西格玛分析阶段PPT页.ppt

精益六西格玛绿带课程,3.0分析阶段-转换成一个统计的问题,分析阶段-目录,识别问题产生的原因分析偏差的来源根本原因的确定,转换成一个统计的问题,Define,Measure,Analyze,Improve,Control,识别问题产生的原因,寻找潜在的Xs（因果图、因果矩阵）潜在原因的排序（FMEA）问题的快赢改善,分析偏差的来源,根本原因的确定,1.1在流程中寻找潜在的Xs,1.1、寻找潜在的Xs,结果Y非独立输出影响症状,原因X1Xn独立输入过程问题根源,通过检验Y，控制Xs，达到改进Y的目的,Y=,f(x),现象,原因,真正管理好的企业，外部看起来是风平浪静的。因为每个人、部门都知道流程该如何往下走，内部和外部的循环是良性和互动的机制。相反，那些看起来成天如火如荼，热闹非凡的企业，往往目标远大，执行乏力，随意性太强。,“一个有效管理的企业应该是平淡无奇的”,彼得德鲁克,1.1.1、在流程中寻找潜在的Xs-流程的意义,1.1.2、在流程中寻找潜在的Xs-SIPOC,S,I,P,O,C,Supplier,Input,Process,Output,Customer,流程图,活动(Activity),选择决策,流程方向,流程开始和结束,X1,X2,X3,X4,X5,Y,Xi往往隐藏在流程中，我们要对流程进行详细分解,每个人对流程的认识不同，所以统一团队员对流程的理解是很重要的。实际的流程执行情况与设定的流程执行情况有可能不一致，应经常检讨和更新画流程图的时候，应尽量按照实际的流程来描绘，同时要标注各节点的输入和输出,1.1.3、在流程中寻找潜在的Xs-如何观察流程,站在10，000公尺的高空看流程,1.1.4、在流程中寻找潜在的Xs-案例,表面处理去除瑕疵抛光表面溶液清理,底漆调整风压填装底漆表面喷涂,喷漆调整风压填装喷漆表面喷涂,干燥设定温度放入干燥最终检查,输入,输出,输入,输出,表面油污表面粗糙抛光砂轮抛光转速清洁剂种类,干净的表面平整的表面,气压底漆类型调节时间喷漆温度相对湿度,完整的覆盖范围底漆厚度表面颜色,气压喷漆种类调节时间喷漆温度相对湿度,完整的覆盖范围喷漆厚度表面颜色,干燥温度干燥时间,表面干燥度表面颜色,流程输入,流程步骤,范例：汽车保险杠表面喷涂流程10,000公尺观点,流程输入,流程步骤,1.1.5、在流程中寻找潜在的Xs-练习,议一议,近期HG-168A182P9W-G0394开机黑点问题比较严重，近五个订单NG了1.5吨，严重影响了合格品产出率和交付效率，工艺员、制造工程师、品控主办对此问题进行讨论：,开机黑点问题一般是清机不干净引起的，我们首先应该调查一下清机是不是符合要求？,工艺员：,也有可能是物料在螺筒里面碳化导致的，我们要先排查一下工艺是否合理？,制造工程师,导致黑点问题的原因很多，我们不妨从流程的角度逐一排查,品控主办,议一议,1.1.5、在流程中寻找潜在的Xs-练习,1.2潜在因子整理-因果图,1.2、潜在因子整理-因果图,因果图，又称为石川图、特性要因图或鱼骨图等。它是提示过程输出缺陷或问题与其潜在原因关系的图表，也是表达和分析其因果关系的重要工具和文档。,输出只有一个Y时，用因果图,1.2.1、潜在因子整理-因果图的注意事项,画因果图时必须开“头脑风暴”，充分发扬民主，各抒己见，集思广益，把每个人的意见都一一记录在图上；一个主要问题只能画一张因果图，多个主要质量问题则应画多张因果图，因果图只能用于单一目标的分析；因果关系的层次要分明，最高层次的原因应寻求到可以直接采取对策为止；要一一进行确认，对分析出来的所有末端原因，都应到现场进行观察、测量、试验等加以确认。,画因果图的注意事项：,1.2.2、潜在因子整理-因果图按要素分解的案例,混包问题,人,机,法,环,测,噪音过大,包装相似程度高,操作技能不足,摄像清晰度不够,喷码方法不合理,感应器位置,信号单向传递,缺少电子称,物料跨机台搬动,识别码扫描错误,信号传递错误,喷码不清晰,包装难以识别,作业环节恶劣,案例：自动码垛生产线混包原因分析,绘制因果图时，除了按照5M的方法来寻找可能的原因外，要注意和流程图结合，流程图应作为因果图的一个基本依据，离开流程图的因果图，无法达到DMIAC的目的，因为输入和输出的结果都表现在流程图上。我们来看一个“复诊病例迟到”的因果图实例。,病例信息确认,贴标签,备份,分类,传递,到达,1.2.3、潜在因子整理-因果图按流程分解,1.2.4、潜在因子整理-因果图按流程分解的案例,复诊病例迟到,贴标签,没有贴标签,没按照常规做法,贴错地方,备份,没备份,原件难辨认,分类,顺序出错,部门出错,信息错误,确认信息,查询无结果,病人改变主意,传递,在收发室丢失,错误地址,到达,收到副本,丢失,1.2.5、潜在因子整理-因果图练习,议一议,近期HG-168A182P9W-G0394开机黑点问题比较严重，请把上次按照流程分析出来的Xs按照鱼骨图的方法进行整理。