6Sigma绿带训练分析课件.ppt

1,6Sigma綠帶訓練分析(Analyze),6SigmaforCustomerValue,2,DMAIC專案步驟和工具,3,分析階段課程大綱,4,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,5,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,6,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,7,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,8,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),9,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,10,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,11,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,12,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,13,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,14,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,15,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,16,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,17,整體概念接下來的部分,我們要對所有鑑別出之潛在要因(xs),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,18,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,19,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,20,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,21,運用Minitab產生直方圖,1.GraphHistogram2.選擇SimpleOK3.選擇資料變數（SFT）4.OK,1,2,3,A2.1圖形分析,22,Minitab輸出結果：直方圖,A2.1圖形分析,23,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,24,運用Minitab產生盒鬚圖,1.GraphBoxPlot2.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,25,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,26,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,27,運用Minitab產生推移圖,1.StatQualityToolsRunChart2.選擇變數及樣組大小,1,2,A2.1圖形分析,28,Minitab輸出結果：推移圖,A2.1圖形分析,29,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,30,運用Minitab產生散佈圖,1.GraphScatterplot2.選擇Simple3.選擇X及Y變數,1,2,3,A2.1圖形分析,31,Minitab輸出結果：散佈圖,A2.1圖形分析,32,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,33,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,34,法官心中的一把尺,A2.2數據驗證,35,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,36,看P-值(P-Value)!,接受或拒絕假設?,Z,如果P0.05()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,37,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,38,什麼是“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,39,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0.05無發現統計上的差異!,P值(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,44,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BasicStatistics1-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,50,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,51,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,52,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,53,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,54,什麼是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,55,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,56,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,57,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,58,OR如果如果他們是.,+,A2.2數據驗證,59,總變異,X,Group1,Group2,Group3,Response,X,A2.2數據驗證,60,水準的變異(組間差距),X,X3,X2,X1,Group1,Group2,Group3,Response,X,A2.2數據驗證,61,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,62,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,63,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,64,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,65,1.StatANOVAOne-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,66,3.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,67,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,68,P-Value爲0.000BasicStatisticsCorrelation,b.選擇變數後點擊,2.求取相關係數,A2.2數據驗證,76,P-Value=0.000Scatterplot,1.繪製散佈圖,A2.2數據驗證,79,Minitab輸出結果,r=-0.969P-Value=0.000Scatterplot,A2.2數據驗證,89,1.StatRegressionRegression2.選擇因變數(Y)3.選擇自變數(X),1,2,3,使用Minitab分析迴歸模型,A2.2數據驗證,90,4.進入Graphs對話框5.Minitab提供四種殘差分析圖!,4,5,使用Minitab產生殘差圖,A2.2數據驗證,91,總變異中可被迴歸模型解釋的比例,迴歸模型,迴歸模式的P-Value小於0.05,代表此迴歸模型具有很好的適合度,即模型能充分解釋此資料,範例練習:輸送帶,Minitab輸出結果:,A2.2數據驗證,92,殘差的圖形分析,殘差是否呈現常態分布?“0”值(實線)附近的殘差值是否呈隨機分布,A2.2數據驗證,93,找出潛在的根本原因:對問題可能的解釋透過以