6Sigma绿带训练-分析.ppt

Page1 6Sigma綠帶訓練 分析 Analyze 6SigmaforCustomerValue Page2 DMAIC專案步驟和工具 Page3 分析階段課程大綱 Page4 A0 分析階段概述 確認目前的流程能力 A1 建立改善的目標 資料分析工具箱圖形分析數據驗證 A2 驗證潛在要因 Vitalfew 改善階段 量測階段 分析階段 Page5 在A1 我們將利用分析工具建立改善的目標主要的目的是在設定目標 以整合客戶滿意度與可用資源之間的平衡 步驟主題 建立績效目標分析內部或外部標竿 並與目前之最佳績效水準比較在可衡量的利益中 評估長期和短期SigmaLevel依據目標與現階段流程水準間的差距分析 決定改善的方向 A1 建立改善目標 A1建立改善目標 Page6 衡量目前流程的基準值 績效目標 流程變更 突破 建立績效目標 流程改善 最佳水準 確認目前流程的基準與績效目標間的差距兩種改善流程的方式 改善目前的流程 建立新的或重新設計現有的流程 差距 A1建立改善目標 Page7 即一種不斷尋找最佳作業模式 實務及流程的過程並企圖藉由最佳化的追求及導入 而使其成為業界之佼佼者 標竿學習 什麼是企業標竿 A1建立改善目標 Page8 為什麼要進行企業標竿的研究 發展和執行策略目標建立可行的目標緊迫感突破性的思維更深入的了解自身的產業 A1建立改善目標 標竿學習 續 Page9 企業標竿的類型 內部標竿 最佳標竿 競爭標竿 內部標竿是在分析組織內現行的實務 以尋找最佳績效並確定活動基準和領導者 競爭標竿是從外部確定直接競爭對手的績效表現 競爭者的標竿一般以整體產業或市場所關心的議題為主 最佳標竿在檢視所有產業 以尋找最新的及最具創新性的實務 這種最佳實務及期望績效的廣泛概念為追求企業標竿的終極目標 A1建立改善目標 Page10 標竿學習的流程步驟 8 發展行動計劃9 執行特定的行動方案並監控流程的進展10 核對標竿指標之可行與合理性 計劃 分析 整合 行動 1 確定什麼可以成為標竿2 確定可比較的公司或流程3 決定資料搜集的方法並搜集資料 4 確認現階段的績效差距5 未來專案的績效水準 6 整理所收集的資料並訂出可接受的目標7 建立目標 A1建立改善目標 Page11 訪談標竿學習的執行計劃 透過關鍵人聯繫組織及管道收集對方資料並深入研究備妥詳細的調查問卷以獲取所需的資訊建立各項預備計劃以及寄送初步文件給對方參考 準備訪談 對面談前預先準備工作 並充滿信心培養良好氣氛以獲得最好的結果感謝對方的善意 並確認後續必要工作的持續進行 組織訪談 審查訪談小組觀察的結果並撰寫訪談報告條列出符合改善需求的最佳實務建構應行動的要項並確認負責人後 進行改善階段 擬定行動計劃 將訪談報告轉呈SixSigma專案領導人將訪談的結論及欲採取的改善事項呈報高階主管 維持與溝通 A1建立改善目標 Page12 標竿學習的本質 一個持續的改善行動取得具有價值資訊的調查過程向他人學習的過程 計劃性的尋找概念一個費時 費力且講求紀律的流程一個提供有效資訊的可行工具以協助企業改善流程 標竿學習應該是 一次性的活動提供簡單答案的調查過程複製 模仿快速而且容易光說不練 一時的流行 標竿學習不應該是 A1建立改善目標 Page13 最佳水準 Entitlement Entitlement是原本應該擁有的能力水準 此能力應為製造出良品的能力 同時 其亦為附加價值 時間 金錢 的同義詞 Entitlement Cp A1建立改善目標 Page14 差距分析 GapAnalysis 差距 目標 現狀水準 達成目標的方法可以與企業標竿的方法及目前的產品 流程的改善結合 目標也許可以或不必將企業標竿與目前最佳水準納入 目前水準與目標間的差異構成了差距改進的關鍵方法就是逐步縮小差距 A1建立改善目標 Page15 改善的目標 縮小缺口 3 4 5 6 7 1 000 000 100 000 10 000 1 000 100 10 1 2 Sigma尺度 DPMO 最佳實務4 7 基準線2 95 缺口 最佳水準5 2 目標 6s A1建立改善目標 Page16 A2 驗證潛在要因 A1 建立改善的目標 資料分析工具箱A2 1圖形分析A2 2數據驗證 A2 驗證潛在要因 Vitalfew A2驗證潛在要因 Page17 整體概念接下來的部分 我們要對所有鑑別出之潛在要因 x s 針對其重要性 建立必須改善的優先順序目的從潛在變數中列出重要的因素 