,方案一：以5M1E的方法进行整理,方案二：以流程节点的方法进行整理,1.3潜在因子整理-因果矩阵,1.3、潜在因子整理-因果矩阵,当预期解决的问题比较复杂，有多种缺陷形式且它们的影响因素相互关联，无法将它们分开来考察和解决时，采用因果矩阵将是一种有效的分析工具。,输入,输出,说明：为9分，为3分，为1分，空格为0分。,输出有多个Y时，用因果矩阵,1.3.1、潜在因子整理-因果矩阵的作用,流程图,因果矩阵图,因果矩阵能做什么？,流程图将确定：漏斗的宽度输入的变量大约30-60个,因果矩阵开始筛选：将变量Xs减少至4-15个致力于对输出有强烈影响的变量,第一步.：列举输出变量,1.3.2、潜在因子整理-因果矩阵的制作方法,列举输出Ys,第二步.：输出变量的重要度评分,1.3.2、潜在因子整理-因果矩阵的制作方法,重要度,注：本步骤建议包括市场、研发、制造、品质等人员共同参与,1.3.2、潜在因子整理-因果矩阵的制作方法,第三步.：列举输入变量,记入Xs,1.3.2、潜在因子整理-因果矩阵的制作方法,第四步.：确定X和Y的关联度,1.3.2、潜在因子整理-因果矩阵的制作方法,第四步.：确定X和Y的关联度,关联度评分,1.3.2、潜在因子整理-因果矩阵的制作方法,第五步.：计算重要度和关联度的得分,重要度和关联度乘方的合,第六步.：排序,1.3.2、潜在因子整理-因果矩阵的制作方法,根据总得分排序,1.3.3、潜在因子整理-因果矩阵的案例,项目：降低运矿大车的轮胎消耗,1.3.4、潜在因子整理-练习,议一议,2015年1-10月云母增强PP产品一次合格率为95.36%；低于分厂96.7%平均值。,2015年1-10月，云母PP共返工250.63T，返工前三位的分别是配色产品颜色波动（59.27T）、铁屑超标（57.27T）、灰份不合格（56.59T），因此要想降低返工，提升一次交验合格率，首先要从这三方面着手。,1.3.4、潜在因子整理-练习,议一议,小组成员经过头脑风暴，从流程中找出了10个可能的因素，请用因果矩阵对这10个因素进行分析（针对三个重要的Ys）,Define,Measure,Analyze,Improve,Control,识别问题产生的原因,寻找潜在的Xs（因果图、因果矩阵）潜在原因的排序（FMEA）问题的快赢改善,分析偏差的来源,根本原因的确定,2潜在原因的排序-FMEA,2、潜在原因的排序-FMEA,FMEA潜在失效模式及后果分析,是一种系统化的可靠性定性分析方法。通过对系统各组成部分进行事前分析，发现、评价产品/过程中潜在的失效模式，查明其对系统的影响程度，以便采取措施进行预防的定性分析方法。目前被普遍简称为FMEA。,1、FMEA的前身为FMECA，是在1950由格鲁曼飞机提出，用在飞机主控系统的失效分析2、波音与马丁公司在1957年正式编订FMEA的作业程序，列在其工程手册中3、60年代初期，美太空总署将FMECA成功的应用于太空计划。美军同时也开始应用FMECA技术，并于1974年出版MIL-STD-1629FMECA作业程序。4、1985由国际电工委员会（IEC）出版的FMECA国际标准（IEC812),即参考MIL-STD-1629A加以部分修改而成。,FMEA的演变：,2、潜在原因的排序-FMEA,“早知道就不会”早知道作好防震设计就不会造成大楼倒塌早知道改进电力输配设计就不会造成美国等国的大停电早知道不滥砍滥伐就不会造成泥石流早知道作好桥梁设计就不会造成重庆彩虹大桥倒塌有些早知道是必需的！有些就不会是不允许发生的核电厂、水库、卫星、飞机、十大召回事件有效运用FMEA可减少事后追悔,2、潜在原因的排序-FMEA,“我先所以没有”我先看了气象预报所以没有淋成落汤鸡我先评估金融大楼高度所以没有影响飞机安全我先设计电脑放火墙所以没有被骇客入侵我先作好桥梁设计所以没有造成重庆彩虹大桥倒塌有些我先是必需的！有些所以没有是可预期避免的核电厂、水库、卫星、飞机、十大召回事件有效运用FMEA可减少事后追悔,2、潜在原因的排序-FMEA,及时性是成功实施FMEA的最重要因素之一。它是“事前的预防”而不是“事后的追悔”。事先花时间进行FMEA分析，能够容易且低成本地对产品设计或制程进行修改，从而减轻事后修改的危机。FMEA能够减少或消除因修改而带来更大损失的机会，它是一个相互作用的过程，永无止境的改善活动。,FMEA的作用：,2、潜在原因的排序-FMEA,FMEA的类型,SFMEA对产品开发、过程策划综合评估，通过系统、子系统、分系统不同层次展开，自上而下逐级分析，注重整体性、逻辑性。DFMEA对设计输出评估，识别和消除产品及每一零部件的设计缺陷。PFMEA对工艺流程的评估，识别和消除制造/服务过程中每一环节的潜在隐患。,2、潜在原因的排序-FMEA,如何做FMEA？,1.描述对象/过程2.确定潜在的失效模式3.描述失效的影响4.评估严重度(SEV)5.确定原因6.评估频度(OCC),7.描述目前的控制方法8.评估探测度(DET)9.计算RPN值10.建议及采取措施11.