6σ普及培训第二部分基本统计概念.ppt

6普及训练，第二部分基本统计概念，(ZTE-WB102-V1.0)，2002年3月，统计概念，说明以下基本统计概念。 1 .波动(偏差)2.连续数据和离散数据3 .平均值、方差、标准偏差4 .用正规曲线5.z值标准化数据6 .中心极限定理7 .以过程能力-z值作为测定过程能力的指标-通过改善关键值Xs改善Y8.稳定性因子，波动，所有人不同高度的葡萄在同一天出现问题333 期待有变动是什么种类的变动，观测值的变化通常会得到不同的回答。 这就是波动！ 系统变动预测和可预测的测量结果的差异。 /夏天和冬天的空调销售量不同。 随机变动无法预测的测量结果的差异。 例如，两台设计相同的冰箱，在相同的技术人员，相同的气温条件下，使用相同的测量仪器，在两天不同的日子测试其能源消耗。 可能会得到两个不同的结果。 1.2 .观测值的变化(续)，预计观测值不同。 如果没有区别，我们就会怀疑。 如果所有地区的手机销售量都一样的话，就会怀疑数据库有问题。测量10台电冰箱，得到相同能源消耗量的测量结果，就会怀疑测量是否正确。 这种变化使我们的工作更具挑战性！ 一般而言，来自数据点的结果令人难以置信。 我们通常会注意到如何收集多个数据点并选择样本以减少偏差。 波动的发生是自然的，预期是在统计学的基础上，统计学的作用，统计学采用以下方法处理误差： (置信区间和假设检验)。 统计学上使用曲线图和若干总括数字(平均、方差、标准偏差)来描述一系列数据。 此外，统计推论确定结果之间的差异何时可能起因于随机误差，以及何时不起因于随机误差。，实验设计，数据的两种类型，连续(可变)数据使用英寸和时间等测定单位。 离散(属性)数据是类别信息，例如“通过”或“失败”。 连续数据、离散数据、问题、解决方案、实例：部件号离散连续1通过2.0312通过2.0343通过2.0764通过2.0225通过2.001，连续数据以参数的形式来描述产品或过程的特性，例如尺寸、重量或时间。 测量标准可以有意义地分割，提高精度。 能给我举出我们为了得到连续数据而使用的三个器具的例子吗？ 与只知道部件是否合格相比，连续数据能够提供更多的信息。 连续数据(也称为可变数据)、离散数据无法更准确地细分。 离散数据以某事件发生或未发生的次数，以发生的频率表示。 离散数据可以是分类数据。 例如，销售地区、生产线、班次和工厂。 另外，离散数据(也包括属性和类别数据)、地域、亮度和亮度、离散数据、离散数据的例子：有凹陷的部件的数量通过/投诉决议及时地交付生产线的不合格品的数量，离散数据为了进行有效的分析，需要更多的数据点。请在下面的例子旁边写上它是“连续”还是“离散”。1订货精度2数据输入精度3使用销售地区4“合格/不合格”的测量仪得到的孔径5孔径6应答中心对话时间7冷冻氟利昂的重量(克)每8百万部件应用缺陷部件数9组装线缺陷(ALD )，以此来回应您的学习-总体元素的数目表示样本-总体子集-样本元素的数目为n，平均值-总体或样本的平均值-总体的平均值表示样本的平均值为x，并且表示方差-数据及其平均值之间的差的平方的平均值。 (代表此群组中资料的方差程度) -代表总体方差-代表样本方差的s2或平均方差为方差的(正)平方根。(它还显示了此组中数据的分布程度。) . 整体标准偏差用s或表示样本的标准偏差，定义为统计学术语、-、统计学术语，整体-整体对象。 示例-1998年5月在深圳生产的所有21英寸颜色样本-显示整个子集数据。 例-1998年5月在深圳生产的120台21英寸彩色电视的例子：这个矩阵代表25个x的整体。 画圆的是由整体中的6个x组成的样品。平均值-整体或样本的平均值。 用x或表示样本，表示整体。 示例：样本：1、3、5、4、7 )，平均值定义为：统计学术语：x :x、n，其中X1是样本的第一个点，Xn是样本的最后一个点。I，1，n，平均值的式子，样本的平均值等于4。