關鍵少數VitalFew Xs 及普通的多數 trivialmany 藉此 能透過運用統計技術的效果來改變 改善 Y y f x1 x2 x3 x4 x5 x6 xn VitalFewTrivialMany 驗證潛在要因的目的 A2驗證潛在要因 Page18 A2 1圖形分析 直方圖 Histogram 盒鬚圖 BoxPlot 推移圖 RunChart 散佈圖 ScatterPlot A2 1圖形分析 Page19 圖形分析的重要觀念 思考你想要看的是什麼 哪一種圖形最好 運用不同的圖形分析工具 可以獲得不同的觀點 單一的工具不可能提供所有答案 問題的資料型態適合運用哪些圖形加以分析 A2 1圖形分析 Page20 直方圖 Histogram 直方圖可以提供的資訊資料分組後各組的次數分布情形 整體資料是否呈現常態性的分布分布型態為對稱或為偏峰資料可能存在不同的模式 單峰或雙峰 觀察資料的變異性 A2 1圖形分析 Page21 運用Minitab產生直方圖 1 Graph Histogram2 選擇Simple OK3 選擇資料變數 SFT 4 OK 1 2 3 A2 1圖形分析 Page22 Minitab輸出結果 直方圖 A2 1圖形分析 Page23 盒鬚圖 BoxPlot 盒鬚圖可以提供的資訊資料的中位數 1 4及3 4位數 異常值 哪些變數對問題的影響較大比較不同變數間的變異程度 組間變異 將資料50 的變異以盒形加以圖示 組內變異 A2 1圖形分析 Page24 運用Minitab產生盒鬚圖 1 Graph BoxPlot2 選擇OneY WithGroups3 選擇變數 Y SFT 4 選擇分類變數 X lotno2 1 2 3 4 A2 1圖形分析 Page25 UL 上界 Q3 1 5 Q3 Q1 LL 下界 Q1 1 5 Q3 Q1 OT 異常值 超過UL LL的值 運用Minitab產生盒鬚圖 A2 1圖形分析 Page26 推移圖 RunChart 推移圖可以提供的資訊流程資料是否隨時間呈某一趨勢 平均數或中位數資料中是否存在某些特徵加入管制界線即為管制圖至少需要20筆以上的資料 A2 1圖形分析 Page27 運用Minitab產生推移圖 1 Stat QualityTools RunChart2 選擇變數及樣組大小 1 2 A2 1圖形分析 Page28 Minitab輸出結果 推移圖 A2 1圖形分析 Page29 散佈圖 ScatterPlot 散佈圖可以提供的資訊觀察變數間可能的關係 正向或負向直線或曲線變數間關係的強度 A2 1圖形分析 Page30 運用Minitab產生散佈圖 1 Graph Scatterplot 2 選擇Simple3 選擇X及Y變數 1 2 3 A2 1圖形分析 Page31 Minitab輸出結果 散佈圖 A2 1圖形分析 Page32 主要分析工具 假設檢定ANOVA相關性分析迴歸分析 A2 2數據驗證 A2 2數據驗證 Page33 假設檢定 HypothesisTests 幫助我們決定觀察值的差異是否 具統計上的顯著性或只是偶然發現 正常變異 1 三人言而成虎2 香腸與養樂多一起吃會致癌3 本公司男性同仁的身高都很高4 時程縮減專案 目標 小於3分鐘 追蹤五個月數據2 7 2 2 3 35 2 9 2 8請問專案成功了嗎 A2 2數據驗證 Page34 法官心中的一把尺 A2 2數據驗證 Page35 在統計假設中 通常依據一般 傳統 既有的觀點建立之假設稱之為虛無假設 NullHypothesis 以H0表示之而不同於上述虛無假設的主張或觀點稱為對立假設 AlternativeHypothesis 以H1表示之 假設檢定 如何檢定我們的假設 充分運用Minitab A2 2數據驗證 Page36 看P 值 P Value 接受或拒絕假設 Z 如果P 0 05 表示我們可以合理拒絕虛無假設 反之 若p 值 0 05 則必須接受虛無假設 P 值 P 值 觀測的顯著水準 A2 2數據驗證 Page37 陰影區域代表機率 我們的樣本平均可能在這些極值間的某一處 鐘型範圍的機率值 1 60 p 值法 在統計上的顯著性及偶然的機會間 我們如何決定在哪而畫線 我們可使用以往所學的機率概念來 增加證據 並做決策觀察我們樣本平均的可能區間為 可從假設的平均 H0 獲得機率代表在分配曲線下的區域 A2 2數據驗證 Page38 什麼是 p 值 p 值 是觀察到樣本抽樣變異間差異之發生機率 