评定措施被采取后的结果,2.1、潜在原因的排序-FMEA的制作步骤,2.2、潜在原因的排序-FMEA的金发案例,2.3、潜在原因的排序-FMEA的严重度S评分表,2.5、潜在原因的排序-FMEA的频度O评分表,2.6、潜在原因的排序-FMEA的频度D评分表,风险顺序数（RPN）描述对象风险的大小RPN=（S）（O）（D）按RPN值的大小确定优先改进顺序S值高，不管RPN值大小如何都必须关注,2.7、潜在原因的排序-FMEA的RPN值计算,2.8、潜在原因的排序-FMEA在项目中的应用,流程图,因果矩阵图,FMEA在项目中能做什么？,流程图将确定：漏斗的宽度输入的变量大约30-60个,因果矩阵初步筛选：将变量Xs减少至4-15个致力于对输出有强烈影响的变量,FMEA,FMEA再次筛选：将变量Xs减少至4-8致力于高风险、影响度高的因子,项目：降低运矿大车的轮胎消耗,2.8、潜在原因的排序-FMEA在项目中的应用,2.9、潜在原因的排序-FMEA的应用练习,议一议,这个项目应用了FMEA来做因子筛选，我们一起来研讨一下，用的方法是否恰当？,Define,Measure,Analyze,Improve,Control,识别问题产生的原因,寻找潜在的Xs（因果图、因果矩阵）潜在原因的排序（FMEA）问题的快赢改善,分析偏差的来源,根本原因的确定,3问题的快赢改善,3、问题的快赢改善,快赢机会,1、RPN不能用来作为评价风险优先级的唯一原则，而应作为一般原则。不管RPN如何，首先应特别注意严重度高的，然后是危险性大的（严重度频度）。一般采取修正措施后，重新计算RPN值；2、对于容易进行改善的因子，例如工具损坏导致的问题，可以进行快速改善，改善后再重新计算RPN值；,项目：降低运矿大车的轮胎消耗,3、问题的快赢改善-案例,Define,Measure,Analyze,Improve,Control,识别问题产生的原因,定量分析方法-常用图表分析法定量分析方法-多变异分析定量分析方法-假设检验法精益分析方法-时间分析精益分析方法-动作分析,分析偏差的来源,根本原因的确定,4常用图表分析法,从前面的案例分析我们已经得知，客户投诉我们的熔指MI不稳定，导致客户注塑成品率低；经过团队成员初步筛选得出以下因子为重要因子：,树脂原料挤出温度螺杆油种类计量称液体称挤出机台混料机,接下来，我们来研究挤出温度到底是怎样影响熔指MI的？,4.1、数据收集计划,根据我们的经验，熔指跟挤出温度存在着某种关系。那么JH9606300NC001的熔指与挤出温度是否关联，我们需要收集一定的数据来进行验证。,首先要明确数据Y是熔指还是挤出温度?它的数据类型是什么?数据X是熔指还是挤出温度?它的数据类型是什么?你希望使用什么工具来评价熔指与挤出温度?使用该工具需要怎样的数据?这些数据在什么样的流程中可以得到?谁能提供?数据是否真实可靠?设计数据的收集样式和指南后进行培训检讨数据收集过程,确认其结果,4.1、数据收集计划,Y=f(x)，其中Y代表熔指MI，它为连续型数据。X代表挤出温度，它为连续型的数据。我们希望得到Y与X的关系式，定量地进行分析，以便得到合适的温控范围因为挤出温度存在好几段，也就是说X有好几个水平。我们优先选择方差分析。这些数据可以从挤出段得到；车间主办可以帮我们收集；数据是由挤出段员工记录的，我们要求挤出班长稽核数据，以确保数据的真实。制作数据收集表格，但是不要给别人增加太多的工作量。并要求现场记录人员真实填写。检讨数据收集过程,确认其结果,4.1、数据收集计划,4.1、数据收集计划,4.1、数据收集计划,数据的图表分析法,选定要分析的因子,搜集及整理数据,进行图表分析,解释,重点：可靠的数据收集及正确的图标解释一定要相结合,4.2、常用的分析图表,图表分析的主要工具,掌握分析,分布的比较和构成,因子间的关系,时间变化,时间序列图,散点图,概率图直方图点图,箱图柏拉图饼图,4.2、常用的分析图表-概率图,例：阻燃材料.MTW（minitab自带）,掌握分布概率图,图形概率图,P值为0.0112，判定数据是正态分布判定基准为P0.05，P值0.05为正态；P点图,例：冲击性能.mtw,掌握分布点图,4.2、常用的分析图表-箱线图,分布的比较和构成箱线图,图形箱线图,例：冲击性能.mtw,4.2、常用的分析图表-练习题,议一议,请比较一下，用直方图、点图、箱线图分析同一组数据时候的异同点,4.2、常用的分析图表-柏拉图,统计质量工具Pareto图,分布的比较和构成Pareto图,例：柏拉图.mtw,所有不良项目中黑点、麻点两项占有率接近80%,4.2、常用的分析图表-饼图,分布的比较和构成饼图,例：饼图.mtw,图形饼图,选择“用整理好的表格画图”在“类别变量”中输入“缺陷”在“汇总变量”中输入“数量”,4.2、常用的分析图表-散点图,例：散点图.mtw,因子间的关系散点图,从图表可以看出，随着温度的上升，粘度也增大,4.2、常用的分析图表-时间序列图,例：销售.mtw,时间变化图表时间序列图,图形时间序列图,4.2、常用的分析图表-时间序列图,时间变化图表时间序列图,几种典型时间序列图：,偶然波动,季节波动,倾向波动,其他波动,平均在一定水准时，只显示偶然波动的变化,随时间变化的数据，反复于一定的周期,显示出时间系列随时间变化的形态倾向是线性还是二次？