1 六西格玛的含义ppt课件

国光电器股份有限公司Guoguang,ElectricCo.,Ltd.,六西格玛的含义,技术部：王建彬2014.9.4,引言,引言,先让我们将时间倒回到上世纪90年代初，当时的日本经济如日中天，并创造了以下一系列“奇迹”：,100%GDP,70%GDP,FORTUNE5001995,美国地产,日本品牌席卷全球,引言,引言,面对日本的咄咄攻势，美国企业也自然不会退让。,1987年1997年十年间,增长5倍,增长6倍,为了提升自身产品的质量和竞争力，摩托罗拉率先在企业内部形成了一套新的质量改进方案：六西格玛。在实施六西格玛的最初十年间，取得了如下成就：,引言,引言,继摩托罗拉之后，另一家美国“百年老店”通用电气也开始推行六西格玛，并成果斐然：,通用电气实施六西格玛的成果,六西格玛让摩托罗拉、通用这些老牌美国企业重新焕发了生机，也为美国企业顶住日本企业的咄咄攻势立下了重大功劳。,引言,引言,自摩托罗拉在1987年推行六西格玛以来，六西格玛的风暴已经席卷全球：,众多世界一线企业都在使用六西格玛,引言,引言,六西格玛,定语：六,主语：西格玛,搞明白什么是“西格玛”,知道为什么是“六”,明白以上两个概念后，六西格玛的含义也就呼之欲出了,什么是西格玛,1.什么是数据分布,我们抛一粒骰子，如果只抛一次，那么得到的结果可能是1、2、3、4、5、6，共六种。,假设我们增加抛骰子的次数到“非常多次”。,会发现，六个数出现的次数基本相同,并统计出现1、2、3、4、5、6的次数和：,什么是西格玛,1.什么是数据分布,从感性上，我们很容易理解“抛骰子很多次后，得到每个点数的总次数大体相同”这一结果：,才骰子是一个正方体，抛下后六个面中每一面朝上的概率都是一样的。,什么是西格玛,1.什么是数据分布,如前所述，抛骰子后，我们会得到下面一组数据：,这组数据中，数值1、2、3、4、5、6出现的概率是相同的，因此我们称呼这组数据“服从从1到6的均匀分布”。,什么是西格玛,1.什么是数据分布,从概念上讲，数据分布用于描述一组数据中、不同数值的分布情况。,均匀分布就是最简单的一组数据分布，在均匀分布中，每个数值出现的概率都是一样的：,每个数值出现的概率相同,什么是西格玛,2.什么是正态分布,除了刚刚所说的均匀分布之外，人们在长期的工作生活中、发现了另外一种常见的数据分布：,大部分数据分布集中,少部分数据分布在左右两边,左右对称,什么是西格玛,2.什么是正态分布,人们发现，这种“中间大、两头小、左右对称、延伸至无穷”的数据分布遍布在我们生活的方方面面：,考试成绩,人的身高和体重,同型号汽车的轴距,都服从这一常见分布,什么是西格玛,2.什么是正态分布,人们早在18世纪就发现了这种数据分布类型，并将其命名为“Normaldistribution”，我们将其翻译成“正态分布”。,“Normaldistribution”意味着，这一数据分布是自然界中最为常见的数据分布类型。,什么是西格玛,3.正态分布是如何产生的,继续以抛骰子为例，假设我们每次只投一粒骰子时，投掷很多次后得到的会是从1到6的均匀分布：,什么是西格玛,3.正态分布是如何产生的,假设我们每次投掷两粒骰子后、观察两粒骰子和的分布情况，这时候就要复杂一些了，我们一共可以得到种可能：,与正态分布的特点：中间大、两头小、左右对称有些相似,11,什么是西格玛,3.正态分布是如何产生的,每次投三粒骰子并统计每次骰子和，则共有种可能：,拟合的非常好,16,什么是西格玛,3.正态分布是如何产生的,人们经过长期的统计和分析发现一个规律：,如果一组数据是由数个均匀分布加和得到的，那么这种数据一定服从正态分布。,自然界当中，绝大部分变量都是同时受很多因素影响，每一个影响因素都好似前面所讲的一粒骰子。这些因素(骰子)的和，就是正态分布。,体重,性别,身高,遗传,气候,饮食,运动,什么是西格玛,4.正态分布的平均值,平均值：用于描述正态分布的位置的参数，正态分布曲线以平均值为对称轴：,65kg,7t,150t,什么是西格玛,4.正态分布的平均值,平均值算法：将所有数据逐个相加，得到总和后再除以数据的个数。,举例：5个人的体重分别是60kg、63kg、86kg、75kg、80kg，求其平均值。,算法：,什么是西格玛,5.正态分布的标准差,仅使用均值来说明正态分布式不够的，例如下面这个例子：,A单位厚度分布,B单位厚度分布,平均值相等,离散程度不同,从左边例子可以看出，除了用平均值表示正态分布的位置状况之外，还需要使用一个参数来表示数据分布的离散程度，这个参数就是标准差，用希腊字母(西格玛)表示。