通常 表示数据的分散程度。它越小，数据分 散程度越小，加工精度越好。 计算机可以胜任所有艰难的工作 31 变异性练习 你可将上周每天的生产分为3组(3班) 导师会要求采用极差测量方式来计算每一组的差异。 然后计算该组数的整体差异，再次采用极差的方式。 为什么整组数的极差值会大于任何一组数的极差值？ 再计算该组数的标准偏差 32 变差的组成部分 普通原因: 任何过程中都有“活跃的因素” 这正是我们在3组/班每组内所看到的 为减少此类的变差，我们通常需要对过程或技术进行变 更 特殊原因: 该变差是由于某一“确定”的输入，如：每班采用不同的 标准值，材料供应商发生变更，工装变更等 这正是我们在组与组之间所看到的 为减少此类变差，我们通常需要改善和加强对过程的控 制 33 变异性, 中心度, 和稳定性 居中 中心趋势的测量 过程处于何处？“平均数”位于何处？ 通常对中心趋势的测量为均值(m)(发音为mu),经常被称为X 这是传统的算术平均法，全部相加再平均。 其它中心趋势的测量值: 中数: 表示数据的分布中心位置 众数: 在一组数发生频率最高的值 34 测量中心度 - 练习 计算下列每组数的均数，中数和众数。并记录在指定位置 35 变异性, 中心度, 和稳定性 稳定性(在改善之前其过程必须是稳定的) 过程长期的表现如何？ 稳定性是代表恒定的平均数并可预测未来变异 如果过程是稳定的，其变差将会围绕一定的平均值来回摆动。 过程可能好可能坏，但是你可以对其发展趋势进行预测并对 取得进步进行测量。 只有稳定的过程才能被测量。 某一过程过程能力每天都有差异，你又如何确定其能力呢？ 36 有关稳定性的问题 这两个过程大概的均值是多少？ 如果该数据来源于某一周，那在下周这两个过程的均值会如何？ 37 统计 一般练习 机器A，B，C生产同样的产品(极差图受控)，每个产品输出差异的目标值 为100mm。 1. 哪些设备显现出变异？ 2. 每台设备中值在何处？ 3. 哪些设备具有可预测性？ 4. 哪些设备具有特殊原因的变异？ 5. 对于今天的工令你将采用哪台设备进行生产？ 6. 大体哪台设备最容易稳定？ 38 统计 - 改进过程流程 依据下列步骤采用数据对过程进行改善。首先进行步骤1(稳定性 )，步骤二通常为(差异)，需在步骤3(中心定置)之前完成。 1) 确定过程是否稳定。如果不稳定，确定并剔除导致不稳定的 因素。 2) 评估所有变异性的级别. 根据计数规范要求是否可接收？如果 不能接收，确定变异性的来源并消除或减少其对过程的减少。 3) 确定过程中值所在的位置。 若没有达到目标，确定影响中值 的相关因素并优化设置以达到目标值。 39 变异是敌人 今天早上你所在教室的温度为50华氏度，你是 否感觉舒适？ 那么，现在我将温度提高之90华氏度，你现在 又感觉如何？ 你有什么问题吗？今天，室平均温度已为70华 氏度 客户对变异的敏感度要高于中值 40 如果设置相关工程目标分别为1.000”及1.002”; 那么每边 的间隙为.001”。 (.002” 总共) 转轴 技术规范 轴套 1.002” -.000”/+.005” 轴 1.000” -.005”/+.000” 轴套内径 - 轴外径 = 间隙 1.002” - 1.000” = .002” (total) Exactly to Nominal = OK 4 轴套 间隙 轴与轴套的实例 41 如果你采用全公差，那么你可能会有.995”的轴, 及 1.007” 的轴套，对于每边的间隙为.006” (总共为.012” ) Take Away: 变异是敌人，其加大了间隙使其发出异 响并过早磨损。(但在公差之内就是合格的吗？) 转轴 轴套内径 - 轴外径 = 间隙 1.007” - .995” = .012” (总共) 在公差范围之内，但是 预期间隙的6倍 轴套 间隙 实例继续 42 分布 我们可以对相同的变差，多次、通过产品、不同 的机器等，以点绘数据描述或归纳任何过程特性 这些数据的积累可被视为一种数据的分配并通过 点图，柱状图，或正态分布来显现。 43 : : . . . : . . : : :.: : . : . : .:.:.:.:.: : . -+-+-+-+-+-GPM 49.00 49.50 50.00 50.50 51.00 点图 其次消除不正常的变差; 第三步减少正常的变差; 第四步将过程置于中心. 76 基础数据基础: 所需回答的问题 什么是统计? 什么是中心度的测量？ 任何对变差进行测量？ 为什么需要关注过程的稳定性? 什么是分布，正态分布? 为什么“位于曲线下方的面积”很重要？ Z-bench和 Cpk的区别？ 样本同母体之间的纽带是什么? 77 基础问题: 统计问题汇总 统计是对数据的组织，分析和解释 对数据中心趋势的测量包括中值，中位数和重数 对计量型数据的测量包括极差，变异及标准偏差 如果过程不稳定，就不可能从中获得相关信息。因为我们 得不到准确的中值及标准偏差，也就无法确定该过程的基线 。 78 数据基础: 问题总结 (续页.) 分布是对数据的累积，通常视为一种测绘，以反映该过程 的变异性及稳定性。正态分布表现为数据具有不变的中值 并有可预测的变异。它为一种钟形的曲线 给定正态分布和公差限，