标准差-衡量数据方差程度的指标。 一般显示整体、s或样本。=，(，x，I，-，)，2，I，=，1，n，n，整体的式子，方差-和平均值之差的平方的平均值。 一般用s2或s2表示。 要计算样本 2，6，4 的方差和标准偏差，请首先计算平均值： (2 6 4)/3=12/3=4，计算平均值、方差和标准偏差：x、n、I、i=1，n，平均值方差标准偏差、方差(s2 )=8/(3-1)=4标准偏差(s)=sqrt(4)=2，ixi (Xi-4 ) 212-2426243400和1208，)首先，平均值x :平均值，方差和标准偏差，x，n，I，1，n，平均方差标准偏差，方差(s2)=定义为标准偏差(s或)=，不满足计算缺陷的预期或定义的用途的要求。 (引起顾客不满)单位缺陷数(DPU):PPM(PartsperMillion )不良品ppm=ppm表示缺陷率： PPM=DPU10000000、不良品数、检查的产品数、100000、x、x、统计用语和定义、缺陷机会：工作(或生产产品等)所有范例：一个流程的步骤数目1产品的零件数目。 每百万机会的缺陷数(DPMO)DPMO=，单位缺陷数，单位缺陷机会，1000000，缺陷率能计算出来吗？我的过程中有多少缺陷？ 生产40000个灯泡，其中50个只有缺陷。 DPMO是多少？如何计算DPMO？ 我的过程有多少缺陷？ 1999年A19灯泡的顾客退货率为1.0%。 DPMO多少钱、x、1，000，000、=、如何将%转换为DPMO？小数、DPMO、小数点前面第2位、0.01、x、1，000、000dpo、11122222222222222222222222222222222222222222222222222222210、5，0、高度、频数、 频率59616363645962665646564656870656366866567646586571636367064664664664664664664664664663664668666769716866563646464686766668667666686676666666666666646468676666668666666666666666 6656 36866266566766763606473，90名女性的身高在直方图中形成了一个连续分布。，p(d )，上限(USL )下限(LSL )平均()标准偏差()，3 )，拐点和平均值的距离是标准偏差。 如果三倍的标准偏差进入目标值和规范的上下限，我们说这个过程具有“三个sigma能力”，平均，LSL，曲线从陡峭的状态变平坦，面积和概率，正规曲线和横轴之间的面积为1，所以曲线下面的面积与发生缺陷的概率有关。 正态分布可用于将和转换为缺陷百分比。 假设、规范上限、缺陷出现的概率=.0643，Z=1.52。 1.52以外的正规曲线下部的面积是发生缺陷的概率。z值是工序能力的比例，通常称为“工序的齐格马”，不要与工艺标准偏差混淆。z、曲线的面积总计为1、0 (在此为=1、=0)，使用正则表格显示Z=1.52，下页表格显示z值的右侧面积。、正态分布、科学表记法、科学表记法是将数字写入数字的10次方的方法。 让我们来看看科学标记法所表示的数字。 6.43E-02是. 0643的科学标记法形式。 6.43 e-02=6. 42 x 10-2=.06426.43 e-02，实际数字，科学标记法，6.43表示基数，基数乘以10:10-2，127，1.27 e 02，22416，2.24 e 04，0.0643 如果，0.000056，5.60 e-05，2.051，2.05 e 00，e之后的数字的小数点位置向左移动。z值-要转换为“标准正态”，必须使用正态分布的平均值和标准偏差转换为“标准正态”分布，并使用标准正态分布表获得概率。 然后通过转换将变量(y )转换为标准正态分布。 