同時 它也代表你決策錯誤的風險 說明 如果P 值很小 可推論虛無假設 H0 是錯誤的 樣本並非來自所假設的分配另一個選擇 可考慮P值代表我們犯錯的風險當我們宣稱所得到的結論為拒絕虛無假設而真實的情況卻為接受時那麼P 值則表示我們下錯這個結論的機率值 A2 2數據驗證 Page39 善用分析P值 一般標準 P 值 0 05 可推論我們發現了差異舉例說明 當我們的結論為偏離目標時 P 值 0 05所表示的意義為我們推論錯誤的機會仍有5 為什麼要設定為5 因為一旦確定後 再做改變所花費的成本將是非常昂貴的 因此 在付出時間與成本之前 我們需要確定所走的方向是正確的P值 5 是固定的嗎 不 P值只是量化誤差的風險 你可以做最後的判斷 A2 2數據驗證 Page40 P值 0 05無發現統計上的差異 P值 0 05找到統計上的差異 Z 2 顯示P值 我們以在目標值上來開始假設 Ho 60我們尋找樣本證據支持對立假設 Ha 60 Z 2 斜線區域代表P值 A2 2數據驗證 Page41 看P 值 P Value 接受或拒絕假設 Z 如果P 0 05 表示我們可以合理拒絕虛無假設 反之 若p 值大於0 05 則必須接受虛無假設 P 值 A2 2數據驗證 Page42 決策法則 以3種不同方法來檢視決定接受或拒絕虛無假設 以上為右尾 Upper Tail 檢定 若其他類型檢定 上述各方向需隨之改變最經常使用值是0 05 0 05 A2 2數據驗證 Page43 推論步驟 決定臨界風險值 risk 0 05 設定推論虛無假設Ho 選擇檢定方式 t檢定 Z檢定 卡方檢定 F檢定 Minitab分析 讀取p值判讀p值p 0 05 在95 信心水準下 對立假設不成立 只能接受虛無假設P 0 05 在95 信心水準下 對立假設成立 推翻接受虛無假設 A2 2數據驗證 Page44 P必須是多低 視情況而定 我們希望推論錯誤的機會少於10 10 5 是較通用的預設質 05 1 是相當嚴謹的設定 01 但是 它的設定取決於專案需求 對大多數情況來說我們將使用0 05什麼時候你將使用 05 什麼時候你將使用 10 A2 2數據驗證 Page45 y 23 s 5 y 132 s1 36 1 y 149 s2 36 2 m 26 t 檢定也可作以下檢定 對一個標準或期望值來計算樣本平均數兩個樣本平均數間的相互比較 t檢定 A2 2數據驗證 Page46 風險 風險 1Sample 雙尾t 檢定 樣本平均的分配狀況df 4 信心 t 2 776 t 2 776 2 5 UCL 接受Ho 拒絕Ho 2 5 95 LCL 拒絕Ho LCL y t 2 df s n UCL y t 2 df s n A2 2數據驗證 Page47 1Sample 單尾t 檢定 在單邊規格中 根據有限的觀察數 小樣本 來判斷平均數是否偏移 使用單尾的t分配 t df 2 132 n 5 n 樣本的觀察數df 自由度 n 1 t 2 132 5 樣本平均分布狀況df 4 USL 拒絕Ho 接受Ho 信心 風險 95 USL y t df s n A2 2數據驗證 Page48 範例練習 1samplet 檢定 H0 5 5H1 5 5 1 開啟Excel資料檔ExampleData GB xls2 將ttest工作表中的資料剪貼至Minitab資料視窗中 以直觀來看平均 5 65如何 A2 2數據驗證 Page49 1 Stat BasicStatistics 1 Samplet2 將變數temp選入對話框中3 需檢定平均數之比較值 範例練習 1samplet 檢定 1 2 3 A2 2數據驗證 Page50 範例練習 1samplet 檢定 信心水準 1 4 進入Option次對話框5 選擇對立假設Ha 4 5 A2 2數據驗證 Page51 範例練習 1samplet 檢定 6 進入Graphs次對話框7 點選欲檢視的圖形 6 7 A2 2數據驗證 Page52 Minitab輸出結果 看P 值 Minitab的輸出結果中P 值 0 308大於0 05 所以不拒絕虛無假設 H0 代表平均加工精度不足以証明是大於5 5 專案仍需努力 A2 2數據驗證 Page53 範例練習 1samplet檢定 1 以下是運動員100公尺測試9次的記錄 單位 秒 11 111 310 810 611 411 211 010 511 5從以上資料 你能得知此運動員的平均紀錄為11秒嗎 檢定 當alpharisk 5 