,政策的变化等给出时间系列的影响，反映出的波动。,4.2、常用的分析图表-议一议,去年5月、6月就能够达成目标，改进的效果在哪里？,“土八路”的改进目标设定方法：2016年合格品产出率的目标定为全年平均值91.56%。,Define,Measure,Analyze,Improve,Control,识别问题产生的原因,定量分析方法-常用图表分析法定量分析方法-多变异分析定量分析方法-假设检验法精益分析方法-时间分析精益分析方法-动作分析,分析偏差的来源,根本原因的确定,5.主效应分析和多变异分析,5.1、变异源分析的概念,变异源分析是指通过对过程收集到的数据进行分析得到关于变异来源的结论，但是如何收集数据呢？比如我们关心车间生产的熔指波动问题，从库存物料中随机抽取了20个样品，发现它的波动确实很大，但是这样收集到的数据又能说明什么问题呢？它只能说明波动实在太大，而我们所希望获得的是更进一步的信息，即到底是什么原因造成这么大的波动。,5.1、变异源分析的概念,用按不同因子的水平进行有计划的分层，然后再抽取样本，对这些分层的因子的贡献度进行量化，从而找到主要的变异源。,机台因素,配方变更,原材料波动,工艺因素,班组因素,5.2、主效应图,我们共有3台机器在生产JH9606300NC001，它们使用的螺杆、挤出工艺等均为一样。但是13#机的熔指明显偏低，且稳定性存在明显的差异,参考数据：熔指分析数据.MTW,13#机明显比其他机器差！,5.2、主效应图,小组发现，这个牌号在13号机生产时，使用了不同的混料时间和不同的原材料，为了找到变异的主要来源，小组对各因子安排实验：,混料时间：100s、120s、150s原材料：1#、2#、3#,因子,水平,参考数据：熔指分析数据.MTW,因子间的关系主效应图,主要用于评价不同X因子和Y之间的相互关系比较不同X因子间对Y的影响程度,路径：统计方差分析主效应图,5.2、主效应图,5.2、主效应图,5.2、主效应图,主效应图可以展示出响应变量（Y）随着各因子水平变化而变化的情况，从而找到主要的变异源,5.3、多变异图,因子间的关系多变异图,多变异图是为了发现变动产生的异常原因，分析变动是组内变动（within）、组间变动（between），还是随时间产生的变动,路径：统计质量工具多变异图,潜在Xs,寻找Xs对Y的影响规律,5.3、多变异图,5.3、多变异图,参考数据：熔指分析数据.MTW,小组成员找到了原料和混料时间单独变化对相应变量的影响，但是这两个因子搭配起来又会发生什么样的影响呢？为了找到这一规律，小组用多变异图做进一步的分析：,5.3、多变异图,从右图中可以看出2#原料对应的Y(熔指)最大1#原料对应的Y(熔指)随混料时间增加而减少3#原料对应的Y(熔指)随混料时间增加而增加,因子间的关系,到目前为止通过图表分析，因子间的关系是怎样的？,我们通过分析：,通过散点图发现A和B参数间存在密切的相关关系通过主影响可以同时看出不同X因子对Y的影响通过多变量图可以同时看出不同X因子对Y因子的影响和不同X之间交互对Y的影响,5.3、多变异图,议一议,议一议,请在以下几个场景中，设计应用多变异图的案例：,Define,Measure,Analyze,Improve,Control,识别问题产生的原因,定量分析方法-常用图表分析法定量分析方法-多变异分析定量分析方法-假设检验法精益分析方法-时间分析精益分析方法-动作分析,分析偏差的来源,根本原因的确定,6.1假设检验的基本概念,如果你丢6次硬币，连续出现正面6次，且你的朋友每次都猜中通常，在你朋友连续猜中第四或者第五次时，你会开始寻找除了随机机率以外的解释。如果就随机概率来说，丢6次硬币要全部猜中的机率大概在200次中只会发生3次。随着你朋友猜中的次数不断累加，这里面已经无法用概率来解释，必然有其他的因素。,猜硬币正反面的游戏,小故事1,P值：结果（Y）只是因随机发生的机率,6.1.1、P值的概念,6次正面0次反面的P值=0.0156此为不寻常的结果，这种结果会使我们相信有除了随机机率以外的原因存在,正常的概率范围，在此种情况下，没有证据显示非随机概率以外的原因存在,6.1.2、什么是假设检验？,假设检验举例,假设有人声称报考音乐学院的女生比男生多；如果从1000个学生的抽样中得到下列结果，你会对以上声明的正确性得出什么样的结论？a）505个女生？b）980个女生？505个女生通常都是在1000个学生中有500个女生，505个女生和500非常接近，没有证据显著支持报考音乐学院女生比男生多的声明；980个女生当出现这种不同寻常的情况时，说明并非随机因素引起，报考音乐学院的女生的确比男生更多的声明是正确的。,6.1.2、什么是假设检验？,主要核心术语,零假设（原假设）（NullHypothesisH0）一般“没什么差异”或者“根本没效果”，“一样”的主张；这到有充分的证据说明是错误为止，认为真是的假设。