《绿带培训考题》PPT课件.ppt

1,第一期绿带考题解答,1、（4分）假设你收集的数据呈正态分布，此数据的平均值为100，标准差为10，请问：大于20的数据大约占所有数据多少百分比？100%大于120的数据大约占所有数据多少百分比？2.3%(2.5%也对),1、（4分）假设你收集的数据呈正态分布，此数据的平均值为100，标准差为10，请问：大于20的数据大约占所有数据多少百分比？100%大于120的数据大约占所有数据多少百分比？2.3%(2.5%也对),2、（3分）如果一个流程的DPMO为100,000，则该流程介于2Sigma到3Sigma之间,解析：DPU、DPO和DPMO每单位缺陷数(DPU)是样本中的缺陷数除以抽样的单位数得出的结果。每机会缺陷数(DPO)是样本中的缺陷数除以缺陷机会总数得到的结果。每百万机会缺陷数(DPMO)是样本中的缺陷数除以缺陷机会总数再乘以一百万得到的结果。,值百万分之不良率（PPM）2308,537366,80746,2104.51,300523363.4,3、（6分）请评估以下流程的精确度与准确度，以及以下流程应如何进行改善？,4、1)（2分）流程行为图中的控制上下线是谁决定的？流程本身2)（2分）制程能力分析中的规格上下线应该是参酌谁的意见后决定的？客户,解析：UCL/LCL：控制上下线USL/LSL：规格上下线,5、1)（2分）GageR&R是测量系统准确与否的研究？否（2分）GageR&R分析的两大指标是什么？GR&R%与精密度与公差比(precisiontotoleranceratio)（2分）一般工业界，以上两个指标的合格标准是多少？均为30%,解析：1）MSAGR&R%；MSA准确性+精密性；准确性偏倚+稳定性+线性；精密性重复性+再现性GR&R%；,6、(8分)请打开Excel檔KingFaGBTest的工作表：“GRR”,这是个有关连续型数据GaugeR&R的问题。假设客户要求的目标是365,规格上限是390,规格下线是340,请问:,1）这个测量系统%R&R是多少?23.7%2）这个测量系统P/Tratio是多少?41.96%(或36.02%)3）总体而言此测量系统可否接受?不能接受（因为P/Tratio超过30%）4）若要改善此测量系统,应从何处着手?测量仪器的重复性(repeatability),7、(10分)请打开Excel檔KingFaGBTest的工作表:“CHICopterCapability”这是一家直升机公司的飞行数据,有六个月飞行时间的抽样数据。客户要求的飞行时是不可少于20分钟,不可高于30分钟,目标25分钟,请问1)相对于客户的要求而言,这家直升机公司的飞行能力为何？2)你觉得这家直升机公司的飞行能力好不好?如果是不好的话,问题出在那里?该如何改善?,相对于客户的要求而言,这家直升机公司的飞行能力为何？Pp:0.82Ppk:0.67所以相对于客户的要求而言,这家直升机公司的飞行能力不好2)你觉得这家直升机公司的飞行能力好不好?如果是不好的话,问题出在那里?该如何改善?飞行能力不好。飞行时间的变异太大。改善方法为利用层别法找出关键因子以减少飞行时间变异。,8、（6分）请打开Excel檔KingFaGBTest的工作表“OperationTime”，Bob,Jane,Walt三人都是某机台的操作员。工作表中是他们在一段时间内贴一块背光板所需时间的统计。请问三人中，谁的操作速度最慢？谁最快？,Walt最慢；BobandJane一样快,他们俩的时间无统计上明显的差异。,9.（7分）在调阅一些历史数据后，您进行了线性回归分析，MINITAB结果如下：PredictorCoefStDevTPConstant12.75720.502125.410.000 x0.294970.032029.210.000S=0.9771R-Sq=85.0%R-Sq(Adj)=84.0%AnalysisofVarianceSourceDFSSMSFPRegression180.99980.99984.850.000Residuals1514.3200.955Lackoffit1311.5400.8881PureError22.7801.390Total1695.319,1）（2分）请写出该回归方程式：y=12.7572+0.29497X,2）（3分）请画出该回归线：,3)（2分）因子x解释了多少比例的变异？85%(84%也对),10.（4分）一旦x确定后，最关键的控制步骤是：a.建立针对y的控制图b.建立一个控制计划，来持续检测yc.建立计划来持续监控xd.建立新的SOP来调整y的变化e.无法判断,11.（4分）在标准控制图中，把上下控制线从三个标准差的位置移到六个标准差的位置时，其结果是：a.增加了发生TypeIerror的可能性b.增加了发生TypeIIerror的可能性c.使流程能在更长时间内可控d.构建一个更加稳定的流程e.无法判断,12.（4分）降温工序中，水温是控制y的重要因子。X的目标值设定在70度，但是上个月的平均值比设定值低2度。水温通过四个独立地点测量得到，这四个测量点所得数据标准差的历史平均值是1.2度。最适合用来定期测量水温的控制图是：a.X-bar&R/Sb.CUSUMc.RunChartd.IndividualXandMRe.无法判断,13.（4分）现有资源总共只够做80次实验来研究某流程。则以下方案中，哪一个最适合来做初步实验？a.26全因子实验b.26-2部分因子实验c.36-3部分因子实验d.34全因子实验e.无法判断,14.（6分）某重要y的目标值是250，上限300，下限200。y的量测系统的标准差是2。因子x1和x2被发现是y的显著因子，其模式是y60+20 x1+5x2。