标准正态分布的平均值(=0，标准偏差()=1.规范上限(USL )，缺陷部件出现一个的概率，USL，Z=， 规范的上限：正态分布的例子，规范为1.030 ) 030=(1. 000，1.060 )假设我们测定了30个部件，X=1.050，s=.015计算不符合规范的部件的比例，1.0201.0351.0501.0651.080，LSL，1.0201.0351.0651.080 另外，ZBench的定义，PUSL是对USL发生缺陷的概率。 PLSL是对LSL发生缺陷的概率。 PTOT是缺陷发生概率ptot=pussplslzworkbench是与缺陷发生概率对应的z值，可以从正规表中调查。，25.14%， 04%，ZLSL=3.33，zusl=0.67，25.18 %，ZBENCH=.67， 从正规表格中取得面积(合格品与不合格品的比例)，例如1:Z=2.00右边的面积=_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 1212220埃埃及6， 中心极限定理-为什么我们得到的是正态分布，平均值分布-n个测定结果的平均值，单一变量的分布图，每个子组有“n”个样本。-，中心极限定理(例)，中心极限定理-为什么我们得到正态分布，例1的“总销售量”是很多销售店的销售量的总和。 一家销售店的销售量可能不是正态分布，但总销售量很可能接近正态分布。 例2的零件的高度可以遵循正态分布，但各个零件的高度不是正态分布。 注：并非所有数据都符合正态分布。 稍后将介绍如何验证正态性以及如何处理非正态分布数据。 作为能力的度量，z为2222222222222222222222222222222226，小z大小、工艺能力的改进，独立变量(Xs )可被称为“根本原因系统”。 变量(y )可以称为响应变量。 y取决于独立变量或“x”变量。 最重要的少数变量也称为“杠杆”变量，对原因变量有很大影响。 统计问题：的平均偏差、偏差太大还是两者兼顾，改善的焦点、能力适用于所有过程、制造商和商业。 稳定运行可以从过程中消除偏差，使结果更加稳定，提高可预测性。 偏差是魔鬼，发现它就把它除掉了！ 自卑表现优秀，客户“每天都想这样做”稳定运行，根除坏日子，提高一贯性，提高平均值。 使坏日子成为好日子，原行为增加平均值。 偏差不变。 还有坏日子！ 是稳定运行根绝过程的“不稳定的“部分(坏日子)”。 平均值也增加了！ 初期表现，根除坏日子，改善一贯性，提高平均值。，平均值，平均值，平均值，稳定的运行降低偏差，Q3，Q31，Q3=23646，Q1=12215，原始数据，分类后，前25%，后25%，1 )测量你工序的每日产量。 2 )把数据从最好到最坏的顺序排列。 3 )把数据四等分。 Q1=1/4的日子不好。 最好是3/4的日子。 Q3=3/4的日子不好。 四分之一的日子好。 4 )稳定性因子(SF ) : SF=Q1/Q3=12215/23646=.52，随着偏差的降低，稳定性因子接近1.0。 “稳定性因子”: Q1/Q3，根除坏日子，提高一贯性，减少平均值、平均值、初期表现、Q1、Q3、稳定操作的偏差，偏差是恶魔。 找到并抹掉！ 稳定运营带来的好处为客户带来了更高的一致性和可靠性。 流程的可预测性增强，易于管理。 平均值高。 利用“隐藏的工厂”。 优秀的自卑表达方式，每天我都想实现这个目标，稳定的运行：如何实现，1 .在测量阶段，计算你的过程的稳定因子。 发现了稳定性因子低、改善机会最大的工艺。 2 .运用分析方法筛选可能导致坏日子的重要因素x。 3 .运用改善方法，确认使坏日子变成好日子的重要要素x。 4 .控制关键要素x，保持高稳定性。 采用六种sigma方法实施稳定操作。 重要概念：统计学概念、误差存在于一切过程中。 连续(可变)数据可以有意义地进一步划分，例如长度、重量等。 离散数据以类别形式存在，不可分割。 整体