,备择假设（AlternativeHypothesisH1或者Ha）是研究假设，“变化或有差异”或者“有效果”，“不同”的主张；一般我们根据要认证的假设。这在零假设推翻时，我们可以使用的一种可能性的意识。,P-value（P值）对零假设的确信性的程度测定的值。H0是真实时，发生的可能性（或者概率）,显著水平():代表推翻零假设的最大水准（概率）的一个基准更难得用语是零假设的真实度采用备泽假设的失误的的概率最大限度,P值时，推翻零假设；P值时，接受零假设,6.1.2、什么是假设检验？,让我们看一个制造案例。假设我们改造了两台挤出机中的一台挤出机。在我们改造所有挤出机之前我们想知道这些改善是否“显著地”提高了工程良品率。,我们从生产中随机抽了10个批次，让我们看一下结果的数据。在这个案例中，挤出机B是新改造的挤出机。,挤出机.mtw,假设检验举例,6.1.2、什么是假设检验？,问题：和代表现有工艺的挤出机A相比，对挤出机B的改造能提高我们现有的良品率吗？,平均值变量NN*平均值标准误标准差最小值下四分位数中位数上四分位数挤出机A10083.7000.9322.94679.00081.00084.00085.500挤出机B10085.101.143.6079.0082.7585.0088.25,差异=1.4%,统计问题是：挤出机B的平均值（85.1）和挤出机A的平均值（83.7）的差异是每日的散布随机波动还是因为确实改造成功了？,6.1.2、什么是假设检验？,H0:挤出机B的平均值和挤出机A的平均值一样（Ub=Ua）H1:挤出机B的平均值和挤出机A的平均值不一样（UbUa）P值：当H0为真的概率,把现实问题转化为统计的问题来解决,6.1.2、什么是假设检验？,议一议,零假设（H0）被假定是对的这就像被告被假定“无罪”一样。记住：美国的司法系统不是“被证明清白之前有罪”我们不是在我们的实验“无影响”的概率小到不能相信之前假设实验有影响。你就是被告的辩护律师，你必须提供证据来消除“合理的怀疑”,关于零假设,记住：“没有罪”“无罪”,6.1.3、a风险和风险,在决定推翻与否时，我们可能会犯两类判断错误中的一个：,你的判断,接受H0,推翻H0,H0错,H0对,真理,6.1.3、a风险和风险,6.1.3、a风险和风险,陪审团的判决,他无罪,他有罪,实际有罪,实际无罪,事实,后果：罪犯获得自由,后果：清白的人进监狱,6.1.3、a风险和风险,P值到处都存在！,双样本T检验和置信区间:挤出机A,挤出机B挤出机A与挤出机B的双样本T平均值N平均值标准差标准误挤出机A1083.702.950.93挤出机B1085.103.601.1差值=mu(挤出机A)-mu(挤出机B)差值估计:-1.40差值的95%置信区间:(-4.49,1.69)差值=0(与)的T检验:T值=-0.95P值=0.354自由度=18两者都使用合并标准差=3.2914,6.1.3、a风险和风险,P值要多小根据状况有所不同,我们希望这些观察结果随机发生机会小于10%(=0.10)5%会更好一些(=0.05)1%感觉非常好(=0.01)的水平取决于我们的假设“没有差别”和所参考的散布类型但显著水准根据我们的关心与结果的信赖性有所不同。（飞机零件1%与一次性筷子1%能一样吗。）,通常我们使用0.05,6.1.3、a风险和风险,P值要多小根据状况有所不同,为了改善熔指波动大这个问题，简工改进了PP-13#机的螺杆，针对这个改进我们进行了统计验证，结果得出的P值=0.067，你应该怎样判定？假设上述改进进行后，SONY客户要求我们用此机器生产20T（用来注塑液晶彩电前面板），TCL客户要求我们用此机器生产20T（用来注塑电脑显示器CRT后壳），我们能用一样的P值去进行判定吗？螺杆改进后，我们想检验指标是否有改进，针对熔指我们取得的P值=0.067，密度的P值也为0.067，你将怎样判定这两个指标呢？,通常我们使用0.05，但是要根据实际情况进行适当的调整。,6.1.3、a风险和风险,风险（Betarisk）-犯类错误的风险或概率，或忽视一个解决问题的有效方式。显著差异（Significantdifference）-用于描述统计性假设检验的结果术语，在此差异大的不能合理的随机发生。那里很有可能发生什么特殊事。检定功效（Power）-统计检验的能力，探测出某事很重要时，实际某事确实很重要。常被用来决定在处置中样本的大小是否足以探测到存在的差异。零假设不真实时，推翻错误零假设的概率，即对零假设能够检出的概率。检验统计量（检验statistic）-一个标准化的数值（Z，t，F，等），代表错误确认的可能性，分布于一个已知的方式，以便可以决定这个观察到的数值的概率。通常错误确认越可行，检验统计量的绝对值就越小，而且在其分布内观察到的这个数值的概率就越大。