目前x2设定为6，且该设定没有变异。假设因子x1的量测系统没有可以感知的量测错误时，则：1)通常一个好的量测系统，y的GR&R%大约是多少？a.2%b.10%c.25%d.50%e.无法判断,2）因子x1（针对上题中的y而言）的目标值应设定为：8,15.（4分）右方的控制图来自对一个流程的控制。对该控制图最好的解释是：a.流程稳定，流程能力b.流程很奇怪，但流程能力佳c.控制上下限算错了d.规格上下限应该更严格些e.无法判断,16.（4分）我们设计了一个26-2IV的部分因子实验，在该实验中会产生一些主效应和交互作用的混淆。以下哪种说法最好地描述了这种混淆？a.每一个混淆组合其实都包含了两个项(terms)b.每一个混淆组合都包含了四个项(terms)c.每一个主效应和两阶交互作用相混淆d.每一个主效应和四阶交互作用相混淆e.无法判断,17.（4分）右图是对因子A和B进行实验后的结果，以下哪种说法是正确的？a.效应是线性的b.因子A和B之间可能有交互作用c.从统计上来看，B2水平显著比B1和B3高d.没有进行足够的重复实验，所以无法下结论e.无法判断,18.（6分）利用卡方检定来检视A与B供货商之间的质量表现有无统计上显著的差异,卡方值是多少？32.693A与B供货商之间的质量表现有无统计上显著的差异?有,19.（6分）两家供货商提供物料之质量特性数据显示如下：供货商甲供货商乙85.289.087.389.492.590.880.884.384.888.288.1我们想了解该两家供货商所提供之物料的均值是否相同。1)、请问你建议使用那种检定方法？2-samplet-test2)、请你用MINITAB执行该检定方法。P-value=0.3493)、请问你的结论是什么？两家供应商所提供的物料均值相同,1)、请问你建议使用那种检定方法？2-samplet-test,1)、请问你建议使用那种检定方法？2-samplet-test2)、请你用MINITAB执行该检定方法。P-value=0.3493)、请问你的结论是什么？两家供应商所提供的物料均值相同,知识点概要,流程图,因果矩阵图,FMEA,统计概述,离散性MSA,连续性MSA,流程行为图(控制图),过程能力分析,假设检验,比较检验,参数假定检验,参数表示为总体假定了分布。通常，在执行数据是来自某个分布（通常为正态分布）的样本的假设检验时做出假定。非参数表示没有为总体假定具体分布。参数检验的优势在于，如果假设成立，则功效（即在H0为假时拒绝该假设的概率）比相同样本大小的对应非参数检验的功效高。非参数检验结果在遇到违反假设的情况时更健壮。因此，如果对于基于参数模型的检验违反了假设，则基于参数检验p值的结论可能比基于非参数检验p值的结论更具误导性。t检验对一个或两个正态分布总体的平均值（双样本时还有方差）的假设检验。单样本Z检验检验正态总体均值是否等于目标值。F检验F检验通常用于确定两个组的方差是否相等。卡方检验一个假设检验族，用于在原假设下将数据的实测分布与其预期分布进行比较。,非参数检验,单样本Wilcoxon：-执行中位数的单样本Wilcoxon符号秩检验，并计算相应的点估计和置信区间。使用此检验作为单样本Z检验和单样本t检验的非参数备择。Mann-Whitney：-执行两个总体中位数相等性的假设检验，并计算相应的点估计和置信区间。使用此检验作为双参数t检验的非参数备择。Kruskal-Wallis：-对单因子设计（两个或多个总体）执行总体中位数相等性的假设检验。此检验是泛化的Mann-Whitney检验所使用过程，并（类似于Mood中位数检验）为单因子方差分析提供非参数备择。Kruskal-Wallis检验寻找总体的中位数之间的差异。对于分析来自许多分布的数据（包括来自正态分布的数据），Kruskal-Wallis检验比Mood中位数检验更有效（平均起来，置信区间较窄)，但对于异常值的健壮性则较差。Mood中位数检验：-执行单因子设计中总体中位数相等性的假设检验。Mood中位数检验，像Kruskal-Wallis检验一样，为常规的单因子方差分析提供非参数备择。Mood中位数检验有时也称为中位数检验或符号分值检验。Mood中位数检验在数据中遇到异常值和误差时健壮，特别适用于分析的初级阶段。Mood中位数检验在遇到异常值时比Kruskal-Wallis检验更健壮；但在分析来自许多分布的数据（包括来自正态分布的数据）时，功效则较差（平均来说，置信区间较宽)。Friedman：-执行随机化区组试验的非参数分析，并因此为双因子方差分析提供备择。随机化区组试验是泛化的配对试验。Friedman检验是泛化的带有处理无效应的原假设的配对符号检验。此检验要求每个处理-区组的组合有且只有一个观测值。,独立性检验,卡方检验一个假设检验族，用于在原假设下将数据的实测分布与其预期分布进行比较。,样本大小计算,包含知识点：样本大小，风险，检定力，标准差等,样本大小计算,包含知识点：样本大小，风险，检定力，标准差等,回归分析Regression,方差分析,方差分析表的组成：来源-表明变异源，来自因子、交互作用或误差。其合计是所有来源的汇总。DF-每个来源的自由度。如果因子具有三个水平，则自由度为2(n-1)。如果总共有30个观测值，则总自由度为29(n-1)。SS-组间平方和（因子）以及组内平方和（误差）。MS-平方和除以自由度得出的均方。F-通过将因子MS除以误差MS来计算；可以将此比率与在表中找到的临界F进行比较，或者可以使用p值来确定某个因子是否显著。P-用于确定某个因子是否显著；通常与alpha值0.05进行比较。如果p值低于0.05，则该因子是显著的。单因子方差分析表假设您运行一个方差分析