虛無假設 對立假設 ExampleDataGB2006 xls A2 2數據驗證 Page54 什麼是ANOVA 變異數分析 ANalysisOfVAariance 確定變異數來源的統計工具固定效果單因子ANOVA是一種使用在檢定單因子多水準其平均數是否相同的方法 變異數分析 ANOVA A2 2數據驗證 Page55 ANOVA可一次檢定多組資料 兩個母體平均數的比較 多個母體平均數的比較 目前 1 VS t檢定 Ho 1 2Ha 1 2 t t n 1 S n 樣本母體的改進可使用t檢定來決定 當前 Imp 1 Imp 2 Imp 3 Imp 4 t檢定10次 Ho 當前 1 4Ha 至少存在一個不相等母體平均數 F F n1 1 n2 1 varianceofgroups residual ANOVA是一個在相同時間比較多個母體的檢定方法 5C2 ANOVA適用時機 A2 2數據驗證 Page56 ANOVA係使用F檢定來驗證所設定的假設 其檢定的資料是從多個群體中取出相同的獨立樣本 Ho Ha 兩組比較 多組比較 P值 改進組 當前組 S n 處理水準 一組 不同組 ANOVA的意義 A2 2數據驗證 Page57 如果你的群組可分為三個小群體 如果他們是 A2 2數據驗證 Page58 OR如果如果他們是 A2 2數據驗證 Page59 總變異 X Group1 Group2 Group3 Response X A2 2數據驗證 Page60 水準的變異 組間差距 X X3 X2 X1 Group1 Group2 Group3 Response X A2 2數據驗證 Page61 隨機誤差的變異 組內變異 X2 X1 X3 Group1 Group2 Group3 Response X A2 2數據驗證 Page62 單因子ANOVA Sourceof Variation Degrees of Freedom Sumof Squares Mean Square Variance F Treatment p 1 SST MST SST p 1 MST MSE Error n p SSE MSE SSE n p Total n 1 SS Total SST SSE A2 2數據驗證 Page63 實例 使用One wayANOVA A B C D櫃檯的作業時間抽樣比較 繪製Dotplot你的初步結論會是什麼 是否觀察出個別平均數之間及其與總體平均數間的差異性 A2 2數據驗證 Page64 範例練習 ANOVA 檢定各個群組A B C D的平均重量是否相同1 開啟Excel資料檔ExampleData GB xls2 將ANOVA工作表中的資料剪貼至Minitab資料視窗中 A2 2數據驗證 Page65 1 Stat ANOVA One way Unstacked 2 將變數選入變數欄中 1 2 使用Minitab進行ANOVA分析 A2 2數據驗證 Page66 3 進入Graphs對話框4 選擇你所要看的圖形 3 4 使用Minitab進行ANOVA分析 A2 2數據驗證 Page67 Minitab輸出結果 IndividualValuePlot 從以上IndividualValueplot你能做個直覺判斷嗎 標出所有的資料以展開分析 藍點表示各小組平均值 A2 2數據驗證 Page68 P Value爲0 000 0 05 所以拒絕Ho如此可判斷各組間之體重平均數是有顯著差異的 至少有一組有差異 Minitab輸出結果 A2 2數據驗證 Page69 什麼是相關性分析 調查 衡量兩變數 X Y 間關聯的統計分析方法 稱為相關性分析 相關性告訴我們當X值變動時 Y值隨著變動的趨勢 例如 如果汽車速度增加 燃料消耗量的變化情形為何 如果機器運轉速度加快 產品精確度的變化情形為何 如果廣告預算增加 銷售收入是否會隨著增加 如果高度增加 重量也會跟著增加嗎 相關性分析 A2 2數據驗證 Page70 相關性分析的圖示 散佈圖分析 異常值Outlier 從圖中的散佈點研究其潛在關係 直線關係或曲線關係如果為曲線關係那麼得到的相關係數並無多大意義異常值 Outlier 發生的原因 樣本來自不同母體 衡量 計算的錯誤 資料輸入的錯誤 A2 2數據驗證 Page71 為因素X與因素Y之間的關聯程度 即顯示X與Y之間的緊密關係 A2 2數據驗證 相關係數 Page72 範例練習 相關性分析 步驟1 繪製散佈圖並審核資料的分佈情形步驟2 