,风险通常取值0.2,6.1.3、a风险和风险,6.2假设检验的应用-均值检验,连续型数据Y和离散型数据X,6.2、T检验的几种类型,1水平X的比较,2水平X的比较,3水平X的比较,1水平的范例,2水平的范例,3水平的范例,某牌号在4#机生产时黑点不良率和客户要求比较,某牌号分别在4#机和8#机生产时黑点不良率的比较,某牌号分别4#、5#、8#机生产时黑点不良率的比较,6.2.1、单样本t,实际问题：A8-6#机JH-960-7640C2B-G0533经常出现熔指偏低现象（标准24-30），为了监控过程熔指波动情况，对每个批次的熔指进行了抽查，每个批次抽1个样，其观测数据如下：,H0:；H1:；,6.2.1、单样本t-样本量的选择,样本容量介绍,人们常问的第一个问题是“我需要多少个样本？”该问题的答案由下列4个因素确定：数据类型离散数据和连续数据你想做什么描述整组的某个特征（平均值或比例）在特定的精度内（单位）比较组的特征（找出组平均值或比例之间的差异）你估计的标准差（或比例）为多大你希望的置信度为多少（通常为95%）,6.2.1、单样本t-样本量的选择,1.输入差值，d,2.输入检验功效,3.输入标准差,4.选择备择假设,5.输入Alpha，a,6.2.1、单样本t-样本量的选择,假定本案例认为熔指偏低的分界线是2个点，该牌号的历史标准差为1个点,6.2.1、单样本t-样本量的选择,分析路线图：单一样本,1水平X的比较,稳定性研究,SPCChartI-MR,Minitab单样本t,是否有明显的异常数据,如果出现异常值，应考虑剔除异常值再进行分析,6.2.1、单样本t-分析路线图,6.2.1、单样本t-分析路线图,数据稳定可控,6.2.1、单样本t-分析路线图,分析路线图：单一样本,1水平X的比较,稳定性研究,SPCChartI-MR,Minitab单样本t,是否有明显的异常数据,分布形态,正态性检验,正态分布的特征：P值大于0.05,6.2.1、单样本t-分析路线图,P值大于0.05，说明数据属于正态性分布,6.2.1、单样本t-分析路线图,分析路线图：单一样本,1水平X的比较,稳定性研究,SPCChartI-MR,Minitab单样本t,是否有明显的异常数据,分布形态,正态性检验,正态分布的特征：P值大于0.05,6.2.1、单样本t-分析路线图,均值检验,单样本t检验,中位数检验,P值大于0.05，支持原假设P值小于0.05，支持备择假设,正态,非正态,6.2.1、单样本t-分析路线图,6.2.1、单样本t-分析路线图,备择假设要根据实际问题进行选择，本案例是判断熔指是否偏低，所以备择假设选小于,6.2.1、单样本t-分析路线图,P值大于0.05，支持原假设。说明熔指均值没有明显偏低，只是过程偶然波动,6.2.1、单样本t-练习题,议一议,某项目团队怀疑近期配方临界导致冲击偏低。历史数据表明，某牌号冲击数据符合正态分配，平均数为17.5KJ/m2。增韧剂含量偏低会导致冲击偏低。项目团队想知道自己的怀疑是否正确，进行抽样检验分析程序：从每个批次抽取2个样本，连续跟踪了7个批次量测：样本的冲击强度,6.2.1、单样本t-练习题,议一议,我司与顺风快递签订了合作协议，发送到省内的平均时间为24小时。办公室随机抽取了近三个月内28个快递投递记录进行调查，见下表。（单位，小时），在95%的置信水平下，该快递公司有符合金发的要求吗？程序：每天随机抽取1个快递样本，连续跟踪了28天量测：快递的投递时间,6.2.2、双样本t,实际问题：某牌号PP前十个批次A1-5#机生产，由于订单增多，排程安排在A1-16#机，继续生产了十个批次。相应的熔指测量数据见下表，请问两个机台生产的熔指是否有明显差异？,H0:；H1:；,6.2.2、双样本t-分析路线图,分析路线图：双样本,2水平X的比较,稳定性研究,SPCChartI-MR,Minitab双样本t,是否有明显的异常数据,6.2.2、双样本t-分析路线图,结论是？,结论是？,6.2.2、双样本t-分析路线图,分析路线图：双样本,2水平X的比较,稳定性研究,SPCI-MR,Minitab双样本t,是否有明显的异常数据,分布形态,正态性检验,正态分布的特征：P值大于0.05,6.2.2、双样本t-分析路线图,结论是？,结论是？,6.2.2、双样本t-分析路线图,分析路线图：双样本,2水平X的比较,稳定性研究,SPCI-MR,Minitab双样本t,是否有明显的异常数据,分布形态,正态性检验,正态分布的特征：P值大于0.05,离散程度对比,双方差检验,方差相等的特征：P值大于0.05,6.2.2、双样本t-分析路线图,6.2.2、双样本t-分析路线图,P值大于0.05，说明两者的离散程度一致,注：正态分布用Bonett检验非正态分布用Levene检验,6.2.2、双样本t-分析路线图,分析路线图：双样本,2水平X的比较,稳定性研究,SPCI-MR,Minitab双样本t,是否有明显的异常数据,分布形态,正态性检验,正态分布的特征：P值大于0.05,离散程度对比,双方差检验,方差相等的特征：P值大于0.05,均值检验,双样本t检验,检验两者的均值是否相等,6.2.2、双样本t-分析路线图,6.2.2、双样本t-分析路线图,P值大于0.05，支持原假设，说明两者的均值无明显差异,6.2.2、双样本t-练习题,议一议,某工程师欲采购某75D挤出机的新螺杆，于是该工程师在申请增加设备之前，对新的螺杆的工程改善情况进行对比调查。