,什么是西格玛,5.正态分布的标准差,一组数据中，标准差的计算公式如下：,数据组中的每一个数值,数据中的平均值,累加符号,自由度，N代表数据的个数,什么是西格玛,5.正态分布的标准差,举例，五名学生的体重分别为45kg、52kg、48kg、46kg和50kg，计算其标准差：,什么是西格玛,6.小结,正态分布的产生：,标准差的含义：,1,2,12,数个平均分布加和后，就会产生正态分布,表示数据分布分散程度的物理量,为什么是“六”,1.正态分布的一个特征,我们观察以下两个正态分布：,=0=1,=0=2,数据分布在01之内的概率,68.27%,68.27%,数据分布在02之内的概率,95.45%,95.45%,数据分布在03之内的概率,99.73%,99.73%,数据分布在02之内的概率,数据分布在04之内的概率,数据分布在06之内的概率,为什么是“六”,1.正态分布的一个特征,经过长期观察，人们发现了对于任何正态分布都适用的一个特征：,对于任意正态分布而言，其数据落在n范围之内的概率恒相等。（n0）,B单位厚度分布,A单位厚度分布,为什么是“六”,2.制程能力简介,两个单位生产了同一个型号的电芯，统计厚度分布如下：,我们发现两个现象：,1.两个单位生产的电芯厚度均值基本一致,2.B单位电芯厚度的分散程度较A单位大很多,我们可以有一个判断：,A单位电芯厚度分布要优于B单位,为什么是“六”,2.制程能力简介,两个单位生产了同一个型号的电芯，容量分布如下：,B单位容量分布,A单位容量分布,我们发现两个现象：,1.两个单位生产的电芯容量的分散程度基本一致,2.B单位电芯的平均容量低于A单位,我们可以有一个判断：,A单位电芯容量分布要强于B单位,为什么是“六”,2.制程能力简介,汇总刚才所述的两类情况：,标准差不同造成的差异,均值不同造成的差异,为什么是“六”,2.制程能力简介,如上所述，生产中“差异”产生的原因可能是两点：,1.数据分布的标准差不同所致（或言之：数据分布的离散程度不同）,2.数据分布的均值不同所致,我们需要使用一个物理量：可以同时将均值和标准差对产品质量的影响都考虑进来，这个物理量就是制程能力：,为什么是“六”,2.制程能力简介,制程能力例子1：,上限3.6mm,=3.3mm,=0.1mm,(倍的西格玛),此时我们说：A单位的电芯厚度制程能力为3，含义为控制限与均值之间包含3倍的西格玛的空间,3,上限3.6mm,=0.2mm,=3.3mm,(倍的西格玛),此时我们说：B单位的电芯厚度制程能力为1.5，含义为控制限与均值之间仅包含1.5倍的西格玛的空间,1.5,为什么是“六”,2.制程能力的简介,制程能力例子2：,下限2000mAh,=2080mAh,=20mAh,(倍的西格玛),4,下限2000mAh,=2040mAh,=20mAh,(倍的西格玛),2,制程能力6,为什么是“六”,3.提高制程能力的方法,1）更改设计：,制程能力3,从设计角度提高,增加(或减少)设计均值，使其远离规格限,制程能力3,制程能力1,为什么是“六”,3.提高制程能力的方法,2）调整制程：,均值调整在中线附近,保证生产实际均值为工艺要求的中线附近,制程能力4,为什么是“六”,3.提高制程能力的方法,3）放宽规格限,制程能力2,上限从260m提高到360m,制程能力6,制程能力3,为什么是“六”,3.提高制程能力的方法,4）缩小,缩小后,：缩小制程过程中的波动,为什么是“六”,3.提高制程能力的方法,制程能力达到4.5时，就可以认为达到了人类追求的终极质量目标：零缺陷,为什么是“六”,4.六西格玛的含义,当制程能力越高时，产品的缺陷率也就越低：,制程能力1时,1,制程能力3时,3,制程能力4.5时,4.5,制程能力6时,6,为什么是“六”,4.六西格玛的含义,将制程能力4.5作为目标、将其对应缺陷率3.4ppm作为“零缺陷”的定量描述有一个前提：必须是长期的生产过程。,为了使长期的制程能力可以达到4.5，那么则需要短期的制程能力更高才对。,长期生产,.,短期能力6等价于长期能力4.5,为什么是“六”,4.六西格玛的含义,六西格玛的含义：,以提高制程能力为途径,以短期制程能力达到6为目标,将产品的长期缺陷率控制在3.4ppm的,质量管理手段,总结,总结,1）正态分布的一个特点：,对于任意正态分布，数据落在n范围内的概率恒相