求取相關係數步驟3 驗證相關係數的顯著性 p value 相關分析的執行步驟 1 開啟Excel資料檔ExampleData GB xls2 將Correlation工作表中的資料剪貼至Minitab資料視窗中 A2 2數據驗證 Page73 1 繪製散佈圖 1 2 3 4 A2 2數據驗證 Page74 Minitab輸出結果 Police與Crime可能存在什麼關係 A2 2數據驗證 Page75 a Stat BasicStatistics Correlation b 選擇變數後點擊 2 求取相關係數 A2 2數據驗證 Page76 P Value 0 000 0 05代表Police與Crime的相關性顯著 3 驗證相關係數的顯著性 Minitab輸出結果 相關係數 r 0 969 A2 2數據驗證 Page77 ExampleData GB xls 範例練習 相關性分析 每到夏季 A區經常發生溺斃事件 因此在A區內部署救生人員已成為亟待解決的問題 當地有關當局從夏季的90天中隨機選取了10天 並得出資料如下 X表示救生人員的人數 Y表示當天事故的發生數 針對這些資料繪製散佈圖並找出相關係數 r 後分析其結果 A2 2數據驗證 Page78 b 產生散佈圖 如右 由散佈圖可看出意外事件數與救生人員人數呈現負向關係 為進一步求證此關係是否具有顯著性 我們以P Value檢查 a Graph Scatterplot 1 繪製散佈圖 A2 2數據驗證 Page79 Minitab輸出結果 r 0 969P Value 0 000 0 05代表意外事件發生件數與救生員人數具有顯著的負相關 相關的程度為97 表示意外事件發生數可能會隨救生人員人數的增加而顯著的降低 2 驗證相關係數的顯著性 A2 2數據驗證 Page80 Y f X1 X2 X3 X4 X5 迴歸分析 在相關性分析中 我們大致了解變數間的相關性 及其程度後 我們想試著驗證某些X變數與Y的關係是否呈現某種模式 如果這種關係的模式存在 我們或許可以利用這個模式來敘述 控制或預測 因某個X變數的改變對Y的影響程度 如果存在關係 又會是哪一種關係 A2 2數據驗證 Page81 迴歸模型 尋求X Y的關係模式 Y f X 依變數反應變數因變數結果輸出 獨立變數解釋變數自變數原因輸入 A2 2數據驗證 Page82 迴歸模型的類型 簡單線性迴歸Simplelinearregression為兩變數的直線迴歸關係式 函數中獨立變數X變動時 依變數y做比例的或近於比例的變動 複迴歸Multiplelinearregression當同時存在兩個以上獨立變數與一個依變數時 所構成的線性函數關係 非線性迴歸Non linearregression非上述線性函數關係的迴歸模型 均屬之 A2 2數據驗證 Page83 簡單線性迴歸模型 模型表示如下 截距項 未知參數 斜率 未知參數 誤差項 殘差 依 最小平方法 leastsquaresmethod 所找出的直線即為最適的迴歸線 迴歸係數的預測技巧 以最小平方和預測 誤差包含 重複性的誤差或不可控制因素 純誤差 缺適性誤差一誤差來自於輸入因子不適用於正確的模型 A2 2數據驗證 Page84 迴歸模型預測分析 變異數分解 可決定預測的迴歸等式所能描述X和Y間的函數關係有多好 總變異 依變數的總變數迴歸變異 迴歸可解釋的變異殘差變異 迴歸不可解釋的變異 判定係數 R2 相關係數 2 A2 2數據驗證 簡單線性迴歸 Page85 實際觀測值 xi yi 與迴歸模型之間的差異 殘差是無法被迴歸模型解釋的變異 但其仍具有解釋其他要因的功能 包括可控制的與不可控制的 因此 在集合中 其分佈應形成常態分配 什麼是殘差 i Shouldbe I N 0 2 殘差分析 A2 2數據驗證 Page86 迴歸模型的陷阱 未繪製散佈圖前 絕不要執行迴歸分析 4個相同迴歸等式的散佈圖 A2 2數據驗證 Page87 ExampleData GB xls 範例練習 輸送帶 當原料在輸送帶上移動時 讓我們思考下列情境 目前速度的控制及設定與過去相同 若速度提昇則可能提高缺點率獨立運作幾個不同的速度 將缺點數記錄如下表 傳送帶速度與缺點率之間是否存在某種關係 哪一個是依變數的變異 哪一個是獨立變數的變異 A2 2數據驗證 Page88 先繪製圖形 散佈圖 Graph Scatterplot A2 2數據驗證 Page89 1 Stat Regression Regression 2