观察10天以来的生产数据。这里的第二个螺杆是新设备。,6.2.2、双样本t-练习题,议一议,目前的供货商是A，和公司有良好的合作关系。供货商B有一个产品，并称该产品性能高于供货商A的产品。公司的观点是，断裂强度在实际差别上应比现在的强度高上1Kg/cm2。是否值得把供货商换为B呢？程序：从两个供货商提供的塑料中进行随机抽样，然后量测断裂强度。因子水平：供货商（A和B）实验单位：相同厚度的塑料样本量测：断裂强度（1Kg/cm2）数据档案：断裂强度.mtw,ANOVA的概念(1)-ANOVA是什么？,ANOVA是AnalysisofVariance的前面几个字母的缩写，翻译成“方差分析”。常用来比较多因子多水平或单因子水平下子组均值之间的差异,当有3个以上水平时，检验各水平下的子群均值是否有差异单因子方差分析当有2个以上因子时，检验均值差异时多因子方差分析,6.2.3、ANOVA,6.2.3、ANOVA,H0:；H1:；,考虑如下情景：一个产品线的技术员要研究某种型号挤出机挤出时5种不同温度的设置对冲击强度是否有影响。温度的范围为240280。于是他将输入量（因子）设置为5个水平档：240，250，260，270，280.然后他将对每个水平进行5次实验输入：温度输出：冲击强度这是一个具有5水平的单因子实验该实验的结果参考下页，数据“挤出实验.mtw”,6.2.3、ANOVA,温度的设置不同对冲击强度有影响吗？,6.2.3、ANOVA,因子A的水平是1个，各水平的反复数都是m次，则可将数据矩阵排列成下面的样子,6.2.3、ANOVA,ANOVA的原理总变动,总平均值是用右边的公式求得。,利用各个数据和平均值把平均值分解为两个，如下表示.,将左边和右边同时平方，结果如下：,【等式-1】,【等式-3】,【等式-2】,6.2.3、ANOVA,ANOVA的原理总变动,将上页等式-3右边第三项转变如下。,于是将上页的等式3简写成下面的等式，每一项都可以用平方和【SS(sumofsquares)】来表示,SS(total),SS(error),SS(factor),6.2.3、ANOVA,ANOVA的原理自由度,自由度？,在一个系统中不影响其他变量而能独立移动的系数例如：a*b*c=4,该式中变量的自由度是2假如a、b分别为1、2；那么C就必须为2；此处能够自由移动的变量只有两个。,自由度的计算,SS（总）的自由度是:SS（因子）的自由度是：SS（误差）的自由度是：,因此：,6.2.3、ANOVA,ANOVA的原理方差分析表,方差分析表制作,这里主要观察因子均值平方与误差平方的比值大小F值越大说明某因子A的效果就越大。（利用F分布确认P值）,6.2.3、ANOVA-分析路线图,分析路线图：三个以上样本,3水平以上X的比较,稳定性研究,SPCChartI-MR,Minitab双样本t,是否有明显的异常数据,6.2.3、ANOVA-分析路线图,结论是？,6.2.3、ANOVA-分析路线图,分析路线图：三个以上样本,3水平以上X的比较,稳定性研究,SPCChartI-MR,Minitab双样本t,是否有明显的异常数据,分布形态,正态性检验,正态分布的特征：P值大于0.05,6.2.3、ANOVA-分析路线图,结论是？,6.2.3、ANOVA-分析路线图,分析路线图：三个以上样本,3水平以上X的比较,稳定性研究,SPCChartI-MR,Minitab双样本t,是否有明显的异常数据,分布形态,正态性检验,正态分布的特征：P值大于0.05,离散程度对比,等方差检验,方差相等的特征：P值大于0.05,6.2.3、ANOVA-分析路线图,等方差检验,6.2.3、ANOVA-分析路线图,等方差检验,P值大于0.05，说明X各水平的方差相等，离散程度接近,6.2.3、ANOVA-分析路线图,分析路线图：三个以上样本,3水平以上X的比较,稳定性研究,SPCChartI-MR,Minitab双样本t,是否有明显的异常数据,分布形态,正态性检验,正态分布的特征：P值大于0.05,离散程度对比,等方差检验,方差相等的特征：P值大于0.05,均值检验,双样本t检验,检验多个水平的均值是否相等,6.2.3、ANOVA-分析路线图,单因子方差分析,6.2.3、ANOVA-分析路线图,单因子方差分析,P值小于0.05，说明支持备择假设，有明显的证据表明这5个水平间的均值存在差异,6.2.3、ANOVA-练习题,议一议,为改善某牌号PBT的冲击强度，经会议讨论，项目小组初步怀疑温度对冲击强度的影响，现分别设计了180度，200度，220度，250度四个温度水平，每水平下各做5次试验，如下表所示。请问四种温度下的冲击强度是否相同？,议一议,6.2.3、ANOVA-练习题,近期某汽车PP牌号经常出现冲击波动的问题，导致生产和品质多次进行排查原因，工程师怀疑该牌号在G1的机台冲击偏低，于是选取了3个不同机台进行验证，数据如下：,请问这几个机台是否存在明显的差异？,Define,Measure,Analyze,Improve,Control,识别问题产生的原因,定量分析方法-常用图表分析法定量分析方法-多变异分析定量分析方法-假设检验法精益分析方法-程序、时间、动作,分析偏差的来源,根本原因的确定,7、常用精益分析工具简介,程序分析,时间分析,动作分析,7.1程序分析,通过对生产工序、管理的过程从流程面进行分析，消除产品生产/管理过程中的全部浪费、不合理、不均衡。,7.1.1、什么是程序分析？,程序分析的工作流程一般由加工、检查、搬运、等待和储存五种活动构成。,7.1.2、程序分析的主要构成,7.1.2、程序分析的主要构成,基本符号,7.1.2、程序分析的主要构成,7.1.3、程序分析的主要步骤,现场调查绘制工序流程图测定并记录各工序的必要项目整理分析结果制定改善方案改善方案的实施和评价使改善方案标准化,案例,一张火车票自出售、使用至回收止，其间经过许多人之手，现用流程程序图表示如右。,5s,5s,5s,5s,5s,300s,5s,300s,20s,主基板生产,投入,零件插入,焊锡修整,目视检查,动作检查,面板生产,传动板生产,放音座生产,投入,焊锡修整,目视检查,动作检查,主基板半制品,面板半制品,画面调整,投入,零件插入,焊锡修整,目视检查,动作检查,投入,配线,放音座半制品,传动板半制品,装配,基板分割,完成检查,案例,案例,7.1.4、程序分析的主要方法,Fastandeffectivecreationofyourpresentation,主要根据检查表进行一一思考，找到可以改进的突破点。,1、五要素检查法,2、5W1H法,对各活动进行提问和思考，发现较深层次的问题,3、ECRS法,取消、合并、重排、简化,7.1.4、程序分析的主要方法-5要素检查法,7.1.4、程序分析的主要方法-5W1H,5W1H的方法,問題描述要具體細化Who、When、Where、What、Why、How,打破砂鍋問到底.,？,7.1.4、程序分析的主要方法-5W1H,7.1.4、程序分析的主要方法-5W1H,7.1.4、程序分析的主要方法-5W1H,程序分析从整个制程的轮廓着眼，其研究单位为各个操作（Operation），将各操作运用删除（Elimination）合并（Combination）重排（Re-arragement）简化（Simplification）之技巧，予以合理化。如果有一项操作在整个制程中为不必要，或者重复，则立即予以剔除，根本不必要作细微之动作分析，否则即为研究浪费。,7.1.4、程序分析的主要方法-ECRS,小故事,小故事,小故事,小故事,小故事,小故事,小故事,小故事,小故事,程序分析案例,换料停机时间长,平均为150分钟/次.,问题：,程序分析案例,750,影响换料停机时间因素排列图,0,79.5,92.5,96,98.7,100,烘料,清洁干燥器,清洁螺杆,开机调试,其他,程序分析案例,烘料占用时间长,清洁干燥器占用时间长,程序分析案例,要因确认表,程序分析案例,程序分析案例,停机,清洁干燥器,换料烘料,开机调试,恢复正常生产,清洁螺杆和料筒,串行换料流程图：,清洁干燥器,换料烘料,程序分析案例,要因：无预干燥系统，不能进行中间转换。,现在可以确定目标了！,程序分析案例,辅助供料系统工作原理：,7.2时间分析,7.2时间分析,生产效率是以时间为基准来衡量的。所谓时间分析，就是针对时间和产出做定量的分析，找出时间利用不合理的地方，从而进行改善。-IE基本方法之一,1.定义,7.2时间分析,在正常的操作条件下,用规定的作业方法和设备,普通熟练作业者，以标准的作业方法及合理的劳动强度和速度下，完成符合质量要求的工作所需的时间,称标准时间。,2.标准时间,7.2.1标准时间,为生产计划建立基本数据为标准成本建立基本数据为效率管理提供基准决定外协单价的基础数值建立衡量生产力和作业效率的基础数据分析标准成本和实际成本的差异人员安排的依据决定劳务管理费的基本数据,3.标准时间分析的作用,7.2.2标准时间的构成,标准时间=观测时间评比系数(1+宽放率)正常时间=观测时间评比系数,7.2.2标准时间的构成,7.2.3标准时间的分析步骤,1)能迅速识别研究内容的资料:日期研究者操作者作业熟练度等2)能正确识别研究产品的数据:名称零部件质量要求等3)能正确识别工序作业方法及设备等数据:地点作业方法设备型号工治具等4)其他数据：温湿度照明等,步骤一：收集资料,7.2.3标准时间的分析步骤,步骤二：划分研究单元,每一单元应有明显易辨认的起点和终点每一人工单元为独立完整并可能分割的基本作业要素(时间长度最好不要小于2.4秒)每个研究单元分开记录,7.2.3标准时间的分析步骤,步骤三：量测时间,秒表测量时间的方法,归零法连续测时法累积测时法周程测时法,秒表的使用,每个单元作业时间测量10个数据(观测次数大于10次),7.2.3标准时间的分析步骤,步骤四：剔除异常值,美国机械工程协会（SAM）对异常值定义为：“某一单元的秒表读数，由于一些外来因素的